Beräkning av klimatindikatorn temperatur

Klimatindikatorn temperatur beräknas med hjälp av över 450 tidsserier. Från dessa beräknas ett medelvärde för året samt vår, sommar, höst och vinter. I artikeln beskrivs hur detta går till samt hur kvalitetsarbetet görs.

En klimatindikator visar förändringar i klimatet, till exempel hur medeltemperaturen varierat över tid.  För att beräkna detta behövs långa tidsserier med observationer av bra kvalitet. 

Data går igenom en gedigen granskning och om fel upptäcks justeras dessa. I sällsynta fall upptäcks direkta mätfel men granskning görs också för att undvika att mätserien påverkats av annat än klimatets variationer. Urbanisering, flytt av stationer eller förändring av mätmetod är exempel på sådant som kan komma att påverka mätserien.

SMHIs klimatindikator för temperatur

Målet med klimatindikatorn temperatur är att presentera hur års- och säsongsmedeltemperaturen varierat över Sverige sedan 1860. Detta görs genom att ett medelvärde beräknas för ett antal stationer i Sverige. Medelvärde beräknas över året samt vinter, vår, sommar och höst. 

Beräkningarna bygger i detta fall på över 450 tidsserier. Mätningarna har dock startat vid olika tillfällen och stationerna är inte jämnt spridda över landet. Det finns till exempel färre stationer i norra Sverige med riktigt långa temperaturserier. För att hantera detta har medelvärdet jämförts med temperaturdata som beräknats med en modell över landet och kan på så sätt säkerställa att medelvärdet för temperaturen presenterar ett tillförlitligt medelvärde för Sverige.

Varje års- och säsongsmedeltemperatur beräknas som medelvärdet av  stationerna. Därefter beräknas ett medelvärde för referensnormalperioden 1961–1990. I diagrammen presenteras resultatet i form av temperaturavvikelsen från medelvärdet för 1961–1990.

Även en utjämnad kurva, som ungefär motsvarar ett 10-års löpande medelvärde, finns med för att tydligare illustrera långtidsvariationen. Läs mer om Gaussisk filtrering .

Granskning av data

Vid studier av klimatet är det viktigt att mätdata inte påverkas av andra faktorer än klimatets variationer. Med hjälp av så kallad homogenisering kan man säkerställa att mätserien visas som om den vore uppmätt på en och samma plats, under samma förhållanden och med samma mätmetod för hela perioden. 

Upptäcks homogenitetsbrott justeras mätserien så att serien i slutändan motsvarar temperaturen som om den vore uppmätt på en och samma plats, under samma förhållanden och med samma mätmetod för hela perioden.

Hantering av luckor i tidsserier

Ibland finns luckor i tidsserien. Det kan bero på flera orsaker. Historiskt, när mätningarna enbart gjordes av observatörer kan luckor bero på semester, sjukdom eller i värsta fall dödsfall. På senare tid kan tekniska avbrott uppstå vilket då ger luckor. 

Luckorna fylls i genom att omkringliggande stationers värden undersöks. Om en god överensstämmelse hittas fyller man på mätserien, med så kallade interpolerade data. 

FAKTARUTA: INTERPOLERING
Interpolering av mätdata är en metod för att skapa data utifrån omkringliggande stationer eller från analysmodeller som baseras på observationer.

Homogenitetskontroll - Exempel från serie där mätstationen flyttats

FAKTARUTA: HOMOGENISERING

För att få en korrekt bild av utvecklingen över tid behöver observationerna homogeniseras. Det betyder att man justerar tidsserien för förändringar  som inte beror på förändringar av klimatet såsom urbanisering, förflyttning av mätplatsen, ändrade mätrutiner, förändring i närbelägen växtlighet eller byten av utrustning.

Ibland behöver mätstationer flyttas. Orsakerna till detta är flera men ofta handlar det om att marken som SMHIs mätstation befinner sig på, ska användas för annat. För en station som mäter temperatur och som flyttat från innerstaden till utkanten av staden kan årsmedeltemperaturen förändras en hel grad efter flytten. 

I figuren nedan illustreras just detta. Diagrammet nedan visar mätserien som flyttats jämfört mot en beräknad temperatur för platsen. Den beräknade temperaturen tas fram med hjälp av ett antal närbelägna mätstationer. Stationerna är så pass nära att de tillsammans kan användas för att beskriva platsens temperatur väl. 

När månadsmedelvärden från mätserien som flyttats, jämförs mot platsens beräknade månadsmedeltemperatur fås följande skillnad. 

Brott-i-serien-pga-flytt
Effekten av en flytt av mätplatsen från innerstaden till en plats utanför staden.

Det syns tydligt att skillnaden mellan tidsserierna före år 1964 tydligt skiljer sig mot senare år. Ett brott inträffade alltså i mätserien när stationen flyttades ut från innerstaden till en mer lantlig miljö. 

Det behöver nu undersökas närmre vilka korrektioner som behöver göras för att mätserien ska motsvara månadsmedeltemperatur från en och samma plats för vidare klimatstudier.

Homogenisering av mätserien

Då det finns tillräckligt underlag kan mätserien korrigeras så att den blir sammanhängande (homogen). Detta kan göras med flera metoder beroende på vad som hänt:

  • Om en flytt enbart påverkar årsmedelvärdet kan tidsserien korrigeras med ett konstant värde (korrektionsterm) för hela tidsserien innan flytten.
  • Om en flytt påverkar års-, säsongs-, och månadsmedelvärdena olika korrigeras månaderna och säsongerna olika jämfört med korrektionen för årsmedelvärdet.

I tidigare homogeniseringar har perioder i vissa tidserier korrigerats för en gradvis förändring i medeltemperaturen (exempelvis på grund av urbanisering eller förändringar i närbelägen växtlighet) med en linjär trend. Den meteorologiska världsorganisationen (WMO) avråder från den här typen av korrigering, då dessa gradvisa förändringar inte nödvändigtvis är linjära och stegvisa korrektioner har funnits fungerar bra för att korrigera även för gradvisa förändringar.

Införande av en konstant korrektionsterm resulterar i figuren nedan. 

Korrigerad för brott i tempserien pga flytt landsbygd stad
En konstant korrektion kan reducera effekten av en flytt av mätplatsen från innerstaden till en plats utanför staden.

I diagrammet ovan har tidsserien justerats mot det ursprungliga läget av stationen. Det andra alternativet är att korrigera den första delen av serien så att alla värden avser det nuvarande läget av stationen. 
Detta fall är ofta att föredra eftersom nya observationer då kan adderas till serien utan vidare korrektioner såvida inte det sker några nya ändringar.

Skillnad mellan homogeniserade och okorrigerade observationer

Nedan visas ett exempel på resultatet från granskning av data. I detta exempel behandlas data till och med år 2010. Samtliga stationers temperaturserier har genomgått homogenitetskontroll.

Medelvärdena baserade på homogeniserad och interpolerad data blir intressant nog inte mycket annorlunda än om okorrigerade data hade använts. Detta beror på att korrektionerna som görs för homogenitetsbrott och ifyllnad av luckor både är positiva och negativa och att de dessutom oftast är små till storleken.

Detta illustreras i diagrammet nedan. Där visas de homogeniserade värdena som blå och röda staplar medan de okorrigerade värdena är smala svarta staplar.

Homogeniserade vs rådata
Årsmedel för 35 stationer baserade på homogeniserade respektive rådata plottade tillsammans. Notera att skillnaden faktiskt inte blir så stor. Förstora Bild

Verktyg för homogenisering på SMHI

På SMHI har olika metoder använts historiskt för att homogenisera data, se under ”Referenser nedan”. 

Den senaste metoden som SMHI använder har flera vägar för att hitta homogenitetsbrott för stationer. Metoden jämför tidsserierna med närliggandet stationer för att hitta likheter och när mönstren bryts. Slutligen justeras tidsserierna i de fall där det är statistisk säkerställt.

Som alltid är granskning av data viktigt vilket görs av experter på SMHI.

Referenser

Den metod som används för att homogenisera månadstemperatur beskrivs i följande artikel: 

  • Joelsson, L. M. T., Sturm, C., Södling, J., Engström, E., & Kjellström, E. (2021). Automation and evaluation of the interactive homogenization tool HOMER. International Journal of Climatology, 1– 20. https://doi.org/10.1002/joc.7394
  • Joelsson, L. M. T., Engström, E., & Kjellström, E. (under granskning). Homogenisation of Swedish mean monthly temperature series 1860–2021. International Journal of Climatology,

Metoderna som historiskt har  används för homogenisering beskrivs i detalj i artiklarna nedan:

  • Alexandersson, H. and Moberg, A. (1997), Homogenization of Swedish Temperature data. PART I: Homogeneity Test for Linear Trends. International Journal of Climatology, 17: 25–34. doi: 10.1002/(SICI)1097-0088(199701)17:1<25::AID-JOC103>3.0.CO;2-J
  • Joelsson http://doi.org/10.1002/joc.7394 
  • Moberg, A. and Alexandersson, H. (1997), Homogenization of Swedish Temperature data. PART II: Homogenized Gridded Air Temperature Compared with a Subset of Global Gridded Air Temperature since 1861. International Journal of Climatology, 17: 35–54. doi: 10.1002/(SICI)1097-0088(199701)17:1<35::AID-JOC104>3.0.CO;2-F
  • Moberg, A. and Bergström, H. (1997), Homogenization of Swedish temperature data. Part III: the long temperature records from Uppsala and Stockholm. International Journal of Climatology, 17: 667–699. doi: 10.1002/(SICI)1097-0088(19970615)17:7<667::AID-JOC115>3.0.CO;2-J

Övriga referenser:

  • Venema, V., Trewin, B., Wang, X., Szentimrey, T., Lakatos, M., Aguilar, E., ... & Rasul, G. (2020). Guidelines on Homogenization, 2020 Edition. World Meteorological Organization.