Группа климатологов изучает, как минимизировать ошибки в наблюдаемых климатических трендах

Международная группа исследователей из Университета Ровира и Вирхили (URV), Государственного метеорологического агентства Испании (AEMET) и Университета Бонна (Германия) определила наиболее надежные методы для коррекции ложных трендов в многолетних климатических данных. Эти методы «гомогенизации» являются ключевым шагом для преобразования сырых наблюдений в надежные данные об изменении климата. Результаты исследования, поддержанного Министерством экономики и конкурентоспособности Испании, опубликованы в Journal of Climate Американского метеорологического общества.

Климатические наблюдения часто охватывают более века, однако за это время практически невозможно сохранить неизменные условия измерений. Основные проблемы — рост городов вокруг метеостанций (эффект «городского теплового острова») и расширение орошаемых сельхозугодий, а также перенос самих станций, например, из городов в аэропорты. Кроме того, масштабные технологические изменения, такие как автоматизация сетей наблюдений, вносят одновременные систематические смещения в данные многих станций.

Для оценки методов автоматической гомогенизации исследователи создали обширный тестовый банк данных, который достоверно имитировал реальные климатические ряды с известными искусственными погрешностями. Было проанализировано 1900 виртуальных метеостанций в сетях разной плотности. Это позволило точно сравнить основные автоматические методы, разработанные научными группами в Европе и Америке.

В итоговой классификации методы гомогенизации, предложенные URV и AEMET, показали себя лучше других. Метод, разработанный в Центре исследования изменения климата C3 URV климатологом Питером Домонкошем, оказался лучшим для гомогенизации как рядов отдельных станций, так и средних рядов региональной сети. Метод NOAA (Национальное управление океанических и атмосферных исследований США) лучше всего справлялся с обнаружением и минимизацией систематических ошибок в трендах многих станций, особенно когда смещения происходили одновременно на похожих датах.

«Исследование показывает важность очень плотных сетей станций для повышения надежности и эффективности методов гомогенизации и, следовательно, для более точного расчета наблюдаемых трендов», — говорит исследователь Манола Брунет, директор C3 URV. По словам соавтора работы Хосе А. Гихаро из AEMET, результаты помогут пользователям выбрать наиболее подходящий метод для их нужд, а разработчикам — улучшить программное обеспечение.