摘要 飛機(jī)顛簸是影響飛機(jī)安全的主要天氣事件之一。本文利用6 498份PIREPs（Pilot Reports，航空器空中報(bào)告）資料，采用數(shù)據(jù)質(zhì)量控制以及核密度分析等統(tǒng)計(jì)分析方法，研究了中國主要航路上飛機(jī)顛簸的時(shí)空分布特征以及造成飛機(jī)顛簸的可能原因。結(jié)果表明，6年來，發(fā)生在中國上空的飛機(jī)顛簸具有多時(shí)間尺度分布特征。2011—2016年飛機(jī)顛簸次數(shù)存在上升趨勢，2013年之后飛機(jī)顛簸次數(shù)表現(xiàn)為增加后的相對平穩(wěn)狀態(tài);從季節(jié)變化來看，無論是飛機(jī)顛簸次數(shù)還是飛機(jī)顛簸強(qiáng)度，均呈現(xiàn)冬春季飛機(jī)顛簸多且強(qiáng)、夏秋季飛機(jī)顛簸少且弱的特點(diǎn);從飛機(jī)顛簸次數(shù)的逐月變化來看，其隨月份的變化近似為“漏斗”狀分布;從日變化來看，飛機(jī)顛簸次數(shù)具有明顯的“三峰”特征。飛機(jī)顛簸次數(shù)具有明顯的地域特征，在中國區(qū)域上空呈現(xiàn)出“東邊多、西邊少”的特點(diǎn)。此外，發(fā)生在中國上空的南北向主要航路上的飛機(jī)顛簸，在其空間分布上，若用線條將飛機(jī)顛簸最大次數(shù)連接起來，則其由華北上空出發(fā)經(jīng)南昌再到成都，連線呈現(xiàn)為一個(gè)大的“逗號”狀;飛機(jī)顛簸出現(xiàn)的高度具有明顯的地域性，其中華北是飛機(jī)發(fā)生高高空顛簸和高空顛簸次數(shù)最多的地區(qū)，而華東和西南則是發(fā)生中空顛簸的主要地區(qū)，新疆地區(qū)低空顛簸最多。除對流外，中國飛行顛簸時(shí)空分布受高空急流主導(dǎo)，而新疆地區(qū)受風(fēng)切變影響，其低空易發(fā)生顛簸。

關(guān)鍵詞飛機(jī)顛簸;高空急流;航空器空中報(bào)告

2024-01-22收稿，2024-03-26接受

國家自然科學(xué)基金-中國民用航空局聯(lián)合研究基金重點(diǎn)項(xiàng)目（U2033207）;中央高?；究蒲袠I(yè)務(wù)專項(xiàng)（3122015C023）

引用格式：李克南，武凱軍，劉海文，等，2024.中國主要高空航路飛機(jī)顛簸的時(shí)空分布特征［J］.大氣科學(xué)學(xué)報(bào)，47（5）：789-797.

Li K N，Wu K J，Liu H W，et al.，2024.Spatiotemporal distribution patterns of turbulence on major high-altitude aircraft routes in China［J］.Trans Atmos Sci，47（5）：789-797.doi：10.13878／j.cnki.dqkxxb.20240122001.（in Chinese）.

飛機(jī)顛簸是指水平尺度介于0.1～1 km之間的大氣湍流所導(dǎo)致飛機(jī)產(chǎn)生的顛簸，也稱為飛機(jī)尺度湍流。美國國家晴空顛簸委員會（National Committee for Clear Air Turbulence）給出的晴空顛簸的定義為“在航空業(yè)務(wù)中所有感興趣的自由大氣發(fā)生的大氣亂流，且該亂流與可見的大氣對流活動(dòng)無關(guān)”（Sharman and Lane，2016）。研究表明，導(dǎo)致飛機(jī)顛簸的原因（Wolff and Sharman，2008;朱玉祥等，2023）主要有以下5種：對流湍流（Convectively Induced Turbulence）（Lin，2016;Sharman，2016;Sharman and Trier，2019）;低空急流（Low Level Jet）（Clark and Peltier，1984;Petenko et al.，2019）;山脈波湍流（Mountain Wave Turbulence）（U.S.Department of Commerce，1966;Doyle et al.，2011）;晴空湍流（Clear Air Turbulence）（Rossow and James，2000;Wasson et al.，2022）;飛機(jī)尾流渦旋產(chǎn)生的湍流（Sharman et al.，2006）。

國內(nèi)外學(xué)者對飛機(jī)顛簸進(jìn)行了很多研究。朱玉祥等（2023）和劉海文等（2023）對飛機(jī)顛簸的研究現(xiàn)狀進(jìn)行了歸納和總結(jié)。朱玉祥等（2023）總結(jié)了人工智能（AI）方法在飛機(jī)顛簸中的最新應(yīng)用進(jìn)展。劉海文等（2023）在分析了前人研究的基礎(chǔ)上認(rèn)為，優(yōu)化或改進(jìn)中尺度數(shù)值模式中次網(wǎng)格尺度的顯式方案或參數(shù)化方案，是改進(jìn)中國基于飛機(jī)尺度的飛機(jī)顛簸短臨預(yù)報(bào)的主要出路之一。Lane and Sharman（2008）通過高分辨率的二維和三維強(qiáng)雷暴數(shù)值試驗(yàn)，驗(yàn)證了云頂附近強(qiáng)湍流與風(fēng)切變和靜力穩(wěn)定性之間的關(guān)系。阿利曼等（2016）通過研究中國東部高空顛簸時(shí)空分布特征與東亞副熱帶西風(fēng)急流的關(guān)系，揭示了ENSO與中國東部高空顛簸的可能聯(lián)系。Williams（2017）研究認(rèn)為，人類活動(dòng)導(dǎo)致的氣候變暖使得巡航高度上急流區(qū)域的垂直風(fēng)切變變強(qiáng)，這將增加產(chǎn)生晴空湍流的剪切不穩(wěn)定性，進(jìn)而有利于飛機(jī)顛簸的產(chǎn)生。同時(shí)，Williams（2017）利用氣候模式研究了冬季跨大西洋地區(qū)飛機(jī)航線隨氣候變暖的變化，認(rèn)為未來中等到嚴(yán)重的晴空顛簸將顯著增強(qiáng);模擬結(jié)果表明，在工業(yè)革命前CO2基礎(chǔ)上增加2倍CO2后，21個(gè)晴空顛簸指數(shù)中的大多數(shù)指數(shù)顯示出輕度及輕度至中度的湍流頻數(shù)增加趨勢。胡伯彥等（2022）利用耦合模式比較計(jì)劃（CMIP5）的全球環(huán)流模式對東亞地區(qū)當(dāng)代和RCP 8.5情景下未來氣候進(jìn)行高分辨率模擬，指出東亞地區(qū)所有季節(jié)中均存在湍流強(qiáng)度越強(qiáng)、湍流頻率增幅越大的特征，且冬季各強(qiáng)度湍流增幅最大，其次為春季和秋季，夏季最小。Hu et al.（2023）還對1979—2020年中國上空存在的潛在晴空顛簸時(shí)空特征進(jìn)行分析;研究表明，潛在的晴空顛簸在冬季呈現(xiàn)顯著的上升趨勢，而在夏秋顯示出明顯的下降趨勢。

許多學(xué)者使用航空器空中報(bào)告（Pilot Reports，PIREPs）資料來研究飛機(jī)顛簸。Sharman et al.（2006）利用數(shù)值天氣預(yù)報(bào)模式系統(tǒng)性地統(tǒng)計(jì)驗(yàn)證了PIREPs資料的正確概率。Wolff and Sharman（2008）利用PIREPs構(gòu)建了美國毗鄰地區(qū)上空高層湍流的區(qū)域、季節(jié)和時(shí)間分布的氣候?qū)W特征，并發(fā)現(xiàn)飛行員報(bào)告的無顛簸與中到重度顛簸非常一致。Kim and Chun（2011）利用PIREPs資料集分析了2003—2008年韓國上空飛機(jī)顛簸的分布特征，同時(shí)評估了高空顛簸預(yù)報(bào)的準(zhǔn)確率;他們發(fā)現(xiàn)，隨著PIREPs資料樣本的增加，圖形化湍流指導(dǎo)（Graphical Turbulence Guidance，GTG）集成算法的預(yù)報(bào)準(zhǔn)確率也隨之提升（Kim et al.，2011）。申燕玲等（2017）基于2012—2015年P(guān)IREPs資料對飛機(jī)顛簸進(jìn)行了研究，但是其僅僅分析了中國冬季飛機(jī)顛簸發(fā)生的時(shí)空分布特征，其他季節(jié)飛機(jī)顛簸發(fā)生的特征及其年際變率尚未研究。李呈祥（2018）基于航空器空中報(bào)告資料，統(tǒng)計(jì)分析了中國飛機(jī)顛簸在不同時(shí)間、空間、強(qiáng)度等條件下的發(fā)生規(guī)律。胡伯彥等（2021）對2011—2018年中國地區(qū)的航空器空中報(bào)告資料進(jìn)行了統(tǒng)計(jì)，但未對飛機(jī)產(chǎn)生顛簸的天氣形勢做進(jìn)一步研究。這些研究表明，使用PIREPs資料，研究發(fā)生在中國上空的飛機(jī)顛簸具有較好的可行性。

雖然國內(nèi)外學(xué)者對飛機(jī)顛簸進(jìn)行了大量研究，但使用PIREPs資料并對中國尤其是中國南北向航路發(fā)生顛簸的空間分布特征的研究還較少，而且有關(guān)飛機(jī)顛簸的年際、月際、日變化的研究尚無完全定論。為此，本文將使用PIREPs資料對飛機(jī)顛簸時(shí)空特征進(jìn)行分析，以期為民航飛機(jī)安全運(yùn)行提供重要的科技支撐。

1 資料和方法

1.1 資料

本研究使用的第一套資料是PIREPs資料，它來源于中國民用航空局空中交通管理局航空氣象中心，受數(shù)據(jù)管理政策變革的影響，所獲取的資料時(shí)間跨度為2011年1月1日至2016年12月31日，共6 498份資料。需要說明的是，PIREPs資料集主要記錄民用航空器在飛行途中遇到雷暴、顛簸、積冰等危害天氣;它是飛行員通過語音的方式將危險(xiǎn)天氣的發(fā)生時(shí)間、具體位置、高度、航班號、機(jī)型等信息發(fā)送給管制席位，管制席位通知?dú)庀蠓?wù)人員，由氣象人員對外發(fā)布，是目前民用觀測手段的重要補(bǔ)充（周建華，2011）。

為了分析影響飛機(jī)顛簸的主要天氣形勢和環(huán)流系統(tǒng)，本研究選用歐洲中期天氣預(yù)報(bào)中心（ECMWF）第5代再分析資料ERA5作為第二套資料，其水平分辨率為0.25°×0.25°，時(shí)間分辨率為1 h，資料范圍為全球，等壓面從1 hPa到1 000 hPa（共37層）。本文所用資料是2011—2016年250 hPa上ERA5的月平均u、v風(fēng)數(shù)據(jù)，空間范圍為60°～150°E、18°～60°N。

為了分析飛機(jī)顛簸與航路的耦合關(guān)系，本文還使用第三套資料即航行資料匯編（Aeronautical Information Publication，AIP），它是根據(jù)國際民航公約，由國家發(fā)行或國家授權(quán)發(fā)行，保障航空器在該國安全運(yùn)行的所必需的持久性航行資料，并且也是長期存在的重要航行信息的基本來源。

1.2 方法

1.2.1 資料處理與質(zhì)量控制

由于PIREPs的固有的主觀性（胡伯彥等，2021），對顛簸發(fā)生的位置給出的是航路點(diǎn)描述信息，沒有提供發(fā)生顛簸的經(jīng)緯度信息，所以必須先對發(fā)生飛機(jī)顛簸位置進(jìn)行經(jīng)緯度處理。處理過程如下：若飛機(jī)顛簸發(fā)生在臨沂附近，則以臨沂的經(jīng)緯度代替飛機(jī)顛簸的位置，由于導(dǎo)致飛機(jī)顛簸的范圍常常是一大片區(qū)域，所以這樣的代替并不影響飛機(jī)顛簸的研究，具有一定的合理性;若報(bào)文有精確的空間位置信息，如“25號跑道五邊距本場8.4海里位置”，則需要進(jìn)行距離和經(jīng)緯度的換算，再確定顛簸的具體位置;若報(bào)文敘述不清楚，如“北京去向蘭州方向航路”，則剔除這些報(bào)告。經(jīng)過數(shù)據(jù)質(zhì)量控制后，最終得到了4 941份有效報(bào)告。

1.2.2 核密度分析

核密度分析是一種基于核密度估計(jì)的空間分析方法。它可利用核密度估計(jì)來計(jì)算某一區(qū)域內(nèi)的點(diǎn)密度分布，并將其可視化為一張熱力圖，其核心思想為核密度估計(jì)。核密度估計(jì)用于計(jì)算點(diǎn)、線兩種要素在其周圍領(lǐng)域中的密度，是一種非參數(shù)的表面密度估計(jì)方法，它可以通過一組樣本數(shù)據(jù)來估計(jì)數(shù)據(jù)的概率密度函數(shù)（許鑫等，2024）。核密度分析常用于地理信息系統(tǒng)、城市規(guī)劃、生態(tài)學(xué)等研究領(lǐng)域，可幫助人們更好地理解數(shù)據(jù)的分布情況，從而做出更好的決策（周揚(yáng)等，2020）。

PIREPs資料為離散的單點(diǎn)資料，為了更好地研究飛行顛簸在整個(gè)中國區(qū)域內(nèi)的空間分布特征，使用ArcGIS軟件的核密度分析功能，對經(jīng)數(shù)據(jù)質(zhì)量控制后的具有經(jīng)緯度信息的PIREPs資料進(jìn)行處理，以便得到飛機(jī)顛簸的空間分布特征。同時(shí)，利用AIP資料，將飛機(jī)顛簸的核密度分布與中國主要航路進(jìn)行空間疊加，以得到飛機(jī)航路的飛機(jī)顛簸的空間分布特征。

2 中國飛機(jī)顛簸的時(shí)空分布特征

2.1 飛機(jī)顛簸的年際變化特征

為了分析中國飛機(jī)顛簸的年際變化特征，圖1給出了基于PIREPs資料的中國飛機(jī)顛簸發(fā)生次數(shù)的時(shí)間序列。由圖1可知，2011—2013飛機(jī)顛簸次數(shù)明顯增加，2013年之后呈現(xiàn)增加后的相對平穩(wěn)狀態(tài)，顛簸次數(shù)在2016年達(dá)到了最大值，為1 020次;一般而言，飛機(jī)飛行次數(shù)多，報(bào)告的飛機(jī)顛簸次數(shù)也相對較多。因此，為了避免因飛機(jī)飛行次數(shù)多而導(dǎo)致的飛機(jī)顛簸呈增多趨勢的假象，圖1又給出了航空器年總起落架次和每萬架次航空器空中顛簸次數(shù)的逐年變化情況。比較可見，航空器年總起落架次呈線性增加趨勢，而每萬架次航空器空中飛機(jī)顛簸次數(shù)在2013年之前也呈增加趨勢，之后基本呈平穩(wěn)狀態(tài)，這說明在2013年前飛機(jī)顛簸次數(shù)確實(shí)是隨時(shí)間增加的，而2013年之后飛機(jī)顛簸次數(shù)增加的原因則是中國民航飛行量增加導(dǎo)致的飛機(jī)顛簸次數(shù)增加。

2.2 飛機(jī)顛簸的月際變化特征

為了進(jìn)一步揭示飛機(jī)顛簸的月際變化規(guī)律，圖2給出了2011—2016年中國飛機(jī)顛簸次數(shù)的逐月分布。由圖2a可見，6年來，飛機(jī)顛簸次數(shù)隨月份的變化大致為“漏斗狀”分布，呈現(xiàn)出夏秋少、冬春多的季節(jié)變化特征，其中2月發(fā)生的飛機(jī)顛簸次數(shù)最多，7月最少。結(jié)合飛機(jī)顛簸的不同強(qiáng)度（圖2b）來看，無論是中度顛簸還是強(qiáng)顛簸，都呈現(xiàn)夏秋少、冬春多的季節(jié)變化特征?？傊?，無論是飛機(jī)顛簸發(fā)生次數(shù)還是飛機(jī)顛簸強(qiáng)度，都表現(xiàn)為冬春多、夏秋少的季節(jié)變化特征。該結(jié)論與Hu et al.（2023）利用1979—2020年ERA5再分析資料研究中國潛在晴空顛簸的季節(jié)變化特征時(shí)得到的結(jié)論基本相同。

2.3 飛機(jī)顛簸的日變化特征

為了揭示飛機(jī)顛簸發(fā)生次數(shù)及強(qiáng)度的日變化特征，圖3給出了2011—2016年飛機(jī)顛簸次數(shù)的日變化。由圖3可見，從00時(shí)（世界時(shí)，下同）開始，伴隨著飛機(jī)起飛次數(shù)的增多，飛機(jī)遭遇顛簸的次數(shù)也增加，02時(shí)出現(xiàn)一個(gè)“峰值”，到06時(shí)飛機(jī)顛簸次數(shù)也出現(xiàn)一個(gè)“峰值”，然后到12時(shí)，飛機(jī)顛簸次數(shù)再出現(xiàn)一個(gè)“峰值”。總之，從00時(shí)至22時(shí)，飛機(jī)顛簸的日變化呈現(xiàn)為明顯的“三峰結(jié)構(gòu)”。需要指出的是，18—21時(shí)飛機(jī)顛簸達(dá)到最低點(diǎn)，這可能與航班的次數(shù)減少有關(guān)，22—23時(shí)隨著飛機(jī)起飛次數(shù)的增多，飛機(jī)顛簸次數(shù)出現(xiàn)了輕微上升（圖3）。

2.4 飛機(jī)顛簸的空間分布

2.4.1 飛機(jī)顛簸次數(shù)的水平分布

圖4給出了中國主要航路上飛機(jī)顛簸發(fā)生次數(shù)的空間分布。由圖4可見，飛機(jī)顛簸發(fā)生次數(shù)的高值區(qū)主要位于中國華北地區(qū)以及中南部分地區(qū)。在其空間分布上，若用線條將飛機(jī)顛簸最大次數(shù)連接起來，則由華北上空過南昌到成都的飛機(jī)顛簸，其次數(shù)的連接形狀宛若一個(gè)大的“逗號”。從整個(gè)中國發(fā)生顛簸的次數(shù)來看，也呈現(xiàn)出“東邊多、西邊少”的特征。此特征與胡伯彥等（2021）的結(jié)論相同，即：以中國民航業(yè)空域劃分為依據(jù)，按照顛簸年平均次數(shù)來劃分中國7個(gè)空域顛簸次數(shù)多寡，則華北地區(qū)在PIREPs數(shù)據(jù)中年顛簸平均數(shù)量最多，中南地區(qū)其次，西北和東北地區(qū)最少。需要指出的是，拉薩也是顛簸次數(shù)高發(fā)區(qū)域，這可能與高大地形導(dǎo)致的山脈波湍流有關(guān)（沈宏彬和李躍春，2014）。

2.4.2 飛機(jī)顛簸次數(shù)的高度分布

根據(jù)空管局民航氣象中心規(guī)定，一般而言，100 m以下為超低空，100～1 500 m為低空，1 500～7 000 m為中空，7 000～15 000 m為高空，15 000 m以上為高高空。圖5給出了7大空管區(qū)域飛機(jī)顛簸發(fā)生的高度分布。由圖5可知，華北地區(qū)發(fā)生的高高空顛簸以及高空顛簸次數(shù)最多，其次是中南地區(qū);中空發(fā)生顛簸次數(shù)最多的是華東地區(qū)，華北和西南地區(qū)發(fā)生中空顛簸的次數(shù)相近;低空發(fā)生顛簸次數(shù)最多的是新疆地區(qū)，其次是華北地區(qū)。

3 飛機(jī)顛簸發(fā)生次數(shù)的多時(shí)間尺度原因

3.1 飛機(jī)顛簸年際變化的原因

高空急流-鋒區(qū)耦合系統(tǒng)是造成飛機(jī)顛簸的主要原因之一（朱志愚，1997;丁一匯，2005;Lee and Chun，2018）。圖6給出了由高空急流引起的顛簸次數(shù)的年際變化。與圖1相比，飛機(jī)發(fā)生顛簸的年際變化特征與由高空急流引起的顛簸次數(shù)的年際變化特征基本相似，不同點(diǎn)在于由高空急流引起的顛簸報(bào)告次數(shù)，在2014年達(dá)到最大值，之后呈下降趨勢。究其原因，這可能與我們統(tǒng)計(jì)的導(dǎo)致飛機(jī)顛簸的不同因子有關(guān)。

3.2 飛機(jī)顛簸月際變化的原因

為了分析飛機(jī)顛簸月際變化的原因，圖7給出了由PIREPs資料提供的幾種主要的氣象要素或者氣象條件導(dǎo)致的飛機(jī)顛簸的逐月變化。圖7中最明顯的特征是由高空急流導(dǎo)致的飛機(jī)顛簸的月際變化規(guī)律與圖2最為相似，也呈“漏斗”狀分布。高空急流與飛機(jī)顛簸發(fā)生次數(shù)的偏相關(guān)系數(shù)為0.833 6，通過了0.05信度的顯著性檢驗(yàn)。這說明高空急流是導(dǎo)致中國飛機(jī)顛簸的重要環(huán)流之一。此外，需要注意PIREPs資料為航空器空中報(bào)告，該類報(bào)告更加關(guān)注不伴隨天氣現(xiàn)象的飛機(jī)顛簸，對流性天氣在夏季雖然可以引起更多的湍流，但是該類天氣往往會伴隨著龐大的云系，易被機(jī)載天氣雷達(dá)和飛行員發(fā)現(xiàn)，飛行員可提前預(yù)知顛簸的發(fā)生，因此在PIREPs資料中，對流性天氣所占比例較小。

高空急流對中國以及東亞地區(qū)的天氣、氣候有著重要的影響（張端禹等，2015;楊鎛和王黎娟，2021）。為了進(jìn)一步分析高空急流與飛機(jī)顛簸月際變化的關(guān)系，圖8給出了2011—2016年250 hPa高度上高空急流的逐月變化，其變化特征與倪東鴻等（2011）的研究結(jié)果一致。

由圖8可見，整個(gè)冬季（上年12月至當(dāng)年2月）在（80°～120°E，20°～40°N）區(qū)域范圍內(nèi)，主要由副熱帶高空急流所控制。到了春季，雖然副熱帶急流位置覆蓋的范圍相比冬季要小，但是大致在（110°～120°E，25°～40°N）區(qū)域范圍內(nèi)，仍被高空急流所控制;因此，冬春季高空急流導(dǎo)致的飛機(jī)顛簸次數(shù)較多。到了夏秋季，風(fēng)速大于30 m／s的區(qū)域相比冬春季所覆蓋的范圍要小得多，高空急流影響范圍的縮小不利于夏秋季飛機(jī)顛簸的產(chǎn)生。綜上所述，受高空急流季節(jié)性變動(dòng)的影響，中國上空飛機(jī)顛簸出現(xiàn)冬春多、夏秋少的季節(jié)變化特征。

3.3 飛機(jī)顛簸日變化的原因

圖9給出了不同天氣背景下2011—2016年飛機(jī)顛簸發(fā)生次數(shù)的日變化。由圖9可見，由高空急流導(dǎo)致的飛機(jī)顛簸發(fā)生次數(shù)的日變化也呈“三峰”結(jié)構(gòu)，01時(shí)達(dá)到最大，06時(shí)次之，16—22時(shí)最低，23時(shí)有輕微上升，其峰值時(shí)間與圖3略有差異。需要說明的是，飛機(jī)顛簸次數(shù)隨時(shí)間的變化還與航班量有關(guān)，因此，雖然18—22時(shí)飛機(jī)顛簸次數(shù)為最低值，但是它并不代表大氣湍流在該時(shí)段發(fā)生的次數(shù)就最少，這應(yīng)與該時(shí)段航班量偏少有關(guān)。

3.4 飛機(jī)顛簸高度分布的原因

各地區(qū)發(fā)生顛簸的高度不一致，PIREPs資料表明，華北是飛機(jī)發(fā)生高高空顛簸和高空顛簸次數(shù)最多的地區(qū)。影響華北地區(qū)發(fā)生高高空和高空顛簸次數(shù)的天氣背景分別為高空急流（占59.55％）、高空槽（占4.71％）、對流性天氣（占2.25％）、風(fēng)切變（占2.04％）和鋒面系統(tǒng)（占1.15％），另未知原因占30.3％。這說明高空急流對華北飛機(jī)顛簸具有非常重要的影響。

華東和西南地區(qū)飛機(jī)顛簸的高度與華北地區(qū)有所不同。華東和西南地區(qū)發(fā)生的中空顛簸最多，而高空顛簸次之。PIREPs資料表明，除未知原因外，造成華東和西南地區(qū)顛簸的主要原因是高空急流，占比分別達(dá)到了19.63％和22.83％，高空槽次之（分別占2.24％、5.15％），此外還與動(dòng)量下傳（分別占1.05％、4.66％）、風(fēng)切變（分別占1.98％、1.93％）、對流性天氣（分別占0.66％、0.64％）有關(guān)。

新疆位于中國西北地區(qū)，地處歐亞大陸腹地，其發(fā)生的飛機(jī)顛簸高度與華北、西南地區(qū)有很大不同。新疆地區(qū)發(fā)生顛簸最多的是低空顛簸，中空顛簸次之。PIREPs資料表明，除未知原因外，導(dǎo)致新疆地區(qū)低空顛簸的天氣背景分別為低空風(fēng)切變（占32.19％）、高空急流（占13.15％）、高空槽（占9.94％）、對流性天氣（占2.90％）和動(dòng)量下傳（占2.17％）。經(jīng)統(tǒng)計(jì)，導(dǎo)致新疆地區(qū)顛簸的311份風(fēng)切變報(bào)告中有310份是中低空風(fēng)切變。

綜上所述，導(dǎo)致高空、中空、低空飛機(jī)發(fā)生顛簸的原因非常復(fù)雜，PIREPs資料顯示，除未知原因外，中國航路影響飛機(jī)顛簸的主要因素就是高空急流，說明高空急流是導(dǎo)致中國飛機(jī)顛簸的重要原因之一。

4 結(jié)論與討論

本文利用2011—2016年航空器空中報(bào)告（PIREPs）資料、ERA5再分析資料和AIP航圖資料，分析了中國航路飛機(jī)顛簸的時(shí)空變化特征，得出以下結(jié)論：

1）發(fā)生在中國上空的飛機(jī)顛簸具有多時(shí)間尺度的變化特征。除年際變率外，2011—2016年發(fā)生的飛機(jī)顛簸具有一定的上升趨勢，2013年之后飛機(jī)顛簸次數(shù)增加與飛行量的增加有關(guān);從季節(jié)變化來看，主要是表現(xiàn)為冬春季顛簸多、夏秋季顛簸少的特征;在月際尺度上，6年來，飛機(jī)顛簸發(fā)生次數(shù)近似為“漏斗”狀特征，其發(fā)生次數(shù)最多的月份在2月，發(fā)生顛簸最少的月份在7月;從日變化特征來看，顛簸發(fā)生次數(shù)具有明顯的“三峰”結(jié)構(gòu)，且最大峰值出現(xiàn)在06時(shí)，最小值出現(xiàn)在18—22時(shí)，其日變化與航空器起飛架次有一定的關(guān)系。

2）發(fā)生在中國上空南北航路飛機(jī)顛簸的分布特征是：從飛機(jī)顛簸頻次的聯(lián)線上來看，從華北上空經(jīng)過南昌到成都，飛機(jī)顛簸發(fā)生的次數(shù)分布在空間上形成一個(gè)類似大的“逗號”狀。從整個(gè)中國發(fā)生顛簸的次數(shù)來看，呈現(xiàn)出“東邊多、西邊少”的特征。

3）發(fā)生在中國上空的飛機(jī)顛簸的垂直高度分布特征是：飛機(jī)顛簸的發(fā)生高度具有明顯的地域特征，華北地區(qū)發(fā)生的高高空顛簸及高空顛簸最多，華東和西南地區(qū)發(fā)生的中空顛簸較多，新疆地區(qū)發(fā)生的低空顛簸最多。

4）高空急流是導(dǎo)致飛機(jī)顛簸年和季節(jié)變化的主要原因，但需注意航空器空中報(bào)告對對流天氣產(chǎn)生的顛簸考慮較少;導(dǎo)致中國飛機(jī)顛簸發(fā)生高度不同的原因非常復(fù)雜，除不明原因外，新疆地區(qū)主要是受低空風(fēng)切變影響，而其他地區(qū)則高空急流占主導(dǎo)地位。

需要說明的是，受PIREPs資料的局限性，中國飛機(jī)顛簸的多時(shí)間尺度的原因還不能完全被揭示。隨著未來PIREPs資料的增加，可對導(dǎo)致中國飛機(jī)顛簸的多時(shí)空尺度特征做更深入的研究，并對典型的高空顛簸事件進(jìn)行數(shù)值模擬。此外，影響中國高空飛機(jī)顛簸的主要系統(tǒng)（包括高空急流）與歐美總結(jié)的概念模型（如槽的形變區(qū)、陡峭槽處、尖銳彎曲的高空脊以及向反方向伸展的高空槽區(qū)都是飛機(jī)顛簸發(fā)生的主要天氣形勢或系統(tǒng)）（Ellrod et al.，2015）有著明顯的不同，是什么原因?qū)е虏煌瑓^(qū)域飛機(jī)顛簸的天氣形勢或天氣系統(tǒng)竟然有如此大的差別？這些問題，都值得我們做進(jìn)一步研究。

參考文獻(xiàn)（References）

阿利曼，王君，馮錦明，等，2016.中國東部高空顛簸時(shí)空分布特征及其與熱帶中東太平洋海溫的關(guān)系［J］.大氣科學(xué)，40（5）：1073-1088. A L M，Wang J，F(xiàn)eng J M，et al.，2016.Spatiotemporal characteristics of high altitude turbulence over eastern China and their relationship with the equatorial central and eastern Pacific sea surface temperature［J］.Chin J Atmos Sci，40（5）：1073-1088.doi：10.3878／j.issn.1006-9895.1606.16136.（in Chinese）.

Clark T L，Peltier W R，1984.Critical level reflection and the resonant growth of nonlinear mountain waves［J］.J Atmos Sci，41（21）：3122-3134.doi：10.1175／1520-0469（1984）041<3122：clratr>2.0.co;2.

丁一匯，2005.高等天氣學(xué)［M］.2版.北京：氣象出版社. Ding Y H，2005.Advanced synoptic meteorology［M］.2nd ed.Beijing：China Meteorological Press.（in Chinese）.

Doyle J D，Jiang Q F，Smith R B，et al.，2011.Three-dimensional characteristics of stratospheric mountain waves during T-REX［J］.Mon Wea Rev，139（1）：3-23.doi：10.1175／2010mwr3466.1.

Ellrod G P，Knox J A，Lester P F，et al.，2015.Aviation meteorology：clear air turbulence ［M］／／North G R，Pyle J，Zhang F.Encyclopedia of atmospheric sciences.2nd ed.New York：Academic Press：177-186.https：／／doi.org／10.1016／B978-0-12-382225-3.00104-3.

胡伯彥，陳迪，顧雷，2021.中國地區(qū)近十年顛簸類航空器空中報(bào)告統(tǒng)計(jì)［J］.中國民航飛行學(xué)院學(xué)報(bào)，32（5）：63-68，73. Hu B Y，Chen D，Gu L，2021.A statistical analysis of aircraft turbulence pilot reports in China in past decade［J］.J Civ Aviat Flight Univ China，32（5）：63-68，73.doi：10.3969／j.issn.1009-4288.2021.05.017.（in Chinese）.

胡伯彥，湯劍平，王淑瑜，2022.東亞地區(qū)晴空湍流未來變化趨勢預(yù)估：基于CORDEX-WRF模式降尺度［J］.地球物理學(xué)報(bào)，65（7）：2432-2447. Hu B Y，Tang J P，Wang S Y，2022.Future change of clear-air turbulence over East Asia：base on CORDEX-WRF downscaling technology［J］.Chin J Geophys，65（7）：2432-2447.doi：10.6038／cjg2022P0346.（in Chinese）.

Hu B Y，Hui P H，Ding J F，et al.，2023.Spatiotemporal characteristics of clear-air turbulence （CAT） potential in China during 1979—2020［J］.Climate Dyn，61（5）：2339-2353.doi：10.1007／s00382-023-06684-z.

Kim J H，Chun H Y，2011.Statistics and possible sources of aviation turbulence over South Korea［J］.J Appl Meteor Climatol，50（2）：311-324.doi：10.1175／2010jamc2492.1.

Kim J H，Chun H Y，Sharman R D，et al.，2011.Evaluations of upper-level turbulence diagnostics performance using the graphical turbulence guidance （GTG） system and pilot reports （PIREPs） over East Asia［J］.J Appl Meteor Climatol，50（9）：1936-1951.doi：10.1175／jamc-d-10-05017.1.

Lane T P，Sharman R D，2008.Some influences of background flow conditions on the generation of turbulence due to gravity wave breaking above deep convection［J］.J Appl Meteor Climatol，47（11）：2777-2796.doi：10.1175／2008jamc1787.1.

Lee D B，Chun H Y，2018.A numerical study of aviation turbulence encountered on 13 February 2013 over the Yellow Sea between China and the Korean Peninsula［J］.J Appl Meteor Climatol，57（4）：1043-1060.doi：10.1175／jamc-d-17-0247.1.

李呈祥，2018.我國飛機(jī)顛簸的主要時(shí)空分布特征研究［D］.廣漢：中國民用航空飛行學(xué)院. Li C X，2018.Study on the main temporal and spatial distribution characteristics of aircraft turbulence in China［D］.Guanghan：Civil Aviation Flight University of China.（in Chinese）.

Lin Y L，2016.Instabilities conducive to aviation turbulence［M］／／Sharman R，Lane T.Aviation turbulence.Cham：Springer International Publishing：59-82.doi：10.1007／978-3-319-23630-8_3.

劉海文，游景超，武凱軍，等，2023.民用航空飛機(jī)晴空顛簸研究進(jìn)展［J］.中國民航大學(xué)學(xué)報(bào)，41（6）：1-8. Liu H W，You J C，Wu K J，et al.，2023.Advance on clear-air turbulence of civil aviation aircraft［J］.J Civ Aviat Univ China，41（6）：1-8.doi：10.3969／j.issn.1674-5590.2023.06.001.（in Chinese）.

倪東鴻，潘敖大，孫照渤，等，2011.中東急流的季節(jié)變化特征及其與熱力影響的關(guān)系［J］.大氣科學(xué)學(xué)報(bào)，34（2）：135-145. Ni D H，Pan A D，Sun Z B，et al.，2011.Seasonal variation features of Middle East jet stream and its relation with thermal effect［J］.Trans Atmos Sci，34（2）：135-145.doi：10.13878／j.cnki.dqkxxb.2011.02.003.（in Chinese）.

Petenko I，Casasanta G，Bucci S，et al.，2019.Turbulence，low-level jets，and waves in the Tyrrhenian coastal zone as shown by sodar［J］.Atmosphere，11（1）：28.doi：10.3390／atmos11010028.

Rossow V J，James K D，2000.Overview of wake-vortex hazards during cruise［J］.J Aircr，37（6）：960-975.doi：10.2514／2.2723.

Sharman R，Tebaldi C，Wiener G，et al.，2006.An integrated approach to mid-and upper-level turbulence forecasting［J］.Wea Forecasting，21（3）：268-287.doi：10.1175／waf924.1.

Sharman R，2016.Nature of aviation turbulence［M］／／Sharman R，Lane T.Aviation turbulence.Cham：Springer International Publishing：3-30.doi：10.1007／978-3-319-23630-8_1.

Sharman R，Lane T，2016.Aviation turbulence：processes，detection，prediction［M］.Switzerland： Springer.doi：10.1007／978-3-319-23630-8.

Sharman R D，Trier S B，2019.Influences of gravity waves on convectively induced turbulence （CIT）：a review［J］.Pure Appl Geophys，176（5）：1923-1958.doi：10.1007／s00024-018-1849-2.

沈宏彬，李躍春，2014.WAFS網(wǎng)格點(diǎn)數(shù)據(jù)對拉薩航路顛簸的預(yù)報(bào)檢驗(yàn)［J］.高原山地氣象研究，34（3）：74-79. Shen H B，Li Y C，2014.Forecast verification of the aircraft turbulence on Lhasa route from WAFS grids data［J］.Plateau Mt Meteor Res，34（3）：74-79.doi：10.3969／j.issn.1674-2184·2014.03.013.（in Chinese）.

申燕玲，王東海，鞏遠(yuǎn)發(fā)，2017.中國冬季飛機(jī)顛簸的統(tǒng)計(jì)分析［J］.成都信息工程大學(xué)學(xué)報(bào)，32（4）：426-432. Shen Y L，Wang D H，Gong Y F，2017.A statistical analysis of the aircrafts turbulence properties in winter over China［J］.J Chengdu Univ Inf Technol，32（4）：426-432.doi：10.16836／j.cnki.jcuit.2017.04.013.（in Chinese）.

U. S. Department of Commerce，1966.Report of the national committee for clear air turbulence to the federal coordinator for meteorological services and supporting research［M］.Washington D C：U. S. Government Printing Office.

Wasson G，Das S，Panda S K，2022.Numerical simulation of a Clear Air Turbulence （CAT） event over northern India using WRF modeling system［J］.Nat Hazards，114（3）：2605-2631.doi：10.1007／s11069-022-05481-x.

Williams P D，2017.Increased light，moderate，and severe clear-air turbulence in response to climate change［J］.Adv Atmos Sci，34（5）：576-586.doi：10.1007／s00376-017-6268-2.

Wolff J K，Sharman R D，2008.Climatology of upper-level turbulence over the contiguous United States［J］.J Appl Meteor Climatol，47（8）：2198-2214.doi：10.1175／2008jamc1799.1.

許鑫，徐麗婷，周達(dá)寶，等，2024.江西省鄉(xiāng)村聚落時(shí)空演變及影響因素［J］.水土保持研究，31（3）：320-330. Xu X，Xu L T，Zhou D B，et al.，2024.Spatiotemporal evolution and influencing factors of rural settlements in Jiangxi Province［J］.Res Soil Water Conserv，31（3）：320-330.doi：10.13869／j.cnki.rswc.2024.03.018.（in Chinese）.

楊鎛，王黎娟，2021.5—9月不同類型東北冷渦的統(tǒng)計(jì)特征及成因［J］.大氣科學(xué)學(xué)報(bào)，44（5）：773-781. Yang B，Wang L J，2021.Statistical characteristics and causes of different types of northeast cold vortex from May to September［J］.Trans Atmos Sci，44（5）：773-781.doi：10.13878／j.cnki.dqkxxb.20200708001.（in Chinese）.

張端禹，鄭彬，汪小康，等，2015.華南前汛期持續(xù)暴雨環(huán)流分型初步研究［J］.大氣科學(xué)學(xué)報(bào)，38（3）：310-320. Zhang D Y，Zheng B，Wang X K，et al.，2015.Preliminary research on circulation patterns in the persistent heavy rain processes during the first rainy season in South China［J］.Trans Atmos Sci，38（3）：310-320.doi：10.13878／j.cnki.dqkxxb.20130520002.（in Chinese）.

周建華，2011.航空氣象業(yè)務(wù)［M］.北京：氣象出版社. Zhou J H，2011.Aviation meteorological operations［M］.Beijing：China Meteorological Press.（in Chinese）.

周揚(yáng)，黃晗，劉彥隨，2020.中國村莊空間分布規(guī)律及其影響因素［J］.地理學(xué)報(bào)，75（10）：2206-2223. Zhou Y，Huang H，Liu Y S，2020.The spatial distribution characteristics and influencing factors of Chinese villages［J］.Acta Geogr Sinica，75（10）：2206-2223.doi：10.11821／dlxb202010012.（in Chinese）.

朱玉祥，劉海文，萬文龍，等，2023.人工智能在飛機(jī)顛簸預(yù)報(bào)中的應(yīng)用進(jìn)展及未來趨勢展望［J］.大氣科學(xué)學(xué)報(bào)，46（6）：825-836. Zhu Y X，Liu H W，Wan W L，et al.，2023.Progress and future trend of artificial intelligence application in aircraft turbulence prediction［J］.Trans Atmos Sci，46（6）：825-836.doi：10.13878／j.cnki.dqkxxb.20230812011.（in Chinese）.

朱志愚，1997.高空急流區(qū)飛機(jī)顛簸的一種形成機(jī)制的探討［J］.成都?xì)庀髮W(xué)院學(xué)報(bào)，12（4）：298-303. Zhu Z Y，1997.Analysis of a formation mechanism on airplane turbulence in upper jet stream［J］.J Chengdu Inst Meteor，12（4）：298-303.（in Chinese）.

·ARTICLE·

Spatiotemporal distribution patterns of turbulence on major high-altitude aircraft routes in China

LI Kenan1，WU Kaijun1，LIU Haiwen1，XU Wenyan1，LI Guoping2，YANG Zhaohong1，LIU Gang3，DUAN Bolong4

1Department of Aviation Meteorology，Civil Aviation University of China，Tianjin 300300，China;

2School of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，China;

3Jiangxi Air Traffic Control Branch，Nanchang 330114，China;

4Lanzhou Central Meteorological Observatory，Lanzhou 730020，China

Abstract Aircraft turbulence is a significant meteorological event impacting flight safety.This study analyzes the temporal and spatial distribution characteristics of aircraft turbulence on major air routes across China，as well as the underlying causes of observed turbulence patterns.The analysis utilizes 6 498 Pilot Reports （PIREPs），employing data quality control and kernel density analysis.Results reveal that aircraft turbulence over China exhibits a distinct multi-scale temporal distribution.From 2011 to 2016，the incidence of turbulence showed an increasing trend，stabilizing after 2013.Seasonally，turbulence frequency and intensity peak during winter and spring，while they diminish during summer and autumn.Monthly variations follow a “funnel-shaped” pattern，and daily variations exhibit a clear “three-peak” characteristic.Regionally，turbulence frequency is higher in eastern China compared to western regions.Notably，turbulence along the main north-south air routes forms a large “comma” shape，stretching from North China through Nanchang to Chengdu.The altitude of turbulence also shows regional distinctions：North China experience the most high-altitude turbulence，while mid-altitude turbulence predominates in East and Southwest China.Xinjiang is notable for its prevalence of low-altitude turbulence.The spatiotemporal distribution of turbulence in China is primarily influenced by the upper-level jet stream，with wind shear contributing to low-altitude turbulence in Xinjiang.

Keywords turbulence;upper-level jet stream;pilot reports

doi：10.13878／j.cnki.dqkxxb.20240122001

（責(zé)任編輯：倪東鴻）