三峡库区沉降研究中取得系列进展

2018 年 7 月 1 日 中科院之声

中国科学院重庆绿色智能技术研究院大气环境研究中心在三峡库区的氮素、多环芳烃以及重金属沉降研究中初步取得进展。目前相关成果发表学术期刊论文9篇,其中7篇发表在SCI收录期刊,包括Environmental Pollution、Science of the Total Environment、Chemosphere 等环境领域刊物上。

研究初步明晰了澎溪河-小江流域不同形态氮素浓度时空分布特征及干湿沉降规律,获得了活性氮的总沉降量,在2014年和2015年分别为23.1 和14.9 kg N ha-1 yr-1。通过来源解析,明确氮素主要来自于本地排放,且工业排放是城区氮素的主要来源。通过氮同位素分析,发现万州城区降水中铵态氮、硝态氮的来源与乡镇地区存在明显的差异。此外,研究表明降水中的无机氮对水域和森林生态系统有潜在的负面影响。

具有致癌、致畸、致基因突变等效应的大气多环芳烃(PAHs)类物质主要来自各种不完全燃烧过程。母体PAHs(PPAHs)、含氧PAHs(OPAHs)及甲基PAHs(MPAHs)沉降通量在重庆城区分别为:536±216、221±118和131±41.9 ng m-2 d-1,农村地区分别为:347±185、160±112和85.2±32.0 ng m-2 d-1。其在重庆城区的沉降受颗粒物沉降控制,而PAHs中含氧、含硝类衍生物则受光化学反应等二次过程影响;在库区的农村地区,PAHs类物质的沉降与颗粒物沉降无明显相关,可能主要受二次过程的影响。相关的研究有助于科学理解库区内PAHs类物质的来源、归趋及其大气沉降对水体环境的影响。

大气干湿沉降是库区水体重金属的重要来源,库区典型城区的沉降能量为0.18–10.22 mg m-2 yr-1。镉在库区大气沉降中显著富集,其余重金属(锌、铜、砷、镍、铬、铅、锰、铁、钒)的沉降通量在全国处于中等水平。这些重金属主要来自于本地工业区、电厂、水泥厂和交通等排放源。初步解析了大气重金属沉降对库区表层水体的贡献,其中铅的贡献率最大,平均为9.25%;镉的贡献率为1.12%;其余重金属贡献率均小于0.10%。

上述研究在三峡库区经济快速发展、空气污染较严重的背景下探究了营养元素(氮素)和有毒有害物质(多环芳烃、重金属)的沉降特征和规律,为科学认识人类活动对三峡库区的水域、土壤和生态系统的影响打下了良好基础。

自2013年开始,依托中科院“西部行动计划”、国家自然科学基金、重庆市基础与前沿研究计划,以及重庆研究院协同创新联合学者等项目的支持,重庆研究院大气环境研究中心在三峡库区典型流域建立了大气环境观测站,开展综合研究。


来源:中国科学院重庆绿色智能技术研究院



登录查看更多
0

相关内容

中国科学院重庆绿色智能技术研究院是中国科学院、国务院三峡办、重庆市人民政府三方共建的中国科学院直属科研机构,2011年3月开始筹建,2012年7月,正式获得中央机构编制委员会办公室批复。2014年10月,通过三方验收。 重庆研究院以重庆经济社会发展重大科技需求为牵引在先进制造、电子信息、环境工程三个领域进行科技布局,以智能化、绿色化、产品化为方向,重点开展产业关键核心技术与前沿技术创新、技术集成创新、工程化研发和科技成果转移转化工作。 官网:http://www.cigit.cas.cn/
深度学习可解释性研究进展
专知会员服务
100+阅读 · 2020年6月26日
大数据安全技术研究进展
专知会员服务
94+阅读 · 2020年5月2日
基于深度学习的多标签生成研究进展
专知会员服务
143+阅读 · 2020年4月25日
3D目标检测进展综述
专知会员服务
193+阅读 · 2020年4月24日
电力人工智能发展报告,33页ppt
专知会员服务
129+阅读 · 2019年12月25日
零样本图像分类综述 : 十年进展
专知会员服务
128+阅读 · 2019年11月16日
重磅发布|清华大学创新领军工程博士长三角项目今年正式启动
清华大学研究生教育
7+阅读 · 2019年9月2日
无参考图像质量评价研究进展综述
人工智能前沿讲习班
46+阅读 · 2019年2月15日
形式化方法的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月8日
机器视觉技术的农业应用研究进展
科技导报
7+阅读 · 2018年7月24日
AI综述专栏|多模态学习研究进展综述
人工智能前沿讲习班
64+阅读 · 2018年7月13日
AI综述专栏 | 步态识别的深度学习综述
人工智能前沿讲习班
29+阅读 · 2018年6月27日
微表情检测和识别的研究进展与趋势
中国计算机学会
15+阅读 · 2018年3月23日
心理学与脑科学:进展、思考和展望
科技导报
9+阅读 · 2017年10月27日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
Arxiv
110+阅读 · 2020年2月5日
Seeing What a GAN Cannot Generate
Arxiv
8+阅读 · 2019年10月24日
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
Arxiv
6+阅读 · 2018年11月1日
Arxiv
4+阅读 · 2018年4月10日
Arxiv
5+阅读 · 2016年10月24日
VIP会员
相关VIP内容
深度学习可解释性研究进展
专知会员服务
100+阅读 · 2020年6月26日
大数据安全技术研究进展
专知会员服务
94+阅读 · 2020年5月2日
基于深度学习的多标签生成研究进展
专知会员服务
143+阅读 · 2020年4月25日
3D目标检测进展综述
专知会员服务
193+阅读 · 2020年4月24日
电力人工智能发展报告,33页ppt
专知会员服务
129+阅读 · 2019年12月25日
零样本图像分类综述 : 十年进展
专知会员服务
128+阅读 · 2019年11月16日
相关资讯
重磅发布|清华大学创新领军工程博士长三角项目今年正式启动
清华大学研究生教育
7+阅读 · 2019年9月2日
无参考图像质量评价研究进展综述
人工智能前沿讲习班
46+阅读 · 2019年2月15日
形式化方法的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月8日
机器视觉技术的农业应用研究进展
科技导报
7+阅读 · 2018年7月24日
AI综述专栏|多模态学习研究进展综述
人工智能前沿讲习班
64+阅读 · 2018年7月13日
AI综述专栏 | 步态识别的深度学习综述
人工智能前沿讲习班
29+阅读 · 2018年6月27日
微表情检测和识别的研究进展与趋势
中国计算机学会
15+阅读 · 2018年3月23日
心理学与脑科学:进展、思考和展望
科技导报
9+阅读 · 2017年10月27日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
相关论文
Arxiv
110+阅读 · 2020年2月5日
Seeing What a GAN Cannot Generate
Arxiv
8+阅读 · 2019年10月24日
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
Arxiv
6+阅读 · 2018年11月1日
Arxiv
4+阅读 · 2018年4月10日
Arxiv
5+阅读 · 2016年10月24日
Top
微信扫码咨询专知VIP会员