4、高空急流与晴空湍流：急流轴位置、CAT生成机制、预报难点
各位同学，咱们今天聊点“看不见摸不着”但飞行员最怕的东西——晴空湍流（CAT）。
说实话，我做了这么多年数据分析，最头疼的就是这个。雷达上看不到，卫星图上不明显，但飞机飞进去，轻则颠簸到咖啡洒一身，重则……嗯，咱们还是先讲原理。
4.1 高空急流：CAT的“老巢”
晴空湍流，说白了就是没有云层伴随的湍流。它最爱待的地方，就是高空急流附近。
急流是什么？就是一条窄窄的、风速极高的“风河”。我习惯把它想象成高空中的“高速公路”——中间车道车速120，旁边车道只有60。你想想看，这中间得有多大的速度差？
急流轴的位置，就是风速最大的那条线。通常在北半球中纬度地区，冬季偏南，夏季偏北。我在项目中遇到过好几次，预报员把急流轴位置画偏了100公里，结果CAT预报就完全翻车。
关键点：急流轴两侧的水平风切变，是CAT生成的主要能量来源。切变越强，湍流越猛。
4.2 CAT生成机制：不只是“风切变”那么简单
很多人以为CAT就是风切变导致的。对，但不全对。
我总结了一下，CAT的生成机制主要有三种：
- 开尔文-亥姆霍兹不稳定（KHI）——这是最常见的一种。当急流轴上下存在明显的风速差和温度差时，界面就会像海浪一样卷曲，最终破碎成湍流。我在处理飞机QAR数据时，经常看到这种“波浪状”的垂直速度剖面。
- 重力波破碎——急流附近经常有重力波活动。波传到一定高度，振幅太大，就“啪”地碎了，能量释放出来就是湍流。这个机制预报难度极大，因为重力波的触发源太复杂了。
- 地形诱导的CAT——别以为CAT只在平地上空出现。山脉上空急流被扰动，照样能生成CAT。我记得有一次分析青藏高原上空的航班数据，CAT强度比平原地区高了将近一倍。
我的经验：判断CAT强度，别只看水平风切变。垂直风切变和理查森数（Ri）才是核心指标。Ri < 0.25，基本可以断定有KHI发生。
4.3 预报难点：为什么CAT这么难搞？
这个问题我琢磨了好几年。说实话，CAT预报是航空气象里最难的课题之一。为什么？
- 观测手段有限——没有云，雷达看不到。卫星水汽图能间接反映急流位置，但分辨率不够。飞机报告（PIREP）是最准的，但等飞行员报告上来，飞机已经颠完了。
- 数值模式分辨率不够——CAT的尺度通常在几百米到几公里。全球模式网格几十公里，根本抓不住。区域模式能好点，但计算成本高，而且对初始场敏感。
- 非线性过程太多——KHI、重力波破碎，这些都是强非线性过程。模式里参数化方案一简化，预报就偏了。
我曾经做过一个统计：用ECMWF的预报场计算CAT指数，和实际飞机报告的匹配率只有60%左右。剩下40%，要么漏报，要么空报。嗯，这个数字让我挺沮丧的。
避坑指南：我曾经犯过一个错误——只依赖一个CAT指数（比如Ellrod指数）做决策。后来发现，不同指数在不同季节、不同区域的适用性差异很大。建议至少用3-4个指数做集成判断。
4.4 常用CAT诊断指数
这里我列几个常用的，你们做数据分析时可以直接用：
| 指数名称 | 计算公式（简化） | 适用场景 |
|---|---|---|
| Ellrod指数 | 水平切变 × 垂直切变 × 形变 | 急流轴附近CAT |
| Brown指数 | 水平切变 × 垂直切变 | KHI型CAT |
| Richardson数 | Ri = N² / (du/dz)² | 稳定性判断 |
| Dutton指数 | 基于风切变和曲率 | 山地CAT |
实际项目中，我习惯把Ellrod指数和Richardson数结合起来用。先算Ri，如果小于0.25，再看Ellrod指数的大小。这样能减少不少空报。
4.5 知识体系框架
下面这张图，是我自己梳理的CAT分析逻辑。你们做预报或数据分析时，可以照着这个思路来：
这个框架我用了好几年。说白了，就是从数据到急流，从急流到切变，从切变到指数，最后到预报。每一步都不能跳。
4.6 一点个人体会
做CAT预报，心态要稳。因为漏报和空报是常态。我见过最夸张的一次，所有指数都显示“无湍流”，结果飞机飞过去报告中度颠簸。也见过指数爆表，但飞机飞过去啥事没有。
为什么会这样？因为CAT本身就是一个概率事件。我们做的，只是把概率算得更准一点。
嗯，今天就到这儿。记住一句话：急流轴是CAT的“家”，切变是CAT的“饭”，指数是CAT的“身份证”。三者缺一不可。
公众号:蓝海资料掘金营，微信deep3321