ویژگی‌های ContrailWatch

ContrailWatch مجموعه‌ای از نسبت‌های پسدمه در سطح پرواز، برای پروازهایی در تاریخ گذشته است که با استفاده از روش‌های شرح داده شده در Sarna و همکاران، ۲۰۲۵ ، که بر اساس Geraedts و همکاران، ۲۰۲۳ ساخته شده است، محاسبه می‌شوند.

اگرچه به‌طور مستقیم برای برنامه‌ریزی پرواز استفاده نمی‌شود، اما انتساب ردپاها برای آموزش، ارزیابی و اهداف آموزشی مهم است. امیدواریم که این داده‌ها برای تسریع تحقیقات ردپاها مورد استفاده قرار گیرد.

کاربرد

از نسبت‌های ContrailWatch برای آموزش پیش‌بینی‌های ردپای مبتنی بر یادگیری ماشین، ارزیابی آزمایش‌های اجتناب از ردپا و ارائه بینش‌هایی در مورد الگوهای تشکیل ردپا استفاده شده است.

مثال

این تصویر نمونه، فریمی از توالی تصاویر ماهواره‌ای GOES-16 بر فراز منطقه ساحل خلیج مکزیک است. از این تصویر برای ارزیابی اینکه آیا یک پرواز اجتناب از ردپا، ردپای قابل تشخیصی ایجاد کرده است یا خیر، استفاده شده است.

انتساب GOES-16 با استفاده از تصاویر ماهواره‌ای

خطوط ضخیم، مسیر پرواز اصلی و مسیر پروازِ تحت تأثیر باد را به همراه ردّ هوا که توسط سیستم بینایی کامپیوتر شناسایی شده است، نشان می‌دهند. جزئیات بیشتر در مقاله اصلی موجود است.

محدودیت‌ها

انتساب‌های ContrailWatch با محدودیت‌های زیر همراه هستند:

  • پوشش جغرافیایی: تخصیص‌ها در زیرمناطق GOES-East (به‌ویژه قاره آمریکا) و MTG (قاره اروپا) در دسترس هستند.

    انتساب‌های مبتنی بر GOES East کیفیتی در سطح تولید دارند، در حالی که انتساب‌های مبتنی بر MTG هنوز در مرحله بتا هستند.

  • متمرکز بر تشکیل: نسبت‌ها بر اساس مشاهدات تشکیل پس‌دمه از تصاویر ماهواره‌ای هستند و نه مشاهده مستقیم نیروی تابشی.

    یک نیروی مؤثر تخمینی بر اساس میانگین‌های اقلیمی مشتق‌شده از CoCiP ارائه شده است ( Schumann 2012 ; Platt et al. 2024 ). روش‌شناسی تخمین نیروی مؤثر، یک حوزه تحقیقاتی فعال است و ممکن است در نسخه‌های آینده تغییر کند.

  • یادآوری: ممکن است این نسبت‌ها نشان‌دهنده‌ی وسعت کامل تشکیل دنباله‌ها در این منطقه نباشند.

    درک درصد تشکیل پس‌دمه‌ها که در تصاویر ماهواره‌ای قابل مشاهده است، یک سوال تحقیقاتی بی‌پاسخ است. تحقیقات اخیر نشان می‌دهد که حدود نیمی از تمام پس‌دمه‌ها در ماهواره‌های زمین‌ثابت قابل تشخیص هستند و اکثریت قریب به اتفاق گرمایش ناشی از پس‌دمه‌هایی است که در مقطعی از عمر خود قابل تشخیص هستند ( درایور و همکاران، 2025 ).

منابع

  • گرایدتس، اسکات، اریکا برند، توماس آر. دین، سباستین ایستهام، کارل الکین، زبدیا انگبرگ، اولریکه هاگر و همکاران. ۲۰۲۳. یک سیستم مقیاس‌پذیر برای اندازه‌گیری تشکیل پسدمه‌ها بر اساس هر پرواز. ارتباطات تحقیقات محیطی، http://doi.org/10.1088/2515-7620/ad11ab.

  • سارنا، آ.، مایر، و.، شوالیر، آر.، دانکن، آ.، مک‌کانهی، ک.، گرایدتس، س.، و مک‌کلاسکی، ک.: معیارسنجی و بهبود الگوریتم‌ها برای نسبت دادن پسدمه‌های مشاهده‌شده توسط ماهواره به پروازها، تکنیک‌های اندازه‌گیری جوی، https://doi.org/10.5194/amt-18-3495-2025.

  • شومان، یو. 2012. "مدل پیش‌بینی سیروس پس‌دمه". توسعه مدل زمین‌شناسی 5 (3): 543-80.

  • جان سی پلات، مارک ال شاپیرو، زبدیا انگبرگ، کوین مک‌کلاسکی، اسکات گرایدتس، تارون سانکار، مارک ای‌جی استتلر، راجر تئو، اولریش شومان، سوزان روه: تأثیر عدم قطعیت در رطوبت و پارامترهای مدل بر پیش‌بینی انرژی پس‌دمه‌ها در سال ۲۰۲۴، Environ. Res. Commun. 6 095015

  • درایور، OGA، استتلر، MEJ، و گریسپیردت، E.: عوامل محدودکننده تشخیص پسدمه در تصاویر ماهواره‌ای، Atmos. Meas. Tech.، 18، 1115–1134، https://doi.org/10.5194/amt-18-1115-2025، 2025.