1、一、研究技术路线及本文研究内容二、重要天气统计说明三、结果分析四、主要结论五、展望一一、技术路线及研究内容、技术路线及研究内容 根据民航气象中心重要天气对航空飞行影响评估方法的初步研究项目，首先确立了研究的技术路线，根据路线确定研究内容。研究技术路线研究技术路线 分析造成本场航班不正常重要天气的季节、年纪变化及月分布特征 分析重要天气造成航班延误量的季节、年纪变化及月分布特征 研究两者关系，建立初级模型 优化完善模型 利用模型评估重要天气对航空飞行的影响本文研究内容本文研究内容（1）造成本场航班不正常重要天气的季节、年纪变化及月分布特征；（2）由重要天气原因造成航班延误量的季节、年纪变化及月分
2、布特征；（3）分析重要天气与其造成航班延误量的关系，建立模型。二二.重要天气的统计说明重要天气的统计说明2.1重要天气分类重要天气分类 共统计对流天气、低能见度天气、大风天气和低云天气四种天气，按照民航运行标准分为以下7个分类进行统计。分类一：对流天气（只考虑雷暴，阵雨和中强降水暂不考虑）；分类二：500m能见度；分类三：800m能见度500m；分类四：15m/s平均风速10m/s；分类五：平均17m/s平均风速15m/s；分类六：平均风速或阵风17m/s；分类七：60m云底高度（不论云量多少）。2.2资料来源资料来源 (1)2001年1月2011年12月的杭州萧山机场整点METAR报及观测纪
3、要栏资料。(2)2004年1月2011年12月杭州萧山机场每月机场放行率统计资料。2.3统计方法统计方法 (1)对上述气象资料分为2个时段进行统计：06:0024:00（忙时）和00:00-06:00（闲时），均为北京时。(2)统计重要天气发生的小时数，0059分算本小时，只要本时段内发生过，就计为1小时。例如06：00分发生天气，则算作在06:0024:00时段内的1小时，而00：00分发生天气，算作00:00-06:00时段内的1小时。(3)统计使用的主要数据是整点例行天气报告（METAR报），此外，为保证数据尽量精准，雷暴的发生时间和阵风（17m/s）的发生时间参考观测纪要栏内容，其他数
4、据则只根据METAR报即可。三三.结果分析结果分析3.1 本场主要航空重要天气的月平均分布特本场主要航空重要天气的月平均分布特征和季节、年纪变化趋势征和季节、年纪变化趋势本场航空重要天气发生小时数的月平均分布特征本场航空重要天气发生小时数的季节变化趋势本场航空重要天气发生小时数的季节变化趋势本场航空重要天气小时数的年变化趋势本场航空重要天气小时数的年变化趋势3.2本场天气原因造成机场不正常航班量的本场天气原因造成机场不正常航班量的月平均分布特征和季节、年纪变化趋势月平均分布特征和季节、年纪变化趋势本场天气原因造成航班延误量的月平均分布特征本场天气原因造成航班延误量的季节变化趋势本场天气原因造成
5、航班延误量的季节变化趋势本场天气原因造成航班延误量的年变化趋势本场天气原因造成航班延误量的年变化趋势3.3本场主要航空重要天气与天气原因造成本场主要航空重要天气与天气原因造成机场不正常航班量的关系机场不正常航班量的关系n3.3.1每月重要天气小时数与每月天气原因造成航班延误量的相关性分析 样本总数为96个 通过线性拟合得到：y=2.8x+7.1 (P0.00001,R=0.55384)可以看出相关系数不高，推测其原因主要有以下几点：（1）不同类型的重要天气对航班延误量的影响不同。通过分析数据，发现1,2,11,12月份发生的重要天气几乎都为低能见度天气（包括分类二和分类三），而6,7,8月份发
6、生的重要天气几乎全为对流天气。低能见度天气对航班延误量的影响要比对流天气大。3,4,5,9,10月份这两种天气都有发生，不好做出判断。通过上述分析，我们可以用1、2、11、12月份的资料得出低能见度天气与航班延误量的关系，用6、7、8月份的资料得出对流天气与航班延误量的关系。（2）重要天气发生时段的航班密集度不同。一般而言，06:0024:00（北京时，下同）是航班忙时，航班密集度大，而00:0006:00航班闲时，航班密集度小，若分别在这两个时间段发生重要天气的小时数相同，则造成的航班延误量肯定不同，前者航班延误量大，后者航班延误量小。由于00:0006:00航班闲时重要天气发生小时数对航班
7、延误量的影响权重小，因此忽略00:00-06:00航班闲时重要天气发生的小时数，通过对重要天气发生小时数的数据质量控制，我们可以更加精确得出重要天气发生小时数对航班延误量的影响。（3）本次96个样本，航班延误量数据是1个月一次，样本数太少，数据时间跨度太大，太粗糙，误差较大，若是能得到每天本场的航班延误量数据，再配合每天重要天气发生的小时数，一方面增加了样本数，另一方面数据误差小，应该可以得到不同类型重要天气发生小时数与航班延误量的相关性，进而可以评估重要天气对航空飞行的影响。3.3.2低能见度天气与其造成航班延误量的低能见度天气与其造成航班延误量的相关性初步分析相关性初步分析 1、2、11、
8、12月份的影响航班延误量的重要天气有低能见度天气（分类二和分类三），大风天气（分类四、分类五、分类六）、冰雪天气（这个没有列入本次重要天气分类中）。其中对航班延误量的影响较大的重要天气是低能见度天气、冰雪天气，这四个月中根据资料，重要天气几乎全为低能见度天气，因此本节分析得到的结果仅是低能见度天气与其造成航班延误量的相关性。样本总数为29个 通过线性拟合得到：y=4.6x-2.24 (P0.00001,R=0.7116)R比前一次提高了很多，但还是不够理想。原因可能有两个，一个是上面分析的第2个原因，没有对航班闲时重要天气发生的小时数进行质量控制，还有一个可能是低能见度天气包括分类二和分类三，
9、这两个天气类型发生相同时数对航班延误量是不同的，分类二明显比分类三对航班延误量的影响大。样本总数为27个 通过线性拟合得到：y=6.19x+7.04 (P0.01，没有通过P检验，说明样本间的差异由抽样误差所致的概率较大，做这个相关性意义不大，且R比较小。下面把航班闲时对流天气发生小时数去掉，看航班忙时对流天气发生小时数与对流天气造成航班延误量的相关性如何。样本总数为24个 通过线性拟合得到：y=3.9x-10.63 (P=0.01188,R=0.50478)p=0.11880.01，仍然没有通过P检验，说明样本间的差异由抽样误差所致的概率还是较大，R略有提高，但仍然较小。对于对流天气发生小时
10、数与其造成的航班延误量的相关性较小的原因，主要为：（1）对流天气可分为，强雷暴、中等雷暴、弱雷暴天气。相同时长的不同强度雷暴对航班延误量的影响不同。而我们统计中把这三种情况合并成一种，这是造成相关性小的主要原因。（2）就是和我们观测有关，在实际境况中，虽然雷暴天气已经结束，但是观测考虑到安全因素，往往把雷暴的时间延长，造成雷暴发生小时数比实际境况要长。对于其他类型的天气，由于天气发生样本数太少及航班延误资料太少太粗，而无法统计其相关性。四四.主要结论主要结论(1)本场重要天气发生小时数的月平均分布特征是：7、8月份重要天气发生的小时数最多，处于第一阶梯；1、2、3、4、5、6、11、12月份处
11、于第二阶梯；9、10月份最少处于第三阶梯。(2)本场重要天气发生小时数的季节变化趋势：夏季最多，秋季最少，冬、春季两者相差无几，处于中游。(3)本场重要天气发生小时数的年变化趋势：20012003年及20072011年，重要天气发生的小时数有大小年之分，一年大一年小，其差值在70100小时之间，而20042006年，这三年重要天气发生的小时数变化不大，基本在220个小时左右。(4)本场天气原因造成航班延误量的月平均分布特征：1、2月份最多处于第一阶梯；7、8、11、12月份处于第二阶梯；3、4、6、9月份处于第三阶梯；5、10月份处于第四阶段。(5)本场天气原因造成航班延误量的季节变化趋势：春
12、季最少，夏季逐渐增加，到了秋季略微减少，而后到了冬季航班延误量迅速增加，达到一年中的最大值。(6)本场天气原因造成航班延误量的年变化趋势：从2004年减少到2003年的最小值，而后每年逐渐增加，其中是从2007到2008年增幅最大，而后2008年到2009年又锐减，之后2010及2011年航班延误量变化不大。(7)统计分析结果显示，每月重要天气小时数与每月天气原因造成航班延误量的相关性很小，其R仅为0.55384，原因有：a，不同类型的重要天气对航班延误量的影响不同；b，重要天气发生时段的航班密集度不同；c，航班延误量数据量太少，时间尺度太大。(8)针对(7)所述原因a，通过分类做了低能见度天
13、气及对流天气与其航班延误量的相关性分析，得出低能见度天气与航班延误量关系的模型，相关性较好，R为0.7116，而其对流天气与其航班延误量的相关性较小，R仅为0.47094；(7)所述原因b，通过去掉航班闲时天气发生小时数，得出航班忙时低能见度天气及对流天气与其航班延误量的相关性，分别为0.72274、0.50478，R有所提高，但是航班忙时对流天气与其航班延误量的相关性仍然较小，需要说明以下几点：（1）冰雪天气也是影响航班延误量的重要天气之一，本次统计没有涉及到；（2）低能见度天气可分为分类二和分类三，本次统计把两者合在一起；（3）大风及低云天气数据少，且航班延误量是一月一次，不能独立统计出起这两种天气对航班延误量造成影响；五、展望 （1）对建立的低能见度天气与航班延误量关系的模型进一步优化。（2）建立对流天气与航班延误量关系的模型 （3）在建立及优化模型的基础上，评估重要天气对航班延误量的影响。谢谢观赏！谢谢观赏！
