全球-SHANEL亚洲模型预测河流中的化学度具有高时空分辨率,适合气候变化场景

科学领域:

• 环境化学环境化学
• 水资源管理水资源的管理.
• 地理空间分析是什么?

背景情况:

• 评估河水的化学度对于全球环境可持续性至关重要.
• 东南亚因化学污染和气候变化而面临越来越多的水资源风险.
• 由于数据限制,AIST-SHANEL等现有模型仅限于日本.

研究的目的:

• 开发全球-SHANEL亚洲模型,用于东南亚地区的高空间时间分辨率暴露评估.
• 适应和扩展AIST-SHANEL模型,使用亚洲的开放地理空间和气象数据.
• 促进对该地区水生生态系统进行准确的水风险评估.

主要方法:

• 收集和处理亚洲的开放地理空间和气象数据.
• 开发了全球-香奈儿亚洲模型,这是AIST-香奈儿模型的扩展.
• 经验证的估计河流流量和线性甲硫酸 (LAS) 度与测量值相比.

主要成果:

• 该模型准确估计了受天气影响的季节性河流流量变化.
• 预测LAS度在一个实际的一个数量级的精度内.
• 可视化了东南亚地区的LAS分布,识别了潜在的污染热点.

结论:

• 全球-SHANEL亚洲模型为评估东南亚河流的化学污染提供了一个实用的工具.
• 该模型有助于识别污染热点,并支持对环境可持续性的决策.
• 它促进了考虑到未来气候变化和人口增长情景的风险评估.