There is a clear upward trend in gl

There is a clear upward trend in global temperatures from 1882 to 2013 with a number of short time periods of stable or
falling temperatures (Fig. 1). Of particular note, from March 1985 to December 2013 there was an unbroken sequence of average monthly temperatures exceeding the 20th century average for each corresponding month resulting in a total of
346 months. Such a fact would seem to strongly support the hypothesis that global warming is occurring, but the question
remains: how strong is this evidence (Bowman et al., 2010)? Even given these and other extraordinary statistics as well as
the body of evidence synthesised in the Intergovernmental Panel on Climate Change (IPCC, 2007, 2013) regarding climate
trends, detection and attribution, public acceptance of human induced climate change and confidence in the supporting science
has declined since 2007 (Leiserowitz et al., 2011). The degree of uncertainty as to whether observed climate changes are
due to human activity or are part of natural systems fluctuations remains a major stumbling block to effective adaptation
action and risk management. Consequently, there are calls for alternative analyses to better understand climate change risks
as well as improved approaches to effectively communicate this risk (Bowman et al., 2010). Previous approaches to attribute
change to human influence include qualitative expert-assessment approaches such as used in the IPCC reports and use of
‘fingerprinting’ methods based on global climate models. Here we develop an alternative approach which provides a rigorous
statistical assessment of the link between observed climate changes and human activities in a way that can inform formal
climate risk assessment.
The approach used here allows us to make probabilistic statements about the likelihood of this anomalous warming
occurring in the presence or absence of anthropogenic GHG emissions. In this regard it complements and extends existing
climate change detection and attribution research using dynamic global climate model simulations and optimal fingerprint
analysis (Hegerl and Zwiers, 2011; Berliner et al., 2000; Allen et al., 2000; Hansen et al., 2010; Easterling and Wehner, 2009)
and professional assessments of the literature (IPCC, 2007). For example, a value of 95% for the probability of anthropogenic
climate change was given by the IPCC whereas our approach progresses research on the statistical detection of climate
change (Hansen et al., 2010; Rhamstorf and Coumou, 2011) to include the probability of that change.
Recent research has begun to inspect this issue through attribution studies including examination of the effect of the global
warming trend on temperate extremes and variability (Rhamstorf and Coumou, 2011; Medvigy and Beaulieu, 2012;
Barriopedro et al., 2011; Hansen et al., 2012). Rhamstorf and Coumou (2011) suggest an approximate 80% probability that
the July 2011 heat record in Moscow would not have occurred without global warming. Hansen et al. (2012) use a statistical
summary analysis to illustrate changes in the distribution of the surface air temperature anomalies around the globe from
1951 to 2010, normalised by local standard deviation estimates. Their analysis indicated that both the location and spread of
this distribution increased over time, but because no statistical model was constructed they were unable to test for the statistical
significance of these changes.
Both the approaches of Rhamstorf and Coumou (2011) and Hansen et al. (2012) are limited in their ability to make firm
probabilistic statements about the changes that are observed because neither uses a validated statistical model in their analysis.
The statistically robust approach used in this paper, incorporates time series modelling, validation and bootstrap simulation
and provides a probabilistic assessment of global warming, strongly complementing the scientific evidence for the
anthropogenic origin of recent climate change. Methods that account for temporal dependencies in climate data have been
considered before in the statistical downscaling literature; see e.g. Charles et al. (2004), but their emphasis was on model
skill and projections rather than attribution, which is essential for the current application.
To construct the statistical model we use GHG concentration, solar radiation, volcanic activity and the El Niño Southern
Oscillation cycle as these are key drivers of global temperature variance (IPCC, 2007, 2013; Meinshausen et al., 2011; Allan,
2000; Benestadt and Schmidt, 2009; Gohar and Shine, 2007; Wang et al., 2005). This analysis uses recorded data (NOAA
National Climate Data Centre, 2011) avoiding the uncertainties that can arise in the complementary climate model-based
fingerprint studies (Hegerl and Zwiers, 2011).
Observations of short periods where global mean temperatures have fallen, even though atmospheric concentrations of
GHGs were rising, have also raised questions as to the causal link between concentrations and warming (Plimer, 2009). The approach used in this paper is also used to determine the probability of events of declining temperatures with and without
the effect of anthropogenic climate change.
Statistical approaches that detect and associate forcing effects using observations only have been criticised as they can
assume the response to forcing is instantaneous or that climate change and variability can be separated by time (Hegerl
and Zwiers, 2011). The time series model we use overcomes these issues, with evidence for how this is achieved presented
in later sections of this paper.

ผลลัพธ์ (ไทย) 1:

มีแนวโน้มที่ชัดเจนขึ้นในอุณหภูมิโลกจาก 1882 ที่ 2013 มีระยะเวลาสั้นคอก หรืออุณหภูมิลดลง (Fig. 1) เฉพาะตั๋ว จาก 1985 มีนาคมถึงปี 2013 เดือนธันวาคม มีอุณหภูมิรายเดือนเฉลี่ยเกินค่าเฉลี่ยศตวรรษสำหรับแต่ละเดือนตรงกันเป็นผลรวมของลำดับที่ไม่เสียหาย346 เดือน ความจริงดูเหมือนจะ ขอสนับสนุนสมมติฐานที่ว่า ภาวะโลกร้อนเกิดขึ้น แต่คำถามเหลือ: ความแข็งแกร่งเป็นหลักฐานนี้ (Bowman et al., 2010) แม้ให้เหล่านี้และสถิติพิเศษอื่น ๆ เช่นเป็นเนื้อหาของหลักฐาน synthesised ในว่าด้วยการเปลี่ยนแปลงสภาพภูมิอากาศ (IPCC, 2007, 2013) เกี่ยวกับสภาพอากาศแนวโน้ม การตรวจจับ และแสดงที่ มา ยอมรับการเปลี่ยนแปลงสภาพภูมิอากาศเหนี่ยวนำให้มนุษย์และความเชื่อมั่นในวิทยาศาสตร์สนับสนุนสาธารณะปฏิเสธตั้งแต่ 2007 (Leiserowitz et al., 2011) ระดับของความไม่แน่นอนเป็นว่าสังเกตการเปลี่ยนแปลงสภาพภูมิอากาศเนื่องจากกิจกรรมมนุษย์หรือเป็น ส่วนหนึ่งของความผันผวนของระบบธรรมชาติยังคง สะดุดบล็อกหลักการปรับตัวที่มีประสิทธิภาพการจัดการความเสี่ยงและการดำเนินการ ดังนั้น มีเรียกการวิเคราะห์อื่นให้เข้าใจความเสี่ยงที่เปลี่ยนแปลงสภาพภูมิอากาศและวิธีปรับปรุงการสื่อสารความเสี่ยงนี้ (Bowman et al., 2010) แนวทางการก่อนหน้านี้ของแอตทริบิวต์อิทธิพลของมนุษย์การเปลี่ยนแปลงรวมถึงผู้เชี่ยวชาญประเมินวิธีเชิงคุณภาพที่ใช้เช่นในรายงานของ IPCC และใช้"ลายพิมพ์' ตามแบบจำลองสภาพภูมิอากาศโลก ที่นี่เราพัฒนาวิธีการอื่นซึ่งมีความเข้มงวดการประเมินทางสถิติของการเชื่อมโยงระหว่างการเปลี่ยนแปลงสภาพภูมิอากาศสังเกตและกิจกรรมต่าง ๆ ของมนุษย์ที่สามารถแจ้งทางการประเมินความเสี่ยงภูมิอากาศวิธีใช้ที่นี่ช่วยให้เราทำรายงาน probabilistic เกี่ยวกับของร้อนนี้ anomalousเกิดขึ้นในสถานะการขาดงานของการปล่อยก๊าซ GHG มาของมนุษย์ ในการนี้จะเพิ่ม และขยายที่มีอยู่สภาพภูมิอากาศเปลี่ยนแปลงตรวจจับและแสดงที่มาวิจัยใช้การจำลองแบบจำลองสภาพภูมิอากาศโลกแบบไดนามิกและลายนิ้วมือที่เหมาะสมการวิเคราะห์ (Hegerl และ Zwiers, 2011 Berliner et al., 2000 อัลเลนและ al., 2000 Al. แฮนเซ่นร้อยเอ็ด 2010 Easterling และ Wehner, 2009)และมืออาชีพประเมินวรรณกรรม (IPCC, 2007) ตัวอย่าง ค่า 95% ความน่าเป็นของที่มาของมนุษย์เปลี่ยนแปลงสภาพภูมิอากาศได้รับ โดย IPCC ในขณะที่เราดำเนินไปแนวทางงานวิจัยตรวจสอบสถิติของสภาพภูมิอากาศเปลี่ยน (แฮนเซ่น et al., 2010 Rhamstorf และ Coumou, 2011) เพื่อรวมความเป็นไปได้ของการเปลี่ยนแปลงนั้นการวิจัยล่าสุดได้เริ่มตรวจสอบปัญหา โดยแสดงที่มาศึกษารวมทั้งการตรวจสอบผลของโลกแนวโน้มร้อนสุดแจ่มและความแปรผัน (Rhamstorf และ Coumou, 2011 Medvigy และไลส์ 2012Barriopedro et al., 2011 แฮนเซ่น et al., 2012) Rhamstorf และ Coumou (2011) แนะนำที่น่าเป็น 80% โดยประมาณที่คอร์ดความร้อน 2554 กรกฎาคมในมอสโกจะไม่มีเกิดไม่ มีภาวะ แฮนเซ่น et al. (2012) ใช้การทางสถิติวิเคราะห์สรุปเพื่อแสดงให้เห็นถึงการเปลี่ยนแปลงในการกระจายความผิดอุณหภูมิอากาศที่ผิวโลกจาก1951 การ 2010, normalised โดยประมาณส่วนเบี่ยงเบนมาตรฐานท้องถิ่น นักวิเคราะห์ระบุที่ตั้งและขยายตัวของกระจายนี้เพิ่มเวลา แต่เนื่องจากแบบจำลองทางสถิติไม่ถูกสร้างขึ้น ไม่สามารถทดสอบทางสถิติที่ความสำคัญของการเปลี่ยนแปลงเหล่านี้ทั้งวิธีการของ Rhamstorf และ Coumou (2011) และ al. et แฮนเซ่น (2012) จะถูกจำกัดความสามารถในการทำการของบริษัทงบ probabilistic เกี่ยวกับการเปลี่ยนแปลงที่พบเนื่องจากไม่ใช้แบบตรวจสถิติในการวิเคราะห์ของพวกเขาวิธีมีประสิทธิภาพทางสถิติที่ใช้ในเอกสารนี้ เวลาชุดแบบจำลอง การตรวจสอบและจำลองการเริ่มต้นระบบที่ประกอบด้วยและให้ประเมิน probabilistic ของภาวะโลกร้อน ช่วยขอหลักฐานทางวิทยาศาสตร์ในการต้นกำเนิดที่มาของมนุษย์เปลี่ยนแปลงสภาพภูมิอากาศล่าสุด วิธีการบัญชีสำหรับอ้างอิงชั่วคราวในสภาพภูมิอากาศข้อมูลพิจารณาก่อนในวรรณคดี downscaling สถิติ ดู et ชาร์ลส์ al. (2004) เช่น แต่เน้นความเป็นรูปแบบทักษะ และประมาณ มากกว่า แสดง ซึ่งเป็นสิ่งจำเป็นสำหรับโปรแกรมประยุกต์ปัจจุบันการสร้างแบบจำลองทางสถิติ เราใช้ปริมาณความเข้มข้น รังสีแสงอาทิตย์ กิจกรรมภูเขาไฟ และซันโตนิโญเอลที่ภาคใต้สั่นวงจรเหล่านี้เป็นไดรเวอร์หลักของผลต่างอุณหภูมิโลก (IPCC, 2007, 2013 Meinshausen et al., 2011 Allan2000 Benestadt และชมิดท์ 2009 Gohar และขัด 2007 วัง et al., 2005) การวิเคราะห์นี้ใช้บันทึกข้อมูล (NOAAศูนย์แห่งชาติสภาพภูมิอากาศข้อมูล 2011) หลีกเลี่ยงความไม่แน่นอนที่สามารถเกิดขึ้นได้ในสภาพภูมิอากาศประกอบตามรูปแบบศึกษาลายนิ้วมือ (Hegerl และ Zwiers, 2011)ข้อสังเกตของรอบระยะเวลาสั้นซึ่งแม้ค่าเฉลี่ยทั่วโลกที่อุณหภูมิได้ลดลง ความเข้มข้นแม้ว่าบรรยากาศของGHGs เพิ่มขึ้น นอกจากนี้ยังได้ยกคำถามเป็นการเชื่อมโยงเชิงสาเหตุระหว่างความเข้มข้นและร้อน (Plimer, 2009) วิธีใช้ในเอกสารนี้ใช้เพื่อกำหนดความน่าเป็นของเหตุการณ์ของอุณหภูมิลดลงด้วย และไม่มีผลของการเปลี่ยนแปลงสภาพภูมิอากาศมาของมนุษย์รศบังคับผลใช้การสังเกตเท่านั้นและวิธีทางสถิติที่ตรวจพบมีการ criticised เป็นอย่างสมมติว่า การตอบสนองต่อการบังคับให้มีกำลัง หรือว่า สำหรับความผันผวนและเปลี่ยนแปลงสภาพภูมิอากาศสามารถแบ่งออกตามเวลา (Hegerlก Zwiers, 2011) แบบชุดเวลาที่เราใช้ overcomes สำหรับวิธีนี้จะได้นำเสนอปัญหาเหล่านี้ มีหลักฐานในส่วนหลังของเอกสารนี้

ผลลัพธ์ (ไทย) 3:

มันค่อนข้างจะชัดเจนขึ้นแนวโน้มอุณหภูมิโลกจาก 1882 2013 กับจำนวนเวลาสั้น ๆช่วงที่มั่นคงหรือ
อุณหภูมิลดลง ( รูปที่ 1 ) หมายเหตุ เฉพาะเดือนมีนาคม 2528 - ธันวาคม 2556 มีลำดับติดต่อกันของรายเดือนเฉลี่ยเกินศตวรรษที่ 20 อุณหภูมิเฉลี่ยในแต่ละเดือนที่เป็นผลรวมของ
346 เดือนเรื่องอย่างนี้น่าจะขอสนับสนุนสมมติฐานที่ว่า ภาวะโลกร้อนที่เกิดขึ้น แต่คำถามที่ยังคง :
หลักฐานนี้แข็งแรงแค่ไหน ( Bowman et al . , 2010 ) ถึงแม้ว่าเหล่านี้และสถิติพิเศษอื่น ๆรวมทั้ง
ร่างกายของหลักฐานที่สังเคราะห์ได้ในคณะกรรมการระหว่างรัฐบาลว่าด้วยการเปลี่ยนแปลงสภาพภูมิอากาศ ( IPCC 2007 , 2013 ) เกี่ยวกับแนวโน้มบรรยากาศ
, การตรวจสอบและการอนุมานสาเหตุการยอมรับของสาธารณะของมนุษย์เกิดการเปลี่ยนแปลงสภาพภูมิอากาศและความเชื่อมั่นในการสนับสนุนวิทยาศาสตร์
ได้ลดลงตั้งแต่ปี 2550 ( leiserowitz et al . , 2011 ) ระดับของความไม่แน่นอนว่าสังเกตสภาพภูมิอากาศเปลี่ยนแปลง
เนื่องจากกิจกรรมของมนุษย์ หรือเป็นส่วนหนึ่งของระบบธรรมชาติความผันผวนยังคงเป็นอุปสรรคของการกระทำที่สำคัญการปรับตัว
มีประสิทธิภาพและการบริหารความเสี่ยง จากนั้นมีสายทางเลือกวิเคราะห์เพื่อให้เข้าใจความเสี่ยงการเปลี่ยนแปลงสภาพภูมิอากาศ
ตลอดจนแนวทางการปรับปรุงให้มีประสิทธิภาพสื่อสารความเสี่ยง ( Bowman et al . , 2010 ) ก่อนหน้านี้วิธีการเปลี่ยนแอตทริบิวต์
มีอิทธิพลต่อมนุษย์รวมถึงการประเมินผู้เชี่ยวชาญเชิงคุณภาพวิธีเช่นใช้ IPCC รายงานและใช้
'fingerprinting ' โดยวิธีแบบจำลองภูมิอากาศโลกที่นี่เราพัฒนาทางเลือกในวิธีการทางสถิติซึ่งมีการประเมินอย่างเข้มงวด
ของการเชื่อมโยงระหว่างสังเกตเปลี่ยนแปลงสภาพภูมิอากาศและกิจกรรมของมนุษย์ในทางที่สามารถแจ้งการประเมินความเสี่ยงสภาพอากาศอย่างเป็นทางการ
.
วิธีนี้ช่วยให้เราสามารถทำให้การใช้งบเกี่ยวกับโอกาสนี้ที่ร้อน
เกิดขึ้นในการแสดงตนหรือขาดของการปล่อยก๊าซเรือนกระจกของมนุษย์ .ในส่วนนี้ก็เติมเต็มและขยายที่มีอยู่
ตรวจจับเปลี่ยนแปลงสภาพภูมิอากาศและวิจัยลักษณะโดยใช้แบบจำลองพลวัตแบบจำลองภูมิอากาศโลกและการวิเคราะห์ลายนิ้วมือ
ที่เหมาะสม ( และ hegerl zwiers 2011 ; Berliner et al . , 2000 ; Allen et al . , 2000 ; Hansen et al . , 2010 ; อิสเตอร์ลิงและ เวห์เนอร์ , 2009 )
และการประเมินมืออาชีพ จากการทบทวนวรรณกรรม ( IPCC , 2007 ) ตัวอย่างเช่น a value of 95% for the probability of anthropogenic
climate change was given by the IPCC whereas our approach progresses research on the statistical detection of climate
change (Hansen et al., 2010; Rhamstorf and Coumou, 2011) to include the probability of that change.
Recent research has begun to inspect this issue through attribution studies including examination of the effect of the global
แนวโน้มร้อนสุดขั้วหนาวและแปรปรวน ( rhamstorf และ coumou 2011 ; และ medvigy Beaulieu , 2012 ;
barriopedro et al . , 2011 ; Hansen et al . , 2012 ) และ rhamstorf coumou ( 2011 ) แนะนำเป็นประมาณ 80% การที่
กรกฎาคม 2011 บันทึกความร้อนในมอสโกจะไม่ได้เกิดขึ้นโดยภาวะโลกร้อน Hansen et al . ( 2012 ) ใช้สถิติ
summary analysis to illustrate changes in the distribution of the surface air temperature anomalies around the globe from
1951 to 2010, normalised by local standard deviation estimates. Their analysis indicated that both the location and spread of
this distribution increased over time, but because no statistical model was constructed they were unable to test for the statistical
significance of these changes.
Both the approaches of Rhamstorf and Coumou (2011) and Hansen et al. (2012) are limited in their ability to make firm
probabilistic statements about the changes that are observed because neither uses a validated statistical model in their analysis.
The statistically robust approach used in this paper, incorporates time series modelling, validation and bootstrap simulation
and provides a probabilistic assessment of global warming, strongly complementing the scientific evidence for the
anthropogenic origin of recent climate change. Methods that account for temporal dependencies in climate data have been
considered before in the statistical downscaling literature; see e.g. Charles et al. (2004), but their emphasis was on model
skill and projections rather than attribution, which is essential for the current application.
To construct the statistical model we use GHG concentration, solar radiation, volcanic activity and the El Niño Southern
Oscillation cycle as these are key drivers of global temperature variance (IPCC, 2007, 2013; Meinshausen et al., 2011; Allan,
2000; Benestadt and Schmidt, 2009; Gohar and Shine, 2007;Wang et al . , 2005 ) การวิเคราะห์นี้ใช้บันทึกข้อมูล ( NOAA
ข้อมูลศูนย์ภูมิอากาศแห่งชาติ พ.ศ. 2554 ) การหลีกเลี่ยงความไม่แน่นอนที่อาจเกิดขึ้นในบรรยากาศแบบสำหรับศึกษาและ hegerl
ลายนิ้วมือ zwiers , 2011 ) .
) จากระยะเวลาสั้น ๆ ที่อุณหภูมิเฉลี่ยทั่วโลกลดลง แม้ว่าความเข้มข้นของก๊าซเรือนกระจกในชั้นบรรยากาศเพิ่มขึ้น
,ได้ยกคำถามเพื่อการเชื่อมโยงความสัมพันธ์ระหว่างความเข้มข้นและภาวะโลกร้อน ( plimer , 2009 ) วิธีการที่ใช้ในงานวิจัยนี้จะใช้เพื่อตรวจสอบความน่าจะเป็นของเหตุการณ์จากการลดลงของอุณหภูมิที่มีและไม่มีผลกระทบของการเปลี่ยนแปลงภูมิอากาศ anthropogenic
.
สถิติวิธีตรวจสอบและเชื่อมโยงผลใช้บังคับโดยเฉพาะได้รับการวิพากษ์วิจารณ์ ตามที่พวกเขาสามารถ
ถือว่าการบังคับให้มีการเปลี่ยนแปลงสภาพภูมิอากาศและความแปรปรวนทันที หรือที่สามารถแยกได้โดยเวลา ( และ hegerl
zwiers , 2011 ) อนุกรมเวลาแบบเราใช้เอาชนะปัญหาเหล่านี้ มีหลักฐานว่าได้นำเสนอ
ทีหลังส่วนของบทความนี้