陈 琦 张 芮 牟 夏 康嘉祺 孙 震 姬夏迎

（中国民航大学,天津 300300）

1 引言

随着人工智能领域快速发展，智慧民航建设逐渐提上日程，对民航信息流的量化要求越来越高，而目前针对机场天气信息对空中交通影响，仍为人工判别，自动化程度较低，这给我国民航运输业带来了不便。由各种资料可知，天气在对空中交通影响因素中占据了主导地位，如2017年上海虹桥机场始发正常率低于50%的典型13天的原因分析显示，主要是天气原因导致的空管或机场保障能力下降，导致流量控制。近些年，随着航班数量增加，各类机场都趋于饱和状态，再加之全球变暖现象使得反常天气状况的出现日渐频繁，各种各样造成航班延误的原因也体现得更加明显，以2016年天津全年航班相关数据为例（见图1），造成航班延误原因共包含84种，将其分为9类，其中占据重要比例的即为环境原因，而对于环境影响最为重要的即为危险天气。

图1 2016年天津全年影响航班延误的因素

为实现国内机场航空危险天气定量化评估，先搜集整理现有天气定量化方法，对比不同方法的优劣性，确定适合的机场航空危险天气定量化方法。

国内相关研究如邹燕等人的《气候年景定量化评价方法》[1]，以低温年景指数、高温年景指数、干旱年景指数和雨涝年景指数作为气候年景的评价因子。该方法优点是对天气情况分级明确，判定范围清晰，有清晰的计算公式，实用性很强，但缺点是该方法是气候年景的定量化评估方法，是一种长远角度的评估方法，且该方法是对已发生天气进行的评估，不能起到预见性作用；《空间天气预报模式集成可视化研究与实现》[2]中提到初步构建空间天气定量化业务预报框架并实现了可视化演示，该研究方法是采用组件的松耦合与高速数据通道相结合的设计思想集成了多区域的空间天气模型和种类繁多的空间天气数据；《贵州春季强冰雹天气定量化概念模型》[3]中选取 2009—2013 年以来符合研究定义的强冰雹天气事件个例，采用基数据回放方式研究其降雹前 3～15 min雷达回波形态、结构和类型特征，并通过这些特征来有效识别冰雹云。国外相关研究如《Algorithm to describe weather conditions at European airports》[4]描述了欧盟气象部门工作组协商开发的天气算法。

2 数据来源与研究方法

2.1 数据来源

选取天津滨海机场、上海虹桥机场、乌鲁木齐地窝堡机场、成都双流机场、长沙黄花机场、沈阳桃仙机场等年吞吐量在2 000万以上的机场作为研究对象，从www.ogimet.com中获取机场2017年、2018年、2019年的全部METAR报文共计262 800条。METAR报文即航空例行天气报告，采用标准国际格式报告机场每半小时或一小时内的天气观测资料，主要包括重要气象组分：风向风速组、能见度组、跑道视程组、好天气组、天气现象组、云组、温度/露点组、修正海平面气压组、天气变化组等。[5]并在“飞常准”APP中收集统计机场2017年、2018年、2019年（因2020年受到新冠病毒疫情影响，造成大量航班取消，故不纳入统计范围）以天为计量单位的起飞取消率、起飞延误率等共计236 520个数据。前文提到的起飞延误率是指每天起飞延误量/执行量。

2.2 研究方法

使用ATMAP软件计算报文并输出结果，将得分与起飞延误率等数据进行拟合得到相关系数R，分析天气得分规律、机场延误规律以及得分对延误的影响。

2.2.1 算法描述

METAR报文因其固定格式，极利于计算机使用算法自动识别并提取有用数据，算法思路概括如下。

（1）自动识别并提取风速、能见度、降水、冰冻条件和危险天气5个要素。

（2）给不同天气要素的不同严重程度分配系数，每个天气要素系数总和就是最后的天气得分。如表1所示，当出现GS（小冰雹或霰）时系数为18，当出现FC、DS、SS、VA、SA、GR、PL、TS时系数为24，当出现+TS时系数为30。

表1 ATMAP天气算法中有关危险天气评分标准

（3）通过该算法，按照其评分标准，可以对每一条解析过的METAR报数据进行量化。例如：METAR ZBTJ 021730Z 15008MPS 8000 -TSRA FEW013 BKN033CB 21/14 Q0997 NOSIG=，此报文量化总得分为26。

2.2.2 相关系数R拟合

首先获取机场2017年、2018年、2019年的全部METAR报文，使用ATMAP软件计算报文并输出结果。分别将天气总得分、危险天气等得分的日平均、月平均和年平均与各项数据进行拟合，并计算出绝对系数R2，开方得到R，通过R判断其相关程度。航班延误不仅受天气影响，还有许多其他因素的影响，本文只考虑与天气的关系。（相关性标准：R取0.20～0.39为低度相关，0.40～0.69为中度相关，0.70～0.89为高度相关，0.90～1.00为极高相关）相关系数(R)公式：

3 结果分析

3.1 机场天气状况分析

图2 各大机场天气得分季节变化折线

制作上海虹桥机场ZSSS、天津滨海国际机场ZBTJ、成都双流机场ZUUU、新疆地窝堡机场ZWWW、长沙黄花机场ZGHA和沈阳桃仙机场ZYTX天气得分随季节变化图像（见图2），其中春季为3至5月，夏季为6至8月，秋季为9至11月，冬季为12至次年2月，统计数据为各机场2017年至2019年全部METAR报文经ATMAP算法运算后得到的平均值结果，即为三年数据平均值。

由图2可知，北方城市如沈阳、天津冬季总分受霜冻因素（freezing）影响较为严重，新疆冬季受风（wind）因素影响较为严重，且平均分数远远超过其他机场以及其他因素得分，推测因为新疆靠近亚洲中心（冬季风源地），地形主要以山地为主，城市处于山口位置，机场由于飞机起飞和降落的越障要求位于城市边缘地区，加大风的影响力，同时植被较为稀疏，森林防风能力差。以上海和成都为例，两者均受霜冻（freezing）影响较小，因地处秦岭淮河一线以南，四季在正常情况下均不会出现降雪的现象，但受危险天气（dangerous）因素影响较大，如 GR（冰雹）、PL（冰粒）、TS（雷暴）。夏季空气中水汽充足，受南方暖湿气流影响同时太阳辐射强烈，近地面空气较热，很容易发生强烈的上升运动形成雷雨云进行放电产生雷暴。成都平原丘陵区无霜期长、雨水充沛、日照较少，山区海拔1 300m以上的中低山雨水、云雾偏多，机场天气得分（scores）与危险天气（dangerous）单项评分折线变化幅度几乎一致，可见成都双流机场全年受危险天气（dangerous）影响较大。

3.2 机场航班延误特征分析

根据数据分析得到曲线（见图3）可知，ZBTJ三年内在延误率高峰期出现在六七月份，夏季的高温降雨常常会影响航班正常起飞降落，ZBTJ冬季干冷的气候同样影响航班正常飞行，延误率的小高峰期则出现在冬季，而春季天津机场的延误率较低。ZUUU三年以来延误率高峰期出现在七八月份，同样夏季延误率高于春秋冬季延误率，不同于天津机场，成都机场冬季延误率保持在较低水平。ZGHA延误率分部较为分散，夏季七八月份仍然是延误率的高峰期，而冬季的延误率水平较低，反观初春二三月份ZGHA延误率则是另一个高峰期，春天气温降雨的多变是导致延误率升高的重要原因。根据ZWWW曲线分析一月和七月延误率基本持平，为双高峰期，其冬季气候的多变性导致了延误率的升高，而春秋延误率保持在较低水平。对于ZSSS曲线可以发现，随着日序的推移，延误率的平均值逐步升高，在夏季七八月份到达顶峰，再随着日序的推移，延误率迅速降低，冬季延误率达到全年最低。根据ZYTX曲线可以发现，相较于其他机场，沈阳桃仙机场的延误率曲线相对平滑，高峰期同样出现在夏季。根据不同机场延误率曲线，经过数据分析可知，在一年中不同日序航班的延误率是不同的，明显的是夏季延误率会高于其他季节，而按照资料可以发现机场的延误率图像普遍为单峰型，而有些机场如ZGHA和ZWWW则为双峰型。可以说明这些机场冬季天气较差，机场地理位置影响了机场的天气状况，天气的多变影响了航班正常运行。

图3 各大机场三年起飞延误率平均

3.3 天气与延误水平相关分析

图4是六个机场起飞延误率与危险天气得分的拟合图。ZBTJ拟合绝对系数R2为0.616 3，相关系数R为0.785，已经达到高度相关，可知随着危险天气的增多，其起飞延误率逐渐上升。ZUUU绝对系数R2为0.804 8，相关系数为0.9，属于极高相关，同时没有危险天气情况的起飞延误率极低，也说明危险天气是影响成都机场延误的主要因素。ZYTX拟合的绝对系数R2为0.660 7，相关系数为0.813，属于高度相关。从ZGHA三年天气平均的数据可以发现，很少出现一月内均无危险天气的情况，天气的复杂多变性导致了其起飞延误率的增高，其拟合绝对系数R2为0.464 4，相关系数为0.681，属于中度相关。ZSSS整体延误率较低，且危险天气出现的情况较少，图像显示曲线较为平滑，延误率和危险天气的绝对系数R2为0.209 3，相关系数为0.457，属于中度相关。而ZWWW由于新疆地形为喀什地貌，风力多为大风，不稳定的天气情况导致其绝对系数极低。由此可见，危险天气的出现是影响航班起飞延误率的重要因素，天气的多变性和不稳定性是阻碍提高航班正常放行率的主要因素。

图4 危险天气与起飞延误率拟合

4 结语

本文采用欧盟天气算法（ATMAP算法），并利用国内主要机场2017年到2019年内的METAR数据对正常放行率、起飞延误率、降落延误率等数据进行拟合，得出起飞延误率与危险天气拟合程度在ZUUU极高相关、ZBTJ高度相关、ZYTX高度相关、ZGHA与ZSSS中度相关等，考虑地方性差异，可以认为较好验证了ATMAP算法在国内主要机场危险天气定量化评估的适用性，能对未来预测危险天气提供一定的理论支持。接下来将会以这次研究成果为基础，开发出基于TAF报文的危险天气定量化评估软件，为机场面对突发危险天气做好应急预案提供一种可能性，从而降低航班延误率，提高乘客满意度，为航空公司创造更优的经济效益。