仪器气候记录是人类的文化遗产，是世界各地许多代人辛勤工作的结果。然而，测量温度的方式以及气象站所处的环境的变化可能会产生虚假的趋势。一项由Rovira i Virgili大学(URV)、国家气象局和波恩大学(德国)的研究人员进行的国际研究成功地确定了帮助纠正这些趋势的最可靠的方法。这些“均质化方法”是将观测者的巨大努力转化为关于气候变化的可靠数据的关键步骤。这项研究由西班牙经济和竞争力部资助，研究结果发表在美国气象学会的《气候杂志》上。
气候观测通常可以追溯到一个多世纪以前，甚至在汽车和电力出现之前。这些长时间意味着，实际上不可能多年保持相同的测量条件。最常见的问题是城市气象站周围城市的增长。我们知道城市正变得越来越暖，因为城市表面的热特性和蒸发蒸腾面减少。为了验证这一点，杏耀历史将城市站与附近的农村站进行比较就足够了。尽管不太为人所知，类似的问题也由天文台周围灌溉作物的扩张引起。
造成观测数据偏差的另一个最常见的原因是，气象站由于观测网的变化而搬迁。“一个典型的组织变化是由过去在城市中的气象站转移到新建的机场，这些机场需要观测和预测，”来自波恩的气候学家、该研究的作者之一Victor Venema解释说。他说:“波恩的气象站过去位于波珀尔斯多夫村的一块田地里，这个村庄现在是波恩的一部分，经过几次搬迁后，现在位于科隆-波恩机场。”
就对全球趋势的稳健估计而言，最重要的变化是在观测网中同时发生的技术变化。“目前，我们正处于观测网络的全面自动化阶段，”Venema说。
用于气候时间序列数据自动同质化的计算机程序是几年来发展的结果。他们通过比较彼此靠近的观测站，寻找只发生在其中一个观测站的变化，而不像气候变化会影响所有观测站。
为了检验这些均质化方法，研究团队创建了一个测试库，其中包含了一组模拟数据，这些数据可靠地模拟了观测到的气候数据，包括上述的偏差。因此，虚假的变化是已知的，它们可以被研究，以确定如何各种均质化方法可以纠正它们。
由于使用方式的不同，生成的测试数据集比以前研究的数据集更加多样化，真实的监测站网络也更加多样化。研究人员复制了站点密度高度不同的网络，因为在一个密集的网络中，更容易识别一个站点中微小的虚假变化。在这个项目中使用的测试数据集比以前的研究要大得多(总共分析了1900个气象站)，这使得科学家们能够准确地确定欧洲和美国研究小组开发的主要自动均质方法之间的差异。由于测试数据集的规模较大，只能测试自动同质化方法。
研究小组发现，改善一个观测网的平均气候信号估计值，要比提高每个观测站的时间序列的精度困难得多。
在分类结果中，URV和AEMET提出的均质化方法优于其他方法。匈牙利气候学家Peter Domonkos在URV的C3气候变化中心(Vila-seca, Tarragona)开发的方法被证明是对单个站点的序列和区域网络的平均序列均质化最好的方法。由研究人员José A. Guijarro开发的AEMET方法紧随其后。
由美国国家海洋和大气管理局(NOAA)开发的均质化方法在检测和减少来自许多气象站趋势的系统误差方面做得最好，特别是当这些偏差同时产生并在相似的日期影响许多气象站时。这种方法的设计目的是使来自世界各地站点的数据集均质化，而这些站点主要关注的是对全球趋势的可靠估计。
本研究的结果证明了大型测试数据集的价值。“这是自动均质方法之所以重要的另一个原因:它们可以更容易地测试，这有助于它们的发展，”Peter Domonkos解释道，他的职业生涯始于气象观察员，现在正在写一本关于气候时间序列均质的书。
“研究显示的重要性非常密集的车站网络均化方法更加健壮和高效,因此,在计算更准确地观察到的趋势,”说,研究员马努拉深色主任URV C3,访问员的东安格利亚大学的气候研究单位,诺维奇,英国和世界气象组织委员会副主席天气,气候,水及相关环境服务及应用。
“不幸的是，还有更多的气候数据需要数字化，以便更好地进行同质化和质量控制，”她总结道。
同样来自C3的研究员Javier Sigró指出，同质化通常只是第一步，“这让我们可以查看档案，通过那些受虚假变化影响的观察结果来检查发生了什么。”改进均质化方法意味着我们可以更有效地做到这一点。”
“项目的结果可以帮助用户选择最适合他们需要的方法，也可以帮助开发人员改进他们的软件，因为它的优缺点被揭示出来。”这项研究的作者之一、巴利阿里群岛国家气象局的José A. Guijarro说。
以前类似的研究表明，设计用来同时检测多种偏差的均质化方法明显优于逐个识别人为的虚假变化的方法。“奇怪的是，
杏耀手机挂机软件介绍 ，我们的研究并没有证实这一点。这可能更多的是一个使用精确拟合和测试过的方法的问题，”波恩大学的Victor Venema说。
专家们确信，均质化方法的准确性将进一步提高。“然而，我们不能忘记，杏耀起源在空间上更为密集和高质量的气候观测是我们了解气候变化的基础，”Peter Domonkos总结道。
