Hãy cẩn thận: Tôi KHÔNG phải là một chuyên gia về khí hậu, đây không phải là lĩnh vực của tôi. Hãy ghi nhớ điều này. Sửa chữa chào mừng.
Con số mà bạn đang đề cập đến xuất phát từ một bài báo gần đây Santer et al. Năm 2019, Kỷ niệm ba sự kiện quan trọng trong khoa học biến đổi khí hậu từ Biến đổi khí hậu tự nhiên . Nó không phải là một bài nghiên cứu, mà là một nhận xét ngắn gọn. Hình này là một bản cập nhật đơn giản hóa của một hình tương tự từ một bài báo Khoa học trước đó của cùng các tác giả, Santer et al. Năm 2018, Ảnh hưởng của con người đến chu kỳ theo mùa của nhiệt độ tầng đối lưu . Dưới đây là con số 2019:
Và đây là con số 2018; bảng A tương ứng với con số 2019:
Ở đây tôi sẽ cố gắng giải thích các phân tích thống kê đằng sau con số cuối cùng này (tất cả bốn bảng). Bài báo Khoa học là truy cập mở và khá dễ đọc; các chi tiết thống kê, như thường lệ, được ẩn trong Tài liệu bổ sung. Trước khi thảo luận về thống kê như vậy, người ta phải nói một vài từ về dữ liệu quan sát và mô phỏng (mô hình khí hậu) được sử dụng ở đây.
1. Dữ liệu
Các chữ viết tắt RSS, UAH và STAR, đề cập đến việc tái cấu trúc nhiệt độ tầng đối lưu từ các phép đo vệ tinh. Nhiệt độ tầng đối lưu đã được theo dõi từ năm 1979 bằng cách sử dụng các vệ tinh thời tiết: xem Wikipedia về các phép đo nhiệt độ của MSU . Thật không may, các vệ tinh không đo trực tiếp nhiệt độ; họ đo một cái gì đó khác, từ đó nhiệt độ có thể được suy ra. Hơn nữa, chúng được biết là chịu các sai lệch phụ thuộc thời gian và các vấn đề hiệu chuẩn. Điều này làm cho việc tái tạo nhiệt độ thực tế là một vấn đề khó khăn. Một số nhóm nghiên cứu thực hiện việc tái cấu trúc này, theo các phương pháp hơi khác nhau và thu được kết quả cuối cùng hơi khác nhau. RSS, UAH và STAR là những tái tạo này. Để trích dẫn Wikipedia,
Vệ tinh không đo nhiệt độ. Họ đo các bức xạ trong các dải bước sóng khác nhau, sau đó phải được đảo ngược về mặt toán học để thu được các kết luận gián tiếp về nhiệt độ. Các thông số nhiệt độ thu được phụ thuộc vào chi tiết của các phương pháp được sử dụng để thu được nhiệt độ từ các bức xạ. Kết quả là, các nhóm khác nhau đã phân tích dữ liệu vệ tinh đã thu được các xu hướng nhiệt độ khác nhau. Trong số các nhóm này có Hệ thống Viễn thám (RSS) và Đại học Alabama ở Huntsville (UAH). Sê-ri vệ tinh không hoàn toàn đồng nhất - bản ghi được xây dựng từ một loạt các vệ tinh có thiết bị tương tự nhưng không giống nhau. Các cảm biến xấu đi theo thời gian và việc hiệu chỉnh là cần thiết cho sự trôi dạt của vệ tinh trên quỹ đạo.
Có rất nhiều tranh luận về việc tái thiết nào đáng tin cậy hơn. Mỗi nhóm cập nhật thuật toán của họ mỗi giờ và sau đó, thay đổi toàn bộ chuỗi thời gian được xây dựng lại. Đây là lý do tại sao, ví dụ, RSS v3.3 khác với RSS v4.0 trong hình trên. Nhìn chung, AFAIK nó cũng được chấp nhận trong lĩnh vực này rằng các ước tính của nhiệt độ bề mặt toàn cầu là hơn chính xác hơn so với các số đo hình vệ tinh. Trong mọi trường hợp, điều quan trọng đối với câu hỏi này, là có một số ước tính có sẵn về nhiệt độ tầng đối lưu được giải quyết theo không gian, từ năm 1979 đến nay - tức là như là một hàm của vĩ độ, kinh độ và thời gian.
Hãy để chúng tôi biểu thị một ước tính như vậy bởi .T(x,t)
2. Mô hình
Có nhiều mô hình khí hậu khác nhau có thể được chạy để mô phỏng nhiệt độ tầng đối lưu (cũng là một hàm của vĩ độ, kinh độ và thời gian). Những mô hình này lấy nồng độ CO2, hoạt động núi lửa, bức xạ mặt trời, nồng độ aerosol và các ảnh hưởng bên ngoài khác làm đầu vào và tạo ra nhiệt độ làm đầu ra. Những mô hình này có thể được chạy trong cùng khoảng thời gian (1979 - bây giờ), sử dụng các ảnh hưởng bên ngoài được đo thực tế. Các đầu ra sau đó có thể được tính trung bình, để có được đầu ra mô hình trung bình.
Người ta cũng có thể chạy các mô hình này mà không cần nhập các yếu tố nhân tạo (khí nhà kính, bình xịt, v.v.), để có ý tưởng về các dự đoán mô hình không nhân tạo. Lưu ý rằng tất cả các yếu tố khác (năng lượng mặt trời / núi lửa / v.v.) dao động xung quanh các giá trị trung bình của chúng, do đó, đầu ra mô hình phi nhân tạo là đứng yên khi xây dựng. Nói cách khác, các mô hình không cho phép khí hậu thay đổi tự nhiên, không có bất kỳ nguyên nhân bên ngoài cụ thể nào.
Hãy để chúng tôi biểu thị đầu ra mô hình nhân tạo trung bình theo và đầu ra mô hình không nhân tạo trung bình theo .M(x,t)N(x,t)
3. Dấu vân tay và -statisticz
Bây giờ chúng ta có thể bắt đầu nói về thống kê. Ý tưởng chung là xem xét nhiệt độ tầng đối lưu tương tự như thế nào với đầu ra mô hình nhân tạo , so với đầu ra mô hình không nhân tạo . Người ta có thể định lượng sự giống nhau theo những cách khác nhau, tương ứng với "dấu vân tay" khác nhau của sự nóng lên toàn cầu.T(x,t)M(x,t)N(x,t)
Các tác giả xem xét bốn dấu vân tay khác nhau (tương ứng với bốn bảng của hình trên). Trong mỗi trường hợp, họ chuyển đổi cả ba hàm được xác định ở trên thành các giá trị hàng năm , và , trong đó lập chỉ mục các năm từ 1979 đến 2019. Dưới đây là bốn giá trị hàng năm khác nhau mà họ sử dụng:T(x,i)M(x,i)N(x,i)i
- Trung bình hàng năm: đơn giản là nhiệt độ trung bình trong cả năm.
- Chu kỳ theo mùa hàng năm: nhiệt độ mùa hè trừ đi nhiệt độ mùa đông.
- Trung bình hàng năm với trung bình toàn cầu được trừ: giống như (1) nhưng trừ trung bình toàn cầu cho mỗi năm trên toàn cầu, tức là trên . Kết quả có nghĩa là không cho mỗi .xi
- Chu kỳ theo mùa hàng năm với trung bình toàn cầu bị trừ: giống như (2) nhưng lại trừ trung bình toàn cầu.
Đối với mỗi phân tích trong số bốn phân tích này, các tác giả lấy tương ứng , thực hiện PCA theo các mốc thời gian và có được hàm riêng đầu tiên . Về cơ bản, đây là mô hình 2D về sự thay đổi tối đa số lượng quan tâm theo mô hình nhân tạo.M(x,i)F(x)
Sau đó, họ chiếu các giá trị quan sát lên mẫu này , tức là tính và tìm ra độ dốc của chuỗi thời gian kết quả. Nó sẽ là tử số của -statistic ("tỷ lệ tín hiệu trên tạp âm" trong các hình).T(x,i)F(x)Z(i)=∑xT(x,i)F(x),
βz
Để tính toán mẫu số, họ sử dụng mô hình phi nhân tạo thay vì các giá trị thực tế quan sát được, tức là tính và một lần nữa tìm độ dốc của nó . Để có được sự phân phối null của các sườn dốc, họ chạy các mô hình phi nhân tạo trong 200 năm, cắt các đầu ra trong các khối 30 năm và lặp lại phân tích. Độ lệch chuẩn của các giá trị tạo thành mẫu số của -statistic:W(i)=∑xN(x,i)F(x),
βnoiseβnoisez
z=βVar1/2[βnoise].
Những gì bạn thấy trong bảng A - D của hình trên là những giá trị này cho các năm phân tích khác nhau.z
Giả thuyết khống ở đây là nhiệt độ dao động dưới ảnh hưởng của các đầu vào mặt trời / núi lửa / vv cố định mà không có bất kỳ sự trôi dạt nào. Các giá trị cao chỉ ra rằng nhiệt độ tầng đối lưu quan sát không phù hợp với giả thuyết khống này.z
4. Một số ý kiến
Dấu vân tay đầu tiên (bảng A) là, IMHO, tầm thường nhất. Nó đơn giản có nghĩa là nhiệt độ quan sát được tăng trưởng đơn điệu trong khi nhiệt độ theo giả thuyết null thì không. Tôi không nghĩ người ta cần toàn bộ máy móc phức tạp này để đưa ra kết luận này. Chuỗi thời gian nhiệt độ trung bình thấp hơn (biến thể RSS) trung bình toàn cầu trông như thế này :
và rõ ràng có một xu hướng rất đáng kể ở đây. Tôi không nghĩ người ta cần bất kỳ mô hình nào để thấy điều đó.
Dấu vân tay trong bảng B có phần thú vị hơn. Ở đây, giá trị trung bình toàn cầu bị trừ, do đó, giá trị không bị chi phối bởi nhiệt độ tăng mà thay vào đó là các mô hình không gian của sự thay đổi nhiệt độ. Thật vậy, người ta biết rằng bán cầu Bắc nóng lên nhanh hơn miền Nam (bạn có thể so sánh các bán cầu ở đây: http://images.remss.com/msu/msu_time_series.html ), và đây cũng là mô hình khí hậu đầu ra. Bảng B được giải thích chủ yếu bởi sự khác biệt giữa các bán cầu này.z
Dấu vân tay trong bảng C thậm chí còn thú vị hơn, và là trọng tâm thực sự của Santer et al. Báo cáo năm 2018 (nhắc lại tiêu đề: "Ảnh hưởng của con người đến chu kỳ nhiệt độ tầng đối lưu", nhấn mạnh thêm). Như được hiển thị trong Hình 2 trong bài báo, các mô hình dự đoán rằng biên độ của chu kỳ theo mùa sẽ tăng ở vĩ độ trung bình của cả hai bán cầu (và giảm ở những nơi khác, đặc biệt là ở vùng gió mùa Ấn Độ). Đây thực sự là những gì xảy ra trong dữ liệu được quan sát, mang lại giá trị cao trong bảng C. Bảng D tương tự như C vì ở đây hiệu ứng không phải do sự gia tăng toàn cầu mà do mô hình địa lý cụ thể.z
PS Những lời chỉ trích cụ thể tại judithcurry.com mà bạn liên kết ở trên có vẻ khá hời hợt với tôi. Họ nâng bốn điểm. Đầu tiên là các ô này chỉ hiển thị -statistic chứ không hiển thị kích thước hiệu ứng; tuy nhiên, mở Santer et al. Năm 2018 người ta sẽ tìm thấy tất cả các số liệu khác hiển thị rõ ràng các giá trị độ dốc thực tế là kích thước hiệu ứng quan tâm. Thứ hai tôi không hiểu; Tôi nghi ngờ đó là một sự nhầm lẫn về phía họ. Thứ ba là về ý nghĩa của giả thuyết null; Điều này là đủ công bằng (nhưng ngoài chủ đề trên CrossValidated). Cái cuối cùng phát triển một số đối số về chuỗi thời gian tự động tương quan nhưng tôi không thấy nó áp dụng như thế nào cho tính toán trên.z