中暑是急性热致疾患中最主要的一个病种，是最典型的气象病之一。每当夏季酷暑来临时，世界上许多地区都会因受到高温影响发生许多中暑病人，甚至大量死亡事件。中暑气象条件指数的预报，使中暑这个夏季南方常见疾病的发生变成了一种可预见的疾病。利用中暑气象预报，对可能出现的威胁公众健康的天气信息提前发出警报，其潜力是令人振奋的。如果能较准确地作出中暑指数预报，可以使政府及医疗部门能够提前进行防治中暑的准备工作(药品、病房和医护人员等准备)。另外，连续高温导致中暑引发了人们对防暑降温电器设备的购买欲，高温刺激了消费需求，拉动了经济增长。 武汉是著名的三大“火炉”之一，每年夏天都会出现几段高温热浪过程，逐日中暑记录完整，武汉又居长江中游，有很好的地理位置代表性，根据这一典型地区的中暑记录，结合气象记录，运用因子判别和线性、非线性模拟等方法，揭示出气象因子对人群中暑的影响规律，对我国广大热区极有代表性，可为开展中暑环境气象条件预警报服务提供理论依据，尽可能减轻高温带给人类尤其是老年人的损害，降低中暑率及死亡率，因此具有相当现实的研究意义。 应用武汉近10年来中暑的资料，开展中暑流行病学和中暑气象模型及预报研究，将中暑人数和气象环境要素如气温、湿度、降水、气压、日照、风速以及云量等气象因子值进行统计分析，寻找关键气象因子，确定对人类健康有负面影响的高危险天气类型，探讨中暑和气象因子综合作用的线性及非线性关系，初步建立中暑统计预报模型，并进行一个夏季的试预报检验完善。 文中的逐日中暑病例资料来源于武汉市劳动职业病防治院，其年限为1994-2006年共13年。对收集到的每一中暑病例，均采用事先设计好的表格，按发病日期、姓名、年龄、性别、发病地点、是否住院、恢复或死亡等项目进行登记。所用6-9月逐日最高气温、最低气温、相对湿度、相对最小湿度、降水量、平均气压、平均风速、日照时数、总云量和低云量等气象资料，均来源于湖北省气象档案馆，其年限为1994-2006年。 首先对中暑的流行病学特征进行了统计分析，包括对时间、年龄、性别、地点的统计分析。通过对12年的中暑人数统计发现，中暑人数年际差异较大并且2003年中暑人数最多；通过对逐月平均中暑人数的统计发现，每年中各月的中暑发病人数差异较大，7月为中暑发病的高峰月；通过对逐旬平均中暑人数的统计发现，每年各旬的中暑发病人数有明显的差异， 7月下旬和8月上旬为中暑发病的高峰期，其次是7月的上旬和中旬；通过对逐时平均中暑人数统计发现，一天内，中暑人数发生最多的时间是11时和15时。从中暑的性别差异统计中可以看出，男性中暑患者多于女性；从年龄差异中可以看出，中暑发病主要集中在年龄16-90岁之间，2个中暑年龄的高峰值出现在50岁左右和75-80岁之间。对中暑的地点统计发现，武汉市中心中暑人数比较多，而郊区的中暑人数则较市区少。根据1994-2005年6-9月的1464个样本，分别对日平均气温等11个气象要素进行2天、3天、4天、5天累积平均值统计，得到55个气象因子，采用气象要素区间统计法，分别进行一维区间(单个气象要素)统计和二维联合区间(两个气象要素)统计。一维统计步骤(以日平均气温T为例)：1、在全部样本中找出对应的T的最小值和最大值。2、在最小值和最大值之间将T分为p个等距区间，产生p+1个节点。3、统计T出现在第n区间内的天数D(n)和全部中暑人数R(n)，令x(n)=R(n)/D(n)(1为因变量，对应的55项气象要素x<,i>(I=1，2，……，55)为自变量，计算它们之间的相关系数；然后对中暑人数和55个气象要素进行一维区间统计，以日平均中暑人数y2为冈变量，对应的55项气象要素x<,i>(i=1，2，……，55)为自变量，计算它们之间的相关系数：最后对55项气象要素进行非线性相关系数的计算：以日平均气温为例，日平均气温和日平均中暑人数之间的曲线关系比较类似于指数函数y=ae，因此进行两边取对数，得到1ny=lna+bx，令lny=y，lna=a，即可得到线性方程y’=a’+bx，求y’和x之间的相关系数，该相关系数即为所求的非线性相关系数。结果表明，各气象因子在考虑了发病前1-4天的累积效应后基本比仅与当日的相关系数大，经过区间统计后的55个气象要素和日平均中暑人数之间的相关系数全部都有明显的提高，这是因为通过区间统计消除了频次的干扰作用，经过非线性相关后的55项气象要素和日平均中暑人数的对数之间的相关系数基本上都有明显的提高，这是因为非线性相关统计比线性更符合各项气象要素的变化趋势。通过相关分析的3步，选择了3日平均气温、3日平均最小相对湿度、3日平均水汽压、3日平均风速、3日平均日照时数、日最低云量这6个因子作为中暑指标尝试模型的建立。 对这6个气象因子再次进行一维区间统计，给出日平均中暑人数和6个因子的分布曲线；接着进行二维区间统计，分别进行3日平均气温与其他5个因子的总天数、总中暑人数、日平均中暑人数的联合区间统计，列出二维表。 最后进行模型的建立和中暑等级的划分。使用SPSS软件分别建立线性和非线性的单因子、多因子方程，给出复相关系数和F值：参考前期文献中气象专家对中暑指数的等级划分，并经过反复的调试，以保证等级分布的合理性(准正态分布，即两头小中间大)，将平均中暑人数y划分为5级，并应用该等级标准对3日平均气温—3日平均最小相对湿度多因子非线性方程进行历史样本(1994-2005年7-8月，共744天)同代检验和独立样本(2006年7月1-16日、8月1-16日，共32天)试报检验，检验结果较好。本次研究针对高温热浪流行病学进行系统分析，通过对日均中暑人数和各个气象要素之间的线性和非线性的相关系数分析，尝试建立3日平均气温、3日平均最小相对湿度、3日平均水汽压、3日平均风速、3日平均日照时数、日最低云量这6个气象要素的单因子和多因子的线性、非线性回归模型以及指数函数这一非线性模型，突出了非线性模型的合理性。基于以上分析基础并检验确定了3日平均气温—3日平均最小相对湿度这一非线性的中暑气象预警模型。