编辑推荐：
本文探讨了公民科学家在饮用水铜浓度监测项目中，分别使用比色法（Colorimetry）和分光光度法（Spectrophotometry）所获数据的质量。研究通过将公民科学家的数据与外部实验室使用火焰原子吸收光谱法（Flame AAS）获得的参考数据进行比较，发现分光光度法在整体一致性（百分比一致性69% vs. 60%）和相关性（Spearman r = 0.727 vs. 0.671）上均略优于比色法，尤其在较高铜浓度样本中表现更稳定。这表明，在公民科学项目中引入受控的实验室方法（如分光光度法）可有效减少观察者主观性影响，提升所收集科学数据的质量，为未来在大型项目中推广“公民实验室”（citizen lab）概念提供了实践依据。
引言
安全管理的饮用水至关重要。供水商通常通过一套标准化方法和测量来确保水质安全。然而，当水在管道系统中长时间滞留时，其化学成分可能发生显著变化。例如，管道材料中含有的铜、铅等重金属可能溶解到水中，增加健康风险。这些变化通常不在供水商的常规调查范围内，其程度往往不明确。因此，专业科学家和公众都对水龙头端的饮用水水质测量抱有广泛兴趣。公民科学项目为结合这两种利益提供了潜力，让公民能够参与收集和分析自家水龙头的水样数据。以往此类项目多使用测试条或比色法，而将实验室方法引入公民科学项目，可能对收集数据的质量带来益处与风险。本研究的主要目的是评估公民科学家使用两种不同方法（适用于现场测试的比色法和适用于实验室环境的分光光度法）获得的铜浓度数据质量，并与外部实验室通过原子吸收光谱法（AAS）获得的数据进行比较。
材料与方法
本研究数据来自公民科学项目CS:iDrop。该项目在2021年至2024年间运行，旨在让公民能够从自家厨房水龙头取样并分析饮用水，研究停滞期间某些化学参数的变化。项目在波鸿鲁尔大学设立了被称为“公民实验室”的固定实验场所。项目分为四个阶段：方法开发阶段、试点阶段、主要研究阶段和成果转化阶段。数据收集主要通过“研讨会日”活动进行。
在研讨会日上午，公民科学家对在管道中停滞过夜的水样进行采样，并使用移动比色法现场测定温度、pH值、铁浓度等参数。下午，他们将样品带到公民实验室，测定铜浓度。他们首先向水样中添加铜试剂“铜试剂”（bis-cyclohexanone oxalhydrazone），该试剂与水中的铜离子反应形成蓝色的铜-铜试剂络合物。公民首先使用比色卡对显色样品进行目视评估，然后将样品转移至比色皿，在分光光度计上进行第二次测定。作为质量控制措施，部分参与者还分析了铜浓度为0.6 mg/L的参考样品。随后，同一样品被送至合作的外部实验室，由训练有素的技术人员使用火焰原子吸收光谱法（AAS）测定铜浓度作为参考数据。
为进行统计分析，由于三种方法（比色法、分光光度法、AAS）的测量尺度不同，数据根据比色卡的色阶被归类到特定的浓度范围。通过计算百分比一致性和斯皮尔曼相关系数r，来评估公民科学家数据与参考数据之间的可比性。
结果
公民科学家使用比色法获得的数据与参考数据的整体百分比一致性为60%。对于铜浓度较低（<0.15 mg/L）的样本，一致性高达96%。然而，对于铜浓度较高的样本，一致性较差，范围在29%到12%之间。公民科学家的比色法数据与参考数据高度相关，相关系数r为0.671。
公民科学家使用分光光度法获得的实验室数据与参考数据的整体百分比一致性为69%。对于铜浓度为0.25–0.39 mg/L的样本，一致性最高，达到79%。对于铜浓度<0.15 mg/L的样本，一致性为72%。即使在一致性最低的浓度区间（0.60–0.84 mg/L），一致性也有50%。公民科学家的分光光度法数据与参考数据的相关性更高，相关系数r达到0.727。
讨论
本研究表明，在公民科学项目中应用实验室方法（如分光光度法）可以提高所获科学数据的质量。这主要体现在三个方面：1) 分光光度法数据与参考数据的百分比一致性高于比色法；2) 分光光度法数据在不同铜浓度下的一致性比比色法数据更稳定；3) 分光光度法数据与参考数据的相关系数更高。
两种方法的数据差异在铜浓度较高的水样中尤为明显。这可能源于观察者的主观性对比色法读数的影响，以及在较高浓度下使用比色卡准确区分颜色的挑战。而分光光度法的整个实验设置受控程度高，主观因素的影响要小得多。尽管两种方法获得的数据与参考数据都具有良好的相关性（r > 0.5），但分光光度法略胜一筹，这与其他研究的观察一致，即使用基于传感器的方法可以减少观察者主观性对数据质量的影响。
本研究也存在一些局限性。最重要的是，参考数据在本研究中被视为“真值”，但任何方法都存在误差。不过，外部实验室数据由专业人员使用成熟、经过验证的方法获得，并使用了外部标准品进行验证，因此被认为足够准确，可作为参考。此外，斯皮尔曼相关系数和百分比一致性虽然是公民科学项目中常用的评估指标，但它们是基于分类数据的秩相关度量，不能对潜在差异进行定量估计。高相关性也不一定意味着高准确性。例如，在本研究中，无论使用哪种方法，公民科学家都能成功识别低浓度铜的样本，达成很高的一致性，但在高浓度区间的准确性则有所下降。
在CS:iDrop项目中，公民科学家成功获得了与参考数据高度一致的实验室数据。分光光度法显示出比色法更高的可比性。这并不意味着比色法数据在其他项目中不够用，但表明如果条件允许，应用经过充分开发和优化的实验室方法可以改善数据质量。可以设想，如果公民科学家能够反复参与实验室工作，其准确性可能还会进一步提高，因为参与时间长短被发现是准确性的重要协变量。
值得注意的是，在项目的转化阶段，公民实验室的概念及相关方法成功在一所当地高中实施，这表明该概念原则上可以移动化应用。只要项目中使用的方法不依赖固定电源或更复杂的实验室基础设施，公民实验室也可考虑作为大型项目的现场实验室。当然，具体应用需辅以适当的可行性研究。
让公民科学家参与化学实验室分析在多方面都是一项富有回报的挑战。例如，公民实验室这样的场所也可以作为知识交流、数据收集和社交的空间。许多参与者分享了有趣的问题，提供了来自其专业领域的见解，并提出了进一步发展项目的想法。他们也对自己有机会亲手进行实验室测量感到高兴。未来的研究可以侧重于用适当的客观数据来支持这些主观观察。
