Contrails API কন্ট্রেল পূর্বাভাস দেওয়ার জন্য দুটি আলাদা মডেল ব্যবহার করে: একটি মেশিন লার্নিং(ML)-ভিত্তিক মডেল যা কন্ট্রেল-সম্ভাব্য জোন সম্পর্কে পূর্বাভাস দেয় এবং একটি পদার্থবিদ্যা-ভিত্তিক মডেল, কন্ট্রেল সিরাস প্রেডিকশন (CoCiP), যা উষ্ণতা সম্পর্কে পূর্বাভাস দেয়।
ML-ভিত্তিক মডেল
ML-ভিত্তিক কন্ট্রেল লাইকলি জোন (CLZ) পূর্বাভাস মডেল কন্ট্রেল গঠনের সম্ভাবনার পূর্বাভাস দেয়। এই মডেলটি হল একটি ডিপ নিউরাল নেটওয়ার্ক যা আবহাওয়ার ফিচার ইনপুট হিসেবে গ্রহণ করে এবং স্যাটেলাইট কন্ট্রেল শনাক্তকরণের (Geraedts et al. 2023) ভিত্তিতে CLZ-এর পূর্বাভাস দেয়।
এর ইনপুটে মূলত HRES আবহাওয়ার ফিচার থাকে: নির্দিষ্ট আর্দ্রতা, তাপমাত্রা, বাতাসের u কম্পোনেন্ট, বাতাসের v কম্পোনেন্ট, উল্লম্ব বেগ, আপেক্ষিক ঘূর্ণি, মেঘের আচ্ছাদনের ভগ্নাংশ, নির্দিষ্ট মেঘের বরফ জলের পরিমাণ, নির্দিষ্ট তুষার জলের পরিমাণ এবং ডাইভারজেন্স। আপেক্ষিক আর্দ্রতা, নির্দিষ্ট আর্দ্রতা ও তাপমাত্রা ব্যবহার করে গণনা করা হয়। মডেলে ইনপুটের মধ্যে স্থানীয় সোলার টাইম, বছরের দিন এবং ফ্লাইটের ওয়েপয়েন্টের উচ্চতাও অন্তর্ভুক্ত থাকে।
কিছু ভৌগোলিক এলাকার (যেমন, মার্কিন যুক্তরাষ্ট্র) জন্য, ইনপুট ফিচার হিসেবে অক্ষাংশ, দ্রাঘিমাংশ এবং উচ্চতা ব্যবহার করার জন্য মডেলটি ফাইন-টিউন করা হয়েছে, যেখানে মডেলের গ্লোবাল ফলব্যাক শুধুমাত্র উচ্চতা ব্যবহার করে (এবং অক্ষাংশ বা দ্রাঘিমাংশ ব্যবহার করে না)।
পর্যবেক্ষণমূলক কন্ট্রেল ডেটার সাথে তুলনা করে মূল্যায়ন করা হলে, মডেলটি অত্যাধুনিক পারফর্ম্যান্স অর্জন করে।
CoCiP মডেল
কন্ট্রেল সিরাস প্রেডিকশন মডেল কন্ট্রেলের এনার্জি ফোর্সিংয়ের পূর্বাভাস দেয়, যা কন্ট্রেলের জলবায়ু পরিবর্তনের প্রভাবের পরিমাপ।
এনার্জি ফোর্সিংকে এইভাবে সংজ্ঞায়িত করা হয়:
\[ EF [J] = \int_{0}^{t} RF'(t) \times L(t) \times W(t)dt \]
অর্থাৎ, কনট্রেলের লাইফটাইম জুড়ে ইন্টিগ্রেট করা কনট্রেলের ইনস্ট্যান্টেনিয়াস রেডিয়েটিভ ফোর্সিং (Teoh et al. 2020)। এনার্জি ফোর্সিং ফ্লাইটের দূরত্ব দ্বারা স্বাভাবিক করা হয়, যার ফলে এর ইউনিট (J/m) হয়।
CoCiP হল একটি পদার্থবিদ্যা-ভিত্তিক মডেল যা বায়ুমণ্ডলীয় অবস্থা, বিমানের ধরন, ফ্লাইট পাথ এবং অন্যান্য বৈশিষ্ট্য ব্যবহার করে কন্ট্রেল গঠন, বিবর্তন এবং প্রভাবকে সিমুলেট করে (Schumann 2012; Schumann et al. 2012)। মডেলটি ECMWF-এর হাই-রেজোলিউশন পূর্বাভাস এনসেম্বল (HRES ENS) থেকে ১০টি এনসেম্বল মেম্বারকে ইনপুট হিসেবে ব্যবহার করে, যাতে ফ্লাইটের ওয়েপয়েন্টগুলি অ্যাডভেক্ট করা যায় যেখানে কন্ট্রেলগুলি সময়ের সাথে সাথে এগিয়ে যায় (Hersbach et al. 2020)। CoCiP মডেলটি ক্লাউড মাইক্রোফিজিক্স তত্ত্ব ব্যবহার করে কোন কোন কনট্রেল দীর্ঘস্থায়ী হয় তা নির্ধারণ করে, যার মধ্যে প্রাথমিক ডাউনড্রাফ্ট, পতন এবং সাবলিমেশন অন্তর্ভুক্ত। কন্ট্রেলের সিমুলেটেড বিবর্তন থেকে, CoCiP কন্ট্রেলের বৈশিষ্ট্য এবং আশেপাশের আবহাওয়ার পরিস্থিতির উপর ভিত্তি করে এনার্জি ফোর্সিং ক্যালকুলেট করে।
CoCiP-এর এনার্জি ফোর্সিংয়ের অনুমানের পাশাপাশি, এনার্জি ফোর্সিংয়ের জলবায়ুগত অনুমান গণনা করা হয় এক বছরের CoCiP আউটপুটের গড় করে, যা দিনের সময়, ঋতু এবং অক্ষাংশ অনুসারে বিন করা হয়।
চূড়ান্ত এনার্জি ফোর্সিংয়ের পরিমাণ হল CoCiP এনসেম্বল মেম্বারদের থেকে পাওয়া এনার্জি ফোর্সিংয়ের গড়, যার EF শূন্য নয় এবং জলবায়ুগত গড়, যা সর্বদা শূন্য নয়। গড়ে জলবায়ুবিদ্যা অন্তর্ভুক্ত করার মাধ্যমে কন্ট্রেলের প্রভাবের অনুমান নিশ্চিত করা হয়, এমনকি CoCiP যখন আবহাওয়ার এনসেম্বল মেম্বারদের কোনও একটি ব্যবহার করে কন্ট্রেল গঠনের পূর্বাভাস দেয় না তখনও।
প্রত্যাশিত কার্যকর এনার্জি ফোর্সিং
তারপর, ML মডেল থেকে গণনা করা কন্ট্রেল গঠনের সম্ভাবনা এবং CoCiP মডেল থেকে গণনা করা এই কন্ট্রেলের কার্যকর এনার্জি ফোর্সিংয়ের গুণফল হিসেবে প্রত্যাশিত কার্যকর এনার্জি ফোর্সিং গণনা করা হয়।
কন্ট্রেল ফোর্সিং ইন্ডেক্স ভ্যালু
কন্ট্রেল ফোর্সিং ইনডেক্স ভ্যালু তৈরি করতে, গণনা করা প্রত্যাশিত কার্যকর এনার্জি ফোর্সিং ভ্যালু ০ থেকে ৪ স্কেলে ম্যাপ করা যেতে পারে। কন্ট্রেল ফোর্সিং ইনডেক্স ভ্যালু টার্বুলেন্স পূর্বাভাস ভ্যালু থেকে অনুপ্রাণিত।
Contrails API ক্লিপিং ও লিনিয়ার স্কেলের মাধ্যমে expected_effective_energy_forcing-কে
contrails তীব্রতা সূচকে অনুবাদ করে:
ds["contrails"] = ds["expected_effective_energy_forcing"].clip(min=2e7, max=2e8)
ds["contrails"] = ((ds["contrails"] - 2e7) / (2e8 - 2e7)) * 4
এই ম্যাপিংয়ের ব্যাকগ্রাউন্ড সম্পর্কে আরও তথ্য পেতে, এনার্জি ফোর্সিং ইন্টারপ্রিটেশন দেখুন।
এছাড়াও, আপনি Contrails API রিলিজ নোট পড়তে পারেন এবং এই স্কেলে পরিবর্তন সম্পর্কে বিজ্ঞপ্তি পেতে ঘোষণায় সাবস্ক্রাইব করতে পারেন।
CO2-সমতুল্য
প্রত্যাশিত কার্যকর এনার্জি ফোর্সিংকে কার্বন ডাই অক্সাইডের সাথে তুলনীয় কন্ট্রেলের জলবায়ু পরিবর্তনের প্রভাবের পরিপ্রেক্ষিতেও ব্যাখ্যা করা যেতে পারে, অর্থাৎ, তাদের $\text{CO}_2$-সমতুল্য।
পূর্বাভাস দেওয়া কনট্রেল ওয়ার্মিংয়ের $\text{CO}_2$-সমতুল্য গণনা করতে, নিম্নলিখিত রূপান্তর ব্যবহার করুন:
\[ \text{CO}_2\text{eq [kg]} = EEEF \text{ [J]} \times \text{GWP Factor} \]
কোথায়:
- EEEF হল প্রত্যাশিত কার্যকর শক্তি প্রয়োগ
- GWP ফ্যাক্টর হল গ্লোবাল ওয়ার্মিং পোটেনশিয়াল ফ্যাক্টর; নির্দিষ্ট সময়সীমার (H, বছরে) মধ্যে ১ কেজি $\text{CO}_2$ দ্বারা উৎপাদিত মোট ইন্টিগ্রেটেড এনার্জি ফোর্সিংয়ের বিপরীত। GWP ২০, ৫০ বা ১০০ হতে পারে।
GWP ফ্যাক্টর অফার
২০, ৫০ ও ১০০ বছরের সময়সীমার ভিত্তিতে, GWP ফ্যাক্টর অফার করা হয়েছে:
| টাইম হরাইজন | GWP ফ্যাক্টর (কেজি-$\text{CO}_2$/J) |
|---|---|
| GWP20 | 2.497e-9 |
| GWP50 | 1.173e-9 |
| GWP100 | 6.779e-10 |
GWP ফ্যাক্টর গণনা
এই GWP ফ্যাক্টরগুলি $\text{CO}_2$-এর জন্য অ্যাবসোলিউট গ্লোবাল ওয়ার্মিং পোটেনশিয়াল (AGWP) থেকে IPCC AR5 ফ্যাক্টর এবং নিম্নলিখিত গণনা ব্যবহার করে পাওয়া যায়:
\[ \text{GWP Factor} = \frac{1}{AGWP_{\text{CO}_2, H} \times A_{\text{earth}} \times S_{\text{year}}} \]
কোথায়:
- $AGWP_{\text{CO}_2, H}$: বেছে নেওয়া সময়সীমার জন্য $\text{CO}_2$-এর অ্যাবসোলিউট গ্লোবাল ওয়ার্মিং পোটেনশিয়াল, IPCC AR5 থেকে সোর্স করা হয়েছে
- $A_{\text{earth}}$: পৃথিবীর পৃষ্ঠতলের ক্ষেত্রফল ($5.101 \times 10^{14} \text{ m}^2$)
- $S_{\text{year}}$: এক বছরে সেকেন্ডের সংখ্যা ($31,536,000 \text{ s}$)
লাইসেন্স
Forecast API-এর মাধ্যমে দেখানো ডেটা CC BY 4.0-এর অধীনে লাইসেন্সপ্রাপ্ত।
এর পরে কী করতে হবে
- ContrailWatch অ্যাট্রিবিউশন ওভারভিউ পড়ুন যাতে বুঝতে পারেন যে কীভাবে পুরনো ফ্লাইট-লেভেল কনট্রেল অ্যাট্রিবিউশন ব্যবহার করা হয় কনট্রেল পূর্বাভাস উন্নত করার জন্য।
রেফারেন্স
- Geraedts, Scott, Erica Brand, Thomas R. Dean, Sebastian Eastham, Carl Elkin, Zebediah Engberg, Ulrike Hager, et al. 2023. "A Scalable System to Measure Contrail Formation on a per-Flight Basis." arXiv [physics.ao-Ph]. arXiv. http://arxiv.org/abs/2308.02707.
- Hersbach, Hans, Bill Bell, Paul Berrisford, Shoji Hirahara, András Horányi, Joaquín Muñoz-Sabater, Julien Nicolas, et al. 2020. "The ERA5 Global Reanalysis." Quarterly Journal of the Royal Meteorological Society 146 (730): ১৯৯৯-২০৪৯.
- Schumann, U. ২০১২। "কন্ট্রেল সিরাস প্রেডিকশন মডেল।" Geoscientific Model Development 5 (3): 543-80.
- Schumann, U., B. Mayer, K. গ্রাফ ও এইচ. Mannstein. ২০১২। "A Parametric Radiative Forcing Model for Contrail Cirrus." Journal of Applied Meteorology and Climatology 51 (7): 1391-1406.
- শাপিরো, মার্ক, জেব এংবার্গ, রজার তেও, মার্ক স্টেটলর এবং টম ডিন। ২০২৩. Pycontrails: Python Library for Modeling Aviation Climate Impacts. https://doi.org/10.5281/zenodo.825291
- Teoh, Roger, Ulrich Schumann, Arnab Majumdar, and Marc E. ঞ. Stettler. ২০২০. "Mitigating the Climate Forcing of Aircraft Contrails by Small-Scale Diversions and Technology Adoption." Environmental Science & Technology 54 (5): 2941-50.
- Teoh, Roger, Zebediah Engberg, Ulrich Schumann, Christiane Voigt, Marc Shapiro, Susanne Rohs, and Marc E. ঞ. Stettler. ২০২৪। "২০১৯ থেকে ২০২১ পর্যন্ত বিশ্বব্যাপী বিমান চলাচলের কন্ট্রেল নির্গমনের ফলে জলবায়ুর উপর প্রভাব।" Atmospheric Chemistry and Physics 24: 6071–6093. https://www.researchgate.net/publication/384141259_Global_aviation_contrail_climate_effects_from_2019_to_2021.