大气透射仪与前向散射仪低能见度条件下跑道视程数据对比分析

范大伟，曹敦波，朱国栋，肖恺倩

（民航新疆空中交通管理局，新疆 乌鲁木齐830016）

天气是影响飞行安全、航班正点和经济效益的重要因素之一，就乌鲁木齐机场而言，对飞行安全和航班正常影响最大的因素是冬季大雾。雾是指近地面空气中水汽凝结或凝华而使能见度降低至1000 m 以下的现象[1-2]。乌鲁木齐机场附近，雾通常出现在300～400 m 以下的低空[3]，雾的出现直接影响能见度，能见度的大小直接影响飞机的正常起飞和着陆，当低能见度发生时，管制员使用跑道视程（Runway Visual Range，以下简称RVR）指挥航空器起降。RVR 是指在跑道中线上，航空器上的驾驶员能看到跑道道面标志或跑道边界灯或中线灯的距离[4]。RVR 是一个计算值，它的大小与光学能见度（Meteorological Optical Range，以下简称MOR）、背景光亮度和跑道灯光级数有关[5]，MOR 的测量由大气透射仪或前向散射仪完成。

乌鲁木齐机场安装了4 套VAISALA 生产的MOR 探测设备，具体分布和型号如图1 所示。

图1 设备型号及分布图

跑道07 方向是一套大气透射仪MITRAS，中间段是一套大气透射仪LT31，25 方向是一套大气透射仪MITRAS 和一套前向散射仪FD12P，其中LT31是2016 年11 月新建的，FD12P 是2016 年11 月从跑道中间搬迁至25 方向。三端大气透射仪位于跑道中心线以北110 m 处，前向散射仪位于跑道中心线以北105 m 处。乌鲁木齐机场跑道07 方向执行I 类运行标准，跑道25 方向可以执行II 类运行标准，I类运行标准RVR 要求≥550 m，II 类运行标准RVR要求≥300 m。跑道25 方向是主降方向，同时也是唯一符合II 类运行标准的方向，因此25 方向RVR数据的有无以及准确性至关重要，直接影响乌鲁木齐机场运行标准。

由于跑道25 方向的MITRAS 和FD12P 采用完全不同的探测原理，因此两者的测量结果必然会存在一定的偏差。根据《民用航空机场运行最低标准制定与实施准则》[6]的要求，当接地端RVR 故障时，飞机着陆时只有在I 类运行标准下可临时由中间段RVR 代替，而飞机起飞时I 类、II 类运行标准下均可临时由中间段RVR 代替，那么这在实际运行中带来两个问题：1.25 方向MITRAS 故障时，FD12P 能否作为备份设备提供RVR 数据；2.25 方向MITRAS 故障时，使用同端FD12P 的RVR 数据还是使用中间段LT31 的RVR 数据临时代替25 方向的RVR 数据。

近年来，国内在大气透射仪和前向散射仪测量数据对比方面做了很多工作。 如濮江平等[7]对VAISALA 和PRESENTEY 公司生产的5 套大气透射仪和前向散射仪进行对比试验，能见度低于2000 m时，所有参试仪器测试结果的走势都是一致的；2009年田丽[8]对大连机场德国IMPUSIK 的大气透射仪和芬兰VAISALA 的前向散射仪进行比对试验，得出在低能见度条件下前散射仪的测量值与大气透射仪的测量值存在一定的偏差；明虎等[9]对西安咸阳机场VAISALA 的大气透射仪（LT31）和前向散射仪（FS11P）进行比对试验，得出在跑道视程低于600 m时，两种设备相互替代性较好。以上这些对比试验并未涉及到乌鲁木齐机场正在使用的MITRAS 和FD12P 的数据比对，而且低能见度（RVR≤600 m）条件下的样本数量少。

本文利用2017 年10 月26 日—2018 年3 月14日中RVR≤600 m 时，25 方向MITRAS 和FD12P数据，以及25 方向MITRAS 和中间段LT31 数据进行对比分析，希望通过对历史数据分析中得出结论，为后续FD12P 如何使用提供数据支持。

1 测量原理

1.1 MOR 测量原理

1.1.1 大气透射仪MOR 测量原理

大气透射仪是测量能见度最精确的设备，但其每月的例行维护相对繁琐，校准条件要求高。大气透射仪直接测量发射机和接收机之间水平空气柱消光系数计算能见度[10]。当发射机发射一束强度为I0的光后，通过一定的基线长度B（MITRAS 基线长度为50 m）到达接收机，接收机接收的光强为I。

消光系数公式如下所示：

σ 为消光系数，根据Koschemieder 定律，将观测员可感知的最小对比度设置为0.05，即可得到MOR：

得到MOR 数据后，再结合背景光亮度值和跑道灯光级数计算就得出RVR 数据。

1.1.2 前向散射仪MOR 测量原理

前向散射仪作为测量能见度的设备之一，具有维护简单、校准条件要求低的特点，但是测量精度要低于大气透射仪。前向散射仪通过测量一个小的采样空间（FD12P 采样空间为0.1 公升）散射光强，通过测量散射系数来计算消光系数。

计算消光系数建立在3 个假设的前提下[11]：（1）假设大气是均匀分布的；（2）假设分子的吸收或分子内部交互光强为零；（3）假定散射光强正比于散射系数。当不考虑大气及其中杂质的吸收作用时，认为散射系数与消光系数相当。

散射系数公式如下所示：

式中，v 为常数，Is为接收机接收到的散射光强，散射系数的详细推导可参考文献[12]。由于在上文假设中提到散射系数与消光系数相当，将消光系数换为散射系数，利用公式（2）即可得到MOR。

1.2 RVR 计算原理

RVR 使用Koschemieder 定律和Allard 定律进行计算[13]。黑夜或者是白天能见度受限的情况下使用Allard 定律计算RVR（公式中用R 表示），公式如下：

式中，I 为灯光强度，可由跑道灯光级数表示；E 为照度阈值，可由背景光亮度表示；σ 为消光系数。

当白天时，RVR 值与MOR 值相当，直接利用公式（2），即Koschemieder 定律计算RVR。

2 数据对比说明

跑道25 方向，MITRAS 和FD12P 距离5 m，探测环境一致；除此之外，这两种设备使用同样的背景光亮度值和跑道灯光强度，测量数据具有可对比性。

选取2017 年10 月26 日—2018 年3 月14 日中RVR≤600 m（以25 方向MITRAS 的RVR 作为标准）时，25 方向MITRAS 和FD12P 一分钟RVR 数据作为一组进行对比，25 方向MITRAS 和中间段LT31 1 min RVR 数据作为一组进行对比，所有数据的时间分辨率为15 s，每组样本数为20452。数据对比以25 方向MITRAS 的RVR 为标准。对比分析数据的获取模型如图2 所示，BL_T、RL_T、MOR_T、RVR_T 分别为T（T 的分辨率为15 s）时刻的背景光亮度、跑道灯光级数、光学视程和跑道视程；Ave（RVR_T，RVR_T-1，RVR_T-2，RVR_T-3）表示对T时刻和T 时刻之前3 个时刻的RVR 数据进行平均，RVR_T_1A 为T 时刻的1 min RVR 平均值。

图2 数据对比分析获取模型图

根据国际民用航空公约附件三[14]（以下简称附件三）的建议，VAISALA 终端RVR 数据的显示和存储步径为RVR≤400， 步径为25 m，400＜RVR≤800，步径为50 m，800＜RVR≤2000 步径为100 m。根据乌鲁木齐地窝堡国际机场低能见度运行程序中（以下简称运行标准）准备阶段、实施阶段和截止阶段对RVR 的要求，以及结合附件三的建议，数据对比分析时将RVR 数据分为：0＜RVR≤200、200＜RVR≤400 和400＜RVR≤600。

根据《民用航空气象地面观测技术手册》[15]（以下简称技术手册）目前观测或测量能达到精度要求为：RVR≤150，误差为±20，150＜RVR≤500 时，误差为±50；500＜RVR≤2000，误差为±10%。根据技术手册的要求，定义一个“有效数据”：RVR≤200，差值的绝对值≤25 m 认为是有效数据；200＜RVR≤600，差值的绝对值≤50 认为是有效数据。

3 数据对比分析

3.1 MITRAS 和FD12P 差值分布情况

本文差值是指MITRAS 的RVR 1 min 平均值与FD12P 的RVR 1 min 平均值之差，具体的差值分布情况如图3 所示。

图3 中差值分布情况横坐标为差值的区间（图中横坐标为0 表示MITRAS 的RVR 1 min 平均值与FD12P 的RVR 1 min 平均值之差等于0；横坐标为（0，25]表示MITRAS 的RVR 1 min 平均值与FD12P 的RVR 1 min 平均值之差大于0 小于等于25），纵坐标为所占百分比；有效数据分布情况横坐标为RVR 的区间，纵坐标为所占百分比。从差值分布图（图3）中可以看出差值≥0 所占的比例更大，RVR≤200，差值≥0 的比例为98%；200＜RVR≤400，这一比例为95%；400＜RVR≤600，这一比例为94%。因此从整体上看大气透射仪的RVR 值要大于前向散射仪的RVR 值。

图3 差值及有效数据分布

随着RVR 数值的增大，有效数据占比在下降，0＜RVR≤200 时，有效数据占比达到98%；200 ＜RVR ≤400 时， 有 效数据占比 为89%，400＜RVR≤600 时，有效数据占比只有为67%。

3.2 MITRAS 和FD12P 差值的均值分布情况

均值是指一组数据中所有数据之和再除以数据的个数，它是反映数据集中趋势的一项指标。由于差值有正负，为了准确的表征差值的均值，在进行运算时将差值取绝对值，具体的计算公式如下：

式中，N 表示样本数，abs 表示取绝对值，M（i）表示MITRAS 的RVR 1 min 平均值，F（i）表示FD12P 的RVR 1 min 平均值，差值的均值情况如图4 所示。

从图4 中可以看出，随着RVR 的增大，差值的均值也在变大，RVR≤200 时，差值均值为13；200＜RVR≤400 时，差值均值为36；400＜RVR≤600 时，差值均值为62。

图4 差值的均值分布图

3.3 MITRAS 和FD12P 相关系数

相关系数是用以反映两组数据之间相互关系密切程度的统计指标，反映着两组数据之间的相关程度。具体公式如下：

式中，N 表示样本数，M（i）表示MITRAS 的RVR 1 min 平均值，F（i）表示FD12P 的RVR 1 min 平均值。MITRAS 和FD12P 相关系数情况见表1。

当RVR≤400 时，相关系数＞0.8，具有较高的相关性；400＜RVR≤600 时，相关系数降到0.7，相关性有明显的降低。3 个区间的相关系数均通过α=0.01的显著性水平检验。

3.4 MITRAS 和FD12P 白天与夜间情况数据对比分析

RVR 的计算与背景光亮度和跑道灯光级数有关，因此本文针对白天和夜间情况对数据进行对比分析。对比数据源与上文相同，将数据按照白天和夜间两种情况进行对比。白天和夜间以25 方向背景光亮度值为标准，根据背景光亮度传感器LM21 手册描述：“夜间背景光亮度值在4～50 cd/m2”。根据这一描述，将背景光亮度值≤50 cd/m2，认为是夜间；背景光亮度值＞50 cd/m2，认为是白天。具体的对比数据如表2 所示。

RVR≤200 时，白天的相关系数要大于夜间的相关系数；200＜RVR≤600 时，白天的有效数据分布和相关系数要大于夜间的有效数据分布和相关系数，白天的差值均值要小于夜间的差值均值。

表2 白天和夜间情况数据对比表

3.5 MITRAS 和FD12P 数据对比分析小结

当RVR≤200，差值均值为13＜25，差值数据在[-25，25]的比例高达98%，相关系数也达到0.85；200 ＜RVR ≤400，差值均值为36 ＜50，差值数据在[-50，50] 的比例为89%， 相关系数为0.84；400＜RVR≤600，差值均值为62＞50，差值数据在[-50，50]的比例为67%。0＜RVR≤600 时，相比于夜间，白天情况下FD12P 的数据与MITRAS 的数据一致性更好。通过分析可以得出RVR≤400 时，FD12P和MITRAS 数据相关，可以相互替代。

3.6 MITRAS 和LT31 数据对比分析小结

根据文献[4]中规定，当接地端RVR 故障时，飞机着陆时只有在I 类运行标准下可临时由中间段RVR 代替，而飞机起飞时II 类运行标准下也可临时由中间段RVR 代替。针对这一规定，对跑道中间段LT31 的RVR 数据和跑道25 方向MITRAS 的RVR数据进行对比，以找出在跑道25 方向MITRAS 出现故障时，FD12P 和LT31 两者哪个更能表征25 方向的RVR 信息。对比数据选取时间段以及数据对比分析方法与之前一致，只是将FD12P 的数据源换为LT31 的数据源。具体的对比数据见表3。

表3 数据对比表

表3 中（M&F）表示MITRAS 和FD12P；M&L 表示MITRAS 和LT3。通过对比有效数据分布、差值均值和相关系数可以看出，跑道25 方向FD12P 提供的RVR 数据与25 方向的MITRAS 提供的RVR 数据更为接近。因此跑道25 方向MITRAS 故障时，可临时使用25 方向FD12P 的RVR 数据代替。

4 结论

本文对乌鲁木齐机场2017 年10 月26 日—2018 年3 月15 日 中RVR ≤600 时，25 方 向MITRAS 和FD12P 的RVR 数据， 以及25 方 向MITRAS 和中间段LT31 的RVR 数据进行对比分析，得到以下结论：

（1）MITRAS 的RVR 数据≥FD12P 的RVR 数据的比例为96%，整体上MITRAS 的RVR 值要大于FD12P 的RVR 值；RVR ≤400 时，MITRAS 和FD12P 两种设备可以相互替代。

（2）相比于黑夜，白天情况下FD12P 的RVR 数据更接近25 方向MITRAS 的RVR 数据。

（3）相比于跑道中间段LT31，跑道25 方向FD12P 的RVR 数据更接近25 方向MITRAS 的RVR 数据。

尽管400＜RVR≤600 时MITRAS 和FD12P 两种设备一致性不高，但与中间段LT31 的RVR 数据相比还是更加接近25 方向的RVR 数据， 同时FD12P 的RVR 数据总体上小于MITRAS 的RVR 数据，有很大的安全裕度，因此笔者认为低能见度条件下当25 方向的MITRAS 故障时，可以使用FD12P的RVR 数据做备份。