维尔吉利罗维拉大学 学分:维尔吉利罗维拉大学 工具性气候记录是人类的文化遗产，是全世界许多代人勤奋工作的结果
然而，测量温度的方式以及气象站所处环境的变化会产生虚假的趋势
由URV维尔吉利大学、国家气象局和德国波恩大学的研究人员进行的一项国际研究成功地确定了有助于纠正这些趋势的最可靠的方法
这些“同质化方法”是将观测者的巨大努力转化为可靠的气候变化数据的关键一步
这项由西班牙经济和竞争力部资助的研究结果已经发表在美国气象学会的气候杂志上
气候观测通常可以追溯到一个多世纪以前，甚至在汽车和电力出现之前
这些长时间意味着实际上不可能多年保持相同的测量条件
最常见的问题是城市气象站周围城市的增长
我们知道，由于城市表面的热特性和蒸发表面的减少，城市变得越来越暖和
为了验证这一点，将城市站点与附近的农村站点进行比较就足够了
虽然不太为人所知，但类似的问题是由天文台周围灌溉作物的扩张引起的
观测数据出现偏差的另一个最常见原因是，除其他原因外，由于观测网络的变化，气象站已经搬迁
“一个典型的组织变化包括气象站，以前是在城市，被转移到新建的机场，需要观察和预测，”来自波恩的气候学家维克多·维尼马解释说，他也是这项研究的作者之一
他说:“波恩的气象站过去位于波普尔斯多夫村的一块地里，现在是城市的一部分，经过几次搬迁，现在位于科隆-波恩机场。”
就对全球趋势的可靠估计而言，最重要的变化是技术上的，这些变化是在观测网络中同时发生的
“目前，我们正处于观测网络普遍自动化的时期，”维尼马说
可用于气候时间序列数据自动均匀化的计算机程序是几年发展的结果
他们通过比较相互靠近的站点，寻找只发生在其中一个站点的变化，而不是影响所有站点的气候变化
为了检验这些同质化的方法，研究小组建立了一个测试库，其中他们整合了一组模拟数据，这些数据可靠地模拟了观察到的气候数据集，包括提到的偏差
因此，虚假的变化是已知的，并且可以研究它们以确定各种均化方法如何校正它们
生成的测试数据集比以前的研究更加多样化，真实的台站网络也是如此，因为它们的使用方式不同
研究人员重现了台站密度变化很大的网络，因为在密集的网络中，更容易识别一个台站的微小虚假变化
该项目中使用的测试数据集比以前的研究大得多(总共分析了1900个气象站)，这使得科学家能够准确地确定欧洲和美国研究小组开发的主要自动均化方法之间的差异
由于测试数据集的规模很大，因此只能测试自动均化方法
研究小组发现，改善观测网络的估计平均气候信号比改善每个站的时间序列的准确性要困难得多
在最终的分类中，URV和AEMET提出的同质化方法比其他方法更好
匈牙利气候学家彼得·多蒙科斯在URV C3气候变化中心(维拉-塞卡，塔拉戈纳)开发的方法被证明是将单个站的系列和区域网络的平均系列均质化的最佳方法
何塞·阿开发的AEMET方法
吉雅罗紧随其后
美国国家海洋与大气管理局(NOAA)开发的均匀化方法最擅长检测和最小化来自许多气象站的趋势中的系统误差，尤其是当这些偏差同时产生并在相似日期影响许多气象站时
这种方法旨在使来自世界各地台站的数据集均匀化，这些台站主要关注的是对全球趋势的可靠估计
这项研究的结果证明了大型测试数据集的价值
“这是自动均化方法重要的另一个原因:它们可以更容易地测试，这有助于它们的发展，”彼得·多蒙科斯解释说，他的职业生涯始于气象观测者，现在正在写一本关于气候时间序列均化的书
“这项研究表明，非常密集的台站网络对于使均匀化方法更加稳健和高效，从而更准确地计算观察到的趋势非常重要，”研究员马诺拉·布鲁内特说，她是URV C3大学的主任，英国诺里奇东安格利亚大学气候研究组的客座成员，也是世界气象组织天气、气候、水和相关环境服务和应用委员会的副主席
“不幸的是，更多的气候数据仍需数字化，以实现更好的均质化和质量控制，”她总结道
同样来自C3的研究人员贾维尔·西格罗指出，同质性通常只是第一步，“这让我们可以去档案中查看那些受虚假变化影响的观测结果
改进均质化的方法意味着我们可以更有效地做到这一点
" “项目的结果可以帮助用户选择最适合他们需求的方法，并帮助开发人员改进他们的软件，因为它的优点和缺点都暴露出来了
这将使未来有更多的改善，”何塞说
巴利阿里群岛国家气象局的吉雅罗是这项研究的共同作者
以前类似的研究表明，设计用于同时检测多个偏差的均匀化方法明显优于那些逐个识别人为虚假变化的方法
“奇怪的是，我们的研究没有证实这一点
波恩大学的维克多·维尼马说:“这可能更像是一个使用经过精确拟合和测试的方法的问题。”
专家们确信，均化方法的准确性将得到进一步提高
彼得·多蒙科斯总结道:“然而，我们绝不能忘记，空间密度更大、质量更高的气候观测是我们所知的气候变异性的基石。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
