摘要:本文利用2015年1月至2017年12月寶坻區的月平均氣溫、2分鐘平均風速、日平均氣壓和日降水量等氣象要素數據以及寶坻區醫院人體患感冒病例數據進行統計分析，然后對病例發生數量與當時的氣象要素數據變化相關性進行分析，從而得到寶坻地區人體患病人數與氣象要素變化的關系，并利用逐步回歸法將感冒發病期分類建立感冒指數等級及預測模型公式。

　　關鍵詞:氣象要素數據;患病指數模型;人體感冒

　　大家都知道，氣象要素的劇烈變化會增加人體患病機率。感冒雖為常見病，但也會影響人們正常的工作和學習。如果因為病情反復，治療不及時還會誘發呼吸道感染、氣管炎、支氣管炎甚至肺炎等疾病，對人體健康造成傷害。因此“因天制宜”應成為預防感冒所要遵循的首要原則。具體來說，就是要在及時了解本地天氣預報后，要及時更換衣被，注意保暖，以防受涼而誘發感冒。

　　而研究本地區感冒疾病與氣象條件關系的工作具有重要意義。本人將初步對感冒人群與相關氣象條件的關系進行研究。而感冒作為一種生活中的常見多發病，與溫度、相對濕度、氣壓和風速等有著非常密切的聯系。本文通過著重分析寶坻地區感冒患病人數與氣象要素的關系，并利用逐步回歸法建立感冒患病指數預測模型。

　　1數據選擇

　　通過選取2015年1月至2017年12月時段內對寶坻區醫院的感冒患者日就診病例數量統計，及相同時段內寶坻區氣象臺日平均氣溫、氣壓、風和降水等氣象要素觀測資料。

　　2數據處理分析

　　人體感冒患病數量年變化不明顯，可是月變化比較突出，主要表現在:冬季和春季發病人數會明顯增多，特別是在冬末春初和秋末冬初的季節變換期間，是一年中感冒疾病的高發期，而夏季發病人數會相對較少。通過上圖可以看出2017年11月是近三年的感冒疾病高峰，感冒人數高達1032人次，較其他2年發病人數偏多2-3成。

　　具體分析為月內共發生了5次冷空氣過程，冷空氣活動頻繁以大風降溫為主。最強一次冷空氣過后，日最高氣溫下降7℃，最低氣溫下降4.9℃。日平均氣壓升高11.4hpa，日平均相對濕度降低11%。月平均氣溫較常年偏低1.1℃。當月晝夜溫差大于10℃天數高達24天。通過上述分析可以得知，冷空氣活動頻繁、晝夜溫差和日最高氣溫變化較大都會造成患病個體數量的增加。

　　3數據分析與預報模型建立

　　3.1數據分析

　　感冒雖然在一年任何時段中皆可發生，但四季的氣候特點差異卻很明顯，而且各季中引發感冒的原因也不完全相同。本文根據寶坻區的感冒病例數量以及氣象要素數據變化特點著重分析了冬春兩季(10月份至次年3月份)時段，并選取了2分鐘平均風速、24小時溫差、日平均氣溫、日最高最低氣溫、日平均相對濕度和日平均氣壓等7個變量因子，利用LINEST函數進行計算。

　　選取顯著水平a=0.05，對影響不顯著的自變量因子進行剔除。并將高顯著水平的自變量因子和計算出的回歸系數保留組成的回歸方程:Y=58.61059+0.282383X1-2.047361X2-4.21566X3其中Y為次日就診病患數(考慮氣象要素變化后人體患病的滯后性)，X1為平均相對濕度，X2為日最低氣溫，X3為24小時溫差。

　　3.2預報患病指數模型

　　通過對這次感冒病例數據分析，可以得到本次樣本中的平均值即日就診人數平均值為27人。根據預報模型的預測結果，選取部分歷史數據進行驗證，將模型運算結果與真實發生的就診人數進行對比，如果兩個值處以同一等級則的為預測準確，并得出預報準確率為73.2%，說明了通過該逐步回歸方程建立的預測模型是有一定效果的。

　　4結論

　　(1)我區感冒患病人數呈現為冬春季節明顯增多，特別是在冬春和秋冬交替轉換時節，是一年中發病率明顯增多的時段。而夏季患病人數相對較少。

　　(2)從分析數據及建立逐步回歸方程可以得出，冬春兩季節人體患病與24小時溫差、日平均相對濕度及日最低氣溫存在很密切的關系。因為取得的資料有一定的局限性，得出的也只是比較淺顯的研究結果，今后需做更深入和細致的研究。

　　參考文獻:

　　[1]劉庚山，等.流行性感冒與氣象條件的關系研究.環境與健康，2011(3).

　　[2]格央，倉決.西藏感冒氣象指數預報方法研究.西藏科技，2014(4).

　　[3]王飛鳳，等.用Excle作逐步回歸分析.廣東氣象，2011(5).

　　農業氣象論文范文閱讀：農業氣象災害對農作物產量的影響

　　摘要:氣象災害在多數情況是不可預知的，但極大地影響著農作物的產量，也是在種植過程中不可避免的因素。為了使農作物的產量最大程度上得到提升，就要深刻的了解不同氣象災害對農作物產生的影響，以防范出現不同氣象災害時采取適當的措施。同時也應該給人們宣傳有關農作物的防御措施，使人們增強環保和防范意識;相關工作人員也應該加強基礎設施建設，當自然災害出現時最大程度的減少農作物的損失，從而促進農業生產的不斷發展。

　　關鍵詞:農業氣象災害;農作物;產量;影響