气候变化领域集成服务门户

2018年1月3日，德国波茨坦气候影响研究所（PIK）的研究人员在《自然·通讯》（Nature Communications）上发表题为《不确定性时间序列的突变》（Abrupt Transitions in Time Series with Uncertainties）的文章，首次提出一种检测不确定性时间序列中突变的方法，该方法可用于识别历史时期的气候突变。

突变的识别是各个学科关注的关键问题。然而，现有的突变检测方法并不能严格地解释时间序列的不确定性，通常将其完全忽略或者假设其为独立的和定性相似的。因此，研究人员首次提出一种适用于处理不确定性问题的新方法，将时间序列表示为其概率密度函数，用网络社区结构（community structure of networks）表示再次发生的概率，用于检测不确定性序列中的突变。

该研究将这种方法应用于3种不确定性来源的实际案例：①2004—2016年日均金融股票指数（不确定性来自日时间变率）；②1881—2012年尼诺3.4区的月海温异常值（不确定性来自空间变率）；③全新世重要时期的亚洲古气候代用记录（不确定性来自代用资料年代的不精确）。研究结果表明，该方法能够检测到全球股票指数与政治—经济波动时期相关的转变，揭示了厄尔尼诺/南方涛动（ENSO）的转变与太平洋年代际振荡（PDO）相位变化时期的一致性，并证实了全新世北大西洋冰漂碎屑事件（ice-rafting events）与亚洲夏季风减弱同时发生的假设。