張曦 張建軍 丁媛媛 劉曉英 何志強
(1 民航華北空管局,北京 100621; 2 中國海洋大學,青島 266100)
風切變是一種大氣現(xiàn)象,即風矢量(風向、風速)在空中水平和(或)垂直距離上的變化。產(chǎn)生風切變的原因主要有2大類,一類是大氣運動本身的變化所造成的;另一類則是地理、環(huán)境因素所造成的,有時是兩者綜合而成。風切變對民航飛機起飛和進場著陸的危害已為國際航空和氣象學界所公認。據(jù)不完全統(tǒng)計,1970—1985年的15年間,在國際定期和不定期航班以及其他飛行任務中,至少發(fā)生與風切變有關的飛行事故28起,死亡人數(shù)近700人,受傷人數(shù)近300人。
據(jù)統(tǒng)計,2013年首都國際機場僅因受到西跑道風切變影響而復飛的飛行架次為33架次,因風切變而中止進近的飛行架次為28架次,2架次因為風切變而中斷起飛;同樣在2014年因風切變影響而復飛、中止進近的架次分別為26架次、27架次,由此可見西跑道風切變對飛行的嚴重影響。近年來首都國際機場高峰時段在一分鐘的時間內有將近兩架次的飛機起降,在如此密集的起降里,遭遇風切變的概率也大大增加。
然而,目前首都國際機場配備的測風手段如:風桿、雙偏振多普勒天氣雷達、風廓線雷達等,仍不能直接有效地探測飛機起飛下降區(qū)域(起飛區(qū)域為從地面至500 m高度的范圍;下降區(qū)域為從500 m高度至地面,與跑道成3°夾角的空間范圍)內的三維風場,也不能有效探測機場邊界層晴空條件下的風場情況。因此,民航局空管辦成立了安全能力建設項目《基于相干多普勒激光雷達的首都機場西跑道風切變的探測與預警研究》,本項目主要利用多普勒激光雷達(LIDAR)掃描跑道起降區(qū)域內三維風場,獲取實時資料,以此來進行風切變的自動識別和預警。
Harris等(1985)首次提出了直接計算差值濾波合成切變算法。該算法在笛卡爾坐標系中分別計算一維徑向風切變和一維方位切變。2002年,香港國際機場首次引進了第一臺服務于低空風切變預警業(yè)務的多普勒激光雷達,為香港機場在晴空條件下進行低空風切變、湍流、尾流等探測。并且香港天文臺自行研發(fā)了一套自動預警低空風切變系統(tǒng),應用下滑道這個更加具有針對性并且時間短的掃描方式,稱之為下滑道掃描策略GPScan(Glide Path Scan),以及自動識別算法GLYGA[1]。2006年,香港天文臺調整了第1臺激光雷達的位置,改進了第2部激光雷達的掃描策略,組成了全世界首套可以覆蓋機場起飛進近走廊的激光雷達風切變預警系統(tǒng)LIWAS[2]。2016年,天津民航大學蔣立輝在香港天文臺的方法基礎上嘗試了單斜坡和雙斜坡共同檢測的方法,雙斜坡檢測的意義是檢測風廓線中速度梯度的變化改變率進而判別低空風切變[3]。本文通過對實時探測資料進行插值處理后,選取飛機下降過程中經(jīng)過的區(qū)域內的數(shù)據(jù)來構成下滑道頂風廓線,并通過采用不同尺度的步長來對頂風廓線進行檢測,最后加以整合,以此獲得風切變發(fā)生的位置和區(qū)域,并將其標識出來,從而為管制員指揮飛機起降以及飛行員執(zhí)行飛機起降提供預警[4-16]。
多普勒激光雷達采用青島華航環(huán)境科技有限責任公司的Windprint S4000 LIDAR,其性能參數(shù)如表1所示:
表1 LIDAR性能參數(shù)
本文使用的LIDAR布置于首都國際機場西跑道南端(36L端)。綜合供電、避障及觀測需求等因素,激光雷達位置選取距跑道中心線約105 m,距36L端的飛機接地點(Touchdown Zone)南北距離約120 m,如圖1所示。
圖1 LIDAR在西跑道的安裝位置
飛機在降落過程中受到的風的作用,如圖2所示。將飛機飛行的方向設為X軸,垂直于飛機的方向設為Y軸。將大氣中的真實風分別分解到X軸和Y軸上,那么X軸上風的分力叫做頂風(值為負時稱為順風),Y軸上風的分力叫做側風(值為負時稱為左側風、值為正時稱為右側風)。
圖2 飛機在降落中受到的風的作用力
基于首都國際機場西跑道風切變發(fā)生的時間短、空間尺度小等特點,華北空管局氣象中心聯(lián)合中國海洋大學[17-18]共同研究決定,采用下滑道模式來探測跑道附近飛機起降區(qū)域的風場結構,如圖3所示。
圖3 LIDAR的下滑道探測模式
該模式通過對下滑道路徑與跑道夾角、激光雷達與跑道中心線及著陸點的相對位置等位置參數(shù)進行精確幾何計算,得到下滑道路徑上不同位置相對于激光雷達的俯仰角和方位角信息。LIDAR按照計算出來的俯仰角和方位角進行掃描,這樣,激光束掃描范圍會覆蓋整個下滑道區(qū)域。另外,由于激光束與下滑道路徑的夾角大于30°時,激光束探測到的徑向風速值與下滑道路徑上(即圖2中的X軸)的風速分量相比,差異會越來越大;同時,側風對飛機的影響會越來越大,這將影響到風切變的檢測。因此只有與下滑道路徑的夾角小于30°的激光束的探測數(shù)值才會被認為是合理的,接近飛機著陸過程中實際經(jīng)歷的風速大小,可用于計算風切變。本文中,LIDAR采用從方位角148.4°到172.6°共做42條射線(圖3中自左至右激光束)的觀測,其相應的仰角分別從4.92°變到2.92°。
基于上述原理,提取下滑道路徑上的徑向風速便可得到頂風廓線信息,進而識別風切變位置、高度、強度和時間等特征。
綜合諸多因素考慮,如反演沿跑道方向的低空風場、反演水平風場廓線等,在一個掃描周期中設置了下滑道掃描、PPI掃描和RHI掃描。一個完整的掃描模式含有8個任務,分別為:①RHI模式:仰角為0°~45°,方位角分別為153°、163°、173°、333°、343°、353°;②點掃模式:仰角為10°,方位角分別為135°、145°、155°、165°、175°、185°、195°、205°、215°、225°;③GPScan掃描;④點掃模式:仰角為90°,固定方位角172°,共掃描30次;⑤GPScan掃描;⑥RHI模式:同①;⑦點掃模式:仰角為10°,方位角分別為45°、35°、25°、15°、5°、355°、345°、335°、325°、315°;⑧GPScan掃描。一個掃描周期為8 min,其中用于探測機場風切變的下滑道掃描模式的時間約占60%,RHI掃描模式是為了反演沿跑道方向的低空風場,點掃模式是為了反演水平風場廓線。本文主要使用下滑道掃描模式所得到的數(shù)據(jù)來進行風切變探測與識別。
圖4為2019年5月19日發(fā)生大風現(xiàn)象時的下滑道掃描顯示,從12:06—13:51之間能明顯地看出大風過境的現(xiàn)象。12:06雷達探測到的徑向風速在5~15 m/s之間,5 min后在距離雷達2 km處東南方向徑向風速開始加大,12:36局部徑向風速增大現(xiàn)象已經(jīng)很明顯了,而到13:06徑向風速已經(jīng)基本增大到20 m/s,持續(xù)半個多小時后,徑向風速開始下降,13:51徑向風速已明顯降低。
下滑道掃描模式中,沿激光束徑向的數(shù)據(jù)分辨率為30 m,而在沿著下滑道路徑方向上的分辨率卻不均勻,會隨著徑向距離變遠而增加。為了使得提取出來的頂風廓線空間分辨率均勻,本文使用MATLAB軟件,在盡可能保留原始探測數(shù)據(jù)中的風速結構特征的條件下,采用10 m×10 m的網(wǎng)格對原始探測數(shù)據(jù)進行插值。
本文首先將探測數(shù)據(jù)由極坐標轉換為笛卡爾坐標,然后選取大于此笛卡爾坐標的坐標范圍,設置10 m×10 m網(wǎng)格;最后,利用Cubic方法進行插值,得到每個網(wǎng)格點的坐標和風速值(圖5)。
頂風廓線是由沿著飛機下滑道路徑上的徑向速度值構成的。在選取頂風廓線時,采用插值后的網(wǎng)格點的位置作為判斷依據(jù)。如圖6所示,A為某個網(wǎng)格點,B為經(jīng)過網(wǎng)格點A的激光束與下滑道路徑的交點,設A到Lidar的距離為r1,B到LIDAR的距離為r2,如果r1和r2相差不超過20 m,那么此網(wǎng)格點的風速值就會被采用。即最后得到的頂風廓線是由以下滑道為中心線,左右20 m范圍內的網(wǎng)格點的數(shù)據(jù)組成的。
根據(jù)LIDAR設置的掃描俯仰角和方位角計算得出,LIDAR可以探測到高度范圍為19~138 m、距離范圍為距離飛機著陸點360~2700 m的區(qū)域。因此,最終提取出來的頂風廓線位于3°下滑道路徑上距離飛機著陸點360~2700 m之間。
頂風廓線能很好地顯示出下滑道路徑上的頂風量是增加還是減少。本文借鑒香港天文臺的GLYGA算法進行風切變檢測,從頂風廓線中找出風切變斜坡,即在距離長度ΔH上的速度改變量ΔV,如圖7所示。
首先,將頂風廓線上相鄰兩點間的速度差異計算出來,構建成速度增量廓線,頂風廓線和增量廓線如圖8所示。由圖可知,頂風廓線的前后都被適當?shù)匮娱L了一段距離,這是因為在做下一步插值計算時,末端的點會由于不能參與計算而丟失。所以,本文在做處理時,用廓線的第一個點的值往前端補足了一段距離,用廓線的最后一個點的值往后端補足了一段距離。
圖4 2019年5月19日大風過境時激光雷達實測徑向風速
圖5 LIDAR探測數(shù)據(jù)與插值后三維數(shù)據(jù)的對比: (a)LIDAR探測,(b)插值后
圖6 提取頂風廓線的判斷方法 (A為某個網(wǎng)格點,B為經(jīng)過點A的激光束與下滑道路徑的交點)
圖7 風切變斜坡
圖8 頂風廓線和頂風增量廓線
然后,采取不同尺度的步長來對風切變進行檢測。本文采用步長尺度分別為100 m、200 m、400 m、…、3200 m,一步步增加。按不同尺度步長進行檢測之前,需要對增量廓線進行平滑,這是為了更好地體現(xiàn)出頂風廓線的變化結構。風切變斜坡的判斷方法是:①比較平滑后的增量廓線上某個點與其左右相鄰兩個點的差值符號,判斷這個點是否是極值點;②如果是極值點,那么再判斷這個點在當前的檢測步長中的速度改變量ΔV;③國際通用的風切變閾值為15 kn(1 kn = 0.5144444 m/s),如果ΔV≥15 kn,那么就記為風切變。
最后,整合各尺度步長下檢測出來的風切變斜坡??偟膩碚f,一條頂風廓線上會包含不止一個風切變斜坡,那么,檢測出來的所有風切變斜坡將由ΔV/ΔH1/3因子來判斷優(yōu)先級,最終只有最大強度的風切變斜坡被保留。得出最終的風切變區(qū)域后,將其在頂風廓線上標識出來(圖9中黃色區(qū)域)。圖9檢測到的是2019年1月14日21:31發(fā)生在首都國際機場西跑道36L端的風切變,該風切變發(fā)生在距離飛機著陸區(qū)域700~2000 m的位置,距離地面40到150 m的高度。
圖9 檢測到風切變(黃色區(qū)域)的頂風廓線 (2019年1月4日21:31)
通常,飛機機組在遭遇風切變事件時,會向空中交通管制部門(ATC)提交風切變報告。報告中的內容含有時間、跑道使用端、發(fā)生風切變時飛機高度、報告的原因等信息。因此,本文將用機組提供的報告來驗證風切變檢測結果。
2018年12月11日至2019年2月7日期間,首都國際機場西跑道36L端共收到19份機組風切變報告。按照接收到機組報告的時間,找出時間最接近的雷達觀測數(shù)據(jù),進行風切變檢測。結果發(fā)現(xiàn),19份機組報告中有4份的風切變發(fā)生高度超過了雷達的探測高度;有11份的時間點能檢測到風切變;另外有4份機組報告的時間點不能識別到風切變。機組報告和對應的雷達探測數(shù)據(jù)檢測結果如表2所示。
在一個掃描周期中,第1個下滑道掃描和第2個下滑道掃描之間間隔2 min 40 s,第2個下滑道掃描和第3個下滑道掃描之間間隔3 min 15 s,第3個下滑道掃描和下一個掃描周期的第1個下滑道掃描之間間隔1 min 45 s,所以機組的風切變報告和執(zhí)行下滑道模式探測之間會存在一定的時間差。下滑道掃描模式的參數(shù)設置決定此模式的探測高度范圍為19~138 m、距離范圍為距離飛機著陸點360~2700 m的區(qū)域,會有一些機組報告的發(fā)生高度在此范圍之外。因此,統(tǒng)計結果顯示,風切變識別算法的檢測率為73.33%。
多普勒激光雷達彌補了首都國際機場現(xiàn)有氣象探測設備測風的不足,能在晴天條件下探測機場邊界層風場結構;并且由于其體積小,便于在跑道旁邊安裝; 掃描儀的靈活性使其能滿足下滑道掃描模式
表2 機組報告風切變和檢測到的風切變結果對比
不停變換方位角和俯仰角的需求。本文使用相干多普勒激光雷達,執(zhí)行下滑道掃描模式,對跑道附近飛機起降區(qū)域進行探測,獲取三維風場,進行了如下分析。
(1)通過處理實時探測資料,選取下滑道區(qū)域內的數(shù)據(jù)來構成下滑道頂風廓線,采用風切變識別算法對頂風廓線進行檢測,以此獲得風切變發(fā)生的位置和區(qū)域,并將其標識出來達到預警目的,本文以首都機場西跑道的36L跑道端接收到的機組報告為準,按照機組報告風切變事件的時間點,找出對應的雷達掃描數(shù)據(jù),提取出頂風廓線后,對其采用自動檢測算法進行識別。將檢測結果與機組報告進行對比,結果表明,檢測算法識別出的風切變報警率為73.33%。
(2)由于首都國際機場西跑道發(fā)生風切變的概率大,發(fā)生風切變的空間尺度小、強度大,而且在冬季盛行西北風和偏西風時,首都機場多采用36L端起降,因此激光雷達執(zhí)行下滑道掃描的頻率應該要更高。
(3)本文中激光雷達由于受到供電、通訊等安裝限制條件,只能安裝在跑道內側的位置。但實際上,為使得激光雷達能有效探測到更寬的高度范圍,應該安裝在跑道延長線或者接近延長線的位置,這樣覆蓋飛機起降的區(qū)域會更廣。
(4)實際工作中只有一臺激光雷達對這條跑道進行探測,而由于單臺激光雷達的探測并不能完全滿足風切變監(jiān)測需求,如果有兩臺激光雷達能組網(wǎng)探測,既能獲得徑向風信息,又能獲得側風信息,將會更有利于風切變的監(jiān)測。