1. 引言
贵阳龙洞堡国际机场(以下简称贵阳机场)位于贵州省贵阳市，机场标高1138.9 m，属民用4E级机场。2023年以来，贵阳机场进出港航班数量快速恢复，2024年日均起降架次已达441架次，日高峰达到554架次，航班保障量已超过2019年。贵阳机场天气复杂多变，雷暴、低云低能见度、冰雪凝冻等天气频发、并发，严重影响民航安全正常运行，同时也对民航气象服务提出了更高的要求[1]。
按照民航局《大型机场运行协调机制(运管委)建设指南》(MD-TR-2018-02) [2]的要求，2018年贵阳机场各驻场单位共同成立了贵阳龙洞堡机场运行管理委员会(以下简称贵阳机场运管委或运管委)。程乐乐等[3]-[5]对航空气象服务在民航协同运行决策中的作用进行了详细研究，提出了存在的问题和今后的发展方向。因此，有必要研究在贵阳机场运管委运行模式下的气象服务效益，为后续改进提升气象服务品质提供参考依据。
气象服务效益评估的主观标准就是看气象用户是否满意[6]。通过对贵州空管分局用户满意度调查收集的诸多用户对于气象服务工作的评价数据进行分析，本文在综合多位学者研究的基础上[7]，尝试研究基于贵阳机场运管委运行模式下的气象服务效益评估体系，应用结构方程模型进行影响因子评估与分析，并结合具体重要天气过程服务效果案例，对进一步改进气象服务水平和质量提出参考意见。
2. 资料与方法
2.1. 资料
本文使用的资料包括2019年至2023年贵阳机场运行数据(包括起降架次、不正常航班架次、航班正常率等)、2019年至2023年贵阳机场重要天气数据(以《民用航空气象预报规范》(AP-117-TM-2019-01) [8]中规定的符合机场警报发布标准的天气)、2024年贵州空管分局航空气象用户满意度调查数据。
2.2. 方法
在选择气象服务效益评估的研究方法时，由于气象服务效果是一个社会心理学的概念，对它的测量涉及气象服务准确性、实用性、及时性等潜变量，这些潜变量一般较难直接测量，只能通过其他观测变量间接加以测量。那么，通过模型对气象服务效益进行测评时，就需要借助一定的方法对由这些潜变量构成的模型的合理性，以及各潜变量之间的关系及其强度进行验证和测量。经过查阅国内外文献资料[8]，与各种方法对比，认为结构方程模型提供了有效解决方案，能够满足气象服务效益测评要求。Ullman [9]结构方程模型的定义突出其验证多个自变量与多个因变量之间关系的特点，符合满意度测量方法要求的既要能够处理多个自变量与多个因变量之间的关系，又能够对潜变量之间的相互关系进行分析，并允许用来测量潜变量的观测指标是否存在误差。
3. 贵阳机场运管委运行模式
3.1. 贵阳机场运管委简介
贵阳机场运管委主要为贵阳机场运行协商协同决策机制的高效运转提供组织保障，实行轮值主席制，由贵阳机场股份有限公司和民航贵州空管分局轮流担任运管委主席，负责牵头运管委工作，运管委下设办公室负责日常事务，办公室设在机场运行指挥中心和空管运行管理中心。
3.2. 复杂天气对贵阳机场运行的影响
根据民航航班正常统计系统对2019~2023年贵阳机场航班数据的统计(表1)可以看出，贵阳机场在运管委成立之后，航班正常率处于稳步提升中，运管委协同运行机制的效能得到充分发挥。同时，随着全球气候的变化，复杂天气频发，天气原因造成的不正常航班(包括外站天气原因)占比平均超过50%，天气成为对航班正常率影响最重的因素。
Table 1. Statistical table of flight normality at Guiyang Airport from 2019 to 2023 (Unit: flights)
表1. 2019~2023年贵阳机场航班正常性统计表(单位：架)
年份 |
航班架次总数 |
航班正常率 |
不正常航班架次 |
天气原因不正常航班架次 |
天气原因不正常航班占比 |
2019年 |
161,215 |
80.13% |
31,744 |
14,310 |
45.08% |
2020年 |
132,816 |
85.62% |
18,870 |
10,326 |
54.72% |
2021年 |
133,358 |
87.09% |
17,221 |
9790 |
56.85% |
2022年 |
83,034 |
94.92% |
4216 |
2698 |
63.99% |
2023年 |
142,350 |
88.83% |
15,904 |
8921 |
56.09% |
Table 2. Statistical table of important weather of Guiyang Airport from 2019 to 2023 (Unit: time)
表2. 2019~2023年贵阳机场重要天气统计表(单位：次)
年份 |
强对流天气 |
低能见度天气 |
冰雪凝冻天气 |
总数 |
2019年 |
50 |
11 |
2 |
63 |
2020年 |
45 |
7 |
11 |
63 |
2021年 |
53 |
9 |
9 |
71 |
2022年 |
56 |
9 |
19 |
84 |
2023年 |
75 |
18 |
8 |
101 |
据研究统计，强对流天气(包含：雷暴、冰雹、中度以上降水天气，下同)、低能见度天气(主导能见度 < 1000米，下同)、冰雪凝冻天气(包含：降雪、冻降水天气，下同)是影响贵阳机场正常运行的三类主要天气现象。统计上述天气在2019~2023年间在贵阳机场的发生次数(表2)，可以看出贵阳机场近5年以来复杂天气发生的次数大幅增加，尤其是2023年，强对流天气和低能见度天气发生次数较往年有较大提高。结合航班正常率和天气原因不正常航班占比可以看出，贵阳机场运管委各成员单位有效应对了复杂天气频发的趋势，确保了航班正常有序运行。
将上述三类重要天气对贵阳机场航班正常运行的影响按结果分为返航、备降和延误两类，统计2019~2023年间不同类型的重要天气占比和造成航班返航、备降和延误的占比情况(图1)，可以看出强对流天气是出现次数最多的天气，是造成航班返航、备降和延误的最主要原因；低能见度天气出现次数较少，但造成的航班延误占比为41%，仅次于强对流天气，是造成航班延误的主要原因之一；仅在冬季出现的冰雪凝冻天气占比与低能见度天气相近，但造成的航班返航、备降和延误占比较低。
Figure 1. Proportion of important weather and flight impact in Guiyang Airport from 2019 to 2023
图1. 2019~2023年贵阳机场重要天气占比和航班影响情况占比
3.3. 贵阳机场运管委协同会商决策机制
根据民航局《航班正常管理规定》(CCAR-300)、《航班计划动态调整工作程序》(局发明电[2018] 1717号)等规章规范的要求，贵阳机场运管委建立了一套以空管为核心的协同决策机制流程(图2)，对航班计划进行动态调整，以应对重要天气对民航运行造成的不利影响。
贵阳机场航班动态调整分为两种不同类型，一是对次日12时以前航班进行动态调整：当预计次日12时前有重要天气时，由空管气象台在前日16时前发布气象预报预警信息，空管运行值班组织召开内部协同会商，根据天气发生概率、强度、影响时长等，结合扇区开放、小时容量、设施设备状态等信息，评估是否需要启动运管委协同会商机制，若需启动时，由空管运行值班商机场运行值班，于19时前共同发起协同会商会议，组织有关航空公司、地面保障单位，共同评估空中通行能力、地面保障能力和其他运行限制对贵阳机场正常运行的影响，按照“容流平衡、动态调整、分批制定”的原则，制定整体航班调整方案，并于21时前上报民航局运行监控中心审批，航空公司根据审批情况在22时前完成航班调整申请，贵阳机场运管委在23时前完成航班调整审核确认，同时空管流量管理部门适时发布流量控制措施。二是预战术航班动态调整，主要针对未来6小时以后的航班进行调整，空管气象与流量管理部门每天进行三次预战术会商，协同会商评估天气对运行的影响，适时发布流量控制，提请空管运行值班启动航班动态调整机制。
Figure 2. Decision flow chart of dynamic adjustment of flight plan of Guiyang Airport operations and management committee
图2. 贵阳机场运管委航班计划动态调整决策流程图
4. 问卷设计和结果分析
4.1. 问卷设计
问卷的核心内容围绕民航局对于民航气象服务的要求和航空气象用户的具体需求来设计。基于结构方程模型，在空管气象部门预报、服务领域的专家充分研讨的基础上，确定贵阳机场气象服务满意度指标由服务产品的准确性、实用性、及时性和产品内容4个潜变量构成。根据4个潜变量意义，围绕上述分析的贵阳机场三类重要天气类型的预报准确性评价；气象服务在用户日常工作中的指导性、气象服务与用户需求适配度和航空气象资料集成化的满意度；气象预报产品提前量满意度、突发天气时气象服务调整的及时性和获取气象服务信息的便捷程度；用户对于气象服务产品内容的了解程度、气象服务产品内容的丰富程度和气象产品解读介绍科普方面的工作满意度等内容设计12个测量变量，调查问卷采用5级量表的形式，最高5分，最低1分。构成气象用户服务满意度调查问卷的主要内容，如表3所示。
Table 3. Aviation meteorological user satisfaction evaluation scale
表3. 航空气象用户满意度评价量表
潜在变量 |
测量变量 |
符号 |
准确性(A) |
1. 您对强对流天气预报准确性的评价？ |
A1 |
2. 您对低能见度天气预报准确性的评价？ |
A2 |
3. 您对冰雪凝冻天气预报准确性的评价？ |
A3 |
实用性(B) |
1. 气象服务在您日常工作中的指导性的评价？ |
B1 |
2. 气象服务与您工作需求适配度的评价？ |
B2 |
3. 您对航空气象资料集成化满意度的评价？ |
B3 |
及时性(C) |
1. 您对气象预报产品提前量满意度的评价？ |
C1 |
2. 您对突发天气时气象服务调整及时性的评价？ |
C2 |
3. 您获取气象服务信息便捷程度的评价？ |
C3 |
产品内容(D) |
1. 您对气象服务产品内容了解程度的评价？ |
D1 |
2. 您对气象服务产品内容丰富程度的评价？ |
D2 |
3. 您对气象产品解读介绍科普方面工作满意度的评价？ |
D3 |
满意度(N) |
1. 您对航空气象服务整体满意度的评价？ |
N1 |
问卷还围绕用户信息、关注重点以及对于航空气象服务的优化改进建议等设计了相关问题，具体如表4所示。
Table 4. Information table of aviation meteorological users and suggestions for optimization and improvement
表4. 航空气象用户信息及优化改进建议信息表
类别 |
问题 |
用户信息 |
1. 您的岗位是？ |
2. 您关注气象服务信息的频率如何？ |
3. 您关注气象服务信息的主要方式是什么？ |
4. 您能够向空管气象反馈过的气象信息有哪些？(多选) |
关注重点 (多选) |
1. 您关注的气象要素有哪些？ |
2. 您关注的重要天气有哪些？ |
3. 您关注的气象服务产品有哪些？ |
优化建议 |
1. 您对空管航空气象服务优化提升的建议？(文字描述) |
4.2. 调查方法
本调查的时间为2024年3月1日至3月31日，抽样方法是随机抽样，调查采用微信方式进行，通过贵阳机场运管委工作群和贵州空管分局运行管理群发布问卷，对运管委成员单位的各类航空气象用户进行了调查，共收集到有效样本185份。
4.3. 结果分析
4.3.1. 用户信息分析
参与本次调查的用户群体占比如图3所示，涵盖航空公司管理人员、航空公司飞行员、航空公司签派员、机场管理人员、机场运行指挥人员、空管管理人员、空管管制指挥人员、空管流量管理人员、局方人员、通航人员、其他等，实现了对运管委成员单位各岗位的全覆盖，能够客观体现调查的全面性。
Figure 3. Proportion of user groups participating in the survey
图3. 参与调查用户群体占比
如图4所示，从用户对于气象服务信息关注的频率来看，多数用户每天关注1至2次，占比57.2%；每天关注3次或更多的用户占18.3%，大部分的用户保持了对气象服务信息的高频关注，可见气象服务信息在运管委成员单位中得到了有效传递。
Figure 4. Proportion of attention frequency of meteorological service information
图4. 气象服务信息关注频率占比
如图5所示，分析用户获取气象服务信息的主要渠道可以看出，空管气象服务微信群占31.5%，成为用户选择最多的信息渠道，说明空管气象服务微信群获得了用户的有效认可；各类工作系统集成的气象信息模块占28.9%，说明气象信息在各类系统中已有一定规模的集成效果；电话咨询作为最方便快捷的方式，占20.9%。
Figure 5. Proportion of meteorological service information acquisition channels
图5. 气象服务信息获取渠道占比
如图6所示，相当部分用户向空管气象反馈过气象信息，其中反馈的气象信息占比从高到低为空中航空器颠簸和积冰32.5%，风切变26.4%，机场周边强对流天气23.7%，停场航空器积冰、雪或霜冻情况11.5%，跑道结冰、积雪或霜冻情况5.3%，其他2.1%。说明气象部门与航空气象用户间建立了较为有效的信息交互共享机制，能够通过各类渠道及时共享气象信息尤其是空中气象信息，促进气象服务更加精准。
Figure 6. Proportion of users’ feedback on meteorological information
图6. 用户反馈气象信息情况占比
4.3.2. 用户关注重点分析
如图7所示，用户关注的本场气象要素占比从高到低依次为：天气现象的强度91.4%，RVR (跑道视程) 84.3%，风向风速67.4%，云量云状云高51.2%，主导能见度46.3%，气温30.9%，气压26.3%。可以看出用户最为关注天气现象的强度，实际运行保障过程中，不同强度的天气对用户运行的影响也有较大的差异。RVR (跑道视程)作为重要的起降标准之一，获得了比另一个视程类要素主要能见度更高的关注度。透视用户群体可以发现，不同用户群体对气象要素的关注也有所不同，例如空管管制指挥人员比其他用户群体更关注风向风速和气压。
Figure 7. Proportion of attention to meteorological factors
图7. 气象要素关注占比
如图8所示，用户关注的重要天气占比从高到低依次为：强对流天气100%，低能见度天气82.4%，冰雪凝冻天气78.3%，风切变76.1%，积冰63.7%，颠簸60.1%，大风54.2%，其他1.0%。说明用户较为关注的重要天气与前文中所述的运行高影响天气基本一致，风切变以较少的发生次数获取用户的大量关注，尤其是航空公司飞行员的大量关注，此外，积冰、颠簸此类难以直接探测到的天气现象也获得超过6成的用户关注。
Figure 8. Proportion of attention to significant weather
图8. 重要天气关注占比
如图9所示，用户关注的气象服务产品占比从高到低依次为：机场警报79.1%，MDRS重要天气概率预报66.7%，重要天气专报54.8%，机场预报48.2%，终端区天气预警46.3%，趋势预报44.9%，气象信息日报42.9%，一周预报32.5%，气候预测28.7%，其他4.4%。说明用户关注的气象产品与重要天气关联度较高，同时空管气象台除行业规范要求以外开发的如重要天气专报、气象信息日报、气候预测等产品受到用户不同程度的认可。
Figure 9. Proportion of attention to meteorological service products
图9. 气象服务产品关注占比
4.3.3. 用户优化建议
在“空管航空气象服务优化提升的建议”的调查中，大部分用户未填写具体建议，部分用户提出了具体的优化提升建议，主要集中在重要天气预报准确性及时性、丰富预报预警产品、改善服务体验等方面。
4.3.4. 满意度影响因子浅析
根据前文表3建立的航空气象用户满意度评价量表，应用结构方程模型对各个测量变量和潜在变量对满意度的影响贡献进行定量分析，找出航空气象服务工作中的优势环节和短板不足，以便有针对性地改进工作。
整理分析185份样本数据，运用SPSS统计软件对调查问卷样本进行效度和信度检验。使用KMO和巴特利特检验分析样本效度，通过统计分析，KMO值为0.903 > 0.6，这表明调查问卷的效度很高。采用克隆巴赫α信度系数进行信度检验，经过统计分析，总量表的克隆巴赫α系数为0.9893 > 0.6，说明问卷的信度很高。使用AMOS 28.0模块进行结构方程模型分析，通过对模型进行多次修正拟合，修正后模型拟合优度指数GFI = 0.938 > 0.9，卡方自由度比χ2/df = 1.356 < 3，近似误差均方根RMSEA = 0.030 < 0.10，比较拟合指数CFI = 0.986 > 0.9，达到较好的拟合标准，说明模型的整体拟合度较好，从而确立了模型中各潜在变量之间的路径系数。详细结果如图10所示。
Figure 10. Calculation results of structural equation model
图10. 结构方程模型计算结果
如图10所示，从模型计算结果可以看出，气象服务满意度(N)受到准确性(A)、实用性(B)、及时性(C)和产品内容(D) 4个潜变量的影响。其中，准确性对其影响最大，路径系数为0.73；其次分别是实用性和及时性，路径系数分别为0.68和0.59；产品内容的影响相对较小，路径系数为0.31。计算结果表明，用户对于航空气象服务满意度最重要的影响因子为气象预报的准确性，尤其是对运行产生较大影响的重要天气预报的准确性。
在航空气象实际运行保障中，除去技术层面对重要天气准确性的影响外，民航标准与地方气象标准的不一致，往往也是造成用户对于气象预报准确性评价不高从而影响气象服务整体满意度的主要因子。如民用航空气象地面观测规范与地方气象系统中关于降水强度和降雪强度的定义有较大差别，目前互联网信息产业发达，地方气象系统建立了强大的预警机制，能够通过手机互联网等向公众推送气象预警信息，当出现与民航气象单位发布的预警信息因概念定义不一致出现差异时，用户往往会出现“预报不准”的感受，影响了用户的满意度。这个例子说明用户对预报内容的准确含义还不够理解。另外，预报产品内容用语太专业，用户难以理解，也会影响满意度。因此，这需要一方面加强用户宣贯培训关注，让用户对预报用语和民航气象知识有更多的了解；另一方面在制作预报预警产品时，更多考虑内容是否容易被用户理解。
5. 航空气象服务案例
为更加深入地研究基于贵阳机场运管委运行模式下的气象服务，选取2023年10月30日低能见度天气过程，进一步验证结构方程模型的计算结果，分析问题和短板，找出改进提升方向。
5.1. 天气实况
2023年10月30日03:58~09:52 (北京时，下同)贵阳机场出现一次低能见度天气过程，期间主导能见度最低200米，RVR最低225米，垂直能见度最低30米。
5.2. 贵阳机场运行情况
10月30日早高峰放行正常率100%，整体航班正常率92.08%。低能见度天气过程期间仅有1架次进港航班因雾消散阶段形成的低云遮蔽跑道关键位置备降。
5.3. 运管委协同运行机制执行情况
5.3.1. 空管气象预警信息发布
10月29日15:28，空管气象台组织开展重要天气会商，确定预报结论，并发布了MDRS重要天气概率通报表和机场警报，具体内容为：
“预计北京时间30日03:00~10:30贵阳机场将出现低云低能见度天气，期间主导能见度和RVR最低200米，垂直能见度30米。其中：
30日09:30后，主导能见度上升至600米，01号跑道RVR抬升至550米，垂直能见度抬升至60米；19号跑道RVR 200~400米，垂直能见度30米。
30日10:00后，主导能见度上升至800米以上，01号跑道RVR抬升至1000米，云底高90米以上；19号跑道RVR抬升至550米，垂直能见度60米。
30日10:30后，主导能见度上升至1500米以上，01号跑道RVR抬升至1500米以上，云底高120米以上；19号跑道RVR抬升至1000米以上，云底高90米以上。”
5.3.2. 运管委协同会商
10月29日18:30运管委组织开展面对面会商，根据气象预警信息和贵阳机场低能见度运行程序，评估小时最大保障架次，要求航空公司安排具备二类运行标准资质的机组和飞机执飞次日航班，对次日预计天气时段内的共计24架次进出港航班时刻进行了调整，并做好低能见度运行程序启动准备工作。
5.3.3. 启动低能见度运行程序
10月30日05:55，运管委启动贵阳机场低能见度运行，起飞标准最低控制在RVR ≥ 200米，使用RWY 19 R落地时，落地标准最低控制在RVR ≥ 400米，使用RWY 01 R落地时，落地标准最低控制在RVR ≥ 550米。
10月30日07:10，长安航空6031航班在浓雾中使用低能见度起飞程序率先正常起飞。09:45海南航空8403航班率先正常落地。
10月30日10:06，空管发布解除警报，运管委解除低能见度运行，恢复常态化运行。
5.4. 航空气象服务过程评估
5.4.1. 准确性评估
使用空管气象台29日发布的机场警报内容和天气实况进行对比，对此次天气过程预报情况进行评估，结果如表5所示。可以看出此次预报准确性较高，预报的天气开始时间较实况偏早58分钟，预报的天气结束时间较实况偏晚38分钟，整体预报重合率达到82.4%。同时，预报的最低主导能见度、最低RVR和最低云底高准确命中实况，机场警报为用户提供了低能见度天气的准确预报。
Table 5. Evaluation table of weather process forecast accuracy
表5. 天气过程预报准确性评估表
预报要素 |
预报 |
实况 |
偏差 |
天气开始时间 |
03:00 |
03:58 |
58分钟 |
天气结束时间 |
10:30 |
09:52 |
38分钟 |
最低主导能见度 |
200米 |
200米 |
0 |
最低RVR |
200米 |
200米 |
0 |
最低云底高 |
30米 |
30米 |
0 |
5.4.2. 实用性评估
在贵阳机场两条跑道中，仅有RWY 19 R跑道能够使用CAT Ⅱ精密进近标准，其余跑道使用CAT Ⅰ精密进近标准，低能见度起飞标准不限制使用跑道。因此，空管气象台在29日发布的机场警报内容中，结合贵阳机场运行标准和低能见度起飞标准，对预计在30日早晨时段出现的低能见度天气进行了分段、分跑道的精细化预报，对比飞行天气标准和预报信息的贴合度(见表6)，可以看出预报信息具有较强的实用性，能够很好地贴近用户实际需要。但预报信息中缺少风向风速信息，对于用户综合研判天气对起降的具体影响支撑不足。
Table 6. Comparison of flight standards and forecast information
表6. 飞行标准与预报信息对比
气象要素 |
RVR |
决断高度 |
CAT Ⅰ精密进近标准 |
550米 ≤ RVR |
60米 ≤ 云高或垂直能见度 |
CAT Ⅱ精密进近标准 |
300米 ≤ RVR <5 50米 |
30米 ≤ 云高或垂直能见度 < 60米 |
低能见度起飞天气标准 |
200米 ≤ RVR < 400米 |
30米 ≤ 云高或垂直能见度 < 60米 |
预报信息 |
30日09:30后，主导能见度上升至600米，01号跑道RVR抬升至550米，垂直能见度抬升至60米；19号跑道RVR 200~400米，垂直能见度30米。 30日10:00后，主导能见度上升至800米以上，01号跑道RVR抬升至1000米，云底高90米以上；19号跑道RVR抬升至550米，垂直能见度60米。 |
5.4.3. 及时性评估
空管气象台于29日15:28发布低能见度天气机场警报，提前量超过12小时，为运管委协同会商决策预留了充足时间。机场警报通过民航气象信息共享与服务系统、空管气象微信服务群、电话等方式在10分钟内通报至各航空气象用户，体现出较高的气象服务及时性。
5.4.4. 服务产品内容评估
空管气象台在发布文字化的机场警报时，制作了逐小时、分跑道的关键气象要素可视化预警信息提醒(见图11)，通过红黄绿三种颜色直观地为用户展示低能见度天气的影响情况，用户反馈情况较好。
Figure 11. Visual warning information reminder
图11. 可视化预警信息提醒
以上评估情况与结构模型方程计算结果拟合度较高，当航空气象服务准确性、实用性、及时性和产品内容评估情况较好时，用户整体满意度较高，运管委协同机制能够有效应对重要天气的不利影响。
6. 结论
本文基于贵阳机场运管委运行模式下的气象服务效益的详细分析和研究，得出以下结论：
1) 气象服务的重要性：气象服务在保证民航安全正常运行中起到了关键作用。尤其是在复杂多变的天气条件下，准确的天气预报和及时的预警信息对于航班调度和安全保障至关重要。
2) 气象用户满意度的关键因素：根据问卷调查和数据分析，用户对气象服务满意度的主要影响因素包括预报的准确性、实用性、及时性和产品内容的丰富程度。研究结果显示，准确性是最重要的因素。
3) 运管委协同机制的有效性：运管委在复杂天气条件下发挥了重要作用，通过预警信息发布、协同会商等措施有效应对了不利气象条件。尤其是在低能见度天气过程中，运管委的协同机制能够确保航班的正常放行和有序运行。
4) 改进方向：尽管当前气象服务已经取得了一定的成效，但仍有进一步提升的空间。但仍需进一步提升天气预报的准确性和及时性。此外，加强用户宣贯培训，提高用户对预报用语和服务内容的理解和认知，也是提升整体服务质量的重要环节。
综上所述，本文通过对贵阳机场运管委运行模式下的航空气象服务效益进行评估，提出了一系列改进建议，为提升航空气象服务水平提供了重要的参考依据。