飞机积冰是威胁民航飞行安全的高影响气象灾害，其生消演化受控于大气热力、动力及云微物理过程的非线性耦合作用。本文基于2014–2025年华北地区机载原位长时序观测资料，融合气象环境、飞行状态及多尺度云微物理累积特征构建预报因子集，搭建树形集成机器学习框架，实现飞机瞬时积冰速率定量反演。结合分层特征消融、时序交叉验证、多模型对比及SHAP可解释性解析，并依托多层云典型积冰个例核验，系统厘清多因子耦合作用下的积冰增长机理。研究表明：XGBoost、LightGBM、CatBoost及随机森林四类树集成模型，适配非均衡积冰样本，积冰状态判别与速率回归精度显著优于线性模型与传统经验判识算法，可精准刻画多层非均匀云中间歇性波动积冰过程；15s累积云滴液态水含量、环境温度、云滴有效粒径与数浓度为积冰演化四大主控因子；华北地区重度飞机积冰最优微物理阈值为：15s累积过冷水含量＞3g・m⁻³、环境气温约−8℃、云滴有效粒径15–25μm、云滴数浓度400–1200cm⁻³。本研究揭示了飞机积冰对核心云微物理参量的分段非线性响应机制，可为区域航空积冰精细化预报、机载智能积冰风险防控提供机理支撑与技术参考。

飞机积冰速率,机器学习,机载原位探测,云微物理,累积过冷水含量