积冰问题是飞行器常见的安全问题之一。飞机在积冰之初不易被察觉,但达到一定厚度就会造成严重后果。本研究旨在利用电磁散射理论和机器学习方法对飞机飞行环境进行研究。研究的内容和结论如下:（一）积冰翼型的气动系数仿真表明相比于洁净翼型,积冰翼型的失速迎角和升力系数均减小,阻力系数均增大;上下表面的不同位置对升力系数的影响不大,但阻力系数明显增大且在失速后上表面积冰的阻力系数更大;前缘的轻微积冰即可使翼型阻力系数显著增大;楔形冰在失速前的升阻系数与洁净翼型相似,双角冰和混合冰的升阻比在任意迎角下都极低。（二）基于时域有限差分方法计算了多种积冰粒子（群）的散射特性。根据散射截面特征将七种雪花粒子分为平板型雪花、枝杈型雪花和中间型雪花。结果表明粒子群的后向散射截面均大于球形粒子的简单相加结果,不同电磁波入射方向和偏振方向会导致不同的后向散射截面。雪花由固态融化成液态的过程中,后向散射截面不断增大。过冷水（冰）滴的后向散射截面随（等效）直径的增大而增大,随温度升高而减小,与入射频率的变化无明显规律。（三）基于风云卫星、毫米波雷达和微波辐射计的观测数据,利用云的宏微观特征定性分析积冰环境。卫星数据完成对流层中上层主要积冰风险区域的初步判断;三种不同权重的模糊逻辑算法表明退极化比对分类结果具有重要的作用;神经网络算法不仅能够精确区分积冰粒子是否存在,也能较为准确地判断小尺寸粒子,但对于大尺寸的粒子则难以做出准确判断。（四）基于我国现有的积冰分区和积冰指数,分析了不同积冰区的多站点的积冰指数和降雨降雪过程前后的东北和华东地区积冰指数的变化,不同地区、不同季节、不同高度的积冰分布差异极大。东北地区夏季降雨前的4km至6km高度存在积冰威胁且强度可能与降雨量有关,东部地区冬季地面积雪易造成低空积冰且强度较大。运用多种机器学习和统计方法,从定性和定量的角度诊断飞机积冰环境,采用主成分分析方法提高方程显著性且将数据中的噪声进行了剔除,聚类分析可将积冰样本占比提高,两种神经网络的诊断结果相似,但难以定量计算积冰指数。