基于飞机探测的陕西及周边地区结冰云层微物理特征分析

2021年,在陕西及周边地区利用国王350飞机开展了21次自然结冰资源探测试验,通过对CCP机载探测数据的研究,分析了结冰云层的微物理特征,并对运输类飞机适航标准CCAR-25部附录C包线的符合性进行了评估。结果表明:2021年自然结冰资源探测试验期间,在结冰云层内部,90%的液态水含量(liquid water content,LWC)小于0.15 g/m^(3),约一半的结冰遭遇样本LWC低于0.07 g/m^(3);中值体积直径(median volume diameter,MVD)约85%的样本落在10~25µm范围内,LWC大于0.2 g/m^(3)的样本主要出现在MVD为18~22µm之间;环境温度(outside air temperature,OAT)最常出现在-6~-4℃范围内,占结冰总暴露距离的47%。同时,在-10~0℃范围内的结冰遭遇样本中,97.3%的样本附录C包线符合性低于40%,在-20~-10℃范围内的结冰遭遇样本中,91.7%的样本附录C包线符合性低于40%。虽然陕西及周边地区具备一定条件的结冰气象环境,可满足试验机在结冰云层内进行盘旋飞行,以保证获得足够的结冰飞行时间或结冰厚度,但与CCAR-25部附录C规定的连续最大结冰包线还有差距。如果要覆盖全年的结冰气象条件,则CCAR-25部附录C温度与海拔高度的包线还需要考虑夏季、秋季的数据做进一步优化。

航空气象观测数据的精细化管控

飞机在大气中飞行,不同的气象要素和天气现象都会对飞行产生不同程度的影响,飞行安全与气象条件密切相关,作为向飞行活动提供气象信息服务的部门,确保提供要素的准确性是航空飞行安全的重要保障。用于实时航空气象保障的观测数据需要气象观测员逐小时将传感器采集到的气象数据以报文的形式手工录入,由于数据种类的繁多,数据量的冗长,导致某些数据产生差错时不容易被察觉;且现阶段能见度目标物分布图还是依靠传统的手工绘制方法,其目标物定位存在不够精准、误差范围大、不利于日后更新管理等问题。结合当前行业气象观测现状,针对不同气象观测需求,通过自动化、精细化的手段来应对繁多的数据种类及冗长的数据量,告别传统的人工纠错方式,有效达到避免观测数据录入差错的目标,实现测站信息动态管理以及观测数据的智能精细化管控。

民机阵风载荷测量试飞颠簸潜势诊断技术研究

为确保民机阵风载荷测量试飞的质量和效率,规避风险,保障安全,解决“找风难”问题,从飞行员飞机颠簸报告入手,利用欧洲中期天气预报中心提供的ERA5全球大气再分析资料,基于10个预报效果较为理想的颠簸指数,通过加权集成算法给出了高空急流背景下的颠簸潜势综合指数。综合指数中单一指数的权重是通过发生颠簸的预报准确率PODY、未发生颠簸的预报准确率PODN、总体预报准确率PODA及TSS评分及中度以上颠簸所占面积fMOG五项评价指标共同确定的。同时评估了颠簸潜势综合指数性能对单一指数数量的敏感性以及对参与建模样本量的敏感性。结果表明:Dutton指数因预报得分φ达1.043,是这10个单一指数中总体预报效果最好的,Brown指数、L-P指数次之。由Dutton指数、Brown指数、L-P指数、TI1指数及风相关指数加权集成的综合指数,较好地集成了各单一指数的优点,各项指标均较为优秀,PODA达90%,TSS达0.80,fMOG达9.2%,预报得分φ达1.225,总体效果最好。随着单一指数数量的增加,综合指数的诊断效果先增大后减小,当单一指数增加到5个的时候,效果最优。随着参与建模的飞机颠簸样本量增加,综合指数性能逐步提升。该综合指数能较好地解决民机阵风载荷测量试飞潜在颠簸区域寻找的问题。

基于改进DBSCAN聚类算法的雷暴单体三维结构识别技术介绍

雷暴是一种严重威胁飞行安全的天气系统,利用地基多普勒天气雷达反射率因子数据和改进的DBSCAN聚类算法对雷暴单体的三维结构识别及特征量计算进行了研究,并在地基平台上对雷暴单体识别算法的有效性进行了验证分析。识别算法核心是将插值后的反射率因子三维网格数据作为输入量,采用多层反射率因子阈值基于改进的DBSCAN聚类方法识别所有等高面上的雷暴分量,并进行结构元素为3×3的腐蚀膨胀运算及雷暴分量特征核心提取,最后基于雷暴分量重叠面积进行垂直关联。结果表明:相对于SCIT算法,雷暴单体识别算法减少了雷暴分量识别的复杂性,可很好地识别任意形状的雷暴单体;使用多层阈值及特征核心提取技术可识别雷暴簇中的雷暴单体;利用腐蚀膨胀技术可解决雷暴单体虚假合并现象。算法可应用于民航机场雷暴的识别和预警。

荥阳市政协建言农业产业化发展

6月16日，荥阳市政协召开四届二十二次常委会议，建言农业产业化发展。会前，与会人员先后到广武镇丁楼家合生态园、高村乡刘沟河阴石榴基地等视察农业“一带五区”规划发展情况。

ARIMA模型在空气质量指数中的应用分析

低能见度严重影响飞机起飞和着陆安全,空气污染程度是造成低能见度的一大诱因,而空气质量指数(AQI)能有效地反映一个地区空气污染程度和能见度好坏。利用西安市阎良区2014~2018年逐小时空气质量指数(AQI)监测数据,基于ARIMA自回归移动平均时间序列模型,对阎良机场所属地区AQI数据进行拟合和预测,并对AQI数据季节性特征进行了分析。结果表明:西安市阎良区AQI值具有明显的季节性特征,冬季(12月、1月、2月)因气候干燥少雨雪,且到了取暖季节,空气污染加剧,AQI值波动剧烈,其余季节AQI值在100上下波动,趋于平稳;ARIMA(3, 1, 2)时间序列模型能有效拟合阎良区空气质量指数,并对未来AQI指数发展趋势进行预测。针对空气污染影响下的低能见度天气,ARIMA时间序列模型可以实现提前预警,从而避免低能见度对飞行安全的危害。