飛行機雲の予測

Contrails API は、2 つの異なるモデルを使用して飛行機雲を予測します。1 つは飛行機雲が発生しやすいゾーンを予測する ML ベースのモデルで、もう 1 つは温暖化を予測する物理ベースのモデルである Contrail Cirrus Prediction（CoCiP）です。

ML ベースのモデル

ML ベースの Contrail Likely Zone（CLZ）予測モデルは、飛行機雲の発生確率を予測します。このモデルは、気象特徴を入力として受け取り、衛星の飛行機雲検出に基づいて CLZ を予測するディープ ニューラル ネットワークです（Geraedts et al. 2023）。

入力は主に HRES 天気予報の特徴で、比湿度、気温、風の u 成分、風の v 成分、鉛直速度、相対渦度、雲量、雲氷水含有量、雪水含有量、発散が含まれます。相対湿度は、比湿度と温度を使用して計算されます。モデルへの入力には、現地の日照時間、年内の日付、緯度、フライトの経由地の高度も含まれます。

一部の地域（米国など）では、緯度、経度、高度を入力特徴として使用するようにモデルがファインチューニングされていますが、モデルのグローバル フォールバックでは緯度と高度のみが使用されます。

このモデルは、観測された飛行機雲データに対して評価すると、最先端のパフォーマンスを実現します。

CoCiP モデル

Contrail Cirrus Prediction モデルは、飛行機雲のエネルギー強制力を予測します。これは、飛行機雲の気候への影響を測定するものです。

エネルギー強制力は次のように定義されます。

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

つまり、飛行機雲の寿命にわたって積分された瞬間の放射強制力（Teoh et al. 2020）。エネルギー強制力は飛行距離で正規化されるため、単位は（J/m）になります。

CoCiP は、大気条件、航空機の種類、飛行経路などの特徴を使用して、飛行機雲の形成、進化、影響をシミュレートする物理ベースのモデルです（Schumann 2012、Schumann et al. 2012）。このモデルでは、ECMWF の高解像度予測アンサンブル（HRES ENS）の 10 個のアンサンブル メンバーを入力として使用し、飛行経路のウェイポイントを時間方向に前進させて、飛行機雲が形成された場所を特定します（Hersbach 他 2020 年）。CoCiP モデルは、雲の微物理学理論を使用して、どの飛行機雲が持続するかを判断し、初期の下降気流、落下、昇華を考慮します。CoCiP は、飛行機雲のシミュレートされた進化に基づいて、飛行機雲の特性と周囲の気象条件からエネルギー強制力を計算します。

CoCiP のエネルギー強制力の推定値に加えて、1 年間の CoCiP 出力を平均し、時間帯、季節、緯度でビン分割することで、気候学的なエネルギー強制力の推定値が計算されます。

最終的なエネルギー強制力は、ゼロ以外の EF を持つ CoCiP アンサンブル メンバーのエネルギー強制力と、常にゼロ以外の気候学的平均の平均です。平均に気候学を含めることで、CoCiP が気象アンサンブル メンバーのいずれかを使用して飛行機雲の形成を予測しない場合でも、飛行機雲の影響を推定できます。

予想される有効エネルギー強制

次に、ML モデルから計算された飛行機雲の形成確率と、CoCiP モデルから計算されたこれらの飛行機雲の実効エネルギー強制力の積として、実効エネルギー強制力の期待値が計算されます。

飛行機雲の放射強制力の指標値

計算された予想有効エネルギー強制値は、0 ～ 4 のスケールにマッピングされ、Contrail 強制インデックス値が生成されます。Contrail 強制インデックス値は、乱気流の予測値に基づいています。

Contrails API は、クリッピングと線形スケールを使用して expected_effective_energy_forcing を contrails 重大度指数に変換します。

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

このマッピングの詳細については、エネルギー強制の解釈をご覧ください。

また、Contrails API のリリースノートをお読みになり、このスケールの変更に関する通知を受け取るように登録することもできます。

次のステップ

参照

  • Geraedts、Scott、Erica Brand、Thomas R. Dean、Sebastian Eastham、Carl Elkin、Zebediah Engberg、Ulrike Hager 他。2023 年。「A Scalable System to Measure Contrail Formation on a per-Flight Basis.」（フライト単位で飛行機雲の形成を測定するスケーラブルなシステム）。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 他。2020 年。「The ERA5 Global Reanalysis.」Quarterly Journal of the Royal Meteorological Society 146 (730): 1999-2049。
  • Schumann, U. 2012. 「飛行機雲の予測モデル。」Geoscientific Model Development 5（3）: 543-80。
  • Schumann, U.、B. Mayer, K. Graf、H. マンシュタイン。2012. 「A Parametric Radiative Forcing Model for Contrail Cirrus.」（飛行機雲の巻雲のパラメトリック放射強制モデル）。Journal of Applied Meteorology and Climatology 51 (7): 1391-1406.
  • Shapiro、Marc、Zeb Engberg、Roger Teoh、Marc Stettler、Tom Dean。2023 年。 Pycontrails: Python Library for Modeling Aviation Climate Impacts（Pycontrails: 航空の気候への影響をモデル化するための Python ライブラリ）。 https://doi.org/10.5281/zenodo.825291
  • Teoh、Roger、Ulrich Schumann、Arnab Majumdar、Marc E. J. Stettler。2020 年。 「Mitigating the Climate Forcing of Aircraft Contrails by Small-Scale Diversions and Technology Adoption」Environmental Science & Technology 54 (5): 2941-50.