I oktober i år, väderforskare i Utah mätte den lägsta temperaturen som någonsin registrerats i oktober månad i USA (exklusive Alaska):-37,1 grader C. Det tidigare lågtemperaturrekordet för oktober var -35 grader C, och folk undrade över förhållandet till klimatförändringar.

Tills nu, klimatforskare har svarat att klimat inte är samma sak som väder. Klimat är vad vi förväntar oss på lång sikt, Vädret observeras på kort sikt – och eftersom lokala väderförhållanden är mycket varierande, det kan vara väldigt kallt på ett ställe under en kort tid trots långvarig global uppvärmning. Kortfattat, det lokala vädrets variation döljer långsiktiga trender i det globala klimatet.

Ett paradigmskifte

Nu, dock, en grupp ledd av ETH-professorn Reto Knutti har gjort en ny analys av temperaturmätningar och modeller. Forskarna drog slutsatsen att paradigmet väder-är-inte-klimat inte längre är tillämpligt i den formen. Enligt forskarna, klimatsignalen – det vill säga den långsiktiga uppvärmningstrenden – kan faktiskt urskiljas i dagliga väderdata, såsom yttemperatur och luftfuktighet, förutsatt att globala rumsliga mönster beaktas.

Detta innebär att trots den globala uppvärmningen, det kan mycket väl bli en rekordlåg temperatur i oktober i USA. Om det samtidigt är varmare än genomsnittet i andra regioner, dock, denna avvikelse är nästan helt eliminerad. "Att avslöja klimatförändringssignalen i dagliga väderförhållanden kräver ett globalt perspektiv, inte en regional, säger Sebastian Sippel, en postdoc som arbetar i Knuttis forskargrupp och huvudförfattare till en studie som nyligen publicerats i Naturens klimatförändringar .

Statistiska inlärningstekniker extraherar klimatförändringarnas signatur

För att detektera klimatsignalen i dagliga väderrekord, Sippel och hans kollegor använde statistisk inlärningsteknik för att kombinera simuleringar med klimatmodeller och data från mätstationer. Statistiska inlärningstekniker kan extrahera ett "fingeravtryck" av klimatförändringar från kombinationen av temperaturer i olika regioner och förhållandet mellan förväntad uppvärmning och variabilitet. Genom att systematiskt utvärdera modellsimuleringarna, de kan identifiera klimatfingeravtrycket i de globala mätdata på en enskild dag sedan våren 2012.

En jämförelse av variationen mellan lokala och globala dygnsmedeltemperaturer visar varför det globala perspektivet är viktigt. Medan lokalt uppmätta dagliga medeltemperaturer kan fluktuera kraftigt (även efter att säsongscykeln har tagits bort), globala dagliga medelvärden visar ett mycket snävt intervall.

Om fördelningen av globala dygnsmedelvärden från 1951 till 1980 sedan jämförs med de från 2009 till 2018, de två fördelningarna (klockkurvorna) överlappar knappt varandra. Klimatsignalen är alltså framträdande i de globala värdena men skymd i de lokala värdena, eftersom fördelningen av dagliga medelvärden överlappar ganska avsevärt under de två perioderna.

Tillämpning på det hydrologiska kretsloppet

Fynden kan få breda konsekvenser för klimatvetenskapen. "Vädret på global nivå bär viktig information om klimatet, " säger Knutti. "Denna information kan, till exempel, användas för ytterligare studier som kvantifierar förändringar i sannolikheten för extrema väderhändelser, såsom regionala köldperioder. Dessa studier är baserade på modellberäkningar, och vårt tillvägagångssätt skulle då kunna ge ett globalt sammanhang av klimatförändringens fingeravtryck i observationer som gjorts under regionala köldperioder av detta slag. Detta ger upphov till nya möjligheter för kommunikation av regionala väderhändelser mot bakgrund av den globala uppvärmningen."

Studien kommer från ett samarbete mellan ETH-forskare och Swiss Data Science Center (SDSC), som ETH Zürich driver tillsammans med sitt systeruniversitet EPFL. "Den aktuella studien understryker hur användbara datavetenskapliga metoder är för att klargöra miljöfrågor, och SDSC är till stor nytta i detta, " säger Knutti. Datavetenskapliga metoder tillåter inte bara forskare att visa styrkan i det mänskliga "fingeravtrycket", de visar också var i världen klimatförändringarna är särskilt tydliga och igenkännbara i ett tidigt skede. Detta är mycket viktigt i den hydrologiska cykeln, där det finns mycket stora naturliga fluktuationer från dag till dag och år till år. "I framtiden, vi borde därför kunna plocka ut mänskligt inducerade mönster och trender i andra mer komplexa mätparametrar, som nederbörd, som är svåra att upptäcka med traditionell statistik, säger ETH-professorn.