Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

Prognozowanie smug kondensacyjnych

Interfejs Contrails API korzysta z 2 różnych modeli prognozowania śladów kondensacyjnych: modelu opartego na uczeniu maszynowym, który przewiduje strefy, w których prawdopodobnie powstaną ślady kondensacyjne, oraz modelu fizycznego Contrail Cirrus Prediction (CoCiP), który przewiduje ocieplenie.

Model oparty na ML

Model prognozowania prawdopodobnej strefy smug kondensacyjnych (CLZ) oparty na uczeniu maszynowym przewiduje prawdopodobieństwo powstania smug kondensacyjnych. Model to głęboka sieć neuronowa, która przyjmuje dane pogodowe jako dane wejściowe i przewiduje CLZ na podstawie wykrywania smug kondensacyjnych z satelity (Geraedts i in. 2023).

Dane wejściowe modelu składają się głównie z cech pogodowych HRES: wilgotności właściwej, temperatury, składowej u wiatru, składowej v wiatru, prędkości pionowej, względnej wirowości, ułamka zachmurzenia, zawartości wody w lodzie w chmurach, zawartości wody w śniegu i dywergencji. Wilgotność względna jest obliczana na podstawie wilgotności właściwej i temperatury. Dane wejściowe modelu obejmują też lokalny czas słoneczny, dzień roku, szerokość geograficzną i wysokość punktów trasy lotu.

W przypadku niektórych obszarów geograficznych (np. Stanów Zjednoczonych) model jest dostosowany do używania szerokości i długości geograficznej oraz wysokości jako cech wejściowych, natomiast globalny model rezerwowy używa tylko szerokości geograficznej i wysokości.

Model osiąga najnowocześniejszą skuteczność w porównaniu z danymi obserwacyjnymi dotyczącymi śladów kondensacyjnych.

Model CoCiP

Model prognozowania chmur cirrus powstałych ze smug kondensacyjnych przewiduje wymuszenie energetyczne smug kondensacyjnych, które jest miarą wpływu smug kondensacyjnych na klimat.

Wymuszanie energii jest zdefiniowane w ten sposób:

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

oznacza natychmiastowe wymuszanie radiacyjne smug kondensacyjnych zintegrowane w czasie ich istnienia (Teoh i in. 2020). Wymuszanie radiacyjne jest normalizowane przez odległość lotu, co daje jednostkę (J/m).

CoCiP to model fizyczny, który symuluje powstawanie, ewolucję i wpływ smug kondensacyjnych na podstawie warunków atmosferycznych, typu samolotu, trasy lotu i innych cech (Schumann 2012; Schumann i in. 2012). Model wykorzystuje 10 elementów zespołu prognoz z zespołów prognoz o wysokiej rozdzielczości (HRES ENS) Europejskiego Centrum Prognoz Średnioterminowych (ECMWF) jako dane wejściowe do przenoszenia punktów trasy lotu, w których utworzyły się smugi kondensacyjne, w przyszłość (Hersbach i in. 2020). Model CoCiP wykorzystuje też teorię mikroprocesów chmurowych, aby określić, które smugi kondensacyjne utrzymują się w powietrzu, uwzględniając początkowy prąd zstępujący, opadanie i sublimację. Na podstawie symulowanej ewolucji smug kondensacyjnych CoCiP oblicza wymuszenie energetyczne na podstawie właściwości smug kondensacyjnych i otaczających warunków pogodowych.

Oprócz oszacowania wymuszenia radiacyjnego przez CoCiP obliczane jest też oszacowanie klimatyczne wymuszenia radiacyjnego. W tym celu uśrednia się roczne dane wyjściowe CoCiP podzielone na przedziały czasowe, pory roku i szerokości geograficzne.

Końcowa wartość wymuszenia energetycznego jest średnią wartości wymuszenia energetycznego z członków zespołu CoCiP o niezerowym EF i średniej klimatycznej, która jest zawsze niezerowa. Uwzględnienie klimatologii w średniej zapewnia oszacowanie wpływu smug kondensacyjnych nawet wtedy, gdy CoCiP nie przewiduje ich powstawania w żadnym z elementów zespołu prognoz pogody.

Oczekiwane efektywne wymuszanie energii

Oczekiwane efektywne wymuszanie energii jest następnie obliczane jako iloczyn prawdopodobieństwa powstania smug kondensacyjnych obliczonego na podstawie modelu ML i efektywnego wymuszania energii przez te smugi obliczonego na podstawie modelu CoCiP.

Wartości indeksu wymuszania smug kondensacyjnych

Obliczone oczekiwane wartości efektywnego wymuszania energii można następnie przypisać do skali od 0 do 4, aby uzyskać wartości indeksu wymuszania smug kondensacyjnych. Wartości indeksu wymuszania smug kondensacyjnych są inspirowane wartościami prognozy turbulencji.

Interfejs Contrails API przekształca wartość expected_effective_energy_forcing na indeks ważności contrails za pomocą przycinania i skali liniowej:

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

Więcej informacji o tym mapowaniu znajdziesz w artykule Interpretacja wymuszania energii.

Możesz też zapoznać się z informacjami o wersji interfejsu Contrails API i zasubskrybować ogłoszenia, aby otrzymywać powiadomienia o zmianach w tej skali.

ekwiwalenty CO2,

Oczekiwany efektywny wpływ energetyczny można też interpretować w kategoriach wpływu smug kondensacyjnych na klimat porównywalnego z dwutlenkiem węgla, czyli ich ekwiwalentu CO₂.

Aby obliczyć równoważnik dwutlenku węgla prognozowanego ocieplenia spowodowanego przez smugi kondensacyjne, użyj tego przelicznika:

\[ \text{CO}_2\text{eq [kg]} = EEEF \text{ [J]} \times \text{GWP Factor} \]

gdzie:

EEEF to Expected Effective Energy Forcing (spodziewane efektywne wymuszanie energii).
Współczynnik GWP to współczynnik potencjału globalnego ocieplenia; odwrotność całkowitego zintegrowanego wymuszania radiacyjnego wywołanego przez 1 kg $\text{CO}_2$ w określonym horyzoncie czasowym (H, w latach). Może to być GWP 20, 50 lub 100.

Oferty dotyczące współczynnika GWP

W przypadku horyzontów czasowych wynoszących 20, 50 i 100 lat współczynniki GWP były następujące:

Horyzont czasowy	Współczynnik GWP (kg-$\text{CO}_2$/J)
GWP20	2,497e-9
GWP50	1.173e-9
GWP100	6,779e-10

Obliczanie współczynnika GWP

Te współczynniki GWP są obliczane na podstawie bezwzględnego potencjału globalnego ocieplenia (AGWP) dla $\text{CO}_2$ z wykorzystaniem współczynników IPCC AR5 i tego wzoru:

\[ \text{GWP Factor} = \frac{1}{AGWP_{\text{CO}_2, H} \times A_{\text{earth}} \times S_{\text{year}}} \]