[논문 리뷰] A scalable system to measure contrail formation on a per-flight basis

Scott Geraedts, Erica Brand외 13명|arXiv (Cornell University)|2023. 08. 04.

Air Quality and Health ImpactsEnvironmental Science인용 수 3

한 줄 요약

이 논문은 GOES-16 위성 적외선 영상에서 지속적인 고갈기류를 감지하고 일치시키는 확장 가능하고 자동화된 시스템을 제시하며, 160만 건의 항공기 운항에 대해 개별 항공기별 고갈기류 형성 여부를 평가할 수 있도록 한다. 주요 기여는 현재 기상 기반 고갈기류 예측 모델의 불완전성이 고갈기류 회피 전략의 비용을 약 10배로 증가시키지만, 전체적으로는 여전히 매우 비용 효율적임을 보여주는 대규모 실증 기준을 제공한다는 것이다.

ABSTRACT

Persistent contrails make up a large fraction of aviation's contribution to global warming. We describe a scalable, automated detection and matching (ADM) system to determine from satellite data whether a flight has made a persistent contrail. The ADM system compares flight segments to contrails detected by a computer vision algorithm running on images from the GOES-16 Advanced Baseline Imager. We develop a 'flight matching' algorithm and use it to label each flight segment as a 'match' or 'non-match'. We perform this analysis on 1.6 million flight segments. The result is an analysis of which flights make persistent contrails several orders of magnitude larger than any previous work. We assess the agreement between our labels and available prediction models based on weather forecasts. Shifting air traffic to avoid regions of contrail formation has been proposed as a possible mitigation with the potential for very low cost/ton-CO2e. Our findings suggest that imperfections in these prediction models increase this cost/ton by about an order of magnitude. Contrail avoidance is a cost-effective climate change mitigation even with this factor taken into account, but our results quantify the need for more accurate contrail prediction methods and establish a benchmark for future development.

연구 동기 및 목표

• 항공기 및 위성 데이터를 활용하여 개별 항공기 운항이 지속적인 고갈기류를 형성하는지 판단할 수 있는 확장 가능하고 자동화된 방법을 개발하는 것.
• 기상 예측 및 재분석 데이터를 사용하여 관측된 고갈기류와 모델 예측을 비교함으로써 고갈기류 예측 모델을 평가하기 위한 대규모 실증 기준을 구축하는 것.
• 기상 예측 데이터의 오차, 특히 상층 대기 수증기 밀도 오차가 고갈기류 회피 전략의 비용 효율성에 어떤 영향을 미치는지 정량화하는 것.
• 모델링된 입력 자료가 아닌 실제 관측 자료를 기반으로 기존 고갈기류 예측 모델의 성능을 평가하는 것.
• 향후 고갈기류 예측 향상 및 보완 전략 검증을 위한 기초를 제공하는 것.

제안 방법

• GOES-16 고급 기준 이미지기기(ABI)의 적외선 영상에 기반한 컴퓨터 비전 모델을 활용하여 지속적인 고갈기류를 감지한다.
• 공간적·시간적 근접도를 기반으로 감지된 고갈기류를 항공기 운항 세그먼트와 매칭하는 항공기 매칭 알고리즘을 적용하며, 정확도를 최적화하기 위해 임계값을 설정한다.
• 연방 공중교통 지역의 168시간 동안의 위성 데이터를 기반으로 160만 건의 항공기 운항 세그먼트를 처리한다.
• 기상 예측 및 재분석 데이터를 사용하여 다양한 고갈기류 형성 모델의 예측 결과와 관측된 고갈기류 매칭 결과를 비교한다.
• 정밀도와 재현율 지표를 활용하여 실증 기반의 참값 기준으로 모델 성능을 평가한다.
• 160만 건의 항공기 운항 세그먼트와 12,000건의 감지된 고갈기류 데이터를 활용하여 향후 모델 개발을 위한 기준 데이터셋을 구축한다.

Figure 1: Illustration of the region (red) considered in this work. Each point in the figure represents one of the advected flight segments considered in this work. Yellow points correspond to segments that matched contrails while purple points correspond to segments that do not match contrails. The

실험 결과

연구 질문

• RQ1 대륙부 미국 내 항공기 운항 중 지속적인 고갈기류를 형성하는 비율은 얼마이며, 이는 하루 중 시간대, 계절, 항공기 밀도에 따라 어떻게 달라지는가?
• RQ2 실제 위성 관측 자료를 기반으로 검증했을 때 현재 기상 기반 모델이 고갈기류 형성을 얼마나 정확하게 예측하는가?
• RQ3 상층 대기 수증기 밀도 예측 오류가 고갈기류 예측 모델의 성능에 어느 정도 영향을 미치는가?
• RQ4 예측 모델의 불완전성이 고갈기류 형성을 피하기 위한 항공기 경로 변경 전략의 비용 효율성에 어떤 영향을 미치는가?
• RQ5 확장 가능하고 자동화된 시스템이 대규모로 위성으로 감지된 고갈기류를 개별 항공기 운항 세그먼트와 신뢰성 있게 연결할 수 있는가?

주요 결과

• 이 시스템은 160만 건의 항공기 운항 세그먼트에 대해 고갈기류 형성을 성공적으로 식별하였으며, 이는 이전 연구보다 약 10배 이상 많은 데이터를 포함한다.
• 약 10%의 항공기 운항이 지속적인 고갈기류를 형성하였으며, 이는 주로 낮 시간대와 항공기 밀도가 높은 지역에서 높은 비율을 보였다.
• 기상 예측 자료를 기반으로 한 고갈기류 예측 모델은 상당한 성능 격차를 보였으며, 정밀도와 재현율이 입력 자료 소스에 따라 크게 달라졌다.
• 상층 대기 상대 습도 예측의 불완전성이 고갈기류 회피에 따른 1톤의 CO2당 등가 배출량 감소 비용을 약 10배 증가시켰다.
• 이러한 오류에도 불구하고 고갈기류 회피는 여전히 매우 비용 효율적이었으며, 비용 대비 이점은 모델 오류가 있음에도 불구하고 약 1,000배에 달했다.
• 본 연구는 향후 고갈기류 예측 모델 개선 및 평가를 위한 새로운 기준 데이터셋과 방법론을 구축하였다.

Figure 2: An example of our ADM system. The four dashed black lines indicate linearized contrails from our computer vision model. The red line indicates the advected flight path at the time the satellite image was taken and the blue line is the original flight path. We compare the red line with all