孙兆彬
- 作品数：60 被引量：528H指数：17
- 供职机构：中国气象科学研究院更多>>
- 发文基金：国家自然科学基金国家科技支撑计划北京市自然科学基金更多>>
- 相关领域：环境科学与工程天文地球医药卫生交通运输工程更多>>
- 2013年6月11日北京一次强对流天气过程分析
- 2013年6月11日08时至6月12日08时,北京地区出现了一次强对流天气过程,部分站点出现冰雹、短时强降水等灾害性天气.以期对今后的预报服务工作有所助益。本文详细分析此次过程的大尺度天气环流背景、物理量场、北京S波段新...
- 耿建军刘璐孙兆彬吴剑坤杜佳
- 关键词：强对流过程自动站数据雷达回波
- 文献传递
- 基于GIS和大气数值模拟技术评估PM_(10)的人群暴露水平
- 本文利用2001年1月1日至31日兰州市城区PM10月均观测浓度和CMAQ空气质量模式模拟出的PM10月均浓度,基于GIS平台,将污染物浓度与人口的空间分布图层相叠加,并采用PM10人口加权算法,定量评估了兰州市居民的颗...
- 孙兆彬安兴琴陶燕侯青
- 关键词：PM10数值模拟
- 文献传递
- 人群的自然和社会属性分类下PM_(2.5)对心血管疾病的影响被引量：12
- 2019年
- 为了研究人群在自然属性和社会属性分类下的效应修饰作用,利用2005～2011年北京市大气PM_(2.5)日均浓度、气象要素及循环系统疾病每日死亡人数数据,根据不同年龄、性别及学历将人群分组,采用时间序列的半参数广义相加模型(GAM),定量评价大气PM_(2.5)对居民循环系统疾病死亡人数的影响.单污染物模型和多污染物模型结果表明,PM_(2.5)为影响循环系统疾病每日死亡人数的主要大气污染物.北京市空气中PM_(2.5)的浓度每增加10μg/m^3,循环系统疾病总死亡人数增加0.50%(95%CI:0.36,0.63).不同人群的易感程度不同,各人群死亡人数的增加范围为0.23～0.71%,女性、60～74岁人群、文盲人群的健康风险相对较高.在文盲人群中,老年(60+)女性占比为66.2%,为了分离社会属性人群分类中可能存在的自然属性因素干扰,本文去除其中老年、女性这两个混杂因素的影响,文盲人群健康风险仍然大于较高学历的人群.年龄和性别因素叠加在学历因素上,可能加大低学历人群的健康风险,对于这部分叠加了自然因素和社会因素双重敏感性的人群应给与重点关注.
- 龚天宜孙兆彬张小玲王式功
- 关键词：细颗粒物心血管疾病时间序列
- 2013年6月11日北京一次强对流天气过程分析
- 2013年6月11日08时至6月12日08时,北京地区出现了一次强对流天气过程,部分站点出现冰雹、短时强降水等灾害性天气。本文详细分析此次过程的大尺度天气环流背景、物理量场、北京S波段新一代天气雷达基本反射率因子、径向速...
- 耿建军刘璐孙兆彬吴剑坤杜佳
- 关键词：强对流三体散射中气旋
- 不同季节兰州市PM10与呼吸系统疾病入院人数的相关分析
- 采用时间序列的半参数广义相加模型（GAM）,在控制了长期趋势、"星期几效应"及气象因子等混杂因素的影响,分析了2001-2005年兰州市四个季节PM10与呼吸系统疾病日入院人数的暴露-反应关系,并建立了单污染物模型和多污...
- 孙兆彬陶燕安兴琴侯青李栋梁
- 关键词：可吸入颗粒物呼吸系统疾病时间序列
- 文献传递
- 基于GIS和大气数值模拟技术评估兰州市PM_(10)的人群暴露水平被引量：18
- 2012年
- 利用2001年1月1日~31日兰州市城区PM10月均观测浓度和CMAQ空气质量模式模拟出的PM10月均浓度,基于GIS平台,将污染物浓度与人口的空间分布图层相叠加,并采用PM10人口加权算法,定量评估了兰州市居民的颗粒物暴露水平,并对应用这2套数据的评估结果进行了对比.结果表明,与使用观测数据相比,模拟的PM10浓度空间梯度较大,模拟结果更加细致地展示了PM10浓度在兰州城区的分布,同时PM10浓度的最小值和最大值跨度也较大.对比人口加权前后PM10浓度发现：人口加权后,从城区人口的空间分布来讲,兰州市有较多的人口分布在污染较重的地区.
- 孙兆彬安兴琴陶燕侯青
- 关键词：PM10数值模拟
- 基于数据挖掘算法和数值模拟技术的大气污染减排效果评估被引量：21
- 2019年
- 近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m^(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.
- 熊亚军徐敬孙兆彬李梓铭吴进尹晓梅乔林赵秀娟
- 关键词：数值模拟
- 边界层内偏东风和偏南风的交替变化对大气污染物空间结构的影响分析
- 边界层内的风场变化对污染物的输送和累积有重要影响，由于特殊地形和周边污染源分布的影响，北京地区的污染物浓度不仅与风速有关，风向的变化也直接影响污染物的输送和来源。
- 张小玲孙兆彬赵秀娟李梓铭程志刚
- 关键词：PM2.5浓度数值模拟
- KNN数据挖掘算法在北京地区霾等级预报中的应用被引量：50
- 2015年
- 利用北京地区2013年气象数据以及PM_(2.5)浓度数据与能见度数据进行对比分析,结果发现气温、气压、相对湿度、露点温度、地面U风、地面V风以及PM_(2.5)小时浓度这7个要素是影响北京地区霾等级的关键因素。利用气温、地面气压、相对湿度、露点温度、U风、V风分量以及PM_(2.5)浓度作为7个属性特征,以霾等级做为标志量构建训练样本集,结合KNN(KNearest Neighbor)数据挖掘算法构建疆等级预报分类器,并开展霾等级客观识别实验。结果表明K=3时该分类器的分类预报效果最佳,其13个站点的分类准确率高达88.2%。基于该算法构建的KNN模型预报无霾时的漏报概率很小,准确率高达91.8%;预报有轻度霾、中度霾以及重度霾时,空报的概率仅分别为4.7%、1.4%和2.6%。2014年8月29日至9月2日北京地区一次霾天气过程的预报结果表明:南郊观象台、密云和延庆3站的预报准确率分别达到74%、64%和84%,但霾等级的精度方面还有待于进一步提高。
- 熊亚军廖晓农李梓铭张小玲孙兆彬赵秀娟赵普生马小会蒲维维
- 关键词：数据挖掘KNN
- 边界层低空急流导致北京PM_(2.5)迅速下降及其形成机制的个例分析被引量：17
- 2016年
- 2015年3月17日18：00-23：00北京地区的PM2.5质量浓度快速下降,在此期间并未出现与冷空气活动相伴的强偏北风.本研究分析了导致空气质量迅速改善的原因,结果表明边界层急流起着关键的作用.随着边界层内偏南风速增大,大气的通风量增大,污染物浓度降低.急流发展也加大了边界层内水平风的垂直切变,从而导致湍流增强和混合层增厚.此外,3月17日20：00在混合层顶附近出现气旋性地转涡度,Ekman抽吸的方向为垂直向上,于是底层的污染物就被带到高空并随强劲的西南风输送到下游.边界层急流的发展与惯性振荡和大气的斜压性有关.
- 廖晓农孙兆彬何娜赵普生马志强
- 关键词：PM2.5边界层急流
