Genom att titta på satellitmätningar av temperaturförändringar i det nedre lagret av jordens atmosfär, forskare fann att klimatmodeller kan ha överskattat den naturliga temperaturvariationen från decennium till decennium.

Lawrence Livermore National Laboratory (LLNL) statistiker Giuliana Pallotta och klimatforskaren Benjamin Santer skapade ett statistiskt ramverk för att heltäckande bedöma betydelsen av skillnader mellan simulerad och observerad naturlig variabilitet i medel- till övre troposfärisk temperatur (TMT). Troposfären är den lägsta regionen i atmosfären, sträcker sig från jordens yta till en höjd av cirka 4 till 12 miles, beroende på breddgrad och årstid.

Teamet fann att i nuvarande och tidigare generationer av klimatmodeller, den naturliga variationen från decennier till decennium av troposfärstemperatur är systematiskt för stor i förhållande till uppskattningar av naturliga variationer från satelliter. En sådan överskattning av naturligt "klimatbrus" skulle göra det svårare att identifiera en människoorsakad troposfärisk uppvärmningssignal. Forskningen visas i Journal of Climate .

"Våra fynd ökar förtroendet för tidigare påståenden om detekterbar människoorsakad uppvärmning av troposfären och antyder att dessa påståenden kan vara konservativa, sa Pallota.

Förbättrad kunskap om denna troposfäriska uppvärmningssignal, och en bättre förståelse av osäkerheter i satellittemperaturobservationer, har hjälpt till att främja upptäckts- och tillskrivningsstudier, som hjälper till att reda ut orsakerna till den senaste tidens klimatförändringar.

Naturlig inre variabilitet uppstår i frånvaro av mänskligt orsakade förändringar i atmosfärens sammansättning. Det utgör bakgrundsbruset mot vilket varje långsamt utvecklande mänskligt orsakad uppvärmningssignal måste detekteras. Studien fokuserar på spektrumet av intern variabilitet, tillhandahålla information om uppdelningen av temperaturvariationer på tidsskalor som sträcker sig från månader till decennier. Sådan information är en kritisk komponent i antropogena signaldetekteringsstudier.

Pallota och Santer undersökte känsligheten hos spektrala jämförelser mellan modell och data för ett brett spektrum av subjektiva beslut. Dessa inkluderade valet av satellit- och klimatmodell TMT-datauppsättningar, metoden som används för att separera uppvärmningssignaler från naturligt variabilitetsbrus, frekvensintervallet och den statistiska modellen som används för att representera observerad naturlig variabilitet.

"Vi finner att på tidsskalor på ett till två decennier, observerad TMT-variabilitet är i genomsnitt överskattad av de två senaste generationernas klimatmodeller, " sa Santer. De analyserade modellerna var en del av tidigare och senaste faser av Coupled Model Intercomparison Project (CMIP5 och CMIP6).

En av utmaningarna som forskarna står inför är att verkliga troposfäriska temperaturförändringar endast representerar en enda instans av mänskligt orsakad uppvärmningssignal och naturlig klimatvariation. Det är svårt att entydigt separera signal och brus i denna enda realisering av signal och brus. Teamet utforskade många olika sätt att uppnå denna separation i satellit-TMT-data. För var och en av de använda signal- och brusseparationsmetoderna, de undersökte många olika statistiska modeller av det kortsiktiga och långa "minnet" av klimatbuller.

Pallotta noterade:"Den statistiska modelleringen gjorde det möjligt för oss att generera tusentals olika rimliga uppskattningar av inre klimatvariationer från den enda realiseringen av observerade klimatförändringar. Utan den statistiska modelleringen, det skulle ha varit svårare att dra tillförlitliga slutsatser om den statistiska signifikansen av skillnader mellan observerad troposfärisk temperaturvariation och temperaturvariation i klimatmodeller."

Teamet avser att tillämpa det statistiska ramverket de utvecklat på andra klimatvariabler. Ett självklart nästa steg är att titta på yttemperaturer, som är nästan tre gånger längre än det 41-åriga satellit-TMT-rekordet.