Исследование статистики могло прийти к согласию вокруг предсказаний климата

В работе, опубликованной в прошлом декабре в СИАМСКОМ Журнале на Определении количества Неуверенности, авторы Мэтью Хитон, Тамара Грисби и Штефан Зайн предлагают статистическую иерархическую модель Bayesian, которая объединяет информацию об изменении климата от основанных на наблюдении наборов данных и моделей климата.«Обширное множество данных о климате – от реконструкций исторических температур и современных наблюдательных измерений температуры к прогнозам модели климата будущего климата – кажется, соглашается, что глобальные температуры изменяются», говорит автор Мэтью Хитон. «Где эти источники данных не соглашаются, однако, тем, сколько температуры изменили и, как ожидают, изменятся в будущем.

Наше исследование стремится объединить много других источников данных о климате, статистически строгим способом, определить согласие по тому, сколько изменяют температуры».Используя иерархическую модель, авторы объединяют информацию из этих различных источников, чтобы получить оценку ансамбля текущего и будущего климата наряду со связанной мерой неуверенности. «Каждый источник данных климата предоставляет нам оценку того, сколько изменяют температуры. Но, у каждого источника данных также есть степень неуверенности в ее проектировании климата», говорит Хитон. «Статистическое моделирование – инструмент к не, только получают оценку согласия изменения температуры, но также и оценку нашей неуверенности по поводу этого изменения температуры».

Подход сделал предложение в бумажной информации об объединениях от основанных на наблюдении данных, модели общей циркуляции (GCMs) и региональные модели климата (RCMs).Основанные на наблюдении наборы данных, которые сосредотачиваются, главным образом, на местном и региональном климате, получены, проведя сырые измерения климата от метеостанций и применив его к сетке, определенной по земному шару. Это позволяет заключительному продукту данных обеспечивать совокупную меру климата, а не ограничиваться отдельными наборами данных о погоде.

Такие наборы данных ограничены текущими и историческими периодами времени. Другой источник информации, связанный с основанными на наблюдении наборами данных, является переаналитическими наборами данных, в которых числовые образцовые прогнозы и наблюдения метеостанции объединены в единственную gridded реконструкцию климата по земному шару.

GCMs – компьютерные модели, которые захватывают физические процессы, управляющие атмосферой и океанами, чтобы моделировать ответ температуры, осадков и других метеорологических переменных в различных сценариях. В то время как изображение GCM температуры не было бы точно к данному дню, эти модели дают довольно хорошие оценки для долгосрочных средних температур, таких как 30-летние периоды, которые тесно соответствуют наблюдаемым данным. Большое преимущество GCMs по наблюдаемым и повторно проанализированным данным состоит в том, что GCMs в состоянии моделировать климатические системы в будущем.

RCMs используются, чтобы моделировать климат по определенному региону, в противоположность глобальным моделированиям, созданным GCMs. Так как климат в определенном регионе затронут остальной частью Земли, атмосферные условия, такие как температура и влажность на границе региона оценены при помощи других источников, таких как переаналитические данные или GCMs.Объединяя информацию от многократных основанных на наблюдении наборов данных, GCMs и RCMs, модель получает оценку и меру неуверенности для средней температуры, временной тенденции, а также изменчивости сезонных средних температур. Модель использовалась, чтобы проанализировать средние летние и зимние температуры для Тихоокеанского Юго-запада, Прерии и Североатлантических регионов (замеченный по изображению выше) – регионы, которые представляют три отличных климата.

Предположение было бы то, что модели климата будут вести себя по-другому для каждого из этих регионов. Данные из каждого региона рассмотрели индивидуально так, чтобы модель могла быть пригодной в каждый регион отдельно.«Наше понимание того, сколько изменяют температуры, отражено во всех доступных данных нам», говорит Хитон. «Например, один источник данных мог бы предположить, что температуры увеличиваются на 2 градуса Цельсия, в то время как другой источник предполагает, что температуры увеличиваются на 4 градуса.

Так, мы верим увеличению с 2 степенями или увеличению с 4 степенями? Ответ, вероятно, ‘ни один’, потому что объединение источников данных вместе предполагает, что увеличения, вероятно, были бы где-нибудь между 2 и 4 градусами.

Дело в том, что у того никакого единственного источника данных нет всех ответов. И, только объединяя много других источников данных о климате мы действительно способный определить количество, насколько мы думаем, что температуры изменяются».В то время как самый предыдущий такое внимание работы на средние или средние значения, авторы в данной статье признают, что климат в более широком смысле охватывает изменения между годами, тенденциями, средними числами и экстремальными явлениями.

Следовательно иерархическая модель Bayesian, используемая здесь одновременно, рассматривает среднюю, линейную тенденцию и межъежегодную изменчивость (изменение между годами). Много предыдущих моделей также принимают независимость между моделями климата, тогда как эта бумага составляет общности, разделенные различными моделями – такими как физические уравнения или гидрогазодинамика – и коррелирует между наборами данных.«В то время как наша работа – хороший первый шаг в объединении многих других источников информации о климате, мы все еще терпим неудачу в этом, мы все еще не учитываем много жизнеспособных источников информации о климате», говорит Хитон. «Кроме того, наше внимание работы на увеличения/уменьшения температур, но подобные исследования необходимо, чтобы оценить изменения согласия в других метеорологических переменных, таких как осадки.

Наконец, мы надеемся расшириться, наш анализ от региональных температур (скажите, просто часть США) к глобальным температурам».


4 комментария к “Исследование статистики могло прийти к согласию вокруг предсказаний климата”

  1. Ефимов Руслан

    Да и вообще он нам ничего не должен, то Разумков наболтал всякого…так?

  2. Степанова Арина Ефимовна

    Так я за вас же топлю!! Ты что не признал меня? А я думаю что ты на меня бочку катишь, ну хорошо что разобрались…

Оставьте комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *