ה-API של Contrails משתמש בשני מודלים שונים כדי לחזות שובלי התעבות: מודל שמבוסס על למידת מכונה(ML) שמנבא אזורים שבהם סביר שיווצרו שובלי התעבות, ומודל שמבוסס על פיזיקה, Contrail Cirrus Prediction (CoCiP), שמנבא התחממות.
מודל מבוסס-למידת מכונה
מודל החיזוי של אזור סביר ליצירת שובל (CLZ) שמבוסס על ML, חוזה את הסבירות ליצירת שובל. המודל הוא רשת עצבית עמוקה שמקבלת תכונות של מזג האוויר כקלט ומבצעת חיזוי של אזורי CLZ על סמך זיהוי שובלים על ידי לוויין (Geraedts et al. 2023).
הקלט שלו מורכב בעיקר מתכונות מזג אוויר ברזולוציה גבוהה: 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. הנתונים שמוזנים למודל כוללים גם את השעה המקומית לפי השמש, היום בשנה, קו הרוחב והגובה של נקודות הדרך בטיסה.
באזורים גיאוגרפיים מסוימים (למשל, ארצות הברית), המודל עובר כוונון עדין לשימוש בקו רוחב, בקו אורך ובגובה כמאפייני קלט, בעוד שבגיבוי הגלובלי של המודל נעשה שימוש רק בקו רוחב ובגובה.
המודל משיג ביצועים המתקדמים ביותר (SOTA) כשמעריכים אותו בהשוואה לנתוני שובל תצפיתיים.
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 כפייה של אנרגיה:
\[ EF [J] = \int_{0}^{t} RF'(t) \times L(t) \times W(t)dt \]
כלומר, הכפייה הקרינתית הרגעית של שובל ההתעבות משולבת לאורך משך החיים שלו (Teoh et al. 2020). הנורמליזציה של כוח האנרגיה מתבצעת לפי מרחק הטיסה, ולכן היחידות שלו הן (J/m).
CoCiP הוא מודל מבוסס-פיזיקה שמדמה את היווצרותם, ההתפתחות וההשפעה של ענני התעבות באמצעות תנאים אטמוספריים, סוג המטוס, נתיב הטיסה ותכונות אחרות (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 שבה נוצרו פסי התעבות קדימה בזמן (Hersbach et al. 2020). בנוסף, מודל CoCiP משתמש בתאוריית מיקרופיזיקה של עננים כדי לקבוע אילו פסי התעבות נשארים לאורך זמן, תוך התחשבות בזרם אוויר כלפי מטה, בנפילה ובסובלימציה. בהינתן ההתפתחות המדומה של פסי ההתעבות, CoCiP מחשב את כוח האנרגיה על סמך תכונות פסי ההתעבות ותנאי מזג האוויר בסביבה.
בנוסף להערכת הכפייה האנרגטית של CoCiP, מחושבת הערכה אקלימית של הכפייה האנרגטית על ידי חישוב ממוצע של פלט CoCiP במשך שנה, לפי שעה ביום, עונה וקו רוחב.
כמות האילוץ האנרגטי הסופית היא ממוצע של האילוץ האנרגטי מחברי האנסמבל של CoCiP עם EF שאינו אפס, והממוצע האקלימי, שתמיד שונה מאפס. הכללת האקלים בממוצע מבטיחה אומדן של השפעת פסי ההתעבות, גם כש-CoCiP לא חוזה את היווצרות פסי ההתעבות באמצעות אף אחד מחברי האנסמבל של מזג האוויר.
הפעלת אנרגיה אפקטיבית צפויה
לאחר מכן מחושב הכוח האפקטיבי הצפוי של האנרגיה, כמכפלה של ההסתברויות ליצירת שובלי התעבות שחושבו על ידי מודל ה-ML, והכוח האפקטיבי של האנרגיה של שובלי התעבות אלה שחושב על ידי מודל CoCiP.
ערכי מדד ההשפעה של פסי התעבות
אחר כך אפשר למפות את ערכי האנרגיה האפקטיביים הצפויים המחושבים לסולם של 0 עד 4 כדי ליצור ערכי אינדקס של התחממות כתוצאה מפסים לבנים. ערכי האינדקס של התחממות כתוצאה מפסים לבנים מבוססים על ערכי תחזית של 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 פירוש של אילוץ אנרגיה.
בנוסף, אפשר לקרוא את הערות המוצר של Contrails API ולהירשם לקבלת הודעות כדי לקבל עדכונים על שינויים בהיקף הזה.
שווה ערך לפחמן דו-חמצני
אפשר גם לפרש את הכוח האנרגטי האפקטיבי הצפוי במונחים של השפעה על האקלים כתוצאה מפסי התעבות, שדומה לזו של פחמן דו-חמצני, כלומר, שווה ערך ל-$\text{CO}_2$.
כדי לחשב את שווה הערך של פחמן דו-חמצני של התחממות שנוצרת על ידי שובלי מטוסים, משתמשים בהמרה הבאה:
\[ \text{CO}_2\text{eq [kg]} = EEEF \text{ [J]} \times \text{GWP Factor} \]
where:
- EEEF הוא Expected Effective Energy Forcing (השפעה צפויה של אנרגיה יעילה)
- פקטור GWP הוא פקטור פוטנציאל התחממות כדור הארץ. הוא ההופכי של סך האילוץ האנרגטי המשולב שנוצר על ידי קילוגרם אחד של $\text{CO}_2$ במהלך אופק זמן ספציפי (H, בשנים). יכול להיות GWP 20, 50 או 100.
מבצעים של גורם GWP
על סמך טווחי זמן של 20, 50 ו-100 שנים, גורמי ה-GWP שהוצעו היו:
| טווח זמן | גורם GWP (kg-$\text{CO}_2$/J) |
|---|---|
| GWP20 | 2.497e-9 |
| GWP50 | 1.173e-9 |
| GWP100 | 6.779e-10 |
חישוב של מקדם GWP
גורמי ה-GWP האלה נגזרים מפוטנציאל ההתחממות הגלובלית המוחלט (AGWP) של $\text{CO}_2$ באמצעות גורמי IPCC AR5 והחישוב הבא:
\[ \text{GWP Factor} = \frac{1}{AGWP_{\text{CO}_2, H} \times A_{\text{earth}} \times S_{\text{year}}} \]
where:
- $AGWP_{\text{CO}_2, H}$: פוטנציאל ההתחממות הגלובלית המוחלט של $\text{CO}_2$ עבור טווח הזמן שנבחר, מתוך IPCC AR5
- $A_{\text{earth}}$: שטח פני כדור הארץ ($5.101 \times 10^{14} \text{ m}^2$)
- $S_{\text{year}}$: מספר השניות בשנה ($31,536,000 \text{ s}$)
רישיון
הנתונים שנחשפים על ידי Forecast API מותרים לשימוש במסגרת רישיון CC BY 4.0.
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, and H. מנשטיין. 2012. "A Parametric Radiative Forcing Model for Contrail Cirrus." Journal of Applied Meteorology and Climatology 51 (7): 1391-1406.
- Shapiro, Marc, Zeb Engberg, Roger Teoh, Marc Stettler, and Tom Dean. 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.
- Teoh, Roger, Zebediah Engberg, Ulrich Schumann, Christiane Voigt, Marc Shapiro, Susanne Rohs, and Marc E. י. Stettler. 2024. "Global aviation contrail climate effects from 2019 to 2021". Atmospheric Chemistry and Physics 24: 6071–6093. https://www.researchgate.net/publication/384141259_Global_aviation_contrail_climate_effects_from_2019_to_2021.