一、研究背景、目的和意义
据世界卫生组织于2021年3月12日公布的最新新冠肺炎疫情数据，全球累计新冠肺炎确诊病例已超过11826万例，累计死亡超过262万例。地理因素中的气候因子可能通过改变人类生理状况以及病毒感染能力而对新冠肺炎的传播和患者疾病严重程度造成一定影响。然而，不同阶段的防控措施强度和较难评估的社会性行为给此类研究带来了一定的挑战。本课题将收集不同国家的新冠肺炎数据和气候资料, 对特定气候因子与新型冠状病毒传播之间的关系进行统计分析。
二、国内外研究概况
在一项探究中国30个省会城市COVID-19病例数与气象因素相关性的研究中[1]，研究人员收集了2020年1月20日至3月2日各城市的确诊病例数、环境温度、日温差、绝对湿度数据。特别地，人口流动是流行病传播的重要因素，因此该研究还通过人口迁徙指数控制其影响。研究人员对17个病例数超过50例的城市进行了两阶段分析：第一阶段采用非线性回归来估计城市特定效应；第二阶段采用随机效应模型进行 meta 分析，结果表明低温、温和的昼夜温差和低湿度可能有利于COVID-19的传播。
Cacho等[2]评估了几种气候因素对西班牙不同地区SARS-CoV-2传染性和COVID-19严重程度的影响。为此收集传染性最强月份至大流行高峰期（2020年2月和3月）的紫外线辐射、温度和湿度数据以及大流行开始前几个月(2019年10月-2020年1月)的紫外线辐射数据。将这些气候参数作为与COVID-19相关的自变量和流行病学因变量进行统计学分析。建立线性回归模型来评估变量之间的关系。该研究结果表明大流行开始前的紫外线辐射水平不仅与SARS-CoV-2感染率相关，而且与疾病的严重程度显著相关；此外，温度对SARS-CoV-2的传染性也起着至关重要的作用；然而，相对湿度与SARS-CoV-2传播之间的关系并不显著，并未显示此前其他研究所表明的湿度与病毒传播的相关性。据此，研究人员建议将气象信息整合到未来SARS-CoV-2新一轮爆发的预测中。
为评估气候对COVID-19疫情的影响，Daneshvar等[3] 对阿联酋和瑞士进行了比较分析。值得注意的是，在这项研究中研究人员通过国家的选择很好地控制了其他因素的影响。选择阿联酋和瑞士这两个国家的主要原因是两国气候条件不同，在疫情爆发后都采取了严格的防控措施，经济水平和人口规模几乎相当，截至2020年10月25日两国确诊病例总数也很相近。此外，该研究纳入了16个与气候相关的自变量，研究范围比较全面。结果显示臭氧/太阳辐射和温度/长波辐射对疫情的缓解作用。然而，某些气候因素对新冠肺炎疫情的影响在不同国家、不同气候带表现出不同的作用：在干旱地区，上行长波辐射通量(ULR)和温度的升高可能会加剧COVID-19，而在温带地区，这些因素的增加却可以缓解COVID-19。
Bilal等[4]对美国受疫情影响最严重的10个州的环境质量、气候指标进行了考察，结果表明温度、湿度、PM2.5、环境质量指数(EQI)和降雨量是新冠病毒传播的重要因素。
在一篇有关模型应用的综述中[5]，作者对当前已运用于新冠肺炎对气候因素响应研究中的部分模型进行了比较。这些模型包括：线性回归模型、广义线性模型、混合模型、广义加性模型以及分布滞后非线性模型。它们的原理、特点、分析方法和适用条件不尽相同，上述的各项研究即根据各自研究特点选用不同的模型来完成数据的分析。
三、理论方法、研究内容和研究依据
本课题为探究新型冠状病毒传播中的地理因素影响，主要集中于气候因子。课题较为复杂的部分是确定研究的国家或城市，以及应用何种模型。目前国内的新冠肺炎疫情已经基本得到控制，因此本课题的研究对象为国外。在对当前的疫情情况和国家的基本信息比较分析后，拟选取欧洲、南美洲和亚洲共六个国家：瑞典/西班牙，秘鲁/哥伦比亚以及菲律宾/马来西亚。选取这些国家的原因有两点：1.在以国家为单位进行气候因素研究的时候，国家的地理面积不能过大；2、同一洲中两个国家的疫情控管指数、人均发展指数和疫苗接种率都相近。研究的时间范围定为2020年最后一季度和2021年第一季度共6个月，收集这一时间段内各个国家的每日新增感染人数和死亡人数。拟研究的气候因素包括日均温度、降雨量、相对湿度和紫外辐射指数,同时纳入SO2、CO等环境质量数据。首先进行基本的描述性统计，运用Spearman等级相关系数进行相关性分析；计划采用广义加性模型(GAM)对数据进行拟合，并考滤滞后和潜伏效应；最后采用随机效应模型进行 meta 分析，合并各个国家气候因素对新型冠状病毒传播的平均效应。
