เราใช้โมเดล 2 แบบในการคาดการณ์คอนเทรล โมเดลแรกเป็นโมเดลที่อิงตามแมชชีนเลิร์นนิง (ML) ซึ่งจะคาดการณ์ความน่าจะเป็นของการเกิดคอนเทรล โมเดลการคาดการณ์โซนที่มีแนวโน้มจะเกิดคอนเทรล (CLZ) ของ ML คือโครงข่ายประสาทแบบลึกที่ใช้ลักษณะอากาศเป็นอินพุตและคาดการณ์ CLZ ตามการตรวจจับคอนเทรลจากดาวเทียม (Geraedts et al. 2023) อินพุตของโมเดล ML ประกอบด้วยฟีเจอร์สภาพอากาศ HRES เป็นหลัก โดยเฉพาะอย่างยิ่ง เราใช้ความชื้นสัมพัทธ์ อุณหภูมิ องค์ประกอบ u ของลม องค์ประกอบ v ของลม ความเร็วแนวตั้ง กระแสน้ำวนสัมพัทธ์ เศษส่วนของชั้นเมฆ ปริมาณน้ำแข็งในก้อนเมฆ ปริมาณน้ำในหิมะ และความแตกต่าง เราใช้ความชื้นสัมพัทธ์ที่คำนวณโดยใช้ความชื้นและอุณหภูมิที่เฉพาะเจาะจง นอกจากนี้ เรายังใช้เวลาแสงอาทิตย์ในพื้นที่ วันของปี ละติจูด และระดับความสูงของจุดแวะพักระหว่างเที่ยวบินเป็นฟีเจอร์อินพุตด้วย สำหรับพยากรณ์อากาศในสหรัฐอเมริกา เราจะใช้ลองจิจูดเป็นปัจจัยเพิ่มเติม โมเดลมีประสิทธิภาพที่ล้ำสมัยเมื่อประเมินเทียบกับข้อมูลคอนเทรลที่สังเกตได้
โมเดลที่ 2 คือโมเดลการคาดการณ์ Cirrus จากคอนเทรล (CoCiP) ซึ่งจะคาดการณ์การบังคับพลังงานของคอนเทรล ซึ่งเป็นมาตรวัดผลกระทบต่อสภาพภูมิอากาศของคอนเทรล การบังคับใช้พลังงานหมายถึง
ซึ่งหมายถึงการบังคับรังสีทันทีของคอนเทรลที่รวมตลอดอายุการใช้งาน (Teoh et al. 2020) นอกจากนี้ เรายังปรับค่าการบังคับใช้พลังงานตามระยะทางของเที่ยวบินด้วย ซึ่งทำให้หน่วยของค่านี้คือ \(J/m\)
CoCiP เป็นโมเดลที่อิงตามฟิสิกส์ซึ่งจำลองการก่อตัว วิวัฒนาการ และผลกระทบของคอนเทรล โดยใช้สภาพบรรยากาศ ประเภทเครื่องบิน เส้นทางการบิน และองค์ประกอบอื่นๆ (Schumann 2012; Schumann et al. 2012) เราใช้สมาชิกกลุ่ม 10 คนจากกลุ่มการคาดการณ์ความละเอียดสูง (HRES ENS) ของ ECMWF เป็นอินพุตสำหรับ CoCiP เพื่อเคลื่อนย้ายจุดแวะพักของเที่ยวบินที่มีการก่อตัวของคอนเทรล (Hersbach et al. 2020) นอกจากนี้ โมเดล CoCiP ยังใช้ทฤษฎีไมโครฟิสิกส์ของเมฆเพื่อพิจารณาว่าคอนเทรลส์ใดยังคงอยู่ โดยพิจารณาจากกระแสลมลง การตกลงมา และการระเหิดขั้นต้น เมื่อพิจารณาการเปลี่ยนแปลงของคอนเทรลที่จำลองแล้ว CoCiP จะคำนวณการบังคับใช้พลังงานตามคุณสมบัติของคอนเทรลและสภาพอากาศโดยรอบ
นอกจากค่าประมาณการบังคับของพลังงานจาก CoCiP แล้ว เรายังใช้ค่าประมาณการบังคับของพลังงานจากสภาพอากาศด้วย ภูมิอากาศวิทยาจะคํานวณโดยหาค่าเฉลี่ยของเอาต์พุต CoCiP 1 ปี โดยจัดกลุ่มตามช่วงเวลาของวัน ฤดูกาล และละติจูด
ปริมาณการบังคับให้พลังงานสุดท้ายคือค่าเฉลี่ยของการบังคับให้พลังงานจากสมาชิกกลุ่ม CoCiP ที่มี EF ไม่ใช่ 0 และค่าเฉลี่ยตามภูมิอากาศ ซึ่งไม่ใช่ 0 เสมอ การรวมข้อมูลภูมิอากาศไว้ในค่าเฉลี่ยช่วยให้เราทราบผลกระทบโดยประมาณของคอนเทรลได้เสมอ แม้ว่า CoCiP จะไม่คาดการณ์การเกิดคอนเทรลโดยใช้สมาชิกกลุ่มอากาศใดก็ตาม
เรารวมการคาดการณ์ 2 รายการนี้โดยใช้ผลิตภัณฑ์ต่อไปนี้
การบังคับพลังงานที่มีประสิทธิภาพที่คาดไว้ \(=\) (ความน่าจะเป็นของการก่อตัวของคอนเทรล) \(\times\) (การบังคับพลังงานของคอนเทรล, CoCiP และภูมิอากาศวิทยา) \(\times\) (ปัจจัยการแปลง RF เป็น ERF, 0.42)
ข้อมูลอ้างอิง
Geraedts, Scott, Erica Brand, Thomas R. Dean, Sebastian Eastham, Carl Elkin, Zebediah Engberg, Ulrike Hager, et al. 2023. "ระบบที่ปรับขนาดได้เพื่อวัดการก่อตัวของคอนเทรลตามเที่ยวบิน" 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. "ERA5 Global Reanalysis" 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 สําหรับการประมาณผลกระทบต่อสภาพภูมิอากาศจากการบิน https://doi.org/10.5281/zenodo.825291
Teoh, Roger, Ulrich Schumann, Arnab Majumdar และ Marc E. J. Stettler 2020 "การลดผลกระทบต่อสภาพอากาศของคอนเทรลของเครื่องบินโดยการเบี่ยงเส้นทางในวงกว้างและการนําเทคโนโลยีมาใช้" Environmental Science & Technology 54 (5): 2941-50.