Key points are not available for this paper at this time.
संक्षेप: जलवायु परिवर्तन की पहचान और श्रेय के लिए आधारित पुनरागमन अनुकूल फिंगरप्रिंटिंग तकनीकों को अनुचित सिग्नल के अनुमान के साथ-साथ आंतरिक परिवर्तनशीलता गुणांक मैट्रिक्स के अनुमान की आवश्यकता होती है ताकि अवलोकनात्मक रिकॉर्ड में उनके प्रभावों के बीच भेदभाव किया जा सके। पहले विकसित तरीकों ने अनुचित सिग्नल के अनुमान से जुड़ी अनिश्चितता को ध्यान में रखा है, जबकि प्राकृतिक परिवर्तनशीलता का वर्णन करने वाले गुणांक मैट्रिक्स में अनिश्चितता पर कम ध्यान दिया गया है, यद्यपि इस गुणांक मैट्रिक्स के विनिर्देशन का परिणामों पर महत्वपूर्ण प्रभाव पड़ने के लिए जाना जाता है। यहाँ हम गुणांक मैट्रिक्स के लैप्लासियन आधार फ़ंक्शन के पैरामीटरकरण का उपयोग करके एक बायesian अनुकूल फिंगरप्रिंटिंग ढांचा प्रस्तुत करते हैं। यह पैरामीटरकरण, पारंपरिक तरीकों के विपरीत जो प्रमुख घटकों पर आधारित हैं, जलवायु मॉडल डेटा से आधार वेक्टरों का अनुमान लगाने की आवश्यकता नहीं करता, जो गुणांक संरचना के अनुमान में अनिश्चितता को अनुकूल फिंगरप्रिंटिंग पुनरागमन पैरामीटर पर फैलाने की अनुमति देता है। हम एक CMIP6 सत्यापन अध्ययन के माध्यम से दिखाते हैं कि यह प्रस्तावित विधि प्रमुख घटक आधारित तरीकों की तुलना में सच्चे पुनरागमन पैरामीटर के बेहतर-कैलिब्रेटेड कवरेज दरों को प्राप्त करती है। जब HadCRUT अवलोकनात्मक डेटा पर लागू किया जाता है, तो प्रस्तावित विधि मानवजनित गरमी का पता लगाती है, जो प्रमुख घटक-आधारित विधियों की तुलना में उच्च विश्वास स्तरों के साथ होती है, और जलवायु मॉडलों के विकल्प पर कम परिवर्तनशीलता के साथ।
Baugh et al. (बुध,) इस प्रश्न का अध्ययन किया।