高原气象

高原气象 >

2025 , Vol. 44 >Issue 2: 492 - 506

DOI: https://doi.org/10.7522/j.issn.1000-0534.2023.00071

影响云南航空安全的四类气象要素分析

  • 吴宝军 , 1, 2 ,
  • 陈明升 2 ,
  • 宋敏红 , 1, 2 ,
  • 向卫国 1, 2
展开
  • 1. 成都信息工程大学云南自然灾害防御技术研发中心，云南 昆明 650034
  • 2. 成都信息工程大学大气科学学院 高原大气与环境四川省重点实验室，四川 成都 610225
宋敏红（1973 -）， 女， 陕西宝鸡人， 副教授， 主要从事气候变化与数值模拟研究. E-mail：

吴宝军（2002 -）， 男， 江西景德镇人， 学士， 主要从事气候变化研究. E-mail：

收稿日期: 2023-04-26

  修回日期: 2023-09-02

  网络出版日期: 2025-03-24

基金资助

2022年度云南省科技厅重点研发计划项目(202203AC100006)

收起

Analysis of Four Meteorological Factors Affecting Aviation Safety in Yunnan

  • Baojun WU , 1, 2 ,
  • Mingsheng CHEN 2 ,
  • Minhong SONG , 1, 2 ,
  • Weiguo XIANG 1, 2
Expand
  • 1. Yunnan & Institute of Natural Disaster on Chengdu University of Information Technology，Kunming 650034，Yunnan，China
  • 2. School of Atmospheric Sciences，Chengdu University of Information Technology/Plateau Atmosphere and Environment Key Laboratory in Sichuan Province，Chengdu 610225，Sichuan，China

Received date: 2023-04-26

  Revised date: 2023-09-02

  Online published: 2025-03-24

Copyright

© Editorial Department of Plateau Meteorology（CC BY-NC-ND）
Fold

摘要

为了研究云南地区影响航空安全的四类关键气象因子及其区域变化特征， 利用2010 -2021年云南125个气象站逐日逐时地面观测数据与2013 -2019年腾冲驼峰机场的机场地面观测数据， 首先分析了云南地区关键气象要素四季的主要变化特征， 接着针对15个机场城市典型季节短时强降水和大风事件进行时空演变特征分析， 进一步选取典型高原山地机场-腾冲驼峰机场和腾冲气象站点观测数据对比分析夏季短时强降水事件的年发生日数、 春季大风事件的日频发时段， 最后分析了四类气象要素之间的复杂关系并探讨了云南地区航空安全日和危险日的空间分布状况， 结果表明： （1）短时强降水夏季最为显著， 自保山、 腾冲经临沧至普洱等地为短时强降水的高发区； 大风春季最为显著， 宁蒗和昆明两地为春季大风日数高值区且均呈增多趋势； 秋季低能见度最为显著， 主要发生在临沧、 沧源、 普洱、 西双版纳的滇西南地区， 并呈增加趋势； 低云四季空间分布相似且变化较平缓， 夏、 秋季的发生日数和分布区域均高于冬、 春季； （2）夏季短时强降水的发生日数与降水量具有明显的正相关关系， 且发生时段与机场主要航运时段相吻合， 春季大风各机场差异明显， 且多发于14:00 -23:00（北京时）； （3）天气系统的局地性使机场地区发生的天气现象同所在地区之间存在频数差异， 但在变化规律上存在相关性； （4）大理-昆明一线以北地区的航空飞行安全日显著多于云南南部地区， 云南多数地区安全日呈减少趋势； 危险日则集中在普洱以东至文山以西的云南边缘地区， 且沿迪庆-丽江-昆明以西地区呈增加趋势。

关键词： 云南航空安全; 关键气象因子; 时空特征; 安全日; 危险日

本文引用格式

吴宝军 , 陈明升 , 宋敏红 , 向卫国 . 影响云南航空安全的四类气象要素分析[J]. 高原气象, 2025 , 44(2) : 492 -506 . DOI: 10.7522/j.issn.1000-0534.2023.00071

Abstract

In order to investigate the four key meteorological factors affecting aviation safety and their regional variations in Yunnan， research employed daily and hourly ground observation data from 125 meteorological stations across Yunnan from 2010 to 2021， as well as airport ground observation data from Tengchong Tuofeng Airport during 2013 -2019.Initially， an analysis was conducted on the primary seasonal variations of key meteorological elements in Yunnan.Subsequently， a spatiotemporal evolution analysis was performed for short-duration heavy precipitation and strong wind events during typical seasons at 15 airports.Furthermore， select observational data from typical plateau mountain airports-Tengchong Tuofeng Airport， and compare it with observation data from the Tengchong meteorological station.Analyze the annual frequency of short-duration heavy precipitation events during summer and the daily occurrence periods of spring strong wind events.Ultimately， a complex interrelation analysis among the four categories of meteorological elements was undertaken， followed by an exploration of the spatial distribution patterns of safe and dangerous aviation days in the Yunnan region.The findings revealed the following outcomes： （1） Short-duration heavy precipitation was most pronounced during summer， with areas spanning from Baoshan through Lincang to Puer experiencing heightened occurrences.Spring was characterized by prominent strong wind occurrences， particularly in Ninglang and Kunming， both exhibiting an increasing trend in the frequency of windy days.Notably significant was the occurrence of low visibility during autumn， predominantly observed in the southwestern region of Yunnan， encompassing Lincang， Cangyuan， Puer， and Xishuangbanna， with an escalating tendency.The spatial distribution of low clouds remained relatively similar across all seasons， with higher occurrence frequencies and distribution areas noted during summer and autumn， as opposed to winter and spring.（2） The occurrence of short-duration heavy precipitation events in summer exhibited a distinct positive correlation with precipitation amount， and the timing of occurrences aligned well with the primary operational periods of the airports.Variances in springtime strong wind events were noticeable among airports， predominantly transpiring between 14:00 and 23:00 （Beijing time）.（3） The localized nature of weather systems results in frequency disparities in weather phenomena occurring at airport locations compared to their surrounding areas， while maintaining a correlation in their patterns of variability.（4） Notably elevated were the average numbers of safe aviation days in the northern region along the Dali-Kunming alignment， compared to the southern areas of Yunnan.The majority of Yunnan's locales exhibited a declining trend in safe aviation days， whereas dangerous days were concentrated along the eastern vicinity of Puer to the western border of Wenshan， presenting an increasing trend along the Diqing-Lijiang-Kunming westward direction.

Key words： Yunnan aviation safety; key meteorological factor; spatial-temporal variation; safe day; dangerous day

1 引言

气象条件对民航业的发展影响巨大， 是航空安全的先决条件（宁甫才， 2021）。随着航空技术的进步和航空业务的扩大， 民航运输业持续快速发展， 空域资源日益紧张， 受气象灾害影响的航空飞行事故越来越引起重视。国际民航组织数据显示， 由气象灾害造成的飞行事故在持续增加， 约占总事故的1/3（NOAA NWS， 2014； 黄斌等， 2016）。因不利天气因素导致的飞行事故在世界各地时有发生， 尤其是由气候变化导致的极端对流和恶劣天气所引发的航班延误占比不断攀升（周璞等， 2018）。因此， 气象条件对民航发展的影响越显重要， 天气因素已成为影响航班正常起降的最主要因素。
在全球变暖的背景下， 气候变化对航空的影响越来越重要。在全球变暖1.5 ℃和2.0 ℃的情景下， 北京、 上海和拉萨3个机场的限重天数将显著增加（Zhou et al， 2018）。在中国东部地区未来弱降水频次减少、 极端降水事件发生频率增加（朱坚等， 2009）， 而强降水易引起飞机发动机熄火、 恶化飞行动力条件、 影响跑道使用等情况， 特别是强降水伴随雷暴造成的飞行事故屡见不鲜（李典南和许东蓓， 2021； 聂颖等， 2020）。同时， 风沙、 烟幕、 雾等伴随逆温层的低能见度天气（周斌斌等， 2016； 慕熙昱等， 2018； 黄继雄， 2018； 佘星源等， 2022； 梁卫等， 2021； 王宏斌等， 2021）和风场剧烈变化导致的低空风切变也是造成民航事故、 导致航班延误、 影响飞行的主要原因（申辉等， 2011； 王海霞等， 2013； 徐海等， 2014； Nechaj et al， 2019）。此外， 低云、 积冰、 雷暴和湍流等均对航空安全存在重大影响， 例如2005年3月至2006年2月因天气原因导致四川航空公司延误的高原航班为305次， 其中低云114次、 顺风超标60次、 雷雨45次、 大雾49次、 跑道积冰及冰雹等共37次（黄仪方等， 2009； 郭智亮等， 2019）。可见， 了解气候变化如何影响飞行能更好地帮助机场进行航空线路设计和航班规划。
云南地处云贵高原， 北靠四川、 东临贵州、 广西， 自西向南依次与缅甸、 老挝、 越南接壤， 素有低纬高原之称。随着经济发展和旅游业兴起， 地形地貌比较复杂的云南的交通出行主要依赖航空， 是我国发展航空最早的地区之一。截至2020年， 云南省共运营民用运输机场15个， 机场数量居全国第3位（https： //baike.baidu.com/item/云南省/18664752， 2023-03-21）， 其中有9个高原机场， 2个高高原机场。由于高原、 高高原地区通常存在地形复杂、 净空条件差与对流发展过程复杂多变等特点， 短时强降水、 大风、 低能见度、 低云等几个气象要素对飞机着陆、 机场正常运行产生重要影响（陈农田等， 2022； 代冰冰等， 2016； 周晓鸥等， 2020； 高兵等， 2022）。李华宏等（2019）、 朱莉等（2020）分析出700 hPa切变线、 地面辐合线、 边界层辐合线与700 hPa风速辐合线相配合是短时强降水发生的关键系统， 在典型四类天气形势或台风等背景的配合下促使水汽辐合、 不稳定能量释放， 则更利于出现短时强降水。例如孟加拉湾低压偏南气流与东南沿海热带低压外围东北气流易为强对流天气提供水汽和不稳定能量（代冰冰和高云峰， 2020； 鲁晓芳等， 2013）， 致使不利于航空安全的天气现象发生。受昆明准静止锋的影响， 昆明长水机场跑道上空在锋面过境时、 过境后均会形成较强风切变， 而在地形抬升作用下近地层易产生逆温层， 形成低能见度现象， 可见准静止锋造成的不利气象条件对机场正常飞行造成较大影响（段旭等， 2018； 林莉等， 2018； 徐海等， 2016）。肖焕权（2009）、 李呈祥（2018）则指出全国飞机颠簸的报告次数逐年递增， 在高原航线上低云引起的飞机颠簸次数最多但强度不大， 强颠簸主要来自于强对流天气， 而云南地区的低空颠簸与风速具有明显的相关性（刘岳峰等， 2019）。
综上所述， 气象与航空飞行的关系越来越紧密， 本文旨在从影响航空安全的四个气象要素入手， 探讨2010 -2021年云南地区影响航空安全的气象要素区域气候特征及变化趋势， 并深入分析15个机场城市气象要素在影响较大季节的时空演变特征和近10年云南地区航空飞行安全日、 危险日的空间变化， 以期为保障云南地区航空安全提供气象要素演变状况的参考依据。

2 资料来源与方法介绍

2.1　数据来源

云南作为我国第二大高原， 地势呈西北高、 东南低的阶梯状分布（图1阴影区）， 最高海拔可达4800 m以上， 平均海拔 2000 m， 图1中125个测站（黑点）分布均匀， 基本能够反映云南地区气候变化的实际情况。所用实测资料为2010 -2021年云南省125个测站逐日逐时地面观测数据和2013 -2019年腾冲驼峰机场的站点观测数据， 云南省地形数据来源于国家青藏高原科学数据中心（https： //data.tpdc.ac.cn）提供的中国1 km分辨率的高程模型数据集（汤国安， 2019）。文中所涉及的各天气事件与气象灾害的信息主要来源于《中国气象灾害年鉴》中云南省主要气象灾害概述。
图1 云南省地形（阴影区）和125个测站（黑点）分布

Fig.1 Topography of Yunnan Province （shaded area） and distribution of 125 observation stations （black dots）

2.2　方法介绍

2.2.1　风险阈值及年变化

根据中国民用航空气象地面观测规范（黄斌等， 2016； 孙继松等， 2014）， 本文使用的短时强降水日、 大风日、 低能见度日与低云日四大风险阈值等定义如下： （1）短时强降水日： 指该日某时刻降水量 ≥20 mm； （2）大风日： 指该日日平均风速达阵风标准值5 m·s-1； （3）低能见度日： 指该日某时刻能见度≤1 km； （4）低云日： 指该日某时刻云底高度≤300 m； （5）短时强降水事件： 指一定时间段， 站点出现短时强降水的次数； （6）大风事件： 指一定时间段， 站点出现大风的次数。
在分析四大风险阈值的长期变化趋势中， 使用最小二乘法估计（魏凤英， 2007）， 建立气候变量同时间之间的一元线性回归得到两者的线性关系， 该方常用于气候变量的长期趋势分析的时间序列范畴（菅煜婷等， 2022； 雷润芝等， 2023）。 Y i为样本量为n的气候因变量， x i表示对应的时间自变量， 建立 Y i与 x i之间的一元线性回归
Y i = a + b x i ( i = 1,2 , ⋯ , n )
式中： a为回归常数； b为回归系数， 两者可用最小二乘法进行估计。
对于样本数据 Y i及时间 x i， 回归系数b与回归常数a的最小二乘估计为
b = ∑ i = 1 n Y i x i - 1 n ∑ i = 1 n Y i ∑ i = 1 n x i ∑ i = 1 n x i 2 - 1 n ∑ i = 1 n x i 2 a = Y ¯ - b x ¯
式中： Y ¯ = 1 n ∑ i = 1 n Y i； x ¯ = 1 n ∑ i = 1 n x i 2； 回归系数 b表示气象要素的变化趋势。当 b > 0时， 说明 Y随着时间 x的增加呈现出上升趋势； b < 0时， 说明随着时间 x的增加， Y呈现出下降趋势。

2.2.2　四要素危险权重

评判四气象要素的危险程度时， 统计由国家气候中心（NCC）提供的2010年1月至2021年12月的全国主要气象灾害分布图中云南地区发生暴雨、 大风与浓雾的次数（http： //cmdp.ncc-cma.net/cn/application.htm）， 统计得出暴雨125次， 大风110次（包含风雹事件发生次数）， 大雾8次， 结合15个机场地区的四类气象要素统计情况与本文的阈值定义， 利用层次分析法（AHP）（ 陈军斌和杨锐， 2011； 黄斌等， 2016）进行分析。
层次分析法判断矩阵赋值标准如下： 将要素 i与要素 j进行比较， 两者影响相同时赋值为“1”， 要素 i的影响绝对地强于要素 j时赋值为“9”， 中间的“稍强于”“强于”和“明显强于”则依次赋值为“3”“5”和“7”。而影响介于上述两个相邻等级之间的则赋值为“2， 4， 6， 8”， 例如赋值为“2”意味着影响介于“相同”与“稍强于”之间。
综合各方评价， 结果为： 云南地区的短时强降水日数同大风日数影响介于相同与稍强之间， 短时强降水日数的影响稍强于低云日数、 与低能见度日的影响介于稍强与强之间， 大风日数和低云日数的影响介于相同与稍强之间、 稍强于低能见度日数的影响， 低云日同低能见度的影响介于相同与稍强之间， 赋值结果见表1。
表1 四类气象要素评价指标对比赋值结果

Table 1 Comparative assigned results of evaluation indicators from four meteorological factors

对比赋值 短时强降水 大风 低云 低能见度
短时强降水 1 2 3 4
大风 0.5 1 2 3
低云 0.3333 0.5 1 2
低能见度 0.25 0.3333 0.5 1
对于4阶矩阵查表可知， 随机一致性指标RI=0.90， 由一致性指标CI计算公式（1）， 即：
C I = ( λ m a x - n ) / ( n - 1 )
得到CI=0.0424， 则CR=CI/RI=0.047， 当CR<0.1， 则认为矩阵是一致的， 结果可靠。
利用表1的赋值结果构建判断矩阵 A， 将判断矩阵 A 每一列向量进行归一化处理， 得到归一化矩阵 B， 即：
b i j = a i j ∑ i = 1 n a i j
再按照行计算矩阵B的算术平均值， 利用层次分析法求得权重， 得到短时强降水的权重为0.4427， 大风的权重为0.3056， 低云的权重为0.1561， 低能见度的权重为0.0956， 用于危险权重分析。

2.2.3　航空安全判断

多种风险天气并发将带来更为不利的航空条件， 本文针对不同气象要素共同发生的事件日数情况， 做出如下定义： （1）当两两气象要素组成的天气情况在7个及以上的机场发生时， 认定具有普遍性并定义为危险潜势； （2）将航空气象条件极为恶劣的情况命名为危险起降日（以下简称危险日）， 即： 在出现短时强降水、 低云事件的前提下， 出现大风或者低能见度等三种恶劣的航空气象条件； （3）将航空气象条件相对理想的情况命名为安全起降日（以下简称安全日）， 即： 四类航空气象条件均未出现。

3 结果分析

3.1　四要素季节变化特征

从2010 -2021年云南四季平均短时强降水日数及其变化趋势的空间分布可知， 春季［图2（a）］短时强降水日主要分布在迪庆-保山一线以西和西双版纳-普洱-文山以南地区， 最大可达6 d以上， 昆明为短时强降水日数的低值点（1 d）； 除大理、 文山（0.5~1.0 d·a-1）与沧源、 澜沧（0.0~0.5 d·a-1）呈逐年增加趋势外， 迪庆、 宁蒗、 昭通、 昆明等地区均呈现显著递减的趋势（-1.0~-0.5 d·a-1）。夏季［图2（b）］， 云南地区短时强降水日数较春季显著增加， 保山、 腾冲、 沧源与普洱等地为短时强降水日数的高值区， 平均在9 d以上。值得注意的是， 云南夏季短时强降水日数变化除迪庆以西部分地区外均呈增加趋势， 迪庆-大理-昆明以北、 保山-沧源与文山地区呈现显著增加的趋势（0.5~1.0 d·a-1）， 并通过p<0.1显著性检验。秋季短时强降水日数的高值区与夏季相似， 但日数及其变化趋势均较夏季明显偏小， 且迪庆、 腾冲、 大理与昆明等地呈显著递减趋势［图2（c）］。冬季短时强降水日数为四季最低， 变化趋势与其他三季显著不同。综上所述， 云南地区短时强降水多发于夏季， 这与毛东艳等（2018）分析的云南地区短时强降水事件峰值发生在6 -8月相吻合。
图2 2010 -2021年云南四季平均短时强降水日数（等值线， 单位： d）及其变化趋势（彩色区， 单位： d·a-1）的空间分布

黑点区域表示通过0.1显著性水平检验

Fig.2 Spatial distribution of the average number of short-time severe precipitation days （contour， unit： d） and its trends （color area， unit： d·a-1） in Yunnan Province in four seasons from 2010 to 2021.The black dot area has passed the significance test at 0.1 level

从图3可看出， 云南地区大风日主要发生在冬、 春两季， 且腾冲、 保山至普洱一带在四季均为大风日数的低值区。在春季［图3（a）］， 宁蒗、 丽江所在的滇西北以东至昆明至红河州地区为大风日数的高发区， 其中红河州大风日数在21 d以上； 宁蒗地区为大风日数高值区且呈增加趋势， 而丽江、 大理附近地区则呈明显减少趋势（-1.0~-0.5 d·a-1）。冬季与春季的情况相近， 但大风日数与地区分布均明显低于春季， 不同地区的变化趋势大体相当， 不同在于腾冲等地大风日数在冬季转为减小趋势［图3（d）］。夏、 秋两季情况类似［图3（b）， 3（c）］， 大风日数与分布区域均小于春、 冬两季， 高值区分布在宁蒗、 昆明、 文山西部和昭通南部4个地区， 且均呈增多趋势， 与春、 冬两季情况相同。由此可见， 2010 -2021年间宁蒗、 昆明两地既是大风日数高值区也是变化趋势大值区， 需要更多关注这些地区的航空安全。
图3 2010 -2021年四季平均云南地区大风日数（等值线， 单位： d）及其变化趋势（彩色区， 单位： d·a-1）的空间分布

黑点区域表示通过0.1显著性水平检验

Fig.3 Spatial distribution of the average number of windy days （contour， unit： d） and its trend （color area， unit： d·a-1） in Yunnan Province in four seasons from 2010 to 2021.The black dot area has passed the significance test at 0.1 level

从图4（c）可以看出， 云南地区低能见度日数秋季明显较多， 主要出现在临沧、 沧源至普洱与西双版纳的滇西南地区， 且云南边境发生的日数较内地更高， 最高可达23 d·a-1， 而在宁蒗与昆明两地也易出现低能见度日， 平均最大可达8 d； 宁蒗、 丽江等滇西北地区与澜沧所在的滇西南地区呈现增加趋势（0.0~0.5 d·a-1）， 未来两地的低能见度日数可能持续上升。夏季［图4（b）］， 德宏、 昆明与沧源等地低能见度日数可达8 d以上， 而迪庆、 丽江所在的滇西北地区与昭通、 文山等地的低能见度日数较少； 迪庆、 丽江、 大理、 昭通与保山等地及其附近地区低能见度日数均呈0.5~1.0 d·a-1的增加， 而昆明、 沧源与德宏地区增加趋势则相对缓慢（0.0~0.5 d·a-1）， 均通过0.1显著性水平检验。春季、 冬季［图4（a）， （d）］也存在类似情况， 低能见度日数的高值区在德宏、 昆明与沧源及其附近区域， 不同在于昆明以北地区的日数发生情况相较于秋季明显减少， 迪庆至大理的滇西北地区低能见度日数差异明显， 即： 春、 冬季部分地区呈减少趋势， 夏、 秋季有增加趋势。总体来看， 低能见度日数的高值区在四季相同， 德宏、 澜沧与昆明等地均呈现出缓慢增加的趋势， 未来发生的日数可能逐渐升高。
图4 2010 -2021年四季平均云南地区低能见度日数（等值线， 单位： d）及其变化趋势（彩色区， 单位： d·a-1）的空间分布

黑点区域表示通过0.1显著性水平检验

Fig.4 The spatial distribution of average low visibility days （contour， unit： d） and its trend （color area， unit： d·a-1） in Yunnan Province in four seasons from 2010 to 2021.The black dot area has passed the significance test at 0.1 level

低云日数的区域特征（图5）与低能见度分布情况相似， 四季低云日数的高值区分布大致相同， 均分布于迪庆以西、 腾冲、 沧源-西双版纳、 文山和昭通等地形多变的云南边缘地区， 而云南中部低云日数明显较少， 不同季节低云日数分布变化甚微。总体而言， 夏、 秋季低云日数和分布范围均高于冬、 春季， 如夏、 秋季腾冲、 保山和临沧地区的发生次数最高可达50 d·a-1和27 d·a-1， 均明显高于其余季节。而低云变化趋势却不同， 即： 春季大部分地区呈现增加趋势（0.0~0.5 d·a-1）， 秋季则与之相反， 除云南东部部分地区外均呈现显著的减少趋势（-0.5~0.0 d·a-1）。夏、 冬季呈增加趋势的地区与减少趋势的地区分布大体相当， 大体上在云南中部增加趋势（0.0~0.5 d·a-1）， 而其余部分地区呈现减少趋势（-0.5~0.0 d·a-1）。上述分析表明， 云南地区四季低云日数的分布状况较一致， 且逐年变化平缓。
图5 2010 -2021年四季平均云南地区低云日数（等值线， 单位： d）及其变化趋势 （彩色区， 单位： d·a-1）的空间分布

黑点区域表示通过0.1显著性水平检验

Fig.5 Spatial distribution of the average number of low cloud base height days （contour， unit： d） and its trend （color area， unit： d·a-1） in Yunnan province in four seasons from 2010 to 2021.The black dot area has passed the significance test at 0.1 level

3.2　典型季节要素变化特征

综上所述， 四个气象要素在云南地区不同季节的空间分布和变化情况均存在差异。根据《中国气象灾害年鉴》中多次提及的6 -9月暴雨频发与3 -5月大风灾害频繁的情况， 结合前面的四季分析结果， 下面将主要针对夏季短时强降水日数和春季大风日数在云南15个机场地区的变化特征进行深入分析。
从图6可看出， 普洱、 澜沧、 德宏、 腾冲等地夏季短时强降水量较大， 平均在600~900 mm， 宁蒗和迪庆两地夏季短时强降水量较少， 平均在300 mm。澜沧、 沧源与德宏三地的短时强降水日数增加趋势显著， 且短时强降水量与日数较多， 其中澜沧地区部分年份出现降水日数与降水量明显减少的情况， 沧源与德宏地区则持续增加； 宁蒗夏季短时强降水日数增长趋势较上述三地减少， 其中2010年短时强降水日数最小（4 d）， 降水量也仅有200 mm左右， 最大为2020年的13 d， 相应降水量接近600 mm， 可见降水日数同降水量之间具有明显正相关关系； 腾冲地区降水日数逐年减少， 与滇西地区的短时强降水日数的空间分布［图2（b）］结果一致； 昭通与迪庆两地的年发生日数的变化趋于平稳； 其余8个机场短时强降水日数的变化趋势相近， 均缓慢增加。整体来看， 除腾冲、 昭通与迪庆外， 其余机场的降水日数均呈不同程度的增加趋势。值得注意的是， 各地短时强降水发生日数与降水量呈明显的正相关关系， 如宁蒗、 迪庆等地的降水发生日数与降水量均偏少， 而普洱、 腾冲等短时强降水发生日数较多的地区， 降水量也整体偏高。结合地理条件（图1）来看， 云南中部以西地区（昆明、 大理与德宏等地）的降水量远高于纬度偏高的宁蒗、 迪庆与昭通地区， 这与前文夏季短时强降水空间分布和变化趋势的分析结果基本吻合。
图6 2010 -2021年夏季云南15个机场城市短时强降水日数和年降水量的时间变化

Fig.6 Temporal variation of short-time severe precipitation days and annual precipitation amounts in 15 airport cities in Yunnan during the summer seasons of 2010 to 2021

云南大部分地区的春季大风日数要多于夏季短时强降水日数（图7）， 宁蒗与迪庆两地的春季大风日数变化曲线相近， 平均风速在5~6 m·s-1， 且增加趋势明显， 同前面春季滇西北地区的大风气候特征情况一致， 且两地均在2013年和2014年出现大风日数的明显降低， 2014年达到最低值（16 d以下）， 随后持续上升至2021年达到最大值（92 d）； 普洱、 腾冲与沧源三地的递增趋势较上述两地有所下降， 2021年三地均出现大风日数的明显增加， 不同在于普洱地区的日数在2021年出现大值（60 d）且总体来看发生日数低于其余两地， 三地风速均在5~7 m·s-1之间波动变化； 昭通、 大理、 和昆明等地大风日数逐年递减， 但变化平缓； 除上述地区外其余地区的大风日数缓慢上升， 不同地区的发生日数差异较大， 如西双版纳的大风日数在15个机场中位于最低值。总体来看， 上述各机场的变化趋势同图3（a）中空间分布情况一致， 春季平均风速上所有机场均在4~8 m·s-1且波动平缓， 说明风速较为稳定， 在2020年、 2021年所有机场的大风日数均较之前年份出现不同程度的上升。
图7 2010 -2021年春季云南15个机场城市大风日数和平均大风风速的时间变化

Fig.7 Temporal variations of the number of windy days and mean wind velocities amounts in 15 airport cities in Yunnan during the spring seasons of 2010 to 2021

根据云南15个机场城市典型季节日平均各时刻发生的短时强降水事件的统计分析可知， 08:00（北京时， 下同）与20:00为各机场短时强降水高发时段， 除宁蒗、 德宏和沧源外其余机场在02:00亦多出现短时强降水事件（图略）， 滇西北、 滇东地区是大风事件的高发地区， 大风主要发生在滇西北的横断山脉至滇南哀牢山以东地区， 且各机场均在午后至夜晚时段发生大风事件， 而考虑到高原机场的气象要素差异， 本文利用腾冲的气象站数据与驼峰机场数据进行对比， 进一步分析高原山地机场的特殊性。
在夏季短时强降水与春季大风两个事件上， 站点资料与机场实际观测资料上存在着差异， 但在总体的变化趋势上保持着良好的一致性。例如站点数据统计得到年短时强降水日数总体上高于机场数据， 但是两类数据均呈现2013 -2016年持续上升、 2017 -2019年期间先减后增的趋势， 且两类数据所重合的日数上也呈现相同的变化趋势［图8（a）］， 而在地面风速上机场所记录的各时段发生次数总体上高于站点数据， 腾冲地区春季的大风事件集中发生在下午时段［图8（b）］， 这与现有研究结果一致（邹灵宇等， 2022）。可见在特殊地形的影响下， 机场地区的天气现象的发生情况与所在地区之间存在频数差异， 但变化规律上较一致。
图8 2013 -2019年腾冲气象站点和驼峰机场的夏季短时强降水（a）和春季大风（b）的比较

Fig.8 Comparison of meteorological data of summer short-duration heavy rainfall （a） and spring strong winds （b） between Tengchong station and Tuofeng Airport from 2013 to 2019

这说明利用站点数据分析四类气象要素在不同季节的年变化情况能够概括出云南不同地区的变化形势， 而夏季短时强降水与春季大风两类事件在各机场所在地区的逐年增减趋势与日频发时段分布上与机场观测数据相一致， 说明气象站点数据能够代表云南机场及周边气候的变化情况， 天气状况发生频数存在差异但不影响变化趋势分析结果。由此， 本文进一步统计四类气象要素在各机场的发生情况以获取航空安全规律， 分析云南地区航空安全运行情况的变化趋势。

3.3　航空安全运行分析

影响航空安全的气象要素并非单一出现， 例如强对流天气可能同时带来强降水与大风事件， 而发生降水时的云底高度又代表着低云事件的发生， 因此分别统计了2010 -2021年云南15个机场的4个气象要素发生日数和“搭配”日数， 并将发生日数同四要素航空危险权重相结合， 统计各机场的危险情况（表2）。
表2 各机场四要素危险权重及 “搭配”日数

Table 2 Four-factor risk weights and "matching" days for each airport

地区 危险权重 共同发生事件日数
短时强 降水 大风 低能 见度 低云 短时强降水 +低云 短时强降水+低能 见度+低云 短时强降水+ 大风+低云 危险 日数
保山 0.79 0.03 0.03 0.15 24 0 0 0
沧源 0.45 0.01 0.44 0.10 11 2 0 2
大理 0.59 0.38 0.02 0.01 3 0 0 0
德宏 0.86 0.00 0.08 0.05 2 0 0 0
迪庆 0.27 0.42 0.05 0.26 5 1 0 1
昆明 0.59 0.35 0.03 0.04 8 0 0 0
澜沧 0.19 0.00 0.02 0.79 172 13 0 13
丽江 0.23 0.36 0.00 0.41 92 1 0 1
临沧 0.37 0.00 0.03 0.60 105 3 0 3
宁蒗 0.14 0.67 0.09 0.10 7 0 0 0
普洱 0.43 0.00 0.05 0.52 149 4 0 4
腾冲 0.27 0.00 0.05 0.68 204 14 1 15
文山 0.26 0.11 0.12 0.51 98 2 0 2
西双版纳 0.92 0.00 0.06 0.01 0 0 0 0
昭通 0.08 0.00 0.02 0.90 68 3 0 3
由表2可知， 西双版纳、 德宏、 保山三地的降水因素所占权重最大（均在0.75以上）， 需要机场实时监控短时强降水情况； 大风、 低能见度和低云的危险权重最高值分别在宁蒗、 沧源和昭通； 丽江、 昆明与宁蒗等地的各要素权重比表明存在两个甚至三个要素同时发生的可能性。结合危险潜势的定义， 统计得出“短时强降水+低能见度”、 “短时强降水+低云”、 “低云+低能见度”三种情况。其中短时强降水与低云同时发生的日数在绝大部分机场权重较大（表1）； 短时强降水与低能见度在15个机场均有发生， 但发生日数大多在20 d以下， 该“搭配”的危险程度远低于“短时强降水+低云”； 而对于低能见度与低云而言， 多见于澜沧、 昭通、 腾冲等地， 该结果同前文针对两要素开展的空间分析一致， 相较于前两个“搭配”来说更具有地域性。而在各机场发生的危险日数上， 腾冲地区最多（15 d）， 其次为澜沧。
从图8（a）可以看出， 云南地区年平均安全日大致从滇中向四周呈阶梯式递减分布， 昆明、 大理与保山为安全日数的高值区， 可达300 d以上； 低值区分布在云南四周， 如文山、 澜沧等地在250 d以内。整体而言， 云南昆明、 大理一线及以北部分地区的气象条件对于航空飞行而言更为理想， 其中大理与昆明两地将逐渐成为航空安全日数的高值区。由于日数的变化趋势缓慢， 云南地区利于航空安全起降的区域特征表现为中部以北地区高于南部地区， 显著变化地区通过了 0.1显著性水平检验。
图9 2010 -2021年云南年均安全日数（a）和年均危险日数（b）（等值线， 单位： d）及变化趋势 ［彩色区， 单位： d·（10a）-1］

黑点区域表示通过0.1显著性水平检验

Fig.9 Spatial distribution （contour， unit： d） and temporal trends ［color area， unit： d·（10a）-1］ of annual average safe days （a） and dangerous days （b） in Yunnan from 2010 to 2021.The black dot area has passed the significance test at 0.1 level

与年平均航空气象条件理想的安全起降日相比， 危险日的分布情况则简洁明了［图8（b）］， 仅普洱以东至文山以西近云南边缘地区的危险日高于其余地区， 中心地区日数值可达4 d。大理-昆明-文山以西地区危险日数有增多趋势， 最高可达10 d·（10a）-1， 结合表2腾冲地区危险日数的统计结果， 可见腾冲机场需格外警惕恶劣天气的发生。总体而言， 云南南部出现不利于航空起降的极端恶劣天气的频率显著高于其余地区， 腾冲等地未来将愈发高频地发生极端恶劣天气。

4 结论

利用云南2010 -2021年125个站点的逐日、 逐时资料分析了短时强降水、 大风、 低能见度与低云四类事件的四季空间分布特征及变化趋势， 结合航空气象保障服务最为关注的气象要素选出夏季短时强降水与春季大风两个典型季节要素， 对云南15个机场开展了年变化统计分析和日变化特征分析， 并依靠要素“搭配”情况定义出“安全日”与“危险日”， 对云南地区的航空安全区域与气象要素气候特征的分布展开讨论， 结果如下：
（1） 影响航空起降的4个气象要素的季节区域分布明显， 趋势特征也各有不同。其中， 短时强降水夏季最为显著， 自保山、 腾冲经临沧至普洱等地为短时强降水日的高发区； 春季大风发生日数与区域分布最为显著， 宁蒗与昆明两地在春季不仅为大风日数高值区且两地均呈现出增长趋势， 未来两地将持续为高日数区； 秋季低能见度最为显著， 主要发生于临沧、 沧源、 普洱与西双版纳的滇西南地区， 且靠近云南边缘地区的发生日数更高并呈增加趋势； 低云四季分布情况类似且趋势较为平缓， 夏、 秋两季的发生日数与分布区域多于冬、 春两季， 高日数均分布于迪庆以西、 腾冲、 澜沧至西双版纳、 文山与昭通等地。
（2） 15个机场的夏季短时强降水年发生日数与降水量具有较好的相关性， 除腾冲、 昭通与迪庆三地呈现略微递减外， 其余机场的发生日数均呈不同程度地增加趋势； 春季大风各机场差异明显， 昆明、 德宏等地的发生日数呈减少趋势， 其余地区则是不同程度地增加趋势， 各机场的年均风速均在4~8 m·s-1之间波动变化。
（3） 夏季短时强降水事件发生时段与机场主要航运时段相吻合（08:00 -20:00）， 并且08:00、 14:00与20:00均为事件高发时刻； 春季大风多发生在14:00 -23:00， 主要分布于横断山脉至哀牢山的以东地区。
（4） 对比2013 -2019年腾冲驼峰机场的观测数据和腾冲气象站点数据表明， 高原这类特殊环境使得机场地区的天气现象同其所在地区之间存在频数差异， 但在变化规律上存在一致性。
（5） 大理、 昆明一线以北的年均安全日数显著多于云南南部地区， 且多数地区安全日数呈减少趋势； 危险日则集中在普洱以东至文山以西的云南边缘地区， 沿迪庆-丽江-昆明以西地区呈增加趋势。
由于资料有限， 本文仅对飞机起降较为重要的四类气象因素进行分析， 但实际上影响航空飞行的气象因素远不止这些， 并且各要素之间相互作用的具体影响也值得深入探讨。期望加入更多机场数据， 能够针对各机场更进一步地开展具体分析， 进一步完善云南地区的航空安全预警体系。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Nechaj P， Gaál L， Bartok J， et al， 2019.Monitoring of low-level wind shear by ground-based 3D lidar for increased flight safety， protection of human lives and health［J］.International Journal of Environmental Research and Public Health， 16（22）： 4584.

NOAA NWS， 2014.National weather service report［R］.Washington D C： NOAA.

Zhou T J， Ren L W， Liu H W， et al， 2018.Impact of 1.5 ℃ and 2.0 ℃ global warming on aircraft takeoff performance in China［J］.Science Bulletin， 63（11）： 700-707.

陈军斌， 杨锐， 2011.最优化方法［M］.北京： 中国石化出版社.Chen J B， Yang R， 2011.Optimization method［M］.Beijing： China Petrochemical Press.

陈农田， 满永政， 李俊辉， 2022.基于QAR数据的民机高高原进近着陆风险评估方法［J］.北京航空航天大学学报， 50（1）： 77-85.DOI： 10.13700/j.bh.1001-5965.2022.0186.Chen N T ，

Man Y Z， Li J H， 2022.Risk assessment method for civil aircraft approach and landing at high plateau based on QAR data［J］.Journal of Beijing University of Aeronautics and Astronautics， 50（1）： 77-85.DOI： 10.13700/j.bh.1001-5965.2022.0186 .

代冰冰，高云峰，2020.滇西北高原机场一次暴雨过程的水汽输送特征分析［J］.高原山地气象研究，40（3）：29-33.DOI：10.3969/j.issn.1674-2184 ·2020.03.004.

Dai B B， Gao Y F， 2020. Analysis of water vapor transport characteristics during a rainstorm at northwestern Yunnan Plateau airport［J］. Plateau and Mountain Meteorology Research，40（3）：29-33.DOI：10.3969/j.issn.1674-2184 ·2020.03.004.

代冰冰，王杰，孙亚林，2016.丽江机场地面风场特征及气象保障分析［J］.高原山地气象研究，36（1）：86-90.DOI：10.3969/j.issn.1674-2184 ·2016.01.014.

Dai B B， Wang J， Sun Y L， 2016. Analysis on surface wind field characteristics and meteorological safeguard service of Lijiang Airport［J］. Plateau and Mountain Meteorology Research，36（1）：86-90.DOI：10.3969/j.issn.1674-2184 ·2016.01.014.

段旭， 段玮， 邢冬， 等， 2018.冬春季昆明准静止锋与云贵高原地形的关系［J］.高原气象， 37（1）： 137-147.DOI： 10.7522/j.issn.1000-0534.2017.00032.Duan X ，

Duan W， Xing D， et al， 2018.The relationship between Kunming quasi-stationary front and Yunnan-Guizhou Plateau terrain［J］.Plateau Meteorology， 37（1）： 137-147.DOI： 10.7522/j.issn.1000-0534.2017.00032 .

高兵， 毕波， 杨航， 2022.云南高原山地机场强对流短临预报系统研究［J］.中低纬山地气象， 46（2）： 109-113.

Gao B， Bi B， Yang H， 2022.Study on the short-term and impending forecast system of severe convection in mountainous airport of Yunnan Plateau［J］.Mid-Low Latitude Mountain Meteorology， 46（2）： 109-113.

郭智亮， 谢文锋， 钟加杰， 等， 2019.广州白云机场一次微下击暴流引起的低空风切变过程分析［J］.沙漠与绿洲气象， 13（4）： 7178.DOI： 10.12057/j.issn.1002-0799.2019.04.011.Guo Z L ，

Xie W F， Zhong J J， et al， 2019.Analysis on a low-level wind shear event under a microburst in Guangzhou Baiyun Airport［J］.Desert and Oasis Meteorology， 13（4）： 7178.DOI： 10. 12057/j.issn.1002-0799.2019.04.011 .

黄斌， 朱伟军， 红梅， 等， 2016.基于临界条件的中国航空气象危险要素区域分布与风险区划［J］.气象科学， 36（4）： 466-473.DOI： 10.3969/2015jms.0009.Huang B ，

Zhu W J， Hong M， et al， 2016.Regional distribution and risk zoning of risk factors of Chinese aeronautical meteorology under the critical condition［J］.Journal of the Meteorological Sciences， 36（4）： 466-473.DOI： 10.3969/2015jms.0009 .

黄继雄， 2018.近十年首都机场霜的特征及与气象要素相关分析［J］.气象灾害防御， 25（3）： 27-31.

Huang J X， 2018.Analysis of the characteristics and correlation with meteorological factors of frost at capital airport in recent ten years［J］.Meteorological Disaster Prevention， 25（3）： 27-31.

黄仪方， 肖焕权， 李积富， 2009.高原重要机场航班延误的气象因素分析［J］.高原山地气象研究， 29（2）： 37-40.DOI： 10.3969/j.issn.1674-2184 ·2009.02.006.

Huang Y F， Xiao H Q， Li J F， 2009.The climatic factors analysis on scheduled flight delay of important airport in plateau［J］.Plateau and Mountain Meteorology Research， 29（2）： 37-40.DOI： 10.3969/j.issn.1674-2184 ·2009.02.006.

菅煜婷， 张勃， 黄浩， 2022. 近 58年甘肃气候变化区域差异分析及环流影响［J］.高原气象， 41（5）： 1291-1301.DOI： 10.7522/j.issn.1000-0534.2021.00066.Guan Y T ，

Zhang B， Huang H， 2022.Regional difference analysis of climate change in Gansu Province in recent 58 years and its impact on circulation［J］.Plateau Meteorology， 41（5）： 1291-1301.DOI： 10.7522/j.issn. 1000-0534.2021.00066 .

雷润芝， 余晔， 周国兵， 等， 2023.1984-2020年青藏高原感热通量长期变化趋势分析［J］.高原气象， 42（4）： 833-847.DOI： 10.7522/j.issn.1000-0534.2023.00032.Lei R Z ，

Yu Y， Zhou G B， et al， 2023.Long-term variation of sensible heat flux over the Qinghai-Xizang Plateau from 1984 to 2020［J］.Plateau Meteorology， 42（4）： 833-847.DOI： 10.7522/j.issn.1000-0534. 2023.00032 .

李呈祥， 2018.我国飞机颠簸的主要时空分布特征研究［D］.广汉： 中国民用航空飞行学院.Li C X， 2018.Research on the main temporal and spatial distribution characteristics of aircraft turbulence in China［D］.Civil Aviation Flight University of China.

李典南， 许东蓓， 2021.双流机场雷暴天气特征及天气形势分类研究［J］.高原气象， 40（5）： 1164-1176.DOI： 10.7522/j.issn.1000-0534.2020.00110.Li D N ，

Xu D B， 2021.Analysis of the characteristics and synoptic situation classifications of thunderstorms in Shuangliu Airport［J］.Plateau Meteorology， 40（5）： 1164-1176.DOI： 10.7522/j.issn.1000-0534.2020.00110 .

李华宏， 王曼， 闵颖， 等， 2019.昆明市雨季短时强降水特征分析及预报研究［J］.云南大学学报（自然科学版）， 41（3）： 518-525.DOI： 0.7540/j.ynu.20180367.Li H H ，

Wang M， Min Y， et al， 2019.The analysis and forecast of short-time heavy rainfall in rainy season in Kunming［J］.Journal of Yunnan University （Natural Sciences Edition）， 41（3）： 518-525.DOI： 0.7540/j.ynu. 20180367 .

梁卫， 吴俊杰， 邹海波， 2021.南昌昌北机场雾的分类特征与统计分析［J］.气象， 47（10）： 1255-1265.DOI： 10.7519/j.issn. 1000-0526.2021.10.008.Liang W ，

Wu J J， Zhuo H B， 2021.Classification characteristics and statistical analysis of fogs at Nanchang Changbei Airport［J］.Meteorological Monthly， 47（10）： 1255-1265.DOI： 10.7519/j.issn.1000-0526.2021.10. 008 .

林莉， 袁振， 黄盛军， 等， 2018.“2·23”昆明长水机场低空风切变分析及可预报时效估计［J］.高原山地气象研究， 38（1）： 42-47.DOI： 10.3969/j.issn.1674-2184 ·2018.01.007.LinL， YuanZ， HuangS J， et al， 2018.Analysis and prediction of "2·23" low-lever wind shear in Kunming Changshui Airport［J］.Plateau and Mountain Meteorology Research， 38（1）： 42-47.DOI： 10.3969/j.issn.1674-2184 ·2018.01.007.

刘岳峰， 张凯， 陈越， 等， 2019.民航飞机低空颠簸与地理环境因子相关性研究［J］.北京大学学报（自然科学版）， 55（4）： 683-691.DOI： 10.13209/j.0479-8023.2019.036.Liu Y F ，

Zhang K， Chen Y， et al， 2019.Correlation study of low-altitude turbulence in civil aircraft with geographical environmental factor［J］.Acta Scientiarum Naturalium Universitatis Pekinensis， 55（4）： 683-691.DOI： 10.13209/j.0479-8023.2019.036 .

鲁晓芳， 胡劲松， 肖建全， 等， 2013.香格里拉一次雷暴天气诊断分析［J］.云南大学学报（自然科学版）， 35（S2）： 300-308.DOI： 10.7540/j.ynu.20120799.Lu X F ，

Hu J S， Xiao J Q， et al， 2013.Analysis of the thunderstorm occurred in Shangri-La［J］.Journal of Yunnan University （Natural Sciences Edition）， 35（S2）： 300-308.DOI： 10.7540/j.ynu.20120799 .

毛冬艳， 曹艳察， 朱文剑， 等， 2018.西南地区短时强降水的气候特征分析［J］.气象， 44（8）： 1042-1050.DOI： 10.7519/j.issn. 1000-0526.2018.08.006.Mao D Y ，

Cai Y C， Zhu W J， et al， 2018.Climatic characteristics of short-time severe precipitation in southwest China［J］.Meteorological Monthly， 44（8）： 1042-1050.DOI： 10.7519/j.issn.1000-0526.2018.08.006 .

慕熙昱， 徐琪， 周林义， 等， 2018.基于AWOS数据的南京禄口机场低能见度特征统计研究［J］.高原气象， 37（4）： 1129-1142.DOI： 10.7522/j.issn.1000-0534.2017.00095.Mu X Y ，

Xu Q， Zhou L Y， et al， 2018.Statistical characteristics of low visibility at Nanjing Lukou airport based on AWOS data［J］.Plateau Meteorology， 37（4）： 1129-1142.DOI： 10.7522/j.issn.1000-0534. 2017.00095 .

聂颖， 佘星源， 张军， 等， 2020.2017年6月10日南京机场强降水过程对航空飞行影响分析［J］.气象科学， 40（4）： 554-559.DOI： 10.3969/2018jms.0083.Nie Y ，

Yu X Y， Zhang J， et al， 2020.Effects analysis of strong precipitation process in Nanjing airport on aviation flight on June 10， 2017［J］.Journal of the Meteorological Sciences， 40（4）： 554-559.DOI： 10.3969/2018jms.0083 .

宁甫才， 2021.基于实测数据的航空气象环境构建［J］.科技创新与应用， 11（36）： 18-27.DOI： 10.19981/j.CN23-1581/G3. 2021.36.005.Yu F C ， 2021.Construction of aviation meteorological environment based on measured data［J］.Technology Innovation and Application， 11（36）： 18-27.DOI： 10.19981/j.CN23-1581/G3.2021.36.005 .

佘星源， 聂颖， 刘红年， 2022.南京禄口机场低能见度天气统计分析及判断模型［J］.气象科学， 42（5）： 661-667.DOI： 10.12306/2021jms.0066.Yu X Y ，

Nie Y， Liu H N， 2022.Analysis and judgement model of low-visibility weather in Nanjing airport［J］.Journal of the Meteorological Sciences， 42（5）： 661-667.DOI： 10.12306/2021jms.0066 .

申辉， 何慧根， 郝丽， 等， 2011.四川新津机场地面风场的特征分析［J］.高原气象， 30（2）： 545-551.

Shen H， He H G， Hao N， et al， 2011.Characteristic analysis on surface wind field at Xinjin Airport in Sichuan［J］.Plateau Meteorology， 30（2）： 545-551.

孙继松， 戴建华， 何立富， 等， 2014.强对流天气预报的基本原理与技术方法［M］.北京： 气象出版社.Sun J S， Dail L H， He L F， et al， 2011.The basic principle and technical method of severe convection weather forecast［M］.Beijing： China Meteorological Press.

汤国安， 2019.中国数字高程图（1KM）［DB/OL］.时空三极环境大数据平台.［2023-03-23］.2019.Digital elevation map of China （1 KM）［DB/OL］.Spatiotemporal tri-polar environment big data platform.［2023-03-23］.

王海霞， 张宏升， 李云峰， 等， 2013.上海浦东国际机场低层大气垂直风场特征研究［J］.气象， 39（11）： 1500-1506.DOI： 10.7519/j.issn.1000-0526.2013.11.014.Wang H X ，

Zhang H S， Li Y F， et al， 2013.Study on characteristics of vertical wind field in lower atmosphere over Shanghai Pudong International Airport［J］.Meteorological Monthly， 39（11）： 1500-1506.DOI： 10.7519/j.issn.1000-0526.2013.11.014 .

王宏斌， 张志薇， 刘端阳， 等， 2021.江苏不同等级雾的宏观和微观特征［J］.高原气象， 40（5）： 1177-1188.DOI： 10.7522/j.issn. 1000-0534.2020.00106.Wang H B ，

Zhang Z W， Liu D Y， et al， 2021.Characteristics of the macro-and micro-structures of the different grades fog in Jiangsu Province［J］.Plateau Meteorology， 40（5）： 1177-1188.DOI： 10.7522/j.issn.1000-0534. 2020.00106 .

魏凤英， 2007.现代气候统计诊断与预测技术（第2版）［M］.北京： 气象出版社， 124.Wei F Y， 2007.Modern Statistical Diagnosis and Prediction Techniques for Climate （2nd Edition）［M］.Beijing： China Meteorological Press.

肖焕权， 2009.我国高原航线飞机颠簸规律及与云状的关系［D］.广汉： 中国民用航空飞行学院.Xiao H Q， 2009.The rule of the aircraft turbulence and the relationship with cloud shape on plateau routes in China［D］.Guanghan： Civil Aviation Flight University of China.

徐海， 周立， 张潇， 2016.一次准静止锋影响下的昆明长水机场大雾过程分析［J］.高原山地气象研究， 36（3）： 76-81， 96.DOI： 10.3969/j.issn.1674-2184 ·2016.03.013.

Xu H， Zhou L， Zhang X， 2016.Analysis of a heavy fog in Kunming-Changshui Airport under the influence of a quasi--stationary front［J］.Plateau and Mountain Meteorology Research， 36（3）： 76-81， 96.DOI： 10.3969/j.issn.1674-2184 ·2016.03.013.

徐海， 邹捍， 李鹏， 等， 2014.藏东南林芝机场低层风场垂直结构与变化特征［J］.高原气象， 33（2）： 355-360.DOI： 10.7522/j.issn.1000.0534.2013.00009.Xu H ，

Zhou H， Li P， et al， 2014.Vertical structure and variation of wind field over Nyingchi Airport Southeast Tibet［J］.Plateau Meteorology， 33（2）： 355-360.DOI： 10.7522/j.issn.1000.0534.2013.00009 .

周斌斌， 蒋乐， 杜钧， 2016.航空气象要素以及基于数值模式的低能见度和雾的预报［J］.气象科技进展， 6（2）： 29-41.DOI： 10.3969/j.issn.2095-1973.2016.02.003.Zhou B B ，

Jiang L， Du J， 2016.Aviation weather and model-based operational forecasts of low visibility and fog［J］.Advances in Meteorological Science and Technology， 6（2）： 29-41.DOI： 10.3969/j.issn. 2095-1973.2016.02.003 .

周璞， 张恬月， 刘晓达， 2018.成都双流机场跑道视程与低能见度的关系［J］.陕西气象， 2018（3）： 20-24.

Zhou P， Zhang T Y， Liu X D， 2018.The relationship between runway visual range and low visibility at Chengdu Shuangliu Airport［J］.Journal of Shaanxi Meteorology， 2018（3）： 20-24.

周晓鸥， 曹乐， 于潇萌， 等， 2020.云南大理复杂地形上风场的模拟研究［J］.科学技术与工程， 20（32）： 13113-13122.

Zhou X O， Cao L， Yu X M， et al， 2020.Simulation of wind on the complex terrain of Dali in Yunnan Province［J］.Science Technology and Engineering， 20（32）： 13113-13122.

朱坚， 张耀存， 黄丹青， 2009.全球变暖情景下中国东部地区不同等级降水变化特征分析［J］.高原气象， 28（4）： 889-896.

Zhu J， Zhang Y C， Huang D Q， 2009.Analysis of changes in different-class precipitation over eastern China under global warming［J］.Plateau Meteorology， 28（4）： 889-896.

朱莉， 王治国， 李华宏， 等， 2020.西行台风背景下云南一次短时强降水过程的成因分析［J］.热带气象学报， 36（6）： 744-758.DOI： 10.16032/j.issn.1004-4965.2020.067.Zhu L ，

Wang Z G， Li H H， et al， 2020.Casual analysis of a short-term heavy rain event in Yunnan province under the background of westward moving typhoon［J］.Journal of Tropical Meteorology， 36（6）： 744-758.DOI： 10.16032/j.issn.1004-4965.2020.067 .

邹灵宇， 于璐， 杨柯， 等， 2022.云南不同强度短时强降水和大风时空分布特征研究［J］.高原山地气象研究， 42： 32-37.DOI： 10. 3969/j.issn.1674-2184.2022.02.005.Zhou L Y ，

Yu L， Yang K， et al， 2022.Temporal-spatial distribution characteristics of short-time heavy rainfall and gale in Yunnan from 2013 to 2019［J］.Plateau and Mountain Meteorology Research， 42： 32-37.DOI： 10.3969/j.issn.1674-2184.2022.02.005 .

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn