航迹云预测

Contrails API 使用两种不同的模型来预测航迹云：一种是基于机器学习(ML) 的模型，用于预测可能形成航迹云的区域；另一种是基于物理的模型，即航迹云卷云预测 (CoCiP)，用于预测变暖情况。

基于 ML 的模型

基于 ML 的航迹云可能形成区域 (CLZ) 预测模型可预测航迹云形成的概率。该模型是一个深度神经网络，它以天气特征作为输入，并根据卫星航迹云检测结果预测 CLZ（Geraedts 等人，2023 年）。

其输入主要包括 HRES 天气特征：比湿、温度、风的 u 分量、风的 v 分量、垂直速度、相对涡度、云覆盖率、比云冰水含量、比雪水含量和散度。相对湿度是使用比湿和温度计算得出的。该模型的输入还包括当地太阳时、一年中的日期、纬度和飞行航路点的海拔。

对于某些地理区域（例如美国），该模型经过微调，可使用纬度、经度和海拔作为输入特征，而该模型的全局回退仅使用纬度和海拔。

在根据观测到的航迹云数据进行评估时，该模型可实现最先进的性能。

CoCiP 模型

航迹云卷云预测模型可预测航迹云的能量强迫，这是衡量航迹云对气候影响的指标。

能量强迫的定义如下：

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

即航迹云在其生命周期内瞬时辐射强迫的积分（Teoh 等人，2020 年）。能量强迫按飞行距离进行归一化，因此其单位为 (J/m)。

CoCiP 是一种基于物理的模型，它使用大气条件、飞机类型、飞行路径和其他特征来模拟航迹云的形成、演变和影响（Schumann，2012 年；Schumann 等人，2012 年）。该模型使用 ECMWF 高分辨率预测集合 (HRES ENS) 中的 10 个集合成员作为输入，用于将已形成航迹云的飞行航路点随时间推移进行平流（Hersbach 等人，2020 年）。CoCiP 模型还使用云微物理理论来确定哪些航迹云会持续存在，并考虑初始下冲气流、降落和升华。根据模拟的航迹云演变，CoCiP 会根据航迹云属性和周围的天气条件计算能量强迫。

除了 CoCiP 对能量强迫的估计之外，还通过对一年的 CoCiP 输出进行平均计算出能量强迫的气候估计值，并按一天中的时间、季节和纬度进行分箱。

最终的能量强迫量是 CoCiP 集合成员中能量强迫非零的成员的能量强迫与气候平均值（始终非零）的平均值。在平均值中包含气候学可确保对航迹云影响进行估计，即使 CoCiP 未使用任何天气集合成员预测航迹云的形成也是如此。

预期有效能量强迫

然后，预期有效能量强迫计算为通过机器学习模型计算出的航迹云形成概率与通过 CoCiP 模型计算出的这些航迹云的有效能量强迫的乘积。

航迹云强迫指数值

然后，可以将计算出的预期有效能量强迫值映射到 0 到 4 的范围内，以生成航迹云强迫指数值。航迹云强迫 指数值的灵感来自湍流预测值。

Contrails API 通过裁剪和线性缩放将 expected_effective_energy_forcing 转换为 contrails 严重程度指数：

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

如需详细了解此映射的背景信息，请参阅 能量强迫解读。

此外，您还可以阅读 Contrails API 版本说明 并订阅公告，以便在此规模发生更改时收到通知。

后续步骤

参考

  • Geraedts, Scott, Erica Brand, Thomas R. Dean, Sebastian Eastham, Carl Elkin, Zebediah Engberg, Ulrike Hager 等人。2023 年。“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 等人。2020 年。“The ERA5 Global Reanalysis.” 《Quarterly Journal of the Royal Meteorological Society》第 146 卷第 730 期，第 1999-2049 页。
  • Schumann, U. 2012 年。“A Contrail Cirrus Prediction Model.”《Geoscientific Model Development》第 5 卷第 3 期，第 543-80 页。
  • Schumann, U.，B. Mayer，K. Graf 和 H. Mannstein。2012 年。“A Parametric Radiative Forcing Model for Contrail Cirrus.” 《Journal of Applied Meteorology and Climatology》第 51 卷第 7 期，第 1391-1406 页。
  • Shapiro, Marc, Zeb Engberg, Roger Teoh, Marc Stettler 和 Tom Dean。2023 年。 Pycontrails：用于模拟航空气候影响的 Python 库。https://doi.org/10.5281/zenodo.825291
  • Teoh, Roger, Ulrich Schumann, Arnab Majumdar 和 Marc E. J. Stettler。2020 年。 “Mitigating the Climate Forcing of Aircraft Contrails by Small-Scale Diversions and Technology Adoption.” 《Environmental Science &Technology》第 54 卷第 5 期，第 2941-50 页。