ContrailWatch คือชุดการระบุแหล่งที่มาของคอนเทรลระดับเที่ยวบินสำหรับเที่ยวบินที่ผ่านมา
แม้ว่าระบบจะไม่ได้ใช้การระบุแหล่งที่มาของคอนเทรลโดยตรงในการวางแผนเที่ยวบิน แต่ข้อมูลนี้ก็มีความสําคัญต่อการฝึก การประเมิน และวัตถุประสงค์ด้านการศึกษา เราหวังว่า ข้อมูลนี้จะช่วยเร่งการวิจัยเกี่ยวกับคอนเทรล
ระเบียบวิธี
Contrails API
มีวิธีการระบุแหล่งที่มาที่แตกต่างกัน 3 วิธีโดยใช้พารามิเตอร์ view เพื่อรองรับความต้องการด้านการวิจัยและการวิเคราะห์ที่แตกต่างกัน
OBSERVATION
OBSERVATION เป็นโหมดเริ่มต้น และแอตทริบิวต์จะส่งผลกระทบตามการตรวจจับคอนเทรลของดาวเทียมที่ตรงกันเท่านั้น
ส่วนเที่ยวบินที่ไม่มีรายงานการตรวจจับคอนเทรลที่ตรงกัน
จะไม่มีผลกระทบ
โหมดนี้จะจัดลำดับความสำคัญของความแม่นยำสูงโดยอิงตามหลักฐานโดยตรงที่สังเกตได้
มุมมองนี้จะจับคู่การตรวจจับจากดาวเทียมกับเส้นทางการบินโดยใช้วิธีการที่อธิบายไว้ใน Sarna et al. 2025 และสร้างขึ้นต่อจาก Geraedts et al. 2023
COCIP
COCIP มีผลกระทบตามการสร้างแบบจำลองทางกายภาพเท่านั้น (การคาดการณ์แบบกลุ่ม CoCiP
โดยใช้สมาชิก 10 คน) เส้นทางการบินจะได้รับการประมาณค่าอย่างสมบูรณ์
โดยใช้เส้นทางวงกลมใหญ่ในช่วงที่ข้อมูลขาดหายไป
โหมดนี้ให้ความสำคัญกับการเรียกคืนสูง
มุมมองนี้ใช้การสร้างโมเดลทางกายภาพที่อธิบายไว้ใน Schumann 2012
OBSERVATION_ENHANCED_COCIP
OBSERVATION_ENHANCED_COCIP เป็นแนวทางแบบผสมที่ผสานการสังเกตการณ์ผ่านดาวเทียม
เข้ากับการคาดการณ์แบบกลุ่ม CoCiP เพื่อประเมินผลกระทบจากการแผ่รังสีทางกายภาพ
ทั้งหมด
API ของ Contrails ให้ค่าประมาณที่ดีที่สุดของแรงทางรังสีทางกายภาพ ที่ได้จากการดึงแรงทางรังสีที่มีประสิทธิภาพจากเอาต์พุตการพยากรณ์ CoCiP แบบกริด 4 มิติ และการประมาณค่าเชิงเส้นตามจุดการบินที่สุ่มใหม่ วิธีการประมาณการบังคับทางพลังงานเป็นหัวข้อที่กำลังมีการวิจัยและอาจมีการเปลี่ยนแปลงในเวอร์ชันต่อๆ ไป
วิธีนี้มีข้อดีดังนี้
- ปรับขนาดหรือส่วนลดการคาดการณ์โมเดลจริงตาม การตรวจจับจากดาวเทียมที่ตรงกันในกรณีที่ครอบคลุม
- อิงตามการสร้างโมเดลทางกายภาพโดยตรงในภูมิภาคที่อยู่นอกเหนือความครอบคลุมของดาวเทียม รวมถึงช่องว่างของข้อมูลเส้นทางการบินซึ่งไม่เหมาะสำหรับการจับคู่โดยธรรมชาติ
มุมมองนี้รวมการตรวจจับร่องรอยของเครื่องบินไอพ่นที่ตรงกันจากดาวเทียมเข้ากับการคาดการณ์ CoCiP โดยอิงตามวิธีการที่นำเสนอใน Geraedts et al. 2026 (ฉบับก่อนพิมพ์)
การใช้งาน
การระบุแหล่งที่มาของ ContrailWatch ถูกนำมาใช้เพื่อฝึกการพยากรณ์คอนเทรลที่อิงตาม ML ประเมินการทดลองหลีกเลี่ยงคอนเทรล และให้ข้อมูลเชิงลึกเกี่ยวกับรูปแบบการก่อตัวของคอนเทรล
ตัวอย่าง
ภาพตัวอย่างนี้เป็นเฟรมของลำดับภาพถ่ายจากดาวเทียม GOES-16 เหนือพื้นที่ ชายฝั่งอ่าว โดยใช้เพื่อประเมินว่าเที่ยวบินที่หลีกเลี่ยงคอนเทรล สร้างคอนเทรลที่ตรวจจับได้หรือไม่
เส้นหนาแสดงเส้นทางการบินเดิมและวิถีการบินที่ลมพัดพา พร้อมกับคอนเทรลที่ระบบคอมพิวเตอร์วิทชันตรวจพบ ดูรายละเอียดเพิ่มเติมได้ในเอกสารต้นฉบับ
ข้อจำกัด
การระบุแหล่งที่มาของ ContrailWatch มีข้อจำกัดต่อไปนี้
ขอบเขตทางภูมิศาสตร์: ข้อจำกัดระดับภูมิภาคจะมีผลกับการดำเนินการที่อาศัยภาพจากดาวเทียมเท่านั้น (มุมมอง
OBSERVATIONและส่วนการปรับเชิงสังเกตของOBSERVATION_ENHANCED_COCIP) โดยจะจำกัดไว้ที่ภูมิภาคย่อยที่ครอบคลุมโดย GOES-East (ภาคพื้นทวีปสหรัฐอเมริกา), MTG (ภาคพื้นทวีปยุโรป) และ Himawari (ภูมิภาคย่อยของเอเชียตะวันออก / เอเชียแปซิฟิก) การระบุแหล่งที่มาของ GOES-East และ Himawari มีคุณภาพระดับการผลิต ส่วน MTG อยู่ในเวอร์ชันเบต้า สำหรับพื้นที่นอกภูมิภาคที่กำหนดไว้เหล่านี้ หรือสำหรับมุมมองฟิสิกส์ล้วน (COCIP) ระบบจะคำนวณการประเมินการบินทั่วโลกโดยใช้การคาดการณ์ของโมเดลเป็นค่าเริ่มต้น
แผนที่ก่อนหน้าแสดงขอบเขตที่เฉพาะเจาะจงซึ่งใช้ในการประมวลผลข้อมูล มุมมองที่อิงตามการสังเกตเหล่านี้
การประมาณค่าที่เน้นการก่อตัวและการบังคับพลังงาน: การระบุแหล่งที่มาอิงตามการสังเกตการก่อตัวของคอนเทรลจากภาพถ่ายจากดาวเทียมหรือการจำลองทางกายภาพ แทนที่จะเป็นการวัดการแผ่รังสีแบบเรียลไทม์โดยตรง
โปรดทราบ: การระบุแหล่งที่มาแบบสังเกตการณ์เท่านั้นอาจไม่ได้แสดงขอบเขตทั้งหมด ของการเกิดคอนเทรลในภูมิภาค
การทำความเข้าใจเปอร์เซ็นต์การเกิดคอนเทรลที่สังเกตได้ใน ภาพจากดาวเทียมเป็นคำถามวิจัยที่ยังไม่มีคำตอบ การวิจัยระบุว่า ดาวเทียมประจำที่ตรวจจับคอนเทรลได้ประมาณครึ่งหนึ่งของคอนเทรลทั้งหมด โดยความร้อนส่วนใหญ่มาจากคอนเทรลที่ ตรวจจับได้ในช่วงใดช่วงหนึ่งของอายุการใช้งาน (Driver และคณะ 2025)
ใบอนุญาต
ข้อมูลที่ ContrailWatch API แสดงได้รับอนุญาตภายใต้ CC BY-NC 4.0
ข้อมูลอ้างอิง
Geraedts, Scott, Erica Brand, Thomas R. Dean, Sebastian Eastham, Carl Elkin, Zebediah Engberg, Ulrike Hager, et al. 2023. ระบบที่ปรับขนาดได้เพื่อวัด การก่อตัวของคอนเทรลต่อเที่ยวบิน Environmental Research Communications, http://doi.org/10.1088/2515-7620/ad11ab
Sarna, A., Meijer, V., Chevallier, R., Duncan, A., McConnaughay, K., Geraedts, S., and McCloskey, K.: การเปรียบเทียบและปรับปรุงอัลกอริทึมสำหรับการระบุแหล่งที่มาของ ร่องรอยที่สังเกตได้จากดาวเทียมของเครื่องบิน, เทคนิคการวัดชั้นบรรยากาศ, https://doi.org/10.5194/amt-18-3495-2025
Schumann, U. 2012 โมเดลการคาดการณ์เมฆคอนเทรล Cirrus 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. ช. A., Stettler, M. จ. J., and Gryspeerdt, E.: ปัจจัยที่จำกัดการตรวจจับคอนเทรลในภาพถ่ายจากดาวเทียม Atmos Meas. Tech., 18, 1115–1134, https://doi.org/10.5194/amt-18-1115-2025, 2025.
Geraedts, Scott, Aaron Sarna, Susanne Rohs, Roger Teoh และ Kevin McCloskey 2026 การปรับปรุงสภาพอากาศที่วิเคราะห์ซ้ำเพื่อตรวจสอบความถูกต้องของคอนเทรลโดย รวมการสังเกตการณ์จากดาวเทียม Copernicus Preprints, https://jecats.copernicus.org/preprints/jecats-2026-6/.