Атрибуция ContrailWatch

ContrailWatch — это набор данных об атрибуции инверсионных следов от самолетов во время прошлых полетов.

Хотя эти данные напрямую не используются для планирования полетов, их происхождение важно для обучения, оценки и образовательных целей. Мы надеемся, что эти данные помогут ускорить исследования в области изучения инверсионных следов.

Методологии

To support different research and analysis needs, the Contrails API offers three distinct attribution methodologies using a view parameter:

OBSERVATION

OBSERVATION is the default mode and attributes impact based only on matched satellite contrail detections. Flight segments with no matched contrail detection report zero impact.

В этом режиме приоритет отдается высокой точности, основанной на прямых, наблюдаемых данных.

Этот подход сопоставляет данные спутниковых наблюдений с траекториями полетов, используя методы, описанные в работе Sarna et al. 2025 , и основывается на работе Geraedts et al. 2023 .

COCIP

COCIP attributes impact based solely on physical modeling (CoCiP ensemble predictions using 10 members). Flight paths are fully interpolated using great-circle paths over data gaps.

В этом режиме приоритет отдается высокой степени запоминания.

This view utilizes physical modeling described in Schumann 2012 .

OBSERVATION_ENHANCED_COCIP

OBSERVATION_ENHANCED_COCIP — это гибридный подход, который объединяет спутниковые наблюдения с прогнозами ансамбля CoCiP для оценки общего физического радиационного воздействия.

API Contrails предоставляет наилучшую оценку физического радиационного воздействия, полученную путем извлечения эффективного радиационного воздействия из 4D-сеточных прогнозных данных CoCiP и линейной интерполяции их вдоль точек полета, полученных путем передискретизации. Методология оценки энергетического воздействия является активной областью исследований и может измениться в будущих версиях.

Такой подход:

  • Scales or discounts physical model predictions based on matched satellite detections where coverage permits.
  • Relies directly on physical modeling in regions outside of satellite coverage as well as for flight path data gaps which are inherently not suitable for matching.

This view fuses matched satellite contrail detections with CoCiP predictions based on the methodology presented in Geraedts et al. 2026 (preprint).

Использование

Данные ContrailWatch использовались для обучения алгоритмов прогнозирования образования инверсионных следов на основе машинного обучения, оценки эффективности испытаний по предотвращению образования инверсионных следов, а также для получения информации о закономерностях их формирования.

Пример

Этот пример изображения представляет собой кадр из последовательности спутниковых снимков GOES-16 над районом побережья Мексиканского залива. Он использовался для оценки того, создавал ли полет для предотвращения образования инверсионного следа обнаруживаемый инверсионный след.

Атрибуция данных GOES-16 с использованием спутниковых снимков

Thick lines show the original flight path and wind-advected flight trajectory, along with contrails detected by the computer vision system. More details available in the original paper .

Ограничения

Использование сервиса ContrailWatch сопряжено со следующими ограничениями:

  • Географический охват: Региональные ограничения применяются только к операциям, использующим спутниковые снимки (раздел OBSERVATION и сегменты корректировки наблюдений OBSERVATION_ENHANCED_COCIP ). Они ограничены субрегионами, охватываемыми GOES-East (континентальная часть США), MTG (континентальная часть Европы) и Himawari (субрегионы Восточной Азии/Азиатско-Тихоокеанского региона). Данные GOES-East и Himawari обеспечивают качество на уровне производственной модели, в то время как MTG находится в стадии бета-тестирования. Для областей за пределами этих определенных регионов охвата или для чисто физического представления ( COCIP ) оценки полета рассчитываются глобально с использованием прогнозов модели по умолчанию.

    Ограничивающие рамки спутникового покрытия (плоское изображение Меркатора)

    The preceding map illustrates the specific bounds used for processing data these observation-based views.

  • Оценки, ориентированные на образование инверсионных следов и энергетическое воздействие: Атрибуция основана на наблюдениях за образованием инверсионных следов с помощью спутниковых снимков или физического моделирования, а не на прямом измерении радиационного воздействия в реальном времени.

  • Напомним: данные, полученные исключительно на основе наблюдений, могут не отражать полного масштаба образования инверсионных следов над регионом.

    Понимание процента образования инверсионных следов, видимых на спутниковых снимках, является открытым исследовательским вопросом. Исследования показывают, что около половины всех инверсионных следов обнаруживаются геостационарными спутниками, при этом подавляющее большинство потепления происходит за счет инверсионных следов, которые обнаруживаются на каком-либо этапе своего существования ( Driver et al. 2025 ).

Лицензия

Данные, предоставляемые API ContrailWatch, распространяются под лицензией CC BY-NC 4.0 .

Ссылки

  • Герадтс, Скотт, Эрика Бранд, Томас Р. Дин, Себастьян Истхэм, Карл Элкин, Зебедия Энгберг, Ульрике Хагер и др. 2023. Масштабируемая система для измерения образования инверсионных следов в зависимости от конкретного полета. Environmental Research Communications, http://doi.org/10.1088/2515-7620/ad11ab.

  • Сарна, А., Мейер, В., Шевалье, Р., Дункан, А., МакКонноуэй, К., Герадтс, С., и Макклоски, К.: Сравнительная оценка и улучшение алгоритмов для сопоставления наблюдаемых со спутника инверсионных следов с полетами, Методы атмосферных измерений, https://doi.org/10.5194/amt-18-3495-2025.

  • Шуман, У. 2012. Модель прогнозирования перистых инверсионных следов. Разработка геофизических моделей 5 (3): 543-80.

  • Джон С. Платт, Марк Л. Шапиро, Зебедия Энгберг, Кевин Макклоски, Скотт Герадтс, Тарун Санкар, Марк Э. Дж. Стетлер, Роджер Тео, Ульрих Шуман, Сюзанна Рос: Влияние неопределенности в влажности и параметрах модели на прогнозирование энергетического воздействия инверсионных следов. 2024 Environ. Res. Commun. 6 095015

  • Драйвер, ОГА, Стетлер, МЕЙДж и Гриспеердт, Э.: Факторы, ограничивающие обнаружение инверсионных следов на спутниковых снимках, Atmos. Meas. Tech., 18, 1115–1134, https://doi.org/10.5194/amt-18-1115-2025, 2025.

  • Герадтс, Скотт, Аарон Сарна, Сюзанна Рохс, Роджер Тео и Кевин Макклоски. 2026. Улучшение анализа метеорологических данных для проверки инверсионных следов путем включения спутниковых наблюдений. Copernicus Preprints, https://jecats.copernicus.org/preprints/jecats-2026-6/.