Desenmascarando al “parón climático”

Única traducción al español del paper “Debunking the climate hiatus” de Bala Rajaratnam y otros. publicado el 01/08/2015. Este paper analiza, desde el punto de vista estadístico, la afirmación negacionista de que llevamos de “parón climático” desde 1.998.

He hecho la traducción en un par de horas, por lo que cualquier comentario sobre mejorar la misma será bien recibido.

Desenmascarando al parón climático 

Bala Rajaratnam (1,2,3) , José Romano (3,4)

Michael Tsiang (1), Noah S. Diffenbaugh (1,2)

Recibido: 12 de mayo 2015 / Aceptado:  01 de agosto 2015

© El Autor (s) de 2015. En este artículo se publica con acceso abierto en Springerlink.com

Resumen

El reportado “parón” en el calentamiento del sistema climático mundial durante este siglo ha sido objeto de un intenso debate científico y público, con implicaciones que que van de la comprensión científica de la sensibilidad del clima global hasta la velocidad a la que tendrían las emisiones de gases de efecto invernadero que ser frenadas con el fin de cumplir el objetivo de las Naciones Unidas. Una serie de hipótesis científicas se han propuesto para explicar el parón, incluyendo tanto los procesos climáticos físicos como las muestras de datos. Sin embargo, a pesar de la intensa focalización en el parón, tanto en los ámbitos científicos como públicos, la evaluación estadística rigurosa de la singularidad de la series de temperatura del tiempo reciente dentro del contexto del registro a largo plazo ha sido limitada. Aplicamos un análisis estadístico riguroso, exhaustivo de los datos de la temperatura global que va más allá de los modelos lineales simples para dar cuenta de la dependencia y de selección de efectos en el tiempo. Utilizamos este entorno de trabajo para probar si el período reciente ha demostrado:

  1. Un paréntesis en la tendencia de la temperatura global.
  2. Una tendencia de la temperatura que es estadísticamente distinta de las tendencias anteriores al período de parón
  3. Un “estancamiento” de la temperatura media mundial.
  4. Un cambio en la distribución del aumento año tras año de la temperatura.

Material complementario electrónico:  la versión en línea de este artículo (doi: 10.1007 / s10584-015-1495-y) contiene material complementario, que está disponible para los usuarios autorizados.

Bala Rajaratnam  brajarat@stanford.edu

  • Departamento de Ciencias del Sistema Terrestre de la Universidad de Stanford, 473 Via Ortega, Rm 140, Stanford, CA 94.305 a 4216, EE.UU.
  • Instituto de Woods para el Medio Ambiente, la Universidad de Stanford, 473 Via Ortega, Stanford, CA 94305 -4216, EE.UU.
  • Departamento de Estadísticas de la Universidad de Stanford, Sequoia Hall, Stanford, CA desde 94305 hasta 4065 EE.UU.
  • Departamento de Economía de la Universidad de Stanford, 579 Serra Mall, Stanford, CA 94.305 hasta 6,072 mil 4, EE.UU.

Encontramos evidencia convincente de que  las recientes afirmaciones de una pausa en el calentamiento global carecen de base científica sólida. Nuestro análisis revela que no hay una pausa en el incremento de la temperatura media global, no hubo diferencia estadísticamente significativa en las tendencias, ni estancamiento de la temperatura media mundial, y ningún cambio en el incremento año-tras-año de las temperaturas.

1. Introducción, motivación y Enfoque

El debate internacional sobre la “pausa” en el calentamiento de la sistema climático global en los últimos 15 años se ha intensificado (por ejemplo, Meehl et al. (2011), el IPCC (2013), Otto et al. (2013) , Fyfe et al. (2013), Kosaka y Xie (2013), Santer et al. (2014), Trenberth y Fasullo (2013), Smith (2013), Guemas et al. (2013), Chen y Tung (2014) , Boykoff (2014), Hawkins et al. (2014), England et al. (2014), Karl et al. (2015), Cowtan et al. (2015)).

Las implicaciones del supuesto parón (también conocido como “pausa” o “desaceleración”) son de largo alcance. En primer lugar, han surgido conclusiones científicas contradictorias con respecto a la relación entre el cambio climático y el calentamiento global antropogénico, especialmente durante un periodo de aumento de emisiones de carbono (Kosaka y Xie 2013). En segundo lugar, la discrepancia entre las proyecciones y observaciones de los modelos climáticos parecen apuntar a una sobreestimación de la sensibilidad climática a los forzamientos antropogénicos (Otto et al 2013;. Fyfeetal.2013). La percepción de parón ha llevado a gastar una gran cantidad de recursos en tratar de entender mejor las mecanismos geofísicos que conducen a una posible pausa (incluyendo, entre otros, la actividad volcánica (Santer et al. 2014), Océano Pacífico variabilidad (Kosaka y Xie 2013; Trenberth y Fasullo 2013), y el aumento de la absorción de calor del océano (Smith 2013;. Guemasetal 2013; Chen y Tung 2014)), así como los engañosas series de datos del sistema de observación del clima mundial (Durack et al 2014;. CowtanandWay2014; Karletal. 2015; Cowtanetal.2015). Por tanto, el supuesto parón ha inspirado una valiosa visión científica sobre los procesos que regulan las variaciones a escala decenal del sistema climático. Sin embargo, la percepción de un parón  tiene repercusiones importantes para la toma de decisiones públicas, tanto para las implicaciones de que el calentamiento global se ha detenido o ralentizado (Boykoff 2014;. Hawkins et al 2014), y que los modelos climáticos han sobreestimado la tasa de calentamiento ( por ejemplo, Fyfe et al. (2013)), como para influir en la percepción del nivel de acción de mitigación que se necesita para obtener objetivos de política particulares (Otto et al., 2013).

Es fundamental para cualquier trabajo relacionado con el parón determinar si existe suficiente evidencia empírica en apoyo de su existencia. Sorprendentemente, a nuestro entender, un análisis estadístico riguroso no se ha llevado a cabo, al menos no uno que incorpore las dependencias temporales sin hacer suposiciones fuertes sobre el proceso subyacente. Sin evidencia empírica en apoyo de las pretensiones de parón, las conclusiones más derivadas de la asunción deben ser cuestionadas.

Como parte de nuestra investigación para comprender mejor el parón, desarrollamos un entorno de trabajo científico integral que se pretende probar sistemáticamente las hipótesis que han sido implicadas en las declaraciones que reclaman un paréntesis en el calentamiento global. En primer lugar, identificamos una tipología de las afirmaciones científicas que se han presentado, incluyendo:

  1. Que ha habido un paréntesis en la tendencia de calentamiento global,
  2. Que hay una diferencia en las tendencias antes y durante el parón,
  3. Que no ha sido un paréntesis en el cambio en la temperatura media global.
  4. Que hay una diferencia en el calentamiento antes y durante la pausa (en la contabilización de posiblemente aumentos no lineales sin hacer referencia explícita a una tendencia lineal). (Vea la sección complementaria 3.4 para más detalles sobre la tipología.)

A continuación enlazamos estas afirmaciones científicas con cuatro clases de hipótesis estadísticas comprobables distintas, con cada hipótesis centrándose sobre los diferentes aspectos del (desconocido) proceso de temperatura subyacente. Después, identificamos y desarrollamos herramientas estadísticas apropiadas con el fin de probar cada una de estas hipótesis en forma de principios, y bajo progresivamente menos restrictivos – y por tanto más genéricos supuestos de modelo aplicables, permitiendo así una mayor comprensión de los matices de la serie mundial histórica de temperatura. En particular, se intenta dar cuenta adecuadamente de la dependencia temporal,  utilizar métodos de remuestreo menos restrictivos para evaluar el significado estadístico, y emplear un enfoque flexible de modelado paramétrico. Mediante la aplicación de estas técnicas cada vez más generales en un enfoque en cascada somos capaces de poner a prueba el grado en que los supuestos estadísticos válidos pueden conducir a conclusiones científicas erróneas.

Nuestro análisis se lleva a cabo primero utilizando el índice de temperatura media tierra-océano mundial NASA-GISS. Posteriormente también se repitió en los conjuntos de datos de la NOAA y HadCRUT4 para fines de comparación (ver Cuadros Suplementarios 1 y 2). El análisis también se lleva a cabo en el ERSSTv4 recientemente publicado (Karl et al. (2015)) de datos (véanse los cuadros suplementarios 11 y 12). Gráficos del índice de temperatura de la NASA-GISS prima y alisado media global tierra-océano desde 1880 a 2013, con el período base 1951-80, se dan en la Fig. 1 (arriba). Como hay una clara tendencia subyacente, una media móvil se superpone a la serie temporal. Un análisis estadístico de la correlación serial en los residuos después del ajuste de una recta de regresión es también tomado en la Fig.1 (arriba). La autocorrelación en la serie temporal de temperatura no es despreciable.

Fig. 1 Panel superior índice global dependencia temporal de la temperatura media del océano tierra Durbin-Watson Ljung-Box MCO Modelo 1880-2013, con la base de 0.018 0.0468 desde 1.950 hasta 1.997 mil 0 0,0015 1950-2013 período completo 1951/80 y moviendo 0,004 0,0134 1950-2013 Separado 0.50 promedio superpuesta. La tabla proporciona Durbin-Watson y Ljung-Box p-valores para los residuos de tres OLS encaja 0 entre 1950-2013. La prueba Ljung- Box aquí considera autocorrelación residual en los primeros 20 rezagos. La media móvil 1950-2013 completa OLS de datos brutos de la Orden 5 -0,50 modelo se ajusta a una sola línea de regresión para todas las observaciones de 1950 a 2013. El 1950-2013 Separado 1880 modelo 1920 1940 1960 1900 1980 2000 se ajusta a una recta de regresión por separado al 1950 -1997 e Hipótesis 1 1998-2013 períodos. Parte inferior del panel de datos brutos parcela de la media mundial OLS Line 1998-2013 índice de temperatura 0,90 tierra-océano, de 1998 a 2013, con los 0,85 mínimos cuadrados ordinarios de regresión 0.80 línea superpuesta.

Fig1  La presencia de autocorrelación motiva la necesidad de utilizar métodos estadísticos menos ingenuos para entender la evolución de la temperatura en el tiempo (véase también Suplementaria Sección 2.2).

2 Métodos Conjuntos de datos

Los conjuntos de datos de anomalías de la temperatura de la superficie mundial utilizados en nuestro análisis provienen de tres fuentes: el Instituto Goddard de la NASA para Estudios Espaciales (GISS), datos del análisis de la temperatura de la superficie (GISTEMP),  datos del  National Climatic Data Center NOAA,  datos (NCDC), y los datos HadCRUT4, producidos por el Met Office Hadley Centre en colaboración con la Unidad de Investigación Climática de East Anglia /CRU). Cada fuente combina mediciones mensuales de temperatura de la tierra y la superficie del mar en las redes espaciales que se promedian en una sola serie de temperatura global. Las anomalías de temperatura se calculan a partir de un período de línea de base, que se diferencia por el conjunto de datos. Las diferencias en los tres conjuntos de datos en gran medida provienen de los métodos de ajuste para la cobertura temporal/espacial Disperso (Hansen et al 2010;. Morice et al 2012.). (Vea la Sección Suplementario para más detalles). Nótese que dado que los datos de la temperatura media global están disponibles, el principal objetivo de nuestro análisis es comprender la posible tergiversación de reclamaciones relacionadas con el parón en comparación con la comprensión de la causa de los errores de observación del proceso de temperatura.

La dependencia temporal y la incertidumbre de cuantificación. El registro de la temperatura global exhibe correlación temporal.  Los métodos estadísticos estándar tienden a ignorar esta importante función, que a su vez puede dar lugar a hipótesis de modelización estadística incorrectas y significados estadísticos incorrectos, lo que a su vez puede conducir a conclusiones científicas erróneas. A efectos de la cuantificación de incertidumbre al probar cada una de las cuatro hipótesis estadísticas, cualquiera de los modelos de dependencia temporal en la serie mundial temporal de temperatura explícitamente a través de un modelo autorregresivo paramétrico, o contando a través del autoarranque de bloque circular no paramétrico, del arranque de bloque estacionario, o submuestreo.  (Vea la Sección Suplementario para más detalles.)

Test de hipótesis estadístico. Las diversas afirmaciones científicas sobre el parón del calentamiento global se recogen en cuatro grupos y luego formula como cuatro hipótesis estadísticas comprobables. Estas cuatro hipótesis se especifican rigurosamente, en un marco estadístico de principios, y se dan en las secciones Suplementarios 3.1, 3.2, 3.3 y 3.4. El test de Wald se utiliza para probar los parámetros de pendiente en el modelo de regresión lineal en la hipótesis I y II que conducen a la Normal o p-valores basados ​​en t-distribución. Por otra parte, los valores de p basados en el arranque y submuestreo también se calculan como alternativas al test de Wald como alternativa al test de Kolmogorov-Smirnov donde es apropiado. Al comparar dos distribuciones, junto con la correa de arranque-o submuestreo, para dar cuenta de la dependencia temporal. (Vea la Sección Suplementaria para más detalles.)

Incertidumbres observacionales. Es importante reconocer que los datos de temperatura que se utiliza en nuestro análisis son las estimaciones de un proceso inobservado y es por lo tanto sujetos a errores de observación e incertidumbres implícitas. Las incertidumbres observacionales podrían surgir debido a varios factores, incluyendo el error instrumental, los cambios en la red de configuración observar y tecnología de la observación, y también debido a las incertidumbres en los ajustes realizados en los datos. El conjunto de datos HadCRUT4 permite un análisis que incorpora incertidumbres observacionales. La única serie de tiempo utilizado para el análisis de los datos HadCRUT4 realidad se deriva de Cambio Climático múltiples series de tiempo que se construyó con el fin de reflejar las incertidumbres observacionales. Este análisis se presenta en la Sección Suplementaria.

  1. Resultados

3.1 Hipótesis I: pausa en la tendencia de la temperatura de 1998 a 2013

Una afirmación básica sobre el parón es que el aumento constante de la temperatura global de la superficie alrededor de una tendencia lineal positiva se ha detenido, o “pausado “(Guemas et al., 2013). Este sentimiento se refleja en las declaraciones  “A pesar de una producción sostenida de gases de efecto invernadero antropogénicos, la media temperatura cerca de la superficie de la Tierra detuvo su ascenso durante el período 2000-2010” (Guemas et al. 2013), y que “los escépticos del clima han aprovechado las tendencias de la temperatura como la evidencia de que el calentamiento global se ha paralizado “(Tollefson 2014). Estas afirmaciones científicas se pueden convertir en un precisa hipótesis estadística nula: la pendiente de la recta de regresión de la temperatura global a tiempo es cero durante el período de receso. Nosotros usamos tres métodos con el aumento de niveles de generalidad para probar la hipótesis anterior. Los detalles específicos de la metodología se proporcionan en la sección complementaria  3.1. Primero, comenzando con el período 1998-2013 encajamos una regresión estándar a la respuesta de la temperatura global de la variable en el tiempo, durante 1998-2013, con errores asumidos para ser distribuidos de forma independiente e idénticamente (ver Fig. 1 para el ajuste). Una prueba de hipótesis bilateral se obtiene un valor de p de 0,102 (una prueba de un unilateral se obtiene un valor de p de 0,051). Por lo tanto, la afirmación de una tendencia de calentamiento cero durante el período de receso no puede ser rechazada a un nivel de significación del 5%. El segundo método se ajusta a una regresión lineal con errores autocorrelacionados que siguen un modelo autorregresivo paramétrico con lapso 1. Este modelo tiene como objetivo abordar directamente la dependencia temporal presente año a año en el registro de la temperatura global. Estimando  los parámetros de regresión y autoregresión utilizando el método de Cochrane y Orcutt (1949), se obtiene un valor de p de 0,075 para el coeficiente de pendiente de la regresión por el método de arranque (con valor de p de un solo lado menor del 5%). Tomando en cuenta la dependencia temporal, ahora hay más evidencias en contra de la hipótesis de un parón climático. El tercer método es completamente no paramétrico, y en lugar de utilizar el enfoque AR paramétrico (1) para modelar la dependencia temporal, se utiliza un reinicio de bloque lo que permite formas bastante generales de la dependencia temporal, y se obtiene un valor de p bilateral de 0.019. Ahora hay pruebas de peso para rechazar la afirmación de que no hay ninguna tendencia al calentamiento durante el período 1998-2013 en el nivel de significación del 5% (e incluso al nivel del 1% para una prueba unilateral). Por otra parte, los valores de p correspondientes a los años a partir de 1999 y 2000 son 0.005 y 0.017, respectivamente, quedando aún más bajos los valores de p – y la evidencia más fuerte contra el parón – que cuando se utiliza un año a partir de 1998. El análisis de sensibilidad pone de relieve el hecho de que la elección del año 1998 favorecía el argumento del parón a priori. Por otra parte, suponiendo el parón como nulo se hace más difícil llegar a la conclusión que de otro modo. En cualquier caso, la afirmación de un parón climático, sin embargo rechazó el nivel del 5%. Por consiguiente, concluimos que no hay “pruebas contundentes” contra la afirmación de que no ha habido una tendencia en la temperatura de la superficie mundial en los últimos ≈ 15 años.

Hay que tener en cuenta también que, al aplicar progresivamente las técnicas estadísticas más generales, las conclusiones científicas se han fortalecido progresivamente del “no significativo”, al “significativo al nivel del 10%,” y luego al “significativo al nivel del 5%”. Queda bastante claro que los enfoques estadísticos ingenuos, posiblemente, puedan llevar a conclusiones científicas erróneas. Los métodos que se basan en la asunción de un fuerte modelado  de no dependencia temporal, o de una forma específica, son menos fiables que los métodos que la dependencia de recogida sin asumir el conocimiento estructural del tipo de dependencia.

3.2 Hipótesis II: diferencia en las tendencias de temperatura

Otto et al. (2013) afirman que: “La tasa de calentamiento global media ha sido menor en la última década que antes”. Esta declaración abarca una segunda interpretación del supuesto parón: que el parón representa una “desaceleración” del calentamiento global (Chen y Tung 2014), en el que la tasa de calentamiento es menor durante el parón en comparación con el calentamiento antes de la pausa (Chen y Tung 2014; Otto et al 2013;. Smith 2013). Esta afirmación se puede formular como una hipótesis estadística comprobable, donde la hipótesis falsa es que la pendiente de la regresión antes del período de parón menos la pendiente de la regresión durante el período de parón es cero o negativo, frente a la hipótesis alternativa de que esta diferencia es positiva. Empleamos tres métodos diferentes con el aumento de niveles de sofisticación estadística para poner a prueba esta hipótesis. Los detalles específicos de la metodología se proporcionan en Complementario tario Sección 3.2. En primer lugar, una regresión estándar de la temperatura global en el tiempo se ajusta a tanto el período de 1998 a 2013 parón y el período de 1950 a 1997, con errores supuestos para ser independiente e idénticamente distribuidos (ver Fig. 2 la parte superior panel izquierdo). El  primer método obtiene un valor de p de 0,210. Por lo tanto, no hay pruebas de una diferencia en el de las tendencias incluso en el nivel de significación del 10%. El segundo método explica la dependencia temporal en el registro de la temperatura global mediante el uso de un enfoque de bloque de arranque, dando un valor de p de 0,323. La evidencia de una diferencia en las tendencias se debilita aún más cuando la dependencia temporal se contabiliza. El tercer método utiliza el método de submuestreo (Politis et al 1999;. Rajaratnam et al 2014.) Para determinar la forma en la tendencia actual de 16 años durante el 1998 a 2.013  comparada contra todas las tendencias anteriores 16 años observadas entre 1950 y 1997 . Se obtiene un valor de p de 0,3939 y la evidencia de parón se debilita aún más. A partir de las parcelas en la Fig. 2 (panel inferior), se observa que durante el período 1950 a 1997 hay varios períodos de 16 años con dos tendencias lineales superiores e inferiores. Por lo tanto la tendencia observada durante 1998-2013 no parece ser anómala en un contexto histórico. Ver Fig. 2 (panel superior derecho) para un resumen de los resultados de la hipótesis II. Variando el año de corte de 1998 a 1999 o 2000 arroja valores de p de 0,214 y 0,348, respectivamente, para el método de inicio. Incluso después de representar adecuadamente la dependencia temporal, y llevar a cabo un análisis de sensibilidad, no hay evidencia convincente que sugiera que las pendientes son significativamente diferentes. Por consiguiente, concluimos que la tasa de calentamiento en los últimos ≈ 15 años no es sensiblemente diferente de la tasa de calentamiento antes del período reciente.

Fig2

3.3 Hipótesis III: parón en la temperatura media global Algunas afirmaciones simplemente se han limitado a afirmar que la temperatura global media anual se ha mantenido constante desde 1998 (frente a la desaceleración de la tendencia en el calentamiento global). Por ejemplo, Kosaka y Xie (2013) afirman que “A pesar del continuo aumento de las concentraciones de gases de efecto invernadero atmosféricos, la temperatura global media anual no ha aumentado en el vigésimo primer siglo”, mientras que Tollefson (2014) afirma que “la media de las temperaturas globales alcanzaron un nivel récord en 1998 – y luego el calentamiento se estanca”. Esta afirmación también se puede formular con precisión como una hipótesis estadística comprobable.. El modelo estadístico puede escribirse como xt = μt + εt, donde t denota tiempo (en años), xt es la serie media global de anomalías de la temperatura

de 1998-2013, μt es el parámetro media y εt es el componente de ruido aleatorio (con E (εt) = 0, Var (εt) = σ2). La hipótesis nula y alternativa correspondiente se da como H0 : E(x1998) = E(x1998+t) para t=1,2,…,15 versus HA: E (x1998) ≠ E (x1998 + t).

Los detalles específicos de la metodología se proporcionan en la sección complementaria 3.3. La hipótesis III se prueba de cuatro formas diferentes. Existen dos opciones para determinar el valor de E [x1998] = μ1998: utilizar directamente el registro de temperatura observada de 1.998  x1998 como sustituto para μ1998, o estimar alternativamente μ1998 de la línea de regresión del  período 1950-1997. La Figura 3 (panel superior) ilustra este concepto. Como los dos enfoques para especificar μ1998 se traducirán en diferentes valores, la variabilidad inherente a la misma puede ser explícitamente representada  usando el bootstrap. Haciendo esto, se propaga la variabilidad de una manera rigurosa. La tabla de la figura 3 (panel inferior) resume los resultados de la prueba de hipótesis III

Para el Método A, cuando x1998 se utiliza como un sustituto de la μ1998, la prueba estadística concluye que la media ha disminuido durante el parón, y por lo tanto favorece fuertemente la reivindicación del mismo. Sin embargo, este simple valor observado no es una estimación consistente de μ 1998, la conclusión no es confiable.  En el Método B cuando la línea de regresión μ 1998, es estimada desde la línea de regresión 1.950-1.997 la hipótesis nula se rechaza en la dirección opuesta, lo que sugiere que la temperatura media ha aumentado durante el período de parón. Por lo tanto, el efecto de la selección de la elección de 1998 como año de referencia de corte tiene un tremendo impacto en la conclusión estadística. El Método C, que incorpora específicamente la variabilidad inherente en la estimación de μ1998 como x1998 lleva a una conclusión diferente que el Método A. En particular, tan pronto como la variabilidad en la estimación μ1998 para x1998 se incorpora, ya no se puede rechazar la hipótesis nula de que la media se ha mantenido constante – incluso cuando se utiliza el alto valor x1998. El Método D utiliza un valor para μ1998 que se estima de la regresión 1950-1997 y también incorpora la variabilidad de esta estimación. Aquí la afirmación de que la media es cero  o ha disminuido, es rechazada.

Teniendo en cuenta los resultados de este análisis matizado, concluimos que afirmar que la temperatura media global no ha cambiado en las últimas décadas no es compatible con la evidencia. Además, nuestro análisis matizado aporta un muy necesario rigor a la afirmación de que el uso de 1998 como año de referencia es un “cherry picking” (Leber 2014; Stover 2014), consulta la sección Suplementaria para discusiones detalladas). Los resultados se validan aún más cuando el análisis es repetido con 1999 y 2000 como años iniciales del período de receso (ver Sección Suplementario 3.3). Señalar además que 2014 fue el año más cálido registrado Karl et al. (2015), haciendo caso omiso de 2014 en nuestro análisis se puede ver como se es incluso aún más conservador, similar al uso de 1998 como el punto de partida.

fig3

3.4 Hipótesis IV: diferencia en los cambios de temperatura año-a-año

También es instructivo para extender el análisis anterior sin depender de un modelo lineal para comprender las tendencias o medios. Uno de ellos es evaluar si la distribución de los cambios de temperatura de anuales es muy diferente entre el período de receso y los períodos anteriores. Tal análisis es inherentemente en un modelo estadístico de tempatura en el tiempo, y por lo tanto genera un menor número de supuestos. La afirmación científica es que los cambios en la temperatura media mundial durante 1.998 a 2.1013 son diferentes de los durante 1950-97. Bajo la hipótesis nula, se supone que estos cambios anuales de año a año que venir de una distribución subyacente común, aunque no asumimos que las observaciones de las diferencias sean independientes. Este entorno de trabajo también permite la comprobación de las características específicas de la distribución, incluyendo cambios en la media, la mediana y la varianza. La distribución empírica de los cambios anuales en la temperatura global se puede construir tomando las primeras diferencias: la temperatura media global durante un año determinado se resta de la temperatura media global en el año anterior. Las primeras diferencias durante 1998-2013 dan lugar a una serie de veces los cambios de temperatura de 15 años. Las diferencias en la distribución (utilizando la estadística

de Kolmogorov-Smirnov (KS)), en medias, medianas y varianzas son probado mediante el bootstrap de bloque y submuestreo,  tomando así la dependencia temporal plenamente en cuenta. Los detalles específicos de la metodología se proporcionan en la sección complementaria 3.4.

Los resultados de este análisis se dan en la Fig. 4. El uso de cualquiera de bootstrap o submuestreo no hay evidencia en el nivel de significación del 5% para sugerir que la distribución de los cambios durante el período de pausa es diferente del anterior período 1950-1997. Lo mismo se aplica a la media y la varianza de las distribuciones. La diferencia en las medianas no es estadísticamente significativa al nivel del 5% utilizando el enfoque bootstrap de bloque, pero es significativo cuando se utiliza submuestreo. Sin embargo, esta diferencia en las medianas desaparece por completo cuando el año a partir del parón se cambia a cualquiera  1,999 o 2,000, por lo tanto el resultado no es robusto (véase la Tabla Suplementaria S8 en la Sección 3.4). Teniendo en cuenta estos resultados, se concluye que la distribución de los cambios anuales en la temperatura global no ha sido diferente en los últimos 15 años que antes en el registro de la temperatura global.

fig4

3.5 Re-análisis-actualizado recientemente observaciones globales de temperatura También hemos implementado nuestra metodología en el conjunto de datos ERSSTv4 recientemente lanzado para comparar nuestros resultados con los resultados obtenidos en un estudio reciente realizado por Karl et al. (2015). A diferencia del estudio por Karl et al. (2015), no imponemos indirectamente Gaussianidad en los datos de temperatura (en el enfoque más general que proponemos para cada hipótesis). También no imponemos una estructura autorregresiva para modelar la dependencia temporal. En cambio, Tenemos en cuenta la dependencia temporal de manera más flexible y no paramétrica mediante el circular bootstrap de bloque y métodos relacionados. La creciente sofisticación permite tener más confianza en la validez general de los resultados tanto y como nuestro enfoque hace menos supuestos.

El resultado final también es convincente. En primer lugar, los resultados en Karl et al. (2015) muestran una pendiente positiva durante el período de receso (Hipótesis I) sólo en el nivel de significación del 10%. Nuestro análisis muestra sin embargo que la eliminación de la estructura autorregresiva arbitraria y paramétrica de los residuos y con el bloque de los rendimientos de arranque importancia en el nivel del 0,1%. El valor de p derivado de nuestro enfoque es inferior a 0,0005. La implicación de la más fuerte conclusión es que la tendencia al calentamiento observada durante el periodo 1998-2014 derivada de un modelo de calentamiento no es inferior a 1 en 2000 (en comparación con menos de 1 en 20 de Karl et al. (2015) ). Por lo tanto la conclusión se hace más fuerte en un factor de 100 utilizando la metodología que hemos desarrollado.

Ahora consideremos la hipótesis II, que compara la tendencia al calentamiento durante el período de receso contra el período anterior (1950/97). Karl et al. (2015) afirman que el análisis de la temperatura global de la NOAA corregido muestra que el intervalo de confianza del 90% para la tendencia en el período de receso abarca la del período anterior. Teniendo en cuenta que este intervalo de confianza se basa en el período de 1998 hasta 2.012 y por lo tanto se calcula en sólo 15 años de datos. Desde la justificación teórica de tales intervalos de confianza es válido para muestras de gran tamaño, no está claro qué tan confiable es realmente la conclusión. Por otro lado, nuestra metodología de submuestreo para la comparación de las tendencias en los dos períodos es aplicable incluso cuando el tamaño de la muestra en el período de parón es pequeña. En particular, la validez del enfoque submuestreo aquí no se basa en argumentos asintóticos (es decir, el aumento de tamaño de las muestras) durante el período de receso. Detalles del análisis se dan en las Tablas S11 y S12 en la sección complementaria 6.

Recordemos que el análisis de Karl et al. (2015) requiere el uso del conjunto de datos de NOAA corregido para rechazar la pretensión de un parón. Nuestro análisis rechaza la afirmación de parón, incluso cuando se utiliza el mayor conjunto de datos de temperatura de NOAA (es decir, incluso sin la corrección de los sesgos de datos). El uso de metodología con muchos menos supuestos restrictivos parece ser más robusto a errores en los datos. Esto no puede ser inesperado ya que los sesgos en los datos tienden a violar supuestos paramétricos básicos, mientras que las técnicas menos restrictivas, como las que nos desarrollamos, pueden manejar una variedad de datos que generan mecanismos simplemente por su propia naturaleza no paramétrica. Tenga en cuenta que, en general, las conclusiones alcanzadas por Karl et al. (2015) y nuestras conclusiones están de acuerdo.

3.6 Resumen

Resumimos los resultados generales de las cuatro pruebas de hipótesis I, II, III y IV en Tablas 5 y 6 en la Sección suplementario 4. Estos dos cuadros también analizan la sensibilidad de los resultados a dos factores importantes: en primer lugar, cuando el corte anual se cambió de 1998 a 1999 o 2000; y en segundo lugar, cuando se utilizan en lugar del conjunto de datos de la NASA-GISS los conjuntos de datos de la NOAA o HadCRUT4. Como hay cuatro hipótesis están probando, con una batería de procedimientos de prueba Orous Rig, el número de hipótesis probadas es numeroso. De ahí que la cuestión de múltiples facetas de pruebas de multiples hipótesis. En particular, se espera que un cierto número de estas hipotesis de ser falsamente rechazadas sólo por azar, lanzando más dudas sobre cualquiera de las reivindicaciones de parón.

(A pesar de que considera el período desde 1998 hasta 2013 hiato como en otros lugares en el análisis, consideramos el período de receso como 1.998-2014 aquí para comparar directamente con Karl et al. (2015))

Nuestro marco estadístico riguroso produce una fuerte evidencia en contra de la presencia de un paréntesis en el calentamiento global. La contabilización de la dependencia y de la selección de efectos temporales rechaza – con pruebas abrumadoras – la hipótesis de que no ha habido un cambio en la tendencia de la temperatura mundial superficial en los últimos ≈15 años. Este análisis también pone de relieve el potencial de supuestos estadísticos inadecuados para producir conclusiones científicas indebidas. Nuestro marco estadístico también rechaza claramente la hipótesis de que la tendencia de la temperatura de la superficie mundial ha sido menor durante un período reciente ≈ 15 años que durante el período anterior. Además, nuestro marco también rechaza la hipótesis de que no ha habido ningún cambio en la media de la superficie mundial de la temperatura en los últimos ≈15 años, y la hipótesis de que la distribución de los cambios anuales en la temperatura superficial global ha sido diferente en los últimos ≈15 años que antes en el registro. En conjunto, estos resultados rechazan claramente la presencia de un parón, pausa o desaceleración del calentamiento global. Al rechazar las cuatro hipótesis del parón, nuestros resultados demuestran que en lugar de la evolución de la temperatura de la superficie mundial en los últimos 1-2 décadas no es anormal o inesperado en el contexto del registro a largo plazo de la variabilidad y el cambio. Sin evidencia empírica en apoyo de las pretensiones de parón, la suposición de que ha habido un paréntesis / pausa / desaceleración del calentamiento global debe ser cuestionada. Dicho esto, el trabajo reciente de la investigación de las causas geofísicas de la reciente serie de tiempo de temperatura han proporcionado información valiosa sobre los procesos que crean la variabilidad a escala decadal de la temperatura global dentro de una tendencia a largo plazo del calentamiento global. Por otra parte, también es útil que los errores en la agregación de datos se han corregido en la reciente obra de Karl et al. (2015).

Autor Aportes B.R. y ND concebido el alcance inicial del estudio; B.R. y JR concebido detalles de la investigación en general; B.R. diseñado el marco científico. B.R. y JR tradujo la hipótesis científica en hipótesis estadísticas y diseñó el marco estadístico, MT analizaron los datos y puesto en práctica las herramientas de análisis; B.R. y JR desarrolló y supervisó el análisis estadístico; B.R. sintetizado el papel. Todos los autores examinaron los resultados andcommented sobre el proyecto. B.R. fue parcialmente financiado por la Fundación Nacional de Ciencia de Estados Unidos en virtud de subvenciones DMS-CMG 1025465, AGS-1003823, DMS-1106642 fue, DMS-CARRERA-1.352.656 y la Oficina de la Fuerza Aérea de Estados Unidos de concesión de una subvención de Investigación Científica FA9550-13-1- 0043. JR parcialmente financiado por la Fundación Nacional de Ciencia de Estados Unidos en virtud de subvenciones DMS-1307973 y DMS-1007732. N.S.D. fue parcialmente financiado por la NSF-CARER-0955283.

Agradecimientos Los autores agradecen a Ben Santer, Página Chamberlain, Francis Zwiers, y un árbitro anónimo para comentarios y discusiones útiles.

 Conflictos de intereses  Los autores declaran que no tienen ningún conflicto de intereses.

 Acceso abierto En este artículo se distribuye bajo los términos de la licencia Creative Commons Attribution 4.0 License Inter- nacional (http://creativecommons.org/licenses/by/4.0/), que permite el uso ilimitado, distribución y reproducción en cualquier medio, siempre que usted le da el crédito apropiado al autor (s) original y la fuente, proporciona un enlace a la licencia Creative Commons, e indicar si se han realizado cambios

References

Boykoff MT (2014) Media discourse on the climate slowdown. Nat Clim Chang 4:156–158. doi:10.1038/nclimate2156 Chen X, Tung KK (2014) Varying planetary heat sink led to global-warming slowdown and acceleration. Science 345(6199):897–903. doi:10.1126/science.1254937 Cochrane D, Orcutt G (1949) Application of least squares regression to relationships containing auto- correlated error terms. J Am Stat Assoc 44(245):32–61 Cowtan K, Way RG (2014) Coverage bias in the HadCRUT4 temperature series and its impact on recent temperature trends. Q J R Meteorol Soc. doi:10.1002/qj.2297 Cowtan K, Hausfather Z, Hawkins E, Jacobs P, Mann ME, Miller SK, Steinman BA, Stolpe MB, Way RG (2015) Robust comparison of climate models with observations using blended land air and ocean sea surface temperatures. Geophys Res Lett (in print) 42. doi:10.1002/2015GL064888 Durack PJ, Gleckler PJ, Landerer FW, Taylor KE (2014) Quantifying underestimates of long-term upper- ocean warming. Nat Clim Chang 4:999–1005. doi:10.1038/nclimate2389 England MH, McGregor S, Spence P, Meehl GA, Timmermann A, Cai W, Gupta AS, McPhaden MJ, Purich A, Santoso A (2014) Recent intensification of wind-driven circulation in the pacific and the ongoing warming hiatus. Nat Clim Chang 4:222–227. doi:10.1038/nclimate2106 Fyfe JC, Gillett NP, Zwiers FW (2013) Overestimated global warming over the past 20 years. Nat Clim Chang 3:767–769 Guemas V, Doblas-Reyes FJ, Andreu-Burillo I, Asif M (2013) Retrospective prediction of the global warming slowdown in the past decade. Nat Clim Chang. doi:10.1038/nclimate1863 Hansen J, Ruedy R, Sato M, Lo K (2010) Global surface temperature change. Rev Geophys 48(RG4004). doi:10.1029/2010RG000345 Hawkins E, Edwards T, McNeall D (2014) Pause for thought. Nat Clim Chang 4:154–156. doi:10.1038/ncli mate2150 IPCC (2013) Climate Change 2013: the physical science basis. In: Stocker TF, Qin D, Plattner G-K, Tig- nor M, Allen SK, Boschung J, Nauels A, Xia Y, Bex V, Midgley PM (eds) Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge Karl TR, Arguez A, Huang B, Lawrimore JH, McMahon JR, Menne MJ, Peterson TC, Vose RS, Zhang HM (2015) Possible artifacts of data biases in the recent global surface warming hiatus. Science 348(6242):1469–1472. doi:10.1126/science.aaa5632 Kosaka Y, Xie SP (2013) Recent global-warming hiatus tied to equatorial pacific surface cooling. Nature. doi:10.1038/nature12534 Leber R (2014) We’re stuck with the global warming “hiatus” myth for years to come. New Republic. http:// http://www.newrepublic.com/article/119212/study-atlantic-ocean-role-global-warming-hiatus Meehl GA, Arblaster JM, Fasullo JT, Hu A, Trenberth KE (2011) Model-based evidence of deep-ocean heat uptake during surface-temperature hiatus periods. Nat Clim Chang 1:360–364. doi:10.1038/ncli mate1229 Morice CP, Kennedy JJ, Rayner NA, Jones PD (2012) Quantifying uncertainties in global and regional tem- perature change using an ensemble of observational estimates: The HadCRUT4 data set. J Geophys Res 117:D08,101. doi:10.1029/2011JD017187 Otto A, Otto FEL, Boucher O, Church J, Hegerl G, Forster PM, Gillett NP, Gregory J, Johnson GC, Knutti R, Lewis N, Lohmann U, Marotzke J, Myhre G, Shindell D, Stevens B, Allen MR (2013) Energy budget constraints on climate response. Nat Geosci 6:415–416. doi:10.1038/ngeo1836 Politis DN, Romano JP, Wolf M (1999) Subsampling. Springer, New York Rajaratnam B, Romano J, Tsiang M (2014) Fixed b subsampling with application to testing for a change. Technical Report, Department of Statistics, Stanford University Santer BD, Bonfils C, Painter JF, Zelinka MD, Mears C, Solomon S, Schmidt GA, Fyfe JC, Cole JNS, Nazarenko L, Taylor KE, Wentz FJ (2014) Volcanic contribution to decadal changes in tropospheric temperature. Nat Geosci. doi:10.1038/ngeo2098 Smith D (2013) Oceanography: has global warming stalled? Nat Clim Chang 3:618–619 Stover D (2014) The global warming “hiatus”. Bulletin of the Atomic Scientists. http://thebulletin.org/global-warming-%E2%80%9Chiatus%E2%80%9D7639 Tollefson J (2014) The case of the missing heat. Nature 505:276–278 Trenberth KE, Fasullo JT (2013) An apparent hiatus in global warming? Earth’s Future 1:19–32. doi:10.1002/2013EF000165

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s