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

Previsão de rastros de condensação

A API Contrails usa dois modelos diferentes para prever rastros de condensação: um modelo baseado em machine learning(ML) que prevê zonas prováveis de rastros e um modelo baseado em física, Contrail Cirrus Prediction (CoCiP), que prevê o aquecimento.

Modelo baseado em ML

O modelo de previsão de zona provável de rastros de condensação (CLZ, na sigla em inglês) baseado em ML prevê a probabilidade de formação de rastros. O modelo é uma rede neural profunda que usa recursos climáticos como entradas e prevê CLZs com base em detecções de rastros de condensação por satélite (Geraedts et al. 2023).

As entradas consistem principalmente em recursos climáticos de HRES: umidade específica, temperatura, componente u do vento, componente v do vento, velocidade vertical, vorticidade relativa, fração de cobertura de nuvens, conteúdo específico de água de gelo de nuvens, conteúdo específico de água de neve e divergência. A umidade relativa é calculada usando umidade e temperatura específicas. As entradas do modelo também incluem horário solar local, dia do ano, latitude e altitude dos pontos de referência da rota de voo.

Para algumas áreas geográficas (por exemplo, os Estados Unidos), o modelo é ajustado para usar latitude, longitude e altitude como recursos de entrada, enquanto o fallback global do modelo usa apenas latitude e altitude.

O modelo alcança um desempenho de última geração quando avaliado em relação a dados observacionais de rastros de condensação.

Modelo CoCiP

O modelo de previsão de rastros de condensação prevê a força energética do rastro, que é uma medida do impacto climático do rastro.

A força energética é definida como:

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

o que significa a força radiativa instantânea do rastro de condensação integrada ao longo da vida útil (Teoh et al. 2020). A força energética é normalizada pela distância de voo, resultando em unidades de (J/m).

O CoCiP é um modelo baseado em física que simula a formação, a evolução e o impacto de rastros de condensação usando condições atmosféricas, tipo de aeronave, trajetória de voo e outros recursos (Schumann 2012; Schumann et al. 2012). O modelo usa 10 membros de conjunto dos conjuntos de previsão de alta resolução do ECMWF (HRES ENS) como entradas para advectar os pontos de referência de voo em que os rastros de condensação foram formados no futuro (Hersbach et al. 2020). O modelo CoCiP também usa a teoria da microfísica de nuvens para determinar quais rastros de condensação persistem, considerando a corrente descendente inicial, a queda e a sublimação. Considerando a evolução simulada do rastro de condensação, o CoCiP calcula a força energética com base nas propriedades do rastro e nas condições climáticas ao redor.

Além da estimativa de força energética do CoCiP, uma estimativa climatológica de força energética é calculada pela média de um ano de saídas do CoCiP, agrupadas por horário do dia, estação e latitude.

A quantidade final de força energética é uma média da força energética dos membros do conjunto CoCiP com EF diferente de zero e a média climatológica, que é sempre diferente de zero. A inclusão da climatologia na média garante uma estimativa do impacto do rastro de condensação, mesmo quando o CoCiP não prevê a formação de um rastro de condensação usando nenhum dos membros do conjunto climático.

Força energética efetiva esperada

A força energética efetiva esperada é calculada como o produto das probabilidades de formação de rastros de condensação calculadas pelo modelo de ML e a força energética efetiva desses rastros calculada pelo modelo CoCiP.

Valores do índice de força de rastros de condensação

Os valores de força energética efetiva esperada calculados podem ser mapeados para uma escala de 0 a 4 para produzir valores de índice de força de rastros de condensação. Os valores do índice de força de rastros de condensação são inspirados nos valores de previsão de turbulência.

A API Contrails traduz expected_effective_energy_forcing para o índice de gravidade contrails por meio de recorte e uma escala linear:

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

Para mais informações sobre esse mapeamento, consulte Interpretação da força energética.

Além disso, você pode ler as notas da versão da API Contrails e se inscrever em anúncios para receber notificações sobre mudanças nessa escala.

Equivalentes de CO2

A força energética efetiva esperada também pode ser interpretada em termos de impacto climático de rastros de condensação comparáveis ao dióxido de carbono, ou seja, o equivalente de $\text{CO}_2$.

Para calcular o equivalente de $\text{CO}_2$ do aquecimento de rastros de condensação previsto, use a seguinte conversão:

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

em que:

EEEF é a força energética efetiva esperada
Fator GWP é o fator de potencial de aquecimento global, o inverso da força energética integrada total produzida por 1 kg de $\text{CO}_2$ em um horizonte temporal específico (H, em anos). Pode ser GWP 20, 50 ou 100.

Ofertas de fatores GWP

Com base em horizontes temporais de 20, 50 e 100 anos, os fatores GWP oferecidos são:

Horizonte temporal	Fator GWP (kg-$\text{CO}_2$/J)
GWP20	2,497e-9
GWP50	1,173e-9
GWP100	6,779e-10

Cálculo do fator GWP

Esses fatores GWP são derivados do potencial de aquecimento global absoluto (AGWP) para $\text{CO}_2$ usando fatores IPCC AR5 e o seguinte cálculo:

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