警告:我不是气候学专家,这不是我的专业。请记住这一点。欢迎更正。
您所指的数字来自Santer等人的最新论文。2019年,庆祝《自然气候变化》(Nature Climate Change)气候变化科学三大关键事件的周年纪念日。它不是研究论文,而是简短的评论。该图是同一作者Santer等人先前在《科学》杂志上发表的类似图的简化更新。2018年,人类对流层温度季节周期的影响。这是2019年的数字:
这是2018年的数字; 面板A对应于2019年的数字:
在这里,我将尝试解释最后一个数字(所有四个面板)背后的统计分析。该科学论文是开放获取的,并且可读性强。统计细节照常隐藏在补充材料中。在讨论这样的统计数据之前,必须先对这里使用的观测数据和模拟(气候模型)说几句话。
1.资料
缩写RSS,UAH和STAR是指根据卫星测量结果对流层温度的重建。自1979年以来,使用气象卫星对对流层温度进行了监测:有关MSU温度测量的信息,请参阅Wikipedia。不幸的是,这些卫星不能直接测量温度。他们测量其他东西,从中可以推断出温度。此外,已知它们遭受各种与时间有关的偏差和校准问题。这使得重建实际温度成为困难的问题。几个研究小组按照一些不同的方法进行了重建,并获得了一些不同的最终结果。RSS,UAH和STAR是这些重构。引用维基百科,
卫星不测量温度。它们测量各种波长带中的辐射,然后必须对其进行数学上的求逆以获得温度的间接推论。所得的温度曲线取决于用于从辐射度获得温度的方法的细节。结果,分析卫星数据的不同小组获得了不同的温度趋势。这些小组中有遥感系统(RSS)和位于汉斯维尔的阿拉巴马大学(UAH)。卫星序列不是完全同质的-记录是由一系列具有相似但不相同仪器的卫星构成的。传感器会随着时间的流逝而变坏,因此有必要对卫星在轨道上的漂移进行校正。
关于哪种重建更可靠存在很多争论。每个小组不时更新其算法,从而更改整个重建的时间序列。例如,这就是为什么RSS v3.3与上图中的RSS v4.0不同的原因。总体而言,AFAIK在全球范围内公认的是,与卫星测量值相比,全球表面温度的估计值更为精确。无论如何,对这个问题重要的是,从1979年到现在,有几个可用的空间分辨对流层温度的估计值,即作为纬度,经度和时间的函数。
T(x,t)
2.型号
可以运行多种气候模型来模拟对流层温度(也取决于纬度,经度和时间)。这些模型将CO2浓度,火山活动,太阳辐射,气溶胶浓度和各种其他外部影响作为输入,并以温度作为输出。利用实际测得的外部影响,这些模型可以在同一时间段(1979年至今)运行。然后可以将输出平均,以获得平均模型输出。
人们也可以运行这些模型而无需输入人为因素(温室气体,气溶胶等),从而获得非人为模型预测的想法。请注意,所有其他因素(太阳能/火山等)均在其平均值附近波动,因此非人为模型的输出在构造上是固定的。换句话说,这些模型不允许气候在没有任何特定外部原因的情况下自然变化。
M(x,t)N(x,t)
z
Ť(x,t )中号(x,t )ñ(x,t )
Ť(x,我)中号(x,我)ñ(x,我)一世
- 年均值:只是全年的平均温度。
- 年度季节周期:夏季温度减去冬季温度。
- X一世
- 减去全球平均数的年度季节周期:与(2)相同,但再次减去全球平均数。
中号(x,我)F(x )
Ť(x,我)F(x )ž(i )= ∑XŤ(x,i )F(x),
βž
w ^(i )= ∑Xñ(x,i )F(x),
βñ Ø 我小号ËβÑ ø 我小号Ëž-统计:
ž= βVar1 / 2[ βÑ ø 我小号Ë]。
ž
ž
4.一些评论
恕我直言,第一个指纹(面板A)最琐碎。它仅表示观测到的温度单调增长,而在原假设下的温度则不会单调增长。我认为没有人需要整个复杂的机制来得出这个结论。全球平均对流层较低温度(RSS变体)时间序列如下所示:
显然这里有一个非常重要的趋势。我认为不需要任何模型就能看到这一点。
ž
ž
ž