近两年关于“厨房烹饪到底对室内空气影响有多大”的讨论越来越多尤其在燃气灶并未全面退场的背景下很多家庭开始关注天然气和液化气燃烧带来的细颗粒物、二氧化氮和一氧化碳问题。2025年“改用电磁炉等电加热灶具可以显著降低室内空气污染”这个判断仍频繁出现在相关讨论中。它的核心逻辑并不复杂燃气灶通过明火燃烧释放燃烧产物而电磁炉、电陶炉等电加热设备不产生燃烧排放。但问题在于这种改善到底有多少是否值得为此更换灶具能不能用数据证明答案不能靠感觉要靠测量。这篇内容会从室内空气污染来源讲起再给出一条可复现的技术路线用 PM2.5、CO2、温湿度、TVOC 等传感器搭建一套空气质量监测系统在同一厨房、同一时段、同一菜谱下分别记录燃气灶和电磁炉烹饪过程中的污染曲线再通过对比实验判断改善幅度。适合对室内环境质量、智能家居、嵌入式开发和数据处理感兴趣的开发者。文章会覆盖传感器选型、硬件接线、固件采集、Python 数据分析、常见问题排查和长期监测建议。搭建完这套系统后不仅能回答“该不该换电磁炉”也能建立自己的室内空气基线数据。1. 先弄清楚燃气灶到底在室内排放哪些污染物1.1 燃气燃烧产物与室内空气污染天然气和液化石油气的主要成分是甲烷或丙烷、丁烷的混合物。理论上充分燃烧只会生成二氧化碳和水但实际厨房环境很少能做到完全充分燃烧。火焰温度、供氧量、锅具高度、燃气喷嘴状态都会影响燃烧质量。燃烧不充分时会产生一氧化碳同时在高温下空气中的氮气与氧气反应会生成氮氧化物其中二氧化氮最常见。除了燃烧产物烹饪过程本身还会产生食用油加热后的油烟、食材飞溅物和水蒸气。燃气灶的火焰还会把一部分燃烧废气直接留在室内如果抽油烟机排风量不足、安装高度偏高或者厨房门窗紧闭这些污染物就会在室内累积。PM2.5 传感器在燃气灶烹饪期间经常出现明显峰值就是这个原因。在实际家庭中燃气灶带来的污染物至少包含以下几类污染物主要来源常见监测方式说明PM2.5 / PM10燃烧颗粒物、油烟、食材飞溅激光粉尘传感器短时峰值明显与烹饪方式关系大二氧化氮 NO2高温燃烧过程中的氮氧化反应电化学传感器燃气灶独有电炉基本不产生一氧化碳 CO燃烧不充分电化学传感器通风差时浓度上升明显二氧化碳 CO2燃烧产生、人体呼吸非色散红外传感器不开窗时升高速率比电炉快TVOC / 气味分子食材加热、油烟、清洁剂残留金属氧化物半导体传感器电炉同样会产生不能只归因于灶具需要说明的是上面列出的“常见监测方式”只是环境监测领域的主流做法不同传感器的量程、精度和成本差异很大实际选型要看实验目标。1.2 电加热设备的排放差异电磁炉通过线圈产生交变磁场让铁质锅具底部产生涡流发热锅体本身是发热源灶面不燃烧。电陶炉则通过镍铬合金发热丝的红外辐射加热同样不涉及明火燃烧。所以从污染物源头来看电加热设备至少移除了一整类“燃烧产物”不再有 NO2、CO 来自灶具燃烧室内 CO2 上升速度也会明显降低。但这不等于“用电炉就没有污染”。食用油加热到发烟点后仍然会产生油烟颗粒物和挥发性有机物食材煎炸过程中仍然会有 PM2.5 和气味分子。也就是说改用电磁炉大幅减少的是“燃料燃烧型污染物”而不是“烹饪过程污染物”。这个区分非常重要否则会误以为换了电磁炉就可以不开抽油烟机。1.3 为什么不能只看“有没有油烟”很多人判断厨房空气好坏只靠肉眼看到油烟就用抽油烟机看不到就认为空气没问题。实际上燃气灶的 NO2 和 CO 是无色无味的CO2 也没有明显气味。它们在室内累积时人很难感知。这也是这套监测系统存在价值的原因用传感器把不可见污染物变成时间序列数据用曲线判断改善程度。如果只凭体感很容易出现两种情况。一是燃气灶小火慢炖时感觉“没有油烟”实际上燃烧产物持续释放二是电磁炉煎牛排时油烟很大误以为电磁炉比燃气灶更污染。正确做法是同时记录 PM2.5、CO2、NO2 或 CO 等多类指标再结合通风状态做判断。2. 实验设计想让数据说明问题必须先控制变量2.1 对照组与变量控制如果只是分别用燃气灶和电磁炉做一次饭记录到的数据会受到太多因素干扰菜的种类、用油量、锅具材质、抽油烟机档位、门窗开关、室外空气污染水平。要得到一个相对可信的结论实验必须控制变量。推荐采用最简单的对照设计同一个厨房、同一个排气扇或抽油烟机设置、同一口锅、同一个菜谱、相同预处理时间唯一变量是加热方式。例如固定做“清炒蔬菜加少量油”这类油烟较少的菜连续三天分别用燃气灶和电磁炉执行记录完整曲线最后比较平均值和峰值。变量建议控制方式菜谱固定为同一道简单炒菜避免油炸等强油烟操作锅具使用同一口铁质不粘锅电磁炉要求锅具可导磁抽油烟机固定档位最好在实验期间保持同一状态门窗关闭外部门窗只保留统一机械排风监测位置固定在操作者呼吸高度、距离炉具约 0.8 米处时长固定记录开始和结束时间包含预热和收尾室外空气污染对室内 PM2.5 影响很大。如果实验第一天室外 PM2.5 是 20第二天是 80室内数据直接对比会失真。因此实验记录中必须同步标记室外空气建议值或者选择连续两天室外污染水平接近的时间段做实验。硬性要求是不要只看绝对数值要看相对上升量和峰值。2.2 监测点位选择与采样时长监测点不能离锅太近否则油烟蒸汽会直接冲击传感器造成湿度影响 PM2.5 读数也不能离灶台太远否则污染物扩散被房间体积稀释后很难看出差异。常见做法是把传感器放在烹饪者呼吸高度约 1.2 到 1.5 米距离炉具水平距离 0.8 到 1.2 米。采样时长建议至少覆盖三段基线段、烹饪段、恢复段。基线段用来确定起始污染水平烹饪段记录污染物上升过程恢复段观察关闭灶具后污染物如何下降。如果只记录烹饪段既没有起始参考也没有衰减数据实验结论会很单薄。实验阶段建议时长内容基线段10 到 15 分钟开启所有传感器记录无人烹饪时的室内浓度准备段5 分钟放油、切菜、预热锅具可计入烹饪段烹饪段15 到 20 分钟完成固定菜谱保持统一操作恢复段15 到 30 分钟关闭灶具抽油烟机继续运行 10 分钟后可关闭总时长45 到 70 分钟每组实验安排在同一时间段完成2.3 基线均值、峰值和恢复时间的判定完成实验后需要用三个指标来概括数据基线均值取基线段最后 5 分钟的平均值代表实验前的污染水平。烹饪段峰值取烹饪过程中该污染物的最大值反映最恶劣瞬间。恢复时间从关闭灶具到污染物浓度回落到基线均值 1.2 倍以内所需的时间。这三个指标分别回答“起点高不高”“峰值多高”“消散快不快”的问题。燃气灶通常会在 NO2 或 CO2 上有更高的基线贡献在烹饪段产生更高的 PM2.5 相关峰值电磁炉的主要贡献集中在油烟型颗粒物和 TVOC 上。3. 搭建监测系统传感器选型、接线与固件3.1 传感器与主控选型完整监测系统至少需要检测 PM2.5、CO2、温湿度条件允许时增加 TVOC 或 NO2、CO。PM2.5 使用激光散射式粉尘传感器常见型号有 SDS011、PMS5003、PMS7003CO2 使用非色散红外传感器常见型号有 MH-Z19B、SCD30、SCD40温湿度使用 SHT30、SHT31 或 AHT20 都行TVOC 常用 SGP30它同时可以输出 eCO2 估算值。主控可以选择 ESP32 或树莓派。ESP32 适合做低功耗独立采集器和串口输出程序用 Arduino ESP32 框架编写树莓派适合 Python 直接读取 USB 串口传感器或 GPIO 传感器数据落盘和可视化更方便。模块推荐型号接口用途主控ESP32 DevKitWiFi、UART、I2C采集传感器数据并转发PM2.5SDS011 或 PMS5003UART测量 PM2.5 和 PM10CO2MH-Z19B 或 SCD30UART 或 I2C记录 CO2 浓度温湿度SHT30I2C校正温度和湿度影响TVOCSGP30I2C记录总挥发性有机物存储MicroSD 卡模块SPI网关不可靠时本地备份实际项目里传感器型号选择会影响供电。SDS011 和 MH-Z19B 都建议 5V 供电SGP30 和 SHT30 通常 3.3V 供电。ESP32 的 3.3V 引脚输出电流有限外部传感器需要单独供电不要把多个传感器全部接在主控板同一路电源上。3.2 硬件接线示例下面给出一组基于 ESP32 的最小接线方案。这里只描述逻辑连接具体引脚编号可以按自己的开发板调整。SDS011 通过 UART 连接SGP30 和 SHT30 通过 I2C 连接MH-Z19B 可以通过 UART 或 PWM 连接推荐 UART。ESP32 DevKit SDS011 SHT30/SGP30 3V3 VCC(3.3V) VCC GND GND GND GPIO16 (RX2) TXD - GPIO17 (TX2) RXD - GPIO21 (SDA) - SDA GPIO22 (SCL) - SCL注意SDS011 的典型供电是 5V上表写成 3.3V 只是为了示意逻辑连接如果传感器模块自带稳压电路可以接 3.3V否则需要独立 5V 电源。MH-Z19B 推荐 5V 供电其 UART 电平通常是 3.3V 兼容但实际接线前要确认模块手册。3.3 ESP32 固件示例固件的主要功能是周期读取传感器、组装 CSV 行、通过串口发送到上位机。这里给出一个简化的 Arduino 框架代码说明数据如何被读取和输出#include Wire.h #include SHT3x.h #include SGP30.h #include SoftwareSerial.h // 开发板型号不同时引脚要按实际接线修改 #define PM_RX 16 #define PM_TX 17 SHT3x sht30; SGP30 sgp30; SoftwareSerial pmSerial(PM_RX, PM_TX); char pmBuffer[10]; int pmIndex 0; void setup() { Serial.begin(115200); Wire.begin(); pmSerial.begin(9600); sht30.begin(); sgp30.begin(); sgp30.initAirQuality(); } void loop() { // 读取温湿度 sht30.read(); float temp sht30.getTemperature(); float hum sht30.getHumidity(); // 读取 SGP30需要依据数据手册准备好测量周期 uint16_t tvoc sgp30.getTVOC(); uint16_t eco2 sgp30.getCO2(); // 读取 SDS011 或 PMS5003 的 PM2.5 int pm25 readPM25(); Serial.print(millis() / 1000); Serial.print(,); Serial.print(temp); Serial.print(,); Serial.print(hum); Serial.print(,); Serial.print(eco2); Serial.print(,); Serial.print(tvoc); Serial.print(,); Serial.println(pm25); delay(5000); } int readPM25() { // 这里需要实现 SDS011 或 PMS5003 的串口解析协议 // 示例只保留函数入口实际项目按传感器手册解析数据帧 return 0; }这段代码的关键点是采集周期不宜太短5 秒一次对空气质量监测足够SGP30 首次上电后的前 12 小时读数会存在基线漂移最好提前预热后再开始正式实验从串口读取 PM2.5 时必须处理数据帧校验否则偶尔会出现错误字节导致跳变。3.4 Python 上位机方案如果不想在 ESP32 上处理 SD 卡存储可以让 ESP32 通过 USB 串口把 CSV 行发送到电脑或树莓派。上位机用 Python 监听串口并追加写入文件。import serial import csv import time from datetime import datetime SERIAL_PORT /dev/ttyUSB0 BAUD_RATE 115200 OUTPUT_CSV kitchen_air.csv def main(): with serial.Serial(SERIAL_PORT, BAUD_RATE, timeout2) as ser: with open(OUTPUT_CSV, a, newline, encodingutf-8) as f: writer csv.writer(f) if f.tell() 0: writer.writerow([timestamp, elapsed_s, temp_c, humidity_pct, co2_ppm, tvoc_ppb, pm25_ugm3]) while True: line ser.readline().decode(utf-8, errorsignore).strip() if not line: continue parts line.split(,) if len(parts) 6: now datetime.now().isoformat(timespecseconds) writer.writerow([now] parts) f.flush() print(now, parts[-1], PM2.5 ug/m3) if __name__ __main__: main()这个脚本更适合放到树莓派或一台长期开启的电脑上运行。实验期间不要频繁重启采集脚本否则会丢失时间戳文件写入后调用flush()是为避免异常断电导致数据丢失。4. 数据采集与可视化从 CSV 到趋势图4.1 数据字段与记录频率一个标准的实验记录文件至少包含时间戳、相对实验开始时间、温度、湿度、CO2、TVOC、PM2.5。如果还接入了 NO2 或 CO 传感器也应该加入。记录频率建议 5 到 10 秒一次太频繁会增加存储压力太稀疏会漏掉短时峰值。字段单位用途timestampISO 时间对齐实验阶段elapsed_s秒方便画横轴temp_c摄氏度判断温升是否影响其他传感器humidity_pct%RH湿度上升可能导致颗粒物读数偏移co2_ppmppm判断通风和燃气燃烧影响tvoc_ppbppb反映油烟和食材气味pm25_ugm3μg/m³核心对比指标4.2 用 Python 清洗数据并计算基线均值原始 CSV 中可能会混入传感器启动初期的异常值比如 PM2.5 在传感器预热期间读数为 0 或明显偏高。实验第一步是去掉前几分钟数据然后按阶段计算统计量。import pandas as pd df pd.read_csv(kitchen_air.csv, parse_dates[timestamp]) df df[df[elapsed_s] 300].copy() baseline df[(df[elapsed_s] 300) (df[elapsed_s] 900)] cooking df[(df[elapsed_s] 900) (df[elapsed_s] 2100)] recovery df[df[elapsed_s] 2100] summary pd.DataFrame({ pm25_baseline_mean: [baseline[pm25_ugm3].mean()], pm25_cooking_max: [cooking[pm25_ugm3].max()], co2_baseline_mean: [baseline[co2_ppm].mean()], co2_cooking_max: [cooking[co2_ppm].max()], tvoc_baseline_mean: [baseline[tvoc_ppb].mean()], tvoc_cooking_max: [cooking[tvoc_ppb].max()], }) print(summary)这里的时间切分要和实验实际阶段对应不能直接照抄 900 秒、2100 秒必须根据自己实验记录中的操作时间点调整。4.3 用 matplotlib 绘制对比曲线绘制燃气灶和电磁炉两条曲线时建议把 x 轴设为相对实验开始时间而不是绝对时间方便两张图对齐。y 轴可以使用两组数据中较大的峰值作为上限。import matplotlib.pyplot as plt gas_df pd.read_csv(gas_cooking.csv, parse_dates[timestamp]) electric_df pd.read_csv(electric_cooking.csv, parse_dates[timestamp]) plt.figure(figsize(10, 5)) plt.plot(gas_df[elapsed_s], gas_df[pm25_ugm3], labelgas stove, linewidth1.5) plt.plot(electric_df[elapsed_s], electric_df[pm25_ugm3], labelelectric stove, linewidth1.5) plt.axvline(900, colorgray, linestyle--, alpha0.7, labelcooking start) plt.axvline(2100, colorgray, linestyle--, alpha0.7, labelcooking end) plt.xlabel(elapsed seconds) plt.ylabel(PM2.5 ug/m3) plt.legend() plt.grid(alpha0.3) plt.savefig(pm25_compare.png, dpi200)图出来后重点看三个位置曲线上升起点、峰值高度、回落到基线的时间。通常情况下燃气灶的峰值会出现在开火后 5 到 10 分钟电磁炉的峰值则更多由油烟产生出现时间略晚。4.4 判断“显著改善”要用峰值和积分面积而不是单个瞬时值只看某一个时间点容易受干扰。更稳定的做法是计算“超过基线 20% 以上部分的曲线面积”这个面积可以理解为烹饪过程中多出来的污染负荷。同样的菜燃气灶可能因为燃烧产物让 PM2.5、CO2 都出现明显上升电磁炉则只在油温偏高时出现颗粒物峰值。经验判断时通常可以关注燃气灶实验的 CO2 上升速率是否明显高于电磁炉。燃气灶实验的 PM2.5 基线是否在开火后先快速上涨。电磁炉实验的 TVOC 峰值主要出现在油温升高阶段。如果两种灶具在提前开油烟机的前提下 PM2.5 差距不大要检查是否排风量足够强或者实验时门窗漏风严重。只有在通风条件接近的多个重复实验中数据才具有可对比性。5. 关键参数与采样规范5.1 采样频率、传感器预热与实验时长空气质量传感器对采样频率不敏感5 秒和 10 秒的差异很小关键是连续性和时间戳准确。激光 PM2.5 传感器在刚上电时风扇需要启动前 30 秒到 2 分钟数据会不稳定实验前至少预热 10 分钟。SGP30 的 TVOC 值在首次上电后需要更长时间稳定理想情况是提前 12 小时处于通电状态。参数学习环境做法更严格实验做法传感器预热10 分钟24 小时采样间隔10 秒5 秒每组时长30 分钟60 分钟以上重复次数1 次至少 3 次基线时长5 分钟15 至 30 分钟恢复时长10 分钟30 分钟以上不要低估预热的影响。SGP30 这类基于金属氧化物半导体的传感器加热膜温度需要时间稳定读数会逐渐漂移。如果实验只做 10 分钟传感器还没稳定数据反而受传感器自身状态影响更大。5.2 抽油烟机、门窗和温湿度交叉影响抽油烟机会在厨房形成负压如果门窗关闭空气会从门缝、烟道、下水管道等缝隙补入。实验中必须固定抽油烟机档位否则不同档位之间的排风量差异会掩盖灶具差异。门窗状态也要固定建议实验期间关闭外部窗户但保留门缝自然补风这样更贴近真实厨房。湿度升高会导致激光散射式 PM2.5 传感器读数偏高因为水蒸气凝结在颗粒物表面会让粒子直径变大。如果烹饪过程中湿度从 40% 升到 65%PM2.5 曲线出现同步上升不能全部归因于污染物。处理方式有两种一种是在报告中同时记录湿度曲线另一种是选择湿度变化较小的菜品例如蒸煮焯水替代长时间煎炸。5.3 传感器漂移和现场校准家用级传感器适合做相对对比不适合直接作为权威空气质量监测设备。实验前后可以找一个相对干净的时间段把传感器放在室外通风处记录 10 分钟与当地空气质量站点的参考值做粗略比较得到偏移量。这样得出的结论应表述为“本实验条件下测得的浓度”而不是“绝对污染物浓度”。校准操作建议按这个顺序执行先让传感器通电预热再放到室外阴凉通风处记录 10 分钟取平均值作为室外参考最后回到室内记录基线。如果实验跨天每次实验前都要做这个过程否则传感器漂移会累积。6. 常见问题排查6.1 传感器读数跳变或出现零值现象PM2.5 曲线偶尔出现 0 或突然冲到几百随后又恢复正常。可能原因传感器串口解析失败、数据帧校验未通过、供电不足导致传感器复位、灰尘堵塞风扇。检查方式在固件中输出原始数据帧并做 CRC 校验用万用表检查传感器供电电压观察传感器风扇是否正常转动。处理建议解析失败时丢弃当前帧并等待下一帧供电不稳时给传感器接独立 5V 电源不要在开发板 3.3V 引脚上硬带多个传感器。预防建议数据处理时对单点突变做过滤例如超过前一值 3 倍以上且持续不足 10 秒时视为无效点。6.2 烹饪后 CO2 上升不明显现象燃气灶实验时 CO2 曲线平稳没有出现预期上升。可能原因厨房门缝较大室外新鲜空气大量补入CO2 传感器量程过大或响应时间过长实验时开着全屋新风系统。检查方式记录实验期间门窗状态检查新风是否开启对比开火前后 10 分钟的 CO2 斜率确认传感器放置位置没有被排风直吹。处理建议关闭新风系统降低门窗缝隙影响把传感器放在远离通风口的位置。预防建议正式实验前先做一次“封闭房间开燃气灶 5 分钟”的快速预实验确认 CO2 上升趋势明显后再进入正式流程。6.3 电磁炉实验的 PM2.5 峰值反而更高现象同一个菜谱电磁炉组的 PM2.5 峰值高于燃气灶组。可能原因不同批次锅具吸热能力不同电磁炉加热速度更快导致油温迅速超过发烟点传感器摆放位置受水蒸气干扰两次实验的抽油烟机档位不一致。检查方式对比两次实验的温度和湿度曲线检查油温控制方式确认抽油烟机档位是否一致。处理建议电磁炉组使用更稳定的功率档位不要使用爆炒模式提前判断油温而不是等冒烟后再下菜。预防建议把菜谱改成“少油炖煮”或“蒸制”减少油烟型颗粒物干扰突出燃烧产物的差异。6.4 两组数据差别不明显结论不好判断现象燃气灶和电磁炉的 PM2.5、CO2、TVOC 曲线几乎重叠。可能原因抽油烟机排风量过大污染物在传感器位置来不及累积厨房通风太好监测点离炉具过远实验过程本身油烟很少。检查方式降低抽油烟机档位或关闭排风再做一组快速测试把传感器移近到距离炉边 0.6 米处观察是否有信号。处理建议改在关闭抽油烟机的情况下做短时对比观察 5 到 8 分钟的数据变化或者使用会产生更多燃烧产物的炖煮方式例如小火慢煲 20 分钟。预防建议正式实验前做一轮探针测试确认传感器读数会随着灶具开关明显变化再进入正式记录。问题现象常见原因检查方式处理建议PM2.5 跳零串口解析失败或供电不足输出原始帧检查校验独立供电丢帧重读CO2 无上升通风过强或新风开启关闭新风复测固定门窗状态电炉 PM2.5 更高油温过高产生油烟对比湿度、温度曲线降低功率档位两组曲线重叠排风量过大或点位太远关排风短时测试调整监测位置或菜谱7. 最佳实践从一次实验到长期室内空气管理7.1 学习环境与生产环境的差别做一次对比实验传感器放在桌面上、数据记录到 CSV这就够用了。但如果要把这套系统长期运行在家里作为室内空气质量监控的一部分就要考虑更多工程问题数据掉线、SD 卡写满、传感器灰尘累积、长时间通电散热、断电恢复自动重启。生产化后的采集端需要具备看门狗重启、本地缓存、断点续传和远程告警能力ESP32 裸工程并不能直接满足这些要求。建议分两步走先完成单次实验确认数据链路和传感器稳定性再决定是否长期部署。长期部署时优先选择低压供电的传感器模块把主控和相关传感器放在一个带通风孔的防护盒中定期清洁风扇和进风口。7.2 灶具选型建议在对比数据的基础上灶具选择应当结合能源成本、烹饪习惯和通风条件。如果平时以炖煮、家常炒菜为主且厨房排风一般电磁炉的空气质量优势会很明显。如果家里大量使用铁锅、需要猛火炒菜电磁炉的功率和温控特性可能会改变烹饪方式需要先小范围试用再决定是否彻底替换。还有一点容易被忽略燃气热水器与燃气灶共用室内空气时并不罕见。如果厨房与热水器在同一空间内评估空气污染时最好把燃气设备一并纳入监测而不只是盯住灶具。7.3 通风与抽油烟机配合数据会告诉你什么时候最需要通风不是看到油烟才开而是应该在烹饪开始前就开启排风。实测很多家庭的 PM2.5 峰值发生在油温升高的前几分钟等看到油烟再去开抽油烟机污染物已经扩散到厨房空间。长期使用的建议是固定一个“开火前开排风、关火后继续排风 5 到 10 分钟”的流程监测系统可以作为一个反馈工具确认这套操作是否把峰值压了下来。7.4 扩展方向智能联动与长期记录当采集系统稳定运行后可以继续扩展两个方向。第一个方向是智能联动把 PM2.5 或 TVOC 数据接入智能家居网关超过阈值时自动启动抽油烟机或空气净化器。第二个方向是长期统计记录不同季节、不同菜谱、不同天气条件下室内污染浓度的分布找到自己家庭的高风险时段和操作习惯再做针对性改进。这套系统最大的价值不是一次换灶实验而是长期形成属于自己家庭的室内空气基线。7.5 可复用检查清单在开始实验之前可以按下面这个清单逐项确认[ ] 传感器已预热足够时间PM2.5 读数稳定SGP30 已长时间通电。[ ] 主控、传感器电源独立避免供电不足导致数据异常。[ ] 实验期间抽油烟机档位固定新风系统关闭外部窗户关闭。[ ] 监测点位于呼吸高度距离炉具约 0.8 到 1.2 米远离排风口。[ ] 记录内容包含时间戳、PM2.5、CO2、温湿度、TVOC 等字段。[ ] 每组实验包含基线段、烹饪段、恢复段时长足够。[ ] 同一菜谱在燃气灶和电磁炉下分别执行至少 3 次。[ ] 实验期间记录操作时间点便于数据阶段切分。[ ] 数据处理时滤除预热期和明显异常点再计算基线均值、峰值和恢复时间。[ ] 结论只基于本次监测环境不把家用传感器读数当作国家级标准监测值。把“改用电磁炉能减少室内空气污染”这句话落实到自己的厨房里最靠谱的方式不是换完灶具就结束而是用传感器记录换灶前后各一个周期的数据再对比 PM2.5 峰值、CO2 上升速率和 TVOC 浓度变化。数据会告诉你换灶对燃烧产物确实有效果但油烟仍然要靠排风来解决。对任何关注环境质量的人来说这套监测系统的价值都不会因为灶具选型结束而消失它留给你的是一份持续更新的室内空气档案。