引 言

强降水[1-2]是影响航班正常飞行的主要原因之一。航空器的飞行决策都由机组决定，而机组的决策很大程度依赖地面的航空气象服务，尤其是在强降水过程中。前期研究[2]表明强降水使飞机的发动机熄火、恶化飞机的空气动力、影响跑道的使用等，在有记录以来，强降水伴雷暴造成的飞行事故屡见不鲜。如何将强降水对飞行的定性影响转化为定量的预报结果是航空气象工作未来的重点和难点。而了解影响飞行的降水雨滴分布情况以及这种雨滴运动过程中对飞行的影响，是完成该任务的前提。

近年来国内外使用雨滴谱资料研究降水过程一直在进步[3-6]。周黎明等[7]研究了积雨云、混合云和层状云的雨滴谱及降水的Z-I关系式。杨俊梅等[8]利用Gamma分布较好地拟合了平均谱。已有学者针对暴雨强降水过程中雨滴谱资料进行了统计分析，对强降水过程中的雨滴谱特征进行了分析，总结暴雨中雨滴粒子浓度、持续时间和雨滴直径之间的关系，以及雨滴谱的特征[9-12]。张宇等[13]与张欢等[14]对雨滴下落过程的谱分布演变进行了数值模拟以及参数相关性的研究，分别从数值以及统计方面研究了雨滴谱的变化。程小慷[15]采用水射流假设模型，分析了雨滴撞击引起的飞机动量损失，以及波音747飞机在强降水中飞行的受力情况。

以上研究都是基于雨滴谱仪的资料分析降水云物理结构；或单纯从航空器的角度出发,对降水现象进行简单假设的研究，而很少使用精确探测降水物理结构的雨滴谱仪资料来研究降水物理特征与飞行的关系，以及对出现使飞行中断时刻的降水分析。航空事业的发展要求航空气象预报越来越贴近飞行的需求，要准确探知降水对航空器飞行状态的影响，必须进行相关的降水微物理结构的分析。本文选取2017年6月10日一次在南京地区出现的日降水量达到历史罕见的245.1 mm的持续强降水过程进行研究。通过分析本次强降水过程的不同阶段的雨滴谱特征值分布和雨滴降落过程中对飞行的影响，探索强降水对航空飞行影响的内在机理。同时利用雨滴谱资料改进以往水射流假设，对不同机型在本次强降水过程中的受力情况进行对比分析。

1 强降水过程及其对飞行的影响

6月10日南京机场地区经历了一次高空槽及低涡切变线共同影响下的降水天气过程[16-17]，这也是南京地区夏季较典型的一种强降水类型[18]。根据南京机场观测数据显示，6月10日02∶30—18∶00(北京时，下同)出现了持续降水伴雷暴天气过程，对南京机场和飞行终端区的影响最主要时段为10日07∶40—13∶50，具体表现为中到大雷阵雨。依据雨量划分标准:小雨为降水率≤2.5 mm·h-1，中雨为2.5 mm·h-1<降水率<8 mm·h-1，大雨为降水率≥8 mm·h-1。机场观测数据显示在10日02∶30后本场降水由小雨变为中雨，07∶08出现强降水，07∶43演变为强雷雨，到10∶17减弱为中雨，雷雨解除，之后一直在中到大雨之间演变，持续到12∶06才减弱为小雨(图1a)。

图1 南京机场6月10日02∶30—18∶00南京机场流量控制情况(a)及运行情况(b)Fig.1 Air traffic control (a) and operation (b) in Nanjing Airport during 02∶30 BST—18∶00 BST on June 10

民航江苏空管分局于6月9日19∶13启动时间段为10日07∶00—17∶00南京地区大面积航班延误(MDRS)黄色预警，根据机场起降航班量统计(图1b)，在取消了大多数航班的情况下，机场07∶00—14∶00的航班正常率不足20%，共有45架次的航班选择备降。图1a表明07∶00—08∶00时间段中管制发布了HFE航线80 km/架次、OF航线100 km/架次和CJ航线100 km/架次的限制，实际只出港了6个航班，08∶00—10∶00时间段管制流控加大到HFE航线150 km/架次、OF航线200 km/架次和CJ航线200 km/架次,因天气影响，原计划的航班只执行了1架次，10∶17之后降水略减弱，管制重新限制流量为HFE航线100 km/架次、OF航线150 km/架次和CJ航线150 km/架次，13∶50后航班飞行逐渐恢复。

2 数据和方法

2.1 雨滴谱仪

采用南京国家观测基准站的OTT雨滴谱仪测量的降水粒子数据进行统计。OTT雨滴谱仪采集的数据每分钟一次，被细分为尺寸和速度的二维矩阵，共有32个不同的尺寸等级和32个不同的速度等级。所以，通过降水粒子的尺寸等级和速度等级共同来确定的降水等级共有1 024个。通过分析这些细致测量的数据可以了解各种降水中粒子及其降落速度的信息，从而研究降水的微物理结构。

图2 6月10日强降水过程的雨强和气象光学能见度的演变Fig.2 The evolution of rain intensity and MOR visibility during heavy precipitation process on June 10

上一篇：基于深度学习无人机控制系统设计
下一篇：没有了