Разве глобальные приземные температуры не показали значительного повышения с конца 1990-х годов?

Те, кто скептически относится к науке о глобальном потеплении, часто заявляют, что запись приземной температуры «приостановилась» примерно с 1998 года и не показала существенной тенденции к потеплению (см. этот недавний пост с этой статьей в качестве репрезентативного примера).

Основное климатологическое сообщество отреагировало на это несколькими способами (см. мой курсив в приведенных ниже цитатах, подчеркивающий различные утверждения).

Некоторые отрицают существование паузы или утверждают, что недавние расширения записи показывают, что это ошибка данных, см. эту новость от Independent , утверждающую:

Новое исследование показало, что глобальные температуры за последние 15 лет не оставались на одном уровне , как показывают записи метеостанций, а фактически продолжали расти так же быстро, как и в предыдущие десятилетия, в течение которых мы наблюдали беспрецедентное ускорение глобального потепления. потепление.

Но другие ведущие ученые признают, что пауза существует, и ищут объяснения. Недавний обзор в Nature начинается с такого признания:

В течение нескольких лет ученые списывали эти проблемы на шум в климатической системе: естественные изменения в атмосфере, океанах и биосфере, вызывающие потепление или похолодание по всему земному шару. Но пауза сохранилась, вызвав небольшой кризис доверия на местах. Несмотря на то, что были скачки и спады, средние атмосферные температуры с 1998 г. повысились незначительно , что , казалось бы, вопреки прогнозам климатических моделей и постоянно увеличивающимся выбросам парниковых газов.

но продолжается

...Теперь, когда перерыв в глобальном потеплении вступает в свой шестнадцатый год, ученые, наконец, продвинулись вперед в случае недостающего тепла.

Так что некоторые люди не верят, что была пауза, а другие пытаются объяснить паузу. Мой вопрос связан с неопределенностью: не показали ли глобальные приземные температуры значительного роста примерно с 1998 года?

Примечание для ясности . Я понимаю, что большая часть тепла не поглощается атмосферой и что изменение климата вполне может продолжаться. Это соответствующий контекст , но не вопрос. Вопрос в температуре поверхности. Так что сначала ответьте на это, а потом предоставьте контекст.

@ Tor-EinarJarnbjo Вопрос о службе безопасности слишком специфичен и не дал хороших ответов на общий вопрос. Этот вопрос связан, но должен позволить провести надлежащий анализ всех данных и всех утверждений о нем.
@GlenTheUdderboat Я не могу получить доступ к вашему pdf. Но я думаю, что ответы должны будут обеспечить хорошее обсуждение статистики, сглаживания и зашумленных данных и обосновать «значительность», если они решат использовать этот термин.
Обе статьи могут быть правильными; Они не обязательно противоречат друг другу. Если оба варианта верны, то атмосфера теплее, чем мы думаем, а глубокие океаны поглотили больше тепла, чем мы ожидали, и поэтому мы недооцениваем скорость, с которой происходит глобальное потепление (по крайней мере, за последние 16 лет). . Поскольку обе статьи могут быть правдивыми, их точность, вероятно, следует подвергнуть сомнению в двух отдельных вопросах. Поскольку обе статьи были опубликованы в прошлом году, маловероятно, что до сих пор проводились какие-либо независимые исследования, посвященные одной и той же теме.
@Ladadadada Меня не особенно интересуют эти две статьи: я просто использовал несколько репрезентативных случаев, чтобы проиллюстрировать тот факт, что люди, похоже, не согласны с данными. Что меня интересует, так это то, что говорят данные, и это обсуждалось во многих статьях. Каков консенсус и согласуется ли он со статистикой?
Нет по спутниковым данным RSS Climatedepot.com/2014/06/04/…

Ответы (2)

Первое, на что следует обратить внимание, это то, что «отсутствие статистически значимого потепления» не означает, что потепления не было, по сути, это просто означает, что потепления было недостаточно, чтобы исключить возможность того, что потепления не было. Если это звучит нелогично, то это потому, что так оно и есть, но именно так работает частотная статистическая проверка гипотез.

Принцип работы частотных тестов гипотез в общих чертах выглядит следующим образом: допустим, у вас есть гипотеза (H1), которую вы хотите подтвердить, используя набор наблюдений (X). Затем вы определяете «нулевую гипотезу», которая, по сути, является ложной, чтобы показать, что ваш H1 верен. Например, если вы предполагаете, что некоторое потепление имело место, то очевидным выбором для H0 будет отсутствие потепления вообще, т. е. скорость потепления равна нулю. Затем вы вычисляете p-значение, которое представляет собой вероятность наблюдения тенденции, по крайней мере, такой же большой, как наблюдаемая ЕСЛИН0 верно. Если значение p достаточно мало, скажем, p < 0,05, это считается достаточным доказательством того, что H0 ложно, поэтому мы говорим, что «мы отвергаем нулевую гипотезу» или, что то же самое, «скорость потепления статистически значима», и в противном случае «мы не может отвергнуть нулевую гипотезу» или «скорость потепления не является статистически значимой».

Теперь первое, на что следует обратить внимание, это то, что H0 должна быть гипотезой, против которой вы выступаете . Таким образом, для господствующей науки, которая предполагает, что потепление произойдет из-за парникового эффекта, естественным H0 является отсутствие потепления. «Скептики», с другой стороны, предполагают, что потепления нет, но они также используют это как свою нулевую гипотезу. Это серьезная статистическая ошибка, поскольку она означает, что проверка гипотез больше не работает как проверка здравомыслия, поскольку скептики предполагают, что они правы, и требуют доказательств, чтобы доказать их неправоту. С другой стороны, господствующая наука предполагает, что они неверны (H0 верно), и задаются вопросом, опровергают ли наблюдения H0 (подразумевая, но не доказывая, что H1 верно).

Теперь о втором пункте. Если тренд не является статистически значимым, то тому есть как минимум две причины: во-первых, H0 действительно верно, а во-вторых, H0 ложно, но недостаточно данных, чтобы продемонстрировать, что это неверно. Предположим, что вы подбросили двуглавую монету четыре раза. Традиционный тест на предвзятость монеты не сможет опровергнуть нулевую гипотезу, поскольку даже четыре подбрасывания подряд будут происходить случайно с честной монетой более чем в 5% случаев. Это связано с тем, что мощность теста (вероятность отклонения нулевой гипотезы, когда она на самом деле ложна) не очень высока.

Это относится к «статистически незначимой» наблюдаемой тенденции, которую мы имеем сейчас, учитывая ожидаемый размер антропогенной тенденции и шум в данных (погода), мощность теста настолько низка, что это совсем не удивительно. что результат не является статистически значимым. Эстерлинг и Венер продемонстрировали, что климат иногда демонстрирует десятилетние (или более) периоды с небольшим трендом или без него, и что это также обнаруживается в моделировании.

Чтобы добавить к этому, проверка гипотезы предполагает, что вы смотрите на n-летний период, выбранный случайным образом. Если вы выберете даты начала и окончания, мощность будет еще ниже, если только вы не компенсируете неявную множественную проверку гипотез.

Цитата из Independent не показывает, что это "ошибка данных"

Новое исследование показало, что глобальные температуры за последние 15 лет не оставались на одном уровне, как показывают записи метеостанций, а фактически продолжали расти так же быстро, как и в предыдущие десятилетия, в течение которых мы наблюдали беспрецедентное ускорение глобального потепления. потепление.

Заявление о том, что температура не была «плоской», не противоречит тому, что скорость потепления не является статистически значимой, потому что последнее просто означает, что мы не можем исключить возможность того, что основная скорость потепления равна нулю. Проблема в том, что большинство журналистов и еще большая часть скептически настроенных к климату блоггеров на самом деле не разбираются в проверке гипотез.

Заявление о том, что скорость потепления такая же, как и раньше, не противоречит тому, что скорость потепления не является статистически значимой по той же причине.

Комментарий об ускорении требует немного больше доказательств.

Пауза в потеплении интересна, она хорошо объясняется влиянием ЭНЮК (см. статью Фостера и Рамсдорфа ) и представляет собой интересную область для исследований изменчивости климата. Однако это не означает, что основная скорость потепления изменилась или что двуокись углерода не является парниковым газом и т. д. Таким образом, эти две точки зрения на самом деле не противоречат друг другу.

Чтобы дать прямой ответ на вопрос, является ли потепление значительным или нет, зависит от набора данных, который вы просматриваете, от того, как вы выбираете рассматриваемый период, от ваших статистических предположений (например, с учетом автокорреляции и множественной проверки гипотез из-за выбора периода). после просмотра данных и т. д.). Даже в этом случае это не обязательно будет иметь большое значение, если вы также не посмотрите на статистическую мощность теста.

Мне нравится точка зрения о выборе отправной точки, но она работает в обоих направлениях, поскольку заявления о сильном тренде в предыдущие периоды также подвергаются критике. Есть ли четкий статистический способ приспособиться к этому в целом ?
@matt_black относительно отправной точки периода сильного тренда, я полагаю, вы имеете в виду 1970-е годы? Это не обязательно лучший выбор, поскольку (i) статистические процедуры предполагают момент изменения в то время (например , tamino.wordpress.com/2010/08/13/changes ) и (ii) это было предсказано до того, как это произошло (первоначальная озабоченность о будущем изменении климата возникло в то время, когда в конце 60-х и начале 70-х не было особого потепления) - вы не можете выбрать будущее! Однако, если вы выберете достаточно длительный период (климатологи обычно используют 30 лет), тест будет иметь значительную силу и...
сбор вишни начинает мало влиять на результат. Климатологи используют такие длительные периоды, поскольку это означает, что эффекты внутренней изменчивости (например, ЭНЮК) усредняются и оказывают (более близко) пренебрежимо малое влияние на оценку тренда. Самый простой способ компенсировать сбор вишен — просто использовать достаточно длинный период, чтобы это не имело значения. Другой подход состоит в том, чтобы сделать поправку на множественную проверку гипотез, но это сложно. Я бы, вероятно, использовал симуляции на данных AR с аналогичными свойствами, чтобы оценить эффект, я не уверен, что есть аналитическое решение.
Кстати, у Тамино есть действительно хороший пост здесь: tamino.wordpress.com/2014/01/30/… , который отлично показывает, как мало значит отсутствие статистически значимого потепления с 1998 года, как если бы вы использовали данные за 1979 год. - Температуры 1998 года по-прежнему выше , чем можно было бы ожидать, если бы потепление продолжалось с той же скоростью, что и в 1979-1998 годах.
Я читал сообщения Тамино, ни разу не подумав, что он использует статистику объективно, а не для того, чтобы доказать ответ, который он хочет получить. Его 1979 год также является удачной датой, и его аргумент о том, что поворотный момент в 1970-х годах является объективным, основан на некоторых очень фиктивных статистических данных, не получивших широкого подтверждения, которые я видел в других местах. Но я был бы рад, если бы кто-то мог предложить идеи от надежных статистиков , которые показывают те же результаты.
"может предложить некоторые идеи от доверенных статистиков" Во-первых, Тамино - статистик, и, будучи одним из них, я могу признать, что он также довольно хорош. Во-вторых, я считаю, что обсуждение науки с теми, кто использует ad hominems вместо рационального аргумента (утверждение, что статистика «фальшивая», не является рациональным аргументом), является пустой тратой времени. Если вы хотите объяснить конкретные ошибки в посте Taminos, сделайте это.
Кстати, 1979 год — это не лучший выбор, это дата, когда стали доступны спутниковые наблюдения, поэтому, если вы хотите запустить один и тот же анализ для нескольких наборов данных (чтобы было видно, что вы не выбираете лучший набор данных), вы должны используйте период, который фактически существует во всех наборах данных. Конечно, если бы вы действительно читали этот пост, вы бы знали, что «Давайте использовать данные о температуре, начиная с 1979 года (чтобы мы могли включить спутниковые данные для нижней тропосферы)».
Я не знаю ни о каком выборе даты окончания — обычно это последние данные, доступные на момент проведения анализа. Что обычно выбирают, так это дату начала — обратите внимание, что такие аргументы обычно используют 1998 год в качестве начала. 1998 год вообще выдающийся.
Их ключевая проблема заключается в том, чтобы оглянуться назад с сегодняшнего дня, чтобы увидеть, как далеко вы можете вернуться и получить тенденцию, которая не является статистически значимой. При этом нарушается обычный тест на статистическую значимость, поскольку предполагается, что вы смотрите на случайно выбранный период из временного ряда. Важно понять, почему мы видим то, что видим в наборах данных о температуре поверхности (но, что важно, не в теплосодержании океана). ЭНСО многое объясняет.
@matt_black - извините, это так много лет спустя, но как они обычно справляются с этим, вместо того, чтобы выбирать 1998 или какой-либо другой год в качестве отправной точки, они сравнивают средние значения за десять лет (средние значения за пять лет, что угодно) по состоянию на этот год или в этом году, и это, как правило, устраняет возможность годового всплеска или падения, искажающего сравнение всех других данных.
@PoloHoleSet неясно, это объясняет очевидную паузу. Однако сейчас об этом заявляют гораздо реже, поскольку последние данные не сигнализируют о большой паузе, поэтому, возможно, нам нужны данные еще за 5 лет для уточнения, или, возможно, это утверждение исчезнет, ​​поскольку его правдоподобие снижается перед лицом новых данных.
@matt_black - Когда вы убираете вишенку, видимой паузы нет. Вы просите нас объяснить вымышленную конструкцию. Даже в годовом исчислении, если вы наметите общую линию тренда данных, она неуклонно растет.

В этом ответе я сосредоточусь на статье Коутана и Уэя, которая, кажется, вызывает некоторую динамику этих дебатов (например, статья The Independent , упомянутая вами).

Я предполагаю, что когда вы говорите о «значительном», вы имеете в виду «статистически значимое». У этого слова есть другое значение, и если вы имели в виду это, то этот ответ не очень полезен. Я также предполагаю, что вы хотели бы принять «отсутствие восходящего тренда» в качестве нулевой гипотезы.

Учитывая объем экстраполяции, сделанной Коутаном и Уэем, я полагаю, что их анализ не подходит для отрицательного ответа на ваш вопрос [это неуклюже сформулировано, потому что в вашем вопросе уже есть «не»), а скорее направлен на предоставление только оценка тренда (т.е. точечная). (Действительно, кажется, что ни в аннотации, ни в заключении статьи нет заявления о значимости.)

Однако в своей статье (стр. 11) они сообщают нам:

Dataset          Trend +/- sigma
Hybrid s = 1.0   0.119 +/- 0.076

который может быть использован для положительного ответа на ваш вопрос ( по крайней мере, если этот набор данных/период является единственным допустимым данным ).

С некоторыми дополнительными предположениями это соответствует p-значению около 6%. Учитывая всю происходящую экстраполяцию, я бы предположил, что объективно сигма должна была быть оценена выше, и поэтому я бы предположил, что значение p также выше. Я не знаю, какой уровень значимости (с которым следует сравнивать p-значение) является общепринятым или оправданным в этой области, но я не удивлюсь, если он составит 5% или меньше.

Резюме: документ Cowtan and Way не является и не дает нам оснований быть окончательными в отношении вашего вопроса. (То есть: он не может дать «значительный» и не может дать «незначительный».) Если бы их данные/период были бы единственными доступными, то их анализ показал бы: нет значительного восходящего тренда.

Я заметил, что такие вещи горячо обсуждаются. Возможно, стоит изложить свою позицию. Мне все равно. (И я не слежу за этой дискуссией.)

Я не уверен в этом: если один эксперимент неубедителен, то мы должны искать ответы в других документах - если только это не единственная соответствующая статья, и в этом случае ваш ответ должен это отметить.
В C&W не используется интеллектуальный анализ данных (как обсуждалось в чате), но +1 в противном случае.
Статья C&W — лишь одна из многих. Было бы хорошо поместить его в контекст других, особенно потому, что он подразумевает определенную ненадежность данных о поверхности, что также может быть применимо к случаям, когда данные явно указывали на потепление. Самая большая проблема с газетой может заключаться в том, что журналисты, стремящиеся опровергнуть климатических скептиков, преувеличивают ее.
C&W не утверждает, что наземные записи ненадежны, проблема в том, что в Арктике нет постоянных метеостанций (по понятным причинам), но это нужно как-то компенсировать, иначе набор данных будет систематически занижен. C&W не преувеличено, это действительно хорошая газета. Настоящая проблема заключается в том, что значение паузы в потеплении было слишком преувеличено, особенно скептически настроенными средствами массовой информации, поскольку предполагалось, что существует проблема с основной климатологией, что просто неверно по причинам, указанным в моем ответе.
Конечно, C&W и GISTEMP предполагают большее потепление, чем другие наборы данных, но это потому, что они единственные, которые делают что-то, чтобы компенсировать известную предвзятость, вызванную игнорированием существования Арктики (что эффективно делают другие наборы данных). Тем не менее, просмотр всех наборов данных и понимание причин, по которым они не все говорят одно и то же, — это то, что я искренне рекомендую. Если кто-то показывает только один набор данных, вполне разумно спросить себя, почему.
Разве глобальные приземные температуры не показали значительного повышения с конца 1990-х годов?
СпросиСетьПолитика конфиденциальности1y, 0v