In oktober van dit jaar, weeronderzoekers in Utah maten de laagste temperatuur ooit gemeten in de maand oktober in de VS (exclusief Alaska):-37,1 graden C. Het vorige lage temperatuurrecord voor oktober was -35 graden C, en mensen vroegen zich af wat de relatie is met klimaatverandering.

Tot nu, klimaatonderzoekers hebben geantwoord dat klimaat niet hetzelfde is als weer. Klimaat is wat we op lange termijn verwachten, overwegende dat het weer op korte termijn wordt waargenomen - en aangezien de lokale weersomstandigheden zeer variabel zijn, het kan op één locatie korte tijd erg koud zijn ondanks de langdurige opwarming van de aarde. Kortom, de variabiliteit van het lokale weer maskeert langetermijntrends in het mondiale klimaat.

Een paradigmaverschuiving

Nutsvoorzieningen, echter, een groep onder leiding van ETH-professor Reto Knutti heeft een nieuwe analyse van temperatuurmetingen en modellen uitgevoerd. De wetenschappers concludeerden dat het weer-is-niet-klimaatparadigma in die vorm niet langer van toepassing is. Volgens de onderzoekers is het klimaatsignaal, dat wil zeggen de langetermijnopwarmingstrend - kan worden onderscheiden in dagelijkse weergegevens, zoals de temperatuur en vochtigheid van de oppervlaktelucht, op voorwaarde dat rekening wordt gehouden met globale ruimtelijke patronen.

Dit betekent dat ondanks de opwarming van de aarde, er is mogelijk een record lage temperatuur in oktober in de VS Als het tegelijkertijd warmer is dan gemiddeld in andere regio's, echter, deze afwijking is bijna volledig geëlimineerd. "Het blootleggen van het klimaatveranderingssignaal in dagelijkse weersomstandigheden vraagt ​​om een ​​mondiaal perspectief, geen regionale, " zegt Sebastiaan Sippel, een postdoc werkzaam in de onderzoeksgroep van Knutti en hoofdauteur van een studie die onlangs is gepubliceerd in Natuur Klimaatverandering .

Statistische leertechnieken extraheren de handtekening van klimaatverandering

Om het klimaatsignaal in dagelijkse weerrecords te detecteren, Sippel en zijn collega's gebruikten statistische leertechnieken om simulaties te combineren met klimaatmodellen en data van meetstations. Statistische leertechnieken kunnen een "vingerafdruk" van klimaatverandering extraheren uit de combinatie van temperaturen van verschillende regio's en de verhouding tussen verwachte opwarming en variabiliteit. Door de modelsimulaties systematisch te evalueren, ze kunnen sinds het voorjaar van 2012 op elke dag de klimaatvingerafdruk in de wereldwijde meetgegevens identificeren.

Een vergelijking van de variabiliteit van lokale en mondiale daggemiddelde temperaturen laat zien waarom het mondiale perspectief belangrijk is. Terwijl lokaal gemeten daggemiddelde temperaturen sterk kunnen fluctueren (zelfs nadat de seizoenscyclus is verwijderd), wereldwijde dagelijkse gemiddelde waarden vertonen een zeer smal bereik.

Als de verdeling van de wereldwijde daggemiddelden van 1951 tot 1980 wordt vergeleken met die van 2009 tot 2018, de twee verdelingen (klokkrommen) overlappen elkaar nauwelijks. Het klimaatsignaal is dus prominent aanwezig in de mondiale waarden, maar verduisterd in de lokale waarden, aangezien de verdeling van de daggemiddelden in de twee perioden behoorlijk overlapt.

Toepassing op de hydrologische cyclus

De bevindingen kunnen brede implicaties hebben voor de klimaatwetenschap. "Het weer op mondiaal niveau bevat belangrijke informatie over het klimaat, " zegt Knutti. "Deze informatie kan, bijvoorbeeld, worden gebruikt voor verdere studies die veranderingen in de kans op extreme weersomstandigheden kwantificeren, zoals regionale koudegolven. Deze onderzoeken zijn gebaseerd op modelberekeningen, en onze aanpak zou dan een globale context kunnen bieden van de vingerafdruk van klimaatverandering in waarnemingen die zijn gedaan tijdens dit soort regionale koude periodes. Hierdoor ontstaan ​​nieuwe mogelijkheden voor de communicatie van regionale weersomstandigheden tegen de achtergrond van de opwarming van de aarde."

De studie komt voort uit een samenwerking tussen ETH-onderzoekers en het Swiss Data Science Center (SDSC), die ETH Zürich samen met haar zusteruniversiteit EPFL opereert. "De huidige studie onderstreept hoe nuttig datawetenschapsmethoden zijn bij het verduidelijken van milieukwesties, en de SDSC is hierbij van groot nut, " zegt Knutti. Met datawetenschapsmethoden kunnen onderzoekers niet alleen de kracht van de menselijke "vingerafdruk" aantonen, ze laten ook zien waar in de wereld klimaatverandering in een vroeg stadium bijzonder duidelijk en herkenbaar is. Dit is erg belangrijk in de hydrologische cyclus, waar er zeer grote natuurlijke schommelingen zijn van dag tot dag en van jaar tot jaar. "In de toekomst, we zouden daarom in staat moeten zijn om door mensen veroorzaakte patronen en trends te onderscheiden in andere, meer complexe meetparameters, zoals neerslag, die moeilijk te detecteren zijn met traditionele statistieken, ", zegt de ETH-hoogleraar.