南昌昌北机场47次降水观测数据的分析与验证

摘要：本研究旨在验证南昌昌北机场在中等和大降水过程中，自动气象观测系统（AWOS）和自动气象站（AWS）的瞬时降水量数据与《南昌昌北机场中或大降水强度判定方法操作指引V3.0》操作指引中，时距3分钟的累积降水量的建议值和安全值的重合率。通过对昌北机场2024年6月10日至8月31日期间的47次降水事件进行分析，结果表明，AWOS和AWS的建议值重合率较高，尤其是在混合降水过程中。研究还发现，通过引入AWOS的Precipitation项，可以进一步提高数据与实际观测的契合度。本文还讨论了降水过程中能见度的变化，并提出了改进观测方法的建议。

关键词：降水观测；AWOS，AWS；中大降水判定；南昌昌北机场

1. 引言

降水观测在航空安全中具有重要作用，尤其是在中等和大降水条件下，准确的降水强度和能见度数据对飞行操作至关重要。本研究选取南昌昌北机场的降水数据，旨在验证AWOS和AWS的观测数据与操作指引[2]中时距3分钟的累积降水量的建议值和安全值的重合率，并探讨降水过程中能见度的变化规律。

2. 数据与方法

2.1 数据来源

本研究选取了2024年6月10日至8月31日期间南昌昌北机场的47次降水事件。数据来源于03号跑道的降水传感器，排除了因设备故障导致的数据不可用情况，并将间隔小于10分钟的降水计为同一次降水事件。

2.2 分析方法  

1. 降水强度分析：分别对AWOS和AWS的3分钟累积降水量与操作指引中的建议值和安全值[2]进行对比，绘制折线图，统计其与实际观测结果的重合率，以对其加以验证。统计过程中：①依照降水过程持续时长，分别讨论降水时段小于等于10分钟的过程及大于10分钟的情况；②分别考虑当天中此段降水过程前后是否有其他连续降水、降水时段是否在航班结束之后等实际因素的影响。③将所有的过程分为（仅有）中降水（26次）、（仅有）大降水（2次）、中大降水（19次）。

2. 数据筛选：引入AWOS的Precipitation项，筛选出与操作指引参考值契合度较高的降水过程，进一步分析重合率。

3. 能见度分析：在中等降水过程中，分析起始时段前后15分钟的主导能见度和仪器参考能见度值，统计能见度从10公里降至5公里（双目视标准）的平均用时。

3. 结果与讨论

3.1 降水强度分析  

47次降水中，持续时间≤10分钟的10次降水视作短时降水，

其中：

  ①中等降水的建议值重合率为AWOS: 87.78%，AWS: 90.00%，符合任一两者的概率：92.22%。  落在安全值内的重合率为AWOS: 66.67% AWS: 62.22% 两者任一：67.78%。

仅6月18日15:42-15:48的中阵雨单次过程重合率较差。值得注意的是，7月28日16:10-16:19时段3min累积降水超过1.6，达到大雨的安全值及以上（对这几个时间点视作不在落区内）。

②大降水的建议值重合率为AWOS: 87.50%，AWS: 50.00%，两者任一：87.50%。安全值AWOS:75.00% AWS: 50.00% 两者任一：75.00%。

③混合降水的建议值重合率为AWOS: 66.67%，AWS: 66.67%，两者任一：66.67%。安全值重合率AWOS:66.67% AWS: 66.67% 两者任一：66.67%。

中大混合降水时段大雨的重合率：建议值AWOS:87.50% AWS: 75.00% 两者任一：87.50%。安全值AWOS:50.00% AWS: 62.50% 两者任一：62.50%。

2. 长时降水（>10分钟）：  

①中等降水的建议值重合率为AWOS: 91.15%，AWS: 90.68%，两者任一：92.58%。安全值内的重合率为AWOS: 48.82% AWS: 53.24% 两者任一：54.50%。

  ②中大混合降水时段（18次）中雨的重合率：

落在建议值内的重合率为AWOS: 94.46% AWS: 94.46% 两者任一：97.51%。

落在安全值内的重合率为AWOS: 60.67% AWS: 60.39% 两者任一：67.87%。

可见混合降水时段内，中雨建议值的重合率较好，且随着样本数量的增多，AWOS和AWS的重合率逐渐趋同。且在如下图所示时段中，AWOS重合率不高时AWS比其高，将两项同时参考其一可以更好的提高重合率。

③仅大雨时段（1次）大雨的重合率： 

落在建议值内的重合率为AWOS: 78.95% AWS: 84.21% 两者任一：84.21%。

落在安全值内的重合率为AWOS: 26.32% AWS: 68.42% 两者任一：68.42%。

④中大混合降水时段大雨的重合率：

落在建议值内的重合率为AWOS: 66.88% AWS: 60.41% 两者任一：67.45%。

落在安全值内的重合率为AWOS: 45.22% AWS: 45.54% 两者任一：48.73%。

根据所有结果可知：

① 针对中雨，建议值重合率：大于10分钟的混合降水＞大于10分钟的仅为中强度的降水＞小于等于10分钟仅为中强度的降水＞小于等于10分钟的混合降水。

② 针对中雨，安全值重合率：大于10分钟的混合降水＞小于等于10分钟仅为中强度的降水＞小于等于10分钟的混合降水＞大于10分钟的仅为中强度的降水。

③ 针对大雨，建议值重合率：小于等于10分钟的混合降水＞小于等于10分钟仅为大强度的降水＞大于10分钟的仅为大强度的降水＞大于10分钟的混合降水。

④ 针对大雨，安全值重合率：小于等于10分钟仅为大强度的降水＞大于10分钟的仅为大强度的降水＞小于等于10分钟的混合降水＞大于10分钟的混合降水。

可见在短时段的降水中，大雨比中雨的重合率更高；混合降水时，中雨的重合率则要优于大雨。

图1 各类降水的重合率

3.2 数据筛选

此时发现，根据操作指引的参考值判定雨强，与实际观测的雨强的契合度并不很好，因此，再加入awos的6界面Precipitation项，将其与操作指引V2.0的中大降水参考值一同分析。

发现Precipitation项落在参考值区域内比例越大，其与实际通报情况符合越好，因此在此次分析中，将Precipitation项落区面积比例小的降水过程，视作实际情况与仪器数值不特别契合的情况而略去5次过程（6月18（3）、6月18日（6）、6月19日、6月28日、6月29日（2）、） 后：

① 持续时间小于等于10分钟的中降水重合率：AWOS建议值: 87.78%→90.33%；AWOS安全值：66.67%→66.13%

AWS建议值: 90.00%→87.09% AWS安全值：62.22%→62.90%

② 持续时间大于10分钟的中降水重合率： AWOS建议值: 94.46%→98.85% ;AWOS安全值：60.67%→65.63%

AWS建议值: 94.46%→99.04% AWS安全值：60.39%→66.21%

可见滤去FD12数据重合率明显偏低的降水过程后重合率得到了显著的提升，实际操作中，观测员可以按照先参考AWOS6界面，雨强符合FD12的数据落区情况下，再同时参考AWOS\AWS的操作指引，这样会与实际雨强更贴近。

3.3 能见度分析  

①在中等降水过程中，能见度从10公里降至5公里的平均用时为2.56分钟（1分钟平均值）和2.33分钟（10分钟平均值）。

②统计了大雨时器测VIS 1min平均值，其中大雨的标准，以跑道端的3分钟累积降水量大于等于华东操作指引V3.0[2]中昌北机场大雨安全值1.7为准，不受人工纪要栏的影响。

图2 器测VIS1分钟平均值（大雨时）

统计所有符合的数据后，得出Q1=1300  Q2=1500  Q3=1900。[1]

4. 结论  

此次验证表明，AWOS和AWS的降水观测数据与操作指引[2]中的建议值和安全值具有较高的重合率，尤其是在混合降水过程中。通过引入AWOS的Precipitation项，可以进一步提高数据与实际观测的契合度。另外，在过程分析中发现，若为连续降水，尤其是大转中的过程中，器测能见度存在较大局限性，加之此次分析仅是考虑VIS仅售降水影响，实际过程中，有数次降水过程是由于水汽致使基础能见度下降至不满10km，降水不存在的时段VIS均为10km，所取数据又为人工观测记为中雨的前后15min，因此被排除在外，无法在撇除降水影响以外的情况下额外多参考更多数据。加上根据FD12所滤去的五次仅为非混合降水中的中降水过程，因此针对混合降水以及大降水还需更多的过程及数据以使得结果更具有代表性，综上可见此次分析对数据的处理仍存在局限性。

参考文献：

[1]关于开展中或大降水量化观测 验证工作的通知华东局发明电〔2024〕777号。

[2] 南昌昌北机场中或大降水强度判定方法操作指引（20240618根据华东文件修订）

作者简介：吴欣妮（1998.01），女，汉族，江西南昌人，本科，助理工程师，从事研究方向或职业：气象预报、气象观测。