La API de Contrails usa dos modelos diferentes para predecir las estelas de condensación: un modelo basado en aprendizaje automático(AA) que predice las zonas propensas a las estelas de condensación y un modelo basado en la física, Contrail Cirrus Prediction (CoCiP), que predice el calentamiento.
Modelo basado en AA
El modelo de previsión de zonas probables de estelas de condensación (CLZ) basado en AA predice la probabilidad de formación de estelas de condensación. El modelo es una red neuronal profunda que toma las características climáticas como entradas y predice las CLZ en función de las detecciones de estelas de condensación satelitales (Geraedts et al., 2023).
Sus entradas consisten principalmente en características climáticas de HRES: humedad específica, temperatura, componente U del viento, componente V del viento, velocidad vertical, vorticidad relativa, fracción de cobertura de nubes, contenido específico de agua helada de las nubes, contenido específico de agua de nieve y divergencia. La humedad relativa se calcula con la humedad específica y la temperatura. Las entradas del modelo también incluyen la hora solar local, el día del año, la latitud y la altitud de los puntos de referencia de la ruta de vuelo.
En algunas áreas geográficas (p.ej., Estados Unidos), el modelo se ajusta para usar la latitud, la longitud y la altitud como características de entrada, mientras que la alternativa global del modelo solo usa la latitud y la altitud.
El modelo alcanza un rendimiento de vanguardia cuando se evalúa en comparación con los datos de estelas de condensación observacionales.
Modelo de CoCiP
El modelo de predicción de cirros de estelas de condensación predice la forzante energética de la estela, que es una medida del impacto climático de la estela.
La forzante energética se define de la siguiente manera:
\[ EF [J] = \int_{0}^{t} RF'(t) \times L(t) \times W(t)dt \]
lo que significa el forzamiento radiativo instantáneo de la estela de condensación integrado a lo largo de su vida útil (Teoh et al., 2020). La forzada de energía se normaliza según la distancia de vuelo, lo que genera unidades de (J/m).
CoCiP es un modelo basado en la física que simula la formación, la evolución y el impacto de las estelas de condensación a partir de las condiciones atmosféricas, el tipo de aeronave, la ruta de vuelo y otras características (Schumann, 2012; Schumann et al., 2012). El modelo utiliza 10 miembros del conjunto de previsiones de alta resolución (HRES ENS) del ECMWF como entradas para advectar los puntos de referencia de la ruta de vuelo en los que se formaron estelas de condensación hacia el futuro (Hersbach et al., 2020). El modelo CoCiP también usa la teoría de microfísica de nubes para determinar qué estelas de condensación persisten, teniendo en cuenta la corriente descendente inicial, la caída y la sublimación. Dada la evolución simulada de la estela de condensación, CoCiP calcula el forzamiento energético en función de las propiedades de la estela y las condiciones climáticas circundantes.
Además de la estimación de la forzante energética de CoCiP, se calcula una estimación climatológica de la forzante energética promediando un año de resultados de CoCiP, agrupados por hora del día, temporada y latitud.
La cantidad final de forzamiento energético es un promedio del forzamiento energético de los miembros del conjunto de CoCiP con EF distinto de cero y el promedio climatológico, que siempre es distinto de cero. Incluir la climatología en el promedio garantiza una estimación del impacto de las estelas de condensación, incluso cuando CoCiP no predice la formación de una estela de condensación con ninguno de los miembros del conjunto de predicciones meteorológicas.
Forzamiento energético efectivo esperado
Luego, se calcula el forzamiento energético efectivo esperado como el producto de las probabilidades de formación de estelas de condensación calculadas a partir del modelo de AA y el forzamiento energético efectivo de estas estelas calculado a partir del modelo de CoCiP.
Valores del índice de forzamiento de estelas
Luego, los valores esperados de forzamiento energético efectivo calculados se pueden asignar a una escala de 0 a 4 para generar los valores del índice de forzamiento de Contrail. Los valores del índice de forzamiento de estelas se inspiran en los valores de previsión de turbulencias.
La API de Contrails traduce expected_effective_energy_forcing al índice de gravedad contrails a través del recorte y una escala lineal:
ds["contrails"] = ds["expected_effective_energy_forcing"].clip(min=2e7, max=2e8)
ds["contrails"] = ((ds["contrails"] - 2e7) / (2e8 - 2e7)) * 4
Para obtener más información sobre esta asignación, consulta Interpretación del forzado de energía.
Además, puedes leer las notas de la versión de la API de Contrails y suscribirte a los anuncios para recibir notificaciones sobre los cambios en esta escala.
¿Qué sigue?
- Lee el Resumen de las atribuciones de ContrailWatch para comprender cómo se usan las atribuciones históricas de estelas de condensación a nivel del vuelo para mejorar el pronóstico de estelas.
Referencias
- Geraedts, Scott, Erica Brand y 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): 1999-2049.
- Schumann, U. alrededor del 2012. "A Contrail Cirrus Prediction Model". Geoscientific Model Development 5 (3): 543-80.
- Schumann, U., B. Mayer, K. Graf y H. Mannstein. alrededor del 2012. "Un modelo paramétrico de forzamiento radiativo para cirros de estelas de condensación". Journal of Applied Meteorology and Climatology 51 (7): 1391-1406.
- Shapiro, Marc, Zeb Engberg, Roger Teoh, Marc Stettler y Tom Dean. 2023. Pycontrails: Biblioteca de Python para modelar los impactos climáticos de la aviación. https://doi.org/10.5281/zenodo.825291
- Teoh, Roger, Ulrich Schumann, Arnab Majumdar y Marc E. J. Stettler. 2020 "Mitigating the Climate Forcing of Aircraft Contrails by Small-Scale Diversions and Technology Adoption". Environmental Science & Technology 54 (5): 2941-50.