Caveat: ฉันไม่ใช่ผู้เชี่ยวชาญด้านอุตุนิยมวิทยานี่ไม่ใช่สาขาของฉัน โปรดจำไว้ในใจ ยินดีต้อนรับการแก้ไข
ตัวเลขที่คุณอ้างถึงมาจากรายงานล่าสุดของSanter และคณะ 2019 ฉลองครบรอบสามเหตุการณ์สำคัญในด้านวิทยาศาสตร์การเปลี่ยนแปลงภูมิอากาศจากธรรมชาติเปลี่ยนแปลงสภาพภูมิอากาศ มันไม่ใช่งานวิจัย แต่เป็นความคิดเห็นสั้น ๆ รูปนี้เป็นการปรับปรุงแบบง่าย ๆ ของตัวเลขที่คล้ายกันจากกระดาษScienceก่อนหน้าของผู้เขียนคนเดียวกันคือSanter et al 2018 มนุษย์มีอิทธิพลต่อวงจรตามฤดูกาลของอุณหภูมิ นี่คือตัวเลข 2019:
และนี่คือตัวเลข 2018; พาเนล A สอดคล้องกับรูป 2019:
ที่นี่ฉันจะพยายามอธิบายการวิเคราะห์ทางสถิติที่อยู่เบื้องหลังตัวเลขสุดท้ายนี้ (ทั้งสี่พาเนล) วิทยาศาสตร์กระดาษคือการเข้าถึงเปิดและสามารถอ่านได้ค่อนข้าง; รายละเอียดทางสถิติจะซ่อนอยู่ในวัสดุเสริมตามปกติ ก่อนที่จะพูดคุยเกี่ยวกับสถิติเช่นนี้เราต้องพูดสองสามคำเกี่ยวกับข้อมูลเชิงสังเกตการณ์และแบบจำลอง (แบบจำลองสภาพภูมิอากาศ) ที่ใช้ที่นี่
1. ข้อมูล
ตัวย่อ RSS, UAH, และ STAR หมายถึงการสร้างอุณหภูมิ tropospheric จากการตรวจวัดดาวเทียม อุณหภูมิ tropospheric ได้รับการตรวจสอบตั้งแต่ปี 1979 โดยใช้อากาศดาวเทียม: ดูวิกิพีเดียในการวัดอุณหภูมิ MSU น่าเสียดายที่ดาวเทียมไม่ได้วัดอุณหภูมิโดยตรง พวกเขาวัดอย่างอื่นซึ่งสามารถสรุปอุณหภูมิได้ ยิ่งไปกว่านั้นพวกเขายังได้รับความทุกข์ทรมานจากปัญหาอคติและการสอบเทียบที่หลากหลายขึ้นอยู่กับเวลา ทำให้การสร้างอุณหภูมิจริงเป็นปัญหาที่ยากขึ้น กลุ่มวิจัยหลายแห่งทำการฟื้นฟูขึ้นใหม่ตามวิธีการที่ต่างกันบ้างและได้ผลลัพธ์สุดท้ายที่แตกต่างกันบ้าง RSS, UAH, และ STAR เป็นสิ่งก่อสร้างเหล่านี้ เพื่ออ้างถึง Wikipedia
ดาวเทียมไม่ได้วัดอุณหภูมิ พวกเขาวัดความกระจ่างในแถบความยาวคลื่นต่างๆซึ่งจะต้องมีการคว่ำทางคณิตศาสตร์เพื่อให้ได้การอนุมานทางอ้อมของอุณหภูมิ โปรไฟล์อุณหภูมิที่ได้ขึ้นอยู่กับรายละเอียดของวิธีการที่ใช้ในการรับอุณหภูมิจากการแผ่รังสี เป็นผลให้กลุ่มต่าง ๆ ที่วิเคราะห์ข้อมูลดาวเทียมได้รับแนวโน้มอุณหภูมิที่แตกต่างกัน กลุ่มคนเหล่านี้ ได้แก่ Remote Sensing Systems (RSS) และ University of Alabama ใน Huntsville (UAH) ซีรีส์ดาวเทียมนั้นไม่เหมือนกันทั้งหมด - บันทึกถูกสร้างขึ้นจากชุดของดาวเทียมที่มีเครื่องมือที่คล้ายกัน แต่ไม่เหมือนกัน เซ็นเซอร์เสื่อมสภาพเมื่อเวลาผ่านไปและการแก้ไขเป็นสิ่งจำเป็นสำหรับการดริฟท์ดาวเทียมในวงโคจร
มีการถกเถียงกันมากมายเกี่ยวกับการสร้างใหม่ที่มีความน่าเชื่อถือมากกว่า แต่ละกลุ่มอัปเดตอัลกอริทึมของพวกเขาเป็นระยะ ๆ เปลี่ยนชุดเวลาที่สร้างใหม่ทั้งหมด นี่คือเหตุผลที่ตัวอย่างเช่น RSS v3.3 แตกต่างจาก RSS v4.0 ในรูปด้านบน โดยรวม, AFAIK มันเป็นที่ยอมรับทั้งในด้านที่ประมาณการของอุณหภูมิพื้นผิวโลกที่มีมากขึ้นได้อย่างแม่นยำกว่าการตรวจวัดสัญญาณดาวเทียม ไม่ว่าในกรณีใด ๆ สิ่งที่สำคัญสำหรับคำถามนี้ก็คือมีการประมาณอุณหภูมิของทรอปิสเฟียร์ที่ได้รับการแก้ไขเชิงพื้นที่ตั้งแต่ปี 1979 จนถึงปัจจุบัน - เช่นเป็นฟังก์ชั่นของละติจูดลองจิจูดและเวลา
T(x,t)
2. แบบจำลอง
มีแบบจำลองสภาพภูมิอากาศต่าง ๆ ที่สามารถเรียกใช้เพื่อจำลองอุณหภูมิ tropospheric (ยังเป็นฟังก์ชันของละติจูดลองจิจูดและเวลา) แบบจำลองเหล่านี้มีความเข้มข้นของคาร์บอนไดออกไซด์กิจกรรมภูเขาไฟการฉายรังสีจากแสงอาทิตย์ความเข้มข้นของละอองลอยและอิทธิพลภายนอกอื่น ๆ อีกมากมายเช่นอินพุตและผลิตอุณหภูมิเป็นเอาต์พุต โมเดลเหล่านี้สามารถใช้งานได้ในช่วงเวลาเดียวกัน (2522 - ปัจจุบัน) โดยใช้อิทธิพลจากภายนอกที่วัดได้จริง จากนั้นเอาต์พุตสามารถเป็นค่าเฉลี่ยเพื่อรับเอาท์พุทโมเดลเฉลี่ย
เราสามารถเรียกใช้แบบจำลองเหล่านี้ได้โดยไม่ต้องป้อนปัจจัยมนุษย์ (ก๊าซเรือนกระจก, ละออง, ฯลฯ ) เพื่อรับทราบแนวคิดของการทำนายแบบไม่ใช้มนุษย์ โปรดทราบว่าปัจจัยอื่น ๆ ทั้งหมด (แสงอาทิตย์ / ภูเขาไฟ / ฯลฯ ) มีความผันผวนรอบค่าเฉลี่ยของพวกเขาดังนั้นเอาท์พุทแบบที่ไม่ต่อต้านมนุษย์เป็นแบบคงที่จากการก่อสร้าง กล่าวอีกนัยหนึ่งแบบจำลองไม่อนุญาตให้ภูมิอากาศเปลี่ยนแปลงตามธรรมชาติโดยไม่มีสาเหตุภายนอกใด ๆ
M(x,t)N(x,t)
z
T(x,t)M(x,t)N(x,t)
T(x,i)M(x,i)N(x,i)i
- ค่าเฉลี่ยรายปี: อุณหภูมิเฉลี่ยตลอดทั้งปี
- รอบฤดูกาลประจำปี: อุณหภูมิฤดูร้อนลบอุณหภูมิฤดูหนาว
- xi
- รอบฤดูกาลประจำปีที่มีค่าเฉลี่ยทั่วโลกลบออกเช่นเดียวกับ (2) แต่ลบค่าเฉลี่ยทั่วโลกอีกครั้ง
M(x,i)F(x)
T(x,i)F(x)Z(i)=∑xT(x,i)F(x),
βz
W(i)=∑xN(x,i)F(x),
βnoiseβnoisez-สถิติ:
z=βVar1/2[βnoise].
z
z
4. ความคิดเห็นบางอย่าง
ลายนิ้วมือแรก (แผง A) คือ IMHO ที่น่ารำคาญที่สุด มันก็หมายความว่าอุณหภูมิที่สังเกตได้จะเพิ่มขึ้นแบบ monotonically ในขณะที่อุณหภูมิภายใต้สมมติฐานว่างไม่ได้ ฉันไม่คิดว่าจะต้องใช้เครื่องจักรที่ซับซ้อนทั้งหมดเพื่อทำข้อสรุปนี้ อนุกรมเวลาอุณหภูมิโลก (ค่าตัวแปร RSS) ที่ต่ำลงมีลักษณะดังนี้:
และชัดเจนว่ามีแนวโน้มที่สำคัญมากที่นี่ ฉันไม่คิดว่าจะมีใครต้องการโมเดลใด ๆ เพื่อดูสิ่งนั้น
z
z
z