ContrailWatch は、過去のフライトのフライトレベルの飛行機雲の属性のセットです。
飛行計画に直接使用されるわけではありませんが、飛行機雲の属性はトレーニング、評価、教育目的で重要です。このデータが、飛行機雲の研究を加速させるために活用されることを願っています。
手法
さまざまな調査と分析のニーズに対応するため、Contrails API では view パラメータを使用して 3 つの異なるアトリビューション方法を提供しています。
OBSERVATION
OBSERVATION はデフォルト モードで、一致した衛星の飛行機雲の検出に基づいてのみ属性の影響を評価します。一致する飛行機雲検出レポートがないフライト セグメントは、影響がゼロと報告されます。
このモードでは、直接的な観測証拠に基づいて高い精度を優先します。
このビューは、Sarna 他 2025 で説明されている方法を使用して、衛星検出を飛行経路と照合し、Geraedts 他 2023 を基に構築されています。
COCIP
COCIP 属性の影響は、物理モデリングのみに基づいています（10 個のメンバーを使用した CoCiP アンサンブル予測）。フライトパスは、データギャップの上の大円パスを使用して完全に補間されます。
このモードでは、再現率の高さが優先されます。
このビューでは、Schumann 2012 で説明されている物理モデリングが使用されています。
OBSERVATION_ENHANCED_COCIP
OBSERVATION_ENHANCED_COCIP は、衛星観測と CoCiP アンサンブル予測を融合して、物理的な放射の影響の合計を推定するハイブリッド アプローチです。
Contrails API は、4D グリッド CoCiP 予測出力から有効な放射強制力を抽出し、再サンプリングされたフライト ポイントに沿って線形補間することで導出された、物理的な放射エネルギー強制力の最良の推定値を提供します。エネルギー強制力の推定方法は現在も研究が進められており、今後のバージョンで変更される可能性があります。
このアプローチでは、次のようになります。
- カバレッジが許可されている場合、一致する衛星検出に基づいて物理モデルの予測をスケーリングまたは割引します。
- 衛星カバレッジ外の地域での物理モデリングと、本質的に照合に適していない飛行経路データのギャップに直接依存します。
このビューでは、Geraedts 他 2026（プレプリント）で説明されている手法に基づいて、一致した衛星の飛行機雲の検出と CoCiP の予測を融合しています。
用途
ContrailWatch の属性は、ML ベースの飛行機雲予測のトレーニング、飛行機雲回避試験の評価、飛行機雲形成パターンの分析情報の提供に使用されています。
例
この画像例は、メキシコ湾岸地域上空の GOES-16 衛星画像シーケンスのフレームです。これは、飛行機雲回避飛行で検出可能な飛行機雲が生成されたかどうかを評価するために使用されました。
太い線は、元の飛行経路と風で移流した飛行軌跡、コンピュータ ビジョン システムで検出された飛行機雲を示しています。詳細については、元の論文をご覧ください。
制限事項
ContrailWatch アトリビューションには次の制限があります。
地理的範囲: リージョン制約は、衛星画像に依存するオペレーション（
OBSERVATIONビューとOBSERVATION_ENHANCED_COCIPの観測調整セグメント）にのみ適用されます。これらは、GOES-East（米国大陸）、MTG（ヨーロッパ大陸）、Himawari（東アジア / アジア太平洋のサブリージョン）でカバーされているサブリージョンに限定されます。GOES-East と Himawari の属性はプロダクション レベルの品質を提供しますが、MTG はベータ版です。これらの定義されたカバレッジ リージョンの外側のエリア、または純粋な物理ビュー（COCIP）の場合、フライト評価はモデル予測をデフォルトとしてグローバルに計算されます。
上の地図は、これらの観測ベースのビューのデータを処理するために使用される特定の境界を示しています。
形成に焦点を当てたエネルギー強制力の推定: 放射強制力の直接的なリアルタイム測定ではなく、衛星画像や物理シミュレーションによる飛行機雲の形成の観測に基づいて帰属が行われます。
注意: 観測のみの帰属では、地域における飛行機雲の形成の全範囲を把握できない場合があります。
衛星画像で観測可能な飛行機雲の形成率を把握することは、未解決の研究課題です。調査によると、飛行機雲の約半分は静止衛星で検出可能であり、温暖化の大部分は、ライフサイクルのどこかの時点で検出可能な飛行機雲によるものです（Driver et al. 2025）。
ライセンス
ContrailWatch API によって公開されるデータは、CC BY-NC 4.0 に基づいてライセンスが付与されます。
参照
Geraedts、Scott、Erica Brand、Thomas R. Dean、Sebastian Eastham、Carl Elkin、Zebediah Engberg、Ulrike Hager 他。2023 年。飛行機雲の形成をフライト単位で測定するスケーラブルなシステム。Environmental Research Communications、http://doi.org/10.1088/2515-7620/ad11ab。
Sarna, A.、Meijer, V.、Chevallier, R.、Duncan, A.、McConnaughay, K.、Geraedts, S.、McCloskey, K.: Benchmarking and improving algorithms for attributing satellite-observed contrails to flights, Atmospheric Measurement Techniques, https://doi.org/10.5194/amt-18-3495-2025.
Schumann, U. 2012. 飛行機雲の予測モデル。Geoscientific Model Development 5（3）: 543-80。
John C Platt、Marc L Shapiro、Zebediah Engberg、Kevin McCloskey、Scott Geraedts、Tharun Sankar、Marc E J Stettler、Roger Teoh、Ulrich Schumann、Susanne Rohs: The effect of uncertainty in humidity and model parameters on the prediction of contrail energy forcing 2024 Environ. Res. Commun. 6 095015
Driver, O. G. A.、Stettler, M. E. J.、Gryspeerdt, E.: 衛星画像での飛行機雲の検出を制限する要因, Atmos. Meas. 工学技術学士、18, 1115–1134, https://doi.org/10.5194/amt-18-1115-2025, 2025.
Geraedts、Scott、Aaron Sarna、Susanne Rohs、Roger Teoh、Kevin McCloskey。2026 年。衛星観測を取り入れて、飛行機雲の検証のための再分析気象を改善。Copernicus Preprints, https://jecats.copernicus.org/preprints/jecats-2026-6/.