中国公共卫生

气象因素	$\bar x \pm s$	Min	P₂₅	M	P₇₅	Max
日最低气温/℃	15.54±7.98	–6.19	8.71	16.46	22.97	28.02
日最高气温/℃	23.60±8.75	1.35	16.60	24.71	31.07	38.36
日平均气温/℃	18.86±8.16	–1.50	11.74	19.77	26.09	31.99
日照时数/h	4.24±3.58	0.00	0.82	3.39	7.55	12.39
日最大风速/（m/s）	4.23±0.96	2.26	3.50	4.13	4.81	10.11
日降水量/mm	5.02±7.88	0.00	0.04	1.39	6.66	63.29
日平均相对湿度/%	78.63±10.55	41.38	71.27	79.79	87.26	97.03

气象因素	$\bar x \pm s$	Min	P₂₅	M	P₇₅	Max
日最低气温/℃	15.54±7.98	–6.19	8.71	16.46	22.97	28.02
日最高气温/℃	23.60±8.75	1.35	16.60	24.71	31.07	38.36
日平均气温/℃	18.86±8.16	–1.50	11.74	19.77	26.09	31.99
日照时数/h	4.24±3.58	0.00	0.82	3.39	7.55	12.39
日最大风速/（m/s）	4.23±0.96	2.26	3.50	4.13	4.81	10.11
日降水量/mm	5.02±7.88	0.00	0.04	1.39	6.66	63.29
日平均相对湿度/%	78.63±10.55	41.38	71.27	79.79	87.26	97.03

气象因素	0～4岁			10～14岁	≥15岁
日最低气温/℃	–0.180	<0.001	–0.280	<0.001	–0.250	<0.001	–0.300	<0.001
日最高气温/℃	–0.170	<0.001	–0.270	<0.001	–0.230	<0.001	–0.28	<0.001
日平均气温/℃	–0.180	<0.001	–0.280	<0.001	–0.240	<0.001	–0.300	<0.001
日照时数/h	–0.027	0.170	–0.100	<0.001	–0.071	<0.001	–0.062	0.002
日最大风速/（m/s）	–0.100	<0.001	–0.140	<0.001	–0.120	<0.001	–0.086	<0.001
日降水量/mm	–0.083	<0.001	–0.061	0.002	–0.099	<0.001	–0.120	<0.001
日平均相对湿度/%	–0.028	0.160	–0.001 9	0.92	–0.025	0.200	–0.051	0.009

气象因素	0～4岁			10～14岁	≥15岁
日最低气温/℃	–0.180	<0.001	–0.280	<0.001	–0.250	<0.001	–0.300	<0.001
日最高气温/℃	–0.170	<0.001	–0.270	<0.001	–0.230	<0.001	–0.28	<0.001
日平均气温/℃	–0.180	<0.001	–0.280	<0.001	–0.240	<0.001	–0.300	<0.001
日照时数/h	–0.027	0.170	–0.100	<0.001	–0.071	<0.001	–0.062	0.002
日最大风速/（m/s）	–0.100	<0.001	–0.140	<0.001	–0.120	<0.001	–0.086	<0.001
日降水量/mm	–0.083	<0.001	–0.061	0.002	–0.099	<0.001	–0.120	<0.001
日平均相对湿度/%	–0.028	0.160	–0.001 9	0.92	–0.025	0.200	–0.051	0.009

2015—2021年江西省水痘日发病数与气象因素相关分析

PDF下载

叶兴 ¹^,²^,³ , 章承锋 ¹^,² , 程慧健 ¹^,² , 丁晟 ¹^,² , 傅伟杰 ¹^,²^,³^,^*^,^*

中国公共卫生 | 调查报告与分析 2025,41(6): 740-743

收起

中国公共卫生 |调查报告与分析 2025 , 41 (6) : 740 -743

2015—2021年江西省水痘日发病数与气象因素相关分析

全屏

叶兴¹^,²^,³, 章承锋¹^,², 程慧健¹^,², 丁晟¹^,², 傅伟杰¹^,²^,³^,^*^,^*

作者信息

¹江西省疾病预防控制中心应急传防所，南昌 330029

²江西省医学领先学科“流行病学”，南昌 330029

³江西省疾病预防控制中心青年科研创新攻关团队，南昌 330029

通讯作者:

傅伟杰，E-mail：fwj2004zsdx@sina.com

作者简介:

叶兴（1992—），主管医师，硕士，研究方向：传染病防控

The correlation between the daily incidence of varicella and meteorological factors in Jiangxi province from 2015 to 2021: a surveillance data analysis

Xing YE¹^,²^,³, Chengfeng ZHANG¹^,², Huijian CHENG¹^,², Sheng DING¹^,², Weijie FU¹^,²^,³

Affiliations

¹Emergency Transmission and Prevention Center, Jiangxi Provincial Center for Disease Control and Prevention, Nanchang 330029, China

²Jiangxi Provincial Leading Medical Discipline "Epidemiology", Nanchang 330029, China

³Youth Research and Innovation Team , Jiangxi Provincial Center for Disease Control and Prevention, Nanchang 330029, China

Corresponding Author:

FU Weijie, E-mail: fwj2004zsdx@sina.com

出版时间: 2025-06-10 doi: 10.11847/zgggws1146333

文章导航

摘要

收起

目的

了解江西省2015—2021年水痘日发病数与气象因素的相关性，为水痘发病水平气象预测预警提供参考依据。

方法

收集中国疾病预防控制信息系统和江西省气象局2015年1月1日—2021年12月31日江西省各传染病直报单位报告的水痘日发病数和日最低气温、日最高气温、日平均气温、日照时数、日最大风速、日降水量和日平均相对湿度等同期气象数据，采用pearson相关分析法和广义线性回归模型分析江西省水痘日发病数与不同气象因素之间的关系。

结果

江西省2015—2021年共报告水痘病例133 370例，日均发病数为（51±36）例；其中，0～4岁组31 604例（23.70%），5～9岁组26 910例（20.18%），10～14岁组45 938例（34.44%），≥15岁组28 918例（21.68%）。pearson相关分析结果显示，水痘日发病数与日最低气温（r= –0.280，P<0.001）、日最高气温（r= –0.270，P<0.001）、日平均气温（r= –0.280，P<0.001）、日照时数（r= –0.079，P<0.001）、日最大风速（r= –0.130，P<0.001）和日降水量（r= –0.093，P<0.001）均呈负相关。广义线性回归分析结果显示，0～4岁组和5～9岁组人群水痘日发病数均与日平均气温（β= –0.032和–0.027，均P<0.001）、日最大风速（β= –0.004和–0.062，均P<0.05）呈负相关；10～14岁组和≥15岁组人群水痘日发病数均与日平均气温（β= –0.022和–0.024，均P<0.001）、日降水量（β= –0.007和–0.007，均P<0.05）呈负相关。

结论

江西省2015—2021年水痘日发病数与日最低气温、日最高气温、日平均气温、日照时数、日最大风速和日降水量等多种气象因素之间存在显著负相关关系，且不同年龄组人群水痘日发病数与气象因素之间的关联性存在差异。

关键词

水痘 / 日发病数 / 气象因素 / 相关分析 / 江西省

Abstract

收起

Objective

To understand the correlation between the incidence of varicella and meteorological factors in Jiangxi province from 2015 to 2021, and to provide a reference for meteorological prediction and early warning of varicella incidence.

Methods

Daily varicella incidence data reported by direct reporting units for infectious diseases in Jiangxi province from January 1, 2015, to December 31, 2021, were collected from the Chinese Center for Disease Control and Prevention Information System. Meteorological data for the same period, including daily minimum temperature, daily maximum temperature, daily average temperature, sunshine duration, daily maximum wind speed, daily precipitation, and daily average relative humidity, were collected from the Jiangxi Meteorological Bureau. Pearson correlation analysis and generalized linear regression models were used to analyze the relationship between varicella incidence and different meteorological factors in Jiangxi province.

Results

A total of 133 370 varicella cases were reported in Jiangxi province from 2015 to 2021, with a daily incidence of (51 ± 36) cases. Among these cases, 31 604 (23.70%) were in the 0 - 4 age group, 26 910 (20.18%) were in the 5 - 9 age group, 45 938 (34.44%) were in the 10 - 14 age group, and 28 918 (21.68%) were in the ≥ 15 age group. Pearson correlation analysis showed that the daily incidence of varicella was negatively correlated with daily minimum temperature (r = -0.280, P < 0.001), daily maximum temperature (r = -0.270, P < 0.001), daily average temperature (r = -0.280, P < 0.001), sunshine duration (r = -0.079, P < 0.001), daily maximum wind speed (r = -0.130, P < 0.001), and daily precipitation (r = -0.093, P < 0.001). Generalized linear regression analysis showed that the daily incidence of varicella in the 0 - 4 and 5 - 9 age groups was negatively correlated with daily average temperature (β = -0.032 and -0.027, both P < 0.001) and daily maximum wind speed (β = -0.004 and -0.062, both P < 0.05). The daily incidence of varicella in the 10 - 14 and ≥ 15 age groups was negatively correlated with daily average temperature (β = -0.022 and -0.024, both P < 0.001) and daily precipitation (β = -0.007 and -0.007, both P < 0.05).

Conclusions

There was a significant negative correlation between the incidence of varicella and various meteorological factors, including daily minimum temperature, daily maximum temperature, daily average temperature, sunshine duration, daily maximum wind speed, and daily precipitation, in Jiangxi province from 2015 to 2021. The correlation between the daily incidence of varicella and meteorological factors varied across different age groups.

Key words

varicella / daily incidence / meteorological factors / correlation analysis / Jiangxi province

引用本文

叶兴, 章承锋, 程慧健, 丁晟, 傅伟杰. 2015—2021年江西省水痘日发病数与气象因素相关分析. 中国公共卫生, 2025 , 41 (6) : 740 -743 . DOI: 10.11847/zgggws1146333

Xing YE, Chengfeng ZHANG, Huijian CHENG, Sheng DING, Weijie FU. The correlation between the daily incidence of varicella and meteorological factors in Jiangxi province from 2015 to 2021: a surveillance data analysis[J]. Chinese Journal of Public Health, 2025 , 41 (6) : 740 -743 . DOI: 10.11847/zgggws1146333

正文

收起

水痘是由水痘–带状疱疹病毒（Varicella-zoster Virus，VZV）感染引起的急性传染病，可通过呼吸道飞沫和直接接触在人际间传播，学生和学龄前儿童是水痘的高发人群，极易在学校出现聚集性疫情^[1–2]，因此探索其流行的影响因素是有效预防和控制水痘的关键。既往研究表明，人口流动、空气污染物浓度变化和疫苗接种情况均会影响水痘的发病率，其中气象因素的影响尤为显著^[3]。虽然多项研究表明水痘发病率与气象因素存在明显关联^[4–6]，但针对不同年龄亚组发病水平与气象因素的关联性研究却较少。为了解江西省2015—2021年水痘日发病数与气象因素的相关性，为水痘发病水平气象预测预警提供参考依据，本研究收集中国疾病预防控制信息系统中2015年1月1日—2021年12月31日江西省各传染病直报单位报告的水痘日发病数和江西省气象局提供的日最低气温、日最高气温、日平均气温、日照时数、日最大风速、日降水量、日平均相对湿度等同期气象数据，采用pearson相关分析法和广义线性回归模型分析江西省水痘日发病数与不同气象因素之间的关系。结果报告如下。

1　资料与方法

收起

1.1　资料来源

收集中国疾病预防控制信息系统中2015年1月1日—2021年12月31日江西省各传染病直报单位报告的水痘日发病数相关数据，并将病例按0～4、5～9、10～14和≥15岁分为4个年龄组；同期气象资料来源于江西省气象局，收集指标包括日最低气温、日最高气温、日平均气温、日照时数、日最大风速、日降水量和日平均相对湿度。

1.2　统计分析

采用Excel 2007软件建立数据库，应用R 4.3.0统计软件进行一般描述性分析、pearson相关分析和广义线性模型quasipoisson回归分析。在广义线性模型quasipoisson回归分析过程采用方差膨胀因子（variance inflation factor，VIF）作为共线性问题的诊断依据进行共线性诊断与排除^[7]，当方差膨胀因子VIF值<5时，说明不存在严重的多重共线性问题。检验水准为双侧检验α=0.05。

2　结　果

收起

2.1　江西省2015—2021年水痘日发病数和气象因素基本特征（表1）

江西省2015—2021年共报告水痘日发病数133 370例，日均发病数为（51±36）例；其中，0～4岁组31 604例（23.70%），5～9岁组26 910例（20.18%），10～14岁组45 938例（34.44%），≥15岁组28 918例（21.68%）。

2.2　江西省2015—2021年水痘日发病数与气象因素相关分析（表2）

pearson相关分析结果显示，水痘日发病数与日最低气温（r= –0.280，P<0.001）、日最高气温（r= –0.270，P<0.001）、日平均气温（r= –0.280，P<0.001）、日照时数（r= –0.079，P<0.001）、日最大风速（r= –0.130，P<0.001）和日降水量（r= –0.093，P<0.001）均呈负相关。不同年龄组人群水痘日发病数与气象因素相关分析结果显示，0～4岁组人群水痘日发病数与日最低气温、日最高气温、日平均气温、日最大风速和日降水量均呈负相关（均P<0.001）；5～9岁组人群水痘日发病数与日最低气温、日最高气温、日平均气温、日照时数、日最大风速和日降水量均呈负相关（均P<0.01）；10～14岁组人群水痘日发病数与日最低气温、日最高气温、日平均气温、日照时数、日最大风速和日降水量均呈负相关（均P<0.001）；≥15岁组人群水痘日发病数与日最低气温、日最高气温、日平均气温、日照时数、日最大风速、日降水量和日平均相对湿度均呈负相关（均P<0.001）。

2.3　江西省不同年龄组人群水痘日发病数与气象因素关系

经方差膨胀因子进行共线性诊断与排除，日平均气温、日最大风速、日降水量和日平均相对湿度的VIF值均<1，纳入广义线性回归模型进行分析。结果显示，0～4岁组和5～9岁组人群水痘日发病数均与日平均气温（β= –0.032和–0.027，均P<0.001）、日最大风速（β= –0.004和–0.062，均P<0.05）呈负相关；10～14岁组和≥15岁组人群水痘日发病数均与日平均气温（β= –0.022和–0.024，均P<0.001）、日降水量（β= –0.007和–0.007，均P<0.05）呈负相关。

3　讨　论

收起

本研究结果显示，2015—2021年江西省水痘日发病数占比最高的为10～14岁组人群（34.44%），其次为0～4岁组和≥15岁组人群（23.70%和21.68%），5～9岁组人群占比最低（20.18%）。有研究表明，水痘疫苗的保护效果随时间的推移而下降，且随着年龄增加，水痘突破病例风险增加^[8]。中国从2021年开始推荐儿童接种2剂次水痘疫苗，并在有条件的地区将2剂次水痘疫苗接种程序纳入免疫规划^[9]，因此年龄较大人群水痘日发病数占比最高可能与其抗体水平下降有关。

既往研究表明，我国水痘呈双峰分布流行，每年4—6月及11月至次年1月为水痘发病高峰期^[10–14]。本研究结果发现，水痘日发病数与日平均气温存在负相关关系（r= –0.280，P<0.001），两者的负相关性合理解释了水痘冬春季的流行高峰期。而4—6月多处于梅雨季节，增加了<15岁人群室内聚集时间，从而增加了水痘发病风险，并在一定程度上解释了4—6月水痘发病高峰的原因，但尚不能单纯从气象因素解释与该阶段发病高峰的内在联系，仍需进一步探究。此外，本研究结果显示，江西省水痘日发病数与日最低气温（r= –0.280，P<0.001）、日最高气温（r= –0.270，P<0.001）、日照时数（r= –0.079，P<0.001）、日最大风速（r= –0.130，P<0.001）和日降水量（r= –0.093，P<0.001）均呈负相关。在所有年龄组人群中，水痘日发病数与日平均气温均呈负相关，这种负相关性与一些地区的研究结果相似，但具体表现形式和影响因素存在差异。例如，山东省济南市的研究表明，温度的上升可能降低水痘的发生率^[15]，但广东省广州市的水痘发病率与平均温度的关系呈反向U形曲线^[16]；江苏省张家港市的研究发现，水痘发病与同一种气象因素在不同季节可呈现正相关或负相关2种不同的影响^[17]。广东省的一项研究选取了21个城市采用分布滞后非线性模型分析了气象因素对水痘发病的影响，发现温度与水痘发病呈倒S形关系^[18]。在大多数年龄组中，水痘日发病数与日照时数均呈负相关，但在0～4岁组人群中却未发现此关联，这可能与该年龄段儿童的户外活动习惯或室内活动时间较长有关。此外，在不同年龄组人群中，水痘日发病数亦与日降水量和日最大风速呈负相关，这可能与降水和大风天气影响了病毒的传播路径和速度有关。广义线性回归模型分析结果显示，不同年龄组人群水痘日发病数与气象因素的关联性略有不同。0～4岁组和5～9岁组人群的水痘日发病数除了与日平均气温呈负相关外，还与日最大风速均呈负相关，提示在高发季节学校教室开窗通风能有效降低学生水痘发病风险；而10～14岁组和≥15岁组人群的水痘日发病数除了与日平均气温呈负相关外，还与日降水量均呈负相关，提示针对此类人群在水痘高发季减少室外聚集活动能有效降低其发病风险。

综上所述，江西省2015—2021年水痘日发病数与日最低气温、日最高气温、日平均气温、日照时数、日最大风速和日降水量等多种气象因素之间存在显著负相关关系，且不同年龄组人群水痘日发病数与气象因素之间的关联性存在差异。虽然本研究揭示了江西省水痘发病与气象因素之间的相关性，但仍存在一定的局限性：首先，疾病的发生和传播受多种因素的综合影响，包括环境、地理和社会行为等^[3]，本研究仅分析了部分气象因素指标对水痘日发病数的影响，未能全面评估所有可能影响水痘发病的因素；其次，接种水痘疫苗可以预防水痘发病，因此疫苗的接种情况也会对水痘的发病水平造成极大的影响^[19–20]，而本研究无法完全排除这些因素的影响；最后，随着气候变化和人群行为模式的改变，水痘的流行特征和影响因素也可能发生变化。因此，持续监测水痘疫情和气象因素的变化趋势，建立多因素监测预警方法并结合监测预警评估结果及时调整防控策略，对降低高发人群和高发场所的发病风险以及总体疫情防控具有重要意义^[21]。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

代炳芹, 郝凤, 张艺馨, 等. 2013—2022年山东省6~14岁学生水痘流行特征及时空聚集性[J]. 疾病监测, 2024, DOI: 10.3784/jbjc.202403100176.

张荣兵, 洪劲, 陈莉华, 等. 2018—2020年云南省学校水痘流行病学特征分析[J]. 公共卫生与预防医学, 2023, 34(4): 55-58.

李轩, 卫宪钰, 张文义, 等. 水痘流行病学特征及影响因素研究进展[J]. 疾病监测, 2023, 38(7): 878-883.

罗玲, 黎明. 湖北省水痘发病情况与气象因素的关系研究[J]. 中国全科医学, 2018, 21(9): 1114-1117.

邱晓玲, 魏荣杰, 张霞, 等. 2013—2023年四川省水痘流行特征及短期趋势分析[J]. 预防医学情报杂志, 2024, DOI: 10.19971/j.cnki.1006-4028.240184.

栾桂杰, 张伟燕, 刘少楠, 等. 环境因素对水痘发病影响的研究进展[J]. 中华疾病控制杂志, 2024, 28(1): 101-107.

Hair Jr J F, Hult G T M, Ringle C M, et al. A primer on partial least squares structural equation modeling[M]. 2nd ed. Los Angeles: Sage, 2017.

梁剑, 朱琦, 胡培, 等. 99名儿童接种水痘减毒活疫苗免疫持久性的横断面研究[J]. 现代预防医学, 2017, 44(4): 642-645.

国家呼吸医学中心. 儿童常见呼吸道病原免疫预防专家共识[J]. 中华实用儿科临床杂志, 2021, 36(22): 1681-1709.

贾成梅, 王勇, 许燕, 等. 2014—2018江苏省水痘突发公共卫生事件流行病学特征[J]. 中国公共卫生, 2020, 36(4): 601-604.

Hervás D, Hervás-Masip J, Nicolau A, et al. Solar radiation and water vapor pressure to forecast chickenpox epidemics[J]. European Journal of Clinical Microbiology and Infectious Diseases, 2015, 34(3): 439-446.

王淼, 曾祥, 张一平, 等. 中国2007—2021年水痘突发公共卫生事件流行病学特征[J]. 中国疫苗和免疫, 2023, 29(3): 274-279.

董蒲梅, 王淼, 刘燕敏. 2016—2019年中国水痘流行病学特征[J]. 中国疫苗和免疫, 2020, 26(4): 403-406.

Gershon A A, Gershon M D, Shapiro E D. Live Attenuated varicella vaccine: prevention of varicella and of zoster[J]. The Journal of Infectious Diseases, 2021, 224(S4): S387-S397.

Yang Y Q, Geng X Y, Liu X X, et al. Association between the incidence of varicella and meteorological conditions in Jinan, Eastern China, 2012-2014[J]. BMC Infectious Diseases, 2016, 16(1): 179.

Lu J Y, Zhang Z B, He Q, et al. Association between climatic factors and varicella incidence in Guangzhou, Southern China, 2006-2018[J]. Science of the Total Environment, 2020, 728: 138777.

邱海岩, 沈艳, 邵海枫, 等. 张家港市水痘发病与季节气象因素相关性分析[J]. 医学动物防制, 2021, 37(5): 442-445.

Li Y H, Li J L, Zhu Z H, et al. Exposure-response relationship between temperature, relative humidity, and varicella: a multicity study in South China[J]. Environmental Science and Pollution Research, 2023, 30(3): 7594-7604.

蒋静凤, 王旭雯. 水痘疫苗保护效果的病例对照研究[J]. 现代预防医学, 2020, 47(9): 1684-1687.

关百初, 陆一涵. 2004—2021年国内外水痘疫苗不同免疫策略经济学研究质量评价[J]. 中国公共卫生, 2023, 39(2): 253-260.

Zhang T T, Qin W, Nie T Y, et al. Effects of meteorological factors on the incidence of varicella in Lu'an, Eastern China, 2015-2020[J]. Environmental Science and Pollution Research, 2023, 30(4): 10052-10062.

2025年第41卷第6期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.11847/zgggws1146333

接收时间：2024-11-04
首发时间：2026-10-25
出版时间：2025-06-10

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-11-04
修回日期：2024-12-28
录用日期：2025-04-12

基金

作者信息

¹江西省疾病预防控制中心应急传防所，南昌 330029

²江西省医学领先学科“流行病学”，南昌 330029

³江西省疾病预防控制中心青年科研创新攻关团队，南昌 330029

通讯作者:

傅伟杰，E-mail：fwj2004zsdx@sina.com

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/zgggws/CN/10.11847/zgggws1146333

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

气象因素	0～4岁		5～9岁		10～14岁		≥15岁
气象因素	r值	P值	r值	P值	r值	P值	r值	P值
日最低气温/℃	–0.180	<0.001	–0.280	<0.001	–0.250	<0.001	–0.300	<0.001
日最高气温/℃	–0.170	<0.001	–0.270	<0.001	–0.230	<0.001	–0.28	<0.001
日平均气温/℃	–0.180	<0.001	–0.280	<0.001	–0.240	<0.001	–0.300	<0.001
日照时数/h	–0.027	0.170	–0.100	<0.001	–0.071	<0.001	–0.062	0.002
日最大风速/（m/s）	–0.100	<0.001	–0.140	<0.001	–0.120	<0.001	–0.086	<0.001
日降水量/mm	–0.083	<0.001	–0.061	0.002	–0.099	<0.001	–0.120	<0.001
日平均相对湿度/%	–0.028	0.160	–0.001 9	0.92	–0.025	0.200	–0.051	0.009