25. juni 2002 kolloquium mim1 signalanalyse von klimaänderungen mit hilfe der bayesischen statistik...
Post on 05-Apr-2015
104 Views
Preview:
TRANSCRIPT
25. Juni 2002 Kolloquium MIM 1
Signalanalyse von Klimaänderungen mit Hilfe der Bayesischen Statistik
Andreas Hense, Heiko Paeth
Meteorologisches Institut Universität Bonn
Seung-Ki Min, Won-Tae Kwon METRI Seoul
25. Juni 2002 Kolloquium MIM 2
Übersicht
• Einleitung: Was verstehen wir unter Bayesischer Statistik, Geschichte etc.
• Bewertung von Klimaänderungsnachweisen aus Bayesischer Sicht
• Klimaänderungsattribution aus Bayesischer Sicht, ein Experiment mit troposphärischen und stratosphärischen Temperaturen
• Klimaänderungsattribution aus Bayesischer Sicht, bodennahe Lufttemperaturen seit 1881
• Zukünftige Arbeiten und Zusammenfassung
25. Juni 2002 Kolloquium MIM 3
Was ist Bayesische Statistik?
Reverend Sir Thomas Bayes 1701/02 bis 7.4.1761
Science, Nov. 1999, Vol 286, p1460ff
1763:* allows you to start with what you already believe (in climate change)
* to see how new information changes your confidence in that belief
1790 von P.-S. Laplace erweitert
25. Juni 2002 Kolloquium MIM 4
Was ist Bayesische Statistik ?
25. Juni 2002 Kolloquium MIM 5
Was ist Bayesische Statistik?
Likelihood: Aussage über die Daten, Fehlervarianzen
Prior: Aussage über das Modell, Modellparameter, Modellfehler
25. Juni 2002 Kolloquium MIM 6
Was ist Bayesische Statistik?
• Es gibt keine deterministischen Parameter• Alle relevanten Größen werden mit
Wahrscheinlichkeiten belegt• Dies dürfen letztlich auch subjektive Maßstäbe
sein
25. Juni 2002 Kolloquium MIM 7
Was ist Bayesische Statistik?
25. Juni 2002 Kolloquium MIM 8
Subjektive Informationen (J.Berger 1985)
• Ein Rockmusikexperte soll 10 mal zwischen Clapton und Hendrix entscheiden
• Ein Martini-Experte soll 10-mal zwischen gerührtem und geschütteltem Martini entscheiden
• Ein Journalist soll 10-mal einen Münzwurf vorhersagen
• Bewertung dieser Experimente wird durch die Zusatzinformation subjektiv beeinflußt
25. Juni 2002 Kolloquium MIM 9
Ein abstraktes, aber sehr einfaches Beispiel
• Die Bayesische Bewertung von „frequentistischen“ Nullhypothesentests
• am Beispiel eines Klimaänderungsnachweises• Hasselmann (1998)
25. Juni 2002 Kolloquium MIM 10
Ja oder Nein?
Detektion eines Klimaänderungssignals
Zufällige Änderungen?
25. Juni 2002 Kolloquium MIM 11
Ja oder Nein?
Attribution
25. Juni 2002 Kolloquium MIM 12
Wahrscheinlichkeit der Testvariablebei gültiger H0 < 0.05 ... 0.01
Ablehnung von H0
25. Juni 2002 Kolloquium MIM 13
Signifikanz ist eine bedingte Wahrscheinlichkeit
Gesucht wird jedoch:
Klassische Lösung:
25. Juni 2002 Kolloquium MIM 14
25. Juni 2002 Kolloquium MIM 15
Cond(T=ja|Ha )
Con
d(H
a | T
=ja
)
Signifikanzniveau 5%kl.Lösung
rd(Ha)=0.1
25. Juni 2002 Kolloquium MIM 16
Klimaänderungsattribution
• Daten: Nordhemisphärische Mittelwerte 1958-1999 NCEP Reanalysen, Monatsmittel– 2m Temperaturen und 70 hPa Temperaturen– ECHAM3/LSG Szenario Ensemble 1880-2049– THG Antrieb und THG/S-Aerosol Antrieb
• zweidimensionale Betrachtung (2m T - 70 hPa T)• Bayesische Klassifikation
– Betrachte Modell M1 natürliche Variationen– und Modell M2 anthropogene Änderungen
25. Juni 2002 Kolloquium MIM 17
ECHAM3/LSG - T21 und NCEP Reanalysen
25. Juni 2002 Kolloquium MIM 18
ECHAM3/LSG - T21 und NCEP Reanalysen
25. Juni 2002 Kolloquium MIM 19
Bayesische Klassifikation (Attribution)
25. Juni 2002 Kolloquium MIM 20
nach Leroy (1998)
25. Juni 2002 Kolloquium MIM 21
25. Juni 2002 Kolloquium MIM 22
rd(Mi) = 0.5; nur THG Antrieb
25. Juni 2002 Kolloquium MIM 23
nur THG Antrieb
geringe absolute posterior
Fehlende Prozesse ?
25. Juni 2002 Kolloquium MIM 24
Variation des Modell prior (nur THG)
Der Umweltaktivist
Der Klimaskeptiker
25. Juni 2002 Kolloquium MIM 25
THG Antrieb + S-Aerosol
25. Juni 2002 Kolloquium MIM 26
Bayesische Zuordnung, 2m T 1881-1999
• Beobachtungen: CRU Daten Jan.1881 bis Dez. 1999– homogenisiert in Raum/Zeit durch Projektion
auf vorgegebene Muster (Advektions-Diffusionsmoden) 32.5°S bis 77.5°N
• Szenarioläufe ECHAM3/LSG wie oben– räumliche Stichprobe angepaßt an CRU Daten– Projektion auf die gleichen Muster
25. Juni 2002 Kolloquium MIM 27
25. Juni 2002 Kolloquium MIM 28
Bayesische Zuordnung, 2m T 1881-1999
• EOF Analyse der Modenamplituden– gegen den „Fluch der Dimensionen“
• Vektoren der EOF Amplituden 1 bis ca. 5 aus Beobachtungen und Szenariorechnungen werden klassifiziert
25. Juni 2002 Kolloquium MIM 29
25. Juni 2002 Kolloquium MIM 30
Zusammenfassung
• Bayesische Statistik (speziell die Klassifikation) erlaubt eine Zusammenführung von Klimaänderungs- und Zuordnungsanalysen
• Nordhemisphärische Mitteltemperaturen in 2m und 70 hPa werden seit Mitte der 1990‘er Jahre in die ECHAM3-LSG IS92 Szenario Simulationen für das Jahr 2000 klassifiziert
• jedoch geringe absolute Posterior und geschätzte Fehlklassifikationswahrscheinlichkeiten von 10-15% für reinen THG (über 20% bei THG+Sulfat)
25. Juni 2002 Kolloquium MIM 31
Zusammenfassung
• Fehlende Prozesse ?• Klassifikation in THG Szenario auch mit
reduziertem Klimaänderungs-Prior < 0.3• Untersuchungen mit bodennahen Temperaturen
seit 1881 haben begonnen ....• Bayes-Formalismus noch nicht ausgeschöpft
(Mischung aus Bayes + Frequentisten)– z.B. Modellierung der Kovarianzmatrizen
• Anwendung auf andere Probleme (z.B. MOS)
top related