Обзор
ContrailWatch — это набор атрибуций инверсионных следов на уровне полета, которые вычисляются с использованием методов, описанных в работе Сарны и др. (2025), на основе работы Гераедтса и др. (2023).
Эти атрибуции использовались для обучения прогнозированию инверсионных следов на основе машинного обучения, оценки результатов испытаний на избегание инверсионных следов и получения информации о закономерностях их формирования. Мы надеемся, что эти данные будут использованы для ускорения исследований инверсионных следов.
Пример одного кадра спутниковой съемки GOES-16 над побережьем Мексиканского залива. Он использовался для оценки того, оставил ли самолёт, выполняющий полёт с целью уклонения от инверсионного следа, заметный инверсионный след. Толстые линии показывают исходную траекторию полёта и траекторию полёта с учётом влияния ветра, а также инверсионные следы, обнаруженные системой компьютерного зрения. Более подробную информацию см. в оригинальной статье .
Ограничения
Географический охват: данные об атрибуции доступны только для части видимого региона GOES-East. В будущем охват может быть расширен.
Сфокусирован на формировании: атрибуции основаны на наблюдениях за формированием инверсионных следов по спутниковым снимкам, а не на прямых наблюдениях радиационного воздействия. Оценка эффективного энергетического воздействия основана на климатологических средних значениях, полученных в рамках CoCiP (Schumann, 2012; Platt et al., 2024). Методология оценки энергетического воздействия является областью активных исследований и может измениться в будущих версиях.
Высокая точность: атрибуции могут не отражать всю полноту распространения инверсионных следов в регионе. Определение доли инверсионных следов, наблюдаемых на спутниковых снимках, является открытым исследовательским вопросом. Недавние исследования показывают, что около половины всех инверсионных следов обнаруживаются геостационарными спутниками, при этом подавляющее большинство потепления обусловлено инверсионными следами, которые можно обнаружить на определённом этапе их существования (Driver et al., 2025).
Ссылки
Гераедтс, Скотт, Эрика Брэнд, Томас Р. Дин, Себастьян Истхэм, Карл Элкин, Зебедайя Энгберг, Ульрике Хагер и др. 2023. Масштабируемая система измерения образования инверсионного следа за каждый полет. Environmental Research Communications, http://doi.org/10.1088/2515-7620/ad11ab.Сарна, А., Мейер, В., Шевалье, Р., Дункан, А., Макконахи, К., Гераедтс, С. и Макклоски, К.: Сравнительный анализ и совершенствование алгоритмов для приписывания инверсионных следов, наблюдаемых со спутников, полетам, Методы атмосферных измерений, https://doi.org/10.5194/amt-18-3495-2025.
Шуманн, У. 2012. «Модель прогнозирования инверсионных перистых облаков». Geoscientific Model Development 5 (3): 543-80.
Джон К. Платт, Марк Л. Шапиро, Зебедайя Энгберг, Кевин Макклоски, Скотт Гераедтс, Тарун Санкар, Марк Э. Дж. Штеттлер, Роджер Тео, Ульрих Шуман, Сюзанна Рохс: Влияние неопределенности влажности и параметров модели на прогнозирование энергии инверсионного следа. 2024. Сборник докладов по окружающей среде № 6 095015.
Драйвер, О. Г. А., Штеттлер, М. Э. Дж., и Грайспердт, Э.: Факторы, ограничивающие обнаружение инверсионных следов на спутниковых снимках, Атмосферные измерения, 18, 1115–1134, https://doi.org/10.5194/amt-18-1115-2025, 2025.