背景: 预测流行病如何演变的细节非常有价值，因为卫生机构需要更好地规划限制感染传播影响并优化其预测和应对能力。模拟是一种成本和时间有效的方式来预测感染的演变，因为许多不同因素的共同影响: 相互作用模式，个人特征，旅行模式，气象条件，以前接种过疫苗等。本文提出的工作扩展了epiggraph，我们的流感流行模拟器，通过引入气象模型作为与epiggraph的其余模块交互的模块化组件，以改进我们以前的模拟结果。我们的目标是根据西班牙流感哨点监测系统 (SISSS) 提供的数据，估计温度和相对湿度变化对流感流行模式的影响和西班牙气象局 (AEMET)。 方法: 我们的气象模型基于AB和JS开发的回归模型，并与SISSS获得的流感监测数据进行调整。在对这些数据进行预处理以清理并重建缺失的样本后，我们在 2011 年期间每 10 分钟获得西班牙每个城市地区的复制数量的新值。我们通过设定每个城市地区的流行开始日期和初始流感发病率来模拟流感的传播。 结果: 我们显示模拟结果与SISSS记录的每周流感发生率具有相同的传播形状。我们根据 2010-2011 的实际气象数据，以及在简化的预测气候变化条件下假设的合成值，对现实场景进行实验。结果表明，相对湿度降低 10%，最终感染率增加约 1.6%。温度变化对感染传播的影响也很明显，每额外降低 1.1%。 结论: 使用像我们这样的工具可以帮助预测发展流行病的形状及其高峰，并允许快速运行场景来确定不同条件下流行病的演变。我们使emograph源代码和流行病数据公开可用。