【摘 要】
：
惰性气体放射性同位素39Ar的半衰期为269年。它在大气中分布均匀、化学性质稳定,是研究地下水、冰川和海洋等的理想示踪剂。39Ar定年的范围大约为50至1500年,正好可以覆盖3H（或CFCs、SF6等）和14C之间的定年空隙。由于39Ar极低的同位素丰度（8×10-16）,因此探测非常困难,对现代痕量分析技术是一个技术挑战。最近原子阱痕量分析方法（Atom Trap Trace Analysis
论文部分内容阅读
惰性气体放射性同位素39Ar的半衰期为269年。它在大气中分布均匀、化学性质稳定,是研究地下水、冰川和海洋等的理想示踪剂。39Ar定年的范围大约为50至1500年,正好可以覆盖3H（或CFCs、SF6等）和14C之间的定年空隙。由于39Ar极低的同位素丰度（8×10-16）,因此探测非常困难,对现代痕量分析技术是一个技术挑战。最近原子阱痕量分析方法（Atom Trap Trace Analysis,ATTA）在39Ar测量和定年方面取得了突破性进展。该方法是一种基于激光的单原子灵敏检测技术,具有超高的灵敏度和选择性。基于ATTA技术人们实现了对公斤级水或冰样的39Ar检测,使得39Ar定年技术能够大规模地应用于地球与环境科学研究中。本论文工作的主要内容包括39Ar原子阱痕量分析方法研究及其在物理海洋学中的应用,包括:1)发展39Ar定年技术,标定新一代的Ar-ATTA系统,发展39Ar单原子信号处理方法。2)根据大气中宇宙射线强度的记录,计算大气中39Ar的输入函数,得到过去2500年内的39Ar定年校正曲线。测量上世纪50年代末大气中39Ar的同位素丰度,估计过去60年内人类核活动对大气中39Ar的贡献。3)在西太平洋雅浦-马里亚纳海沟交汇处开展包括39Ar、85Kr等在内的多示踪剂研究。通过得到的示踪剂测量结果对海水的Transit Time Distribution（TTD）进行约束,刻画了该区域海水的混合情况,得到了不同深度的跨密度扩散系数（Diapycnal Diffusivity）,观测到了海底复杂地形引起的混合增强现象。本论文的章节安排如下:第一章,介绍关于39Ar定年和应用的背景信息。第二章,首先介绍原子阱痕量分析方法的基本原理和Ar-ATTA装置的基本结构;然后讨论测量信号的处理及误差校正;最后介绍Ar-ATTA系统标定。第三章,利用历史宇宙射线记录反演39Ar大气输入函数;通过测量上世纪50年代末大气样品估计了过去60年中人类核活动对大气中39Ar的贡献;给出了过去2500年内39Ar定年的校正曲线。第四章,介绍原子阱方法测量得到雅浦-马里亚纳海沟交汇处海水的39Ar和85Kr垂向分布;利用插值方法获取深部海水的14C数据;利用39Ar、85Kr和14C的示踪剂组合对TTD参数进行约束,刻画不同深度海水的混合情况并对观测到的现象进行分析讨论。
其他文献
黄热病毒家族的寨卡病毒（ZikaVirus,ZIKV）由于导致人类神经系统疾病如小头畸形和Guillain-Barré综合征等而受到广泛关注。寨卡病毒是一种单链正义RNA病毒,其RNA基因组编码的非结构蛋白3（NS3）包含一个蛋白酶结构域和一个解旋酶结构域,N端丝氨酸蛋白酶结构域需要与NS2B蛋白因子相互作用才能发挥活性;C端解旋酶结构域在核糖核苷三磷酸（Nucleoside triphospha
单视角深度估计任务是计算机视觉领域中极具挑战性的问题之一,其目标是给定单张彩色图像,预测图像上每个像素点的深度值。由于三维空间到图像平面的透视投影,该任务存在天然的歧义性,是一个非适定问题。近年来,随着深度学习技术的发展,单视角深度估计的算法性能得到大幅提升,但仍然面临三个困难:（1）通过深度卷积神经网络预测的深度图缺乏对场景精细结构的描述;（2）深度标注数据获取难度大;（3）单视角深度估计网络的
近年来,太赫兹（THz）电磁波在医疗生物检测、材料分析、无线通信、大气监测等广泛领域展现出越来越重要的应用前景。THz辐射源是支撑THz技术应用和发展的关键器件。然而,由于THz波处在电子学和光子学的中间地带,基于传统电子学方法和光子学方法的THz源在输出功率、频率、便携性等方面难以满足实用需求。自由电子驱动的电磁辐射源在THz频段可以实现大功率输出,是一类重要的THz源。但是这类装置通常体积庞大
服役于人体生理环境中的植入金属材料往往由于腐蚀、磨损等作用而产生金属离子释放。某些适量释放的金属离子虽然在促进组织再生等方面发挥积极作用,但不可否认,过量的离子积累将对人体产生毒副作用,进而直接影响材料的生物相容性。通常,植入金属离子释放行为与材料的耐蚀能力息息相关,而作为评价植入金属材料耐蚀性的通用、实用手段,腐蚀电化学测试技术已广泛应用。因此,探究模拟人体环境中金属离子释放的动力学过程,阐述离
基于密度泛函理论的第一性计算方法已经被大量应用于预测和研究材料的各种物理和化学性质,已经成为独立于实验和理论的第三种研究方法。密度泛函理论的成功在于创造性利用密度作为能量的泛函,将3N维的Schr（?）dinger方程转为了三维问题,大大降低了计算量。但是密度泛函理论是基于变分原理的基态理论,这使得其在应用到激发态过程中存在很多问题,比如无法准确地预测分子和固体体系的光谱和激发态能级等。同时由于到
随着计算能力日渐强大的移动智能设备的广泛普及,一种基于众包思想而衍生出的移动计算范式——移动群智感知,可以协调网络中的移动用户群体通过携带的智能设备进行大规模的数据收集和复杂的任务计算。另一方面,数据交易可以打破数据孤岛,提高数据的流通性和复用性,但它同时也面临数据来源匮乏和多样性欠缺的问题。因此本文利用移动群智感知在数据收集方面的智能性、普适性、低成本等优势构建一种新型的移动群智感知数据交易系统
移动场景下的轻量级客户端不在本地储存完整的区块链,在向全节点查询交易过程中轻量级客户端会泄露与其相关的地址和交易。移动用户可以运行一个轻量级全节点来服务其轻量级客户端,从而保护其轻量级客户端的交易查询隐私,但是轻量级全节点面临区块验证效率降低问题,这会降低区块链的可扩展性。此外,区块链可用于管理移动用户访问公共无线热点的访问凭证,但仍需满足移动用户的条件匿名认证需求,以及降低访问凭证管理中的上链数
以深度学习算法为代表的人工智能算法近些年来飞速发展,在计算机视觉、自然语言处理和竞技游戏等不同的领域,深度学习算法展现的智能已经接近甚至超过了人类的水平。基于通用处理器的传统计算系统已经不能很好地支持深度学习算法的需求,新兴的智能计算系统以其在性能和功耗上的优异表现,成为了深度学习算法的重要物质载体。然而,深度学习算法快速发展,智能芯片也不断推陈出新,这对智能计算系统的通用性提出了极大的挑战。本文
车道线检测和分类是自动驾驶技术中环境感知系统的重要组成模块。传统的车道线检测和分类算法主要提取车道线的颜色、纹理等特征,进一步采用聚类或分割算法获取车道线的位置和类别信息。然而,传统算法依赖于手动提取的特征,在不良天气以及复杂道路环境下的性能具有一定的局限性。深度学习具有强大的自动提取特征的能力,可应用到复杂多变的道路场景中。目前,基于深度学习的算法是将车道线检测任务和分类任务视为语义分割任务。然
层状材料（如石墨、过渡族硫化物、黑磷、氮化硼等）具有特殊的层状结构,其原子在层内依靠共价键结合,在层间依靠范德瓦尔斯力（Van der Waals forces）结合,这种层状结构不仅使其具有丰富的结构和电子特性,而且易于通过外场进行调控,在光电子、能源等领域具有重要的应用前景。压力作为一种重要的外场调控方法,对于层状材料的独特结构,可以非常有效地改变其层间相互作用,从而显著地改变其晶体结构和电子