大气污染对呼吸系统疾病的影响分析研究

利用1996～1997年沈阳呼吸道疾病门诊资料和大气环境现状监测资料，分析了呼吸道疾病的发病率与大气污染之间的关系，建立了呼吸道疾病发病等级与大气污染之间的预测方程，并用门诊资抖对观测结果进行了验证。     

成都市大气污染对儿童呼吸系统疾病的影响

利用成都市金牛区妇幼保健院2014年1~7月的儿童呼吸系统疾病病例,与同期环境监测资料、气象资料进行分析。结果表明,气象条件对大气污染有明显影响,在无降雨、风速小、能见度低的情况下,大气污染浓度高,空气质量差。大气污染对呼吸系统疾病发病有明显影响,且对下呼吸系统疾病发病的影响更为显著,大气污染对上呼吸系统疾病发病的影响具有2天的滞后性,而对下呼吸系统疾病的影响一般具有3天或7天的滞后性。大气污染物方面,PM_(10)对上呼吸系统疾病发病有显著影响,而NO_2、PM_(10)、PM_(2.5)和SO_2对下呼吸系统疾病发病影响均呈显著正相关,其中SO_2的影响最显著。     

气象条件对呼吸道疾病影响的关系分析

利用2000年1月—2001年12月西安某医院内科成人呼吸道感染病例资料712个和西安观象台的湿、压、温逐日资料,对西安地区呼吸道疾病与气象条件的关系进行分析,得出了西安地区呼吸道疾病发病人数的月际变化,分析了气温、气压及空气湿度的变化与呼吸道疾病发病人数的关系,并用逐步回归法建立了逐月呼吸道疾病发病预报方程。     

呼吸系统疾病死亡人数与气象条件的相关性分析

使用南京市玄武区1992～2001年资料,对呼吸系统疾病死亡人数与气象条件作了相关性分析,结果表明,呼吸系统疾病月死亡人数与月平均气温、月平均相对湿度呈显著负相关,与月平均气压呈显著正相关。用多元线性回归方法得到呼吸系统疾病死亡人数的月预测方程,并用历史资料进行了检验。     

南宁市呼吸道疾病预测研究

通过对2001～2002年南宁市2个最大医院呼吸道疾病39305例门诊资料进行小波分析，得出各种疾病发病人数均存在5～7天的周期。将呼吸道疾病发病人数和同期气象要素、大气污染物浓度资料进行相关分析，结果表明，呼吸道疾病发病人数与气温、气压、湿度密切相关，同时与大气污染物SO2、NO2、PM10浓度也密切相关。利用最优子集方法，按不同季节建立呼吸道疾病下周逐日发病人数预测方程，2004年1月支气管炎发病人数预报值与实际值相对误差为16．43％，2004年4月未来1～2天呼吸道疾病发病人数预报值对天气变化的敏感性与实际值基本一致。     

南宁市夏季影响大气污染的气象条件分析

通过数值统计，相关分析方法对南宁市2001年夏季大气污染与气象条件的关系进行分析，得到一些初步结果，为南宁市的大气污染预报提供参考。     

北京地区呼吸道疾病与气象条件关系的分析

利用１９９６年１月～１９９７年１２月北京某医院内科成人呼吸道感染病例资料７１２个和北京观象台的压,温,湿逐日资料,对北京地区呼吸道疾病与气象条件的关系进行了分析,得出北京地区呼吸道疾病发病人数的月际变化,分析了气温,气压及空气湿度的变化与呼吸道疾病发病人数多少的关系,并用逐步回归法建立了逐月呼吸道疾病发病等预防方程。     

福州市呼吸道疾病发生的气象条件分析及预报

通过对1995～2001年福州市5个医院呼吸道疾病37944例住院病例资料和同期气象资料的统计和分析，归纳出呼吸道疾病发病特点及其与气象条件的关系，并利用最优子集方法，分四个季节建立呼吸道疾病逐日发病人数(等级)预报方程。呼吸道疾病发病有明显的季节性变化，7月是呼吸道疾病的高发期，3月是下呼吸道疾病的另一高发期，冬季冷空气影响及转折性天气是呼吸道疾病增多的诱因，夏季高气温、低气压是呼吸道疾病增多的诱因。     

气象要素对南京市呼吸系统疾病的影响研究

利用2007—2012年南京市逐日气象资料和同期某三甲医院呼吸系统疾病逐日急诊和门诊就诊人数资料,采用常规统计方法,分析了主要气象要素与疾病就诊人数的关系,揭示了气象条件对人群呼吸系统疾病的影响程度,为当地居民防病养生提供气象指导。结果表明:呼吸系统疾病发病与气象要素之间存在1~2 d的滞后效应,且与日平均气温、日最高气温和日最低气温的相关最显著,尤其当平均气温低于0℃时,全人群就诊人数明显增加;此外,当寒潮过程发生时,全人群和老年人(65岁)就诊人数增加率分别为35%和53%,且表现出1 d的滞后性;与之相比,儿童(6岁)就诊人数没有表现出滞后效应,寒潮结束当日,就诊人数增加了2倍以上。     

西安呼吸系统疾病气象风险指数等级预报研究与应用

利用2010年1月1日—2014年12月31日西安市呼吸系统疾病死亡数据与相应的气象观测数据,选取与呼吸系统疾病有显著相关性的气象因子,采用多元逐步回归方法,建立呼吸系统疾病死亡人数预测模型和呼吸系统疾病气象风险指数等级预报方法,并对预测模型和等级预报进行了检验。结果表明：呼吸系统疾病日死亡人数预测模型准确率在795%以上,呼吸系统疾病气象风险指数等级预报准确率达到98%,预测预报效果较好。将呼吸系统疾病气象风险指数等级预报融入西安公共气象指数预报服务系统,制作呼吸系统疾病气象风险指数等级预报、预警产品,并通过全方位融媒体发布手段开展健康气象预报预警服务。     

成都市冬季逆温对大气污染的影响分析

根据2002年1月的温度场和大气污染浓度强化监测资料,分析成都市冬季逆温特征.成都市的冬季逆温主要为上部逆温,出现频率为62.9%;通过分析其上部逆温的时间和空间分布特征,认为成都市冬季逆温对大气污染扩散的不利影响,主要表现为03时上部逆温对≤75m的低矮源污染物扩散的影响,而对高架源污染物的扩散影响不大.     

成都市冬季逆温对大气污染的影响分析

根据2002年1月的温度场和大气污染浓度强化监测资料,分析成都市冬季逆温特征。成都市的冬季逆温主要为上部逆温,出现频率为62.9%;通过分析其上部逆温的时间和空间分布特征,认为成都市冬季逆温对大气污染扩散的不利影响,主要表现为03时上部逆温对≤75m的低矮源污染物扩散的影响,而对高架源污染物的扩散影响不大。     

气温对秦皇岛市儿童呼吸系统疾病的影响

利用秦皇岛市妇幼保健院2013年1月至2016年8月儿科住院病例资料,采用基于时间序列的泊松广义相加模型,控制时间长期趋势、节假日、星期几效应及环境气象混杂因素的影响,分析气温与儿童呼吸系统疾病住院人数的暴露-反应关系,并按季节、性别分层分析.结果表明,气温对住院人数的影响存在滞后和累积效应,且当日至滞后2 d滑动累积...     

成都市大气污染及气象条件影响分析

本文分析了成都市大气污染现状及其趋势．比较在不同气象条件下．大气污染物对城市大气环境的污染影响。利用污染气象参数，提供城市大气污染的预测预警服务．为优化城市局部和整体规划提供科学决策．实现生态环境和社会经济的协调发展。     

烟尘天气的相关分析及大气污染对生存环境的影响

烟尘天气的发生、发展对大气环境的污染有着决定性的作用。本文利用黑龙江省气象台观测站1988-2008年21 a地面气象观测资料,分析哈尔滨市香坊区烟尘天气的变化规律、气象要素特征及其之间的相关性,结果表明,哈尔滨烟尘天气日数1月最多,7月最少,秋冬两季占全年烟尘天气日总数的78.9%;年烟尘天气日数总体呈下降趋势。影响哈尔滨市香坊区烟尘天气发生和发展的气象因素主要有风、大气稳定度以及天气形势等。     

成都市大气污染及气象条件影响分析

本文分析了成都市大气污染现状及其趋势,比较在不同气象条件下,大气污染物对城市大气环境的污染影响.利用污染气象参数,提供城市大气污染的预测预警服务,为优化城市局部和整体规划提供科学决策,实现生态环境和社会经济的协调发展.     

乌鲁木齐市冬季混合层厚度及对大气污染影响的个例分析

利用国标法、罗氏法对乌鲁木齐市2008年1月11—13日的混合层厚度进行了计算,并用实测的混合层厚度验证了两种方法在乌鲁木齐的应用效果,最后分析了混合层厚度对大气污染的影响。结果表明:国标法、罗氏法计算的混合层厚度比实测的偏大,在用国标法与罗氏法求一个地区的混合层厚度时,进行大气稳定度分级及选用地面风速时要适当进行调整;观测期间乌鲁木齐市的平均混合层厚度在154 m左右,最大值在350 m左右;相对于地面风速,地面气温对混合层厚度的影响较为明显;混合层厚度对大气污染具有显著影响。     

儿童呼吸系统疾病与气象要素的关系及其预测

利用成都市金牛区妇幼保健院2012年1~12月和2013年7月~2014年6月的儿童呼吸系统疾病病例,与同期气象资料进行统计和分析。结果表明,成都地区儿童呼吸系统疾病具有明显的季节变化,11月和12月为高峰期,8月最少。儿童呼吸系统疾病发病与年龄呈反比,年龄越小,患病的几率越大;男童比女童更易患呼吸系统疾病。儿童呼吸系统疾病与气象要素有紧密的关系,并且气象要素对呼吸系统疾病发病的影响存在较明显的滞后性,冷空气影响是发病人数明显增多的主要原因之一。利用逐步回归法,分四个季节建立了呼吸系统疾病逐日发病人数的预报方程,并进行了等级划分,经预报检验,预报模式具有较好的预报能力。     

重庆中心城区气象因子对大气污染影响的研究

基于多元线性回归模型,采用主成分分析和通径分析方法,量化研究了2014~2020年重庆市中心城区北碚区空气质量情况以及气象因子对大气污染的影响。结果表明：北碚区空气质量以优良天数为主,且优良天数呈逐年增加趋势,中度和重度污染天数不明显,环境空气质量指数（AQI）、PM_2.5浓度呈逐年下降趋势,8 h臭氧（O₃-8h）浓度呈上升趋势。最高气温和相对湿度对AQI的贡献率最大,均为16%;风速贡献最小,占11%。最低气温和最高气温是影响PM_2.5浓度日变化的主要因子,贡献率分别为31.6%、−12.6%。平均气温和最低气温是影响O₃浓度日变化的主要因子,贡献率分别为63.6%、−36.8%。可见,气温对重庆中心城区大气污染的影响最为显著。