重要天氣對航空飛行影響的初步統(tǒng)計分析課件

一、研究技術(shù)路線及本文研究內(nèi)容二、重要天氣統(tǒng)計說明三、結(jié)果分析四、主要結(jié)論五、展望一、研究技術(shù)路線及本文研究內(nèi)容1一、技術(shù)路線及研究內(nèi)容根據(jù)民航氣象中心《重要天氣對航空飛行影響評估方法的初步研究》項目，首先確立了研究的技術(shù)路線，根據(jù)路線確定研究內(nèi)容。一、技術(shù)路線及研究內(nèi)容根據(jù)民航氣象中2研究技術(shù)路線

分析造成本場航班不正常重要天氣的季節(jié)、年紀變化及月分布特征

分析重要天氣造成航班延誤量的季節(jié)、年紀變化及月分布特征

研究兩者關(guān)系，建立初級模型優(yōu)化完善模型利用模型評估重要天氣對航空飛行的影響研究技術(shù)路線分析造成本場航班不正常重要天氣的季3本文研究內(nèi)容（1）造成本場航班不正常重要天氣的季節(jié)、年紀變化及月分布特征；（2）由重要天氣原因造成航班延誤量的季節(jié)、年紀變化及月分布特征；（3）分析重要天氣與其造成航班延誤量的關(guān)系，建立模型。本文研究內(nèi)容（1）造成本場航班不正常重要天氣的季節(jié)、年紀變4二.重要天氣的統(tǒng)計說明二.重要天氣的統(tǒng)計說明52.1重要天氣分類共統(tǒng)計對流天氣、低能見度天氣、大風(fēng)天氣和低云天氣四種天氣，按照民航運行標準分為以下7個分類進行統(tǒng)計。分類一：對流天氣（只考慮雷暴，陣雨和中強降水暫不考慮）；分類二：500m＞能見度；分類三：800m＞能見度≥500m；分類四：15m/s＞平均風(fēng)速≥10m/s；分類五：平均17m/s＞平均風(fēng)速≥15m/s；分類六：平均風(fēng)速或陣風(fēng)≥17m/s；分類七：60m≥云底高度（不論云量多少）。2.1重要天氣分類共統(tǒng)計對流天氣、低62.2資料來源

(1)2001年1月～2011年12月的杭州蕭山機場整點METAR報及觀測紀要欄資料。

(2)2004年1月～2011年12月杭州蕭山機場每月機場放行率統(tǒng)計資料。2.2資料來源(1)2001年1月～2011年12月的72.3統(tǒng)計方法

(1)對上述氣象資料分為2個時段進行統(tǒng)計：06:00－24:00（忙時）和00:00-06:00（閑時），均為北京時。

(2)統(tǒng)計重要天氣發(fā)生的小時數(shù)，00－59分算本小時，只要本時段內(nèi)發(fā)生過，就計為1小時。例如06：00分發(fā)生天氣，則算作在06:00－24:00時段內(nèi)的1小時，而00：00分發(fā)生天氣，算作00:00-06:00時段內(nèi)的1小時。

(3)統(tǒng)計使用的主要數(shù)據(jù)是整點例行天氣報告（METAR報），此外，為保證數(shù)據(jù)盡量精準，雷暴的發(fā)生時間和陣風(fēng)（≥17m/s）的發(fā)生時間參考觀測紀要欄內(nèi)容，其他數(shù)據(jù)則只根據(jù)METAR報即可。2.3統(tǒng)計方法(1)對上述氣象資料分為2個時段進行統(tǒng)8三.結(jié)果分析三.結(jié)果分析93.1本場主要航空重要天氣的月平均分布特征和季節(jié)、年紀變化趨勢本場航空重要天氣發(fā)生小時數(shù)的月平均分布特征3.1本場主要航空重要天氣的月平均分布特征和季節(jié)、年紀變化10本場航空重要天氣發(fā)生小時數(shù)的季節(jié)變化趨勢本場航空重要天氣發(fā)生小時數(shù)的季節(jié)變化趨勢11本場航空重要天氣小時數(shù)的年變化趨勢本場航空重要天氣小時數(shù)的年變化趨勢123.2本場天氣原因造成機場不正常航班量的月平均分布特征和季節(jié)、年紀變化趨勢本場天氣原因造成航班延誤量的月平均分布特征3.2本場天氣原因造成機場不正常航班量的月平均分布特征和季節(jié)13本場天氣原因造成航班延誤量的季節(jié)變化趨勢本場天氣原因造成航班延誤量的季節(jié)變化趨勢14本場天氣原因造成航班延誤量的年變化趨勢本場天氣原因造成航班延誤量的年變化趨勢153.3本場主要航空重要天氣與天氣原因造成機場不正常航班量的關(guān)系3.3.1每月重要天氣小時數(shù)與每月天氣原因造成航班延誤量的相關(guān)性分析樣本總數(shù)為96個通過線性擬合得到：y=2.8x+7.1(P<0.00001,

R=0.55384)3.3本場主要航空重要天氣與天氣原因造成機場不正常航班量的關(guān)16可以看出相關(guān)系數(shù)不高，推測其原因主要有以下幾點：（1）不同類型的重要天氣對航班延誤量的影響不同?？梢钥闯鱿嚓P(guān)系數(shù)不高，推測其原因主要有17通過分析數(shù)據(jù)，發(fā)現(xiàn)1,2,11,12月份發(fā)生的重要天氣幾乎都為低能見度天氣（包括分類二和分類三），而6,7,8月份發(fā)生的重要天氣幾乎全為對流天氣。低能見度天氣對航班延誤量的影響要比對流天氣大。3,4,5,9,10月份這兩種天氣都有發(fā)生，不好做出判斷。通過分析數(shù)據(jù)，發(fā)現(xiàn)1,2,11,12月份發(fā)生的重要天氣幾乎都18

通過上述分析，我們可以用1、2、11、12月份的資料得出低能見度天氣與航班延誤量的關(guān)系，用6、7、8月份的資料得出對流天氣與航班延誤量的關(guān)系。通過上述分析，我們可以用1、2、11、12月19（2）重要天氣發(fā)生時段的航班密集度不同。

一般而言，06:00－24:00（北京時，下同）是航班忙時，航班密集度大，而00:00－06:00航班閑時，航班密集度小，若分別在這兩個時間段發(fā)生重要天氣的小時數(shù)相同，則造成的航班延誤量肯定不同，前者航班延誤量大，后者航班延誤量小。由于00:00－06:00航班閑時重要天氣發(fā)生小時數(shù)對航班延誤量的影響權(quán)重小，因此忽略00:00-06:00航班閑時重要天氣發(fā)生的小時數(shù)，通過對重要天氣發(fā)生小時數(shù)的數(shù)據(jù)質(zhì)量控制，我們可以更加精確得出重要天氣發(fā)生小時數(shù)對航班延誤量的影響。（2）重要天氣發(fā)生時段的航班密集度不同。20（3）本次96個樣本，航班延誤量數(shù)據(jù)是1個月一次，樣本數(shù)太少，數(shù)據(jù)時間跨度太大，太粗糙，誤差較大，若是能得到每天本場的航班延誤量數(shù)據(jù)，再配合每天重要天氣發(fā)生的小時數(shù)，一方面增加了樣本數(shù)，另一方面數(shù)據(jù)誤差小，應(yīng)該可以得到不同類型重要天氣發(fā)生小時數(shù)與航班延誤量的相關(guān)性，進而可以評估重要天氣對航空飛行的影響。（3）本次96個樣本，航班延誤量數(shù)據(jù)是1個月一次，樣本數(shù)太少213.3.2低能見度天氣與其造成航班延誤量的相關(guān)性初步分析

1、2、11、12月份的影響航班延誤量的重要天氣有低能見度天氣（分類二和分類三），大風(fēng)天氣（分類四、分類五、分類六）、冰雪天氣（這個沒有列入本次重要天氣分類中）。其中對航班延誤量的影響較大的重要天氣是低能見度天氣、冰雪天氣，這四個月中根據(jù)資料，重要天氣幾乎全為低能見度天氣，因此本節(jié)分析得到的結(jié)果僅是低能見度天氣與其造成航班延誤量的相關(guān)性。3.3.2低能見度天氣與其造成航班延誤量的相關(guān)性初步分析22樣本總數(shù)為29個通過線性擬合得到：y=4.6x-2.24(P<0.00001,

R=0.7116)R比前一次提高了很多，但還是不夠理想。原因可能有兩個，一個是上面分析的第2個原因，沒有對航班閑時重要天氣發(fā)生的小時數(shù)進行質(zhì)量控制，還有一個可能是低能見度天氣包括分類二和分類三，這兩個天氣類型發(fā)生相同時數(shù)對航班延誤量是不同的，分類二明顯比分類三對航班延誤量的影響大。樣本總數(shù)為29個R比前一次提高了很多，但還是不夠理想。原23樣本總數(shù)為27個通過線性擬合得到：y=6.19x+7.04(P<0.0001,

R=0.72274)R提高了0.01114，提高不是很大，說明去掉航班閑時低能見度天氣發(fā)生數(shù)對于提高相關(guān)系數(shù)R的效果不是很好，同時說明航班閑時低能見度天氣發(fā)生小時數(shù)對航班延誤量的影響的確很小。樣本總數(shù)為27個R提高了0.01114，提高不是很大，說24

對于第二個原因，需要把低能見度天氣發(fā)生的小時數(shù)分成分類二和分類三，需要做二元回歸分析。對于第二個原因，需要把低能見度天氣發(fā)生的253.3.3對流天氣與其造成航班延誤量的相關(guān)性初步分析

由于對流行天氣主要發(fā)生在6、7、8月份，因此我們用此3個月份得數(shù)據(jù)來做對流天氣與其造成航班延誤量的相關(guān)性分析。3.3.3對流天氣與其造成航班延誤量的相關(guān)性初步分析26樣本總數(shù)為24個通過線性擬合得到：y=2.66x-11.45(P=0.02019,

R=0.47094)p=0.02019>0.01，沒有通過P檢驗，說明樣本間的差異由抽樣誤差所致的概率較大，做這個相關(guān)性意義不大，且R比較小。下面把航班閑時對流天氣發(fā)生小時數(shù)去掉，看航班忙時對流天氣發(fā)生小時數(shù)與對流天氣造成航班延誤量的相關(guān)性如何。樣本總數(shù)為24個p=0.02019>0.01，沒有通過P27樣本總數(shù)為24個通過線性擬合得到：y=3.9x-10.63(P=0.01188,

R=0.50478)p=0.1188>0.01，仍然沒有通過P檢驗，說明樣本間的差異由抽樣誤差所致的概率還是較大，R略有提高，但仍然較小。樣本總數(shù)為24個p=0.1188>0.01，仍然沒有通過28

對于對流天氣發(fā)生小時數(shù)與其造成的航班延誤量的相關(guān)性較小的原因，主要為：（1）對流天氣可分為，強雷暴、中等雷暴、弱雷暴天氣。相同時長的不同強度雷暴對航班延誤量的影響不同。而我們統(tǒng)計中把這三種情況合并成一種，這是造成相關(guān)性小的主要原因。（2）就是和我們觀測有關(guān)，在實際境況中，雖然雷暴天氣已經(jīng)結(jié)束，但是觀測考慮到安全因素，往往把雷暴的時間延長，造成雷暴發(fā)生小時數(shù)比實際境況要長。對于對流天氣發(fā)生小時29

對于其他類型的天氣，由于天氣發(fā)生樣本數(shù)太少及航班延誤資料太少太粗，而無法統(tǒng)計其相關(guān)性。 對于其他類型的天氣，由于天氣發(fā)生樣本數(shù)太少及航30四.主要結(jié)論四.主要結(jié)論31(1)本場重要天氣發(fā)生小時數(shù)的月平均分布特征是：7、8月份重要天氣發(fā)生的小時數(shù)最多，處于第一階梯；1、2、3、4、5、6、11、12月份處于第二階梯；9、10月份最少處于第三階梯。(2)本場重要天氣發(fā)生小時數(shù)的季節(jié)變化趨勢：夏季最多，秋季最少，冬、春季兩者相差無幾，處于中游。(3)本場重要天氣發(fā)生小時數(shù)的年變化趨勢：2001～2003年及2007～2011年，重要天氣發(fā)生的小時數(shù)有大小年之分，一年大一年小，其差值在70～100小時之間，而2004～2006年，這三年重要天氣發(fā)生的小時數(shù)變化不大，基本在220個小時左右。(4) 本場天氣原因造成航班延誤量的月平均分布特征：1、2月份最多處于第一階梯；7、8、11、12月份處于第二階梯；3、4、6、9月份處于第三階梯；5、10月份處于第四階段。(5)本場天氣原因造成航班延誤量的季節(jié)變化趨勢：春季最少，夏季逐漸增加，到了秋季略微減少，而后到了冬季航班延誤量迅速增加，達到一年中的最大值。(1)本場重要天氣發(fā)生小時數(shù)的月平均分布特征是：7、8月份重32(6)本場天氣原因造成航班延誤量的年變化趨勢：從2004年減少到2003年的最小值，而后每年逐漸增加，其中是從2007到2008年增幅最大，而后2008年到2009年又銳減，之后2010及2011年航班延誤量變化不大。(7) 統(tǒng)計分析結(jié)果顯示，每月重要天氣小時數(shù)與每月天氣原因造成航班延誤量的相關(guān)性很小，其R僅為0.55384，原因有：a，不同類型的重要天氣對航班延誤量的影響不同；b，重要天氣發(fā)生時段的航班密集度不同；c，航班延誤量數(shù)據(jù)量太少，時間尺度太大。(8)針對(7)所述原因a，通過分類做了低能見度天氣及對流天氣與其航班延誤量的相關(guān)性分析，得出低能見度天氣與航班延誤量關(guān)系的模型，相關(guān)性較好，R為0.7116，而其對流天氣與其航班延誤量的相關(guān)性較小，R僅為0.47094；(7)所述原因b，通過去掉航班閑時天氣發(fā)生小時數(shù)，得出航班忙時低能見度天氣及對流天氣與其航班延誤量的相關(guān)性，分別為0.72274、0.50478，R有所提高，但是航班忙時對流天氣與其航班延誤量的相關(guān)性仍然較小，(6)本場天氣原因造成航班延誤量的年變化趨勢：從2004年減33

需要說明以下幾點：（1）冰雪天氣也是影響航班延誤量的重要天氣之一，本次統(tǒng)計沒有涉及到；（2）低能見度天氣可分為分類二和分類三，本次統(tǒng)計把兩者合在一起；（3）大風(fēng)及低云天氣數(shù)據(jù)少，且航班延誤量是一月一次，不能獨立統(tǒng)計出起這兩種天氣對航班延誤量造成影響；需要說明以下幾點：（1）冰雪天氣34五、展望

（1）對建立的低能見度天氣與航班延誤量關(guān)系的模型進一步優(yōu)化。（2）建立對流天氣與航班延誤量關(guān)系的模型（3）在建立及優(yōu)化模型的基礎(chǔ)上，評估重要天氣對航班延誤量的影響。五、展望35謝謝觀賞！謝謝觀賞！36一、研究技術(shù)路線及本文研究內(nèi)容二、重要天氣統(tǒng)計說明三、結(jié)果分析四、主要結(jié)論五、展望一、研究技術(shù)路線及本文研究內(nèi)容37一、技術(shù)路線及研究內(nèi)容根據(jù)民航氣象中心《重要天氣對航空飛行影響評估方法的初步研究》項目，首先確立了研究的技術(shù)路線，根據(jù)路線確定研究內(nèi)容。一、技術(shù)路線及研究內(nèi)容根據(jù)民航氣象中38研究技術(shù)路線

分析造成本場航班不正常重要天氣的季節(jié)、年紀變化及月分布特征

分析重要天氣造成航班延誤量的季節(jié)、年紀變化及月分布特征

研究兩者關(guān)系，建立初級模型優(yōu)化完善模型利用模型評估重要天氣對航空飛行的影響研究技術(shù)路線分析造成本場航班不正常重要天氣的季39本文研究內(nèi)容（1）造成本場航班不正常重要天氣的季節(jié)、年紀變化及月分布特征；（2）由重要天氣原因造成航班延誤量的季節(jié)、年紀變化及月分布特征；（3）分析重要天氣與其造成航班延誤量的關(guān)系，建立模型。本文研究內(nèi)容（1）造成本場航班不正常重要天氣的季節(jié)、年紀變40二.重要天氣的統(tǒng)計說明二.重要天氣的統(tǒng)計說明412.1重要天氣分類共統(tǒng)計對流天氣、低能見度天氣、大風(fēng)天氣和低云天氣四種天氣，按照民航運行標準分為以下7個分類進行統(tǒng)計。分類一：對流天氣（只考慮雷暴，陣雨和中強降水暫不考慮）；分類二：500m＞能見度；分類三：800m＞能見度≥500m；分類四：15m/s＞平均風(fēng)速≥10m/s；分類五：平均17m/s＞平均風(fēng)速≥15m/s；分類六：平均風(fēng)速或陣風(fēng)≥17m/s；分類七：60m≥云底高度（不論云量多少）。2.1重要天氣分類共統(tǒng)計對流天氣、低422.2資料來源

(1)2001年1月～2011年12月的杭州蕭山機場整點METAR報及觀測紀要欄資料。

(2)2004年1月～2011年12月杭州蕭山機場每月機場放行率統(tǒng)計資料。2.2資料來源(1)2001年1月～2011年12月的432.3統(tǒng)計方法

(1)對上述氣象資料分為2個時段進行統(tǒng)計：06:00－24:00（忙時）和00:00-06:00（閑時），均為北京時。

(2)統(tǒng)計重要天氣發(fā)生的小時數(shù)，00－59分算本小時，只要本時段內(nèi)發(fā)生過，就計為1小時。例如06：00分發(fā)生天氣，則算作在06:00－24:00時段內(nèi)的1小時，而00：00分發(fā)生天氣，算作00:00-06:00時段內(nèi)的1小時。

(3)統(tǒng)計使用的主要數(shù)據(jù)是整點例行天氣報告（METAR報），此外，為保證數(shù)據(jù)盡量精準，雷暴的發(fā)生時間和陣風(fēng)（≥17m/s）的發(fā)生時間參考觀測紀要欄內(nèi)容，其他數(shù)據(jù)則只根據(jù)METAR報即可。2.3統(tǒng)計方法(1)對上述氣象資料分為2個時段進行統(tǒng)44三.結(jié)果分析三.結(jié)果分析453.1本場主要航空重要天氣的月平均分布特征和季節(jié)、年紀變化趨勢本場航空重要天氣發(fā)生小時數(shù)的月平均分布特征3.1本場主要航空重要天氣的月平均分布特征和季節(jié)、年紀變化46本場航空重要天氣發(fā)生小時數(shù)的季節(jié)變化趨勢本場航空重要天氣發(fā)生小時數(shù)的季節(jié)變化趨勢47本場航空重要天氣小時數(shù)的年變化趨勢本場航空重要天氣小時數(shù)的年變化趨勢483.2本場天氣原因造成機場不正常航班量的月平均分布特征和季節(jié)、年紀變化趨勢本場天氣原因造成航班延誤量的月平均分布特征3.2本場天氣原因造成機場不正常航班量的月平均分布特征和季節(jié)49本場天氣原因造成航班延誤量的季節(jié)變化趨勢本場天氣原因造成航班延誤量的季節(jié)變化趨勢50本場天氣原因造成航班延誤量的年變化趨勢本場天氣原因造成航班延誤量的年變化趨勢513.3本場主要航空重要天氣與天氣原因造成機場不正常航班量的關(guān)系3.3.1每月重要天氣小時數(shù)與每月天氣原因造成航班延誤量的相關(guān)性分析樣本總數(shù)為96個通過線性擬合得到：y=2.8x+7.1(P<0.00001,

R=0.55384)3.3本場主要航空重要天氣與天氣原因造成機場不正常航班量的關(guān)52可以看出相關(guān)系數(shù)不高，推測其原因主要有以下幾點：（1）不同類型的重要天氣對航班延誤量的影響不同。可以看出相關(guān)系數(shù)不高，推測其原因主要有53通過分析數(shù)據(jù)，發(fā)現(xiàn)1,2,11,12月份發(fā)生的重要天氣幾乎都為低能見度天氣（包括分類二和分類三），而6,7,8月份發(fā)生的重要天氣幾乎全為對流天氣。低能見度天氣對航班延誤量的影響要比對流天氣大。3,4,5,9,10月份這兩種天氣都有發(fā)生，不好做出判斷。通過分析數(shù)據(jù)，發(fā)現(xiàn)1,2,11,12月份發(fā)生的重要天氣幾乎都54

通過上述分析，我們可以用1、2、11、12月份的資料得出低能見度天氣與航班延誤量的關(guān)系，用6、7、8月份的資料得出對流天氣與航班延誤量的關(guān)系。通過上述分析，我們可以用1、2、11、12月55（2）重要天氣發(fā)生時段的航班密集度不同。

一般而言，06:00－24:00（北京時，下同）是航班忙時，航班密集度大，而00:00－06:00航班閑時，航班密集度小，若分別在這兩個時間段發(fā)生重要天氣的小時數(shù)相同，則造成的航班延誤量肯定不同，前者航班延誤量大，后者航班延誤量小。由于00:00－06:00航班閑時重要天氣發(fā)生小時數(shù)對航班延誤量的影響權(quán)重小，因此忽略00:00-06:00航班閑時重要天氣發(fā)生的小時數(shù)，通過對重要天氣發(fā)生小時數(shù)的數(shù)據(jù)質(zhì)量控制，我們可以更加精確得出重要天氣發(fā)生小時數(shù)對航班延誤量的影響。（2）重要天氣發(fā)生時段的航班密集度不同。56（3）本次96個樣本，航班延誤量數(shù)據(jù)是1個月一次，樣本數(shù)太少，數(shù)據(jù)時間跨度太大，太粗糙，誤差較大，若是能得到每天本場的航班延誤量數(shù)據(jù)，再配合每天重要天氣發(fā)生的小時數(shù)，一方面增加了樣本數(shù)，另一方面數(shù)據(jù)誤差小，應(yīng)該可以得到不同類型重要天氣發(fā)生小時數(shù)與航班延誤量的相關(guān)性，進而可以評估重要天氣對航空飛行的影響。（3）本次96個樣本，航班延誤量數(shù)據(jù)是1個月一次，樣本數(shù)太少573.3.2低能見度天氣與其造成航班延誤量的相關(guān)性初步分析

1、2、11、12月份的影響航班延誤量的重要天氣有低能見度天氣（分類二和分類三），大風(fēng)天氣（分類四、分類五、分類六）、冰雪天氣（這個沒有列入本次重要天氣分類中）。其中對航班延誤量的影響較大的重要天氣是低能見度天氣、冰雪天氣，這四個月中根據(jù)資料，重要天氣幾乎全為低能見度天氣，因此本節(jié)分析得到的結(jié)果僅是低能見度天氣與其造成航班延誤量的相關(guān)性。3.3.2低能見度天氣與其造成航班延誤量的相關(guān)性初步分析58樣本總數(shù)為29個通過線性擬合得到：y=4.6x-2.24(P<0.00001,

R=0.7116)R比前一次提高了很多，但還是不夠理想。原因可能有兩個，一個是上面分析的第2個原因，沒有對航班閑時重要天氣發(fā)生的小時數(shù)進行質(zhì)量控制，還有一個可能是低能見度天氣包括分類二和分類三，這兩個天氣類型發(fā)生相同時數(shù)對航班延誤量是不同的，分類二明顯比分類三對航班延誤量的影響大。樣本總數(shù)為29個R比前一次提高了很多，但還是不夠理想。原59樣本總數(shù)為27個通過線性擬合得到：y=6.19x+7.04(P<0.0001,

R=0.72274)R提高了0.01114，提高不是很大，說明去掉航班閑時低能見度天氣發(fā)生數(shù)對于提高相關(guān)系數(shù)R的效果不是很好，同時說明航班閑時低能見度天氣發(fā)生小時數(shù)對航班延誤量的影響的確很小。樣本總數(shù)為27個R提高了0.01114，提高不是很大，說60

對于第二個原因，需要把低能見度天氣發(fā)生的小時數(shù)分成分類二和分類三，需要做二元回歸分析。對于第二個原因，需要把低能見度天氣發(fā)生的613.3.3對流天氣與其造成航班延誤量的相關(guān)性初步分析

由于對流行天氣主要發(fā)生在6、7、8月份，因此我們用此3個月份得數(shù)據(jù)來做對流天氣與其造成航班延誤量的相關(guān)性分析。3.3.3對流天氣與其造成航班延誤量的相關(guān)性初步分析62樣本總數(shù)為24個通過線性擬合得到：y=2.66x-11.45(P=0.02019,

R=0.47094)p=0.02019>0.01，沒有通過P檢驗，說明樣本間的差異由抽樣誤差所致的概率較大，做這個相關(guān)性意義不大，且R比較小。下面把航班閑時對流天氣發(fā)生小時數(shù)去掉，看航班忙時對流天氣發(fā)生小時數(shù)與對流天氣造成航班延誤量的相關(guān)性如何。樣本總數(shù)為24個p=0.02019>0.01，沒有通過P63樣本總數(shù)為24個通過線性擬合得到：y=3.9x-10.63(P=0.01188,

R=0.50478)p=0.1188>0.01，仍然沒有通過P檢驗，說明樣本間的差異由抽樣誤差所致的概率還是較大，R略有提高，但仍然較小。樣本總數(shù)為24個p=0.1188>0.01，仍然沒有通過64

對于對流天氣發(fā)生小時數(shù)與其造成的航班延誤量的相關(guān)性較小的原因，主要為：（1）對流天氣可分為，強雷暴、中等雷暴、弱雷暴天氣。相同時長的不同強度雷暴對航班延誤量的影響不同。而我們統(tǒng)計中把這三種情況合并成一種，這是造成相關(guān)性小的主要原因。（2）就是和我們觀測有關(guān)，在實際境況中，雖然雷暴天氣已經(jīng)結(jié)束，但是觀測考慮到安全因素，往往把雷暴的時間延長，造成雷暴發(fā)生小時數(shù)比實際境況要長。對于對流天氣發(fā)生小時65

對于其他類型的天氣，由于天氣發(fā)生樣本數(shù)太少及航班延誤資料太少太粗，而無法統(tǒng)計其相關(guān)性。 對于其他類型的天氣，由于天氣發(fā)生樣本數(shù)太少及航66四.主要結(jié)論四.主要結(jié)論67(1)本場重要天氣發(fā)生小時數(shù)的月平均分布特征是：7、8月份重要天氣發(fā)生的小時數(shù)最多，處于第一階梯；1、2、3、4、5、6、11、12月份處于第二階梯；9、10月份最少處于第三階梯。(2)本場重要天氣發(fā)生小時數(shù)的季節(jié)變化趨勢：夏季最多，秋季最少，冬、春季兩者相差無