Cross-check 2개의 과학적인 자료 근원

실습 예제 NASA GISTEMP 및 HadCRUT 연간 글로벌 온도 분석

두 소스는 정의가 다르기 때문에 방해 할 수 있습니다. 공시를 해석하기 전에, 단위, 시간 간격 및 참고 기간을 맞추십시오. 이 예제는 1991–2020에 각각을 재분산 한 후 1980–2024에 2 개의 실제 연간 온도 데이터 세트를 비교합니다. 정렬 된 테이블, 두 개의 패널 숫자, Python 스크립트 및 방법 보고서를 저장합니다.

1. 소스 파일을 얻고 정의를 확인합니다.

NASA GISTEMP의 v4에서 연간 토지–바다 CSV 및 파일 형식: .1.0.0의 연례 분석 앙 시리즈를 다운로드하십시오. 저장된 파일명 NASA-GISTEMP-v4-original.csv 및 HadCRUT5-original.csv을 사용하십시오.

입력	연간 가치	본래 anomaly 지하실
NASA GISTEMP의 v4	J-D 열, °C	1951–1980
파일 형식: .1.0.0	연례 앙상블은, °C를 의미합니다; 신뢰 한계 유지	1961–1990

NASA 파일은 헤더 전에 설명 선으로 시작하고 사용할 수없는 값에 ***을 사용합니다. 0으로 마커를 해석하지 마십시오. 기록 된 소스 식별 및 다운로드 링크는 예를 들어 소스 노트; 공급자 파일은 이 실행 후에 개정될 수 있습니다.

프로젝트를 열고 + → Attach files과 CSV를 모두 첨부합니다. Settings → Runtimes에서 Python은 Ready이며 활성화됩니다. 이 사용 Python 3.12.14, NumPy 2.5.3, 팬다 2.3.3, Matplotlib 3.11.1 및 베개 12.3.0.

2. 해석하기 전에 정렬을 묻는 질문

Read the two attached official annual global temperature CSVs.
Use NASA's J-D annual column and the HadCRUT5 ensemble mean, in Celsius.
Check unique years, missing values, source definitions and original
anomaly baselines. Preserve the HadCRUT confidence-limit columns.
Rebase each source by subtracting its own complete 1991–2020 mean,
then align shared years 1980–2024. Report NASA minus HadCRUT:
mean difference, RMSE, maximum absolute difference and its year.
Save temperature-aligned.csv, temperature-comparison.png,
temperature-crosscheck.py and temperature-crosscheck.md.
Plot original and common-baseline series in separate labelled panels.
The script must accept --nasa, --hadcrut and --outdir arguments.
Execute using a noninteractive plotting backend, reopen the saved files,
and record input hashes and versions. Do not install packages or
claim the sources are independent or either is ground truth. Use English.

제안된 파일을 검사하고 승인하기 전에 Python 부호. Notebook을 열고 계산이 완료되었는지 확인합니다. 오류가 발생하면 보고서 또는 수치를 해석하기 전에 해결하고 다시 실행하십시오.

3. 정렬 된 테이블 확인

temperature-aligned.csv을 엽니다. 기록된 비교는 45 공유 년를 포함합니다. 각 근원은 모두 있습니다 30 연간 점 견적은 그에 대해 요구 1991- - -2020 참고 의미; 누락 된 연간 값은 0으로 채워졌습니다.

겨냥된 방법은 NASA와 크기: 0.53799554에 대한 크기: 0.61266667입니다. 각 dataset의 자신의 의미를 뺍니다, 둘 다에서 단 하나 상쇄 아닙니다. 숫자 차이를 비교하기 전에 단위, 년 및 subtraction 방향을 확인하십시오.

4. 그림과 숫자 비교를 읽으십시오

temperature-comparison.png을 엽니다. 첫번째 위원회는 다른 본래 지평을 유지합니다; 두 번째는 일반적인 기간 재분배 후 두 가지 시리즈를 비교합니다.

기록 된 결과, NASA 광부 HadCRUT	값
평균 차이	크기: 0.00514589
RMSE는	크기: 0.01829900
최대 절대 차이	0.04632368 °C, 2024에서

이 다운로드된 스냅 샷에 대한 숫자는 결과입니다. Remaining 차이는 적용, 채우기, 소스 관측 및 처리 선택을 반영할 수 있습니다. 데이터셋 공유 관측은 statistically 독립적 인 측정입니다. Neither는 지상 진실을 지정합니다.

5. 방법을 저장하고 그것을 다시 실행

temperature-crosscheck.md을 열고 CSV 및 코드로 소스 정의와 메트릭스를 비교합니다. 테이블은 원래 HadCRUT 신뢰 한계와 기계화 된 가치를 유지하지만, 비교는 추정된 기본 또는 소스 의존에 뚱 베어 propagate 불확실성을 사용합니다.

정렬 CSV, ...., Python 스크립트 및 - 연혁 다운로드 사용할 수있는 두 개의 입력 파일로 나열된 라이브러리를 포함하는 Python 환경에서 재 실행하십시오.

python temperature-crosscheck.py --nasa NASA-GISTEMP-v4-original.csv --hadcrut HadCRUT5-original.csv --outdir comparison-rerun

기록 된 스크립트는 별도의 로컬 Python 프로세스에서 실행되었습니다. CSV은 앱의 저장된 CSV을 정확히 일치했습니다. 계약 확인은이 계산을 평가, 아니 모든 방법론적인 선택에 어떤 기후 제품.