Nauka obywatelska i usprawnione systemy modelowania pozwalają na lepsze zrozumienie dynamiki klimatu
Projekt CLARITY ((Uncovering information in fluctuating CLimate systems: An oppoRtunity for solving climate modeling nodes and assIst local communiTY adaptation measures) objął za cel zgromadzenie informacji na temat rozbieżności danych klimatycznych, wykorzystując w tym celu dane dostarczane przez dwóch najpopularniejszych dostawców globalnych zbiorów danych wykorzystywanych do monitorowania anomalii dotyczących temperatur. Dane te zostały następnie wykorzystane jako wkład do bayesowskiej strategii modelowania w celu poprawy dokładności modelowania. Zespół badawczy odkrył, że nawet w sytuacji, w której dane dostarczone przez dwa wybrane produkty pochodzą z tych samych źródeł – rejestrów z naziemnych stacji meteorologicznych rozsianych po całym świecie, różne metodologie wykorzystywane przez podmioty sprawiają, że ich ujęcia dotyczące długofalowej dynamiki globalnych anomalii dotyczących temperatur znacząco od siebie odbiegają. W związku z tym naukowcy sugerują, aby przyszłe badania weryfikowały krzyżowo analizy statystyczne z odpowiednimi danymi uzyskanymi z przeprowadzonych obserwacji. Sugerują również, że konstruktywna analiza powinna uwzględniać także metodologię leżącą u podstaw przygotowania danych. W tym celu w ramach projektu zebrano aktualne dane na temat klimatu, zgromadzone dzięki współpracy z osobami przebywającymi w Wenecji. Statystyka i modelowanie Większość podstawowych opracowań statystycznych ma charakter liniowy, czyli rejestruje zmiany w czasie w sposób deterministyczny, w ramach którego jeden punkt danych nieuchronnie prowadzi do kolejnego. Nie można jednak zastosować tej metody analitycznej w odniesieniu do systemów dynamicznych, takich jak modele klimatyczne, których nie można uprościć w sposób pozwalający na zastosowanie takiej metody. Jednym z największych wyzwań przy próbach prognozowania zmian klimatycznych jest uwzględnienie wahań i anomalii w perspektywie długoterminowej. W oparciu o dotychczasowe sukcesy związane z podobnymi złożonymi systemami, w ramach projektu CLARITY zespół badawczy wykorzystał dwie analityczne metody statystyczne – metodę analizy detrendowanych fluktuacji (DFA) oraz metodę transformaty falkowej (WT). Metody te są na ogół wykorzystywane do opisywania tak zwanej długotrwałej trwałości (LTP), określanej również mianem długofalowych korelacji danych ze złożonych systemów. Obie te metody osiągają założone cele poprzez pomiar wahań danych zbliżonych do określonej linii trendu, w przedziałach czasowych różnej długości. Jak wyjaśnił kierownik projektu prof. Angelo Rubino, wspomniane metody zostały zastosowane w celu zbadania globalnych anomalii dotyczących temperatur i innych danych klimatycznych. „Z racji tego, że metody takie jak DFA i WT systematycznie eliminują liniowe trendy w danych, ich połączenie umożliwia ocenę tego, w jaki sposób systemy – w tym przypadku modele klimatyczne – zachowują się w dłuższych okresach czasu, pozwalając nam na uzyskanie dokładniejszego oglądu sytuacji”. Aby zmniejszyć stopień niedokładności lub liczbę możliwych błędów, dane zostały następnie poddane modelowaniu bayesowskiemu, w ramach którego do danego zbioru danych stosuje się wzór w celu znalezienia optymalnego modelu do zobrazowania danych. Jak wyjaśnia prof. Rubino, „Wyjątkowość tego rodzaju modelowania polega na tym, że uwzględnia nie tylko dane, ale także dodatkowe źródła, takie jak ekspertyzy, które stanowią dodatkowy wkład do poszukiwań najlepiej dopasowanego modelu”. Gromadzenie wszystkich danych pod Słońcem dzięki ludziom Kolejnym elementem prac prowadzonych w ramach projektu było zebranie aktualnych danych klimatycznych dzięki pomocy mieszkańców Wenecji i okolicznych miast. Działania ukierunkowane na społeczność lokalną obejmowały pomiar indeksu UV otoczenia za pomocą czujników statycznych umieszczonych na tarasach, podwórkach, dachach szkół, uczelni wyższych i szpitala, a także w innych przestrzeniach na świeżym powietrzu, do których mogły się dostać osoby biorące udział w projekcie. Dodatkowo naukowcy mierzyli także promieniowanie słoneczne UVA i UVB oraz indywidualne narażenie na promieniowanie słoneczne UV (pUVR) dzięki czujnikom noszonym przez ochotników, w tym między innymi także turystów. Wciąż czekamy na wyniki analiz danych dotyczących indeksu UV przy pomocy metod DFA i WT, jednak zespół badaczy skutecznie przeanalizował już dane dotyczące indywidualnego narażenia na promieniowanie UV i stale gromadzą informacje na temat zachowań jednostek na świeżym powietrzu, wśród których można wymienić między innymi czas trwania narażenia na promieniowanie słoneczne i czas spędzany na zewnątrz. Od wiedzy do działania Wyniki badań naukowych przeprowadzonych w ramach projektu CLARITY pomagają nam w pogłębieniu naszego zrozumienia złożonych interakcji składających się na procesy zmian klimatycznych, które mogą prowadzić do opracowania nowych, bardziej skutecznych strategii ograniczania skutków i adaptacji do nowych warunków, w szczególności biorąc pod uwagę zobowiązania UE wynikające z Porozumienia Paryskiego. Wykorzystanie w ramach projektu metod analizy statystycznej DFA i WT w celu lepszego zrozumienia danych klimatycznych stanowi podejście, które może zostać zastosowane również w celu analizy innych systemów klimatycznych lub zbiorów danych, zarówno w celu stworzenia specyficznych wskaźników dynamiki danych, jak i w celu wykorzystania ich do badania dokładności modeli klimatycznych. Prof. Rubino zwraca również uwagę na możliwości, jakie daje nauka obywatelska, stwierdzając, że „Zorientowane na społeczność lokalną podejście badawcze projektu CLARITY pomogło w opracowaniu społecznie istotnych badań klimatycznych dzięki gromadzeniu publicznych danych w celu przeprowadzenia bardziej otwartej dyskusji na temat adaptacji. Tego rodzaju podejście można rozszerzyć także na działania dotyczące planowania oraz opracowywania polityk w celu zaangażowania obywateli na wszystkich etapach oceny danych”.
Słowa kluczowe
CLARITY, modelowanie, analiza statystyczna, zmiany klimatyczne, wahania, adaptacja, ograniczanie skutków, nauka obywatelska, dane, Wenecja, UV
