人工の地球温暖化の証拠は「ゴールドスタンダード」に当たります：彼らはどうやってこれをしましたか？

25.02.2019からのロイターの記事にあるこのメッセージは、現在すべてのニュースに掲載されています。

人工の地球温暖化の証拠は「ゴールドスタンダード」に当たります

[科学者]は、人間の活動が地球の表面の熱を高めているという自信が「5シグマ」レベルに達したと言いました。温暖化なし。

これは、この記事「気候変動科学における3つの重要なイベントの記念日を祝う」を参照していると思います。これには、下図に示すプロットが含まれています無料の画像はこちらにあります）。同じ研究グループの別の記事は、より独創的な情報源と思われますが、ここにあります（ただし、ではなく1％の有意性を使用しています）。$5\sigma$

このプロットは、リモートセンシングシステム、衛星応用研究センター、アラバマ大学ハンツビルの3つの異なる研究グループの測定値を示しています。

プロットは、トレンドの長さの関数として、信号対ノイズ比の3つの上昇曲線を表示します。

だから、何とか科学者は地球温暖化の人為的な信号を測定している（または気候変動を？）でレベル、明らかにいくつかある証拠の科学的な標準。$5\sigma$

私にとって、このようなグラフは抽象度が高く、多くの疑問を提起します、そして一般的に「どうやってこれをしたのですか？」という疑問について疑問に思います。。この実験を単純な単語に（しかし、それほど抽象的ではない）説明し、レベルの意味をどのように説明しますか？$^{\dagger}$ 5σ$5\sigma$

私は気候について議論したくないので、ここでこの質問をします。代わりに、統計コンテンツに関する回答、特にを使用/主張しているこのようなステートメントの意味を明確にするために答えを求めています。$5 \sigma$

$^\dagger$帰無仮説とは何ですか？人為的な信号を得るために、彼らはどのように実験を設定しましたか？信号のエフェクトサイズは？それは単なる小さな信号であり、ノイズが減少しているため、または信号が増加しているため、今これを測定するだけです 5シグマのしきい値（独立、ランダム効果など）の交差を決定する統計モデルを作成するために、どのような仮定が行われますか？異なる研究グループの3つの曲線が異なるのはなぜですか、異なるノイズがあるのか​​、異なる信号があるのですか？後者の場合、確率と外部妥当性の解釈に関してそれはどういう意味ですか？

必ずしも統計的検定に関するものではありません。また、情報理論に関するものでもあります。

5σという用語は、「信号」と「ノイズ」の比です。仮説検定では、分布パラメーターの推定値と推定値の標準誤差があります。1つ目は「シグナル」、2つ目は「ノイズ」、統計とその標準誤差の比率はz統計、t統計、F統計です。

それにも関わらず、S / N比は、ノイズを介して何らかの情報を受信/知覚するあらゆる場所で役立ちます。引用されたリンクが説明するように

信号対雑音比（多くの場合、SNRまたはS / Nと略される）は、信号がノイズによってどれだけ破損しているかを定量化するために科学および工学で使用される尺度です。

私たちの場合、「信号」は大気のいくつかの層の温度の測定された実際の変化であり、「ノイズ」は既知の人為的影響のないシミュレーションからの変化の予測です。そのため、これらのシミュレーションでは、一定の標準偏差σでほぼ一定の定常温度が予測されました。

統計に戻りましょう。すべてのテスト統計（z、t、F）は、標準誤差に対する推定値の比率です。したがって、統計学者がS / Nのようなものを聞いたとき、z統計量を考え、それに確率を付けます。気候学者は明らかにこれを行いません（記事のどこにも確率についての言及はありません）。彼らは、変化が予想される「およそ3から8」倍大きいこと、S / Nが3σから8σであることを単純に見つけます。

どのような記事が知られている人為的影響を受けたものがモデルに含まれており、知られている人為的影響を受けた他の人は除外：報告していることは、彼らは、シミュレーションの2種類を作っていること、です。最初のシミュレーションは測定された実際の衛星データに似ていましたが、2番目のシミュレーションはかなり遅れていました。これがありそうかどうかは、彼らは言わず、明らかに気にしません。

他の質問に答えるため。彼らは実験をせず、モデルに従ってシミュレーションを行いました。したがって、明らかな帰無仮説を除いて、変化が予想と類似しているという明示的な帰無仮説はありません（S / Nは1）。

信号の効果サイズは、実際のデータとシミュレーションの違いです。予想より5倍大きい信号です（温度の通常の変動の5倍）。測定の量と精度のせいで、ノイズが減少しているようです。

「本物の科学者」からの期待に反して、話すことができる統計モデルはないので、行われた仮定に関する疑問は空虚です。唯一の仮定は、彼らのモデルが気候を予測できることです。これは、天気予報に使用されるモデルがしっかりしていると言っているのと同じくらい有効です。

3つ以上の曲線があります。それらは異なるモデルからのシミュレーション結果です。それらは単に異なっていなければなりません。そして、はい、異なるノイズがあります。信号は、異なる限り、異なる測定セットであり、測定誤差があり、異なるはずです。解釈に関してこれはどういう意味ですか？S / Nの確率の解釈は適切ではありません。ただし、調査結果の外部妥当性は妥当です。彼らは、1979年から2011年までの期間の気候変化は、既知の人為的影響が考慮された場合のシミュレーションに匹敵し、既知の人為的要因がモデルから除外された場合のシミュレーションによって計算されたものよりも約5倍大きいと単純に主張しています。

したがって、1つの質問が残っています。気候学者が統計学者にモデルの作成を依頼する場合、それはどうあるべきでしょうか？私の意見では、ブラウン運動に沿ったものです。

警告：私は気候学の専門家ではありません。これは私の分野ではありません。これを覚えておいてください。訂正を歓迎します。

あなたが言及している図は、最近の論文Santer等からのものです。2019年、気候変動の科学の3つの主要なイベントの記念日を祝うから自然の気候変動を。これは研究論文ではなく、簡単なコメントです。この図は、同じ著者、Santer et al。の以前のScience論文からの類似図の簡略化された更新です。2018年、対流圏気温の季節サイクルに対する人間の影響。これが2019年の図です：

そして、これが2018年の図です。パネルAは2019年の図に対応しています。

ここで、この最後の図（4つすべてのパネル）の背後にある統計分析について説明します。科学論文はオープンアクセスとはかなり読みやすいです。通常、統計の詳細は補足資料に隠されています。そのような統計について議論する前に、ここで使用される観測データとシミュレーション（気候モデル）についていくつかの言葉を言わなければなりません。

1.データ

略語RSS、UAH、およびSTARは、衛星測定からの対流圏温度の再構成を指します。対流圏の温度は、1979年以来、気象衛星を使用して監視されています。MSUの温度測定に関するウィキペディアを参照してください。残念ながら、衛星は温度を直接測定しません。彼らは何かを測定し、そこから温度を推測することができます。さらに、時間に依存するさまざまなバイアスとキャリブレーションの問題に悩まされています。これにより、実際の温度の再構築が困難な問題になります。いくつかの研究グループがこの再構成を実行し、多少異なる方法論に従って、やや異なる最終結果を得ています。RSS、UAH、およびSTARはこれらの再構築です。ウィキペディアを引用するには、

衛星は温度を測定しません。さまざまな波長帯域の放射輝度を測定します。温度の間接的な推定を得るには、これらの波長帯域を数学的に反転する必要があります。結果の温度プロファイルは、放射輝度から温度を取得するために使用される方法の詳細に依存します。その結果、衛星データを分析したさまざまなグループがさまざまな温度傾向を取得しています。これらのグループには、リモートセンシングシステム（RSS）とハンツビルのアラバマ大学（UAH）があります。衛星シリーズは完全に同種ではありません。記録は類似しているが同一ではない一連の衛星から構成されています。センサーは時間の経過とともに劣化し、軌道上の衛星のドリフトには補正が必要です。

どの再構成がより信頼できるかについては多くの議論があります。各グループは時々アルゴリズムを更新し、再構築された時系列全体を変更します。これが、たとえば、上の図でRSS v3.3とRSS v4.0が異なる理由です。全体として、私の知る限りよく地球表面温度の推定値であることをフィールドに受け入れられている複数の衛星の測定値よりも正確。いずれにせよ、この質問で重要なのは、1979年から現在までの空間的に解決された対流圏温度の利用可能な推定値がいくつかあることです。つまり、緯度、経度、時間の関数としてです。

$T(\mathbf x, t)$

2.モデル

対流圏の温度をシミュレートするために実行できるさまざまな気候モデルがあります（緯度、経度、および時間の関数として）。これらのモデルは、CO2濃度、火山活動、日射量、エアロゾル濃度、およびその他のさまざまな外部の影響を入力とし、出力として温度を生成します。これらのモデルは、実際に測定された外部の影響を使用して、同じ期間（1979年から現在）実行できます。次に、出力を平均して、平均モデル出力を取得できます。

人為的要因（温室効果ガス、エアロゾルなど）を入力せずにこれらのモデルを実行して、非人為的モデルの予測のアイデアを得ることができます。他のすべての要因（太陽/火山/など）はその平均値を中心に変動するため、非人為的モデルの出力は構造上静止していることに注意してください。言い換えると、このモデルでは、特定の外的要因がない限り、気候が自然に変化することはありません。

$M(\mathbf x,t)$$N(\mathbf x, t)$

$z$

$T(\mathbf x, t)$$M(\mathbf x, t)$$N(\mathbf x, t)$

$T(\mathbf x, i)$$M(\mathbf x, i)$$N(\mathbf x, i)$$i$

1. 年間平均：年間の平均気温です。
2. 年間の季節サイクル：夏の気温から冬の気温を引いたもの。
3. $\mathbf x$$i$
4. グローバル平均を減算した年間季節サイクル：（2）と同じですが、グローバル平均を再度減算します。

$M(\mathbf x, i)$$F(\mathbf x)$

$T(\mathbf x, i)$$F(\mathbf x)$

$z$

$z$

4.コメント

最初の指紋（パネルA）は、私見で、最も些細なものです。これは単に、観測された温度が単調に増加するのに対し、帰無仮説の下の温度は増加しないことを意味します。この結論を出すために、この複雑な機械全体が必要だとは思わない。全球平均対流圏下部気温（RSSバリアント）時系列は次のようになります。

そして明らかに、ここには非常に重要な傾向があります。それを見るのにモデルは必要ないと思います。

$z$

$z$

$z$