基于14C和13C的典型区域本底站大气化石源CO2变化特征与来源解析研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    41773141
  • 项目类别：
    面上项目
  • 资助金额：
    68.0万
  • 负责人：
    牛振川
  • 依托单位：
    中国科学院地球环境研究所
  • 学科分类：
    D0707.环境地球化学
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

The data used by international community to evaluate the increase of global CO2 concentrations are mainly obtained from the background stations of World Meteorological Organization. However, it is unclear whether the contribution of fossil fuel CO2 (CO2ff) emission from region Economic Circles is the main factor that lead to the increase of atmospheric CO2 concentration at the regional background stations, China. Thus, 14C tracing was used to achieve following objectives: (1) to ascertain the background Δ14CO2 level in China; (2) to clarify the levels and spatial-temporal variational characteristics of CO2ff at regional background stations, and then ascertain the geographical, CO2ff sources and meteorological factors that control these variations; (3) to reconstruct the historical variations of CO2ff since Reform and Opening at regional background stations using 14C in tree rings, and then investigate the possible relationship between CO2ff and fossil fuel amount, population, and vehicle population; (4) to quantify the contribution from coal combustion and automobile exhaust to CO2ff at regional background stations combined 13C. This proposal will help to understand the influence of fossil fuel emissions from Chinese Economic Circles on the atmospheric CO2 concentrations at regional background stations, and will provide scientific data to the mitigation strategies of CO2ff emissions in China and to the alleviation of atmospheric CO2 concentration increasing.
国际社会评价全球大气CO2浓度增长状况所引用的数据主要来自世界气象组织的本底站。然而，我国区域经济圈化石源CO2(CO2ff)排放对区域本底站大气CO2的影响程度还不得而知。基于此，本项目以14C示踪为手段，以确立大气Δ14CO2的本底值为基础，来阐明我国典型区域本底站大气CO2ff的浓度水平、不同时间尺度的变化特征以及空间差异，进而识别影响其变化的地理位置、化石源排放以及气象因素；并通过树轮14C来重建改革开放以来区域本底站大气CO2ff的历史变化，探讨其变化与所在经济圈化石消耗量等的联系。再与13C结合，来定量解析区域本底站大气CO2ff中来自燃煤和机动车尾气的贡献量。本项目的开展有助于认识经济圈CO2ff排放对区域本底站大气CO2的影响程度，进而为我国政府制定合理的减排政策和减缓大气CO2浓度增长提供科学数据。

结项摘要

国际社会评价全球大气CO2浓度增长状况所引用的数据主要来自世界气象组织的本底站。然而，我国化石源CO2(CO2ff)排放对区域本底站大气CO2的影响程度还不得而知。基于此，本项目以大气14C为主要观测对象，研究了我国本底站大气Δ14C的值和变化趋势；示踪了典型区域本底站大气CO2ff的浓度水平、变化特征以及空间差异，分析了影响其变化的因素；通过树轮14C研究了上甸子本底站大气Δ14C近70年的变化历史，量化了核试验和化石碳排放对Δ14C年际变化的影响；与13C结合，研究了西安市大气CO2ff中来自燃煤和机动车尾气的贡献量。主要研究结果如下：（1）连续多年的观测表明，受化石碳排放影响，本底大气Δ14C值有下降趋势。本底大气Δ14C值有夏高冬低的季节特征。在2020年新冠疫情期间，由于碳排量的减少使得本底大气Δ14C值有一定程度的增加。（2）本底地区CO2ff有较大的日变化，有时可达几十ppm。夏季新增大气CO2主要受生物排放源影响，夜晚影响最大。冬季新增大气CO2主要受化石能源排放影响，在10:00-16:00影响最大。（3）上甸子1948-2018年的树轮Δ14C与国际上已发表树轮Δ14C有相似的年际变化规律。我国大气核爆试验使得上甸子大气Δ14C值下降的半衰期被延长了约2.7年； 2000年后我国大量的化石燃料使用使得上甸子大气Δ14C值的下降速率加快约1.8‰ yr-1。2000年以后，大气Δ14C值与化石碳排放量显著负相关（r2>0.95）, 1‰的Δ14C值下降分别对应着京津冀2.3百万吨和我国23.3百万吨化石碳排放量的增加。（4）冬季西安市CO2ff主要来自燃煤，占72.6±10.4%；来自机动车尾气排放的贡献占13.8±10.4%。相关结果有助于认识化石碳排放对区域本底站大气CO2的影响程度，也引起了生态环境部的关注，进而有助于服务我国双碳战略相关政策的制定。

项目成果

期刊论文数量（15）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Tree-ring Delta C-14 time series from 1948 to 2018 at a regional background site, China: Influences of atmospheric nuclear weapons tests and fossil fuel emissions
中国区域背景站点1948年至2018年树轮Î14C时间序列：大气核武器试验和化石燃料排放的影响
  • DOI：
    10.1016/j.atmosenv.2020.118156
  • 发表时间：
    2021
  • 期刊：
    Atmospheric Environment
  • 影响因子：
    5
  • 作者：
    Niu Zhenchuan;Feng Xue;Zhou Weijian;Wang Peng;Liu Yu;Lu Xuefeng;Du Hua;Fu Yunchong;Li Ming;Mei Ruochen;Li Qiang;Cai Qiufang
  • 通讯作者：
    Cai Qiufang
Spatial variation of soil properties and carbon under different land use types on the Chinese Loess Plateau
黄土高原不同土地利用类型下土壤性质和碳的空间变异
  • DOI：
    10.1016/j.scitotenv.2019.134946
  • 发表时间：
    2020
  • 期刊：
    Science of The Total Environment
  • 影响因子：
    9.8
  • 作者：
    Xia Yu;Weijian Zhou;Yiping Chen;Yunqiang Wang;Peng Cheng;Yaoyao Hou;Ya Wang;Xiaohu Xiong;Ling Yang
  • 通讯作者：
    Ling Yang
Atmospheric fossil fuel CO2 traced by (CO2)-C-14 and air quality index pollutant observations in Beijing and Xiamen, China
中国北京和厦门的大气化石燃料CO2 14CO2 和空气质量指数污染物观测
  • DOI：
    10.1007/s11356-018-1616-z
  • 发表时间：
    2018
  • 期刊：
    Environmental Science and Pollution Research
  • 影响因子：
    5.8
  • 作者：
    Niu Zhenchuan;Zhou Weijian;Feng Xue;Feng Tian;Wu Shugang;Cheng Peng;Lu Xuefeng;Du Hua;Xiong Xiaohu;Fu Yunchong
  • 通讯作者：
    Fu Yunchong
14C-AMS measurements in modern tree rings to trace local fossil fuel-derived CO2 in the greater Xi'an area, China.
现代树木年轮中的 C-14-AMS 测量可追踪中国大西安地区当地化石燃料产生的二氧化碳
  • DOI：
    10.1016/j.scitotenv.2020.136669
  • 发表时间：
    2020-01
  • 期刊：
    Science of The Total Environment
  • 影响因子：
    9.8
  • 作者：
    Yaoyao Hou;Weijian Zhou;Peng Cheng;Xiaohu Xiong;Hua Du;Zhenchuan Niu;Xia Yu;Weijian Zhou;Xuefeng Lu
  • 通讯作者：
    Xuefeng Lu
Soil organic carbon fractions and C-14 ages through 70 years of cropland cultivation
农田耕作 70 年的土壤有机碳组分和 14C 年龄
  • DOI：
    10.1016/j.still.2019.104415
  • 发表时间：
    2019
  • 期刊：
    Soil and Tillage Research
  • 影响因子：
    6.5
  • 作者：
    Yu Xia;Zhou Weijian;Cheng Peng;Wang Yunqiang;Hou Yaoyao;Burr G. S.;Xiong Xiaohu;Wang Ya;Yang Ling;Dodson John
  • 通讯作者：
    Dodson John

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

土壤铅和锌对植物根际丛枝菌根真菌分布的影响
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    西北植物学报
  • 影响因子：
    --
  • 作者：
    唐明;牛振川;王森;黄继;盛敏
  • 通讯作者：
    盛敏
四川遂宁地区石油污染土壤中丛枝菌根真菌
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    生态学杂志
  • 影响因子：
    --
  • 作者：
    黄继;牛振川;张茹琴;唐明
  • 通讯作者：
    唐明
山西历山珍稀药用植物AM真菌资源与土壤因子的关系
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    西北植物学报
  • 影响因子：
    --
  • 作者：
    唐明;张好强;牛振川;王森
  • 通讯作者：
    王森
我国城市大气化石源CO2的14C示踪研究进展
  • DOI：
    10.11867/j.issn.1001-8166.2020.079
  • 发表时间：
    2020
  • 期刊：
    地球科学进展
  • 影响因子：
    --
  • 作者：
    周卫健;吴书刚;熊晓虎;程鹏;王鹏;侯瑶瑶;牛振川;杜花;陈宁;卢雪峰;付云翀;刘林
  • 通讯作者：
    刘林
北京市冬季大气化石源 CO2 典型日变化的 14C 示踪研究
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    地球环境学报
  • 影响因子：
    --
  • 作者：
    牛振川;周卫健;程鹏;吴书刚;卢雪峰;杜花;付云翀;熊晓虎
  • 通讯作者：
    熊晓虎

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

牛振川的其他基金

典型内陆城市高时间分辨率的化石源CO2通量观测研究
  • 批准号：
    42173082
  • 批准年份：
    2021
  • 资助金额：
    60.00 万元
  • 项目类别：
    面上项目
典型海陆城市大气14CO2的时空分异特征及其在化石源CO2示踪中的应用
  • 批准号：
    41573136
  • 批准年份：
    2015
  • 资助金额：
    73.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码