研究论文 正式出版 版本 5 Vol 9 (4) : 316-323 2018
下载
北京市和厦门市大气 CO2 浓度及 δ13C 值变化特征研究
The variational characteristics of CO2 concentrations and δ13C values at the urban sites in Beijing and Xiamen, China
: 2018 - 05 - 17
133 3 0
摘要&关键词
摘要:本文对北京市和厦门市大气CO2及δ13C进行观测,研究内陆城市和沿海城市CO2浓度及δ13C的季节和昼夜变化规律及影响因素,以期为政府制定碳减排政策提供科学依据。北京市和厦门市CO2浓度均呈现秋冬季高于春夏季,而δ13C秋冬季低于春夏季,季节差异原因可能是秋冬大气边界层降低,化石燃料消耗增加,贫13C的CO2气体大量排放。观测期间,两个城市日变化模式均表现为CO2夜间高于白天,δ13C夜间低于白天;且在早晚交通高峰时段,两地CO2浓度均有不同程度升高,而δ13C有不同程度降低。冬季,北京市由于受西、北部高山阻挡,在东南风条件下使得其夜间大气CO2浓度显著增高,δ13C值则显著降低。根据两地新增CO2的δ13C值(δS)推测,北京市受到煤炭燃烧贡献较大,厦门市季节差异较大,推测受植物排放CO2速率及气象条件等共同影响。
关键词:大气 CO2 浓度;δ13C;季节变化;昼夜变化;Keeling 曲线
Abstract & Keywords
Abstract: Background, aim, and scope To mitigate the global warming, more and more attention of the environmental scientists are focused on atmospheric CO2 increase. Urban areas are hotspots of anthropogenic CO2 emission sources. It is necessary to monitor the feature of CO2 variations in urban areas. The data of CO2 concentration and the stable carbon isotope ratio (δ13C) are important for CO2 reduction in urban areas. Therefore, the variation in CO2 and δ13C in urban areas are observed in this paper. The study presented the data of atmospheric CO2 concentrations and δ13C values at the urban sites in the inland city of Beijing and in the coastal city of Xiamen, to study the seasonal and diurnal variation in CO2 concentration and δ13C during 2014, and their key factors. Materials and methods In this study, we measured the CO2 concentration and its δ13C at the urban sampling sites in Beijing and Xiamen, respectively. Beijing is a typical  inland city, which is located in the northwest of the North China Plain, surrounded by West Mountain and Jundu Mountain. It is the center of the Beijing-Tianjin-Hebei metropolitan region, with a population of more than 20 million.  Xiamen is one of the cities in southeast coastal areas, facing the Taiwan Strait, with a resident population of more than 4 million. There is no direct pollution sources around the sampling sites in Beijing and Xiamen. We used aluminum foil sampling bags to collect the air samples and collected 144 urban air samples in this study. The CO2 concentrations and δ13C of samples were measured by the Picarro G2131-Ⅰ CO2 Isotopic Analyzer (Picarro Inc.) with cavity ring down spectroscopy (CRDS). This analyzer has a characteristic of highly linearity and accuracy in CO2 and δ13C measurements (error <  0.1‰). The CO2 and δ13C value for each sample was measured for 6 minutes, and the average of the data from the last 4 min was used, to avoid equipment instability created by dead volumes when switching a new sample. Results The results showed that the CO2 concentrations in Beijing and Xiamen were high in fall and winter, and low in spring and summer, but the δ13C values are low in fall and winter, and high in spring and summer during the period of our study. Diurnal observations at the urban sites in Beijing and Xiamen showed low CO2 concentrations and high δ13C values in the daytime, while high CO2 concentrations and low δ13C values in the night. Additionally, morning and afternoon rush hour peaks were observed. Discussion The sampling site in Beijing and Xiamen displayed much higher CO2 increase and lower δ13C values than the background site of Waliguan. The obvious difference of CO2 concentration and δ13C values between sampling site and background station may be from the influence of regional emission, so it is necessary to analyze the regional emission sources. Keeling plot method by the additional stable carbon isotope ratio produced by a local source (δs) showed that the increased CO2 in Beijing is mainly affected by coal combustion. The δs in Xiamen was influenced by fossil fuel like coal and oil in summer, and the reduction of respiration of plants and the change of weather condition during winter is the main reason for the variation in δs in Xiamen. Conclusions  The reason for the variation atmospheric CO2 in the inland city of Beijing and the coastal city of Xiamen were influenced by multivariate factors such as emission sources, height of the vertical mixing, wind direction and topography.  Recommendations and perspectives Using stable carbon isotope technology can understand the main sources of increased atmospheric CO2, but there is still some uncertainty. 14C tracing was needed to further quantify the fossil source CO2 in the future.
Keywords: atmospheric CO2 concentration; stable carbon isotope; seasonal variation; diurnal variation; Keeling plot
CO2浓度的快速增长已经引起科学界的普遍关注。研究表明,近八十万年以来,气温几乎与CO2浓度同步变化(Lüthi et al,2008)。近130年(1880-2012年)全球地表平均温度升高约0.85°C,同时大气CO2浓度也由工业革命前的280.0 ppm(ppm = μL.L-1)增长到2017年的404.0 ppm(GOAST,2017)。目前,国际社会普遍认为以CO2为主的温室气体排放是造成全球増温的重要原因(Rosa and Ribeiro,2001;WMO,2015)。CO2过量排放会加剧全球变暖程度,导致海平面上升、海水酸化、生物多样性锐减等众多问题(IPCC,2014)。为了减缓大气増温幅度,各国家和地区都在致力于加强国际间合作,针对气候变化制定合理减排措施。2015年12月在巴黎气候大会上通过了《巴黎协议》,其目的在于将本世纪的増温幅度控制在工业化前水平2°C以内,并努力将气温升幅控制在1.5°C之内,大气CO2浓度水平不应超过450.0 ppm(UNFCCC,2015)。因此,对于不同区域CO2浓度及其来源研究是制定合理碳减排政策的基础,也是减缓大气 CO2浓度增长的前提。
CO2及其稳定碳同位素(13C)分布具有区域性差异,其浓度的变化状况能够反映出不同区域大气受自然和人为活动影响的程度。Keeling率先在Mauna Loa等地对CO2浓度进行连续监测,发现CO2浓度变化遵循一定的季节变化规律(Keeling,1958)。造成CO2季节变化的因素可能包括植被的年际循环以及人类活动的影响(Keeling,1961;IPCC,2014)。城市是人类活动密集区域,其排放的CO2占总人为排放量的70%左右(Satterthwaite,2008)。城市CO2浓度通常在人口最为密集的市中心最高,邻近郊区较低,周边乡村地区通常接近背景地区CO2水平(Pataki et al,2007;Büns and Kuttler,2012)。CO2的δ13C可以用来估算城市地区光合作用、土壤呼吸、化石燃料燃烧等的相对贡献(Clark-Thorne and Yapp,2003;Widory and Javoy,2003;Bush et al,2007;Pataki et al,2007;Newman et al,2013)。对城市大气CO2浓度及δ13C进行观测有助于辨别城市CO2的不同来源,为控制城市地区CO2浓度的增长提供理论依据(Moore J,2015)。
北京市和厦门市作为典型的内陆和沿海城市,在能源消费结构上具有一定相似性,本文在北京市、厦门市选取同一类型的城市点进行比较,采样点周边环境相近,可以代表其所在城区的空气水平,对研究内陆城市和沿海城市的CO2及δ13C的变化特征及影响因素有一定的科学意义。
1   采样与分析方法
1.1   采样地点
北京市位于华北平原西北部,西部有西山,北部有军都山,是京津冀区域的核心城市;2014年能源消费总量达6831.2万吨标准煤,其中化石能源消费占能源消费总量的74.0%(北京市统计局,2015)。厦门市位于福建省东南沿海地区,面临台湾海峡,2014年化石能源消费约占耗能万吨以上工业企业主要能源消费量的79.5%(厦门市统计局,2015)。
采样点分别位于北京市海淀区中国科学院生态环境研究中心15m高处(40.01°N,116.35°E)和厦门市思明区瑞景小学18m高处(24.48°N,118.16°E)。两采样点周边主要为住宅、学校、商业区等,均无直接污染源。通过对这两个典型地点进行CO2及δ13C观测有助于理解内陆城市和沿海城市大气CO2的浓度水平、变化特征及来源。
1.2   样品采集时间及方法
使用5L铝箔采样袋(大连,德霖)进行大气样品瞬时采集,每个样品采集约10min。大气样品分为两个部分,一是季节变化样品,自2014年1月至12月,每月中旬选择天气状况良好(无雨、雪天气)且不连续的两天进行样品采集,记录风速、温度等气象数据,采样时间为北京时间10:00;按照春季(3、4、5月)、夏季(6、7、8月)、秋季(9、10、11月)、冬季(12、1、2月)将样品进行季节划分。二是日变化样品,在1月、6月各选择天气状况良好的两天进行大气样品连续采集,一个日变化采样周期为24小时,自8:00开始至次日6:00结束,采样间隔2小时。日变化样品共采集8天,北京市和厦门市各采集4天,其中1月和6月分别采集2天。
1.3   大气CO2浓度测量及δ13CO2分析方法
13C是碳的稳定性同位素,也是CO2的重要示踪元素,样品中13C的水平一般用标准物质的相对比值δ表示(‰):
\(                                            {\text{    δ}}^{\text{13}}\text{C= }\left[\text{  }\frac{{\left({}_{\text{ }}{}^{\text{13}}\text{C}/{}_{\text{ }}{}^{\text{12}}\text{C}\right)}_{\text{sample}}}{{\left({}_{\text{ }}{}^{\text{13}}\text{C}/{}_{\text{ }}{}^{\text{12}}\text{C}\right)}_{\text{std}}}\text{ -1}\right]\text{ ×1000}\) (1)
公式中(13C/12C)表示重同位素与轻同位素的摩尔比率;下标sample、std分别代表样品及标准物质;碳同位素使用的国家标准是PDB(美国南卡罗来纳州白垩系皮狄组美洲拟箭石的鞘,碳酸钙样品)(杨杰东和徐世进,2007)。
采用Picarro G2131-I 型CO2碳同位素分析仪测定大气中的13CO2、12CO2及δ13C值(美国,Picarro公司)。该同位素分析仪基于光谱扫描光腔衰荡原理(CRDS),能够在变化的环境条件下,实现CO2的精确测量,误差水平低(误差<0.1‰),线性关系高(Crosson,2008)。每个大气样品测试6分钟,剔除前2分钟因换样得到的不稳定数据,计算后4分钟CO2(扣除H2O后的CO2浓度)和δ13C的平均值。
2   结果与讨论
2.1   大气CO2浓度和δ13C季节变化特征
利用所测得的数据与瓦里关本底站进行比较(瓦里关站数据来自美国国家大气和海洋管理局地球系统研究实验室),2014年北京市(442.3±39.0 ppm)和厦门市(421.3±17.9 ppm)的CO2浓度年均值均高于瓦里关站(398.7 ± 4.1 ppm),差值分别为43.4 ± 38.7ppm,22.0 ± 17.9ppm。北京市(-11.3±1.5 ‰)和厦门市(-10.3±1.0‰)的δ13C年均值均低于瓦里关站(-8.5 ± 0.2‰),分别低约2.8 ± 1.6‰,1.8 ± 1.0‰(GMD ESRL,2014)。与其他城市如洛杉矶、盐湖城、埃森市、东京等城市CO2浓度与背景站点的比较结果相似(Pataki et al,2007;Moriwaki et al,2006;Newman et al,2008;Büns and Kuttler,2012)。瓦里关本底站作为我国唯一的全球本底观测站,其观测结果可以代表北半球中纬度地区大气CO2浓度水平,其距离采样点较远,不受采样点周边区域CO2影响。北京市和厦门市与瓦里关站差异较大的原因可能在于其受人类活动影响显著,化石燃料燃烧产生的贫δ13C的CO2气体进入大气中,使CO2浓度增长,δ13C值降低。
使用Origin软件绘制北京市、厦门市采样点的CO2及δ13C季节变化图(图1)。2014年北京市CO2浓度冬季最高(为 483.7 ± 38.9 ppm)夏季最低(为 411.4 ± 18.9 ppm)(p<0.05),均值为442.7 ± 38.7 ppm;δ13C变化范围在 -14.7 ~ -8.7‰之间,均值为 -11.3 ± 1.5‰,季节波动幅度较大,全年最低值出现在冬季(p<0.05)。厦门市CO2浓度均值为421.3 ± 17.9ppm,季节变化幅度较小(p>0.05);δ13C变化范围在 -12.8 ~ - 8.6‰之间,均值为-10.3 ± 1.0‰,其中夏季δ13C值最高,秋冬季较低。冬季北京市CO2浓度显著高于厦门市,δ13C显著低于厦门市,主要原因可能在于北京冬季供暖排放大量化石源CO2,加之冬季大气边界层降低,CO2更易累积(Niu et al,2016)。
 

图1   北京市、厦门市采样点 CO2 浓度季节变化
Fig.1 Seasonal variations in CO2 concentrations at the urban sites in Beijing and Xiamen
2.2   大气CO2浓度和δ13C日变化特征
在观测期间,北京市和厦门市采样点的CO2浓度及δ13C日变化规律明显,CO2浓度均夜间高于白天;δ13C值均夜间低于白天(图2),这一昼夜变化模式与美国芝加哥、中国长三角等地区的观测结果一致(Moore J,2015;浦静姣等,2012)。此外,观测期间两采样点在8:00及18:00左右CO2浓度上升,δ13C有所下降,与早晚交通高峰时间吻合,可能与交通流量增大有关。
6月时,北京市和厦门市CO2浓度日均值分别为411.7 ± 12.9ppm和 410.1 ± 8.4ppm;δ13C日均值分别为-10.4 ± 0.9‰和-9.3 ± 0.4‰,两地的日变化差异相对较小。在1月,北京市与厦门市日变化差异明显,CO2浓度日均值分别为508.0±38.9 ppm、430.8 ± 7.8ppm;δ13C日均值分别为-13.9±0.8‰、-11.6 ± 0.4‰,推测可能是与北京市供暖季大量化石燃料消耗有关。
厦门市冬季CO2日变化浓度略高同一时刻的夏季;北京市则显著高于同一时刻的夏季,且在夜间(02:00)差值最大,达到73.8 ± 23.4ppm,其冬夏差异较大的原因可能是夜间混合层高度降低,冬季取暖造成化石源CO2排放增多,此外观测期间北京夜间风向由西北风转为东南风,西部、北部山脉阻隔使CO2扩散不利,累积形成高值。
 
2 北京市和厦门市采样点典型日变化大气CO2 浓度及δ13C值
Fig.2 Diurnal variations in CO2 concentrations and δ13C values at the urban sites in Beijing and Xiamen
2.3   区域CO2 排放源的δ13C(δs)特征
Keeling曲线结合CO2浓度与稳定性同位素技术,假设背景大气和区域排放贡献的CO2在观测期间不发生改变,则得到的城市CO2浓度是背景CO2浓度与区域排放CO2浓度之和(公式2)(Keeling,1958,1961),基于同位素质量守恒,得到(公式3):
\({ C}_{\mathrm{m}}={C}_{bg}+{C}_{s  }\) (2)
\({\delta }_{m }{C}_{\mathrm{m}}= {\delta }_{\mathrm{b}\mathrm{g}  }{C}_{\mathrm{b}\mathrm{g}}+{\delta }_{s }{C}_{s}  \) (3)
\({\delta }_{m }={C}_{bg}({\delta }_{bg}-{\delta }_{s})(1/{C}_{m})+{\delta }_{s}   \) (4)
其中:C和δ分别表示CO2和δ13C,下标m、bg和s分别表观测值、本底值和区域排放值。结合公式(2、3)推导出截距为 δS 的线性混合模型(公式4),其中 δS 表示城市生态系统中多个CO2排放源混合后的δ13C值,可能是不同来源如化石燃料燃烧、植物光合呼吸作用等产生的δ13C的混合值(Miller and Tans,2003)。
本文使用北京市和厦门市CO2及δ13C日变化夜间数据,以减少植物光合作用的影响,根据不同化石燃料燃烧产生的δ13C之间的差异,以进一步区分其不同来源。煤、天然气、石油、C3植物、C4植物的δ13C范围分别在 -25.2‰ ~ -24.4‰、-40.2‰ ~ -30.8‰、-19.0‰ ~ -39.0‰、-22.0‰ ~ -34.0 ‰ 和 -9.0‰ ~ - 19.0‰ 之间(Andres et al.,1996;Deines P,1980;Widory and Javoy,2003)。
如图 3 所示,利用Keeling曲线法对北京市及厦门市冬夏季日变化夜间数据(22:00 - 06:00)进行分析,北京市冬季、夏季的 δS 分别为 -25.9‰(R2=0.97)、-24.5‰(R2=0.90)。北京市冬夏季 δS 差异较小,接近于煤的δ13C值,推测北京市新增CO2的主要来源为煤等化石燃料的燃烧,这与我国目前的能源消耗结构仍以煤炭为主有关(2014年全国煤炭消费量占全国能源消费的66.0%),北京市2014年煤炭消费量为1736.5万吨,占全市化石燃料总消费量的40%左右,煤炭燃烧产生的CO2 不可小视(国家统计局,2015;北京市统计局,2015)。厦门市夏季、冬季的 δS 分别为-26.1‰(R2=0.71)、-32.2‰(R2=0.85),差异较大(约-6.0‰)。夏季时厦门市 δS 值接近煤的δ13C水平,这与厦门市能源消耗以煤炭为主相符合(厦门市2014年能源消费以煤炭为主,约占总能源消费量的75.9%);冬季 δS 为-32.2‰,相对偏负,可能是冬季温度相对降低,植物排放速率变化,植物呼吸产生的CO2变少,大气中植物源δ13C占比减少,使 δS 值偏负。大气CO2浓度与δ13C值的变化与气象条件也有一定关系,厦门市6月受季风影响,空气对流快,且最多风向为为东南偏东,受到来自海洋的气团影响,而海-气间交换对大气δ13C的影响较小(Keeling,1992);1月最多风向为东北偏东,可能受到厦门市东北方向城市大气影响。


图3   厦门市采样点(左)和北京市采样点(右)大气CO2浓度的倒数与δ13C值线性回归关系
Fig.3 The correlation of CO2 concentrations and δ13C values in Beijing (right) and Xiamen (left)
3   结论
北京市和厦门市大气CO2浓度高于瓦里关本底站点,其受自然和人为因素的共同影响,特别是受化石源CO2排放的影响。北京市及厦门市采样点的δ13C均秋冬季低,春夏季高,北京市季节波动幅度更大,其受人类活动影响程度更高。两采样点CO2及δ13C值的日变化规律均为夜间高白天低,早晚高峰时段有较明显的峰值;同期冬季北京市CO2浓度明显高于厦门市,这与冬季供暖燃烧化石燃料,以及风向、地形和大气边界层高度有关。Keeling曲线法表明,北京市新增CO2受煤炭燃烧影响较大。厦门市冬夏季的δS的来源有较大区别,夏季可能受煤炭等化石燃料燃烧及生态系统影响,冬季除了化石燃料影响外,还与植物生长速率及气象条件息息相关。稳定碳同位素技术可以了解城市主要化石能源利用变化,但仍存在较多不确定性,未来还需要进一步利用14C等方法来进一步量化化石源CO2浓度,定量解析大气CO2的不同来源。
致谢
Andres R J, Gregg M, Inez F, et al. 1996. Distribution of carbon dioxide emissions from fossil fuel consumption and cement manufacture, 1950-1990 [J]. Global Biogeochemical Cycles, 10(10): 419-430.
Büns C, Kuttler W. 2012. Path-integrated measurements of carbon dioxide in the urban canopy layer [J]. Atmospheric Environment, 46: 237-247.
Bush S E, Pataki D E, Ehleringer J R. 2007. Sources of variation in δ13C of fossil fuel emissions in Salt Lake City, USA [J]. Applied Geochemistry, 22: 715-723.
Clark-Thorne S T, Yapp C J. 2003. Stable carbon isotope constraints on mixing and mass balance of CO2 in an urban atmosphere: Dallas metropolitan area, Texas, USA [J]. Applied Geochemistry, 18: 75-95.
Crosson E R. 2008. A cavity ring-down analyzer for measuring atmospheric levels of methane, carbon dioxide, and water vapor [J]. Applied Physics B, 92: 403-408.
Deines p. 1980. Chapter 9-the isotopic composition of reduced organic carbon [J]. Terrestrial Environment A, 1: 329-406.
GMD ESRL. 2014. National Oceanic and Atmospheric Administration, U.S. Department of Commerce [DB]. ftb://aftb.cmdl.noaa.gov/data/trace_gases/coo2/flask/surface/co2_wlg_surface-flask_1_ccgg_nonth.txt
Goast Project, Satellite Observation Center, NIES. 2017. [DB]. http://www.gosat.nies.go.jp/newpdf/whole-atmosphere_monthly_mean_co2_February2017.txt.zip
IPCC. 2014. Climate Change 2014: Mitigation of climate change. Contribution of working group III to the fifth assessment report of the intergovernmental panel on climate change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
Keeling C D, Bacastow R B, Bainbridge A E, et al. 1976. Atmospheric carbon dioxide variations at Mauna Loa Observatory, Hawaii [J]. Tellus, 28(6): 538-551.
Keeling C D. 1958. The concentration and isotopic abundances of atmospheric carbon dioxide in rural areas [J]. Geochimica Et Cosmochimica Acta, 13(4): 322-334.
Keeling C D. 1961. The concentration and isotopic of carbon dioxide in rural marine air [J]. Geochimica et Cosmochimica Acta, 24: 277-298.
Keeling R F, Shertz S R. 1992. Seasonal and interannual variations in atmospheric oxygen and implications for the global carbon cycle [J]. Nature, 358(6389):723-727.
Lüthi D, Le F M, Bereiter B, et al. 2008. High-resolution carbon dioxide concentration record 650,000-800,000 years before present [J]. Nature, 453(7193): 379-82.
Miller J B, Tans P P. 2003. Calculating isotopic fractionation from atmospheric measurements at various scales [J]. Tellus Series B-chemical & Physical Meteorology, 55(2): 207-214.
Moore J. 2015. Seasonally varying contributions to urban CO2 in the Chicago, Illinois, USA region: Insights from a high-resolution CO2 concentration and δ13C record [J]. Elementa: Science of the Anthropocene, 843-918.
Moriwaki R, Kanda M, Nitta H. 2006. Carbon dioxide build-up within a suburban canopy layer in winter night [J]. Atmospheric Environment, 40: 1394-1407.
Newman S, Jeong S, Fischer M L, et al. 2013. Diurnal tracking of anthropogenic CO2 emissions in the Los Angeles basin megacity during spring 2010 [J]. Atmospheric Chemistry and Physics, 13: 4359-4372.
Niu Z C, Zhou W J, Wu S G, et al. 2016. Atmospheric fossil fuel CO2 traced by Δ14C in Beijing and Xiamen, China: temporal variations, inland/coastal differences and influencing factors [J]. Environmental Science & Technology, 50(11): 5474.
Pataki D E, Xu T, Luo Y Q, et al. 2007. Inferring biogenic and anthropogenic carbon dioxide sources across an urban to rural gradient [J]. Oecologia, 152: 307-322.
Rosa L P, Ribeiro S K. 2001. The present, past, and future contributions to global warming of CO2 emissions from fuels [J]. Climatic Change, 48: 289-308.
Satterthwaite D. 2008. Cities' contribution to global warming: notes on the allocation of greenhouse gas emissions [J]. Environment and Urbanization, 20(2): 539-549.
Takahashi H A, Konohira E, Hiyama T, et al. 2002. Diurnal variation of CO2 concentration, Δ14C and δ13C in an urban forest: estimate of the anthropogenic and biogenic CO2 contributions [J]. Tellus, 54B: 97-109.
Widory D, Javoy M. 2003.The carbon isotope composition of atmospheric CO2, in Paris [J]. Earth & Planetary Science Letters, 215(1): 289-298.
WMO, 2015. GHGs Bulletin: The state of greenhouse gases in the atmosphere using global observation through 2014 [R]. 2015-11.
北京市统计局. 国家统计局北京调查队. 2015. 北京统计年鉴 [J]. 北京: 中国统计出版社. [Beijing Municipal Bureau of Statistics, Survey Office of the National Bureau of Statistics in Beijing. 2015. Beijing statistical yearbook [J]. Beijing: China statistics press.]
国家统计局 . 2015. 中国统计年鉴 [J]. 北京: 中国统计出版社. [National Bureau of Statistics of China. 2015. China statistical yearbook [J]. Beijing: China statistics press.]
浦静姣, 徐宏辉, 顾骏强, 等. 2012. 长江三角洲背景地区CO2浓度变化特征研究 [J]. 中国环境科学, 32(6): 973-979. [Pu J J, Xu H H, Gu J Q, et al. 2012. Study on the concentration variation of CO2 in the background area of Yangtze River Delta [J]. Journal of China Environmental Science, 32(6): 973-979.]
厦门市统计局. 国家统计局厦门调查队. 2015. 厦门经济特区年鉴 [J]. 北京: 中国统计出版社.. [Xiamen Municipal Bureau of Statistics. Survey Office of the National Bureau of Statistics in Xiamen. 2015. Yearbook of Xiamen special economic zone 2015 [J]. Beijing: China statistics press.]
杨杰东, 徐世进. 2007. 同位素与全球环境变化 [M]. 北京: 地质出版社, 9-11. [Yang J D, Xu S J. 2007. Isotopes and global environmental changes [M]. Beijing: Geological Publishing House, 9-11.]
稿件与作者信息
冯雪1,2,3,4,
FENG Xue1,2,3,4
王森1,2*,
WANG Sen1,2*,
wangsen@nwu.edu.cn
牛振川3,4
NIU Zhenchuan3,4
国家自然科学基金(41573136,41773141),中国科学院“西部之光”(XAB2014A02),中国科学院青年创新促进会(2016360),中科院项目(ZDBS-SSW-DQC001), 中国科学院地球环境研究所青年人才项目(Y354011480, Y652001480, SKLLQGPY1610),陕西省自然科学基金青年项目(2014JQ2-4018).
National Natural Science Foundation of China (41573136, 41773141); CAS “Light of West China” Program (XAB2015A02); Youth Innovation Promotion Association CAS(2016360); CAS (Y354011480, Y652001480, SKLLQGPY1610); Natural Science Foundation of Shaanxi Province, China (2014JQ2-4018)
出版历史
出版时间: 2018年5月17日 (版本5
参考文献列表中查看
地球环境学报
Journal of Earth Environment