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 Contrail Cirrus Prediction（CoCiP）です。
ML ベースのモデル
ML ベースの飛行機雲発生可能性ゾーン（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（比湿度、温度、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）で構成されます。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、地方時、年内の日付、緯度、飛行経由地の高度も含まれます。
一部の地域（米国など）では、モデルは緯度、経度、高度を入力特徴として使用するように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。
観測された飛行機雲データに対して評価すると、このモデルは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飛行機雲の瞬時放射強制力（Teoh et al. 2020）です。エネルギー強制力は飛行距離で正規化され、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、飛行機雲が形成された飛行経路のウェイポイントを時間方向に移流させます（Hersbach et al. 2020）。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、シミュレートされた飛行機雲の進化に基づいて、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、CoCiP の 1 年間の出力値を 1 日の時間帯、季節、緯度ごとにビンに分類して平均することで、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値の平均です。気候学を平均に含めることで、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
予想される実効エネルギー強制力は、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計算されます。
飛行機雲の強制力指数値
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、飛行機雲強制指数値が生成されます。飛行機雲強制指数値は、乱気流の予測値を基にしています。
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、エネルギー強制力の解釈をご覧ください。
また、Contrails API のリリースノートを読んで、このスケールの変更に関する通知を受け取るようにすることもできます。
CO2 換算値
実効エネルギー強制力の期待値は、二酸化炭素に匹敵する飛行機雲の気候変動への影響、つまり二酸化炭素換算値として解釈することもできます。
予測された飛行機雲の温暖化の $\text{CO}_2$ 換算値を計算するには、次の換算を使用します。
\[ \text{CO}_2\text{eq [kg]} = EEEF \text{ [J]} \times \text{GWP Factor} \]
ここで
- EEEF は Expected Effective Energy Forcing（予想される有効エネルギー強制力）の略称です。
- GWP 係数は地球温暖化係数です。特定の期間（H 年）に 1 kg の $\text{CO}_2$ によって発生するエネルギー強制力の合計の逆数です。GWP 20、50、100 のいずれかになります。
GWP Factor のサービス
20 年、50 年、100 年の期間に基づいて、GWP 係数は次のように設定されました。
| タイム ホライズン | GWP 係数（kg-$\text{CO}_2$/J） |
|---|---|
| GWP20 | 2.497e-9 |
| GWP50 | 1.173e-9 |
| GWP100 | 6.779e-10 |
GWP 係数の計算
これらの GWP 係数は、IPCC AR5 係数と次の計算を使用して、$\text{CO}_2$ の絶対地球温暖化係数（AGWP）から導出されます。
\[ \text{GWP Factor} = \frac{1}{AGWP_{\text{CO}_2, H} \times A_{\text{earth}} \times S_{\text{year}}} \]
ここで
- $AGWP_{\text{CO}_2, H}$: 選択した期間の $\text{CO}_2$ の絶対地球温暖化係数。IPCC AR5 から取得
- $A_{\text{earth}}$: 地球の表面積（$5.101 \times 10^{14} \text{ m}^2$）
- $S_{\text{year}}$: 1 年間の秒数（$31,536,000 \text{ s}$）
ライセンス
Forecast API で公開されるデータは、CC BY 4.0 に基づいてライセンス供与されています。
次のステップ
- ContrailWatch の帰属の概要を読んで、過去のフライトレベルの飛行機雲の帰属が飛行機雲の予測の改善にどのように使用されるかを確認する。
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.」（飛行機雲の巻雲に対するパラメトリック放射強制力モデル）。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」（小規模な迂回と技術の導入による航空機雲の気候強制力の緩和）。Environmental Science & Technology 54（5）: 2941-50。
- Teoh、Roger、Zebediah Engberg、Ulrich Schumann、Christiane Voigt、Marc Shapiro、Susanne Rohs、Marc E. J. Stettler。2024 年。「Global aviation contrail climate effects from 2019 to 2021.」（2019 年から 2021 年の航空機雲が気候に及ぼす世界的な影響）Atmospheric Chemistry and Physics 24: 6071–6093。 https://www.researchgate.net/publication/384141259_Global_aviation_contrail_climate_effects_from_2019_to_2021。