Research and analysis of low-level wind shear warning algorithm in LiDAR
-
摘要:
为了比较测风激光雷达(LiDAR)上组合切变算法和区域散度算法这两种低空风切变告警算法在复杂风场的应用效果，2017-12—2023-04在典型高原机场采用国产自研测风LiDAR，对由对流系统、冷锋和动量下传3种典型天气过程造成的15次风切变实例进行识别算法的有效性对比分析。结果表明，组合切变算法和区域散度算法的低空风切变识别准确率分别为73.3%和67.7%；通过算法识别结果得到的低空风切变告警有效性可持续10 min以上；组合切变算法在小尺度低空风切变的识别上更具优势，但若遇到风场变化缓慢的对流型及冷锋型低空风切变，两种算法的识别率都不高。该研究结果对改进低空风切变告警算法有较好的参考意义。
Abstract:In order to compare the application effect of two low altitude wind shear alerting algorithms of combined shear algorithm and the regional divergence algorithm on wind light detection and ranging (LiDAR) in complex wind fields, 15 wind shear cases caused by 3 typical weather processes of convective system, cold front, and momentum down at a typical plateau airport from 2017-12 to 2023-04 were selected for comparative analysis of the effectiveness of the recognition algorithms by using a wind LiDAR radar that is made in China. The results show that the accuracy of the combined shear algorithm and the regional divergence algorithm are 73.3% and 67.7%, respectively. The validity of low-level wind shear alarm obtained by the algorithm can last for more than 10 min. It can be seen that the combined shear algorithm is more advantageous in the identification of small-scale low-level wind shear. However, in the case of convective type and cold front type low-level wind shear with slow wind field change, the recognition rate of the two algorithms is not high. The research results of this paper have a good reference significance for equipment manufacturers to improve the low altitude wind shear alerting algorithm.
-
0. 引言
在航空气象学中，离地面约600 m以下的风矢量在垂直和(或)水平方向上的变化称为低空风切变[1]。低空风切变是飞行器活动的“隐形杀手”，能够在极短时间内改变航空器的飞行姿态，在起飞和着陆阶段极易导致航空器颠簸、复飞，严重的甚至发生坠机[2-4]。低空风切变可分为风的垂直切变、风的水平切变以及垂直气流的切变，由于其结构复杂、时空尺度小以及和突发性强等特点，探测难、预报难、飞行难等一系列问题一直萦绕在航空安全运行中。在我国航空事业飞速发展的今天，加强低空风切变的探测与研究，在保障航空安全方面具有重大的现实意义及经济价值。
目前国内机场采用的低空风切变探测设备主要有基于超声波及机械传动两种体制的风速风向传感器、风廓线雷达、多普勒天气雷达和测风激光雷达(light detection and ranging，LiDAR)。风速风向传感器在国内机场多架设于10 m风杆之上，通常布置于跑道两侧或机场周边，数个传感器的组合可构成低空风切变预警系统(low level wind shear alert system, LLWAS)[5]，但其探测高度受限，仅能探测近地面风场，对于降落中的飞机预警效果不足。多普勒天气雷达在扫描范围和探测高度方面具备一定优势，可探测大气中的云雨粒子，多用于探测受明显云雨系统影响而产生的风切变，但不具备探测晴空条件下低空风切变的能力[6]。风廓线雷达可探测雷达安装位置上空的垂直风场，利于探测固定位置上空的垂直风切变, 但在航空保障领域中，风廓线雷达的风切变预警实际效果受安装位置影响较大，且对水平风切变监测能力有限。测风激光雷达是利用大气气溶胶粒子对激光散射回波的多普勒效应，从而进一步反演风场信息的新型风场探测设备，主要有数据刷新率快、分辨率高、具有多种扫描方式且可自由组合、体积小及安装便捷等特点，特别是具备3维扫描探测能力的测风激光雷达能够在晴空天气下提供精准的低空3维风场信息，已逐渐成为探测低空风切变最有效的手段[7-10]。
低空风切变识别和预警算法航空安全保障领域中扮演着非常重要的角色。20世纪70年代, 日本气象学者FUJITA开启了低空风切变的研究[11]。随后1993年, WITT等人通过阵风识别算法开发了因阵风锋引起的风切变识别算法[12]。2006年, CHAN等人在下滑道扫描算法基础上开发了基于F因子及涡旋耗散率的风切变告警算法[13-15]。2007年，KEOHAN设计和开发了基于地物识别干性风切变算法[16]。2013年，AUGROS等人研发了相邻距离库风数据差异性的风切变算法[17]。目前芬兰Vaisala、德国Rainbow、日本三菱公司所采用的算法是国外主流的风切变告警算法。测风激光雷达的算法研究在国内起步较晚，低空风切变的告警算法研究还相对较少，但也出现了JIANG等人提出的基于测风激光雷达下滑道模式的单、双斜坡检测结合的风切变告警算法[18]。LI等人采用拟合多个径向风数据重构逆风阔线设计的区域散度算法[19]。西南技术物理研究所利用FC-Ⅲ型测风激光雷达, 通过分别计算风数据1维径向及切向切变，合成得到风数据2维切变的组合切变告警算法[20]。由检索文献可知，未见对上述算法有效性的对比研究。显然开展同一环境、不同天气过程主要识别算法的有效性对比分析研究，对后期低空风切变识别算法改进和激光雷达设备改进都有积极和重要意义。
气象观测表明，低空风切变的出现与地理环境、地表植被覆盖类型、天气季节和中小尺度天气系统演变密切相关。西宁曹家堡国际机场(国际代码ZLXN，以下简称西宁机场)的低空风切变频率多且成因复杂，该机场安装有地面风杆、风廓线雷达、测风激光雷达和双偏振多普勒天气雷达等全套多种气象探测设备，与其它机场相比，从低空风切变实例的代表性、探测设备资源多源性、飞机起降架次数量和航空器空中报告可验证性等角度考量都是理想的研究场所，因此本文作者以西宁机场为例进行分析研究。
1. 环境与设备
西宁机场地处青藏高原东北部、祁连山脉东南侧的湟水河流域，周围山脉沟壑纵横，地势起伏大(见图 1)。机场海拔2184 m，有一条东南-西北走向的跑道(见图 2a)，全长3.8 km。机场处于峡谷地带西高东低，南、北、西三面环山，山脉平均海拔在2500 m以上，东部为出口，山谷风日变化明显。西宁机场受地形影响，低空风切变多发且复杂。
![图 1 西宁曹家堡国际机场地形图]()
图 1 西宁曹家堡国际机场地形图Figure 1. Geographical environment around Xining Caojiabao International Airport2017年12月，西宁机场安装使用西南技术物理研究所FC-Ⅲ型测风激光雷达并开展试验运行，并于2019年12月进行升级，探测范围由原有6 km升级为10 km。如图 2a所示，目前测风激光雷达安装于西宁机场跑道中段偏西侧，距跑道11#端头约1.4 km，距跑道中心线约310 m。
FC-Ⅲ型测风激光雷达采用多普勒脉冲、全光纤、相干体制，通过接收大气中气溶胶粒子对激光散射的多普勒频移来来反演大气风场。表 1中为FC-Ⅲ型测风激光雷达主要性能参数。西宁机场采用该雷达的组合探测模式进行24 h全天候不间断扫描运行，组合模式可根据运行需求自行设置及调整，常用组合模式包括：2次多普勒风廓线(Doppler beam swinging，DBS)模式、2次3°仰角的平面位置显示(plan position indicator，PPI)模式、2次距离高度显示(range height indicator，RHI)模式、2次6°仰角的平面位置扫描模式、2次水平角度110°及290°下滑道扫描(glide path，GP)模式，主要探测资料包括：径向风速、水平及垂直风向风速、谱宽和信噪比等数据。
表 1 FC-Ⅲ型测风激光雷达主要性能参数Table 1. Main technical parameters of FC-Ⅲ wind LiDARparameters value wavelength 1.55 μm detection range 30 m~10 km scan range speed 0 m/s~75 m/s，direction 0°~360° wind speed accuracy ≤ 0.1 m/s wind direction accuracy ≤ 3°(speed >5 m/s，2 min average) range resolution 30 m/50 m/100 m/200 m data renewal 3 s~10 min measurements radial velocity，wind profile scanning mode PPI/RHI/GP/DBS volume ≤ Ø420 mm×700 mm weight ≤ 65 kg 本文中主要通过西宁机场实际风场观测数据及发生的低空风切变实例，研究FC-Ⅲ型测风激光雷达所采用风切变告警算法与LI等人[19]提出的区域散度告警算法的告警能力，并进一步探讨在西宁机场同一环境下两种告警算法针对不同天气过程引起的低空风切变的应用效果。
2. 算法
2.1 组合切变算法
西宁机场FC-Ⅲ型测风激光雷达采用“组合切变”告警算法。当发生低空风切变时，根据LiDAR在低仰角PPI扫描时得到的大气风场径向速度沿径向和切向的变化，利用最小二乘法，计算风速的1维径向和切向切变，合成得到2维组合切变[20]。
径向切变Cx是对测风激光雷达径向上的n个距离库，使用最小二乘法计算得出，表达式如下[20]：
Cx=ΔvΔR=n∑i=1vin∑i=1ri−nn∑i=1virin∑i=1rin∑i=1ri−nn∑i=1ri2ΔrΔr+Lr (1) 式中: Δv及ΔR分别为n个距离库速率的变化量及距离的变化量; Δr为所需计算的距离库间距；Lr为距离库的单位长度；vi为第i(i=1, 2, 3，⋯，n)个距离库处风的径向速率; ri为第i个距离库离激光雷达中心点的距离。
切向切变Cy对测风激光雷达径向上的m个距离库，使用最小二乘法计算得出，表达式如下[20]：
Cy=1r∂v∂θ=m∑i=1vim∑i=1θi−mm∑i=1viθim∑i=1θim∑i=1θi−mm∑i=1θi2rΔθrΔθ+πrφ180∘ (2) 式中: ∂v及∂θ分别为m个距离库速度的变化量及方位角的变化量; r为测风激光雷达到计算点的距离; Δθ为雷达的方位角步进长度; φ为雷达角度分辨率; θi为从切向点开始第i个距离库的方位角。
将径向切变值Cx与切向切变值Cy结合，可得到PPI模式下水平风场的风切变数值C，表达如下[20]：
C=√C2x+C2y (3) 根据世界气象组织对于风切变强度的定义(如表 2所示), 将低空风切变强度分成4个等级，在低空风切变达到中等强度(不小于0.068 s-1)及以上时告警，由于低空风切变对航空器的影响与飞机机型、重量、空中速度及风切变强度等有关。根据FAN等人[20]的研究结果，国内民用航空机场80%为中小型机场，保障多为中小型机型飞机，因此将西宁机场测风激光雷达风切变告警阈值定为C≥0.04 s-1。
表 2 世界气象组织低空风切变强度标准Table 2. Low-level wind shear strength standard of World Meteorological Organizationlevel wind shear strength/s-1 mild < 0.067 moderate 0.068~0.138 intense 0.139~0.206 severe >0.206 2.2 区域散度算法
区域散度风切变告警算法是将多个径向拟合风速计算区域散度，用以识别风切变的范围及强度[19]。该算法分为两步完成：一是多个径向拟合的风廓线重构; 二是区域散度值计算[21]。重构逆风廓线是构建测量区域的风场，就是将测量区域内方向不同、但距离相同的风场数据进行处理，得到测量区域的径向风。根据ZHANG等人的研究[21]，在进行逆风廓线重构的计算过程中，需剔除异值点，确保计算结果的正确性。
重构逆风廓线后，对逆风廓线上任意一个数据点p沿径向方向计算其区域散度值Rd[19, 22], 如下：
Rd=Ip+D/2+R−Ip−D/2−R(D+2R)Δx (4) 其中：
{Ip+D/2+R=12R+1p+D/2+2R∑k=p+D/2UkIp−D/2−R=12R+1p−D/2∑k=p−D/2−2RUk (5) 式中: Ip+D/2+R(单位为m/s)及Ip-D/2-R(单位为m/s)为逆风廓线上两窗区的区域平均速率；Uk(单位为m/s)为在第k个距离库处的风速；D为有效数据点之间的距离; R为窗区长度，取值为径向库距的倍数，取为0, 1, 2, ⋯;D取偶数，其值为0, 2, 4, ⋯。
如果计算区域中连续有3个数据点的区域散度值的绝对值超过风切变告警阈值，即认为该区域发生局部风切变，绝对值越大，风切变越强，且连续超过阈值的点越多，风切变范围越大。根据LI等人[19]的研究结果，D=4，R=1，并按照国际民航组织标准[1]，本文作者将区域散度法的风切变告警阈值设置为±2.5×10-3/s。
3. 验证实例统计和筛选
本文中统计了2017-12—2023-04期间发生的风切变数据，如图 3所示。从图中可见：西宁机场夏季低空风切变占比最多，且主要为雷暴引起的对流型风切变；冬春季占比次之，主要受冷锋和动量下传大风影响。造成低空风切变最多的天气为对流天气，锋面系统和动量下传次之。
![图 3 西宁曹家堡国际机场低空风切变类型及时空分布变化]()
图 3 西宁曹家堡国际机场低空风切变类型及时空分布变化Figure 3. Statistical diagram of low-level wind shear types and spatiotemporal distribution changes at Xining Caojiabao International Airport将全部统计数据按照下列条件筛选：
(a) 将上述风切变统计数据中高度发生在600 m以上的数据全部剔除，以符合低空风切变条件；
(b) 选取有西宁机场航空器空中报告进行验证的低空风切变实例。通过筛选后，符合的低空风切变验证实例总计54次。
所筛选的54次低空风切变实例中对流天气、锋面系统和动量下传分别占比为57.4%、24%、11.1%，与西宁机场2017-12—2023-04全部低空风切变的天气背景占比成保持一致。
考虑到分析个例的典型性，本文中将54次低空风切变实例中按时刻接近选最严重、天气类型接近选演变最迅速并依据天气过程的占比基本一致的原则进行了筛选，得到了对流天气成因的7次、锋面系统成因的5次、动量下传成因的3次，总计3类15次典型个例进行应用研究分析，实例相关信息如表 3所示。
表 3 西宁曹家堡国际机场经航空器空中报告验证的15次低空风切变信息Table 3. Information of 15 low-level wind shear examples that verified by aircraft air reports at Xining Caojiabao International AirportNo. time position height/m cause of formation 1 2019-03-29T18:48 5 km away from the end of runway 29# 316 momentum downward-transporting 2 2019-04-25T17:27 1 km in runway 11# 152 cold front 3 2019-06-05T17:19 over the end of runway 29# 50 convection 4 2019-11-09T12:33 final of the runway 29# 304 momentum downward-transporting 5 2020-02-13T18:19 the west 6.5 km from the radar 450 cold front 6 2020-04-24T18:31 the end of runway 29# 90 convection 7 2020-05-29T14:08 Upwind of the runway 11# 60 convection 8 2020-06-23T14:54 1 km in runway 29# 91 convection 9 2021-01-27T19:05 4 km in runway 29# 216 cold front 10 2021-05-05T15:45 the end of runway 29# 30 momentum downward-transporting 11 2021-05-06T14:28 ground zone of runway 29# 30 convection 12 2021-05-18T17:42 final of the runway 11# 216 cold front 13 2022-02-03T17:23 1 km away from the end of runway 29# 70 cold front 14 2022-07-03T19:25 3 km away from runway 29# 216 convection 15 2023-04-05T15:31 ground zone of runway 11# 12 cold front 4. 应用分析
4.1 告警结果对比分析
使用组合切变和区域散度两种风切变告警算法，对表 3中15次不同成因引起的低空风切变实例进行识别能力验证, 如表 4所示。从表 4可以看出，组合切变算法对15次风切变实例中的序号为2、3、6、13这4次实例未做出风切变告警，分别是2次对流型及2次冷锋型低空风切变，命中率为73.3%；区域散度算法对15次风切变实例中的2、3、6、9、13这5次实例未识别风切变，分别为2次对流型及3次冷锋型低空风切变，命中率为66.7%。组合切变算法与区域散度算法在低空风切变告警能力上相仿，组合切变算法略优于区域散度算法。
表 4 15次实例中组合切变算法及区域散度算法的低空风切变识别情况Table 4. Identification of low-level wind shear by combined shear algorithm and region divergence algorithm in 15 examplesNo. combined shear algorithm region divergence algorithm C/s-1 alert or not Rd/10-3 s-1 alert or not 1 0.052 yes -3.59 yes 2 0.012 no 0.81 no 3 0.016 no -1.23 no 4 0.064 yes -3.73 yes 5 0.075 yes 7.41 yes 6 0.021 no 1.87 no 7 0.057 yes 5.12 yes 8 0.045 yes 4.62 yes 9 0.041 yes 2.38 no 10 0.069 yes -3.68 yes 11 0.843 yes -9.27 yes 12 0.053 yes 5.43 yes 13 0.017 no -1.81 no 14 0.055 yes -3.21 yes 15 0.079 yes 8.66 yes 表 4中的3号实例是对流天气下的低空风切变，当天的对流云较弱，因此未能在风场扫描中捕捉到下沉气流接地后的辐散，是未能做出告警的主要原因；6号实例同样是对流型低空风切变，由于当日降水较大，明显地衰减了测风激光雷达量程，未能够识别风切变。而2号和13号冷锋型低空风切变实例，当日并未出现大风天气，低层风场的变化较为平稳，是未能识别风切变的主要原因。可以看出，两种算法对对流型、冷锋型、动量下传型低空风切变均具备较好的识别能力，但若遇到低层风场变化缓慢的对流型及冷锋型低空风切变，两种算法就很难有效识别。
进一步研究分析两种风切变告警算法针对15次低空风切变实例的预警信息，见表 5。其中位置参考起点为测风激光雷达所在位置，风切变发生位置在跑道29#方向为正，在跑道11#方向为负；预警时间早于航空器报告时间为负，晚于航空器空中报告时间为正。对比表 5及表 3的信息，在能够识别风切变告警的实例中：(a)从预警时间维度可以看出，实例7、8、9和12号未能够提前做出风切变预警或提前预警时间较短，其中7、8、12号是这3个实例均为对流型风切变，当日的较强降水会使测风激光雷达的量程缩短，是未能提前做出预警的主要原因；对于9号实例，由表 4看出，两种风切变告警算法计算出的告警值非常接近告警阈值，但当日低层风场变化较为平稳，是未能做出提前预警的主要原因；其余实例中，两种算法均能够提前10 min以上进行预警，组合切变算法在预警提前量上略优于区域散度算法; (b)根据表 3中风切变实例的天气成因及发生位置信息，从表 5中告警位置维度可以看出，低空风切变的预警位置与当日天气系统基本相符，两种算法能够较好地体现当日天气系统控制下，低空风切变位置变化、移动方向等相关信息，对于预报员进行低空风切变的预判有一定的辅助作用。
表 5 15次低空风切变实例中组合切变算法及区域散度算法的预警信息Table 5. Forewarning information of combined shear algorithm and region divergence algorithm in 15 low-level wind shear examplesNo. combined shear algorithm region divergence algorithm position/km forewarning time/min position/km forewarning time/min 1 0.9~1 -22 0.6~0.8 -24 2 not identify not identify 3 not identify not identify 4 0.4~2 -14 0.6~1.9 -13 5 3~4.4 -33 2.5~4 -42 6 not identify not identify 7 -1.6~ -2.8 -1 -1.5~ -3 -2 8 -0.7~ -1.3 -3 -1~ -1.5 -5 9 6.6~8.5 4 not identify 10 -3.7~ -4.6 -16 -2.9~ -3.6 -11 11 -5~ -6.4 -28 -4.8~ -6.2 -27 12 -2.8~ -4.1 0 -2.1~ -3.8 -1 13 not identify not identify 14 2.8~3.4 -7 2.4~3.1 -5 15 -3.2~ -4.6 -22 -3.4~ -4.3 -19 4.2 实例对比分析
分析5号的实例，当日午后有下传西风，傍晚则受冷锋系统控制下的偏东大风影响。从本场测风激光雷达在17:46时PPI(3°)风场数据(见图 4a)可以看出，西宁机场低空区域正处于西风转东风的过程中，在跑道11#延长线2 km~3 km处，有明显的低空风切变(如图 4b中黄框所示)，此时距航空器空中报告低空风切变发生时间(见表 3)提前了33 min。到18:19时(见图 5a)，西宁机场的380 m以下的低空风场已经完成了偏西风向偏东风的转变，而380 m以上风场则为偏西大风。从图 5b中可以看出，在西宁机场上空380 m~ 1200 m存在明显的切变层。由于受沙尘天气的影响，在18:19时，FC-Ⅲ型测风激光雷达的量程已由17:46时的6 km缩减至4 km，因此18:19时附近时间的PPI(3°)风场扫描中没有识别出风切变，但在同时刻的风廓线模式数据中识别出了明显的风场垂直切变及速度切变。当时西宁机场跑道11#为主降端，对比表 3中5号风切变实例的航空器空中报告信息，FC-Ⅲ型测风激光雷达的低空风切变告警与航空器所遭遇风切变的时间及位置基本一致。这种现象提醒机场预报员，在降水、沙尘等天气条件下测风激光雷达的量程会缩减，若PPI模式下无法识别较远距离的低空风切变时，预报员要善于运用DBS、RHI、GP等模式风场数据来协助识别低空风切变。同时也提醒雷达厂家，风切变识别告警需要考虑组合扫描中的每一种扫描模式的结果，在采用权重配比的方法进行综合判定。
![图 4 FC-Ⅲ型测风激光雷达的PPI(3°)风场数据和风切变数据]()
图 4 FC-Ⅲ型测风激光雷达的PPI(3°)风场数据和风切变数据Figure 4. Wind data in PPI(3°) and wind shear data of FC-Ⅲ wind LiDAR![图 5 FC-Ⅲ型测风激光雷达的RHI风场数据和风廓线模式风场数据]()
图 5 FC-Ⅲ型测风激光雷达的RHI风场数据和风廓线模式风场数据Figure 5. Wind data in RHI and DBS of FC-Ⅲ wind LiDAR此外，根据组合切变算法和区域散度算法的风切变告警(见图 6)可以看出，两种算法均能够有效识别出低空风切变(如图 6红色虚线框所示)，但组合切变算法能够识别一些小尺度的风切变(如图 6a黄色实线框所示)，而区域散度算法并无相应识别(见图 6b)，组合切变算法在小尺度风切变的识别上具有一定优势。
![图 6 组合切变算法和区域散度算法的风切变告警]()
图 6 组合切变算法和区域散度算法的风切变告警Figure 6. Alerting of wind shearof combined shear algorithm and region divergence algorithm综合以上信息可知，在具备较为明显特征的天气系统下，组合切变算法和区域散度算法均具备一定的低空风切变的识别、预警能力，能够为气象人员预判低空风切变的发生位置、移动方向等提供辅助作用。
5. 结论
利用高原机场复杂环境风场背景下的典型天气过程伴随的低空风切变实例，基于空中飞机报告对识别算法有效性进行了对比研究。
(a) 在15次低空风切变实例中，组合切变算法、区域散度算法的低空风切变识别命中率分别为73.3%和67.7%，组合切变算法略优；两种算法针对对流型、冷锋型、动量下传型低空风切变均有较好的识别告警能力，但若遇到风场变化缓慢的对流型及冷锋型低空风切变，两种算法的识别率都不高。
(b) 两种算法均具备低空风切变预警能力，在筛选的15次低空风切变实例中，去除因降水导致测风激光雷达量程缩减的实例，组合切变算法、区域散度算法对于低空风切变的预警时间至少在10 min以上；根据个例分析，组合切变算法在小尺度低空风切变的识别上具有一定优势。
(c) 两种算法均可辅助预报员预判较为显著特征天气系统下形成的低空风切变。在降水、沙尘等天气条件时，测风激光雷达的探测量程会缩减，PPI模式无法识别较远距离的低空风切变时，预报员要结合DBS、RHI、GP等模式风场数据来判别低空风切变。
本文中基于航空器报告在同一地理环境下、不同天气过程的研究方法，在一定程度上促使重视风切变告警信息在飞行保障中的实际应用技巧，也提高了研究结果的通用性，对设备厂家改进识别算法也有很好的参考意义。在实际运行保障中，应针对沿海、平原等与高原不同的地域环境，对算法的采样范围、告警阈值等进行适当调整。
-
![]()
图 1 西宁曹家堡国际机场地形图
Figure 1. Geographical environment around Xining Caojiabao International Airport
![]()
图 3 西宁曹家堡国际机场低空风切变类型及时空分布变化
Figure 3. Statistical diagram of low-level wind shear types and spatiotemporal distribution changes at Xining Caojiabao International Airport
![]()
图 4 FC-Ⅲ型测风激光雷达的PPI(3°)风场数据和风切变数据
Figure 4. Wind data in PPI(3°) and wind shear data of FC-Ⅲ wind LiDAR
![]()
图 5 FC-Ⅲ型测风激光雷达的RHI风场数据和风廓线模式风场数据
Figure 5. Wind data in RHI and DBS of FC-Ⅲ wind LiDAR
![]()
图 6 组合切变算法和区域散度算法的风切变告警
Figure 6. Alerting of wind shearof combined shear algorithm and region divergence algorithm
表 1 FC-Ⅲ型测风激光雷达主要性能参数
Table 1 Main technical parameters of FC-Ⅲ wind LiDAR
parameters value wavelength 1.55 μm detection range 30 m~10 km scan range speed 0 m/s~75 m/s，direction 0°~360° wind speed accuracy ≤ 0.1 m/s wind direction accuracy ≤ 3°(speed >5 m/s，2 min average) range resolution 30 m/50 m/100 m/200 m data renewal 3 s~10 min measurements radial velocity，wind profile scanning mode PPI/RHI/GP/DBS volume ≤ Ø420 mm×700 mm weight ≤ 65 kg 
下载: 导出CSV
表 2 世界气象组织低空风切变强度标准
Table 2 Low-level wind shear strength standard of World Meteorological Organization
level wind shear strength/s-1 mild < 0.067 moderate 0.068~0.138 intense 0.139~0.206 severe >0.206
下载: 导出CSV
表 3 西宁曹家堡国际机场经航空器空中报告验证的15次低空风切变信息
Table 3 Information of 15 low-level wind shear examples that verified by aircraft air reports at Xining Caojiabao International Airport
No. time position height/m cause of formation 1 2019-03-29T18:48 5 km away from the end of runway 29# 316 momentum downward-transporting 2 2019-04-25T17:27 1 km in runway 11# 152 cold front 3 2019-06-05T17:19 over the end of runway 29# 50 convection 4 2019-11-09T12:33 final of the runway 29# 304 momentum downward-transporting 5 2020-02-13T18:19 the west 6.5 km from the radar 450 cold front 6 2020-04-24T18:31 the end of runway 29# 90 convection 7 2020-05-29T14:08 Upwind of the runway 11# 60 convection 8 2020-06-23T14:54 1 km in runway 29# 91 convection 9 2021-01-27T19:05 4 km in runway 29# 216 cold front 10 2021-05-05T15:45 the end of runway 29# 30 momentum downward-transporting 11 2021-05-06T14:28 ground zone of runway 29# 30 convection 12 2021-05-18T17:42 final of the runway 11# 216 cold front 13 2022-02-03T17:23 1 km away from the end of runway 29# 70 cold front 14 2022-07-03T19:25 3 km away from runway 29# 216 convection 15 2023-04-05T15:31 ground zone of runway 11# 12 cold front
下载: 导出CSV
表 4 15次实例中组合切变算法及区域散度算法的低空风切变识别情况
Table 4 Identification of low-level wind shear by combined shear algorithm and region divergence algorithm in 15 examples
No. combined shear algorithm region divergence algorithm C/s-1 alert or not Rd/10-3 s-1 alert or not 1 0.052 yes -3.59 yes 2 0.012 no 0.81 no 3 0.016 no -1.23 no 4 0.064 yes -3.73 yes 5 0.075 yes 7.41 yes 6 0.021 no 1.87 no 7 0.057 yes 5.12 yes 8 0.045 yes 4.62 yes 9 0.041 yes 2.38 no 10 0.069 yes -3.68 yes 11 0.843 yes -9.27 yes 12 0.053 yes 5.43 yes 13 0.017 no -1.81 no 14 0.055 yes -3.21 yes 15 0.079 yes 8.66 yes
下载: 导出CSV
表 5 15次低空风切变实例中组合切变算法及区域散度算法的预警信息
Table 5 Forewarning information of combined shear algorithm and region divergence algorithm in 15 low-level wind shear examples
No. combined shear algorithm region divergence algorithm position/km forewarning time/min position/km forewarning time/min 1 0.9~1 -22 0.6~0.8 -24 2 not identify not identify 3 not identify not identify 4 0.4~2 -14 0.6~1.9 -13 5 3~4.4 -33 2.5~4 -42 6 not identify not identify 7 -1.6~ -2.8 -1 -1.5~ -3 -2 8 -0.7~ -1.3 -3 -1~ -1.5 -5 9 6.6~8.5 4 not identify 10 -3.7~ -4.6 -16 -2.9~ -3.6 -11 11 -5~ -6.4 -28 -4.8~ -6.2 -27 12 -2.8~ -4.1 0 -2.1~ -3.8 -1 13 not identify not identify 14 2.8~3.4 -7 2.4~3.1 -5 15 -3.2~ -4.6 -22 -3.4~ -4.3 -19
下载: 导出CSV
-
[1] INTERNATIONAL CIVIL AVIATION ORGANIZATION. Manual on low-level wind shear: Doc 9817[S]. Ottawa, Canada: International Civil Aviation Organization, 2005.
[2] GULTEPE I, SHARMANR, WILLIAMS P D, et al. A review of high impact weather for aviation meteorology[J]. Pure and Applied Geophysics, 2019, 176(5): 1869-1921. DOI: 10.1007/s00024-019-02168-6
[3] 王青梅, 郭乐乐. 激光测风雷达在机场低空风切变探测中的应用[J]. 激光与红外, 2012, 42(12): 1324-1328. WANG Q M, GUO L L. Development of lidar in detection of low altitude wind shear[J]. Laser and Infrared, 2012, 42(12): 1324-1328(in Chinese).
[4] 戴丽莉. 探测微尺度风切变场的多普勒激光测风雷达研究[D]. 南京: 南京理工大学, 2010. DAI L L. Research of Doppler lidar in detection of low altitude wind shear[D]. Nanjing: Nanjing University of Science and Technology, 2010(in Chinese).
[5] 郭忠立. 双流机场风切变预警系统方案设计及LLWAS算法研究[J]. 气象水文海洋仪器, 2018, 35(2): 28-31. GUO Zh L. Design of wind shear alarming system for Shuangliu airport and LLAWS algorithm research[J]. Meteorological, Hydrological and Marine Instruments, 2018, 35(2): 28-31(in Chinese).
[6] 黄轩, 郑佳锋, 张杰, 等. 西宁机场一次低空风切变的结构和特征研究[J]. 激光技术, 2022, 46(2): 206-212. DOI: 10.7510/jgjs.issn.1001-3806.2022.02.010 HUANG X, ZHENG J F, ZHANG J, et al. Study on the structure and characteristic of a low-level wind shear process that happened over Xining Airport[J]. Laser Technology, 2022, 46(2): 206-212(in Chinese). DOI: 10.7510/jgjs.issn.1001-3806.2022.02.010
[7] 范琪, 朱克云, 郑佳锋, 等. 不同天气类型下全光纤相干激光测风雷达探测性能分析[J]. 中国激光, 2017, 44(2): 0210003. FAN Q, ZHU K Y, ZHENG J F, et al. Detection performance analysis of all-fiber coherent wind lidar under different weather types[J]. Chinese Journal of Lasers, 2017, 44(2): 0210003(in Chinese).
[8] 李林蔚, 陈亚军, 弓宇恒. 激光测风雷达反演风场产品在冬运会的适用性分析[J]. 现代电子和技术, 2022, 45(13): 93-98. LI L W, CHEN Y J, GONG Y H. Applicability of wind field products retrieved from wind lidar in the Winte Games[J]. Modern Electronics Technique, 2022, 45(13): 93-98(in Chinese).
[9] 华志强, 黎倩, 黄轩. 激光测风雷达在航空保障中的典型应用分析[J]. 激光技术, 2020, 44(5): 600-604. DOI: 10.7510/jgjs.issn.1001-3806.2020.05.012 HUA Zh Q, LI Q, HUANG X. Analysis of the typical application of laser wind measurement radar in avation support[J]. Laser Technology, 2020, 44(5): 600-604(in Chinese). DOI: 10.7510/jgjs.issn.1001-3806.2020.05.012
[10] 牛向华, 黄轩, 朱文会, 等. 1.55 μm激光雷达高原机场下击暴流探测应用研究[J]. 激光技术, 2024, 48(3): 318-326. NIU X H, HUANG X, ZHU W H, et al. Application research of 1.55 μm wind LiDAR in detecting downburst on a plateau airport[J]. Laser Technology, 2024, 48(3): 318-326(in Chinese).
[11] 赵文凯, 单雨龙, 赵世军. 激光测风雷达监测低空风切变研究进展[J]. 气象水文海洋仪器, 2020, 37(4): 97-100. ZHAO W K, SHAN Y L, ZHAO Sh J. Research progress of low-level wind shear detection by laser radar[J]. Meteorological, Hydrological and Marine Instruments, 2020, 37(4): 97-100(in Chinese).
[12] HERMES L G, WITT A, SMITH S, et al. The gust-front detection and wind-shift algorithms for the terminal Doppler weather radar system[J]. Journal of Atmospheric and Oceanic Technology, 1993, 10(5): 693-709.
[13] CHAN P W, SHUN C M, WU K C. Operational LiDAR-based system for automatic wind shear alerting at the Hong Kong International Airport[C]//12th Conference on Aviation, Range, and Aerospace Meteorology. Atlanta, GA, USA: American Meteorological Society, 2006: r613.
[14] CHAN P W. Application of LiDAR-based F-factor in windshear alerting[J]. Meteorologische Zeitschrift, 2012, 21(2): 193-204.
[15] HON K K, CHAN P W. Application of LiDAR-derived eddy dissipation rate profiles in low-level wind shear and turbulence alerts at Hong Kong International Airport[J]. Meteorological Applications, 2014, 21(1): 74-85.
[16] KEOHAN C. Ground-based wind shear detection systems have become vital to safe operations[J]. ICAO Journal, 2007, 62(2): 16-19.
[17] AUGROS C, TABARY P, ANQUEZ A, et al. Development of a nationwide low-level wind shear mosaic in France[J]. Weather & Forecasting, 2013, 28(5): 1241-1260.
[18] 蒋立辉, 闫妍, 熊兴隆, 等. 基于斜坡检测的多普勒激光雷达低空风切变预警算法[J], 红外与激光工程, 2016, 45(1): 106001. JIANG L H, YAN Y, XIONG X L, et al. Doppler lidar alerting algorithm of low-level wind shear based on ramps detection. Infrared and Laser Engineering, 2016, 45(1): 106001(in Chinese).
[19] LI L Q, SHAO A M, ZHANG K J, et al. Low-level wind shear characteristics and lidar-based alerting at Lanzhou Zhongchuan International Airport, China[J]. Journal of Meteorological Research, 2020, 34(3): 633-645.
[20] 范琪, 郑佳锋, 周鼎富, 等. 基于激光测风雷达的机场低空风切变识别算法[J]. 红外与毫米波学报, 2020, 39(4): 462-472. FAN Q, ZHENG J F, ZHOU D F, et al. Research on airport low-level wind shear identification algorithm based on laser wind shear[J]. Journal of Infrared and Millimeter Waves, 2020, 39(4): 462-472(in Chinese).
[21] 张开俊, 伏龙延, 李兰倩, 等. 基于激光测风雷达的两种低空风切变告警算法对比研究[J]. 干旱气象, 2021, 39(4): 652-661. ZHANG K J, FU L Y, LI L Q, et al. Comparison of two lidar-based alerting algorithms for low-level wind shear[J]. Journal of Arid Meteorology, 2020, 39(4): 462-472(in Chinese).
[22] 刘晓明. 激光雷达识别低空风切变的方法和效果[J]. 激光技术, 2024, 48(3): 416-424. DOI: 10.7510/jgjs.issn.1001-3806.2024.03.018 LIU X M. Methodology and effectiveness of LiDAR in identifying low-level wind shear[J]. Laser Technology, 2024, 48(3): 416-424(in Chinese). DOI: 10.7510/jgjs.issn.1001-3806.2024.03.018
计量
- 文章访问数: 3
- HTML全文浏览量: 1
- PDF下载量: 1