利用短记忆和长记忆模型从自然代用指标及估算的气候强迫重建过去温度

我们生成了北半球年平均温度异常回溯至公元 1000 年的新重建结果，并探讨了在重建中包含外部气候强迫以及考虑短记忆和长记忆特征的影响。我们的重建基于两个线性模型：第一个模型将潜在温度序列与三个主要外部强迫（太阳辐照度、温室气体浓度和火山活动）联系起来；第二个模型将观测到的温度代用数据（树轮、沉积记录、冰芯等）与未观测到的温度序列联系起来。不确定性通过加性噪声捕捉，并通过系统比较假设无记忆、短记忆自回归模型和长记忆分数高斯噪声模型的重建结果，对回归误差中的相关结构进行了严格的统计调查。我们使用贝叶斯估计来拟合模型参数，并分别进行仅陆地以及陆海结合的温度异常重建。对于包含强迫的模型公式，探索性分析和贝叶斯数据分析均提供了反对无记忆模型的证据。模型评估表明，无记忆模型低估了不确定性。然而，没有任何单一证据线足以支持短记忆模型优于长记忆模型，或反之亦然。当不包含强迫时，长记忆模型似乎是必要的。虽然包含外部气候强迫显著改善了重建结果，但排除这些强迫的准确重建对于测试用于未来预测的气候模型的保真度至关重要。