I oktober i år vejrforskere i Utah målte den laveste temperatur, der nogensinde er registreret i oktober måned i USA (ekskl. Alaska):-37,1 grader C. Den tidligere lavtemperaturrekord for oktober var -35 grader C, og folk undrede sig over forholdet til klimaændringer.
Indtil nu, klimaforskere har svaret, at klima ikke er det samme som vejr. Klima er, hvad vi forventer på lang sigt, der henviser til, at vejret observeres på kort sigt - og da lokale vejrforhold er meget varierende, det kan være meget koldt ét sted i kort tid trods langvarig global opvarmning. Kort sagt, det lokale vejrs variabilitet skjuler langsigtede tendenser i det globale klima.
Et paradigmeskifte
Nu, imidlertid, en gruppe ledet af ETH-professor Reto Knutti har foretaget en ny analyse af temperaturmålinger og modeller. Forskerne konkluderede, at vejr-er-ikke-klima-paradigmet ikke længere er anvendeligt i den form. Ifølge forskerne, klimasignalet – dvs. den langsigtede opvarmningstendens - kan faktisk skelnes i daglige vejrdata, såsom overfladelufttemperatur og fugtighed, forudsat at globale rumlige mønstre tages i betragtning.
Det betyder, at på trods af den globale opvarmning, der kan meget vel være en rekordlav temperatur i oktober i USA. Hvis det samtidig er varmere end gennemsnittet i andre regioner, imidlertid, denne afvigelse er næsten fuldstændig elimineret. "At afdække klimaændringssignalet i daglige vejrforhold kræver et globalt perspektiv, ikke en regional, siger Sebastian Sippel, en postdoc, der arbejder i Knuttis forskergruppe og hovedforfatter på en undersøgelse, der for nylig blev offentliggjort i Natur klimaændringer .
Statistiske læringsteknikker udvinder signatur for klimaændringer
For at detektere klimasignalet i daglige vejrregistre, Sippel og hans kolleger brugte statistiske læringsteknikker til at kombinere simuleringer med klimamodeller og data fra målestationer. Statistiske læringsteknikker kan udtrække et "fingeraftryk" af klimaændringer fra kombinationen af temperaturer i forskellige regioner og forholdet mellem forventet opvarmning og variabilitet. Ved systematisk at evaluere modelsimuleringerne, de kan identificere klimafingeraftrykket i de globale måledata på en hvilken som helst dag siden foråret 2012.
En sammenligning af variabiliteten af lokale og globale døgnmiddeltemperaturer viser, hvorfor det globale perspektiv er vigtigt. Mens lokalt målte daglige middeltemperaturer kan svinge meget (selv efter at sæsoncyklussen er fjernet), globale daglige middelværdier viser et meget snævert interval.
Hvis fordelingen af globale daglige middelværdier fra 1951 til 1980 sammenlignes med dem fra 2009 til 2018, de to fordelinger (klokkekurver) overlapper næsten ikke hinanden. Klimasignalet er således fremtrædende i de globale værdier, men sløret i de lokale værdier, da fordelingen af daglige middelværdier overlapper ret betydeligt i de to perioder.
Anvendelse til det hydrologiske kredsløb
Resultaterne kan have brede implikationer for klimavidenskaben. "Vejret på globalt plan bærer vigtige oplysninger om klimaet, " siger Knutti. "Denne information kunne, for eksempel, bruges til yderligere undersøgelser, der kvantificerer ændringer i sandsynligheden for ekstreme vejrbegivenheder, såsom regionale kuldeperioder. Disse undersøgelser er baseret på modelberegninger, og vores tilgang kunne så give en global kontekst af klimaændringernes fingeraftryk i observationer foretaget under regionale kuldeperioder af denne art. Dette giver anledning til nye muligheder for kommunikation af regionale vejrbegivenheder på baggrund af den globale opvarmning."
Undersøgelsen stammer fra et samarbejde mellem ETH-forskere og Swiss Data Science Center (SDSC), som ETH Zürich driver sammen med sit søsteruniversitet EPFL. "Den aktuelle undersøgelse understreger, hvor nyttige datavidenskabelige metoder er til at afklare miljøspørgsmål, og SDSC er til stor nytte i dette, " siger Knutti. Datavidenskabelige metoder giver ikke kun forskere mulighed for at demonstrere styrken af det menneskelige "fingeraftryk", de viser også, hvor i verden klimaændringerne er særligt tydelige og genkendelige på et tidligt tidspunkt. Dette er meget vigtigt i det hydrologiske kredsløb, hvor der er meget store naturlige udsving fra dag til dag og år til år. "I fremtiden, vi bør derfor være i stand til at udvælge menneskeskabte mønstre og tendenser i andre mere komplekse måleparametre, såsom nedbør, som er svære at opdage ved hjælp af traditionelle statistikker, siger ETH-professoren.