O Google usa tecnologia de IA na tradução de conteúdos para seu idioma de preferência. As traduções com IA podem ter erros.

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 com probabilidade de rastros de condensação e um modelo baseado em física, o Contrail Cirrus Prediction (CoCiP), que prevê o aquecimento.

Modelo baseado em ML

O modelo de previsão de zona provável de rastro (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 meteorológicos 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 meteorológicos do 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 nuvem, conteúdo específico de água de neve e divergência. A umidade relativa é calculada usando a umidade e a temperatura específicas. As entradas para o modelo também incluem o horário solar local, o dia do ano e a altitude dos pontos de passagem do voo.

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

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

Modelo CoCiP

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

A força de energia é definida como:

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

ou seja, a força radiativa instantânea da trilha de condensação integrada ao longo da vida útil dela (Teoh et al. 2020). A força de energia é normalizada pela distância do voo, levando às 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, trajeto de voo e outros recursos (Schumann 2012; Schumann et al. 2012). O modelo usa 10 membros de conjunto das previsões de alta resolução do ECMWF (HRES ENS) como entradas para advecção dos pontos de passagem do voo em que os rastros de condensação se formaram 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 do ambiente.

Além da estimativa de forçamento de energia do CoCiP, uma estimativa climatológica de forçamento de energia é calculada pela média de um ano de saídas do CoCiP, agrupadas por hora do dia, estação e latitude.

A quantidade final de forçamento de energia é uma média do forçamento de energia dos membros do conjunto CoCiP com EF diferente de zero e a média climatológica, que é sempre diferente de zero. Incluir a climatologia na média garante uma estimativa do impacto do rastro, mesmo quando o CoCiP não prevê a formação de um rastro usando nenhum dos membros do conjunto meteorológico.

Forçamento de energia efetivo esperado

A força de energia efetiva esperada é calculada como o produto das probabilidades de formação de rastros de condensação calculadas com base no modelo de ML e na força de energia efetiva desses rastros calculada com base no modelo CoCiP.

Valores do índice de forçamento de rastros de condensação

Os valores de forçamento de energia efetivo esperado calculados podem ser mapeados para uma escala de 0 a 4 para produzir valores de índice de forçamento de rastro de condensação. Os valores do índice de forçamento de rastro são inspirados nos valores de previsão de turbulência.

A API Contrails traduz expected_effective_energy_forcing para o índice de gravidade contrails usando 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 de Energy Forcing.

Além disso, leia as notas da versão da API Contrails e se inscreva nos comunicados para receber notificações sobre mudanças nessa escala.

Equivalentes de CO2

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

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

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

em que:

EEEF é a sigla em inglês para Forçamento de Energia Eficaz Esperado.
Fator de GWP é o fator de potencial de aquecimento global, o inverso da força de energia integrada total produzida por 1 kg de $\text{CO}_2$ em um horizonte de tempo específico (H, em anos). Pode ser GWP 20, 50 ou 100.

Ofertas de fator de GWP

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

Horizonte de tempo	Fator de GWP (kg-$\text{CO}_2$/J)
GWP20	2.497e-9
GWP50	1.173e-9
GWP100	6.779e-10

Cálculo do fator GWP

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

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