基于机载探测数据的典型通航机场低空风及颠簸特征分析

吴俊杰; 史卓群; 黄小源; 白亮

doi:10.12404/j.issn.1671-1815.2502444

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (4) :1358-1365 DOI: 10.12404/j.issn.1671-1815.2502444

天文学、地球科学

基于机载探测数据的典型通航机场低空风及颠簸特征分析

吴俊杰 ¹^,² ,
史卓群 ¹^,^* ,
黄小源 ¹ ,
白亮 ¹

作者信息 +

Analysis of Low-level Wind and Turbulence Characteristics at a Typical General Aviation Airport Based on Aircraft-based Detection Data

WU Jun-jie ¹^,² ,
SHI Zhuo-qun ¹^,^* ,
HUANG Xiao-yuan ¹ ,
BAI Liang ¹

Author information +

文章历史 +

摘要

低空风对机场起降关键阶段的飞行安全具有重要影响。为了研究典型通航机场低空风与颠簸特征，基于机载探测数据，采用K-means聚类方法对广汉机场下滑道“风廓线”进行分类，并分析了其颠簸特征。结果表明：广汉机场下滑道“风廓线”可分为6种类型，其中Ⅰ至Ⅳ型风廓线的风向随高度无明显变化，风向一致性较高，且这四型总占比达到90.2%，为主要风廓线类型；Ⅴ型和Ⅵ型则表现出明显的风向变化。前四型风廓线的时间变化特征显著，Ⅰ型和Ⅱ型主要出现在8—11月，Ⅲ型多发生于5—7月，Ⅳ型则集中于6—8月。在日变化方面，Ⅱ型风廓线多出现在13：00—15：00，其余类型则主要出现在19：00—21：00。颠簸特征分析显示，Ⅱ型风廓线中发生颠簸的频率最高，为26.3%，Ⅲ型次之。热动力分析表明，Ⅱ型风廓线的颠簸主要由热力作用引起，而Ⅲ型为热力和动力作用共同结果。颠簸主要集中于120~175 m的高度范围内。研究成果揭示了广汉机场低空风场结构及颠簸特征，对提升气象保障能力、提高飞行员对气象条件的认知和应对能力具有重要意义，为保障通用航空的飞行安全提供了新的技术手段。

Abstract

The low-level wind exerts a significant influence on flight safety during the critical phases of takeoff and landing. The characteristics of low-level wind and turbulence at a typical general aviation airport were investigated using aircraft-based detection data. Wind profiles along the glide path of Guanghan Airport were classified through K-means clustering，and their associated turbulence characteristics were analyzed. The results show that the wind profiles can be categorized into six distinct types. Among them，types I to IV exhibit minimal variation in wind direction with height and demonstrate high directional consistency. These four types constitute 90.2% of all profiles，representing the predominant low-level wind structures. In contrast，types V and VI display significant directional shear with altitude. Temporal variations are evident. Types I and II mostly occur from August to November. Type III occurs from May to July，and type IV appears from June to August. In terms of diurnal variation，type II is mostly observed between 13：00 and 15：00，while the others mainly occur between 19：00 and 21：00. Turbulence analysis shows that type II has the highest turbulence frequency （26.3%），followed by type III. Thermodynamic analysis indicates that turbulence in type II is mainly caused by thermal effects. In contrast，turbulence in type III results from both thermal and dynamic mechanisms. Turbulence events are mainly concentrated between 120 and 175 m in altitude. The research results provide insights into the structural features of low-level wind and turbulence over a typical general aviation airport are revealed. The findings are expected to enhance meteorological support capabilities，improve pilots’ awareness and preparedness for adverse atmospheric conditions，and contribute to ensuring the safety of general aviation flight operations.

Graphical abstract

关键词

机载探测数据 / 低空风廓线 / 颠簸特征 / K-means聚类 / 通航飞行安全

Key words

aircraft-based detection data / low-level wind profile / turbulence characteristics / K-means clustering / general aviation flight safety

引用本文

引用格式 ▾

吴俊杰, 史卓群, 黄小源, 白亮. 基于机载探测数据的典型通航机场低空风及颠簸特征分析[J]. 科学技术与工程, 2026, 26(4): 1358-1365 DOI:10.12404/j.issn.1671-1815.2502444

WU Jun-jie, SHI Zhuo-qun, HUANG Xiao-yuan, BAI Liang. Analysis of Low-level Wind and Turbulence Characteristics at a Typical General Aviation Airport Based on Aircraft-based Detection Data[J]. Science Technology and Engineering, 2026, 26(4): 1358-1365 DOI:10.12404/j.issn.1671-1815.2502444

登录浏览全文

4963

注册一个新账户忘记密码

低空风对飞行安全的影响不容忽视，特别是近地面附近，热力和动力作用强烈，风场复杂，对轻小型航空器的安全构成了严峻挑战。尤其在飞机起降阶段，风切变和颠簸都会严重影响飞行安全^[1-3]。随着低空经济的迅速发展，通用航空飞行需求激增，深入了解低空风场特征对提升气象保障水平，提高飞行安全具有重要意义。

目前，常见的低空风探测手段包括探空气球、测风塔和雷达遥测等。探空气球携带无线电探空仪，能够探测单点上空风速、风向和温度等气象要素，在雷暴、暴雨等强对流天气预报中有着广泛应用^[4-6]。然而，探空气球施放频率低，对飞行安全构成潜在威胁，限制了其在民航气象中的应用^[7]。测风塔具有采样频率高、垂直分层密度大和探测精度优等特点，多应用于台风、风切变等研究^[8-11]。但因机场净空要求使得其在民航中的应用同样受到限制。近年来，风廓线雷达在中国部分民航机场也得到了应用，但低空风场探测精度会受到地面杂波干扰。以上探测技术仅能探测单点上空风场，无法满足飞机下滑道“风廓线”风场探测需求。尽管激光测风雷达能够有效获取晴天下滑道“风廓线”特征，但其捕获率受天气条件影响^[12-16]。

风温数据作为影响飞行的关键参数，机载设备能够对其进行直接测量，可以更好地描述飞行轨迹上的风温特征。机载探测数据已在相关气象研究中得到了广泛应用。对比研究表明，机载设备的风温数据与常规探空资料一致性高，能够有效弥补常规探测资料的不足^[17-21]，增强大气观测能力，显著提高短时及临近天气预报的精度^[20,22-26]。此外，机载探测资料受飞行流量影响，时间和空间分布都存在差异。

目前，由于机载探测数据较为匮乏，利用其对低空风场，特别是飞机下滑道“风廓线”的研究较为有限。因此，利用飞机型号统一的机载探测数据，采用K-means聚类方法对飞机下滑道“风廓线”（下文简称低空风廓线）进行分类。通过分析不同类型风廓线的特点、时间分布特征、热动力条件、以及颠簸的高发期和主要高度，揭示风廓线类型与颠簸之间的关联。研究成果不仅为机场起降阶段气象服务提供数据支撑和科学依据，也为通用航空的飞行安全保障提供了新的技术思路。

1 数据和方法

1.1 数据处理

中国民用航空飞行学院是中国最大的通航飞行单位，具有5个飞行训练机场，其中广汉机场是规模最大的训练基地。该机场位于川西平原，东西两侧分别毗邻龙泉山脉和龙门山脉，地势平坦，净空条件好，空域受限小，属于中国典型的通航机场。该机场年飞行训练时数达7万小时，飞行架次多、起降密度高。自2020年起，学校开始系统收集机载数据，是中国最早搭建通航飞机数据库的单位，为开展提供了长序列的数据支持。广汉机场单向起降，以西北方向为主，机场跑道编号为13和31，呈西北-东南走向。

剔除3月假期停航时段的数据后，使用2020年4月—2021年2月的机载数据。所有数据采自DA-42机型的SD卡记录，共计2 134条探测数据，已确保机型统一，探测数据具有一致性。该数据的采样频率为1 Hz，包括时间、经纬度、气压高度（相对于海平面）、风速风向、温度、航向、过载等参数。统计表明，广汉机场飞机下滑道的起始高度约为175 m，该阶段飞机处于降落构型，极易受到风的干扰。因此，关注区域为175 m至接地点。为了方便研究，风向、风速及温度数据已插值到5 m间隔，根据高度、坐标信息剔除异常数据。

由于飞行训练科目差异，不同时段飞机起降密度可能不一致，为避免同一时段重复数据对分类的影响，对逐小时内的低空风廓线与整点时刻的廓线进行相关性分析。如图1所示，75%的相关系数大于0.3，并通过了95%的信度检验，说明同一小时内风场结构相对稳定。因此，对这些数据进行剔除，仅保留最接近整点时刻的风廓线数据用于分类。从月分布角度来看（表1），11月飞行记录占比最高，为13.4%，次年2月飞行记录仅有1.5%，占比最低。7—9月的飞行记录占比高且稳定，说明该时段飞行训练频繁。从日分布的角度来看（表2），飞行记录在每日13：00占比最高，可达13.1%。每日08：00和12：00占比较低，均低于4%。

1.2 研究方法

采用K-means聚类方法，对机载探测数据中由风速和风向构成的二维数组进行客观分类。垂直风切变指数I_shear可用于分析风切变。计算I_shear首先需将全风速分解为纬向风速u和经向风速v，然后计算这两个分量的变化，计算公式为

（1）${I}_{shear}=\sqrt{（{u}_{1}^{2}-{u}_{0}^{2}）+（{v}_{1}^{2}-{v}_{0}^{2}）}$

式（1）中：u₁、u₀分别为两个高度的纬向风速；v₁、v₀分别为两个高度的经向风速。

民航领域常用垂直过载增量作为诊断湍流的指标，垂直过载增量Δn越大，飞机所承受的过载负荷也越大，颠簸强度也相应增大。利用垂直过载增量来识别飞机的颠簸情况，相关计算公式如式（2）、式（3）所示。

（2）$a=\frac{\Delta v}{\Delta t}$

（3）$\Delta n=\left|\frac{a}{g}-1\right|$

式中：Δv和Δt分别为飞机上下两层的速度差和时间差；a为飞机的垂直加速度；g为重力加速度。

中国民航使用的颠簸强度分级标准如表3所示。

2 进近区风廓线特征

2.1 廓线分型及特征分析

K-means客观分型的结果表明，广汉机场低空风廓线分为六型是最优方案。根据风廓线的分类情况，6种廓线类型按数量排序依次命名为Ⅰ~Ⅵ型。其中，Ⅰ~Ⅳ型是广汉机场主要的低空风廓线类型，总占比为90.2%；Ⅵ廓线仅有49条，占比不足5%，代表性较弱，因此后续将不对其进行详细研究。

如图2所示，在该机场主要的风廓线类型中，风向在垂直方向上一致性较高，分别表现为东北风、东风、南风和西风，这四型廓线不存在显著的风向切变。其中，除Ⅲ型廓线风速随高度呈先增大后稳定的趋势外，其余廓线风速均随高度增高逐渐增大。而Ⅴ型和Ⅵ型廓线风速、风向在垂直方向变化明显。风速方差可以反映低空风场的扰动情况。六型廓线普遍呈现出“上大下小”的方差分布特征，120~175 m风速变化剧烈，60 m以下风速相对集中。其中，Ⅰ型廓线各高度风速变化显著大于其他类型廓线，风速不稳定；Ⅱ型和Ⅳ型廓线风速方差较小，风速稳定，结合广汉机场低空大风切主要发生在20 m以下和120~160 m可以推断，Ⅴ型廓线40 m以下大风切主要由风向变化引起，其他大风切可能主要由风速垂直变化引起。

通过风速方差和温度垂直递减率研究低空风场的垂直变化情况和大气静力稳定度，从而分析低空风场的动力和热力因素，如图3所示。风速方差可以反映低空风场的扰动程度，图3（a）中，Ⅰ型和Ⅴ型廓线风速方差明显大于其他廓线类型，说明这两型廓线风速垂直变化显著，其余廓线风速的垂直变化小。图3（b）中，Ⅱ型廓线中超过25%的大气处于绝对不稳定状态，其余四型廓线的大气则主要处于条件不稳定状态。

2.2 廓线时间分布特征

由于各季节飞行量存在差异，为了消除数据量差异对统计结果的影响，对风廓线的时间分布采用归一化处理，并以百分比形式呈现。五型风廓线的季节变化与日变化特征如表4和表5所示。不同廓线类型在季节和日内分布上呈现出显著差异。从季节变化特征来看，Ⅰ型和Ⅱ型、Ⅳ型和Ⅴ型廓线分别高度相似。其中，Ⅰ型和Ⅱ型廓线主要集中出现在夏末至秋季（8—11月），发生频率较高且持续时间长，该时段东北风和东风活动较为频繁；Ⅳ型和Ⅴ型廓线主要发生在夏季。而Ⅲ型廓线主要发生于春末夏初（5—7月）的过渡季节。对于飞机而言，7—12月主要受侧风影响，而5—6月主要受顺风影响。

统计结果显示，Ⅰ型廓线在7—12月出现频率最高，说明广汉机场低空盛行风向以东北风为主，这与机场地面自动观测系统分析结果一致^[27]。春末夏初，低空风廓线主导类型由Ⅲ型变为Ⅳ型，风向由南风转为西风。此外，1月以Ⅱ型廓线为主，而2月各型廓线出现频率较为接近，说明2月低空风向变化频繁，需要更加关注低空风的短时变化对飞行安全的影响。

为进一步探讨热力作用对风场演变的影响，选取各型廓线出现频率高的月份（Ⅰ型：7—12月；Ⅱ型：8—11月；Ⅲ型：5—7月；Ⅳ型和Ⅴ型：6—8月），对其日变化特征进行分析。结果显示，Ⅲ型廓线的日变化不明显；而Ⅰ型和Ⅴ型廓线日变化最显著，主要发生在19：00—21：00，可能与周边地形造成的局地环流有关。值得注意的是，Ⅱ型（东风）和Ⅳ型（西风）廓线的高发时段分别为13：00—15：00和19：00—21：00，呈现出明显的昼夜交替特征。

3 廓线的过载特征

3.1 廓线过载特征分析

通过廓线的过载增量分布可以建立廓线类型与颠簸之间的关系，对预防终端区飞机颠簸意义重大。飞机在不同高度的过载增量差异较大，每条廓线中的最大过载增量值能够反映飞机在该廓线中最大的颠簸强度。

选用廓线的最大过载增量值判断该廓线中的飞行状态。如图4所示，基于核密度估计法，得到了过载增量最值的概率密度曲线。同时，统计了各型廓线中飞机发生轻度及以上强度颠簸（即过载增量不小于0.15，如表6所示）的频率。分析结果表明，所有廓线的过载增量概率分布随着值的增大先增加后减少，且过载增量最值都小于0.5。由此可见，在广汉机场下滑道，飞机只有平稳飞行和轻度颠簸两种状态。其中，Ⅰ型廓线中处于平稳飞行状态的概率最高，而Ⅱ型处于平稳飞行状态廓线的概率最低。图4中概率密度曲线下方的面积代表各飞行状态的概率。根据核密度估计结果，Ⅱ型廓线中发生颠簸的概率最大；Ⅳ型廓线中，发生颠簸的概率最低。这一结论可通过表6得到验证，在Ⅱ型廓线中，发生颠簸的频率最高，达到26.3%；其次是Ⅲ型廓线，颠簸频率为19.2%；而Ⅳ型廓线中，发生颠簸的频率，仅有11.3%。即低空风向为东风或南风时，最有可能发生颠簸。针对这种情况，管理部门应提前制定应急预案，飞行员也应做好充分准备并谨慎操作。

3.2 颠簸时间分布

飞机颠簸的时间分布如表7、表8所示。月分布方面，颠簸表现为季节性集中的特征。其中，Ⅰ型廓线颠簸主要发生在夏季至秋季，月平均颠簸发生率超过11.5%；Ⅱ型~Ⅳ型廓线主要发生在春末夏初；Ⅲ型和Ⅴ型廓线中颠簸频率分别在5—7月和7—8月达到最高。

日变化特征表明，飞机颠簸主要发生在11：00—17：00，尤其是Ⅰ型和Ⅲ型廓线中颠簸的日分布特征相似，集中出现在13：00—15：00时。综合来看，颠簸的时间分布主要表现出夏季高发、午后集中的特征。当广汉机场低空为偏东风或南风时，应重点关注飞行状态，提前做好气象保障相关服务。

3.3 颠簸高度分布

为了确定风廓线飞机颠簸的主要高度，统计每隔20 m发生颠簸的频率。首先筛选五型廓线中过载增量大于0.15的记录，然后统计相应的高度分布，最后用各高度范围内发生颠簸的次数除以各型廓线的总颠簸次数，计算出不同高度区间的颠簸率。

五型廓线在各高度区间的颠簸分布情况如表9所示。在Ⅰ~Ⅲ型廓线中，120 m以上发生颠簸的频率高且稳定，频率最高依次可达21.3%、19.7%和21.6%。Ⅲ型廓线中主要发生颠簸的高度范围更广，可延伸至80 m。Ⅳ型和Ⅴ型廓线在60 m以下几乎不发生颠簸。

整体来看，颠簸主要发生在中上层（120~175 m），低层（0~40 m）发生颠簸的频率较低。Ⅰ~Ⅲ型廓线中，飞机颠簸分布较为分散，低空发生颠簸频率较高；而Ⅳ型和Ⅴ型廓线的颠簸分布更集中于120~175 m。因此，地面检测显示为东北风、东风或者南风时，飞行员应格外注意100 m以下的突发颠簸。

4 结论

利用2020年4月—2021年2月广汉机场的机载探测数据，采用K-means聚类方法对其低空风廓线和颠簸特征进行分析，得到如下结论。

（1）低空风廓线可分为六型，Ⅰ~Ⅳ型风廓线的风向随高度变化不明显，风向一致性高，而Ⅴ型和Ⅵ型风廓线的风向存在明显变化。风向一致性高的Ⅰ~Ⅳ型为该机场的主要廓线类型，总占比为90.2%。前四型廓线风廓线表现出较大的风向差异，依次为东北风、东风、南风和西风。除Ⅲ型廓线外，其余风廓线的风速均随高度逐渐增大；Ⅲ型的风速在80 m以下随高度增大，80 m以上保持稳定。

（2）低空风廓线具有明显的时间变化特征。Ⅰ型和Ⅱ型风廓线的月变化特征高度一致，主要集中在8—11月，发生频率高且稳定；Ⅲ型主要发生在5—7月，Ⅳ型则主要发生在6—8月。对于日变化而言，Ⅱ型风廓线主要发生在13：00—15：00，其他类型廓线则主要发生在19：00—21：00。

（3）不同类型风廓线的颠簸成因存在显著差异。Ⅱ型风廓线发生颠簸的频率最高（26.3%），Ⅲ型次之（19.2%），Ⅳ型最低（11.3%）。热动力分析表明，Ⅰ型和Ⅴ型风廓线中风速垂直变化较大，颠簸主要由动力作用引起；Ⅱ型风廓线的风速垂直变化较小，颠簸主要由热力作用引起；而Ⅲ型和Ⅳ型的颠簸则是热力和动力因素共同作用的结果。各型廓线发生颠簸的高度较为接近，主要集中在120~175 m。因此，了解低空风廓线的颠簸特征，有助于飞行员更好地认识气象条件，帮助其提前做好心理准备和技术准备，保障通航安全。

本文结论仅基于广汉机场一年的机载探测数据，目前与广汉机场气象台调研结果基本一致。然而，由于数据时长有限，后续研究可以通过对更长时间、更多通航机场的对比分析，进一步验证并完善这些结论，以获得更加全面、普适的结论。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	黄仪方. 航空气象[M]. 成都: 西南交通大学出版社, 2011.

[2]	Huang Yifang. Aeronautical meteorology[M]. Chengdu: Southwest Jiaotong University Publishing House, 2011.

[3]	刘小洋. 机载雷达微下击暴流风切变信号处理与仿真[J]. 科学技术与工程, 2015, 15(7): 221-224.

[4]	Liu Xiaoyang. Based on airborne radar microburst wind shear signal processing and simulation[J]. Science Technology and Engineering, 2015, 15(7): 221-224.

[5]	潘军, 陈柏松, 华欣. 高原机场着陆性能计算与分析[J]. 科学技术与工程, 2020, 20(5): 2093-2098.

[6]	Pan Jun, Chen Baisong, Hua Xin. Calculation and analysis of landing performance of plateau airport[J]. Science Technology and Engineering, 2020, 20(5): 2093-2098.

[7]	李文娟, 郦敏杰. 基于探空资料的雷暴潜势预报方法[J]. 广东气象, 2011, 33(3): 27-30.

[8]	Li Wenjuan, Li Minjie. Thunderstorm potential forecasting method based on sounding data[J]. Guangdong Meteorology, 2011, 33(3): 27-30.

[9]	顾天红, 杜小玲, 李力, 等. 基于探空资料的西南区域暴雨环境参数统计分析[J]. 中低纬山地气象, 2022, 46(2): 27-32.

[10]	Gu Tianhong, Du Xiaoling, Li Li, et al. Statistical analysis of the environmental parameters of heavy rainfall in southwest China based on sounding observation[J]. Mid-low Latitude Mountain Meteorology, 2022, 46(2): 27-32.

[11]	孙尧, 李煜斌, 汤杰, 等. 基于探空数据的飓风垂直风速特征研究[J]. 热带气象学报, 2024, 40(5): 859-868.

[12]	Sun Yao, Li Yubin, Tang Jie, et al. Characterization of hurricane vertical wind speed based on sounding data[J]. Journal of Tropical Meteorology, 2024, 40(5): 859-868.

[13]	陈晓梦, 李白良, 李岩, 等. 福州探空气球的漂移轨迹特征及其对航空飞行的影响分析[J]. 气象与环境科学, 2021, 44(3): 91-98.

[14]	Chen Xiaomeng, Li Bailiang, Li Yan, et al. Drifting trajectory characteristics of fuzhou sounding balloon and its influence on aviation flight[J]. Meteorological and Environmental Sciences, 2021, 44(3): 91-98.

[15]	黄浩辉, 陈雯超, 植石群, 等. 基于测风塔实测台风威马逊登陆过程的强风特性分析[J]. 气象, 2021, 47(2): 143-156.

[16]	Huang Haohui, Chen Wenchao, Zhi Shiqun, et al. Analysis on severe wind characteristics during typhoon Rammasun landing process based on the observation at wind tower[J]. Meteorological Monthly, 2021, 47(2): 143-156.

[17]	苗芮, 郭玲, 张希帆, 等. 天津沿海地区测风塔不同高度风速特征[J]. 气象与环境学报, 2023, 39(1): 107-112.

[18]	Miao Rui, Guo Ling, Zhang Xifan, et al. characteristics of wind speed at different heights of wind mast in Tianjin coastal areas[J]. Journal of Meteorology and Environmental, 2023, 39(1): 107-112.

[19]	李庆雷, 孔婷, 等. 古丽格娜·海力力, 测风塔资料质量控制及效果检验评估[J]. 沙漠与绿洲气象, 2024, 18(1): 141-148.

[20]	Li Qinglei, Guligina Hailili, Kong Ting, et al. Quality controland effect evaluation of wind tower data in China[J]. Desert and Oasis Meteorology, 2024, 18(1): 141-148.

[21]	梁志, 师宇, 张哲, 等. 大气稳定度对边界层垂直风切变的影响[J]. 中国科学院大学学报, 2024, 41(3): 365-374.

[22]	Liang Zhi, Shi Yu, Zhang Zhe, et al. Impact of atmospheric stability on vertical wind shear and wind veer in atmospheric boundary layer[J]. Journal of University of Chinese Academy of Sciences, 2024, 41(3): 365-374.

[23]	罗丽, 井高飞, 郭佳, 等. 北京气象局天气雷达回波阻挡订正技术研究[J]. 科学技术与工程, 2016, 16(12): 12-19.

[24]	Luo Li, Jing Gaofei, Guo Jia, et al. Study on weather radar echo block correction technology of Beijing Meteorological Bureau[J]. Science Technology and Engineering, 2016, 16(12): 12-19.

[25]	夏芸洁, 韦涛, 李林, 等. 测风激光雷达与风廓线雷达的探测性能评估及数据融合[J]. 气象科技, 2024, 52(2): 151-162.

[26]	Xia Yunjie, Wei Tao, Li Lin, et al. Detection performance evaluation and data fusion of Doppler wind LiDAR and wind profiling radar[J]. Meteorological Science and Technology, 2024, 52 (2): 151-162.

[27]	郑腾飞, 李肖雅, 万齐林, 等. 综合观测试验中的激光测风雷达探测性能分析[J]. 大气与环境光学学报, 2024, 19(5): 529-542.

[28]	Zheng Tengfei, Li Xiaoya, Wan Qilin, et al. Analysis of detection performance of wind lidar in comprehensive observation experiment[J]. Journal of Atmospheric and Environmental Optics, 2024, 19(5): 529-542.

[29]	吴俊杰, 徐足音, 王耀辉, 等. 相干测风激光雷达探测效能评估研究[J]. 激光技术, 2023, 47(5): 716-722.

[30]	Wu Junjie, Xu Zuyin, Wang Yaohui, et al. Evaluation of detection efficiency of coherent wind LiDAR[J]. Laser Technology, 2023, 47(5): 716-722.

[31]	Wu J, Du H, Xia C, et al. Assessment of Doppler wind lidar detection efficiency and influencing factors at plateau airport: a case study of Lhasa Gonggar Airport[J]. Atmosphere, 2024, 15(12): 1530.

[32]	徐孝泽, 张元杰, 宋树刚, 等. 民航气象观测的中国中东部大气边界层廓线数据的评估与应用[J]. 地球物理学报, 2022, 65(11): 4174-4193.

[33]	Xu Xiaoze, Zhang Yuanjie, Song Shugang, et al. Evaluation and application of atmospheric boundary layer profiles from aircraft meteorological reports in central and eastern China[J]. Chinese Journal of Geophys, 2022, 65(11): 4174-4193.

[34]	Rahn D A, Mitchell C J. Diurnal climatology of the boundary layer in southern California using AMDAR temperature and wind profiles[J]. Journal of Applied Meteorology and Climatology, 2016, 55(5): 1123-1137.

[35]	拓瑞芳, 金山, 丁叶风, 等. AMDAR资料在机场天气预报中的应用[J]. 气象, 2006, 32(3): 44-48.

[36]	Tuo Ruifang, Jin Shan, Ding Yefeng, et al. Airport weather short range forecasting using AMDAR data[J]. Meteorological monthly, 2006, 32(3): 44-48.

[37]	黄卓, 李延香, 王慧, 等. AMDAR资料在天气预报中的应用[J]. 气象, 2006, 32(9): 42-48.

[38]	Huang Zhuo, Li Yanxiang, Wang Hui, et al. Application of AMDAR data to weather forecast[J]. Meteorological Monthly, 2006, 32(9): 42-48.

[39]	刘小魏, 曹之玉, 兰海波. AMDAR资料特征及质量分析[J]. 气象科技, 2007(4): 480-483.

[40]	Liu Xiaowei, Cao Zhiyu, Lan Haibo. Analysis of characteristics and quality of AMDAR data[J]. Meteorological Science and Technology, 2007(4): 480-483.

[41]	周炳君, 徐迪峰, 张程明, 等. AMDAR资料质量控制及同化对2020年春季数值预报的影响研究[J]. 干旱气象, 2024, 42(2): 283-292.

[42]	Zhou Bingjun, Xu Difeng, Zhang Chengming, et al. The impact of AMDAR data quality control and assimilation on spring numerical forecast in 2020[J]. Journal of Arid Meteorology, 2024, 42(2): 283-292.

[43]	Gao F, Zhang X Y, Jacobs N A, et al. Estimation of TAMDAR observational error and assimilation experiments[J]. Weather and Forecasting, 2012, 27(4): 856-877.

[44]	Ding J F, Zhuge X Y, Li X, et al. Evaluation of accuracy of Chinese AMDAR data for 2015[J]. Journal of Atmospheric and Oceanic Technology, 2018, 35(5): 943-951.

[45]	Fournier C, Holden S D. Development of the Canadian aircraft meteorological data relay (AMDAR) program and plans for the future[C]// 13th Symposium on Meteorological Observations and Instrumentation. Savannah: AIAA, 2005: 1-12.

[46]	Petersen R A. On the impactand benefits of AMDAR observations in operational forecasting—part I: a review of the impact of automated aircraft wind and temperature reports[J]. Bulletin of the American Meteorological Society, 2016, 97(4): 585-602.

[47]	徐足音. 基于激光测风雷达的广汉机场典型超标风过程研究[D]. 广汉: 中国民用航空飞行学院, 2023.

[48]	Xu Zuyin. Study on typical process of winds that exceed flight training standards at Guanghan Airport based on wind LiDAR[D]. Guanghan: Civil Aviation Flight University of China, 2023.