Гомогенизация (климат) - Homogenization (climate)

Эта статья посвящена усреднению климатических данных. Для других значений гомогенизации, однородности и родственных слов см. Однородность (значения).

Гомогенизация в климатические исследования означает устранение неклиматических изменений. Следующий на изменения климата сами по себе необработанные климатические записи также содержат неклиматические скачки и изменения, например, из-за перемещений или изменений в инструментах. Наиболее часто используемый принцип для устранения этих неоднородностей - подход относительной гомогенизации, в котором кандидат станция сравнивается с эталонным временным рядом на основе одной или нескольких соседних станций. Кандидат и опорная станция (станции) испытывают примерно одинаковый климат, поэтому неклиматические изменения, которые происходят только на одной станции, могут быть идентифицированы и удалены.

Климатические наблюдения

Учиться изменение климата и изменчивость, длительные инструментальные климатические записи необходимы, но лучше не использовать их напрямую. Эти наборы данных важны, поскольку они являются основой для оценки тенденций в масштабе столетия или для изучения естественной (долгосрочной) изменчивости климата, среди прочего. Однако ценность этих наборов данных сильно зависит от однородности базовых временных рядов. Однородная климатическая запись - это запись, колебания которой вызваны только изменениями погоды и климата. Длинные инструментальные записи редко бывают однородными, если вообще когда-либо.

Результаты гомогенизации инструментальных западных климатических записей показывают, что обнаруженные неоднородности в рядах средних температур возникают с периодичностью примерно от 15 до 20 лет.[1][2][3][4][5]Следует иметь в виду, что большинство измерений были сделаны не специально для климатических целей, а скорее для удовлетворения потребностей прогнозирования погоды, сельского хозяйства и гидрологии.[6] Более того, типичный размер разломов часто бывает того же порядка, что и сигнал изменения климата в 20 веке.[1][2][3][4][5]Таким образом, неоднородности являются значительным источником неопределенности для оценки вековых тенденций и изменчивости в десятилетнем масштабе.

Если бы все неоднородности были чисто случайными возмущениями климатических данных, в совокупности их влияние на средний глобальный климатический сигнал было бы незначительным. Однако определенные изменения типичны для определенных периодов и произошли на многих станциях, это наиболее важные причины, поскольку они в совокупности могут привести к искусственным смещениям в климатических тенденциях в больших регионах.[3][7][8]

Причины неоднородностей

Токио, пример городского острова тепла. Нормальные температуры в Токио выше, чем в окрестностях.

Самая известная неоднородность - это Эффект городского острова тепла. Температура в городах может быть выше, чем в сельской местности, особенно ночью. Таким образом, по мере роста городов можно ожидать, что температуры, измеренные в городах, станут выше. С другой стороны, с появлением авиации многие метеорологические службы и, следовательно, их станции часто перемещаются из городов в близлежащие, как правило, более прохладные аэропорты.[9]

Внешний вид экрана Стивенсона

Другие неклиматические изменения могут быть вызваны изменениями в методах измерения. Метеорологические приборы обычно устанавливают на экране, чтобы защитить их от прямых солнечных лучей и намокания.[10]В 19 веке было принято использовать металлический экран перед окном на стене, выходящей на север. Однако здание может нагреть экран, что приведет к более высоким измерениям температуры. Когда эта проблема была осознана, Экран Стивенсона был введен, как правило, устанавливается в садах, вдали от зданий. Это по-прежнему самый типичный погодный экран с характерной двойные жалюзи дверь и стены для вентиляции. Исторические экраны Монсури и Уайлдс использовались около 1900 года и открыты как на север, так и на дно. Это улучшает вентиляцию, но было обнаружено, что инфракрасное излучение от земли может влиять на измерения в солнечные безветренные дни. Поэтому они больше не используются. Настоящее время автоматические метеостанции, которые снижают трудозатраты, становятся все более распространенными; они защищают термометр рядом белых пластиковых конусов.[8] Это потребовало перехода от жидкостных и стеклянных термометров с ручной записью к автоматическим электрическим термометрам сопротивления, что снизило регистрируемые значения температуры в США.[2]

Неоднородностями страдают и другие элементы климата. Количество осадков, наблюдаемое в ранний инструментальный период, примерно до 1900 г., является необъективным и на 10% ниже, чем в настоящее время, поскольку измерения осадков часто делались на крыше. В то время инструменты были установлены на крышах домов, чтобы гарантировать, что инструмент никогда не будет защищен от дождя, но позже было обнаружено, что из-за турбулентного потока ветра на крышах некоторые капли дождя и особенно хлопья снега не падали в воду. открытие. Следовательно, в настоящее время измерения проводятся ближе к земле.

Другими типичными причинами неоднородностей являются изменение места измерения; многие наблюдения, особенно за осадками, проводятся волонтерами в их саду или на работе. Часто не удается избежать изменений в окружающей среде, например, изменений в растительности, герметизация земной поверхности, а также теплые и укрытия поблизости. Существуют также изменения в процедурах измерения, таких как способ вычисления среднесуточной температуры (посредством минимальной и максимальной температуры, или путем усреднения по 3 или 4 показаниям в день, или на основе 10-минутных данных). Кроме того, изменение времени наблюдения может привести к неоднородностям. Недавний обзор Trewin был посвящен причинам неоднородностей.[9]

Неоднородности не всегда являются ошибками. Наиболее отчетливо это видно на станциях, пострадавших от потепления из-за эффекта городского острова тепла. С точки зрения глобального потепления такие локальные эффекты нежелательны, но для изучения влияния климата на здоровье такие измерения подходят. Другие неоднородности возникают из-за компромиссов, которые необходимо найти между вентиляцией и защитой от солнца и увлажнения при проектировании укрытия от непогоды. Попытка уменьшить один тип ошибок (для определенных погодных условий) в проекте часто приводит к большему количеству ошибок из-за других факторов. Метеорологические измерения в лаборатории не производятся. Небольшие ошибки неизбежны и могут не иметь отношения к метеорологическим целям, но если такая ошибка изменится, это вполне может быть неоднородностью для климатологии.

Гомогенизация

Чтобы достоверно изучить реальное развитие климата, необходимо устранить неклиматические изменения. Дата изменения часто документируется (так называемые метаданные: данные о данных), но не всегда. Мета-данные часто доступны только на местном языке. В лучшем случае есть параллельные измерения с оригинальной и новой установкой в ​​течение нескольких лет.[11] Это ВМО (Всемирная метеорологическая организация ), но параллельные измерения, к сожалению, выполняются не очень часто, хотя бы потому, что причина остановки исходного измерения заранее не известна, но, вероятно, чаще для экономии денег. Выполняя параллельные измерения с копиями исторических инструментов, экранов и т. Д., Некоторые из этих неоднородностей можно изучать и сегодня.

Один из способов изучения влияния изменений в методах измерения - это одновременное выполнение измерений с использованием исторических и текущих инструментов, процедур или экранов. На этом снимке изображены три метеорологических убежища рядом друг с другом в Мерсии (Испания). Крайнее правое убежище является копией ширмы Монсури, которая использовалась в Испании и во многих европейских странах в конце 19-го и начале 20-го веков. Посередине экран Стивенсона, оснащенный автоматическими датчиками. Крайний слева, экран Стивенсона, оснащенный обычными метеорологическими приборами.

Поскольку вы никогда не уверены, что ваши метаданные (история станции) являются полными, всегда следует применять статистическую гомогенизацию. Наиболее часто используемый статистический принцип для обнаружения и устранения эффектов искусственных изменений - это относительная гомогенизация, которая предполагает, что близлежащие станции подвергаются почти одинаковому климатическому сигналу и, таким образом, различия между соседними станциями могут использоваться для обнаружения неоднородностей.[12] Посмотрев на разностные временные ряды, можно исключить годовую изменчивость климата, а также региональные климатические тенденции. В таком разностном временном ряду явный и устойчивый скачок, например, на 1 ° C, может быть легко обнаружен и может быть вызван только изменениями в условиях измерения.

Если в разностном временном ряду есть скачок (разрыв), еще не ясно, к какой из двух станций он принадлежит. Более того, временные ряды обычно имеют более одного скачка. Эти две особенности делают статистическую гомогенизацию сложной и красивой статистической задачей. Алгоритмы гомогенизации обычно различаются по способу решения этих двух фундаментальных проблем.[13]

В прошлом было принято вычислять составной эталонный временной ряд, рассчитанный по множеству близлежащих станций, сравнивать этот эталон с серией-кандидатом и предполагать, что любые найденные скачки связаны с серией-кандидатом.[14] Последнее предположение работает, потому что при использовании нескольких станций в качестве эталона влияние неоднородностей на эталон значительно уменьшается. Однако современные алгоритмы больше не предполагают, что эталон является однородным, и таким образом могут достичь лучших результатов. Это можно сделать двумя основными способами. Вы можете рассчитать несколько составных эталонных временных рядов из подмножеств окружающих станций и также проверить эти эталоны на однородность.[15]В качестве альтернативы вы можете использовать только пары станций и, сравнивая все пары друг с другом, определить, какая станция с наибольшей вероятностью имеет разрыв.[4] Если в 1950 г. будет разрыв в паре A&B и B&C, но не в A&C, то разрыв, вероятно, будет на станции B; с большим количеством пар такой вывод может быть сделан с большей уверенностью.

Если во временном ряду есть несколько разрывов, количество комбинаций легко становится очень большим, и становится невозможно перепробовать их все. Например, при пяти перерывах (k= 5) через 100 лет годовых данных (п= 100), количество комбинаций около 1005=1010 или 10 миллиардов. Эта проблема иногда решается итеративно / иерархически, сначала ища самый большой скачок, а затем повторяя поиск в обоих подсекциях, пока они не станут слишком маленькими. Это не всегда дает хорошие результаты. Прямой способ решения проблемы - эффективный метод оптимизации, называемый динамическое программирование.

Иногда других станций в том же климатическом регионе нет. В этом случае иногда применяется абсолютная гомогенизация, и неоднородности обнаруживаются во временном ряду одной станции. Если в определенную дату есть четкий и большой разрыв, его можно исправить, но меньшие скачки и постепенно возникающие неоднородности (городской остров тепла или растущая растительность) нельзя отличить от реальной естественной изменчивости и изменения климата. Данные, гомогенизированные таким образом, не имеют ожидаемого качества и должны использоваться с особой осторожностью.

Неоднородности в климатических данных

Путем гомогенизации наборов климатических данных было обнаружено, что иногда неоднородности могут вызывать предвзятые тенденции в необработанных данных; что гомогенизация необходима для получения надежных региональных или глобальных тенденций. Например, для Большого Альпийского региона было обнаружено отклонение температурного тренда между 1870-ми и 1980-ми годами на половину градуса, что было связано с уменьшение урбанизации сети и систематические изменения сроков наблюдения.[16]Записи об осадках раннего инструментального периода смещены на -10% из-за систематической установки более высоких датчиков в то время.[17]Другими возможными источниками предвзятости являются новые типы погодных укрытий.[3][18] переход от жидкостных и стеклянных термометров к электрическим термометрам сопротивления,[2] а также тенденция к замене наблюдателей автоматическими метеостанциями,[8] эффект городского теплового острова и перенос многих городских станций в аэропорты.[9]

В проекте HOME алгоритмы гомогенизации были недавно протестированы на искусственных климатических данных с известными неоднородностями, и было обнаружено, что относительная гомогенизация улучшает записи температуры и что современные методы, которые не работают с однородным эталоном, являются наиболее точными.[13]

Смотрите также

Рекомендации

  1. ^ а б Ауэр, И., Р. Бом, А. Юркович, В. Липа, А. Орлик, Р. Потцманн, В. Шонер, М. Унгерсбок, К. Матулла, П. Джонс, Д. Эфтимиадис, М. Брунетти, Т. Нанни, К. Бриффа, М. Маугери, Л. Меркалли, О. Местре и др. «HISTALP - Исторические инструментальные климатологические поверхностные временные ряды Большого Альпийского региона». Int. J. Climatol., 27, с. 17-46, Дои:10.1002 / joc.1377, 2007.
  2. ^ а б c d Менне, М. Дж., Уильямс, К. Н. младший, и Восе, Р. С .: «Данные о месячной температуре сети исторической климатологии США, версия 2». Бык. Являюсь. Meteorol. Soc., 90, (7), 993-1007, Дои:10.1175 / 2008BAMS2613.1, 2009.
  3. ^ а б c d Брунетти М., Маугери М., Монти Ф. и Нанни Т .: Изменчивость температуры и осадков в Италии за последние два столетия на основе гомогенизированных инструментальных временных рядов. Международный журнал климатологии, 26, с. 345–381, Дои:10.1002 / joc.1251, 2006.
  4. ^ а б c Caussinus, H. и Mestre, O .: "Обнаружение и коррекция искусственных сдвигов в климатических рядах". Журнал Королевского статистического общества: Серия C (Прикладная статистика), 53 (3), 405-425, Дои:10.1111 / j.1467-9876.2004.05155.x, 2004.
  5. ^ а б Делла-Марта, П. М., Коллинз, Д., и Браганса, К.: «Обновление высококачественного набора данных о годовой температуре Австралии». Austr. Метеор. Mag., 53, 277-292, 2004.
  6. ^ Уильямс, К. Н. младший, Менне, М. Дж., Торн, П.В. «Сравнительный анализ производительности попарной гомогенизации поверхностных температур в США. Журнал геофизических исследований - атмосфера», 117, D5, Дои:10.1029 / 2011JD016761, 2012.
  7. ^ Менне, М. Дж., Уильямс, К. Н. мл., И Палецки М. А.: «О надежности данных о температуре поверхности США». J. Geophys. Res. Атмосфера, 115, вып. D11108, г. Дои:10.1029/ , 2010.
  8. ^ а б c Бегерт, М., Шлегель, Т., и Кирххофер, В .: «Однородные ряды температур и осадков в Швейцарии с 1864 по 2000 год». Int. J. Climatol., Дои:10.1002 / joc.1118, 25, 65–80, 2005.
  9. ^ а б c Тревин, Б .: «Воздействие, приборы и практика наблюдения влияют на измерения температуры земли». ПРОВОДА Clim. Изменять, 1, 490–506, Дои:10.1002 / wcc.46, 2010.
  10. ^ Меулен, ван дер, Дж. П. и Т. Брандсма. «Взаимное сравнение экранов термометра в Де Билт (Нидерланды), часть I: Понимание погодно-зависимых температурных перепадов». Int. J. Climatol., Дои:10.1002 / joc.1531, 28, 371-387, 2008.
  11. ^ Агилар Э., Ауэр И., Брюне М., Петерсон Т. К. и Виринга Дж .: Руководящие принципы климатических метаданных и гомогенизации. Всемирная метеорологическая организация, ВМО-ТД № 1186, WCDMP № 53, Женева, Швейцария, 55 стр., 2003 г.
  12. ^ Конрад В. и Поллак К. Методы климатологии. Издательство Гарвардского университета, Кембридж, Массачусетс, 459 стр., 1950.
  13. ^ а б Венема В., Местре О., Агилар Э., Ауэр И., Ж.А. Гихарро, П. Домонкос, Г. Вертачник, Т. Сентимрей, П. Степанек, П. Заградничек, Й. Виарре, Г. Мюллер-Вестермайер, М. Лакатос, К. Уильямс, MJ Менне, Р. Линдау, Д. Расол, Э. Рустемайер, К. Колокитас, Т. Маринова, Л. Андресен, Ф. Акваотта, С. Фратианни, С. Шеваль, М. Кланкар, М. Брунетти, Ч. . Gruber, M. Prohom Duran, T. Likso, P. Esteban, Th. Brandsma. «Бенчмаркинг алгоритмов гомогенизации для ежемесячных данных». Климат прошлого, 8, 89-115, Дои:10.5194 / cp-8-89-2012, 2012.
  14. ^ Александерссон, А .: «Тест на однородность, применяемый к данным об осадках». J. Climatol., Дои:10.1002 / joc.3370060607, 6, 661-675, 1986.
  15. ^ Szentimrey, T .: "Множественный анализ серий для гомогенизации (MASH)". Материалы второго семинара по гомогенизации приземных климатологических данных., Будапешт, Венгрия; ВМО, WCDMP-No. 41, 27-46, 1999.
  16. ^ Бём Р., Ауэр, И., Брунетти, М., Маугери, М., Нанни, Т., и Шенер, В.: «Региональная изменчивость температуры в Европейских Альпах 1760–1998 гг. На основе гомогенизированных инструментальных временных рядов». Международный журнал климатологии, Дои:10.1002 / joc.689, 21, с. 1779–1801, 2001.
  17. ^ Ауэр И., Бём, Р., Юркович, А., Орлик, А., Поцманн, Р., Шенер В. и др.: Новый набор инструментальных данных об осадках для Большого Альпийского региона за период 1800–2002 гг. Международный журнал климатологии, Дои:10.1002 / joc.1135, 25, 139–166, 2005.
  18. ^ Брюнет, М., Асин, Дж., Сигро, Дж., Банон, М., Гарсия, Ф., Агилар, Э., Эстебан Паленсуэла, Дж., Петерсон, Т.С., и Джонс, П .: "Минимизация смещение экрана из древних записей температуры воздуха в Западном Средиземноморье: поисковый статистический анализ ". Int. J. Climatol., Дои:10.1002 / joc.2192, 2010.