ה-API של Contrails משתמש בשני מודלים שונים כדי לחזות שובלי התעבות: מודל שמבוסס על למידת מכונה(ML) שמנבא אזורים שבהם סביר שיופיעו שובלי התעבות, ומודל שמבוסס על פיזיקה, Contrail Cirrus Prediction (CoCiP), שמנבא התחממות.
מודל מבוסס-למידת מכונה
מודל החיזוי של אזור סביר ליצירת שובל (CLZ) מבוסס על למידת מכונה (ML) ומנבא את ההסתברות ליצירת שובל. המודל הוא רשת נוירונים עמוקה שמקבלת מאפייני מזג אוויר כקלט ומנבאת אזורים של ענני התעבות על סמך זיהויים של ענני התעבות מלוויינים (Geraedts et al. 2023).
הנתונים שמוזנים למודל מורכבים בעיקר ממאפייני מזג אוויר ברזולוציה גבוהה (HRES): לחות ספציפית, טמפרטורה, רכיב u של הרוח, רכיב v של הרוח, מהירות אנכית, מערבולת יחסית, שבר של כיסוי עננים, תכולת מים ספציפית של קרח בעננים, תכולת מים ספציפית של שלג ודיברגנציה. הלחות היחסית מחושבת באמצעות הלחות הספציפית והטמפרטורה. מקורות הקלט של המודל כוללים גם את השעה המקומית לפי השמש, היום בשנה, קו הרוחב והגובה של נקודות הציון של מסלול הטיסה.
במקומות מסוימים בעולם (למשל, בארצות הברית), המודל עובר כוונון עדין כדי להשתמש בקו רוחב, בקו אורך ובגובה כמאפייני קלט, בעוד שבמקומות אחרים בעולם המודל משתמש רק בקו רוחב ובגובה.
המודל משיג ביצועים מתקדמים כשבודקים אותו מול נתונים של שובלי התעבות שנאספו בתצפיות.
מודל CoCiP
מודל החיזוי של ענני צירוס שנוצרים מפסי התעבות חוזה את כוח האנרגיה של פסי התעבות, שהוא מדד להשפעה של פסי התעבות על האקלים.
הגדרת אנרגיה מוגדרת כך:
\[ EF [J] = \int_{0}^{t} RF'(t) \times L(t) \times W(t)dt \]
כלומר, הכפייה הקרינתית המיידית של שובל ההתעבות משולבת על פני משך החיים שלו (Teoh et al. 2020). ההשפעה האנרגטית מנורמלת לפי מרחק הטיסה, ולכן היחידות שלה הן (J/m).
CoCiP הוא מודל שמבוסס על פיזיקה ומדמה את היווצרותם, ההתפתחות וההשפעה של שובלי התעבות באמצעות נתונים על תנאי האטמוספירה, סוג המטוס, נתיב הטיסה ומאפיינים אחרים (Schumann 2012; Schumann et al. 2012). המודל משתמש ב-10 חברים באנסמבל מתוך אנסמבלים של תחזיות ברזולוציה גבוהה (HRES ENS) של ECMWF כקלט להסעת נקודות הציון של הטיסה שבהן נוצרו שובלי התעבות קדימה בזמן (Hersbach et al. 2020). בנוסף, מודל CoCiP משתמש בתאוריה של מיקרופיזיקה בענן כדי לקבוע אילו פסי התעבות נשארים לאורך זמן, תוך התחשבות בזרם אוויר כלפי מטה, בנפילה ובסובלימציה. בהינתן האבולוציה המדומה של פסי ההתעבות, CoCiP מחשב את כוח האנרגיה על סמך תכונות פסי ההתעבות ותנאי מזג האוויר בסביבה.
בנוסף להערכת הכוח האנרגטי של CoCiP, מחושבת הערכה אקלימית של הכוח האנרגטי על ידי חישוב ממוצע של פלט CoCiP במשך שנה, שממוין לפי שעה ביום, עונה וקו רוחב.
הכמות הסופית של הכפייה האנרגטית היא ממוצע של הכפייה האנרגטית מחברי האנסמבל של CoCiP עם EF שאינו אפס, והממוצע האקלימי, שתמיד שונה מאפס. הכללת נתוני אקלים בחישוב הממוצע מבטיחה אומדן של השפעת פסי ההתעבות, גם אם המודל CoCiP לא חוזה את היווצרות פסי ההתעבות באמצעות אף אחד מהנתונים של חברי האנסמבל.
הפעלת אנרגיה אפקטיבית צפויה
לאחר מכן, המערכת מחשבת את הכפייה האפקטיבית של האנרגיה כתוצאה מהתעבות, כמכפלה של ההסתברויות ליצירת שובל התעבות שחושבו על ידי המודל ללמידת מכונה, והכפייה האפקטיבית של האנרגיה כתוצאה משובלי התעבות האלה שחושבו על ידי מודל CoCiP.
ערכי מדד ההשפעה של פסי התעבות
אחר כך אפשר למפות את הערכים המחושבים של האפקט הצפוי של האנרגיה שנכפתה על סולם של 0 עד 4 כדי ליצור ערכים של מדד האפקט של Contrail. ערכי האינדקס של כפיית התעבות הם בהשראת ערכי תחזית טורבולנציה.
Contrails API מתרגם את expected_effective_energy_forcing למדד החומרה contrails באמצעות חיתוך וסולם לינארי:
ds["contrails"] = ds["expected_effective_energy_forcing"].clip(min=2e7, max=2e8)
ds["contrails"] = ((ds["contrails"] - 2e7) / (2e8 - 2e7)) * 4
מידע נוסף על המיפוי הזה זמין במאמר Energy Forcing Interpretation.
בנוסף, אפשר לקרוא את הערות המוצר של Contrails API ולהירשם לקבלת הודעות כדי לקבל עדכונים על שינויים בהיקף הזה.
המאמרים הבאים
- כדאי לקרוא את סקירת השיוכים של ContrailWatch כדי להבין איך נעשה שימוש בשיוכים היסטוריים של שובלי התעבות ברמת הטיסה כדי לשפר את התחזיות לגבי שובלי התעבות.
קובצי עזר
- 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): 1999-2049.
- Schumann, U. 2012. "A Contrail Cirrus Prediction Model". Geoscientific Model Development 5 (3): 543-80.
- Schumann, U., ב. Mayer, K. Graf ו-H. מנשטיין. 2012. "A Parametric Radiative Forcing Model for Contrail Cirrus." Journal of Applied Meteorology and Climatology 51 (7): 1391-1406.
- שפירו, מארק, זב אנגברג, רוג'ר טאו, מארק סטטלר וטום דין. 2023. Pycontrails: ספריית Python ליצירת מודלים של השפעות התעופה על האקלים. https://doi.org/10.5281/zenodo.825291
- Teoh, Roger, Ulrich Schumann, Arnab Majumdar, and Marc E. י. Stettler. 2020. "Mitigating the Climate Forcing of Aircraft Contrails by Small-Scale Diversions and Technology Adoption". Environmental Science & Technology 54 (5): 2941-50.