El método óptimo de huellas digitales (OFM) requiere una perspectiva que vaya más allá de la ciencia estadística
El método óptimo de huellas digitales (OFM) se ha utilizado ampliamente para detectar y atribuir los efectos del cambio climático. Un análisis reciente de las diversas suposiciones utilizadas por el OFM ha revelado varias formas en que el método podría mejorarse para aumentar su utilidad y precisión, particularmente en la evaluación de los puntos de inflexión climáticos.
El sistema climático de la Tierra es complejo, y comprender la dinámica y las causas del cambio climático es igualmente complejo. Los científicos climáticos han aprovechado el método de huellas digitales para determinar qué señales climáticas son naturales y cuáles son provocadas por el hombre. En términos generales, el OFM busca registros climáticos existentes para encontrar patrones de cambio climático, o huellas digitales, basados en la modelación por computadora. El OFM funciona bajo la suposición de que las diferentes variables que influyen en el cambio climático tienen diferentes huellas digitales, lo que ayuda a los climatólogos a establecer si un fenómeno climático particular se debe a causas naturales o a la influencia humana.
Los métodos de huellas digitales dependen de suposiciones y estadísticas. Desafortunadamente, no todas las suposiciones son correctas todo el tiempo, lo que afecta la precisión general de un método particular. Para abordar este problema, Jianhua Lu, profesor en la Universidad Sun Yat-sen (SYSU) y el Laboratorio de Ciencias Marinas e Ingeniería del Sur de Guangdong en Zhuhai, China; analizó cuidadosamente las suposiciones de linealidad, no interacción y variabilidad estacionaria hechas por el OFM.
Lu publicó su estudio el 3 de julio en Advances in Atmospheric Science.
“Me propuse defender el Método Óptimo de Huellas Digitales (OFM) como uno de los principales métodos en la detección y atribución (D&A) del cambio climático antropogénico … al mismo tiempo que se señalan sus posibles limitaciones. Tengo la intención en mi artículo de llamar la atención de los investigadores sobre la importancia del razonamiento físico cuando apliquen OFM a la D&A de eventos climáticos y meteorológicos extremos", dijo Lu.
Si bien el OFM se basa en datos climáticos existentes, las huellas digitales generadas por el método no se pueden observar directamente y solo existen como una simulación por computadora. Además, el OFM depende de qué tan bien la modelación se aproxima al sistema climático de la Tierra. Lu argumenta que la precisión de este método no se puede y no debe determinarse únicamente sobre una base estadística. Más bien, la eficacia del modelo debe considerarse desde la perspectiva de la dinámica y la física del sistema climático.
Específicamente, la suposición de linealidad del OFM generalmente funciona bien para aproximar la respuesta climática global a la forzamiento externo, incluido el efecto de los gases de efecto invernadero. Sin embargo, las excepciones a esta suposición de linealidad son los efectos totales de los gases de efecto invernadero y los aerosoles y la retroalimentación de las nubes, el vapor y el hielo marino en el equilibrio de la radiación entrante y saliente, que pueden no ser lineales.
Además, la suposición de no interacción del OFM asume que la variabilidad interna, o las variaciones climáticas naturales que ocurren año tras año o durante siglos, no interactúa con el cambio climático. Si bien esta suposición puede ser razonable a escala global, la suposición de no interacción no se mantiene a escala regional o incluso continental. Lu insta a la precaución cuando se aplica el OFM a escalas más pequeñas, en lugar de globales.
Por último, la suposición de variabilidad estacionaria del OFM asume que el clima de la Tierra está en un estado de equilibrio. Si bien esta suposición puede ayudar a simplificar las explicaciones teóricas, los sistemas climáticos son, de hecho, sistemas caóticos y complejos con variabilidad interna que puede ocurrir de manera irregular a escala de años, décadas y siglos. Comprender y tener en cuenta adecuadamente esta variabilidad es particularmente importante para la evaluación o predicción de varios puntos de inflexión del cambio climático que influyen en la política climática global.
Los expertos en ciencia climática coinciden en que los métodos de evaluación actuales tienen limitaciones. "A medida que el enfoque se ha desplazado hacia la evaluación de los impactos del cambio climático a escala regional y en los extremos climáticos, existe la necesidad de desarrollar técnicas apropiadas para detectar sólidamente el impacto del cambio climático. El trabajo de Jianhu Lu resume muy bien los problemas clave y sugiere que los enfoques teóricos y dinámicos pueden utilizarse para ampliar los métodos clásicos de huellas digitales óptimas a este fin", dijo Noel Keenlyside, profesor en el Instituto Geofísico de la Universidad de Bergen y el Centro Bjerkenes de Investigación Climática en Bergen, Noruega.
Lu confía en que una mejor comprensión de la física subyacente al cambio climático antropológico y la variabilidad interna mejorará nuestra detección y atribución de variables específicas que contribuyen al cambio climático. "Espero ser testigo de la aparición de nuevos métodos D&A que sean capaces de combinar los méritos del OFM y el razonamiento dinámico/físico. Además, estos nuevos métodos D&A guiarán eficazmente a la comunidad global y sus acciones climáticas", dijo Lu.
Journal Advances in Atmospheric Sciences DOI 10.1007/s00376-024-4175-x Título del artículo Mejora de los métodos de huellas digitales óptimas exige una perspectiva que vaya más allá de la ciencia estadística Fecha de publicación del artículo 3-Jul-2024
