今年 10 月，犹他州的天气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温度：-37.1°C。此前十月的低温记录是-35°C，人们想知道气候变化发生了什么。
到目前为止，气候研究人员已经回应说，气候与天气不同。气候是我们对长期的预期，而天气是我们在短期内得到的——而且由于当地的天气条件变化很大，尽管全球长期变暖，但一个地方的短时间内可能会非常寒冷。简而言之，当地天气的变化掩盖了全球气候的长期趋势。
范式转变
然而，现在，由 ETH 教授 Reto Knutti 领导的一个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，天气不是气候范式不再适用于这种形式。据研究人员称，只要考虑到全球空间模式，气候信号——即长期变暖趋势——实际上可以在日常天气数据中辨别出来，例如地表气温和湿度。
用简单的英语来说，这意味着——尽管全球变暖——美国十月份的气温很可能创下历史新低。但是，如果它同时比其他地区的平均温度高，则这种偏差几乎完全消除。“在日常天气条件下发现气候变化信号需要全球视角，而不是区域视角，”Knutti 研究小组的博士后、最近发表在《自然气候变化》上的一项研究的主要作者塞巴斯蒂安·西佩尔 (Sebastian Sippel) 说。
统计学习技术提取气候变化特征
为了检测日常天气记录中的气候信号，Sippel 和他的同事使用统计学习技术将模拟与气候模型和来自测量站的数据相结合。统计学习技术可以从各个地区的温度和预期变暖和变率的比率的组合中提取气候变化的“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。
本地和全球日平均气温变化的比较显示了为什么全球视角很重要。尽管当地测量的日平均温度可能波动很大(即使在去除季节性周期之后)，但全球日均值的范围非常窄。
如果将 1951 年至 1980 年全球日均值的分布与 2009 年至 2018 年的分布进行比较，则两种分布(钟形曲线)几乎没有重叠。因此，气候信号在全球值中很突出，但在局部值中却很模糊，因为这两个时期的日均值分布有相当大的重叠。
在水文循环中的应用
这些发现可能对气候科学产生广泛的影响。“全球层面的天气携带着有关气候的重要信息，”Knutti 说。“例如，这些信息可用于进一步研究，量化极端天气事件(例如区域性寒流)发生的可能性的变化。这些研究基于模型计算，然后我们的方法可以提供全球气候背景改变这种区域性寒流期间观测中的指纹。这为在全球变暖的背景下传播区域天气事件提供了新的机会。”
该研究源于 ETH 研究人员与瑞士数据科学中心 (SDSC) 之间的合作，该中心由苏黎世联邦理工学院与其姊妹大学 EPFL 共同运营。“目前的研究强调了数据科学方法在澄清环境问题方面的有用性，而 SDSC 在这方面非常有用，”Knutti 说。
数据科学方法不仅可以让研究人员展示人类“指纹”的力量，还可以在早期阶段显示世界上气候变化特别清晰和可识别的地方。这在水文循环中非常重要，那里每天和每年都有非常大的自然波动。“因此，未来，我们应该能够在其他更复杂的测量参数(例如降水)中找出人为引起的模式和趋势，这些参数很难使用传统统计方法检测到，”ETH 教授说。
