2. 中国科学院大学, 北京 100049;
3. 华东师范大学地理科学学院, 教育部地理信息科学重点实验室, 上海 200241;
4. 中国科学院沈阳应用生态研究所, 森林生态与管理重点实验室, 沈阳 110016
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Key Laboratory of Geographic Information Sciences, Ministry of Education, School of Geographical Sciences, East China Normal University, Shanghai 200241, China;
4. Key Laboratory of Forest Ecology and Management, Institute of Applied Ecology, Chinese Academy of Sciences, Shenyang 110016, China
氨(NH3)作为大气中最主要的碱性气体, 在气溶胶成核过程中具有重要作用.NH3也可与酸性气体(HNO3和H2SO4)反应生成铵盐气溶胶, 是霾污染期间二次粒子的主要成分[1].铵盐气溶胶在大气中除了影响能见度[2], 也危害人体健康[3], 并在气候变化中扮演重要角色[4].此外, NH3与铵盐还可以通过干湿沉降的方式从大气进入地表生态系统, 是氮沉降的重要前体物[5].比如, 我国亚热带稻田区域还原性氮的年沉降总量达23.1 kg ·(hm2 ·a)-1[6], 占总氮沉降的48.7%[7]; 而该结果在华北农田区域高达61.3 ~66.1 kg ·(hm2 ·a)-1, 占总氮沉降的87%左右[8].尽管欧盟已针对畜禽养殖和化肥施用实施NH3减排, 但全球其它大部分地区仍未对NH3排放进行有效的管控, 导致卫星观测到全球NH3柱浓度在近十几年呈现增长趋势[9].特别是在我国华北地区, NH3排放量及其浓度显著高于其它区域[10, 11], 是全球NH3浓度较高的热点区之一[12].近年来的观测发现, 城市NH3浓度约为森林、草地和高山等背景区的3~5倍[11], 但目前对于城市大气NH3来源问题尚未形成统一认知.确定NH3的主要来源, 从而有针对性地减少NH3排放, 对缓解我国大气霾污染和过量氮沉降都具有重要的科学意义和迫切的现实需求.识别大气污染物来源的方法可分为扩散模型法和受体模型法2大类[13].扩散模型法通过数值模拟追踪污染物在大气中的传输转化过程, 可区分本地源和外来源, 适用于区域尺度源解析.受体模型法是通过测定采样点大气样品的理化参数, 结合源谱信息反推各类排放源的相对贡献, 在点位尺度解析污染物来源时具有较高的精度.这2类方法以往主要用于大气颗粒物和挥发性有机物来源解析[11], 用于NH3源解析的成功案例还非常少.
同位素示踪技术属于受体模型法, 近几年在NH3源解析方面展现出巨大潜力[14, 15].基于同位素质量平衡的源解析模型, 包括Iso Source、Mix SIR和SIAR[16~20]等, 都需要输入受体样品和NH3排放源的氮同位素源谱(δ15 N-NH3)作为基础数据.理想情况下, 各排放源的δ15 N-NH3差异显著, 使得这些模型能够成功区分不同的NH3来源并量化其各自的贡献率.然而, 由于NH3排放源类型的多样性和排放条件的复杂性以及测量技术的差异性, 导致同一类排放源的δ15 N-NH3往往具有较大的变化范围, 并可能与其它源的同位素谱带存在一定的重叠[21~25], 进而造成NH3源解析的不确定性.迄今为止, 基于δ15 N-NH3的SIAR模型中源谱参数的变化如何影响NH3的源解析结果尚无系统报道.
本文以稳定同位素模型(SIAR)为例, 考察源谱主要表征参量(源的数量、源的δ15 N-NH3特征值及其标准差)的敏感性, 即:在这些参量的变化范围内随机选取数值组合成新的源谱, 输入SIAR模型解析大气NH3来源; 通过对比和分析不同情景下的溯源结果, 评估源谱变化对NH3源解析结果的影响.本研究旨在评估同位素模型追溯NH3来源的适用性, 以期为制定NH3减排策略提供方法依据.
1 材料与方法 1.1 同位素源解析模型为提高NH3同位素溯源方法的推广前景, 本文选取了可在开源软件R中运行的SIAR模型[26, 27], 它最初用于估算猎物(多来源)对捕食者(单一汇)的贡献, 对应着不同NH3排放源对受体样品NH3的贡献.该模型基于贝叶斯方程, 能够解析出各个污染源的后验分布特征, 最后得出的各污染源贡献率为一个概率分布, 公式如下[27]:
(1) |
(2) |
(3) |
(4) |
式中,Xij表示第i个样品中的同位素值j, i=1, 2, 3, …, N, j=1, 2, 3, …, J;sjk表示第k种源中第j种同位素的特征值,k=1, 2, 3, …, K(包括平均值ujk和标准差ωjk2);cjk表示第k种源中第j种同位素的分馏系数(包括平均值λjk和标准差τjk2);pk表示k个源的贡献率(由模型计算得到);qjk表示第k种源中第j种同位素的浓度;εjk表示残差(表示模型未能描述的观测偏差,σj2由模型计算得到).
1.2 模型输入数据选取SIAR运行需要输入2类同位素数据, 即样品和源谱的δ15 N-NH3信息.样品的δ15 N-NH3信息是一个固定的数值, 源谱信息包括某类源的δ15 N-NH3特征值(平均值)及标准差.本研究以北京2013年初重霾污染期间同位素数据集为基础[28], 选择1月29~30日样品δ15 N-NH3值作为SIAR源解析计算的目标值Xij, 即本文的样品δ15 N-NH3值为-13.4‰.该值为形成气溶胶铵盐的初始δ15 N-NH3值, 数据计算过程详见文献[28].同时, 以文献[28]所使用的3类源谱作为初始sjk, 其中农业源(氮肥施用与养殖排放)、氨逃逸源(电厂和柴油车)与化石燃料源(燃煤和汽油车)的δ15 N-NH3分别为(-35.1±11)‰、(-13.0±2.3)‰和(-4.2±3.7)‰[25, 29, 30].这3类排放源同位素信号出现差异的原因是:相比于15N, 14N更轻更易挥发, 这一特性导致农业源δ15 N-NH3偏负; 而燃烧过程氮的分馏效应相对较小, 导致化石燃料源δ15 N-NH3偏高, 进而显著区别于农业源的特征值[25].
1.3 敏感性实验设计为定量源谱不确定性对源解析结果的影响, 在固定样品δ15 N-NH3的前提下, 构建了3种不同的源谱参数情景, 并使用SIAR进行源解析.
第一组实验考察源谱δ15 N-NH3标准差变化对解析结果的影响.比如, 在考察农业源标准差变化的影响时, 固定其它两类源的平均值和标准差, 同时固定农业源的平均值, 只改变农业源的标准差.以农业源特征值范围(-56‰ ~-22‰)之差(34‰)作为农业源标准差的最大取值范围, 在此范围内以0.1‰为步长对其进行随机取值, 得到新的源谱Sd_a1, Sd_a2, Sd_a3, …, Sd_an, 依次代入SIAR进行源解析.与农业源标准差变化实验类似, 可以分别得到氨逃逸源与化石燃料源标准差变化的新源谱Sd_s1, Sd_ s2, Sd_ s3, …, Sd_ sn和Sd_f1, Sd_ f2, Sd_ f3, …, Sd_ fn, 代入SIAR进行源解析.源谱详细信息见表 1.
第二组实验考察源谱δ15 N-NH3特征值变化(改变平均值)对解析结果的影响.首先考察了只改变某1个源的特征值对解析结果的影响, 情景实验与第一组实验相似.以农业源为例, 保持标准差不变, 在农业源特征值范围(-56‰ ~-22‰)内, 以0.1‰为步长随机取值, 得到农业源的特征值.然后与化石燃料源[(-4.2±3.7)‰]和氨逃逸源[(-13.0±2.3)‰]集合成新的源谱V_a1, V_a2, V_a3, …, V_an, 依次代入SIAR进行源解析.类似地, 可得到氨逃逸源与化石燃料源特征值改变对解析结果的影响.源谱详细信息见表 1.
此外, 第二组实验还考察了3种源特征值同时改变对源解析结果的影响.由于农业源和化石燃料源特征值的范围较大, 分别以5‰为步长对二者进行取值, 得到农业源典型特征值为-56‰、-51‰、-46‰、-41‰、-36‰、-31‰和-26‰, 化石燃料源典型特征值-9‰、-4‰和1‰; 氨逃逸源特征值范围最小, 因此以2‰为步长, 得到氨逃逸源典型特征值-15‰、-13‰和-11‰.如图 1所示, 保持标准差不变, 将3种源典型特征值随机自由组合共得到63种源谱组合(V3_1, V3_2, V3_3, …, V3_n), 依次代入SIAR进行源解析.源谱详细信息见表 1.
第三组实验考察源的数量变化对解析结果的影响.在1.2节的研究基础上, 将源的数量由3个合并成2个, 或者拆分为4个和5个, 得到的新源谱N2、N3、N4和N5依次代入SIAR进行源解析.源谱详细信息见表 2.
2 结果与讨论 2.1 源谱标准差改变对解析结果的影响
图 2分别显示了农业源、氨逃逸源和化石燃料源δ15 N-NH3标准差变化对解析结果的影响.由图 2(a)可知, 在其它源标准差不变的情景下, 随着农业源标准差由1‰增加至34‰, 农业源贡献率由18.9%增加至26%(增加了7.1%), 化石燃料源贡献率由41.6%减小至35.3%(减小了6.3%), 但是氨逃逸源贡献率无显著变化.其中农业源标准差在4‰ ~10‰之间取值时, 解析结果变化最大, 农业源与化石燃料源的贡献率变化了4%左右, 占标准差总影响的60%左右.
由图 2(b)和2(c)可以看出, 改变氨逃逸源或化石燃料源δ15 N-NH3的标准差, 农业源、化石燃料源及氨逃逸源的贡献率变幅较小, 表明氨逃逸源和化石燃料源标准差变化对SIAR源解析结果的影响不大.
2.2 源特征值改变对解析结果的影响图 3分别显示了农业源、氨逃逸源和化石燃料源δ15 N-NH3特征值变化对解析结果的影响.由图 3(a)可知, 在其它源特征值不变的情景下, 随着农业源特征值由-56‰增加至-22‰, 农业源贡献率由12.3%增加至31.7%(增加了19.4%), 化石燃料源贡献率由44.9%减小至30.9%(减小了14%), 氨逃逸源贡献率由43.2%减小至37%(减小了6.2%).由此可见, 农业源δ15 N-NH3特征值的改变会对解析结果产生较大影响.
由图 3(b)可以看出, 在其它源不变的情景下, 随着氨逃逸源特征值由-15‰增加至-11‰, 农业源与化石燃料源贡献率仅变化了3%, 氨逃逸源贡献率没有明显变化.
由图 3(c)可以看出, 在其它源不变的情景下, 随着化石燃料特征值由-9‰增加至3‰, 农业源贡献率由19.8%增加至30.8%(增加了11%), 化石燃料源贡献率由40.3%减小至33.0%(减小了7.3%), 氨逃逸源贡献率由40%减小至36.2%(减小了3.8%).
综上所述, 农业源δ15 N-NH3特征值的变化对源解析结果的影响最大, 其次为化石燃料源, 氨逃逸源特征值变化对解析结果影响最小.这可能是由于农业源δ15 N-NH3特征值范围最广, 可以改变的幅度最大.为了进一步确定相同步长特征值改变对贡献率的影响, 将图 3中贡献率与特征值改变值相除, 计算得到特征值改变1‰时贡献率的变化, 结果如表 3所示.与图 3结果相似, 相同步长特征值的变化对农业源贡献率影响最大, 其次为化石燃烧源, 氨逃逸源贡献率影响最小.与图 3结果不同的是, 相同步长特征值变化时, 农业源特征值变化对贡献率整体影响最小, 农业源和化石燃料源分别改变了0.6%和0.4%.而化石燃料源特征值变化对贡献率整体影响最大, 其中农业源和氨逃逸源分别改变了0.9%和0.3%.
2.3 3种源特征值同时改变对解析结果的影响
图 4展示了3种源δ15 N-NH3特征值同时变化对解析结果的影响.从中可知, 与1种源特征值变化类似, 3种源特征值随机变化时, 农业源特征值变化(颜色)对解析结果的影响最大, 其次是化石燃料源(尺寸), 氨逃逸源特征值变化(形状)对解析结果影响最小.
值得注意的是, 3种源特征值随机变化时, 农业源贡献率最大波动幅度为7% ~36%, 化石燃料源贡献率变化幅度为28% ~51%, 氨逃逸源贡献率变化幅度为36% ~46%, 明显高于只有1种源特征值变化对贡献率的影响.
通过2.1~2.3节的分析发现, 农业源参数变化对解析结果的影响最大, 特别是农业源δ15 N-NH3特征值.这可能是由于农业源包括的畜牧养殖[(-33.13±11.7)‰]和氮肥施用[(-42.15±8.3)‰]的δ15 N-NH3差异较大, 造成农业源标准差和特征值可变范围最广, 因此对贡献率影响最大.另外, 养鸡场[(-46.05±14)‰]、养牛场[(-27.96±6.3)‰]和养猪场[(-30.3±1.3)‰]的特征值同样存在较大差异[16].因此, 在接下来的情景分析中, 将各大类源进行拆分细化, 用于分析源的数量对解析结果的影响.
2.4 源数量对源解析结果的影响展示了改变源的数量对源解析结果的影响.表 4统计了源的数量不同时农业源与非农业源的相对贡献.假定排放源为农业、氨逃逸与化石燃料3类源时, 本研究结果显示农业源贡献率为24.7%, 非农业源贡献率为75.3%(其中氨逃逸贡献为38.0%, 化石燃料为37.3%), 这与文献[28]使用Iso source方法得到的研究结果(非农业源贡献率85%)较为一致.
在这3类源的基础上, 如果将氨逃逸与化石燃料源合并为非农业源, 得到农业与非农业2类来源, 此时解析的结果为农业源贡献36.6%, 非农业源贡献63.4%.可以看出, 非农业源的贡献率比3个源的时候减小了11.9%.
在3类源的基础上, 如果保持氨逃逸与化石燃料源不变, 将农业源拆分为畜牧养殖与氮肥施用, 最终输入4类源开展源解析, 得到的结果是氨逃逸源贡献31.5%、化石燃料源贡献38.5%、畜牧养殖源贡献18.8%以及氮肥施用源贡献11.3%.将解析结果进行加和, 得到农业源和非农业源的贡献分别为30.0%和70.0%(表 4).可以看出, 农业源贡献率比3个源的时候增加了5.3%, 特征值与之相邻的氨逃逸源贡献率减小了6.5%.
在上面4类源的基础上, 进一步将化石燃料源分解为交通和燃煤源, 得到5类源的解析结果, 分别是氨逃逸源占22.3%、交通源24.9%、燃煤源24.4%、畜牧养殖源16.0%、氮肥施用源12.5%.其中农业源和非农业源分别贡献28.5%和71.5%(表 4).可以看出, 化石燃料源贡献率比4个源的时候增加了10.8%, 与之相邻的氨逃逸源贡献率减小了9.2%.由此可知, 拆分源谱可以增加被拆分源的贡献率, 而相邻源的贡献率则会减小, 但变化幅度小于10%.
由上看出, 源的数量增减并不改变“北京2013年初重霾污染期间非农业源为主”的解析结果.但随着源的细化(数量增加), 农业源与非农业源贡献率的变化幅度都有减小的趋势, 即贡献率趋于稳定.因此, 明确排放源数量和类型及δ15 N-NH3信息, 可以减小由源谱参数造成的源解析不确定性.考虑到农业源对SIAR模型参数的改变最为敏感, 且不同类型的农业源δ15 N-NH3变化较大, 未来需要深入研究农业源δ15 N-NH3的时空变化规律及控制因素, 以建立本地化的δ15 N-NH3源谱, 进而降低同位素源解析结果的不确定性.
3 结论(1) 农业源δ15 N-NH3标准差的改变造成农业源贡献率变化约7.1%, 氨逃逸源、化石燃料源标准差变化对SIAR源解析结果的影响较小; 源谱δ15 N-NH3标准差不是SIAR模型源解析结果的主要影响参数.
(2) 农业源特征值改变可造成农业源贡献率变化约20%;若农业源、氨逃逸源和化石燃料源这3种源特征值同时改变, 农业源的贡献率最多变化29%;源谱δ15 N-NH3特征值是SIAR模型源解析结果的主要影响参数.
(3) 排放源数量的增减并不改变“非农业源是北京2013年1月霾污染期间大气NH3主要来源”的解析结果.增加同类排放源的数量可改进NH3源解析的精度, 最终使得农业源与非农业源的各自贡献趋于稳定.
[1] | Ianniello A, Spataro F, Esposito G, et al. Chemical characteristics of inorganic ammonium salts in PM2.5 in the atmosphere of Beijing (China)[J]. Atmospheric Chemistry and Physics, 2011, 11(21): 10803-10822. DOI:10.5194/acp-11-10803-2011 |
[2] |
马佳, 于兴娜, 安俊琳, 等. 南京北郊冬春季大气能见度影响因子贡献研究[J]. 环境科学, 2016, 37(1): 41-50. Ma J, Yu X N, An J L, et al. Contributions of factors that influenced the visibility in north suburb of nanjing in winter and spring[J]. Environmental Science, 2016, 37(1): 41-50. |
[3] | Feng Y Y, Huang X J, Sun H Z, et al. Framingham risk score modifies the effect of PM10 on heart rate variability[J]. Science of the Total Environment, 2015, 523: 146-151. DOI:10.1016/j.scitotenv.2015.04.009 |
[4] | Charlson R J, Schwartz S E, Hales J M, et al. Climate forcing by anthropogenic aerosols[J]. Science, 1992, 255(5043): 423-430. DOI:10.1126/science.255.5043.423 |
[5] |
许稳, 金鑫, 罗少辉, 等. 西宁近郊大气氮干湿沉降研究[J]. 环境科学, 2017, 38(4): 1279-1288. Xu W, Jin X, Luo S H, et al. Dry and bulk nitrogen deposition in suburbs of Xining City[J]. Environmental Science, 2017, 38(4): 1279-1288. |
[6] |
王杰飞, 朱潇, 沈健林, 等. 亚热带稻区大气氨/铵态氮污染特征及干湿沉降[J]. 环境科学, 2017, 38(6): 2264-2272. Wang J F, Zhu X, Shen J L, et al. Atmospheric ammonia/ammonium-nitrogen concentrations and wet and dry deposition rates in a double rice region in subtropical China[J]. Environmental Science, 2017, 38(6): 2264-2272. |
[7] |
朱潇, 王杰飞, 沈健林, 等. 亚热带农田和林地大气氮湿沉降与混合沉降比较[J]. 环境科学, 2018, 39(6): 2557-2565. Zhu X, Wang J F, Shen J L, et al. Comparison between atmospheric wet-only and bulk nitrogen depositions at two sites in subtropical China[J]. Environmental Science, 2018, 39(6): 2557-2565. |
[8] | Pan Y P, Wang Y S, Tang G Q, et al. Wet and dry deposition of atmospheric nitrogen at ten sites in Northern China[J]. Atmospheric Chemistry and Physics, 2012, 12(14): 6515-6535. DOI:10.5194/acp-12-6515-2012 |
[9] | Liu M X, Huang X, Song Y, et al. Rapid SO2 emission reductions significantly increase tropospheric ammonia concentrations over the North China Plain[J]. Atmospheric Chemistry and Physics, 2018, 18(24): 17933-17943. DOI:10.5194/acp-18-17933-2018 |
[10] |
董文煊, 邢佳, 王书肖. 1994~2006年中国人为源大气氨排放时空分布[J]. 环境科学, 2010, 31(7): 1457-1463. Dong W X, Xing J, Wang S X. Temporal and spatial distribution of anthropogenic ammonia emissions in China:1994-2006[J]. Environmental Science, 2010, 31(7): 1457-1463. |
[11] | Pan Y P, Tian S L, Zhao Y H, et al. Identifying ammonia hotspots in China using a national observation Network[J]. Environmental Science & Technology, 2018, 52(7): 3926-3934. |
[12] | Van Damme M, Clarisse L, Whitburn S, et al. Industrial and agricultural ammonia point sources exposed[J]. Nature, 2018, 564(7734): 99-103. DOI:10.1038/s41586-018-0747-1 |
[13] |
张延君, 郑玫, 蔡靖, 等. PM2.5源解析方法的比较与评述[J]. 科学通报, 2015, 60(2): 109-121. Zhang Y J, Zheng M, Cai J, et al. Comparison and overview of PM2.5 source apportionment methods[J]. Chinese Science Bulletin, 2015, 60(2): 109-121. |
[14] | Pan Y P, Tian S L, Liu D W, et al. Isotopic evidence for enhanced fossil fuel sources of aerosol ammonium in the urban atmosphere[J]. Environmental Pollution, 2018, 238: 942-947. DOI:10.1016/j.envpol.2018.03.038 |
[15] | Pan Y P, Tian S L, Liu D W, et al. Source apportionment of aerosol ammonium in an ammonia-rich atmosphere:an isotopic study of summer clean and hazy days in urban Beijing[J]. Journal of Geophysical Research:Atmospheres, 2018, 123(10): 5681-5689. DOI:10.1029/2017JD028095 |
[16] | Chang Y H, Liu X J, Deng C R, et al. Source apportionment of atmospheric ammonia before, during, and after the 2014 APEC summit in Beijing using stable nitrogen isotope signatures[J]. Atmospheric Chemistry and Physics, 2016, 16(18): 11635-11647. DOI:10.5194/acp-16-11635-2016 |
[17] | Phillips D L, Gregg J W. Source partitioning using stable isotopes:coping with too many sources[J]. Oecologia, 2003, 136(2): 261-269. DOI:10.1007/s00442-003-1218-3 |
[18] | Ti C P, Gao B, Luo Y X, et al. Isotopic characterization of NHx-N in deposition and major emission sources[J]. Biogeochemistry, 2018, 138(1): 85-102. DOI:10.1007/s10533-018-0432-3 |
[19] | Zong Z, Tan Y, Wang X P, et al. Assessment and quantification of NOx sources at a regional background site in North China:Comparative results from a Bayesian isotopic mixing model and a positive matrix factorization model[J]. Environmental Pollution, 2018, 242: 1379-1386. DOI:10.1016/j.envpol.2018.08.026 |
[20] |
金赞芳, 张文辽, 郑奇, 等. 氮氧同位素联合稳定同位素模型解析水源地氮源[J]. 环境科学, 2018, 39(5): 2039-2047. Jin Z F, Zhang W L, Zheng Q, et al. Contribution of nitrogen sources in water sources by combining nitrogen and oxygen isotopes and SIAR[J]. Environmental Science, 2018, 39(5): 2039-2047. |
[21] | Heaton T H E. 15N14N ratios of nitrate and ammonium in rain at Pretoria, South Africa[J]. Atmospheric Environment (1967), 1987, 21(4): 843-852. DOI:10.1016/0004-6981(87)90080-1 |
[22] | Hristov A N, Zaman S, Pol M V, et al. Nitrogen losses from dairy manure estimated through nitrogen mass balance and chemical markers[J]. Journal of Environmental Quality, 2009, 38(6): 2438-2448. DOI:10.2134/jeq2009.0057 |
[23] | Savard M M, Cole A, Smirnoff A, et al. δ15N values of atmospheric N species simultaneously collected using sector-based samplers distant from sources-isotopic inheritance and fractionation[J]. Atmospheric Environment, 2017, 162: 11-22. DOI:10.1016/j.atmosenv.2017.05.010 |
[24] | Smirnoff A, Savard M M, Vet R, et al. Nitrogen and triple oxygen isotopes in near-road air samples using chemical conversion and thermal decomposition[J]. Rapid Communications in Mass Spectrometry, 2012, 26(23): 2791-2804. DOI:10.1002/rcm.6406 |
[25] | Felix J D, Elliott E M, Gish T J, et al. Characterizing the isotopic composition of atmospheric ammonia emission sources using passive samplers and a combined oxidation-bacterial denitrifier approach[J]. Rapid Communications in Mass Spectrometry, 2013, 27(20): 2239-2246. DOI:10.1002/rcm.6679 |
[26] | Parnell A C, Phillips D L, Bearhop S, et al. Bayesian stable isotope mixing models[J]. Environmetrics, 2013, 24(6): 387-399. |
[27] | Parnell A C, Inger R, Bearhop S, et al. Source partitioning using stable isotopes:coping with too much variation[J]. PLoS One, 2010, 5(3): e9672. DOI:10.1371/journal.pone.0009672 |
[28] | Pan Y P, Tian S L, Liu D W, et al. Fossil fuel combustion-related emissions dominate atmospheric ammonia sources during severe haze episodes:evidence from 15N-stable isotope in size-resolved aerosol ammonium[J]. Environmental Science & Technology, 2016, 50(15): 8049-8056. |
[29] | Bokhoven C, Theeuwen H J. Determination of the abundance of carbon and nitrogen isotopes in dutch coals and natural gas[J]. Nature, 1966, 211(5052): 927-929. DOI:10.1038/211927a0 |
[30] | Freyer H D, Chemistry I O, Center N, et al. Seasonal trends of NH4+ and NO3- nitrogen isotope composition in rain collected at Jülich, Germany[J]. Tellus, 1978, 30(1): 83-92. DOI:10.3402/tellusa.v30i1.10319 |