WikiDer > ТАМДАР

TAMDAR

ТАМДАР (Передача аэрометеорологических данных тропосферы) это Погода система мониторинга, состоящая из на месте атмосферный датчик, установленный на коммерческом самолете для сбора данных. Он собирает информацию, аналогичную той, которую собирает радиозонды несется наверх метеорологические шары. Его разработала компания AirDat LLC, которую приобрела Корпорация Panasonic Avionics в апреле 2013 г. и работал до октября 2018 г. под названием Метеорологические решения Panasonic. Сейчас он принадлежит FLYHT Aerospace Solutions Ltd[1].

История

В ответ на правительственную инициативу по обеспечению безопасности полетов в начале 2000-х гг. НАСА, в партнерстве с FAA, NOAAи частный сектор спонсировали раннюю разработку и оценку патентованного многофункционального атмосферного датчика на месте для самолетов. Предшественник Panasonic Weather Solutions, AirDat (ранее ODS of Rapid City, SD), расположенный в Моррисвилл, Северная Каролина и Лейквуд, Колорадо, была создана в 2003 году для разработки и развертывания системы передачи тропосферных аэрометеорологических данных (TAMDAR) на основе требований, предоставленных Отделом глобальных систем (GSD) NOAA. Лаборатория исследования системы Земля (ESRL), FAA и Всемирная метеорологическая организация (ВМО).

Датчик TAMDAR был первоначально развернут в декабре 2004 года на флоте из 63 человек. Saab SF340 самолет, эксплуатируемый Mesaba Airlines в Великие озера регион Соединенных Штатов в рамках спонсируемого НАСА эксперимента по флоту Великих озер (GLFE). За последние двенадцать лет оборудование датчиков расширилось за пределы континентальной части США, включив Аляску, Карибский бассейн, Мексику, Центральную Америку, Европу и Азию. Авиакомпании, использующие эту систему, включают Icelandair, Горизонт (Аляска Эйр Group), Chautauqua (Republic Airways), Пьемонт (американские авиалинии), AeroMéxico, Равн Аляска, Hageland, PenAir, Silver Airways, и Flybe, а также несколько исследовательских самолетов, включая Метеорологическое бюро Великобритании BAe-146 FAAM самолет. Недавно было достигнуто соглашение об установке с крупной авиакомпанией Юго-Восточной Азии. Система TAMDAR находится в непрерывной эксплуатации с момента первоначального развертывания в декабре 2004 года.

В 2014 году данные TAMDAR начали внедряться в национальном мезонет программа, состоящая из NOAA и его партнеров.[2]

В октябре 2018 года компания Panasonic Weather Solutions была приобретена FLYHT Aerospace Solutions, которая интегрировала TAMDAR со своим аппаратным пакетом AFIRs для самолетов (обеспечивающим передачу данных в реальном времени через спутниковую связь).[3]

Возможности системы

Наблюдения TAMDAR включают температура, давление, ветры наверху относительная влажность (RH), обледенение, и турбулентность которые имеют решающее значение для обоих авиационная безопасность и операционная эффективность США. Национальная система воздушного пространства (NAS) и другие мировые системы управления воздушным пространством, а также другие погодозависимые операционные среды, такие как морское, оборонное и энергетическое. Кроме того, каждое наблюдение включает На основе GPS горизонтальные и вертикальные (высота) координаты, а также отметка времени с точностью до секунды. Благодаря непрерывному потоку наблюдений TAMDAR обеспечивает более высокое пространственное и временное разрешение по сравнению с сетью радиозондов (RAOB), а также лучший географический охват и более полный набор данных, чем отправляется Система адресации и передачи сообщений для самолетов (ACARS), в котором отсутствует относительная влажность, обледенение и турбулентность.

Системы аэрологических наблюдений обычно подвержены задержкам в зависимости от используемых сетей связи и протокола обеспечения качества. Наблюдения TAMDAR обычно получаются, обрабатываются, контролируются качества и доступны для распространения или ассимиляции модели менее чем за одну минуту с момента выборки. Датчик не требует участия летного экипажа; он работает автоматически, а частоту дискретизации и константы калибровки можно регулировать дистанционно из операционного центра в США. Датчики TAMDAR непрерывно передают данные наблюдений за атмосферой через глобальную спутниковую сеть в режиме реального времени по мере того, как самолет набирает высоту, курсирует и спускается.

Система обычно устанавливается на планеры с неподвижным крылом, начиная от небольших, беспилотные авиационные системы (БПЛА) на дальнобойные широкофюзеляжные, такие как Боинг 777 или Airbus A380. По завершении работ, запланированных на 2015 год, более 6000 ежедневно зондирование будут производиться в Северной Америке, Европе и Азии более чем в 400 точках. Упор был сделан на оснащение региональных перевозчиков, поскольку эти рейсы, как правило, (i) выполняются в более удаленные и разнообразные места и (ii) имеют меньшую продолжительность, что позволяет получать больше дневных вертикальных профилей, оставаясь пограничный слой на более длительный срок.

Наблюдения за обледенением

Данные об обледенении TAMDAR предоставляют первые объективные данные об обледенении в большом объеме, доступные для авиационной отрасли.[нужна цитата] Отчетность по ледовой обстановке обычно доступна через пилотные отчеты (PIREP); Хотя эти субъективные отчеты полезны, они не обеспечивают объективной точности и плотности. Отчеты TAMDAR об обледенении с высокой плотностью в реальном времени обеспечивают точное пространственное и временное распределение опасностей обледенения, а также наблюдения в реальном времени там, где обледенение не происходит. Данные об обледенении могут быть доступны в виде необработанных данных наблюдений или могут использоваться для улучшения прогнозов модели потенциального обледенения.

Наблюдения за турбулентностью

Датчик TAMDAR обеспечивает объективные наблюдения за скоростью рассеяния вихрей (EDR) с высоким разрешением. Эти данные собираются как для медианных, так и для пиковых измерений турбулентности и могут быть отсортированы по более тонкой (7-балльной) шкале, чем текущая субъективная оценка. отчеты пилотов (PIREP), которые описываются как легкие, умеренные или тяжелые. Алгоритм турбулентности EDR не зависит от конфигурации самолета и условий полета, таким образом, он не зависит от типа самолета, а также от нагрузки и грузоподъемности.

Эти данные о турбулентности на месте в режиме реального времени с высокой плотностью можно использовать для изменения маршрутов прибытия и отправления рейсов. Его также можно ассимилировать в модели для улучшения прогнозов угрожающих условий турбулентности, а также использовать в качестве инструмента проверки для более дальних дистанций. численный прогноз погоды (ЧПП) прогнозы турбулентности. Как и в случае наблюдений за обледенением, потенциальная полезность этих данных при принятии решений диспетчером воздушного движения для предотвращения и смягчения последствий столкновений с сильной турбулентностью может быть значительной.

Модели прогнозов и проверка

Сторонние исследования были проведены NOAA-GSD, Национальный центр атмосферных исследований (NCAR), а также различные университеты и правительственные учреждения для проверки точности данных TAMDAR по сравнению с данными метеозондов и приборов для испытаний самолетов, а также для количественной оценки воздействия TAMDAR на ЧПП. Продолжающиеся эксперименты по опровержению данных показывают, что включение данных TAMDAR может значительно улучшить прогноз. модель точность с наибольшим выигрышем во время более динамичных и суровых погодных явлений.

Аэрологические наблюдения - это самый важный набор данных, лежащих в основе прогнозной модели. Точность мелкомасштабных региональных прогнозов зависит от представления атмосферных потоков, влажности и волн на среднем и верхнем уровнях. Если эти функции должным образом проанализированы во время периода инициализации модели, то будет получен точный прогноз. Было показано, что данные TAMDAR повышают точность прогнозов по США на 30-50 процентов в среднем за месяц, даже для моделей 3D-Var (GSI).[нужна цитата]

FAA профинансировало четырехлетнее исследование воздействия TAMDAR, которое было завершено в январе 2009 года. Исследование было проведено отделом глобальных систем (GSD) NOAA в соответствии с контрактом FAA для выяснения потенциальных преимуществ включения данных TAMDAR в 3D-Var Цикл быстрого обновления (RUC), которая была действующей авиационно-ориентированной моделью, управляемой Национальные центры экологического прогнозирования (NCEP). Две параллельные версии модели были запущены с контролем, утаивающим данные TAMDAR. По результатам этого исследования был сделан вывод о том, что значительное улучшение навыков прогнозирования было достигнуто с включением данных, несмотря на использование методов ассимиляции 3D-Var. Снижение 30-дневной средней среднеквадратичной ошибки, усредненной по всей территории Соединенных Штатов в пределах пограничного слоя для переменных состояния модели, составило:

  • Снижение погрешности относительной влажности до 50%
  • Снижение температурной погрешности на 35%
  • Снижение погрешности ветра на 15%

Это исследование было проведено с использованием модели 3D-Var на горизонтальной сетке 13 км (8,1 мили). Точно так же характер 30-дневной средней статистики ослабляет реальное воздействие, обеспечиваемое данными с более высоким разрешением TAMDAR во время критических погодных явлений. Прирост навыков прогнозирования во время динамических событий обычно намного больше, чем то, что выражается в среднемесячном значении, охватывающем нижние 48. Другими словами, повышение точности модели является наибольшим во время динамических погодных явлений, когда воздушное движение и другие эксплуатационные воздействия являются самыми большими.[нужна цитата]

Прогноз Panasonic Weather Solutions RT-FDDA-WRF выполняется в домене Северной Америки с шагом сетки 4 км (2,5 мили) и может включать несколько вложенных доменов длиной 1 км (0,62 мили). Четырехлетнее совместное исследование с NCAR с использованием тех же данных, что и в упомянутых выше исследованиях, показало, что методология ассимиляции FDDA / 4D-Var может почти вдвое улучшить навыки прогнозирования по сравнению с идентичной моделью, работающей в конфигурации 3D-Var. Результаты этого исследования суммированы ниже с использованием той же 30-дневной статистики проверки среднего среднего, которую использует NOAA. Удар TAMDAR с использованием FDDA / 4D-Var привел к[нужна цитата]:

  • Снижение погрешности прогноза влажности на 74%
  • Снижение ошибки прогноза температуры на 58%
  • Снижение ошибки прогноза ветра на 63%

Навыки прогнозирования, подобные приведенному выше примеру, стали возможными благодаря (i) асиноптической системе наблюдений на месте, такой как TAMDAR, которая передает непрерывные наблюдения в реальном времени в (ii) прогнозную модель (детерминированную или вероятностную), которая способна ассимилировать асиноптические данные в четырех измерениях.

Skew-T профили

Датчики TAMDAR в настоящее время настроены на выборку с интервалом 300 футов (91 м) на восхождение и спуск. Это разрешение можно отрегулировать в реальном времени до любого интервала, который требуется для модели прогнозирования приема. Спутниковое соединение с датчиком является двусторонним, поэтому частоту дискретизации, калибровочные константы, переменные и параметры, а также частоту отчетов можно изменять удаленно с земли. Частота дискретизации в морское путешествие основано на времени. Зондирования или вертикальные профили строятся по мере получения каждого наблюдения. Все расчеты переменных на основе профиля (например, МЫС, CINи т. д.) рассчитываются, когда самолет входит в крейсерский режим или приземляется. Когда выбран аэропорт, последовательные зондирования могут отображаться в течение определенного временного окна. Это позволяет пользователю просматривать эволюцию профиля.

Смотрите также

использованная литература

  1. ^ Зазулия, Ник (12 октября 2018 г.). «Panasonic Avionics продает метеорологический бизнес компании FLYHT». Авионика Интернешнл.
  2. ^ Маршалл, Кертис Х. (11 января 2016 г.). "Национальная месонетная программа". 22-я конференция по прикладной климатологии. Новый Орлеан, Лос-Анджелес: Американское метеорологическое общество.
  3. ^ «FLYHT приобретает активы Panasonic Weather Solutions». MarketWatch. Получено 15 ноября 2019.

внешняя ссылка