今天，2026年3月19日，随着 American Airlines 和 Google Research 公布了一项涵盖2,400次航班的大规模试验结果，大气科学遇到了它的数字对手。

{{AD}}

“数字橡皮擦”的物理学

凝结尾迹不仅仅是美观的条痕；它们是人工的卷云。

当喷气发动机排放的烟粒在 冰超饱和区 (ISSRs) 成为水汽的凝结核时，凝结尾迹就会形成。

在这些高湿度的“潮湿区域”里，水汽会瞬间冻结，形成一层捕获地球向外红外辐射的云毯，这一现象被称为 辐射强迫。

2026年的试验采用了双模型方法：

• 机器学习预测：一个深度神经网络分析卫星影像和气象数据（湿度、温度、风）以绘制出精确的“凝结尾迹可能区”(CLZs)。

• CoCiP物理引擎： Contrail Cirrus Prediction (CoCiP) 模型模拟了这些云的演变，以计算它们特定的“能量强迫”指数。

通过综合这些数据，AI为飞行员和调度员提供了一个0到4的“凝结尾迹强迫指数”，类似于湍流预报，使得通过小幅高度调整（通常仅1,000到2,000英尺）即可完全绕过 ISSRs。

{{REC}}

从研究到运营的规模化

与2023年之前的人工测试不同，2026阶段将该技术直接嵌入到 American Airlines 的标准运营工具中。

该试验跟踪了2025年1月至2025年5月间的2,400次跨大西洋航班，结果显示这些航班的暖化效应下降了 69%。

“我们知道航空业是最难实现脱碳的行业之一，” 解释说 Dinesh Sanekommu，他负责 Google 的凝结尾迹研究。“我们认为 AI 有办法帮助实现这一目标。希望是……它们都会增加一点证据，产生一些数据，从而有助于在长期做出正确的决策。”

关键的是，研究解决了“燃油惩罚”的迷思。

虽然单个避开凝结尾迹的航班由于在非最优高度飞行燃油消耗略增约2%，但整个机队的净影响小于0.3%。

Jill Blickstein，American Airlines 的可持续发展副总裁，确认了运营上的成功：

“试验表明，调度员和飞行员提交并执行避开凝结尾迹的替代航线并不困难。”

{{AD}}

AI集成的“生态航路”试验（2026）

以下跨大西洋航线为这次 AI 集成预报试验提供了主要的数据采集通道，展示了自动化避开凝结尾迹的影响。

在航空业努力应对可持续航空燃料（SAF）推广缓慢和氢能遥遥无期的情况下，“凝结尾迹规避”模型成为目前最具成本效益且可扩展的解决方案。

其成本估算仅为 $5 到 $25 每吨二氧化碳当量，这一数字化转变代表了重大的工程胜利：这是历史上首次有大型航空公司成功使用软件来改善大气的物理化学特性。