#导读#

随着城市化进程的不断推进，恶臭气体污染问题日益受到关注，对人们的生活质量、健康以及社会的稳定产生了不同程度的影响。在此背景下，中华环保联合会恶臭异味污染防治专业委员会组织行业专家编写了 《恶臭气体监测技术研究进展》行业技术发展综述，系统梳理国内主要恶臭气体监测技术，剖析其应用中的精度、灵敏度、传感器选择、环境干扰及成本等挑战，展望未来发展趋势，旨在为生态环境领域相关单位和人员提供参考，推动监测技术进步，助力环境保护与公共健康保障。

原文发表于《自然杂志》2025, 47(2)

文章信息

第一作者：高松 副教授

通讯作者：刘文清 教授

作者：高松①②，焦正①②，吴克食①②，任勇②，杜天君①③④，刘文清①③⑤†

https://www.nature.shu.edu.cn/CN/10.3969/j.issn.0253-9608.2025.01.010

摘要

关键词

恶臭气体；监测技术；传感器；电子鼻；智能化；环境光学

主要内容

• 恶臭气体理化特性与评估

• 主要恶臭气体监测技术

• 面临的挑战与问题

• 未来发展趋势与研究方向

• 结语

全文

随着全球城市化进程的推进，恶臭气体污染日益凸显。恶臭气体主要来源于工业排放、农业生产和废弃物处理等（图1）。常见恶臭物质有无机类恶臭气体（如氨气（NH₃）、硫化氢（H₂S）等）和有机类恶臭气体（如醚类、醛类等挥发性有机物（VOCs））。这些恶臭物质不仅降低空气质量水平，还对公众健康和居民生活造成负面影响[1-2]。例如：人体长期暴露在低浓度（20ppm，1ppm=10-6）NH₃环境中即可引发呼吸道黏膜刺激；H₂S因其极低的嗅觉阈值（0.47ppb，1ppb=10-9）会导致头痛、眩晕，高浓度（超100ppm）暴露则可能迅速致命[3]；VOCs可能增加癌症风险并导致免疫系统紊乱。同时，恶臭气体的存在会加重心理负担[4]。长期暴露于恶臭环境的居民，其心理健康指数较普通人群低30%-40%，抑郁症患病率60%的居民因恶臭而出现睡眠障碍。恶臭常引发环境投诉，增加了管理压力，影响居民生活质量和社会稳定。

恶臭气体监测技术(表1)包括传感器技术(金属氧化物半导体传感器(MOS)、电化学传感器 (EC)等)、电子鼻(e-nose)、气相色谱-质谱联用技术(GC-MS)、气相色谱-火焰光度检测器(GC-FPD)、傅里叶变换红外光谱技术(FTIR)、光声光谱技术(PAS)、差分吸收光谱技术(DOAS)，以及可调谐二极管激光吸收光谱技术(TDLAS)。因每种技术的检测原理不同，它们在恶臭气体检测和感知方面呈现出不同的优劣势，可根据不同的应用场景选择适合的监测技术。鉴于当前恶臭检测需求复杂、量化精度要求日益变高、恶臭溯源难度加大等现状，未来恶臭气体监测技术的发展将围绕新型传 感材料、多传感器融合技术以及人工智能在实时监测中的应用进行深入探索，以期应对当前技术的瓶颈，大幅提升恶臭气体监测的效率和准确性，满足未来更为多样化和复杂化的应用需求。

图1 我国恶臭污染排放主要来源[5]

1 恶臭气体理化特性与评估

1.1 主要异味物质及其特征

恶臭气体是一类能够刺激嗅觉并让人产生厌恶情绪的化学物质。全球已知的恶臭物质上万种，具有不同的气味特征，根据其理化性质分类如下。

无机类恶臭气体主要有：①NH3，是一种无色、高挥发性、强碱性的气体，具有强烈的刺激性臭味，通常被描述为“刺鼻气味”[6] ； ②H2S，以“臭鸡蛋”气味著称，为典型恶臭气体之一，其分子中的含硫官能团赋予了极低的气 味阈值(低至ppb级)；③磷化氢(PH3)，具有鱼腥味或腐烂味，主要来源于农药或垃圾填埋场；④ 氯气(Cl2)，具有强烈的刺激性气味，主要出现在水处理或化工过程中。

有机类恶臭气体主要有：①含硫化合物(如硫醇、硫醚)，具有强烈的腐臭味或烂菜味；②含氮化合物(如胺类、吲哚类)，表现为强烈的刺激性气味或腐败味；③卤素及衍生物(如氯仿、三氯乙烯)，具有刺鼻、甘甜或其他气味；④含氧有机物(如醛类、醇类、酮类)，气味多样，如乙醇呈轻度刺激性气味，醛类具有刺鼻的气味[7]；⑤芳香烃呈现独特的芳香气味[8]；⑥二硫化碳(CS2)， 具有强烈的腐臭气味，常来自工业废气排放。

1.2 致臭机理

恶臭气体的致臭机理主要取决于其分子结构、反应性、挥发性和溶解性，这些因素决定了气味的强度和感知效果。

(1)分子结构与嗅觉结合效率

恶臭气体的分子结构直接影响其与嗅觉受体的结合能力。例如，含硫、含氮化合物因其特殊的官能团和分子空间构型，能够高效结合嗅觉受体，即使在极低浓度下也能引发明显的气味感知

(2)挥发性

高挥发性使恶臭气体能迅速从液体或固体表面释放到空气中。例如，H2S和NH3的高挥发 性使其快速扩散到人类呼吸区，增加了嗅觉的暴露机会。

(3)反应性与二次污染

恶臭气体的反应性强，能够与空气中的氧气、氮气或水蒸气发生化学反应。例如，氨气与二氧化硫反应生成铵盐，硫化氢氧化生成二氧化硫和水，这些反应会改变气味特性或产生新的异味物质，进一步加重异味。

(4)溶解性与局部效应

部分恶臭气体在水中的溶解度较高。例如，氨气和硫化氢可溶于鼻腔黏液，局部形成高浓度，增强其对嗅觉受体的刺激。

1.3 嗅阈值与气味活性值

嗅阈值和气味活性值是评估恶臭气体气味强度的重要指标。通过这两个参数，可以更准确地判断和控制恶臭气体对环境和健康的影响。

(2)气味活性值(OAV)，是某种物质浓度与其嗅阈值的比值，用于衡量该气体相对于嗅阈值的气味强度。OAV越大，表示气味越强烈，越易被察觉。OAV>1时，气体浓度超过嗅阈值，气味明显。

2 主要恶臭气体监测技术

2.1 传感器技术

传感器技术主要有金属氧化物半导体传感器(MOS)、电化学传感器(EC)、光学传感器和生物传感器。MOS以高灵敏度和广泛的应用成主流选择，但其长期稳定性较差，受温度、湿度等环境条件影响显著，而且部分传感器需要在高温条件下工作，功耗较高；EC凭借高选择性和低功耗，适用于便携式和特定气体检测，但其寿命较短，易受交叉干扰，需要定期更换电解质或电极；光学传感器通过高精度和非接触式检测满足高端监测需求，但其设备成本昂贵，对光学系统的校准和维护要求较高；生物传感器则以高选择性和环保特性在特定领域展现独特优势，但其稳定性较低，容易受生物材料降解或污染影响，且对操作和储存条件要求严格。

2.1.1 金属氧化物半导体传感器

MOS通过气体分子与其表面的金属氧化物材料(如二氧化锡、氧化铟)反应，导致传感器电阻变化，从而转换为气体浓度信号。MOS适合长期监测[11]，广泛应用于化工厂和污水处理厂等工业异味的排放监测。

2.1.2 电化学传感器

EC通过气体在电极表面的氧化还原反应产生电流或电压信号来检测浓度，通常由工作电极、参比电极和电解质组成。EC可通过选择合适的电极材料和电解质，针对特定气体检测。其 低功耗特性适合便携式和嵌入式应用，能够在低功耗环境下长期运行[12]。电化学传感器广泛应用于无机恶臭气体监测。

2.1.3 光学传感器

光学传感器通过光(如红外、紫外和拉曼光谱)与气体分子的相互作用检测气体浓度。传感器通常由光源、检测器和光路系统组成，通过测量特定波长的光被气体吸收、散射或发射的变化，精确推算气体浓度。其具有高灵敏度和选择性，能准确检测特定波长对应的气体。其非接触式检测方式适用于恶劣环境，提升系统的安全性和可靠性，而且响应迅速，能实时监测气体浓度变化[13]。光学传感器常用于监测硫化氢和有机硫化合物的排放。

2.1.4 生物传感器

2.2 电子鼻技术

图2 电子鼻原理图

(1)原理与构成

(2)传感器阵列与材料选择

电子鼻使用的监测技术种类丰富，在灵敏度、选择性、响应时间和工作条件上各有优势，包括MOS、EC、导电聚合物传感器、传感器阵列、PID和光学传感技术等。传感器的核心在于 传感材料的选择。对于MOS传感器而言，二氧化锡、氧化锌和掺杂的金属氧化物是常用的活性材料[18]，通过调控材料的晶粒大小、表面形貌以及掺杂元素来提升其灵敏度和选择性。而电化学传感器中的电极材料、导电聚合物传感器中所使用的聚合物膜以及光学传感器中光学元件的选择，都需要根据目标气体和工作环境进行针对性优化。材料科学与纳米技术的发展，为电子鼻传感器阵列的性能提升提供了巨大空间，使其在灵敏度、响应速度和耐用性方面不断改善。

电子鼻面对的是高维、多变量的数据集，特征提取和降维至关重要[19]。通过采用主成分分析(PCA)、因子分析(FA)、线性判别分析(LDA) 或独立成分分析(ICA)等数据降维技术，可提炼出关键特征分量，减少噪声的干扰，并突出不同气味间最有区分度的特征轴[20]。

2.3 气相色谱-质谱联用技术(GC-MS)

GC-MS能够有效分离复杂气相样品，并提供各组分的分子量和结构信息，实现高灵敏度和高精度的定性定量分析[24]。对于恶臭气体监测，GC-MS有助于深入理解恶臭气体的来源和形成机制，进而有效降低臭气污染[25]。然而，GC-MS也存在一些不足之处：首先，设备成本高昂，初始购置费用和后续维护费用较高，限制了其在小型企业和低预算环境中的应用；其次，GC-MS操作复杂，需要专业技术人员进行样品制备、分析和 数据处理，增加了操作难度和时间成本；此外，其检测过程通常需要较长时间(如样品分离和分析步骤)，难以满足实时监测的需求；最后，由于其体积较大和对工作环境要求较高(如温控和 载气纯度)，GC-MS不适合便携式或恶劣环境下的应用。因此，尽管GC-MS是痕量恶臭气体定性监测的经典方法，但在实际恶臭气体监测中，需结合其他实时监测技术以弥补其不足。

(1)样品前处理与浓缩富集

由于恶臭浓度低，直接进样灵敏度不足，常采用气体取样袋、吸附管、SPME或冷阱等技术进行富集与提取。通过将目标组分吸附或冷凝后，利用热脱附或溶剂解析释放至GC-MS，能显著提升检测灵敏度和降低检测限。

2.4 傅里叶变换红外光谱技术(FTIR)

傅里叶变换红外光谱技术(FTIR)是一种基于红外光谱的分子分析方法，主要表现为基于红外辐射与分子振动、转动能级的相互作用。不同分子在特定波数下吸收红外光，形成独特的吸收峰。FTIR的核心是Michelson干涉仪，由固定镜和移动镜组成，产生的干涉图经过傅里叶变换后得到红外吸收光谱[26]。FTIR的非破坏性和连续监测能力适用于动态环境中的气体分析[27]，其中开放光路FTIR广泛应用于高浓度的恶臭气体监测中，能够实现多组分气体的在线实时监测。在FTIR测量中，红外光通过气体样品时部分被吸收。通过比较有无样品时的光强变化，计算透过率并获得吸收光谱。利用标准谱库和Beer-Lambert定律，可实现气体成分的定性和定量分析。对于复杂的恶臭气体混合物，可采用多元统计分析或机器学习算法，提高组分分离和定量的准确性。然而，该技术也存在一些技术挑战，如：环境中的背景干扰(如水蒸气和二氧化碳等)敏感，可能影响检测精度；FTIR数据处理难度高，需要专业技术人员进行光谱分析和结果解读。随着人工智能与光学仪器的深度融合，FTIR应用的可达性将得到进一步提升。

2.5 光声光谱技术(PAS)

光声光谱技术(PAS)基于光声效应，通过检测气体吸收特定波长光后产生的声信号来测量气体浓度和成分。当调制光照射气体分子时，吸收的光能转化为热能，引起气体温度周期性变化，进而产生可检测的声波信号。PAS系统包括可调谐光源(如激光器或LED)、光学调制器、光声检测室和高灵敏度麦克风。可调谐光源：选择性发射目标气体的吸收波长，如半导体激光器或量子级联激光器(QCL)。光学调制与气体池：光强以特定频率调制，气体吸收能量后在声学优化的气室中产生声波。声学传感与信号处理：麦克风将声波转为电信号，经过滤波和放大，利用锁相放大技术提高信噪比，实现高灵敏度检测。PAS技术具有高灵敏度和选择性，能够实现ppb级甚至更低浓度的检测，特别适合痕量气体的在线监测。PAS常用于特定气体的高精度监测，但在多组分复杂气体环境中，需要与其他技术结合使用以弥补其局限性[28-29]。

2.6 差分吸收光谱技术(DOAS)

DOAS是一种基于紫外或可见光吸收特性的高灵敏度气体检测技术(图3)，其利用目标气体分子在特定波长范围内的特征吸收谱，通过测量光源在气体中传播前后的光强变化来定量分析气体浓度[30]。DOAS的核心是通过将目标气体的窄带吸收峰与背景的宽带吸收(如气溶胶或水蒸气的散射)分离，从而实现对气体的高精度定性和定量检测。根据有无光源分为主动DOAS和被动DOAS；根据光程长短分为长光程DOAS和短光程DOAS。

图3 DOAS结构原理示意图

DOAS的技术构成主要包括以下部分：光源，通常采用宽光谱光源，如氙灯、汞灯或高亮度LED，覆盖紫外到可见光范围，用于生成特定波长的光线；光路系统，包括发射光路和接收光路，用于将光线穿过待测区域(如大气环境或污染排放通道)并收集透射或散射光信号；光谱仪，负责对光信号进行分光和记录，捕获目标气体吸收后的特征光谱信息；数据处理单元，通过差分算法去除宽带背景噪声，并结合标准吸收谱库计算目标气体的浓度。这些组件共同实现了DOAS的高灵敏度和多组分气体检测能力[31]。DOAS广泛用在紫外和可见波段范围，监测标准污染物O3、NO2、SO2和苯系物等，测量的种类仅限于对该波段的窄吸收光谱线的气体成分。与其他传统光学监测方法相比，DOAS可同时监测多种成分，但是其监测受水汽和气溶胶影响较大。

2.7 可调谐二极管激光吸收光谱技术(TDLAS)

TDLAS是一种基于激光吸收光谱的高灵敏度气体检测技术，通过调谐激光器的波长至目标气体的特征吸收范围，扫描气体分子的吸收光谱，检测吸收光强的变化，从而实现目标气体的高灵敏度定量分析。激光波长的窄带特性使TDLAS对目标气体具有极高的选择性[32]。

TDLAS的技术构成包括以下部分：可调谐激光器，如半导体激光器或量子级联激光器 (QCL)，能够精准调节波长至目标气体的特征吸收区域，覆盖红外或近红外范围；检测腔，采用 高反射率光学腔体或多通气室设计，以延长光程并增强吸收信号；检测器，通常使用光电二极管或热释电探测器，用于记录透射光强并捕捉气体的吸收特征；信号处理单元，通过锁相放大技术或傅里叶变换分析提取信号，显著提高信噪比，确保高精度的检测结果。这些核心组件的协同作用使TDLAS能够实现对痕量气体的高灵敏度和高选择性监测[33]。

3 面临的挑战与问题

尽管近年来恶臭气体监测技术取得了显著进展，但在实际应用中仍然面临诸多挑战和问题。

(1)监测精度与灵敏度

多样化精度需求：不同应用场景(如工业排放与公共环境)对精度和浓度范围要求不同，现有技术难以同时满足高精度与宽范围需求，影响结果可靠性。

灵敏度提升难题：恶臭气体多以痕量存在(ppb级)，现有传感器易受背景噪声和干扰影响，需在材料科学和设计上创新以提高灵敏度。

重复性与稳定性：传感器长期使用性能衰退，导致数据漂移和不一致，增加维护和校准成本，降低监测可靠性。

(2)传感器的选择与配置

选择性问题：多组分气体中不同气体特性相似，传感器难以有效区分，如氨气与硫化氢，从而限制其在复杂环境中的应用效果。

传感器阵列优化：需要合理配置传感器类型、数量和排列，目前缺乏统一优化方法，影响系统通用性和扩展性。

互补性与协同工作：传感器响应需互补，但协同机制不成熟，存在干扰和信号重叠问题，需深入研究优化材料和系统设计。

(3)环境干扰与数据准确性

温湿度影响：温度和湿度变化显著影响传感器响应，导致检测偏差和稳定性下降。

干扰气体存在：背景气体(如二氧化碳、一氧化碳)可能竞争吸附位点或引发非特异性反应，增加数据解析复杂性。

颗粒物与污染物干扰：颗粒物附着传感器表面影响响应，化学污染物可能导致传感器性能退化

(4)成本与可行性

采购与维护成本：高性能设备(如GC-MS、FTIR)价格昂贵，维护成本高，限制中小企业和基层部门的大规模部署。

能耗与操作复杂性：高精度传感器需高温或复杂操作环境，增加能耗和操作难度，需专业人员操作，提升使用门槛。

可扩展性与适应性：现有系统缺乏灵活调整能力，难以适应不断变化的污染源和监测需求，需提升系统的可扩展性。

(5)数据处理与实时性

大数据处理与存储：分布式监测网络产生海量实时数据，传统存储和处理方法难以高效管理，影响系统性能。

实时数据分析与响应：复杂气体混合物和多变量分析增加实时处理难度，许多系统尚未实现快速响应，导致监测延迟。

数据准确性与算法优化：噪声滤波、基线校正和特征提取步骤影响准确性，传统算法在处理非线性和高维数据时表现有限，需引入先进的机器学习和深度学习算法提升分析准确性和鲁棒性。

4 未来发展趋势与研究方向

随着恶臭气体监测技术的进步和环境保护需求的增加，未来的发展将聚焦于提升灵敏度、选择性、便携性和智能化水平。其主要研究方向包括新型传感材料、多传感器融合、人工智能与大数据应用、便携式与微型化设备，以及智能化与自动化监测系统。

(1)新型传感材料发展

利用高比表面积和独特物理化学性质的纳米材料(如石墨烯、碳纳米管)提升传感器的灵敏度和响应速度[34]。通过功能化材料表面或分子筛孔结构，增强传感器对特定恶臭气体的选择性。复合多种材料以兼具高灵敏度和选择性，提升传感器在复杂环境中的适应能力。

(2)多传感器融合技术

传感器阵列优化设计，合理选择和配置多种传感器，最大化检测能力。利用机器学习和深度学习算法，提高多传感器数据的融合准确性和实时性。通过模块化设计增强系统的灵活性和可扩展性，开发高效、便携的监测设备

(3)便携式与微型化

微机电系统(MEMS)技术应用：通过MEMS技术实现传感器的小型化和集成化，开发高性能、低功耗的便携设备[35]。

无线通信与物联网集成：集成无线通信和物联网(IoT)技术，实现数据实时传输、远程监控和集中管理。

能源管理与续航优化：开发低功耗传感器和优化电源管理系统，延长设备续航时间，确保稳定运行。

(4)人工智能与大数据

实时监测与预测模型：建立动态预测模型，结合实时和历史数据及气象条件，预测恶臭气体浓度变化。

数据共享与协同平台：整合多监测点数据，利用云计算实现跨区域、跨机构的数据共享与协同分析[37]。

(5)智能化与自动化

自动校准与自学习能力：具备自动校准和自学习功能，适应传感器漂移和环境变化，提升数据准确性。

集成化监测平台：整合多种传感技术和数据处理模块，形成一体化监测平台，实现多参数同步监测。

自动化控制与响应机制：实现自动检测、数据分析和响应，当检测到异常时，自动触发预警和控制措施，及时控制污染源。

5 结语

本文对恶臭气体监测技术的分类和现状进行综述，明确了无机类恶臭气体、有机类恶臭气体和特殊恶臭气体的来源、化学性质及致臭原因，介绍了多种监测技术，分析了优劣势和适用场景，探讨了当前技术在监测精度与灵敏度、传感器选择与配置、环境干扰、成本与可行性及数据处理实时性等方面的挑战。

参考文献

[1] WANG L, GAO Z, ZHANG H, et al. Sources, characterization, and health risks of ambient volatile organic compounds in urban areas [J]. Atmospheric Environment, 2019, 212: 96-107.

[3] AMOORE J E, HAUTALA E. Odor as an aid to chemical safety: Odor thresholds compared with threshold limit values and volatilities [J]. Journal of Applied Toxicology, 1983, 3(6): 272-290.

[4] 包景岭, 邹克华, 王连生. 恶臭环境管理与污染控制[M]. 北京: 中国环境科学出版社, 2009.

[5] 中华环保联合会. 恶臭/异味污染走航监测技术指南: T/ACEF 156-2024 [S]. 2024.

[6] KIM K H, SZULEJKO J E, PARKER D. A review of airborne odor measurement and its applications [J]. Sensors and Actuators B: Chemical, 2014, 204: 711-720.

[7] 段振菡. 典型生活垃圾填埋场作业面恶臭物质释放特征及源解析[D]. 北京: 清华大学, 2015.

[8] SONG X, LIU J, CHEN Y, et al. Applications of GC-MS in the monitoring and analysis of volatile organic compounds in air quality studies [J]. TrAC Trends in Analytical Chemistry, 2018, 102: 170-182.

[9] 刘洪晃. 初试阈值测定[J]. 酿酒科技, 1995(4): 89-90.

[10] 王亘, 翟增秀, 耿静, 等. 40种典型恶臭物质嗅阈值测定[J]. 安全与环境学报, 2015, 15(6): 348-351.

[13] 刘艺, 于洋, 金彪, 等. 持久、迁移性有机污染物的水污染现状、分析检测方法和去除技术[J]. 地球化学, 2021, 50(3): 305-316.

[14] YANG L, TANG Q, ZHANG M, et al. A spatially localized DNA linear classifier for cancer diagnosis [J]. Nature Communications, 2024, 15(1): 4583.

[15] GRIFFITHS P R, DE HASETH J A. Fourier transform infrared spectrometry [M]. Hoboken, NJ: John Wiley & Sons, 2007.

[17] 王俊, 崔绍庆, 陈新伟, 等. 电子鼻传感技术与应用研究进展[J]. 农业机械学报, 2013, 44(11): 160-167.

[18] 张永, 易建新. SnO2气体传感器敏感层厚度对乙醇气体响应性能的影响[J]. 传感器与微系统, 2024, 43(1): 52-55, 61.

[19] 柴春祥, 陈庆森, 刘勤生. 鸡肉新鲜度电子鼻评价特征值的确定 [J]. 食品与发酵工业, 2007, 33(11): 5-8.

[20] 海铮, 王俊. 电子鼻信号特征提取与传感器优化的研究[J]. 传感技术学报, 2006, 19(3): 606-610.

[21] WEN T, MO Z, LI J, et al. An odor labeling convolutional encoderdecoder for odor sensing in machine olfaction [J]. Sensors, 2021, 21(2): 388.

[24] KOSTEREV A A, BAKHIRKIN Y, TITTEL F K, et al. Applications of quantum cascade lasers in spectroscopic gas sensing [J]. Applied Physics B, 2008, 90: 165-176.

[28] KUMAR P, NARAYAN S, GUPTA P, et al. Portable and microanalytical devices for monitoring environmental pollutants [J]. Analytica Chimica Acta, 2015, 893: 13-29.

[29] 王琦, 王世超, 刘泰余, 等. 光声光谱多组分气体检测技术研究进展[J]. 光谱学与光谱分析, 2022, 42(1): 1-8.

[30] 黄涛, 蔡栋墅, 莫炳先, 等. 基于紫外差分吸收光谱技术的机动车尾气中SO2和NOx检测方法[J]. 中国机械, 2023(5): 76-80.

[31] 浙江省技术市场促进会. 基于紫外差分吸收光谱技术的恶臭在线监测系统[EB/OL]. (2022-05-13)[2024-12-31]. http://www.zjjscjh.cn/news/227.html.

[32] 聂伟, 阚瑞峰, 杨晨光, 等. 可调谐二极管激光吸收光谱技术的应用研究进展[J]. 中国激光, 2018, 45(9): 9-29.

[33] 张锐. 可调谐二极管激光吸收光谱中的高精度气体检测技术研究[D]. 天津: 天津大学, 2014.

[34] DAI T, CHEN C, HUANG L, et al. Ultrasensitive magnetic sensors enabled by heterogeneous integration of graphene Hall elements and silicon processing circuits [J]. ACS Nano, 2020, 14(12): 17606- 17614.

[35] 苑伟政, 常洪龙, 谢建兵. MEMS集成设计与制造技术进展[J]. 机械工程学报, 2023, 59(19): 176-186.

[37] 蔡文博, 王薇, 朱青, 等. 基于GEE地球大数据支撑的自然资源生态安全应用研究进展与展望[J]. 生态学报, 2025, 45(7): 1-11.

论文链接

GAO Song①②, JIAO Zheng①②, WU Keshi①②, REN Yong②, DU Tianjun①③④, LIU Wenqing①③⑤

作者介绍

刘文清 ，中国工程院院士、教授，中国科学院合肥物质科学研究院学术委员会主任，安徽光学精密机械研究所学术所长 、合肥综合性国家科学中心环境研究院院长、中华环保联合会名誉副主席暨恶臭异味污染防治专业委员会主任委员。作为我国环境监测技术和应用研究的领军人物，发展了环境光学监测新方法，研发了常规污染物、污染源、VOCs、颗粒物等系列环境监测技术设备并实现产业化，集成了大气污染综合立体监测系统并进行应用示范，开拓形成了我国环境光学监测技术新领域，为我国环境监测技术创新和监测网络建设做出了贡献。

高松，上海大学环境与化学工程学院副教授，长期从事环境监测与研究，首次解决痕量有机硫观测难题，革新NMHC在线监测技术，发展高通量活性有机物观测技术，形成了园区VOCs污染在线智慧化监管新模式。研究方向：1. 新型环境监测技术的研制、应用与标准化；2. 大气特征污染来源与环境效应：VOCs、恶臭、温室气体等；3. 大数据挖掘，人工智能和机器视觉

（《自然杂志》供稿）