飞机积冰诊断预报方法研究-刘风林

第34卷第4期气象与环境科学Vol．34No．42011年11月MeteorologicalandEnvironmentalSciencesNov．2011收稿日期:2011－07－13;修订日期:2011－09－15基金项目:中国气象局云雾物理环境重点开放实验室课题(2009Z00311)资助作者简介:刘风林(1983—)，男，山东潍坊人，工程师，硕士，从事军事气象保障工作．E-mail:lfenglin2008@sina．com飞机积冰诊断预报方法研究刘风林1，孙立潭2，李士君1(1．解放军71146部队54分队，山东潍坊261041;2．解放军理工大学气象学院，南京211101)摘要:收集了山东省150例飞机积冰报告，利用物理量场模拟数据，结合3种积冰算法(Ic，RAP，RAOB)，分别进行积冰的诊断预报试验，并对3种诊断预报方法进行了准确率检验。为进一步提高预报准确率、降低漏报率，在对Ic和RAOB两种预报效果较好的算法重新调整积冰温度、湿度阈值以及相应系数后，新Ic算法在保持漏报率较低的前提下，预报准确率提高近10个百分点;新RAOB算法在保持准确率较高的前提下，漏报率降低近12个百分点。关键词:飞机积冰;诊断预报;积冰算法;数值模拟;算法改进中图分类号:P426．3+3文献标识码:A文章编号:1673－7148(2011)04－0026－05引言飞机积冰是指飞机在由过冷水滴组成的云中飞行时，因水滴冻结、水汽凝华聚积而在飞机某些部位出现的结冰现象。它会使飞机的空气动力学性能恶化，极易造成飞行事故。根据美国“飞机拥有者和飞行员协会”(AOPA)航空安全基金会的数据统计［1］，1990—2000年的10a间，由于天气原因引起的飞行事故共3230起，与积冰有关的共388起，占12%，其中灾难性事故105起，占积冰事故的27%。美国统计资料显示［2］，因飞机积冰造成的经济损失平均每年达0．96亿美元。因此，飞机积冰问题历来受到各国航空和军事部门的高度重视，美国航空航天局(NASA)提出的航空安全技术发展 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 中，就把飞机积冰作为优先考虑的三种气象条件之一［3］。长期以来，气象学者对飞机积冰的预报概括起来主要有统计预报法、霜点法、动力增温法和数值预报法等［4］。前三种方法因实际预报效果较差，现在应用已经越来越少，采用数值预报模式结合积冰算法预报积冰已成为主流方法。刘旭光［5］、刘开宇等［6］、迟竹萍［7］采用积冰指数法分别利用WAFS、MM5等数值预报模式进行积冰个例的诊断预报试验。王洪芳等［8］利用MM5模式分别结合7种积冰算法进行预报试验，并在此基础上建立了飞机积冰的综合集成预报模型。上述研究对理解和认识积冰形成的环境条件有一定的启发和指示作用，但是由于缺乏大量积冰报告的检验，研究结论的普遍性还有待进一步的验证。针对上述问题，本文收集了山东省人影办2000—2005年90架次增雨飞行作业的150例报告样本(其中出现积冰的样本65例)，通过中尺度WRF模式对这些增雨作业的天气过程进行了详细的数值模拟，建立了以积冰原始报告、常规天气资料和物理量场模拟数据为内容的积冰诊断预报研究数据集。在此基础上，利用国内外3种传统的积冰算法进行了积冰诊断预报试验，选出了两种预报效果较好的算法。为进一步提高预报准确率、减少漏报率，进行了改进算法的试验，并取得了较好的效果。1积冰算法1．1Ic积冰算法研究表明，当飞机在0～－14℃区间飞行、遇有较大过冷水滴时最易积冰，强积冰区通常发生在－5～－9℃之间。根据容易积冰的温度、湿度范围，国际民航组织推荐如下构建的飞机积冰指数Ic［7］:Ic=［(RH－50)×2］×［t×(t+14)/(－49)］其中，RH为相对湿度(%)，t为温度(℃)。公式的前半部分用相对湿度线性拟合水滴的数量、大小的第4期刘风林等:飞机积冰诊断预报方法研究增长过程，RH越接近100，取值越接近最大值100;公式的后半部分用温度的二次方来拟合水滴的增长率，当t=－7℃时为最大值1，t=－14℃和0℃时取最小值0。RH低于50%或者t超过0℃～－14℃范围的，水滴增长率判断为0，认为无积冰发生。因此，积冰指数Ic输出范围为0～100，数值越大，表示积冰越强;RH=100%和t=－7℃时，积冰指数取得最大值100。具体积冰强度判据为:0≤Ic＜50，预报有轻度积冰;50≤Ic＜80，预报有中度积冰;Ic≥80，预报有严重积冰。按照这样的分类依据，在图形化显示中，预报结果分成4个等级:无积冰、轻度积冰、中度积冰、严重积冰。1．2RAP积冰算法RAP算法由美国国家大气研究中心(NCAR)开发。包含4种积冰类型，分别是Forbes［9］定义的3种积冰类型(一般条件积冰、不稳定条件积冰、冻雨型积冰)和Thompson［10］提出的一种层状型积冰。具体定义如下:(1)一般条件积冰:－16≤t≤0℃，RH≥63%。(2)不稳定条件积冰:－20≤t≤0℃，RH≥56%，且低层不稳定层RHmax≥65%。(3)冻雨型积冰:t≤0℃，RH≥80%，且高层t＞0℃，RH≥80%。(4)层状型积冰:－12≤t≤0℃，RH≥85%，且高层t＜－12℃，RH＜85%。RAP算法提供的4种积冰类型，主要是由积冰形成的物理过程和气象条件而定义的。它仅仅提供了一种积冰的可能性，区分不出强度等级。在图形化显示中，预报结果分成5个等级:无积冰、一般积冰、不稳定积冰、冻雨积冰和层状积冰。1．3RAOB积冰算法RAOB积冰算法在1992年由美国空军全球天气中心(AFGWC)开发［10］。该算法最初采用无线电探空资料，根据每个探空层上的温度(t)、露点(td)及温度递减率(γ)，区分积冰强度和积冰类型(见表1)。积冰层的上下限根据积冰判据由温度、露点在高度上的差值得到。积冰类型分为8个等级，在图形化显示中预报结果按这8个等级显示:无积冰、微量毛冰、轻度混合冰、轻度毛冰、轻度明冰、中度混合冰、中度毛冰、中度明冰。表1RAOB积冰分类 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 t/℃0≥t＞－8－8≥t＞－16－16≥t＞－22t－td/℃≤11＜t－td≤3≤11＜t－td≤3≤4γ/(℃/304800mm)≤2＞2≤2＞2≤2＞2≤2＞2积冰类型轻度中度微量轻度中度中度轻度轻度轻度毛冰明冰毛冰明冰毛冰混合冰毛冰混合冰毛冰23种积冰算法诊断预报效果检验2．1数值模拟方案许多试验表明，WRF模式在预报各种天气过程中具有较好的性能［11］，因此采用WRF模式进行数值模拟工作。模式水平方向采用二重双向嵌套，模拟区域的网格中心点定于山东省中部(36°N，118°E)，粗网格区域格点数是92×66，网格距为30km，细网格区域格点数是110×80，网格距为10km。模式初始场为美国国家环境预报中心(NCEP)每6h一次分析场资料，水平分辨率为1°×1°。主要物理过程为Lin方案、浅对流Kain-Fritsch方案、MYJ方案等。基于WRF模式，对所收集积冰样本相应的天气过程进行了数值模拟。将相应天气过程重点时次的常规天气资料与相应物理量模拟数据对比发现，模拟效果较好，因此本文采用这些物理量模拟数据进行积冰诊断预报试验。2．2三种积冰算法诊断预报试验利用所选的三种积冰算法采用上面得到的同一种物理量模拟数据，对150例样本资料进行积冰诊断预报试验。预报结果采用GrADS绘图软件图形化输出，并按照算法定义的积冰类型和强度等级进行标注。以一次出现集中积冰情况的增雨作业为例:2005年5月16日13:57—16:27山东省人影办在山东半岛南部实施飞机增雨作业，飞机飞行全程中均出现中度以上积冰，作业飞行高度在5200～5300m，增雨作业飞行航线如图1所示。图12005年5月16日13:57—16:27增雨作业飞行航线72气象与环境科学第34卷从2005年5月16日15时550hPa高空积冰预报图(图2)上看，3种算法均在飞行航线上预报有积冰，只是RAOB算法在文登、荣成等地出现了漏报现象。(1)Ic算法(2)RAP算法(3)RAOB算法图22005年5月16日15时550hPa3种积冰算法的高空诊断预报图2．3诊断预报效果检验对应150例样本资料，采用一些统计指标，确定哪一种算法预报准确率高、预报效果好。表2给出了所用的检验统计指标［12］以及3种算法预报检验结果。表23种算法的积冰诊断预报结果检验统计统计指标Ic算法RAP算法RAOB算法A(预报有积冰，观测有积冰)/次646555B(预报无积冰，观测有积冰)/次1010C(预报有积冰，观测无积冰)/次566234D(预报无积冰，观测无积冰)/次292351总样本/例(N=A+B+C+D)150150150准确率/%(FP=(A+D)/N)62．058．770．7击中率/%(FOH=A/(A+C))53．351．261．8空报率/%(FAR=C/(A+C))46．748．838．2漏报率/%(DFR=B/(B+D))3．3016．4探报率/%(PODy=A/(A+B))98．510084．6(PODn=D/(C+D))34．127．160．0统计检验结果显示，3种积冰算法准确率分别为:Ic算法62．0%，RAP算法58．7%，RAOB算法70．7%。可见，3种积冰算法均有一定的预报能力，但是3种算法各有优劣。比如RAOB算法虽然预报准确率相对较高，但漏报太多。Ic算法、RAP算法漏报率较低，但准确率不够理想。因此，为进一步提高预报准确率、降低漏报率，对RAOB算法和Ic算法设计了改进优化方案。3提高飞机积冰诊断预报效果的优化改进方法3．1算法改进方案为了寻找山东地区积冰形成环境的规律，本文将出现积冰的65个样本分别点绘在以模拟温度、相对湿度(或温度露点差)为坐标轴的分布图上(见图3、图4)。从分布图上可以明显看出，积冰大体分布在3个区:第一区为0～－4℃，积冰形成的湿度条件相对较低，相对湿度大于60%、t－td小于5℃就可能出现积冰;第二区为－4～－9℃，相对湿度大于70%、t－td小于4℃范围内最容易发生积冰;第三区为－9～－16℃，积冰集中发生在相对湿度大于80%、t－td小于2℃的高湿环境中。由此可见，高湿环境是积冰发生的必备条件，而且温度越低，发生积冰需要的湿度条件越高。图3有积冰个例模拟温度、湿度分布图82第4期刘风林等:飞机积冰诊断预报方法研究图4有积冰个例模拟温度、温度露点差分布图3．1．1Ic算法改进方案根据Ic算法的定义，以及图3所示统计结果，将Ic算法进行如下改进。(1)只有当满足下列3个条件之一时，才预报有积冰;否则，预报无积冰。①0≥t＞－4℃且RH＞60%;②－4≥t≥－9℃且RH＞70%;③－9＞t≥－16℃且RH＞80%。(2)积冰强度根据改进后的Ic指数判断:Ic=［(RH－60)×2．5］×［t×(t+16)/(－64)］Ic输出范围为0～100，数值越大，表示积冰越强;RH=100%和t=－8℃时，积冰指数取最大值100。具体积冰强度判据为:①若0≤Ic＜50，预报有轻度积冰;②若50≤Ic＜80，预报有中度积冰;③若Ic≥80，预报有严重积冰。3．1．2RAOB算法改进方案根据RAOB算法的定义以及图4所示统计结果，将RAOB算法重新调整分类(见表3)。表3改进后的RAOB算法积冰分类方案t/℃0≥t＞－4－4≥t＞－9－9≥t≥－16t－td/℃≤22＜t－td＜5≤22＜t－td＜4≤2γ/(℃/304800mm)≤2＞2≤2＞2≤2＞2≤2＞2≤2＞2积冰类型轻度中度微量轻度轻度中度轻度轻度中度中度毛冰明冰毛冰明冰毛冰明冰毛冰混合冰毛冰混合冰3．2算法改进后的预报效果根据改进后的Ic和RAOB积冰算法，重新采用前面计算的物理量数据对150例样本进行预报检验，具体检验结果见表4。从中可以看出:新Ic算法预报准确率提高至71．3%，比原先Ic算法高近10个百分点，漏报率降至2．3%;新RAOB算法预报准确率变化不大，但漏报率降低了近12个百分点。表4改进算法与原先算法准确率比较统计指标Ic算法新Ic算法RAOB算法新RAOB算法A(预报有积冰，观测有积冰)/次64645563B(预报无积冰，观测有积冰)/次11102C(预报有积冰，观测无积冰)/次56423443D(预报无积冰，观测无积冰)/次29435142总样本/例(N=A+B+C+D)150150150150准确率/%(FP=(A+D)/N)62．071．370．770．0击中率/%(FOH=A/(A+C))53．360．461．859．4空报率/%(FAR=C/(A+C))46．739．638．240．6漏报率/%(DFR=B/(B+D))3．32．316．44．5探报率/%(PODy=A/(A+B))98．598．584．696．9(PODn=D/(C+D))34．150．660．049．492气象与环境科学第34卷4结论(1)对山东省出现积冰的65个样本温度、湿度环境数值模拟发现，发生积冰的温度范围为0～－16℃，最易积冰的温度为－4～－9℃。高湿环境是积冰发生的必备条件，在合适的温度范围内，温度越低出现积冰需要的湿度条件越高。(2)利用150个样本资料对3种积冰算法进行预报检验，准确率分别为:Ic算法62．0%，RAP算法58．7%，RAOB算法70．7%。(3)为进一步提高预报准确率、降低漏报率，针对Ic和RAOB算法的特点，重新调整积冰温度、湿度阈值以及相应系数。新Ic算法在保持漏报率较低的前提下，预报准确率提高近10个百分点;新RAOB算法在保持准确率较高的前提下，漏报率降低近12个百分点。(4)文中积冰算法的改进基于对65个积冰样本物理量的统计，改进后积冰算法的优势能否在其他样本的预报中体现，还需要收集其他更多的积冰报告进行检验。参考文献［1］AircraftIcing．AOPAAirSafetyFoundation［EB/OL］．［2009－09－04］．http://www．asf．org．［2］LillyJ，FabryF．Detectionofin-flighticingconditionsthroughtheanal-ysisofhydrometeorswithaverticallypointingradar，11thConferenceonAviation，Range，andAerospaceMeteorology［C］．Portland，2004．［3］ReehorstAL，BrinkerDJ，RatvaskyTP．TheNASAIcingRemoteSensingSystem:NASA/TM，213591［P］．［4］赵树海．航空气象学［M］．北京:气象出版社，1994:159－193．［5］刘旭光．数值预报产品在航空气象预报中的应用［J］．四川气象，2001，21(4):18－22．［6］刘开宇，申红喜，李秀莲，等．“04．12．21”飞机积冰天气过程数值特征分析［J］．气象，2005，31(12):23－27．［7］迟竹萍．飞机空中积冰的气象条件分析及数值预报试验［J］．气象科技，2007，35(5):714－718．［8］王洪芳，刘健文，纪飞，等．飞机积冰业务预报技术研究［J］．气象科技，2003，31(3):140－146．［9］ForbesGS，HuY，BrownBG，etal．ExaminationofconditionsintheproximityofpilotreportsoficingduringSTORM-FEST［C］//Pre-prints，FifthInt．Conf．onAviationWeatherSystems．Vienna:Amer．Meteor．Soc．，1993:282－286．［10］ThompsonG，BruintjesRT，BrownBG，etal．Intercomparisonofin-flighticingalgorithms:PartI:WISP94realtimeicingpredictionandevaluationprogram［J］．WeatherandForecasting，1997，12:878－889．［11］章国材．美国WRF模式的进展和应用前景［J］．气象，2004，30(12):27－31．［12］BrownBG，ThompsonG，BruintjesRT，etal．Intercomparisonofin-flighticingalgorithms:PartII:Statisticalverificationresults［J］．WeatherandForecasting，1997，12:890－914．StudyonMethodsofAircraftIcingDiagnosisandForecastLiuFenglin1，SunLitan2，LiShijun1(1．54Unitof71146TroopsofPLA，Weifang261041，China;2．SchoolofMeteorologyofPLAUniversityofScienceandTechnology，Nanjing211101，China)Abstract:The150pilotreports(PIREPs)oficingconditionsinShandongprovincewerecollected．Aircrafticingdiagnosingandforecastingexperimentswerecarriedoutseparatelywithsimulationdataofphysicalquantityfieldandthreeicingalgorithms(Ic，RAP，RAOB)，andtheaccuracyratesofthethreealgorithmswereverified．Togetbetteraccuracyrateandlowermissingrate，theIcandRAOBalgorithmsweregetimprovedbyreadjustingicingtemperatureandhumiditythresholds，orcorrespondingcoefficient．TheaccuracyrateofthenewIcalgorithmwasnearlyincreasedby10%inconditionofkeepingalowermissingrate，andthemissingrateofthenewRAOBalgorithmwasnearlydecreasedby12%inconditionofkeepingagoodaccuracyrate．Keywords:aircrafticing;diagnosingandforecasting;icingalgorithm;numericalsimulation;algo-rithmamendment03