การพยากรณ์คอนเทรล

Contrails API ใช้โมเดล 2 แบบที่แตกต่างกันในการคาดการณ์คอนเทรล ได้แก่ โมเดลที่อิงตามแมชชีนเลิร์นนิง(ML) ซึ่งคาดการณ์โซนที่มีแนวโน้มเกิดคอนเทรล และโมเดลที่อิงตามฟิสิกส์ ซึ่งเป็นการคาดการณ์เมฆเซอร์รัสจากคอนเทรล (CoCiP) ที่คาดการณ์ภาวะโลกร้อน

โมเดลที่อิงตาม ML

โมเดลการพยากรณ์โซนที่มีแนวโน้มเกิดคอนเทรล (CLZ) ที่อิงตาม ML จะคาดการณ์ความน่าจะเป็นของการเกิดคอนเทรล โมเดลนี้เป็นโครงข่ายประสาทแบบลึกที่ ใช้ฟีเจอร์สภาพอากาศเป็นอินพุตและคาดการณ์ CLZ โดยอิงตามการตรวจจับ คอนเทรลจากดาวเทียม (Geraedts et al. 2023)

อินพุตของโมเดลประกอบด้วยฟีเจอร์สภาพอากาศ HRES เป็นหลัก ได้แก่ ความชื้นจำเพาะ อุณหภูมิ องค์ประกอบ u ของลม องค์ประกอบ v ของลม ความเร็วในแนวตั้ง ความปั่นป่วนสัมพัทธ์ เศษส่วนของปริมาณเมฆ ปริมาณน้ำแข็งในเมฆจำเพาะ ปริมาณหิมะจำเพาะ และการกระจาย ความชื้นสัมพัทธ์จะคำนวณ โดยใช้ความชื้นและอุณหภูมิที่เฉพาะเจาะจง ข้อมูลที่ป้อนลงในโมเดลยังรวมถึง เวลาแสงอาทิตย์ในพื้นที่ วันที่ของปี ละติจูด และระดับความสูงของจุดอ้างอิงการบิน

สำหรับบางพื้นที่ทางภูมิศาสตร์ (เช่น สหรัฐอเมริกา) โมเดลจะได้รับการปรับแต่งให้ใช้ ละติจูด ลองจิจูด และระดับความสูงเป็นฟีเจอร์อินพุต ในขณะที่ฟอลแบ็กส่วนกลางของโมเดล จะใช้เฉพาะละติจูดและระดับความสูง

โมเดล มีประสิทธิภาพล้ำสมัยเมื่อประเมินเทียบกับข้อมูล คอนเทรลจากการสังเกต

โมเดล CoCiP

โมเดลการคาดการณ์เมฆเซอร์รัสจากคอนเทรลจะคาดการณ์แรงบังคับด้านพลังงานของคอนเทรล ซึ่งเป็นตัววัดผลกระทบต่อสภาพอากาศของคอนเทรล

การบังคับทางพลังงานถูกกำหนดให้เป็น:

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

ซึ่งหมายถึงแรงจากการแผ่รังสีแบบฉับพลันของคอนเทรลที่รวมกันตลอดอายุการใช้งาน (Teoh และคณะ 2020) การบังคับใช้พลังงานจะได้รับการปรับให้เป็นมาตรฐานตามระยะทางการบิน ซึ่งส่งผลให้หน่วยเป็น (J/m)

CoCiP เป็นโมเดลที่อิงตามฟิสิกส์ซึ่งจำลองการก่อตัว วิวัฒนาการ และผลกระทบของคอนเทรลโดยใช้สภาพอากาศ ประเภทเครื่องบิน เส้นทางการบิน และฟีเจอร์อื่นๆ (Schumann 2012; Schumann et al. 2012) โมเดลใช้สมาชิก 10 คนจากกลุ่มการพยากรณ์ความละเอียดสูงของ ECMWF (HRES ENS) เป็นข้อมูลนำเข้าสำหรับการเคลื่อนที่ของจุดอ้างอิงการบินที่เกิดคอนเทรลไปข้างหน้าตามเวลา (Hersbach และคณะ 2020) โมเดล CoCiP ยังใช้ทฤษฎีฟิสิกส์จุลภาคของเมฆเพื่อ พิจารณาว่าคอนเทรลใดคงอยู่ โดยคำนึงถึงกระแสลมลงเริ่มต้น การตก และ การระเหิด เมื่อพิจารณาถึงวิวัฒนาการของคอนเทรลที่จำลองขึ้น CoCiP จะคำนวณ การแผ่รังสีตามคุณสมบัติของคอนเทรลและสภาพอากาศโดยรอบ

นอกเหนือจากการประมาณค่าการแผ่รังสีของ CoCiP แล้ว เรายังคำนวณการประมาณค่าการแผ่รังสีทางภูมิอากาศ โดยการหาค่าเฉลี่ยของเอาต์พุต CoCiP เป็นเวลา 1 ปี ซึ่งจัดกลุ่มตามเวลาของวัน ฤดูกาล และละติจูด

ปริมาณการแผ่รังสีพลังงานขั้นสุดท้ายคือค่าเฉลี่ยของการแผ่รังสีพลังงานจากสมาชิกกลุ่ม CoCiP ที่มี EF ไม่เป็น 0 และค่าเฉลี่ยทางภูมิอากาศซึ่งไม่เป็น 0 เสมอ การรวมภูมิอากาศวิทยาไว้ในค่าเฉลี่ยจะช่วยให้ประมาณผลกระทบของคอนเทรลได้ แม้ว่า CoCiP จะไม่คาดการณ์การก่อตัวของคอนเทรลโดยใช้สมาชิกการพยากรณ์อากาศก็ตาม

การบังคับใช้พลังงานที่มีประสิทธิภาพตามที่คาดไว้

จากนั้นจะคำนวณการแผ่รังสีที่มีประสิทธิภาพที่คาดไว้เป็นผลคูณของความน่าจะเป็นของการเกิดคอนเทรลที่คำนวณจากโมเดล ML และการแผ่รังสีที่มีประสิทธิภาพของคอนเทรลเหล่านี้ที่คำนวณจากโมเดล CoCiP

ค่าดัชนีการแผ่รังสีจากคอนเทรล

จากนั้นจะสามารถแมปค่าการบังคับใช้พลังงานที่มีประสิทธิภาพที่คาดการณ์ไว้ซึ่งคำนวณแล้วกับ สเกล 0 ถึง 4 เพื่อสร้างค่าดัชนีการบังคับใช้ของคอนเทรล ค่าดัชนีแรงบังคับของคอนเทรล ได้รับแรงบันดาลใจจากค่าพยากรณ์ความปั่นป่วน

Contrails API จะแปล expected_effective_energy_forcing เป็นดัชนีความรุนแรงของ contrails ผ่านการตัดและการปรับขนาดเชิงเส้น ดังนี้

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

ดูข้อมูลพื้นฐานเพิ่มเติมเกี่ยวกับการเชื่อมโยงนี้ได้ที่ การตีความการบังคับใช้พลังงาน

นอกจากนี้ คุณยังอ่านบันทึกประจำรุ่นของ Contrails API และสมัครรับการประกาศเพื่อรับการแจ้งเตือนเกี่ยวกับการเปลี่ยนแปลงขนาดนี้ได้ด้วย

ขั้นตอนถัดไป

ข้อมูลอ้างอิง

  • Geraedts, Scott, Erica Brand, Thomas R. Dean, Sebastian Eastham, Carl Elkin, Zebediah Engberg, Ulrike Hager, et al. 2023. "A Scalable System to Measure Contrail Formation on a per-Flight Basis." 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, et al. 2020. "การวิเคราะห์ซ้ำทั่วโลกของ ERA5" Quarterly Journal of the Royal Meteorological Society 146 (730): 1999-2049.
  • Schumann, U. 2012 "A Contrail Cirrus Prediction Model" Geoscientific Model Development 5 (3): 543-80.
  • Schumann, U., ข. Mayer, K. Graf และ H. Mannstein 2012 "A Parametric Radiative Forcing Model for Contrail Cirrus" Journal of Applied Meteorology and Climatology 51 (7): 1391-1406.
  • Shapiro, Marc, Zeb Engberg, Roger Teoh, Marc Stettler และ Tom Dean 2023 Pycontrails: ไลบรารี Python สำหรับการสร้างแบบจำลองผลกระทบต่อสภาพอากาศจากการบิน https://doi.org/10.5281/zenodo.825291
  • Teoh, Roger, Ulrich Schumann, Arnab Majumdar และ Marc E. J. Stettler 2020 "การลดผลกระทบต่อสภาพอากาศจากร่องรอยของเครื่องบินโดยการเปลี่ยนเส้นทางขนาดเล็ก และการนำเทคโนโลยีมาใช้" Environmental Science & Technology 54 (5): 2941-50.