Кто кричит в горах: человек или ветер?

Оригинал: "On the attribution of weather events to climate change using a fit to extreme value distributions"
arXiv:2308.07560 · 2023-08-15 · CC BY 4.0 · 1 мин
Природа сама умеет подделывать след человека в экстремальной погоде.

В горах эхо повторяет любой звук, и трудно понять, кто кричал: человек или ветер. Так же и с погодными катастрофами. Учёные хотят узнать, виноват ли человек в жаре или засухе. Они ищут связь между местной погодой и потеплением всей планеты. Но у природы есть свои собственные колебания, которые могут выглядеть как след человека.

Авторы проверили обычный метод на трёх случаях: жара в Сибири, пожары в Австралии и засуха на Мадагаскаре. Они взяли компьютерную модель климата, в которой нет влияния человека, и применили к ней тот же самый метод. Оказалось, что даже без человека модель показывает сильную связь между местной жарой и глобальной температурой. Например, для Австралии связь была даже сильнее, чем в реальных наблюдениях.

Внутри климата есть естественные колебания, например тёплое течение Эль-Ниньо. Оно меняет погоду по всему миру и может создавать ложный след человека.

Это не значит, что человек не влияет на климат. Влияние есть, но для каждого отдельного события нужно быть осторожнее. Раньше думали, что найденная связь сразу указывает на человека. Теперь ясно: природа умеет подделывать этот сигнал. Поэтому учёные предлагают дополнительные проверки. Так мы не перепутаем голос человека с эхом ветра.

Верхоянск, где в 2020 году зафиксировали 38 °C, считается одним из полюсов холода Северного полушария: зимой температура там опускается ниже −60 °C.

В романе Кима Стэнли Робинсона «Министерство будущего» жара в Индии становится катализатором глобальных действий, но атрибуция конкретного события остаётся предметом споров — как и в этой статье.

\mu = \mu_0 + \alpha T
Параметр положения сдвигается пропорционально изменению глобальной температуры; коэффициент α показывает чувствительность экстремумов к потеплению.
GEV(x; \mu, \sigma, \xi) = \frac{1}{\sigma} t(x)^{\xi+1} e^{-t(x)}
Описывает статистику блочных максимумов, например годовых максимумов температуры, с параметрами положения, масштаба и формы.
GPD(x; u, \sigma, \xi) = \frac{1}{\sigma} \left(1 + \xi \frac{x-u}{\sigma}\right)^{-(1/\xi + 1)}
Описывает значения выше заданного порога, используется для хвостов распределений, например для экстремальных осадков.
Понятия
аномалия осадков межгодовая изменчивость климат аномалия температуры муссон вспышка западных ветров вероятностный прогноз глобальное потепление NOAA CPC gpcp естественная изменчивость IRI ERA5 прогноз сезонный форсинг годовой цикл распределение по степенному закону случайный лес климатическая модель распределение скоростей