基于激光測風(fēng)雷達(dá)的兩種低空風(fēng)切變告警算法對比研究

張開俊，伏龍延,，李蘭倩，邵愛梅

(1.中國民用航空西北地區(qū)空中交通管理局甘肅分局，甘肅 蘭州 730087；2.蘭州大學(xué)大氣科學(xué)學(xué)院， 甘肅 蘭州 730000)

引 言

低空風(fēng)切變(簡稱“風(fēng)切變”)是發(fā)生在跑道及其延長線上空500 m以下的風(fēng)矢量突變現(xiàn)象[1]，常伴隨著多種天氣系統(tǒng)發(fā)生，如雷暴大風(fēng)、冷鋒過境、近地層湍流[2-4]等，不同天氣系統(tǒng)造成的風(fēng)切變位置、強度和持續(xù)時間不相同[5-7]。發(fā)生在飛機起飛和降落階段的風(fēng)切變時常導(dǎo)致飛機復(fù)飛等危險情況發(fā)生，甚至?xí)斐蓹C毀人亡的慘劇[8-9]。大多數(shù)風(fēng)切變因其自身表現(xiàn)的陣性以及小尺度特點致使利用天氣學(xué)方法開展預(yù)報十分困難。因此，在航空氣象領(lǐng)域，風(fēng)切變一直是影響飛機飛行安全的重要因素之一。

隨著氣象監(jiān)測手段日益豐富，利用高分辨率的探測設(shè)備對風(fēng)切變進(jìn)行識別及告警是民航部門規(guī)避風(fēng)險最為有效的方法，因此研制相關(guān)探測設(shè)備、發(fā)展基于各類設(shè)備觀測的風(fēng)切變告警算法成為提高風(fēng)切變服務(wù)保障水平的重要途徑[10-13]。目前，風(fēng)向風(fēng)速計、多普勒天氣雷達(dá)、風(fēng)廓線雷達(dá)、激光測風(fēng)雷達(dá)等地基探測設(shè)備可以用于識別風(fēng)切變，但上述設(shè)備的探測性能各有優(yōu)缺點[14]。風(fēng)向風(fēng)速計因探測點固定且高度較低，難以實現(xiàn)500 m以下的垂直風(fēng)廓線掃描；多普勒天氣雷達(dá)只能探測云雨粒子的徑向速度、反射率因子等信息，而對于晴空條件下風(fēng)切變?nèi)狈μ綔y能力[15-16]；風(fēng)廓線雷達(dá)只能探測單點的垂直風(fēng)廓線，探測精度難以滿足要求。相較于其他探測設(shè)備，多普勒激光測風(fēng)雷達(dá)探測數(shù)據(jù)的時空分辨率更高，能夠滿足探測精度的要求，可以反映風(fēng)切變的小尺度特征[17-19]。

近年來，多普勒激光測風(fēng)雷達(dá)在香港、北京、蘭州等地的機場先后安裝用于風(fēng)切變監(jiān)測和告警業(yè)務(wù)[20-22]。受激光測風(fēng)雷達(dá)安裝位置、掃描模式及機場天氣特點等因素影響，跑道及延長線上風(fēng)場信息提取、風(fēng)切變計算方法等都是影響風(fēng)切變告警準(zhǔn)確率的關(guān)鍵因素。為此，陸續(xù)開展了基于激光測風(fēng)雷達(dá)的風(fēng)切變告警算法研究。香港機場與香港天文臺合作于2005年搭建起國內(nèi)首個風(fēng)切變探測告警平臺，并設(shè)計了獨特的下滑道掃描模式。隨后，基于上述平臺先后提出了利用F因子[23]、渦旋耗散率[24]進(jìn)行風(fēng)切變識別的告警算法。2016年，蔣立輝等[25]利用下滑道掃描模式的觀測資料，提出單、雙斜坡檢測方法相結(jié)合的風(fēng)切變告警算法(簡稱“斜坡檢測法”)，該算法可以在一定程度上提高風(fēng)切變的告警準(zhǔn)確率。2020年，LI等[26]基于蘭州中川機場2016年激光測風(fēng)雷達(dá)試運行期間的觀測資料和風(fēng)切變事件提出了區(qū)域散度法(regional divergence algorithm，簡稱RDA)，該算法可以濾除局部徑向風(fēng)波動，并能夠?qū)崿F(xiàn)風(fēng)切變的快速檢測，具有較好的應(yīng)用前景。

蘭州中川國際機場地處青藏高原東北邊坡，特殊的地形及氣候特點導(dǎo)致風(fēng)切變頻發(fā)，是我國風(fēng)切變多發(fā)區(qū)域之一。2018年，國內(nèi)民航空管系統(tǒng)首家風(fēng)切變實驗室落戶于甘肅空管分局，標(biāo)志著蘭州機場風(fēng)切變觀測與研究得到了民航業(yè)界的關(guān)注和重視，其研究具有一定的代表性。2020年7月，WLS400S-AT型激光測風(fēng)雷達(dá)在蘭州中川機場正式安裝并投入運行，業(yè)務(wù)所用的IRIS(interactive radar information system)風(fēng)切變告警算法由芬蘭Vaisala公司提供，但算法核心內(nèi)容和源代碼無法獲取，不利于機場本地化風(fēng)切變告警算法的發(fā)展和告警業(yè)務(wù)能力的提升。為進(jìn)一步提升風(fēng)切變保障水平，需要推動風(fēng)切變告警算法國產(chǎn)化進(jìn)程。因此，本文利用蘭州中川機場2020年7—11月激光測風(fēng)雷達(dá)探測資料和飛行員報告的12次風(fēng)切變事件，探討評估區(qū)域散度法、斜坡檢測法兩種風(fēng)切變告警算法的告警能力及應(yīng)用效果，并與IRIS算法的風(fēng)切變告警準(zhǔn)確率進(jìn)行對比分析，以期為風(fēng)切變保障提供更為有效的告警方案。

1 算法簡介

1.1 區(qū)域散度法

區(qū)域散度法的基本思路是基于多個徑向擬合風(fēng)速計算區(qū)域散度，用于識別風(fēng)切變的范圍和強度[26]。該算法通過兩步完成：一是基于多個徑向擬合的逆風(fēng)廓線重構(gòu)，二是區(qū)域散度值的計算。重構(gòu)逆風(fēng)廓線的目的是構(gòu)建跑道及其延長線上風(fēng)場。鑒于蘭州中川國際機場激光測風(fēng)雷達(dá)和跑道的相對位置，通過擬合該區(qū)域N條激光波束上徑向風(fēng)數(shù)據(jù)來實現(xiàn)，即將相同距離、不同方位的數(shù)據(jù)點值進(jìn)行平均，得到跑道及其延長線上的徑向風(fēng)。需要注意的是，在計算過程中需剔除數(shù)據(jù)中的異值點。剔除方法：將數(shù)據(jù)值與該數(shù)據(jù)點所在的2×2窗區(qū)平均值進(jìn)行對比，若差值絕對值大于某一閾值則用窗區(qū)平均值代替。完成逆風(fēng)廓線(U)重構(gòu)后，沿徑向方向逐點計算U上任一數(shù)據(jù)點i的區(qū)域散度值(RDVi)，計算公式[26]如下：

(1)

其中：

(2)

式中：UI(m·s-1)為兩窗區(qū)的區(qū)域平均速度；Uk(m·s-1)為逆風(fēng)廓線在第k個庫距處的速度；D和R分別為有效采樣數(shù)據(jù)點之間的距離和窗區(qū)長度，均以雷達(dá)徑向庫距的倍數(shù)表示，D的取值為偶數(shù)，從0開始，可取0、2、4、…，而R的取值為0、1、2、…。當(dāng)區(qū)域散度演變曲線中連續(xù)有3個數(shù)據(jù)點的RDV絕對值超過閾值，即為局部風(fēng)切變的發(fā)生位置，且超過閾值的數(shù)值越大，風(fēng)切變越強；連續(xù)超過閾值的點越多，風(fēng)切變發(fā)生的范圍越大。本文區(qū)域散度法識別風(fēng)切變時采用7條徑向數(shù)據(jù)重構(gòu)逆風(fēng)廓線[26]，其中D=4、R=1。

1.2 斜坡檢測法

單斜坡檢測法通過提取跑道及其延長線上徑向速度，并對其進(jìn)行三點平滑構(gòu)建逆風(fēng)廓線U，計算U在斜坡長度△x上的速度變化△V[25]，示意圖如圖1(a)，表達(dá)式如下：

△V(ps1)=U(p+△x)-U(p)

(3)

式中：p為采樣點；ps1為單斜坡中點位置。

實驗結(jié)果表明，本底計數(shù)略有下降。探測效率、探測下限也都處于下降趨勢。結(jié)合本底計數(shù)、效率、吸收液體積和探測下限來看，可以選擇配比為9:9。

雙斜坡由2個單斜坡構(gòu)成，對斜坡長度△x上的速度變化分別記為△V1和△V2，2個斜坡之間距離為d[圖1(b)和圖1(c)]，則雙斜坡檢測的速度變化△V′的表達(dá)式如下：

[U(p+2△x+d)-U(p+△x+d)]}

(4)

圖1 斜坡檢測法示意圖

2 觀測資料及風(fēng)切變事件

蘭州中川國際機場于2020年7月正式安裝了WLS400S-AT型激光測風(fēng)雷達(dá)，用于監(jiān)測機場低空風(fēng)切變。該雷達(dá)安裝于機場跑道北端入口處向內(nèi)750 m，距離跑道中心線350 m，執(zhí)行3°仰角的PPI掃描，分辨率200 m，最大探測距離14 km，徑向風(fēng)掃描精度可達(dá)0.2 m·s-1，掃描模式和具體參數(shù)詳見文獻(xiàn)[27]。本文收集了自激光測風(fēng)雷達(dá)業(yè)務(wù)運行開始至2020年11月的觀測資料，采用SHUN等[21]的質(zhì)量控制方法對資料進(jìn)行預(yù)處理。此外，還收集了IRIS算法中風(fēng)切變告警信息。

在飛機起降階段，當(dāng)其遭遇較強風(fēng)切變時飛行安全會受到影響，因此多數(shù)情況下機組及保障部門都會極力避免飛機遭遇風(fēng)切變，這也造成飛行員報告的風(fēng)切變事件相較于氣象行業(yè)發(fā)布的降水、雷暴等災(zāi)害天氣過程明顯偏少。據(jù)蘭州中川機場氣候志統(tǒng)計，2004—2020年共計發(fā)生風(fēng)切變事件383次，其中由對流天氣、湍流和動量下傳造成的分別為249、72次和15次，占風(fēng)切變事件總數(shù)的65.0%、18.8%和3.9%。在2020年7—11月激光測風(fēng)雷達(dá)觀測期間，飛行員共報告了12次風(fēng)切變事件，其發(fā)生時間(北京時，下同)和位置等信息如表1所示。據(jù)甘肅空管分局氣象部門分析，12次風(fēng)切變事件多由對流活動造成(8次)，湍流和動量下傳造成的分別為3次和1次，這與2004—2020年發(fā)生的383次風(fēng)切變事件成因分布基本一致。

表1 2020年7—11月飛行員報告的蘭州中川機場12次風(fēng)切變事件信息

3 結(jié)果與分析

3.1 告警準(zhǔn)確率

根據(jù)國際民航組織標(biāo)準(zhǔn)[1]，區(qū)域散度法和斜坡檢測法的風(fēng)切變告警閾值分別設(shè)定為±2.5×10-3s-1和±7.7 m·s-1。利用上述兩種算法對12次風(fēng)切變事件進(jìn)行識別(表2)，對比兩種算法的告警準(zhǔn)確率及其對不同類型風(fēng)切變事件的識別能力。從表2看出，對于蘭州中川機場的12次風(fēng)切變事件，區(qū)域散度法、斜坡檢測法和IRIS算法分別識別出9、6、5次，告警準(zhǔn)確率分別為75.0%、50.0%和45.5%，表明區(qū)域散度法的告警準(zhǔn)確率遠(yuǎn)高于斜坡檢測法和IRIS算法，而斜坡檢測法的識別率和IRIS告警算法相當(dāng)。區(qū)域散度法的識別結(jié)果與LI等[26]對2016年5—10月激光測風(fēng)雷達(dá)在蘭州中川機場試運行期間17次風(fēng)切變事件的識別結(jié)果(區(qū)域散度法優(yōu)于單斜坡檢測法和Rainbow5告警算法)一致。

表2 三種風(fēng)切變告警算法對12次風(fēng)切變事件的識別信息

進(jìn)一步對比分析兩種算法的告警位置(表2)與機組實際報告遭遇風(fēng)切變位置(表1)，發(fā)現(xiàn)區(qū)域散度法成功告警的9次風(fēng)切變事件中，除6號事件實際報告位置信息不明外，其余事件均有明確的位置信息，且6次事件(1、7、8、9、10、12號)告警位置和實際記錄具有一致性，而3號和4號事件的告警位置和實際位置差異較大；在斜坡檢測法成功告警的6次風(fēng)切變事件中，有4次事件(1、7、8、10號)的告警位置和實際記錄較為一致，而3號和4號事件的告警位置和實際記錄差異也較大。分析發(fā)現(xiàn)，位置差異較大的原因主要來自兩方面：一方面，2次風(fēng)切變事件均發(fā)生在對流性降水天氣背景下，降水、大霧等天氣會導(dǎo)致激光測風(fēng)雷達(dá)發(fā)射的波束隨距離增大而迅速衰減，數(shù)據(jù)質(zhì)量明顯下降，對于較遠(yuǎn)位置出現(xiàn)的風(fēng)切變不能準(zhǔn)確識別；另一方面，受飛行程序影響，當(dāng)飛機在進(jìn)場過程中遭遇風(fēng)切變時，機組會選擇及時改出，即脫離原有下滑道、進(jìn)行復(fù)飛等操作，因此機組報告的是最先遭遇風(fēng)切變的位置，而兩種算法給出的是在可靠數(shù)據(jù)范圍內(nèi)(跑道及有限延長線距離內(nèi))的最強風(fēng)切變位置。

結(jié)合風(fēng)切變出現(xiàn)時的天氣實況，發(fā)現(xiàn)兩種算法和IRIS算法均對于對流天氣造成的風(fēng)切變有較好的告警能力，而對于湍流造成的風(fēng)切變告警能力較弱。對流天氣常會引起近地層風(fēng)場顯著變化，這在激光測風(fēng)雷達(dá)探測的徑向風(fēng)場中有明顯體現(xiàn)。湍流型風(fēng)切變主要表現(xiàn)為垂直風(fēng)的變化，而目前蘭州中川國際機場的激光測風(fēng)雷達(dá)采用的掃描方式缺乏對垂直風(fēng)的探測，因此對于湍流造成的風(fēng)切變告警能力較弱。

3.2 風(fēng)切變事件典型個例分析

為更好地理解兩種算法對于對流活動、動量下傳和湍流背景下風(fēng)切變的告警能力，選取3次不同成因下的風(fēng)切變事件(8、12、2號)進(jìn)行詳細(xì)分析，其中區(qū)域散度法的識別結(jié)果分別為命中、命中、漏報，斜坡檢測法表現(xiàn)為命中、漏報、漏報。

3.2.1 對流型風(fēng)切變

2020年8月9日13:52，某航班在距離北跑道末端1.8 km處遭遇風(fēng)切變并中止進(jìn)近，此次風(fēng)切變事件(8號)發(fā)生在一次對流活動背景下，區(qū)域散度法和斜坡檢測法均成功發(fā)布告警。 機場氣象觀測記錄顯示，風(fēng)切變事件發(fā)生前后機場北側(cè)有對流云生成并向南移動。從風(fēng)切變發(fā)生前后5 min及發(fā)生時的激光測風(fēng)雷達(dá)徑向速度PPI圖(圖2)看出，徑向速度大值區(qū)有南壓的過程。事件發(fā)生前5 min[圖2(a)]，零速度線存在明顯折角，雷達(dá)處于西北偏北氣流與偏西氣流交匯處，風(fēng)向切變明顯，且雷達(dá)西北偏北方向5 km處存在徑向速度大值區(qū)，其值在17～20 m·s-1之間。事件發(fā)生時[圖2(b)]，速度大值區(qū)進(jìn)一步南壓，雷達(dá)北側(cè)徑向風(fēng)切變明顯，且流入?yún)^(qū)面積明顯大于流出區(qū)面積，表明低層風(fēng)場出現(xiàn)輻合，迫使局地垂直上升運動產(chǎn)生。因此，飛機下降過程中會同時受到徑向風(fēng)切變及垂直氣流的影響。事件發(fā)生后5 min[圖2(c)]，徑向速度大值區(qū)前沿移至雷達(dá)南側(cè)3 km處，完全覆蓋跑道。

圖2 2020年8月9日13:47(a)、13:52(b)、13:57(c)雷達(dá)徑向速度PPI圖(單位：m·s-1)

事件發(fā)生時徑向速度及兩種算法重構(gòu)的逆風(fēng)廓線(圖3)顯示，徑向速度絕對值在距雷達(dá)原點1～2.8 km范圍內(nèi)呈顯著增大趨勢，最大值為18.7 m·s-1，且徑向風(fēng)沿跑道方向存在明顯梯度，約6.7 m·s-1·km-1；斜坡檢測法和區(qū)域散度法重構(gòu)的逆風(fēng)廓線均能夠反映出明顯的徑向風(fēng)梯度，其值分別為5.7、5.3 m·s-1·km-1。另外，斜坡檢測法重構(gòu)的逆風(fēng)廓線斜率大于區(qū)域散度法，且前者重構(gòu)后的最大徑向速度值更接近于跑道及其延長線上原始最大徑向速度，可達(dá)17.7 m·s-1，而后者重構(gòu)后的最大徑向速度為16.4 m·s-1，主要原因是逆風(fēng)廓線的重構(gòu)過程中，斜坡檢測法使用的是跑道及其延長線上的單一徑向觀測數(shù)據(jù)，而區(qū)域散度法使用了多個徑向數(shù)據(jù)。

圖3 2020年8月9日13:52雷達(dá)觀測的徑向速度及兩種算法重構(gòu)的逆風(fēng)廓線

基于重構(gòu)的逆風(fēng)廓線，區(qū)域散度法和斜坡檢測法計算得到的風(fēng)切變告警位置分別在距離跑道末端0.24～2.04 km和-0.15～2.04 km處(圖4)，最大值分別為-6.2×10-3s-1和-12.61 m·s-1。對比飛行員報告的風(fēng)切變發(fā)生位置(距離跑道末端1.8km處)，兩種算法的告警位置都準(zhǔn)確。進(jìn)一步分析發(fā)現(xiàn)，兩種算法的告警識別曲線存在顯著不同，區(qū)域散度法的告警識別曲線走向和坡度與徑向速度的變化趨勢一致，且散度的顯著變化出現(xiàn)在徑向速度發(fā)生明顯變化之前，表現(xiàn)為位相上的提前量，而斜坡檢測法中不同坡長的識別結(jié)果有所差異，小波動較多，與徑向速度劇烈變化相對應(yīng)的趨勢不如區(qū)域散度法明顯。

圖4 2020年8月9日13:52雷達(dá)觀測的徑向速度及兩種算法的風(fēng)切變識別結(jié)果

3.2.2 動量下傳型風(fēng)切變

2020年11月17日14:41，某航班在南跑道末端遭遇風(fēng)切變(12號)復(fù)飛，此次風(fēng)切變事件出現(xiàn)在機場上空動量下傳的天氣背景下，事件發(fā)生前后5 min徑向速度無明顯變化(圖5)，機場上空存在一條東北—西南向的大風(fēng)帶，中心風(fēng)速達(dá)14.5 m·s-1，兩側(cè)徑向風(fēng)的水平切變明顯。

圖5 2020年11月17日14:36(a)、14:41(b)和14:46(c)雷達(dá)徑向速度PPI圖(單位：m·s-1)

對比事件發(fā)生時跑道及其延長線上徑向速度及兩種算法重構(gòu)的逆風(fēng)廓線(圖6)，發(fā)現(xiàn)徑向速度在距雷達(dá)3～4 km范圍內(nèi)出現(xiàn)明顯梯度(6.2 m·s-1·km-1)，表明跑道及其延長線周圍徑向風(fēng)存在顯著的徑向和法向切變。告警結(jié)果(圖7)顯示，區(qū)域散度法的告警識別曲線在徑向速度變化前便開始出現(xiàn)顯著變化，并在距離跑道末端-0.06～0.74 km區(qū)域范圍超過閾值(±2.5×10-3s-1)，最大值為-3.38×10-3s-1，其告警位置與風(fēng)切變實際出現(xiàn)位置相吻合；斜坡檢測法中，告警識別曲線雖然也出現(xiàn)了較為明顯的變化，最大值為-5.65 m·s-1，但未達(dá)到告警閾值(7.7 m·s-1)。可見，兩種算法對動量下傳型風(fēng)切變的識別能力存在差異。

圖6 2020年11月17日14:41雷達(dá)觀測的徑向速度及兩種算法重構(gòu)的逆風(fēng)廓線

圖7 2020年11月17日14:41雷達(dá)觀測的徑向速度和兩種算法的風(fēng)切變識別結(jié)果

綜合分析上述2次風(fēng)切變事件可知，區(qū)域散度法告警識別曲線的散度變化在位相上先于徑向速度的變化，這種位相提前量在徑向風(fēng)顯著變化時更為明顯，可為風(fēng)切變的提前告警提供一定思路。出現(xiàn)位相提前量的主要原因是：在逆風(fēng)廓線重構(gòu)過程中，區(qū)域散度法采用了跑道及其延長線附近7個徑向的觀測數(shù)據(jù)，一定程度上包含了跑道及延長線區(qū)域風(fēng)場的時空演變信息，將跑道及延長線鄰近時域的風(fēng)場信息傳遞到逆風(fēng)廓線的重構(gòu)中，從而表現(xiàn)出位相上的提前。正因如此，相較于斜坡檢測法的徑向三點平滑方法，區(qū)域散度法重構(gòu)的逆風(fēng)廓線較為光滑，波動細(xì)節(jié)較少。然而，斜坡檢測法重構(gòu)的逆風(fēng)廓線雖能夠體現(xiàn)出更多的波動細(xì)節(jié)，但告警識別結(jié)果易受到小波動的影響，導(dǎo)致告警效果較區(qū)域散度法差。

3.2.3 湍流型風(fēng)切變

2020年7月17日10:48，某航班報告在北跑道末端因氣流不穩(wěn)復(fù)飛，是湍流背景下發(fā)生的一次風(fēng)切變事件(2號)。事件發(fā)生前后5 min徑向速度PPI圖(圖8)上均呈蜂窩狀，零速度線較模糊，整體風(fēng)向表現(xiàn)為較弱的西南風(fēng)，探測范圍內(nèi)最大徑向速度為3.7 m·s-1，在正(負(fù))速度區(qū)存在局地負(fù)(正)速度，低層風(fēng)場較為混亂。

圖8 2020年7月17日10:43(a)、10:48(b)、10:53(c)雷達(dá)徑向速度PPI圖(單位：m·s-1)

該事件發(fā)生時跑道及延長線上的徑向速度波動明顯，其值在3 m·s-1以下且出現(xiàn)正負(fù)速度交替現(xiàn)象(圖9)。兩種算法的告警結(jié)果(圖10)顯示，區(qū)域散度法的最大散度值為-1.53×10-3s-1，斜坡檢測法的速度變化(△V或△V′)值最大為-3.81 m·s-1，均未達(dá)到閾值，但是區(qū)域散度法的告警識別曲線的波動較斜坡檢測法更為明顯，這一特征與8號和12號風(fēng)切變事件中區(qū)域散度法對風(fēng)切變響應(yīng)程度更高是一致的。在8號和12號事件中，雷達(dá)觀測的徑向風(fēng)場動力特征顯著，而湍流型風(fēng)切變多發(fā)生在近地層水平風(fēng)速較小、垂直風(fēng)變化較大的背景下，目前激光測風(fēng)雷達(dá)采用的掃描模式難以探測到垂直風(fēng)的變化。考慮到近地層湍流運動的特點，可以通過改變激光測風(fēng)雷達(dá)的掃描模式來實現(xiàn)垂直氣流的探測，并調(diào)整湍流背景下風(fēng)切變告警閾值來達(dá)到此類型風(fēng)切變告警。

圖9 2020年7月17日10:48雷達(dá)觀測的徑向速度及兩種算法重構(gòu)的逆風(fēng)廓線

圖10 2020年7月17日10:48雷達(dá)觀測的徑向速度和兩種算法的風(fēng)切變識別結(jié)果

綜上分析可見，對流型和動量下傳型風(fēng)切變出現(xiàn)時風(fēng)場變化較大，區(qū)域散度法有較好的識別能力，而斜坡檢測法則表現(xiàn)出一定的識別能力；湍流型風(fēng)切變主要表現(xiàn)為垂直風(fēng)的變化，在3°仰角徑向風(fēng)速PPI圖上難以體現(xiàn)這一特征，因此兩種算法均很難有效識別湍流型風(fēng)切變信息。

4 結(jié) 論

(1)區(qū)域散度法、斜坡檢測法和IRIS算法對于對流天氣、動量下傳天氣背景下的風(fēng)切變均具有較好的識別告警能力，但對于湍流背景下的風(fēng)切變告警能力較弱。

(2)區(qū)域散度和斜坡檢測兩種算法重構(gòu)的逆風(fēng)廓線表現(xiàn)出一定的差異性，區(qū)域散度法因采用多個徑向觀測數(shù)據(jù)重構(gòu)逆風(fēng)廓線，其廓線較為光滑，而斜坡檢測法采用單徑向觀測數(shù)據(jù)進(jìn)行逆風(fēng)廓線重構(gòu)，較大程度地保留了風(fēng)場的波動特性。

(3)區(qū)域散度法對于水平風(fēng)場變化顯著的風(fēng)切變的告警具有一定的位相提前量，其主要原因在于逆風(fēng)廓線重構(gòu)方案綜合了多個徑向的觀測，能夠體現(xiàn)跑道及延長線上風(fēng)場的時空變化信息，具有一定的提前告警意義。

(4)區(qū)域散度法對風(fēng)切變事件的告警效果優(yōu)于斜坡檢測法和雷達(dá)自用的IRIS算法。

鑒于機組及保障部門都會極力避免飛機遭遇風(fēng)切變，因此在激光測風(fēng)雷達(dá)落地蘭州中川機場以來收集到的風(fēng)切變個例有限，本文僅得到了區(qū)域散度法的告警準(zhǔn)確率較高這一定性結(jié)論，而定量的告警準(zhǔn)確率仍需要大量的風(fēng)切變事件樣本來確定。此外，算法中的參數(shù)均借鑒了已有研究成果，沒有針對蘭州中川機場資料進(jìn)行更多的嘗試，對于風(fēng)切變閾值的設(shè)定以及如何識別和告警湍流背景下風(fēng)切變事件等還需要進(jìn)一步深入研究。