在全球范围的日常天气观测中发现全球变暖的特征

在全球范围的日常天气观测中发现全球变暖的特征

    今年10月，犹他州的气象研究人员测量了美国(阿拉斯加除外)10月份有记录以来的最低气温:-37.1°C。之前10月份的低温记录是-35°C，人们想知道气候变化发生了什么。到目前为止，气候研究人员的回应是，气候和天气不是一回事。气候是我们的长期预期，而天气是我们的短期预期——由于当地的天气条件变化无常，尽管全球气候长期变暖，但在一个地方可能会在短时间内非常寒冷。简而言之，当地天气的变化掩盖了全球气候的长期趋势。

    然而现在，由ETH教授Reto Knutti领导的研究小组对温度测量和模型进行了新的分析。科学家们得出结论，“天气不是气候”的范式不再适用于这种形式。根据研究人员的说法，如果将全球空间格局考虑在内，气候信号(即长期变暖趋势)实际上可以从日常天气数据中辨别出来，比如地面气温和湿度。简而言之，这意味着，尽管全球变暖，但美国10月份很可能出现创纪录的低温。然而，如果同时气温高于其他地区的平均气温，这种偏差就几乎完全消除了。

    为了在每天的天气记录中检测到气候信号，研究人员使用统计学习技术将模拟与气候模型和测量站的数据结合起来。统计学习技术可以从不同地区的气温和预期变暖与变率的组合中提取出气候变化的“指纹”。通过系统地评估模型模拟，他们可以识别自2012年春季以来任何一天的全球测量数据中的气候指纹。对当地和全球每日平均气温变化的比较显示了全球视角的重要性。虽然当地测量的日平均温度可以有很大的波动(甚至在去除季节周期之后)，但全球日平均温度的波动幅度非常小。如果将1951年至1980年的全球日平均值与2009年至2018年的日平均值进行比较，这两个分布(钟形曲线)几乎没有重叠。因此，气候信号在全球值中比较突出，但在局部值中比较模糊，因为在这两个时期，日平均值的分布有相当大的重叠。

    这些发现可能会对气候科学产生广泛的影响，这些信息可以用于进一步的研究，量化极端天气事件(如地区寒潮)发生概率的变化。这些研究是基于模型计算的，我们的方法可以在这种区域寒冷期的观测中提供气候变化指纹的全球背景。这为全球变暖背景下区域天气事件的传播提供了新的机会。