融合卫星观测、气象与空中交通流的尾迹云时空覆盖度估算

《Atmospheric Environment: X》：Estimating spatio-temporal contrail coverage: Fusing satellite observations, meteorology, and air traffic flow

　　

飞机凝结尾迹（contrail）被公认为航空气候影响的关键组分。在卫星影像中检测与追踪尾迹云对量化其覆盖度与辐射强迫（radiative forcing, RF）至关重要，可降低气候影响评估的不确定性并支撑减缓策略。然而，现有模型多为现成分割架构的粗浅改造，仅最少化适配尾迹检测，缺乏对气象与空中交通条件的融合，而二者共同控制尾迹的形成与存续。本研究将人工标注卫星影像与逐小时气象参数及空中交通流密度作为补充特征增强。提出双分支架构，含主图像分支与辅助气象-流（Meteo-Flow）分支，实现异源数据的有效交互与融合。实验表明在公开人工标注尾迹数据集上，基线模型的尾迹检测一致性提升。应用于2017–2025年3月16日至4月15日美国本土（CONUS）及毗邻海域GOES-16影像，方法估算平均尾迹覆盖度0.133%，并捕捉到2020年COVID-19期间50.8%的降幅。结合气象与交通的联合分析识别出尾迹密集区（contrail-intense zones, CIZs）与走廊，揭示显著日循环，为基于数据融合的尾迹预测与减缓提供可操作洞见。

研究背景方面，航空非CO₂效应中尾迹云的有效辐射强迫（effective radiative forcing, ERF）可能高于CO₂或NO_x，但不确定性更大。尾迹存续仅分钟至小时级，其形成、维持与耗散高度依赖冰过饱和区（ice-supersaturated regions, ISSRs）的时空位置，受Schmidt-Appleman准则（SAc）支配。既有深度学习研究多沿用通用计算机视觉分割模型，极少融入气象与空中交通流（Meteo-Flow）信息，导致检测与气候强迫评估存在额外不确定性。为降低尾迹发生与存续的不确定性、支撑气候知情飞行规划与改航策略，研究人员开展了美国本土长时序中等分辨率尾迹覆盖度（contrail coverage, CC）估算研究，论文发表于《Atmospheric Environment: X》。

关键技术方法上，研究人员构建多源融合检测框架：主分支处理GOES-16先进基线成像仪（ABI）256×256假彩色影像（含band15与band14亮温差、band14与band11亮温差、band14亮温三通道），辅助Meteo-Flow分支处理ERA5再分析产品中提取的7层气压面（400–175 hPa）温度与相对湿度（RH，实为冰相对湿RHi）及单层变量，以及OpenSky提供的ADS-B巡航高度（>7200 m）轨迹生成的逐小时网格化流量密度图；利用各气压面风场将卫星斑块平流回溯1小时至形成位，使影像、气象、交通在时空对齐。训练监督信号来自OpenContrails公开像素级人工标注集，骨干采用U型类编码器提取5级金字塔嵌入，Meteo-Flow端采用地球专用三维Transformer编码，多阶段特征融合，推断阶段无需标注即可在未见GOES-16帧上输出尾迹掩膜。

研究结果部分，第1节引言指出尾迹靶向改航潜力（如日本空域1.7%航班改航降能强迫59.3%仅增耗0.014%）与欧洲气候最优轨迹降本增效案例，明确融合Meteo-Flow的必要性。第2节数据标明卫星取GOES-16 ABI覆盖50°S–50°N、135°W–30°W区域2019年4月至2020年4月样本；气象取ERA5七气压面T与RH及单层量；交通取OpenSky ADS-B限高7200 m以上，训练用2019年4月1–7日栅格密度，推断用各年同期CONUS密度；多源对齐用风场回溯1小时。第3节方法给出问题定义与双分支编码—融合—解码结构，图像分支得E={E¹,E²,…,Eⁿ}，Eⁱ∈?^{C_i×H_i×W_i}，Meteo-Flow分支分气压面组Z×H_m×W_m与单层组分别嵌入后经三维Transformer编码再与图像特征多级拼接。第4节定量评估显示在OpenContrails测试集上双分支较单图像U-Net/SegFormer基线提升检测一致性。第5节CONUS时空分析用超8万GOES-16帧（约450万patch）估得2017–2019年均CC约0.133%，2020年同期降50.8%，2017–2025年恢复曲线呈明显日循环与走廊状CIZs，CC与RHi、温度及流量密度共变。第6节讨论指出局限为OpenSky接收覆盖年际偏差、1小时平流缓冲近似、ABI空间分辨率限制细尾迹召回，未来可接高分辨率静止卫星与数值天气预测耦合。

结论部分翻译总结：研究人员开发的多源融合尾迹检测框架将卫星语义分割与航路气象及空中交通流结合，在公开集达当前最优；CONUS长时序（2017–2025年3月16日至4月15日）CC估算均值为0.133%，COVID-19期降50.8%；时空分布刻画识别出CIZs与走廊并揭示日循环，降低尾迹评估不确定性，为气候知情减缓研究奠基。该框架可扩展至其他静止卫星域，并支撑后续基于数据同化的尾迹预报与改航优化。