Google verwendet KI-Technologie, um Inhalte in Ihre bevorzugte Sprache zu übersetzen. KI-Übersetzungen können Fehler enthalten.

Prognose von Kondensstreifen

Die Contrails API verwendet zwei verschiedene Modelle, um Kondensstreifen vorherzusagen: ein auf maschinellem Lernen (ML) basierendes Modell, das Zonen mit hoher Wahrscheinlichkeit für Kondensstreifen vorhersagt, und ein physikbasiertes Modell, Contrail Cirrus Prediction (CoCiP), das die Erwärmung vorhersagt.

ML-basiertes Modell

Das ML-basierte Prognosemodell für die Contrail Likely Zone (CLZ) sagt die Wahrscheinlichkeit der Bildung von Kondensstreifen voraus. Das Modell ist ein neuronales Deep-Learning-Netzwerk, das Wettermerkmale als Eingaben verwendet und CLZs basierend auf Satellitenerkennungen von Kondensstreifen vorhersagt (Geraedts et al. 2023).

Die Eingaben bestehen hauptsächlich aus HRES-Wettermerkmalen: spezifische Luftfeuchtigkeit, Temperatur, u-Komponente des Winds, v-Komponente des Winds, vertikale Geschwindigkeit, relative Vortizität, Anteil der Wolkenbedeckung, spezifischer Wolkeneiswassergehalt, spezifischer Schneewassergehalt und Divergenz. Die relative Luftfeuchtigkeit wird anhand der spezifischen Luftfeuchtigkeit und der Temperatur berechnet. Zu den Eingaben für das Modell gehören auch die lokale Sonnenzeit, der Tag des Jahres und die Höhe der Flugwegpunkte.

Für einige geografische Gebiete (z. B. die USA) ist das Modell so optimiert, dass es den Breiten- und Längengrad sowie die Höhe als Eingabefeatures verwendet. Beim globalen Fallback des Modells wird dagegen nur die Höhe verwendet (Breiten- und Längengrad werden nicht verwendet).

Das Modell erzielt bei der Bewertung anhand von Beobachtungsdaten zu Kondensstreifen eine hochmoderne Leistung.

CoCiP-Modell

Das Vorhersagemodell für Kondensstreifen-Zirruswolken prognostiziert den Energieantrieb des Kondensstreifens, der ein Maß für die Auswirkung auf das Klima des Kondensstreifens ist.

Energie-Forcing ist so definiert:

\[ EF [J] = \int_{0}^{t} RF'(t) \times L(t) \times W(t)dt \]

Das bedeutet, dass der momentane Strahlungsantrieb des Kondensstreifens über seine Lebensdauer integriert wird (Teoh et al. 2020). Der Energieantrieb wird durch die Flugstrecke normalisiert, was zu der Einheit (J/m) führt.

CoCiP ist ein physikbasiertes Modell, das die Bildung, Entwicklung und Auswirkungen von Kondensstreifen anhand von atmosphärischen Bedingungen, Flugzeugtyp, Flugbahn und anderen Merkmalen simuliert (Schumann 2012; Schumann et al. 2012). Das Modell verwendet 10 Ensemble-Mitglieder aus den hochauflösenden Vorhersage-Ensembles (HRES ENS) des ECMWF als Eingaben, um die Flugwegpunkte, an denen sich Kondensstreifen gebildet haben, zeitlich vorwärts zu advektieren (Hersbach et al. 2020). Das CoCiP-Modell verwendet auch die Theorie der Wolkenmikrophysik, um zu bestimmen, welche Kondensstreifen bestehen bleiben. Dabei werden der anfängliche Abwind, der Fall und die Sublimation berücksichtigt. Anhand der simulierten Entwicklung des Kondensstreifens berechnet CoCiP den Energieantrieb basierend auf den Eigenschaften des Kondensstreifens und den umgebenden Wetterbedingungen.

Zusätzlich zur CoCiP-Schätzung des Energieantriebs wird eine klimatologische Schätzung des Energieantriebs berechnet. Dazu wird der Durchschnitt eines Jahres von CoCiP-Ausgaben gebildet, die nach Tageszeit, Jahreszeit und Breitengrad gruppiert sind.

Die endgültige Menge des Energieantriebs ist ein Durchschnitt des Energieantriebs der CoCiP-Ensemblemitglieder mit einem EF ungleich null und dem klimatologischen Durchschnitt, der immer ungleich null ist. Durch die Einbeziehung der Klimatologie in den Durchschnitt wird eine Schätzung der Auswirkungen von Kondensstreifen ermöglicht, auch wenn CoCiP die Bildung eines Kondensstreifens mit keinem der Wetterensemble-Mitglieder vorhersagt.

Erwarteter effektiver Energieantrieb

Die erwartete effektive Energieerzwingung wird dann als Produkt der Wahrscheinlichkeiten der Kondensstreifenbildung, die aus dem ML-Modell berechnet werden, und der effektiven Energieerzwingung dieser Kondensstreifen, die aus dem CoCiP-Modell berechnet werden, berechnet.

Werte für den Kondensstreifen-Forcing-Index

Die berechneten erwarteten effektiven Energie-Forcing-Werte können dann einer Skala von 0 bis 4 zugeordnet werden, um Contrail-Forcing-Indexwerte zu erhalten. Die Indexwerte für die Kondensstreifenbildung basieren auf den Werten für die Turbulenzvorhersage.

Die Contrails API übersetzt expected_effective_energy_forcing in den Schweregradindex contrails. Dazu werden die Werte abgeschnitten und eine lineare Skala verwendet:

ds["contrails"] = ds["expected_effective_energy_forcing"].clip(min=2e7, max=2e8)
ds["contrails"] = ((ds["contrails"] - 2e7) / (2e8 - 2e7)) * 4

Weitere Hintergrundinformationen zu dieser Zuordnung finden Sie unter Interpretation des Energie-Forcings.

Außerdem können Sie die Versionshinweise zur Contrails API lesen und sich für Ankündigungen anmelden, um über Änderungen an dieser Skala informiert zu werden.

CO₂-Äquivalente

Die erwartete effektive Energieerzwingung kann auch im Hinblick auf die Klimaauswirkungen von Kondensstreifen im Vergleich zu Kohlendioxid interpretiert werden, d.h. als $\text{CO}_2$-Äquivalent.

Verwenden Sie die folgende Umrechnung, um das $\text{CO}_2$-Äquivalent der prognostizierten Erwärmung durch Kondensstreifen zu berechnen:

\[ \text{CO}_2\text{eq [kg]} = EEEF \text{ [J]} \times \text{GWP Factor} \]

Dabei gilt:

EEEF ist der erwartete effektive Energieantrieb (Expected Effective Energy Forcing).
Der GWP-Faktor ist der Global Warming Potential Factor (Erderwärmungspotenzial-Faktor). Er ist der Kehrwert des gesamten integrierten Energieantriebs, der durch 1 kg $\text{CO}_2$ über einen bestimmten Zeithorizont (H, in Jahren) erzeugt wird. Kann entweder GWP 20, 50 oder 100 sein.

GWP-Faktor-Angebote

Basierend auf Zeithorizonten von 20, 50 und 100 Jahren bieten die GWP-Faktoren:

Zeithorizont	GWP-Faktor (kg-$\text{CO}_2$/J)
GWP20	2,497e-9
GWP50	1,173e-9
GWP100	6.779e-10

Berechnung des GWP-Faktors

Diese GWP-Faktoren werden aus dem absoluten Erderwärmungspotenzial (AGWP) für $\text{CO}_2$ mithilfe der IPCC AR5-Faktoren und der folgenden Berechnung abgeleitet:

\[ \text{GWP Factor} = \frac{1}{AGWP_{\text{CO}_2, H} \times A_{\text{earth}} \times S_{\text{year}}} \]