进入雷雨季节,由于天气原因产生的航班延误逐渐增多。据统计,天气原因导致的航班延误在整个航班延误量中所占比例达到51.28%。提高气象保障能力,减少天气原因延误,作为提高航班正常率的重要突破口逐渐被重视。
近年来,民航气象部门做了大量的努力,取得了一些成绩,但离航空用户的需要和期望仍存在较大的差距。提供更及时准确的预报、更精细的气象服务产品、气象精准服务已成为旅客和运行部门日益迫切的需求。
中国民航业高速发展,带来的不仅是运力和客流量的持续增长,还有运行数据的激增。民航大数据时代已经来临,大数据已成为民航发展改革的前沿。气象精准服务与大数据技术紧密结合已是大势所趋。无论是气象部门的管理者还是一线员工,都应该紧密结合工作实践,运用大数据来改善气象服务工作。
如何运用大数据推进气象精准服务?答案就是:以气象数据和运行数据融合为基础,以气象产品规范化、气象服务精细化、气象业务数据化为突破口,全面推进气象精准服务。
气象产品规范化确保飞行安全
气象产品是气象人员的智慧结晶,气象产品的生产过程是复杂的非标准化流程,而提供给航空用户使用的气象产品必须是统一规范的,否则会给用户造成困惑,影响服务效果甚至危及安全。事实上,因为责任心、承压能力、业务技能和业务经验等个体差异的存在,气象产品的规范性、一致性和严谨性往往难以保证。
依靠人为努力保证气象产品规范化存在一定困难。如机场天气预报:出现复杂天气时,气象预报员忙于对外服务,有可能对应该修订的预报产品没有作出及时全面的修订,或者预报思路变化较大,导致不一致现象发生,即同一时段出现差异较大的预报结论。
突发天气和极端天气对飞行危害极大,因此,气象应急保障服务产品的规范化尤为重要。比如,某机场突发大风天气,风速接近30米/秒且有加强的趋势,虽然气象部门紧急发布了机场警报,但预报风速仅为十几米/秒,明显小于已出现的实际风速,且预报的大风起始时间落后于实际发生时间,导致服务效果受到影响。
大数据在数据匹配和数据比对方面有先天的优势,能够有效解决气象产品规范化问题。比如,修订机场天气预报,只要预报员对其中一份预报作出修订,计算机同步对所有处于有效期内的报文数据进行自动检索比对,发现不一致情况,立刻进行提示或自动编发修订报并由预报员进行确认。同样,在编发大风警报时,若预报风速低于实况风速,计算机自动弹出错误提示信息。
气象服务产品日益丰富,借助大数据解决气象产品规范化问题,刻不容缓。
气象服务精细化按需量身定制
由于对用户需求缺乏全面深入的了解,某些气象服务产品定位不准或比较粗略,难以满足用户需求,收不到预期的服务效果。以机场雷雨警报为例:警报仅简要描述了雷雨对机场区域的影响,没有对多方关注的“飞行五边”可能造成的影响进行详细描述。运行数据统计显示,起降方向(或跑道方向)上的雷雨对飞行的影响显著大于跑道侧向方向上的雷雨。多跑道机场在雷雨覆盖部分跑道时,其余没有被雷雨覆盖的跑道仍能正常起降,而且飞机降落方向上的雷雨对飞行影响更大。
因此,应对航空公司、机场、管制部门等气象用户的关联数据进行挖掘分析,识别并追踪用户的实际需求,从而向用户定向推送定制的气象产品来满足用户需求,实现气象服务精细化。
可以从管制气象服务入手,根据流量数据识别关键飞行区域、关键航路点和繁忙时段,并根据各管制部门的职责分工,定制气象服务产品。对于塔台管制室,重点推送起降区域——跑道和跑道延长线上、飞行高度在900米以下区域的天气预报和天气实况,并根据地面风向风速、能见度以及起降区域强对流云团位置的变化,及时向塔台提出更换跑道的建议;对于终端管制室和区域管制室,可以按照管制扇区来定制和推送气象服务产品,并在复杂天气出现时段和飞行繁忙时段加密对关键区域、关键航路点的天气监视和天气预报;对于管制流量管理部门,则可进一步细化MDRS重要天气发生概率预报,增加72小时内重大天气过程展望预报等。
气象数据与运行数据的融合,也是气象精准服务的重要手段。以管制扇区气象服务产品定制为例:将气象数据按照管制扇区的高度和区域进行分类或筛选,比如湖南境内的某高空管制扇区(飞行高度7800米以上),只需重点提供湖南境内的高空区域预警信息、400百帕以上的高空风温预告图、高空重要天气预告图等,把不相关的气象数据滤掉,采取航迹和气象预报结果叠加的方式生成扇区内不同高度层的可视化气象预报产品。同时,我们可以尝试利用雷达回波顶高数据开发管制员非常需要的航路回波顶高拼图等产品。
气象业务数据化开启创新之路
气象精准服务的核心是提高预报准确率,预报分析决策过程挖掘是提高预报准确率的可行途径之一,也是气象业务数据化的核心。
数值预报已成为气象预报的基础,但数值预报的发展水平制约了民航气象预报准确性的提高,对数值预报的依赖还在一定程度上弱化了创新能力。预报分析决策过程挖掘,汇集气象人员的智慧并建立专门或通用的预报模型,包括对个人预报经验进行数据化处理。
其中,预报经验数据化(包括基于数据分析的技术总结),在预测地方性天气方面比数值预报更有优势。例如平流雾的预报:华南某机场受周边地理环境影响,偶尔出现平流雾天气,平均每年一次到二次。对平流雾的预报,数值预报模式通常不能给出直接有效的参考信息,如果缺乏经验,遇到平流雾天气很难迅速作出反应,出现漏报错报的概率很大。
尽管平流雾的预报难度较大,但也不是完全没有规律可循,有经验的预报员总结出:出现平流雾时,风速较小,靠近机场附近河流的跑道能见度率先变差,维持时间一般为一两个小时。如果将这些经验数据化,并对所有的平流雾天气过程进行统计分析,可以建立某机场平流雾的预报模型,一旦气象实况数据触发预报模型中的要素条件(如风速、跑道能见度差值等),就会自动提醒预报员注意。我们还可以利用持续收集的气象数据对经验预报模型进行校验、改进和升级,从而提高对平流雾的预测能力。
以预报分析决策过程挖掘为核心的气象业务数据化,将个人经验和分散的技术成果汇集成为集体智慧,并在实践中进行检验和提高,为推进气象精准服务奠定了坚实的基础。
“让航空天气预报成为旅客出行的好帮手,让旅客少一分等待多一分满意”是民航气象人员孜孜不变的梦想,而大数据为梦想插上了飞翔的翅膀。大数据已成为民航发展改革的重要驱动力,为建设“四强空管”创造了条件。(中国民航网 通讯员陈云峰,梁永军、区志中对本文亦有贡献)