ContrailWatch는 과거 항공편에 대한 항공기 구름 기여 분석 세트입니다.
항공기 구름 기여 분석은 항공편 계획에 직접 사용되지는 않지만 학습, 평가, 교육 목적으로 중요합니다. 이 데이터가 항공기 구름 연구를 가속화하는 데 사용되기를 바랍니다.
방법
다양한 연구 및 분석 요구사항을 지원하기 위해 Contrails API는 view 매개변수를 사용하는 세 가지 고유한 기여 분석 방법을 제공합니다.
OBSERVATION
OBSERVATION 은 기본 모드이며 일치하는 위성 항공기 구름 감지에만 기반하여 영향을 기여 분석합니다. 일치하는 항공기 구름 감지 보고서가 없는 항공편 구간은 영향이 0입니다.
이 모드는 직접 관찰된 증거를 기반으로 높은 정밀도를 우선시합니다.
이 뷰는 Sarna 외 2025에 설명된 방법을 사용하여 위성 감지를 항공편 경로와 일치시키고 Geraedts 외 2023을 기반으로 합니다.
COCIP
COCIP 는 물리적 모델링 (10명의 구성원을 사용하는 CoCiP 앙상블 예측)에만 기반하여 영향을 기여 분석합니다. 항공편 경로는 데이터 간격에 대한 대권 경로를 사용하여 완전히 보간됩니다.
이 모드는 높은 재현율을 우선시합니다.
이 뷰는 Schumann 2012에 설명된 물리적 모델링을 활용합니다.
OBSERVATION_ENHANCED_COCIP
OBSERVATION_ENHANCED_COCIP 는 위성 관측과 CoCiP 앙상블 예측을 융합하여 총 물리적 복사 영향을 추정하는 하이브리드 접근 방식입니다.
Contrails API는 4D 그리드 CoCiP 예측 출력에서 효과적인 복사 강제력을 추출하고 리샘플링된 항공편 지점을 따라 선형으로 보간하여 파생된 물리적 복사 에너지 강제력의 최적 추정치를 제공합니다. 에너지 강제력 추정 방법은 활발한 연구 분야이며 향후 버전에서 변경될 수 있습니다.
이 접근 방식은 다음과 같습니다.
- 범위가 허용되는 경우 일치하는 위성 감지를 기반으로 물리적 모델 예측을 확장하거나 할인합니다.
- 위성 범위 외의 리전과 일치에 적합하지 않은 항공편 경로 데이터 간격에 물리적 모델링을 직접 사용합니다.
이 뷰는 Geraedts 외 2026 (출판예비논문)에 제시된 방법을 기반으로 일치하는 위성 항공기 구름 감지를 CoCiP 예측과 융합합니다.
사용
ContrailWatch 기여 분석은 ML 기반 항공기 구름 예측을 학습시키고, 항공기 구름 회피 시험을 평가하고, 항공기 구름 형성 패턴에 관한 통계를 제공하는 데 사용되었습니다.
예
이 예시 이미지는 멕시코만 지역의 GOES-16 위성 이미지 시퀀스의 프레임입니다. 항공기 구름 회피 항공편이 감지 가능한 항공기 구름을 생성했는지 평가하는 데 사용되었습니다.
굵은 선은 컴퓨터 비전 시스템에서 감지한 항공기 구름과 함께 원래 항공편 경로 및 바람에 의해 이동된 항공편 궤적을 보여줍니다. 자세한 내용은 다음에서 확인할 수 있습니다. 원본 논문.
제한사항
ContrailWatch 기여 분석에는 다음과 같은 제한사항이 있습니다.
지리적 범위: 리전 제약조건은 위성 이미지를 사용하는 작업 (
OBSERVATION뷰 및OBSERVATION_ENHANCED_COCIP의 관측 조정 세그먼트)에만 적용됩니다. 이러한 제약조건은 GOES-East (미국 본토), GOES-West, MTG (유럽 본토), Himawari (동아시아/아시아 태평양의 하위 리전)에서 다루는 하위 리전으로 제한됩니다. GOES-East, GOES-West, Himawari 기여 분석은 프로덕션 수준의 품질을 제공하는 반면 MTG는 베타 버전입니다. 이러한 정의된 범위 리전 외의 영역 또는 순수 물리 뷰(COCIP)의 경우 항공편 평가는 모델 예측을 기본값으로 하여 전역적으로 계산됩니다.
위의 지도는 이러한 관측 기반 뷰의 데이터를 처리하는 데 사용되는 특정 경계를 보여줍니다.
형성 중심 및 에너지 강제력 추정치: 기여 분석은 복사 강제력의 직접적인 실시간 측정보다는 위성 이미지 또는 물리적 시뮬레이션에서 항공기 구름 형성 관측을 기반으로 합니다.
재현율: 관측 전용 기여 분석은 리전의 항공기 구름 형성의 전체 범위를 나타내지 않을 수 있습니다.
위성 이미지에서 관측 가능한 항공기 구름 형성의 비율을 파악하는 것은 아직 연구 중인 문제입니다. 연구에 따르면 모든 항공기 구름의 약 절반이 정지 궤도 위성으로 감지할 수 있으며, 온난화의 대부분은 수명 중 어느 시점에서 감지할 수 있는 항공기 구름에서 발생합니다 (Driver 외 2025).
시간별 가용성 및 유지보수: 항공편 수준의 항공기 구름 기여 분석은 2024년부터 제공됩니다.
- 2024년 데이터: 최선을 다해 제공됩니다. 이 데이터는 유지보수되지 않으며 향후 감지 모델 또는 파이프라인 변경사항이 배포될 때 다시 처리되지 않습니다.
- 2025년 이후: 새로운 감지 모델 또는 알고리즘 개선사항이 배포될 때마다 적극적으로 유지보수되고 다시 처리됩니다.
라이선스
ContrailWatch API에서 노출되는 데이터는 CC BY-NC 4.0에 따라 라이선스가 부여됩니다.
참조
Geraedts, Scott, Erica Brand, Thomas R. Dean, Sebastian Eastham, Carl Elkin, Zebediah Engberg, Ulrike Hager 외 2023. 항공편별 항공기 구름 형성을 측정하는 확장 가능한 시스템. 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.: 위성 관측 항공기 구름을 항공편에 기여 분석하기 위한 알고리즘 벤치마킹 및 개선, Atmospheric Measurement Techniques, https://doi.org/10.5194/amt-18-3495-2025.
Schumann, U. 2012. 항공기 구름 권운 예측 모델. 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: 습도 및 모델 매개변수의 불확실성이 항공기 구름 에너지 강제력 예측에 미치는 영향 2024 Environ. Res. Commun. 6 095015
Driver, O. G. A., Stettler, M. E. J., Gryspeerdt, E.: 위성 이미지에서 항공기 구름 감지를 제한하는 요인, Atmos. Meas. Tech., 18, 1115–1134, https://doi.org/10.5194/amt-18-1115-2025, 2025.
Geraedts, Scott, Aaron Sarna, Susanne Rohs, Roger Teoh, Kevin McCloskey. 2026. 위성 관측을 통합하여 항공기 구름 검증을 위한 재분석 날씨 개선. Copernicus Preprints, https://jecats.copernicus.org/preprints/jecats-2026-6/.