Google與美國航空用AI調整航線，減少飛機凝結尾帶來的暖化影響

凝結尾是飛機在高空飛行時，排放的水氣與微粒所形成的雲狀軌跡，被認為是航空業非CO2氣候影響中最大單一來源之一。由於其存在時間從數分鐘到數小時不等，若能避開特定大氣條件，有機會在短時間內降低相關氣候影響。

在技術上，Google開發機器學習模型，結合衛星觀測資料與歐洲中期天氣預報中心（ECMWF）的氣象預測，推估飛行過程中形成凝結尾的機率，並轉換為以二氧化碳當量（CO2-equivalent，CO2e）表示的氣候影響指標，納入航班規畫系統的成本計算。當系統判定某航班的凝結尾影響較高時，會產生替代飛行路徑，例如調整飛行高度或繞行特定區域，以避開容易形成凝結尾的冰過飽和區域（Ice Supersaturated Regions，ISSRs）。

研究團隊以美國飛往歐洲的跨大西洋航線為測試範圍，將航班隨機分為實驗組與對照組，並透過衛星影像與自動化演算法驗證凝結尾生成情況。結果顯示，在所有納入試驗的航班中，凝結尾生成率平均降低11.6%；而在實際採用並依計畫執行AI建議航線的航班中，凝結尾生成率降低幅度達62%。此外，研究亦指出燃料使用量未出現統計上顯著差異。

不過，研究同時指出實際應用仍受營運流程與人員決策影響。在試驗期間，約有15.4%的航班調度員選擇採用凝結尾優化航線，而最終實際依計畫執行的航班比例為7.8%。研究指出，相關差異與調度員工作負荷、飛行安全考量及既有航路限制等因素有關。