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

Для удовлетворения различных потребностей в исследованиях и анализе API Contrails предлагает три различных метода атрибуции с использованием параметра view :

OBSERVATION

OBSERVATION является режимом по умолчанию, и влияние атрибутов основано только на совпадениях с обнаруженными спутниковыми инверсионными следами. Для участков полета, где не обнаружено ни одного совпадения с инверсионными следами, влияние равно нулю.

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

Влияние атрибутов COCIP основано исключительно на физическом моделировании (ансамблевые прогнозы COCIP с использованием 10 участников). Траектории полета полностью интерполированы с использованием траекторий большого круга с учетом пробелов в данных.

В этом режиме приоритет отдается высокой степени запоминания.

В данном подходе используется физическое моделирование, описанное в работе Шумана 2012 года .

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:

  • Масштабирует или занижает прогнозы физической модели на основе данных спутниковых наблюдений, соответствующих данным спутников, где это позволяет покрытие.
  • Метод напрямую опирается на физическое моделирование в регионах, находящихся вне зоны спутникового покрытия, а также на данные о траекториях полетов, которые по своей природе не подходят для сопоставления.

В этом подходе данные о конвективных следах, полученные со спутников, объединяются с прогнозами CoCiP, основанными на методологии, представленной в работе Geraedts et al. 2026 (препринт).

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

Толстыми линиями показана исходная траектория полета и траектория полета, переносимая ветром, а также инверсионные следы, обнаруженные системой компьютерного зрения. Более подробная информация доступна в оригинальной статье .

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), GOES-West, MTG (континентальная часть Европы) и Himawari (субрегионы Восточной Азии/Азиатско-Тихоокеанского региона). Атрибуция GOES-East, GOES-West и Himawari обеспечивает качество на уровне производственной выборки, 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)

    На приведенной выше карте показаны конкретные границы, используемые для обработки данных в этих представлениях, основанных на наблюдениях.

  • 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 ).

  • Временная доступность и техническое обслуживание: информация об атрибуции инверсионных следов на уровне полета доступна начиная с 2024 года.

    • Данные за 2024 год: Предоставлены по мере возможности. Эти данные не поддерживаются и не будут переобрабатываться при внедрении будущих моделей обнаружения или изменений в конвейере обработки данных.
    • С 2025 года: данные активно поддерживаются и перерабатываются при внедрении новых моделей обнаружения или улучшений алгоритмов.

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/.