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

Yoğunlaşma izi tahmini

Contrails API, yoğunlaşma izlerini tahmin etmek için iki farklı model kullanır: yoğunlaşma izi oluşma olasılığı olan bölgeleri tahmin eden makine öğrenimine(ML) dayalı bir model ve ısınmayı tahmin eden fizik tabanlı bir model olan Contrail Cirrus Prediction (CoCiP).

ML'ye dayalı model

Makine öğrenimine dayalı Contrail Likely Zone (CLZ) tahmin modeli, yoğunlaşma izi oluşma olasılığını tahmin eder. Bu model, hava durumu özelliklerini giriş olarak alan ve uydu izi algılamalarına dayalı olarak CLZ'leri tahmin eden bir derin sinir ağıdır (Geraedts ve diğerleri, 2023).

Girdileri temel olarak HRES hava durumu özelliklerinden oluşur: özgül nem, sıcaklık, rüzgarın u bileşeni, rüzgarın v bileşeni, dikey hız, bağıl vortisite, bulut örtüsü oranı, özgül bulut buzlu su içeriği, özgül kar suyu içeriği ve ıraksama. Bağıl nem, özgül nem ve sıcaklık kullanılarak hesaplanır. Modele yapılan girdiler arasında yerel güneş saati, yılın günü, enlem ve uçuş rotası ara noktalarının yüksekliği de bulunur.

Bazı coğrafi bölgelerde (ör.ABD) model, giriş özellikleri olarak enlem, boylam ve yüksekliği kullanacak şekilde ince ayarlanır. Modelin genel yedeklemesi ise yalnızca enlem ve yüksekliği kullanır.

Model, gözlemsel yoğunlaşma izi verileriyle karşılaştırıldığında son teknoloji performansına ulaşıyor.

CoCiP modeli

Yoğunlaşma izi sirüs bulutu tahmin modeli, yoğunlaşma izinin enerji zorlamasını tahmin eder. Bu, yoğunlaşma izinin iklim üzerindeki etkisinin bir ölçüsüdür.

Enerji zorlaması şu şekilde tanımlanır:

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

Yani, izlerin ömrü boyunca anlık radyatif zorlaması (Teoh ve diğerleri, 2020). Enerji zorlaması, uçuş mesafesine göre normalleştirilir ve birimi (J/m) olur.

CoCiP, atmosferik koşulları, uçak türünü, uçuş rotasını ve diğer özellikleri kullanarak yoğuşma izi oluşumunu, gelişimini ve etkisini simüle eden fizik tabanlı bir modeldir (Schumann 2012; Schumann ve diğerleri 2012). Model, ECMWF'nin yüksek çözünürlüklü tahmin topluluklarından (HRES ENS) 10 topluluk üyesini, uçuş rotası üzerindeki, yoğunlaşma izlerinin oluştuğu noktaları zaman içinde ileriye doğru taşımak için girdi olarak kullanır (Hersbach ve diğerleri, 2020). CoCiP modeli, ilk aşağı yönlü hava akımı, düşme ve süblimasyonu hesaba katarak hangi yoğunlaşma izlerinin kalıcı olduğunu belirlemek için bulut mikrofizik teorisini de kullanır. Yoğunlaşma izinin simüle edilmiş evrimi göz önüne alındığında CoCiP, yoğunlaşma izi özelliklerine ve çevredeki hava koşullarına göre enerji zorlamasını hesaplar.

CoCiP'nin enerji zorlaması tahminine ek olarak, bir yıllık CoCiP çıktılarının günün saatine, mevsime ve enleme göre gruplandırılmasıyla enerji zorlamasının klimatolojik bir tahmini hesaplanır.

Nihai enerji zorlama miktarı, sıfır olmayan EF'ye sahip CoCiP topluluk üyelerinin enerji zorlaması ile her zaman sıfır olmayan klimatolojik ortalamanın ortalamasıdır. Klimatolojinin ortalamaya dahil edilmesi, CoCiP hava durumu topluluğu üyelerinden herhangi birini kullanarak bir yoğuşma izinin oluşumunu tahmin etmese bile yoğuşma izi etkisinin tahmin edilmesini sağlar.

Beklenen etkili enerji zorlaması

Beklenen etkili enerji zorlaması, makine öğrenimi modelinden hesaplanan yoğuşma izi oluşumu olasılıkları ile CoCiP modelinden hesaplanan bu yoğuşma izlerinin etkili enerji zorlamasının çarpımı olarak hesaplanır.

Yoğunlaşma izine bağlı zorlama endeksi değerleri

Hesaplanan beklenen etkili enerji zorlama değerleri, Contrail zorlama indeksi değerlerini oluşturmak için 0 ile 4 arasındaki bir ölçekle eşlenebilir. Contrail zorlama indeksi değerleri, türbülans tahmini değerlerinden esinlenmiştir.

Contrails API, expected_effective_energy_forcing değerini kırpma ve doğrusal ölçek kullanarak contrails önem derecesi dizinine çevirir:

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

Bu eşleme hakkında daha fazla bilgi için Enerji Zorlama Yorumu başlıklı makaleyi inceleyin.

Ayrıca, Contrails API sürüm notlarını okuyabilir ve bu ölçekteki değişikliklerden haberdar olmak için duyurulara abone olabilirsiniz.

CO2 eşdeğerleri

Beklenen etkin enerji zorlaması, yoğunlaşma izlerinin karbondioksitle karşılaştırılabilir iklim etkisi, yani $\text{CO}_2$ eşdeğeri açısından da yorumlanabilir.

Öngörülen yoğuşma izi ısınmasının $\text{CO}_2$ eşdeğerini hesaplamak için aşağıdaki dönüşümü kullanın:

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

Bu örnekte:

EEEF, Beklenen Etkili Enerji Zorlamasıdır.
KIP Faktörü, Küresel Isınma Potansiyeli Faktörü'dür. Belirli bir zaman aralığında (H, yıl cinsinden) 1 kg $\text{CO}_2$ tarafından üretilen toplam entegre enerji zorlamasının tersidir. KIP 20, 50 veya 100 olabilir.

GWP Factor teklifleri

20, 50 ve 100 yıllık zaman aralıklarına göre sunulan GWP faktörleri:

Zaman ufku	GWP Faktörü (kg-$\text{CO}_2$/J)
GWP20	2,497e-9
GWP50	1.173e-9
GWP100	6.779e-10

KIP faktörü hesaplaması

Bu KIP faktörleri, IPCC AR5 faktörleri kullanılarak $\text{CO}_2$ için Mutlak Küresel Isınma Potansiyeli'nden (AGWP) ve aşağıdaki hesaplamadan elde edilir:

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