论文标题:High-Impact Weather Types and Characteristics That Induce Severe Influenza Episodes in Langfang, China
论文链接:https://www.mdpi.com/2073-4433/17/9/836
期刊名:Atmosphere
期刊主页:https://www.mdpi.com/journal/atmosphere
流行性感冒(简称流感)是一种由流感病毒感染引起的急性呼吸道传染病,以其发病率高、并发症严重而成为严重威胁人类健康的疾病。有众多专家学者指出流感是一种气象敏感性疾病。为深入解析高影响天气及其复杂组合形式对诱发强流感(一次高影响天气过程影响下流感病例数≥50人)的作用和影响,河北廊坊市气象局郭立平健康气象预报服务创新团队联合廊坊市疾病预防控制中心王宇卓和中国科学院大气物理研究所白建辉研究员等团队,融合天气学、医学统计学、Spearman相关分析等方法及SPSS软件包,归纳了诱发强流感过程的高影响天气类型、复合形式及流感分布特征;分析了空气污染协同霾等高影响天气对诱发强流感的影响以及社会防控对强流感发生的作用;构建了基于高影响天气分类的流感风险等级预报模型,为公众防御流感提供科学参考。
研究过程与结果
1.流感的分布与气象条件
统计廊坊市2009—2024年流感病例资料,得到总病例数28761人。分析结果显示:流感一年四季均有发生,11月至次年4月较多,年际间分布差异较大,总体呈增加趋势(图1)。计算气温、湿度等气象要素与流感病例分布的相关性(2020—2022年新冠肺炎防控期间数据除外),结果见表1。随时间尺度缩短,气象要素与流感病例的相关性越显著,其中日尺度方面,除了与雾日的相关性P值<0.05外,与其余气象要素的相关性P值均<0.01,与气压、霾日、雾日为正相关,其余为负相关。表明低温、低湿、偏低风速、较高气压、多雾、多霾是有利于流感发生的气象条件。

图1 2009—2024年廊坊市流感的年分布
表1 流感与气象要素的相关性

R为相关系数,P为显著性值
2.高影响天气与强流感发生的关系
统计2009—2024年廊坊市高影响天气过程,共计858次,其中诱发强流感过程83次,强流感过程主要分布在10月至次年4月(图2)。高影响天气背景主要有三类:降水、大风、霾(表2-表4),其中降水类复合天气类型最多达10种;大风类复合天气下诱发流感病例最多;所有复合天气类型中含有霾的情形占比达63.2%,流感病例占总病例数的59.3%。
3.空气污染、霾与流感发生的关系
随逐年变化,各级污染日数和霾日数均呈下降趋势,而流感病例呈上升趋势(图3)。同时发现(表5-表6),空气污染日较多,强流感过程较多(2023年)或不一定多(2022年);强流感过程较多,空气污染日不一定多(2024年)。研究发现,空气污染与强流感发生的关系比较复杂,人类防控措施可降低流感发生风险。
4.基于高影响天气分类的流感风险等级预报模型
基于各类高影响天气对流感发病不同影响程度的基础上,将流感过程分成5个等级区间(如<10人、10至50人、50至100人、100至500人、>500人),构建高影响天气复杂强度指数模型,见式(1),依据指数分布确定预报等级,可实现对寒潮等高影响天气下流感发生风险的等级预报预警。
I= Wg+Wc+G1±Mg+Mc+G2±Fg+Fc+Md (1)
式中:
I —高影响天气复杂强度指数
Wg —前一周高影响天气类型及过程长度
Wc —前一周高影响天气累计日数
G1 —当前一周高影响天气与前一周高影响天气过程间隔日数
Mg —当前一周高影响天气类型及过程长度
Mc —当前一周高影响天气累计日数
G2 —预报一周与当前一周高影响天气间隔日数
Fg —预报高影响天气类型及过程长度
Fc —预报天气过程高影响天气累计日数
Md —预报高影响天气过程所处月份
式中取减号的意义:预报一周天气为减弱变化,高影响天气日数≤2天。

图2 2009—2024年廊坊市强流感过程的月分布
表2 诱发强流感的降水类复合天气类型及流感病例分布

表3 诱发强流感的大风天气类型及病例分布

表4 诱发强流感的含霾天气类型及流感病例分布


图3 2014—2019年及2023—2024年冬季污染物指数、霾日数与流感病例的分布关系
表5 中度以上空气污染日数与强流感过程的分布关系

表6 2020—2022年廊坊市新冠疫情期间流感病例月分布特征

研究总结
(1)每年11月至次年4月为流感集中高发期。(2)诱发强流感的高影响天气主要有三类:降水、大风和霾。每一类均具有复杂的复合天气特征,其中含霾天气的比例达63.2%,流感病例数占比59.3%。(3)空气污染对流感发生的影响比较复杂,需考虑其伴随的高影响天气类型;人类采取积极隔离防控措施,对降低流感病例有一定的作用。(4)利用高影响天气分类方法,可以提升应对强天气下流感发生风险的预警能力。
期刊介绍:
Atmosphere(ISSN 2073-4433)(https://www.mdpi.com/journal/atmosphere) 是一个国际性、同行评审、开放获取的学术期刊,创刊于2010年,全面涵盖大气科学及其相关交叉学科领域的基础研究与应用研究。期刊设有十一个专业栏目:气溶胶、空气质量、空气质量与健康、空气污染控制、大气观测技术与仪器及建模、生物气象学与生物气候学、生物圈/水圈/陆地与大气相互作用、气候学、气象学、行星大气和高层大气。
研究议题广泛涉及大气物理与化学、大气气溶胶及其环境和气候效应、空气污染物来源与传输转化、空气质量监测与模拟、污染物暴露及健康影响、气候变化与气候变率、极端天气与气候事件、天气预报与数值天气预测、大气环流与遥相关、季风与降水过程、边界层气象学、城市气候与热岛效应、大气辐射与云微物理、温室气体及碳循环、陆气相互作用与地表能量交换、水文气象学、卫星遥感与大气探测、人工智能与机器学习在大气科学中的应用,以及平流层、电离层和行星大气等前沿研究方向。期刊鼓励观测实验、数值模拟、理论分析及多学科交叉研究,致力于推动全球大气科学研究与学术交流。
2025 Impact Factor:2.6
2025 CiteScore:5.4
Time to First Decision:20.4 Days
Acceptance to Publication:2.6 Days
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。