论文部分内容阅读
摘 要：目前，对飞机颠簸的研究集中在产生机制与预测预报等方面。飞机颠簸动力学机制的研究以大气湍流理论为基础，通过理论分析或数值模拟等方法，得到许多研究成果，涉及风场、温度场和重力波等气象条件以及地形因素对飞机颠簸形成的作用。利用地形及气象观测数据，研究低空颠簸与环境因子的相关性。结果表明，飞机低空颠簸与地形起伏度、气温日较差以及风速有显著相关性。
关键词：低空颠簸;地理环境因子;相关性
飞机颠簸主要发生在起飞和降落阶段（低空颠簸），低空颠簸与高空颠簸产生的机制不完全相同，高空颠簸主要由风切变引起湍流而致，低空颠簸还受地面加热作用和地形等因素的综合影响。低空颠簸的多发性与复杂性使基于实际数据的定量分析显得尤为重要。对于飞行品质管理而言，更需要的是对颠簸事件区域分布特征和环境影响的定量描述，并且，在进行区域环境影响描述时，选择的影响因子最好是易观测、易获取的。
一、慨述
飞行品质监控通过收集和分析日常的飞行数据，提高飞行机组的操纵品质，减少运行和维护成本，为安全风险管理提供数据和信息支持，是目前国际上公认的保障飞行安全的重要手段。飞行数据由数百种飞行参数构成，这些参数包括飞行姿态位置、周围环境参数以及航空电子设备参数等。当飞行参数监测内容的记录值达到或超过预先设定的标准时，便探测到一个超限事件。航空公司和民航管理部门监控着上百种超限事件，其中包括过载事件。飞机在空中飞行时，作用在飞机上除重力之外的合力与飞机重力之比，称为过载。过载一般指垂直方向上的过载，又称载荷因子。载荷因子超过一定的标准时，即被判定为出现过载事件，可以用飞机过载代表飞机颠簸。通过对飞机过载超限事件的统计，可以获得飞机低空颠簸的发生频率。该航空公司超限事件数据包含约160 万条超限事件记录和超过80 万条的航段记录，每条超限事件记录包含事件编码、事件发生时间、发生时所处的飞行阶段以及航段标识等字段。为获取地理环境因子数据，需要数字高程模型DEM数据和气象数据。由地质勘探局网站提供的ASTER GDEM数据，空间分辨率约为30 m，高程误差在10-25 m范围内。
二、环境因子的选取和计算方法
引起飞机低空颠簸的大气湍流包括动力湍流和热力湍流等，动力湍流多出现在对流层的底部，是空气流经粗糙不平的地表面或障碍物时出现的湍流，与地形有关，湍流强度和规模受风速影响。热力湍流由空气非均匀加热下的对流形成，亦多出现在对流层底部。气温日较差可以表征温度场的非均匀程度，风速和地形起伏度可以表征动力湍流的强度。在计算环境因子前，需要设定其空间统计范围，主要分析起飞和降落阶段的颠簸事件，因将以机场为中心的覆盖起飞或降落阶段飞行距离的区域作为环境因子的空间统计范围。该覆盖距离并没有一个严格的标准，且不同机场、不同飞行架次也存在差异。通过800余条航段的机载快速存取记录器QAR数据对该覆盖距离进行统计分析，发现75%以上的航段起飞和降落阶段的飞行距离小于150 km。因此，将150km 距离作为计算机场环境因子的空间范围，并将此空间范围称为机场区域。
各统计单元（即各机场区域）内的气温日较差和风速可由地面气象观测资料计算获得。气象资料包含各观测站点的日气温最大值、最小值以及風速等观测信息，气温日较差为日气温最大值与最小值之差。计算出统计时间范围内各站点的平均气温日较差和平均风速，然后使用以海拔为协变量的协同克里格插值获得全国范围的气温日较差和风速分布，进而统计出各机场区域内的平均气温日较差及平均风速。以平均气温日较差为例，插值得到的气温日较差为：
地理加权回归分析空间数据间往往存在自相关性，以空间数据作为自变量时，无法满足传统的回归模型残差项独立的假设，其参数估计将不适用。地理加权回归GWR模型[2]将数据空间位置引入回归系数中，使变量间的关系可以随空间位置的改变而变化，能够反映参数的空间非平稳性，其结果更符合实际。因此，本文引入GWR 模型进行分析，模型结构如下：
三、基于因子的相关性分析
从航空公司A320 机型的航段记录中选取68个机场，每个机场的航段记录数均大于512-38891，航段记录总计366911条，所有机场的颠簸频率范围为2.22%-17.79%。在此基础上，分别对风速、地形起伏度、气温日较差与颠簸频率的相关性进行初步分析。
对不同机场进行空间比较，以便分析不同区域环境因子与颠簸频率的相关性。为此选择地形起伏度、年平均气温日较差和年平均风速3 项指标，分别进行分级，并将每个机场对应到相应的指标等级中。在此基础上，对应每项指标的每个等级，分别计算落入其中的机场颠簸频率平均值，可以看出，颠簸频率与年平均风速、年平均气温日较差以及地形起伏度均呈现良好的正相关关系。风速和气温日较差是随时间变化的，因此可以从时间维度上进一步分析风速和气温日较差两个环境因子的影响。以风速为例，对风速和颠簸频率的季节变化进行趋势分析，机场风速和颠簸频率的季节变化趋势，为方便对比，对数据做了归一化处理。可以看出，二者呈现良好的一致性，还利用日平均风速观测数据，结合每日的航段记录，分析颠簸频率与日平均风速以及气温日较差的相关性，机场颠簸频率与日平均风速的关系，可以看出，日平均风速与低空颠簸之间表现出显著的相关性。
参考文献
[1]朱志愚.高空急流区飞机颠簸的一种形成机制的探讨.成都气象学院学报，2017，12（4）.
[2]王淑翠.飞机颠簸产生的可能机制及其在天气预测上的应用[D].青岛：中国海洋大学，2016.
[3]辜运燕.我国西部干线飞机颠簸分布规律分析[D].广汉：中国民用航空飞行学院，2017.
关键词：低空颠簸;地理环境因子;相关性
飞机颠簸主要发生在起飞和降落阶段（低空颠簸），低空颠簸与高空颠簸产生的机制不完全相同，高空颠簸主要由风切变引起湍流而致，低空颠簸还受地面加热作用和地形等因素的综合影响。低空颠簸的多发性与复杂性使基于实际数据的定量分析显得尤为重要。对于飞行品质管理而言，更需要的是对颠簸事件区域分布特征和环境影响的定量描述，并且，在进行区域环境影响描述时，选择的影响因子最好是易观测、易获取的。
一、慨述
飞行品质监控通过收集和分析日常的飞行数据，提高飞行机组的操纵品质，减少运行和维护成本，为安全风险管理提供数据和信息支持，是目前国际上公认的保障飞行安全的重要手段。飞行数据由数百种飞行参数构成，这些参数包括飞行姿态位置、周围环境参数以及航空电子设备参数等。当飞行参数监测内容的记录值达到或超过预先设定的标准时，便探测到一个超限事件。航空公司和民航管理部门监控着上百种超限事件，其中包括过载事件。飞机在空中飞行时，作用在飞机上除重力之外的合力与飞机重力之比，称为过载。过载一般指垂直方向上的过载，又称载荷因子。载荷因子超过一定的标准时，即被判定为出现过载事件，可以用飞机过载代表飞机颠簸。通过对飞机过载超限事件的统计，可以获得飞机低空颠簸的发生频率。该航空公司超限事件数据包含约160 万条超限事件记录和超过80 万条的航段记录，每条超限事件记录包含事件编码、事件发生时间、发生时所处的飞行阶段以及航段标识等字段。为获取地理环境因子数据，需要数字高程模型DEM数据和气象数据。由地质勘探局网站提供的ASTER GDEM数据，空间分辨率约为30 m，高程误差在10-25 m范围内。
二、环境因子的选取和计算方法
引起飞机低空颠簸的大气湍流包括动力湍流和热力湍流等，动力湍流多出现在对流层的底部，是空气流经粗糙不平的地表面或障碍物时出现的湍流，与地形有关，湍流强度和规模受风速影响。热力湍流由空气非均匀加热下的对流形成，亦多出现在对流层底部。气温日较差可以表征温度场的非均匀程度，风速和地形起伏度可以表征动力湍流的强度。在计算环境因子前，需要设定其空间统计范围，主要分析起飞和降落阶段的颠簸事件，因将以机场为中心的覆盖起飞或降落阶段飞行距离的区域作为环境因子的空间统计范围。该覆盖距离并没有一个严格的标准，且不同机场、不同飞行架次也存在差异。通过800余条航段的机载快速存取记录器QAR数据对该覆盖距离进行统计分析，发现75%以上的航段起飞和降落阶段的飞行距离小于150 km。因此，将150km 距离作为计算机场环境因子的空间范围，并将此空间范围称为机场区域。
各统计单元（即各机场区域）内的气温日较差和风速可由地面气象观测资料计算获得。气象资料包含各观测站点的日气温最大值、最小值以及風速等观测信息，气温日较差为日气温最大值与最小值之差。计算出统计时间范围内各站点的平均气温日较差和平均风速，然后使用以海拔为协变量的协同克里格插值获得全国范围的气温日较差和风速分布，进而统计出各机场区域内的平均气温日较差及平均风速。以平均气温日较差为例，插值得到的气温日较差为：
地理加权回归分析空间数据间往往存在自相关性，以空间数据作为自变量时，无法满足传统的回归模型残差项独立的假设，其参数估计将不适用。地理加权回归GWR模型[2]将数据空间位置引入回归系数中，使变量间的关系可以随空间位置的改变而变化，能够反映参数的空间非平稳性，其结果更符合实际。因此，本文引入GWR 模型进行分析，模型结构如下：
三、基于因子的相关性分析
从航空公司A320 机型的航段记录中选取68个机场，每个机场的航段记录数均大于512-38891，航段记录总计366911条，所有机场的颠簸频率范围为2.22%-17.79%。在此基础上，分别对风速、地形起伏度、气温日较差与颠簸频率的相关性进行初步分析。
对不同机场进行空间比较，以便分析不同区域环境因子与颠簸频率的相关性。为此选择地形起伏度、年平均气温日较差和年平均风速3 项指标，分别进行分级，并将每个机场对应到相应的指标等级中。在此基础上，对应每项指标的每个等级，分别计算落入其中的机场颠簸频率平均值，可以看出，颠簸频率与年平均风速、年平均气温日较差以及地形起伏度均呈现良好的正相关关系。风速和气温日较差是随时间变化的，因此可以从时间维度上进一步分析风速和气温日较差两个环境因子的影响。以风速为例，对风速和颠簸频率的季节变化进行趋势分析，机场风速和颠簸频率的季节变化趋势，为方便对比，对数据做了归一化处理。可以看出，二者呈现良好的一致性，还利用日平均风速观测数据，结合每日的航段记录，分析颠簸频率与日平均风速以及气温日较差的相关性，机场颠簸频率与日平均风速的关系，可以看出，日平均风速与低空颠簸之间表现出显著的相关性。
参考文献
[1]朱志愚.高空急流区飞机颠簸的一种形成机制的探讨.成都气象学院学报，2017，12（4）.
[2]王淑翠.飞机颠簸产生的可能机制及其在天气预测上的应用[D].青岛：中国海洋大学，2016.
[3]辜运燕.我国西部干线飞机颠簸分布规律分析[D].广汉：中国民用航空飞行学院，2017.