云南RNP

回忆悠长

云南是个好地方，好地方也要修缮盲降。昆明维护校验盲降期间，主用RNP进近方式，于是各公司QAR警告激增，主要是下降率大、速度大，疑似不稳定进近增多。

（5）将 FOQA 事件作为飞行机组转机型或技术等级调整的依据等。

前面讨论过很多次低温的问题，这次主要是高温问题。可是25°C算高温嘛？当然算，在昆明，标高6900英尺，ISA=15-6.9*2≈1°C，超过1°C就算高温，昆明几乎全年都是高温运行。

这是从天气网（https://www.tianqi.com/qiwen/city_kunming/）获取的昆明市四季气温变化数据，除了历史极值外，气温均在3°C以上。

为方便理解，将数据做成图，灰区表示未曾出现的温度，红线表示日均最高气温，蓝线表示日均最低气温，黄区表示盛行温度区间，粉红粉蓝表示接近极值区间。

我们对比一下平原机场济南：

济南是个四季分明的城市，标高23米，ISA温度15°C，所以对BaroVNAV程序来说，夏季算高温，冬季算低温。而根据PAPI灯安装角度，2.84°~3.16°之间，飞行员看到的是两红两白，济南的VPA（垂直航径角度）是3°，可以推算出在温度0~30°区间，在济南飞RNP程序，飞行员看到的就是两红两白，再低就是三红一白，再高就是三白一红。我们姑且把2.84°~3.16°VPA对应的温度区间称为舒适区，画成图如下：

绿区就是舒适区，覆盖了大部分盛行温度区间。

昆明呢？由于标高2103米，VPA也是3°，推算出舒适区温度在-11~16°C之间，如图：

可以看到，舒适区覆盖了大量的灰区，以及少部分冬季盛行温度区间，却错过了大部分季节的盛行温度区间。这就是为什么大部分时候我们看到的是三白一红，总是下降率大的根本原因。

AC-97-5上是这么介绍VPA的：VPA分公布VPA和实效VPA，公布VPA就是标在航图上的下降角，实效VPA英文为 the effective VPA，其解释为 实际飞出来的角度，与温度和机场标高相关，它与公布的 VPA 会有所不同。AC明确规定，“公布的 VPA 应该在给定机场标高和盛行温度情况下，整个一年中的实效 VPA 能尽可能地接近 3° ”。换句话说，就是舒适区尽可能覆盖盛行温度区间，本文中的绿区尽可能覆盖黄区。

所以说，昆明机场的RNP程序，并没按规章要求设计。根据AC提供的表格：

查表后，看下公布2.8°的VPA会如何：

可以看到，舒适区覆盖了大部分盛行温度区间，低温极值区也没有低于2.5°的下限。因此，按照规章，昆明的VPA应该公布2.8°而不是3°。

我们再对比一下兰州：

3°VPA

2.8°VPA

兰州标高也很高，四季温差大，3°和2.8°分别舒适冬季和夏季，都不能四季舒适，所以2.9°VPA最合适兰州。

至于为什么程序设计单位会违规设计飞行程序，这和体制有些关系，大部分设计单位没有飞行员、管制员参与，套个模板就赚钱；而对比西南地区很多高原RNP AR程序，多数公布的是2.8°VPA，AR团队多来自国外团队，飞行人员是团队中坚力量。

程序的问题说完了，其他人有没有注意事项呢？有的。

首先：飞行员，RNP不是盲降，跟指引并不能严格保持3°下滑，高温则高，低温则低，目视跑道后尽快转为目视飞行，越早建立两红两白越好，抛弃FD、AP。

其次：机场，修缮校验盲降要瞅准时机，尽量在舒适区月份实施；组建包含飞行、管制人员的程序设计部门，设计合规、高效程序，避免资金浪费。

最后：遥遥领先我的国。欧美日韩甚至印度都不怎么讨论温度修正了，因为都进入了或正在进入LPV时代，RNP不再用BaroVNAV。什么是LPV呢？就是使用SBAS的卫星导航，基本原理是把遍布各地的GNSS差分信号发送给飞机，提高导航精度。我国很多年前就开展了大规模SBAS服务，千寻、中国移动都是大的服务商，包括无人机在内的很多行业都在用，确实遥遥领先。但是他们的差分信号传送靠移动基站，飞机则需要GNSS同频卫星来传送差分信号，一是因为飞得远飞得快，二是因为无须改装飞机，当前MMR直接能用。和LPV的距离，咱就差一颗卫星，谁认识北斗办的科学家，麻烦转发呼吁下。

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows字体设置
plt.rcParams['axes.unicode_minus'] = False

city='兰州'
# 读取Excel文件
df = pd.read_excel('data/高温RNP.xlsx', sheet_name=city)

# 提取四列温度数据
temperature1 = df['日均最高气温']
temperature2 = df['日均最低气温']
temperature3 = df['历史最高气温']
temperature4 = df['历史最低气温']

# 绘制曲线图
plt.figure(figsize=(10, 6))
plt.plot(range(1, 13), temperature1, label='日均最高气温', color='red')
plt.plot(range(1, 13), temperature2, label='日均最低气温', color='blue')
plt.plot(range(1, 13), temperature3, label='历史最高气温', color='pink')
plt.plot(range(1, 13), temperature4, label='历史最低气温', color='lightblue')

plt.fill_between(range(1, 13),50,temperature3,facecolor='grey', alpha=1) # 最高极值以上灰区
plt.fill_between(range(1, 13),temperature1,temperature3,facecolor='pink', alpha=0.3) # 高温区
plt.fill_between(range(1, 13),temperature1,temperature2,facecolor='yellow', alpha=0.3) # 盛行温区
plt.fill_between(range(1, 13),temperature2,temperature4,facecolor='lightblue', alpha=0.3) # 低温区
plt.fill_between(range(1, 13),-25,temperature4,facecolor='grey', alpha=1) # 最低极值以下灰区
plt.fill_between(range(1, 13),13,38,facecolor='green', alpha=0.3) # 舒适区

# 添加标题和标签
plt.title(city+'全年温度区间')
a = [1,2,3,4,5,6,7,8,9,10,11,12]
labels = ['一月','二月','三月','四月','五月','六月','七月','八月','九月','十月','十一月','十二月']
plt.xticks(a,labels,rotation = 0)
plt.ylabel('温度°C')

# 显示图形
plt.show()