Dự báo vệt khói trắng

Contrails API sử dụng 2 mô hình khác nhau để dự báo vệt khói: một mô hình dựa trên học máy(ML) dự đoán các vùng có khả năng xuất hiện vệt khói và một mô hình dựa trên vật lý, Dự đoán mây ti tích do vệt khói (CoCiP), dự đoán hiện tượng nóng lên.

Mô hình dựa trên công nghệ học máy

Mô hình dự báo Vùng có khả năng xuất hiện vết phản lực (CLZ) dựa trên công nghệ học máy dự đoán xác suất hình thành vết phản lực. Mô hình này là một mạng nơ-ron sâu lấy các đặc điểm thời tiết làm dữ liệu đầu vào và dự đoán CLZ dựa trên thông tin phát hiện vết phản lực của vệ tinh (Geraedts và cộng sự, 2023).

Đầu vào của mô hình này chủ yếu bao gồm các đặc điểm thời tiết HRES: độ ẩm cụ thể, nhiệt độ, thành phần u của gió, thành phần v của gió, vận tốc theo phương thẳng đứng, độ xoáy tương đối, tỷ lệ che phủ của mây, hàm lượng nước đá cụ thể trong mây, hàm lượng nước cụ thể trong tuyết và độ phân kỳ. Độ ẩm tương đối được tính bằng độ ẩm và nhiệt độ cụ thể. Đầu vào cho mô hình cũng bao gồm thời gian mặt trời tại địa phương, ngày trong năm, vĩ độ và độ cao của các điểm tham chiếu trên đường bay.

Đối với một số khu vực địa lý (ví dụ: Hoa Kỳ), mô hình này được tinh chỉnh để sử dụng vĩ độ, kinh độ và độ cao làm các đặc điểm đầu vào, trong khi mô hình dự phòng toàn cầu chỉ sử dụng vĩ độ và độ cao.

Mô hình này đạt được hiệu suất vượt trội khi được đánh giá dựa trên dữ liệu về vệt khói quan sát được.

Mô hình CoCiP

Mô hình Dự đoán mây ti tích do vệt ngưng tụ tạo ra dự đoán lực tác động năng lượng của vệt ngưng tụ. Đây là một chỉ số đo lường tác động đến khí hậu của vệt ngưng tụ.

Lượng bức xạ cưỡng bức được xác định là:

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

nghĩa là lực bức xạ tức thời của vết phản lực được tích hợp trong suốt thời gian tồn tại của nó (Teoh và cộng sự, 2020). Lực tác động năng lượng được chuẩn hoá theo khoảng cách bay, dẫn đến đơn vị là (J/m).

CoCiP là một mô hình dựa trên vật lý mô phỏng quá trình hình thành, phát triển và tác động của vết phản lực bằng cách sử dụng các điều kiện khí quyển, loại máy bay, đường bay và các đặc điểm khác (Schumann 2012; Schumann và cộng sự 2012). Mô hình này sử dụng 10 thành viên của nhóm từ các nhóm dự báo có độ phân giải cao (HRES ENS) của ECMWF làm dữ liệu đầu vào để chuyển hướng các điểm tham chiếu của chuyến bay nơi vệt khói đã hình thành theo thời gian (Hersbach và cộng sự, 2020). Mô hình CoCiP cũng sử dụng lý thuyết vi vật lý đám mây để xác định những vệt khói nào tồn tại, tính đến luồng gió xuống ban đầu, sự rơi và sự thăng hoa. Dựa trên diễn biến mô phỏng của vệt ngưng tụ, CoCiP tính toán lực bức xạ dựa trên các đặc tính của vệt ngưng tụ và điều kiện thời tiết xung quanh.

Ngoài ước tính về lực tác động năng lượng của CoCiP, ước tính khí hậu học về lực tác động năng lượng được tính bằng cách lấy trung bình một năm đầu ra của CoCiP, được phân loại theo thời gian trong ngày, mùa và vĩ độ.

Lượng bức xạ cưỡng bức năng lượng cuối cùng là mức trung bình của bức xạ cưỡng bức năng lượng từ các thành phần trong nhóm CoCiP có EF khác 0 và mức trung bình khí hậu (luôn khác 0). Việc đưa khí hậu học vào giá trị trung bình đảm bảo ước tính được tác động của vết phản lực, ngay cả khi CoCiP không dự đoán sự hình thành của vết phản lực bằng cách sử dụng bất kỳ thành viên nào trong nhóm thời tiết.

Lực đẩy năng lượng hiệu quả dự kiến

Sau đó, mức năng lượng cưỡng bức hiệu quả dự kiến được tính bằng tích của xác suất hình thành vết phản lực được tính từ mô hình học máy và năng lượng cưỡng bức hiệu quả của những vết phản lực này được tính từ mô hình CoCiP.

Giá trị chỉ số tác động của vệt khói trắng

Sau đó, bạn có thể ánh xạ các giá trị cưỡng bức năng lượng hiệu quả dự kiến được tính toán với thang đo từ 0 đến 4 để tạo ra các giá trị chỉ số cưỡng bức của Contrail. Các giá trị chỉ số cưỡng bức của vệt khí thải được lấy cảm hứng từ các giá trị dự báo nhiễu loạn.

API Contrails chuyển expected_effective_energy_forcing thành chỉ số mức độ nghiêm trọng contrails thông qua việc cắt và một thang đo tuyến tính:

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

Để biết thêm thông tin cơ bản về hoạt động liên kết này, hãy xem phần Giải thích về việc bắt buộc sử dụng năng lượng.

Ngoài ra, bạn có thể đọc ghi chú phát hành Contrails API và đăng ký nhận thông báo để được thông báo về những thay đổi đối với quy mô này.

Bước tiếp theo

Tài liệu tham khảo

  • Geraedts, Scott, Erica Brand, Thomas R. Dean, Sebastian Eastham, Carl Elkin, Zebediah Engberg, Ulrike Hager và cộng sự. 2023. "A Scalable System to Measure Contrail Formation on a per-Flight Basis" (Một hệ thống có khả năng mở rộng để đo lường sự hình thành vệt khói trên cơ sở mỗi chuyến bay). 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, và cộng sự. 2020. "Phân tích lại toàn cầu ERA5". Quarterly Journal of the Royal Meteorological Society 146 (730): 1999-2049.
  • Schumann, U. 2012. "Mô hình dự đoán mây ti tích do vết phản lực tạo ra". Geoscientific Model Development 5 (3): 543-80.
  • Schumann, U., B. Mayer, K. Graf và 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 và Tom Dean. 2023. Pycontrails: Thư viện Python để mô hình hoá tác động của ngành hàng không đối với khí hậu. https://doi.org/10.5281/zenodo.825291
  • Teoh, Roger, Ulrich Schumann, Arnab Majumdar và Marc E. J. Stettler. 2020. "Giảm thiểu tác động đến khí hậu của vệt khói máy bay bằng cách thay đổi lộ trình ở quy mô nhỏ và áp dụng công nghệ." Environmental Science & Technology 54 (5): 2941-50.