การทำให้ข้อมูลเป็นเนื้อเดียวกันในการวิจัยด้านภูมิอากาศหมายถึงการกำจัดความเปลี่ยนแปลงที่ไม่เกี่ยวข้องกับภูมิอากาศ นอกจากความเปลี่ยนแปลงของสภาพภูมิอากาศเองแล้ว ข้อมูลภูมิอากาศดิบยังประกอบด้วยความเปลี่ยนแปลงที่ไม่เกี่ยวข้องกับภูมิอากาศ เช่น การย้ายสถานที่หรือการเปลี่ยนแปลงเครื่องมือวัด หลักการที่ใช้กันมากที่สุดในการกำจัดความไม่สม่ำเสมอเหล่านี้คือวิธีการทำให้ข้อมูลเป็นเนื้อเดียวกันแบบสัมพัทธ์ โดย เปรียบเทียบ สถานี เป้าหมาย กับอนุกรมเวลาอ้างอิงที่ได้จากสถานีใกล้เคียงหนึ่งสถานีหรือมากกว่า สถานีเป้าหมายและสถานีอ้างอิงมีสภาพภูมิอากาศที่คล้ายคลึงกัน ดังนั้นจึงสามารถระบุและกำจัดความเปลี่ยนแปลงที่ไม่เกี่ยวข้องกับภูมิอากาศที่เกิดขึ้นเฉพาะในสถานีใดสถานีหนึ่งได้

ในการศึกษาการเปลี่ยนแปลงและความแปรปรวนของสภาพภูมิอากาศ จำเป็นต้องมีบันทึกสภาพภูมิอากาศที่วัดได้ด้วยเครื่องมือในระยะยาว แต่ไม่ควรนำมาใช้โดยตรง ข้อมูลเหล่านี้มีความสำคัญเนื่องจากเป็นพื้นฐานสำหรับการประเมินแนวโน้มในระดับศตวรรษ หรือสำหรับการศึกษาความแปรปรวนตามธรรมชาติ (ระยะยาว) ของสภาพภูมิอากาศ เป็นต้น อย่างไรก็ตาม คุณค่าของชุดข้อมูลเหล่านี้ขึ้นอยู่กับความสม่ำเสมอของอนุกรมเวลาพื้นฐานอย่างมาก บันทึกสภาพภูมิอากาศที่สม่ำเสมอคือบันทึกที่การเปลี่ยนแปลงเกิดจากการเปลี่ยนแปลงของสภาพอากาศและสภาพภูมิอากาศเท่านั้น บันทึกที่วัดได้ด้วยเครื่องมือในระยะยาวนั้นแทบจะไม่สม่ำเสมอเลย

ผลลัพธ์จากการปรับข้อมูลบันทึกสภาพภูมิอากาศทางตะวันตกให้เป็นเนื้อเดียวกันบ่งชี้ว่า ความไม่สม่ำเสมอที่ตรวจพบในอนุกรมอุณหภูมิเฉลี่ยเกิดขึ้นที่ความถี่ประมาณ 15 ถึง 20 ปี^{[ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ]} ควรระลึกไว้เสมอว่าการวัดส่วนใหญ่ไม่ได้ทำขึ้นเพื่อวัตถุประสงค์ทางภูมิอากาศโดยเฉพาะ แต่เพื่อตอบสนองความต้องการในการพยากรณ์อากาศ การเกษตร และอุทกวิทยา^{[ 6 ]}ยิ่งไปกว่านั้น ขนาดของการเปลี่ยนแปลงโดยทั่วไปมักมีขนาดใกล้เคียงกับสัญญาณการเปลี่ยนแปลงสภาพภูมิอากาศในช่วงศตวรรษที่ 20 ^{[ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ]} ดังนั้น ความไม่สม่ำเสมอจึงเป็นแหล่งสำคัญของความไม่แน่นอนสำหรับการประมาณแนวโน้มระยะยาวและความแปรปรวนในระดับทศวรรษ

หากความไม่สม่ำเสมอทั้งหมดเป็นเพียงการรบกวนแบบสุ่มของบันทึกสภาพภูมิอากาศ ผลกระทบโดยรวมต่อสัญญาณสภาพภูมิอากาศโลกโดยเฉลี่ยจะน้อยมาก อย่างไรก็ตาม การเปลี่ยนแปลงบางอย่างเป็นเรื่องปกติสำหรับบางช่วงเวลาและเกิดขึ้นในหลายสถานี สิ่งเหล่านี้เป็นสาเหตุที่สำคัญที่สุด เนื่องจากโดยรวมแล้วสามารถนำไปสู่ความลำเอียงเทียมในแนวโน้มสภาพภูมิอากาศในภูมิภาคขนาดใหญ่ได้ ^{[ 3 ] [ 7 ] [ 8 ]}

ความไม่สม่ำเสมอที่รู้จักกันดีที่สุดคือปรากฏการณ์เกาะความร้อนในเมืองอุณหภูมิในเมืองอาจสูงกว่าในชนบทโดยรอบ โดยเฉพาะอย่างยิ่งในเวลากลางคืน ดังนั้นเมื่อเมืองขยายตัว เราอาจคาดได้ว่าอุณหภูมิที่วัดได้ในเมืองจะสูงขึ้น ในทางกลับกัน ด้วยการเกิดขึ้นของการบิน สำนักงานอุตุนิยมวิทยาหลายแห่งและสถานี ต่างๆ จึงมักถูกย้ายจากเมืองไปยังสนามบินใกล้เคียงซึ่งโดยทั่วไปแล้วจะมีอากาศเย็นกว่า^{[ 9 ]}

การเปลี่ยนแปลงอื่นๆ ที่ไม่ใช่การเปลี่ยนแปลงสภาพภูมิอากาศอาจเกิดจากการเปลี่ยนแปลงวิธีการวัด โดยทั่วไปแล้วเครื่องมือทางอุตุนิยมวิทยาจะถูกติดตั้งในฉากกั้นเพื่อป้องกันแสงแดดโดยตรงและการเปียกชื้น^{[ 10 ]} ในศตวรรษที่ 19 เป็นเรื่องปกติที่จะใช้ฉากกั้นโลหะไว้หน้าหน้าต่างบนผนังที่หันไปทางทิศเหนือ อย่างไรก็ตาม อาคารอาจทำให้ฉากกั้นร้อนขึ้น ส่งผลให้การวัดอุณหภูมิสูงขึ้น เมื่อตระหนักถึงปัญหานี้ จึงมีการนำฉากกั้น Stevenson มาใช้ ซึ่งโดยทั่วไปจะติดตั้งในสวน ห่างจากอาคาร ฉากกั้นแบบนี้ยังคงเป็นฉากกั้นสภาพอากาศที่พบได้ทั่วไปมากที่สุด โดยมีลักษณะเฉพาะคือประตู บานเกล็ดคู่และผนังสำหรับการระบายอากาศ ฉากกั้น Montsouri และ Wilds ในอดีตถูกใช้ในช่วงประมาณปี 1900 และเปิดไปทางทิศเหนือและด้านล่าง ซึ่งช่วยปรับปรุงการระบายอากาศ แต่พบว่ารังสีอินฟราเรดจากพื้นดินอาจส่งผลต่อการวัดในวันที่แดดจัดและอากาศสงบ ดังนั้นจึงเลิกใช้แล้ว ปัจจุบันสถานีตรวจอากาศอัตโนมัติซึ่งช่วยลดต้นทุนแรงงานกำลังเป็นที่นิยมมากขึ้น โดยจะปกป้องเทอร์โมมิเตอร์ด้วยกรวยพลาสติกสีขาวจำนวนหนึ่ง^{[ 8 ]}สิ่งนี้ทำให้จำเป็นต้องเปลี่ยนจากเทอร์โมมิเตอร์แบบของเหลวและแก้วที่บันทึกด้วยตนเองไปเป็นเทอร์โมมิเตอร์แบบความต้านทานไฟฟ้าอัตโนมัติ ซึ่งช่วยลดค่าอุณหภูมิที่บันทึกไว้ในสหรัฐอเมริกา^{[ 2 ]}

นอกจากนี้ องค์ประกอบสภาพภูมิอากาศอื่นๆ ก็มีความไม่สม่ำเสมอเช่นกัน ปริมาณน้ำฝนที่วัดได้ในช่วงแรกของการใช้เครื่องมือวัด ประมาณก่อนปี 1900 นั้นมีความคลาดเคลื่อนและต่ำกว่าปัจจุบันถึง 10% เนื่องจากการ วัดปริมาณน้ำฝนส่วนใหญ่มักทำบนหลังคา ในเวลานั้น เครื่องมือวัดถูกติดตั้งบนหลังคาเพื่อให้แน่ใจว่าเครื่องมือจะไม่ถูกบังจากฝน แต่ต่อมาพบว่าเนื่องจากกระแสลมปั่นป่วนบนหลังคา ทำให้หยดน้ำฝนและโดยเฉพาะอย่างยิ่งเกล็ดหิมะบางส่วนไม่ตกลงไปในช่องเปิด ดังนั้น ปัจจุบันการวัดจึงทำใกล้กับพื้นดินมากขึ้น

สาเหตุทั่วไปอื่นๆ ของความไม่สม่ำเสมอ ได้แก่ การเปลี่ยนแปลงตำแหน่งการวัด การสังเกตการณ์จำนวนมาก โดยเฉพาะอย่างยิ่งปริมาณน้ำฝน มักดำเนินการโดยอาสาสมัครในสวนหรือที่ทำงานของพวกเขา การเปลี่ยนแปลงในสภาพแวดล้อมโดยรอบมักหลีกเลี่ยงไม่ได้ เช่น การเปลี่ยนแปลงของพืชพรรณ การปิดผิวดินและอาคารที่อบอุ่นและให้ร่มเงาในบริเวณใกล้เคียง นอกจากนี้ยังมีการเปลี่ยนแปลงในขั้นตอนการวัด เช่น วิธีการคำนวณอุณหภูมิเฉลี่ยรายวัน (โดยใช้ค่าต่ำสุดและสูงสุด หรือโดยการหาค่าเฉลี่ยจากการอ่าน 3 หรือ 4 ครั้งต่อวัน หรือจากข้อมูลทุก 10 นาที) การเปลี่ยนแปลงเวลาการสังเกตการณ์ก็อาจนำไปสู่ความไม่สม่ำเสมอได้เช่นกัน การทบทวนล่าสุดโดย Trewin มุ่งเน้นไปที่สาเหตุของความไม่สม่ำเสมอ^{[ 9 ]}

ความไม่สม่ำเสมอไม่ได้หมายความว่าเป็นข้อผิดพลาดเสมอไป เห็นได้ชัดเจนที่สุดในสถานีที่ได้รับผลกระทบจากภาวะโลกร้อนเนื่องจากปรากฏการณ์เกาะความร้อนในเมือง จากมุมมองของภาวะโลกร้อน ผลกระทบในระดับท้องถิ่นเช่นนี้เป็นสิ่งที่ไม่พึงประสงค์ แต่สำหรับการศึกษาอิทธิพลของสภาพภูมิอากาศต่อสุขภาพ การวัดค่าเหล่านี้ถือว่าเหมาะสม ความไม่สม่ำเสมออื่นๆ เกิดจากการประนีประนอมที่ต้องทำระหว่างการระบายอากาศและการป้องกันแสงแดดและความชื้นในการออกแบบที่พักพิงกันฝน การพยายามลดข้อผิดพลาดประเภทหนึ่ง (สำหรับสภาพอากาศบางอย่าง) ในการออกแบบ มักจะนำไปสู่ข้อผิดพลาดที่มากขึ้นจากปัจจัยอื่นๆ การวัดทางอุตุนิยมวิทยาไม่ได้ทำในห้องปฏิบัติการ ข้อผิดพลาดเล็กน้อยเป็นสิ่งที่หลีกเลี่ยงไม่ได้และอาจไม่เกี่ยวข้องกับวัตถุประสงค์ทางอุตุนิยมวิทยา แต่หากข้อผิดพลาดดังกล่าวเปลี่ยนแปลงไป ก็อาจเป็นความไม่สม่ำเสมอสำหรับภูมิอากาศวิทยาได้

เพื่อศึกษาพัฒนาการที่แท้จริงของสภาพภูมิอากาศอย่างน่าเชื่อถือ จำเป็นต้องกำจัดการเปลี่ยนแปลงที่ไม่เกี่ยวข้องกับสภาพภูมิอากาศออกไป มักจะมีการบันทึกวันที่ของการเปลี่ยนแปลง (เรียกว่าเมตาเดต้า: ข้อมูลเกี่ยวกับข้อมูล) แต่ก็ไม่เสมอไป เมตาเดต้าส่วนใหญ่มักมีให้บริการเฉพาะในภาษาท้องถิ่นเท่านั้น ในกรณีที่ดีที่สุด จะมีการวัดแบบคู่ขนานด้วยอุปกรณ์เดิมและอุปกรณ์ใหม่เป็นเวลาหลายปี^{[ 11 ]} นี่เป็นแนวทางของ WMO ( องค์การอุตุนิยมวิทยาโลก ) แต่น่าเสียดายที่การวัดแบบคู่ขนานนั้นไม่ได้ดำเนินการบ่อยนัก อาจเป็นเพราะไม่ทราบสาเหตุของการหยุดการวัดเดิมล่วงหน้า แต่บ่อยครั้งอาจเป็นเพราะต้องการประหยัดเงิน การทำการวัดแบบคู่ขนานด้วยเครื่องมือ หน้าจอ ฯลฯ จำลองจากของเดิม ทำให้ยังสามารถศึกษาความไม่สม่ำเสมอเหล่านี้ได้ในปัจจุบัน

เนื่องจากคุณไม่มีทางแน่ใจได้ว่าข้อมูลเมตาของคุณ (ประวัติสถานี) จะสมบูรณ์ จึงควรใช้การทำให้เป็นเนื้อเดียวกันทางสถิติเสมอ หลักการทางสถิติที่ใช้กันทั่วไปในการตรวจจับและขจัดผลกระทบของการเปลี่ยนแปลงเทียมคือการทำให้เป็นเนื้อเดียวกันแบบสัมพัทธ์ ซึ่งถือว่าสถานีใกล้เคียงกันได้รับสัญญาณสภาพอากาศที่เกือบจะเหมือนกัน ดังนั้นความแตกต่างระหว่างสถานีใกล้เคียงกันจึงสามารถนำมาใช้ในการตรวจจับความไม่เป็นเนื้อเดียวกันได้^{[ 12 ]} เมื่อพิจารณาอนุกรมเวลาความแตกต่าง ความแปรปรวนของสภาพอากาศในแต่ละปีจะถูกกำจัดออกไป เช่นเดียวกับแนวโน้มสภาพอากาศในระดับภูมิภาค ในอนุกรมเวลาความแตกต่างดังกล่าว การกระโดดที่ชัดเจนและต่อเนื่อง เช่น 1 °C สามารถตรวจพบได้ง่าย และอาจเกิดจากการเปลี่ยนแปลงในเงื่อนไขการวัดเท่านั้น

หากมีการกระโดด (การหยุดชะงัก) ในอนุกรมเวลาที่แตกต่างกัน ยังไม่ชัดเจนว่าสถานีใดในสองสถานีนั้นเป็นของสถานีใด นอกจากนี้ อนุกรมเวลามักจะมีการกระโดดมากกว่าหนึ่งครั้ง คุณลักษณะทั้งสองนี้ทำให้การทำให้เป็นเนื้อเดียวกันทางสถิติเป็นปัญหาทางสถิติที่ท้าทายและน่าสนใจ อัลกอริทึมการทำให้เป็นเนื้อเดียวกันมักจะแตกต่างกันในวิธีการพยายามแก้ปัญหาพื้นฐานทั้งสองนี้^{[ 13 ]}

ในอดีต เป็นเรื่องปกติที่จะคำนวณอนุกรมเวลาอ้างอิงแบบผสมที่คำนวณจากสถานีใกล้เคียงหลายแห่ง เปรียบเทียบข้อมูลอ้างอิงนี้กับอนุกรมที่คาดการณ์ และถือว่าการกระโดดใดๆ ที่พบนั้นเกิดจากอนุกรมที่คาดการณ์^{[ 14 ]}สมมติฐานหลังนี้ใช้ได้ผลเพราะการใช้สถานีหลายแห่งเป็นข้อมูลอ้างอิงจะช่วยลดอิทธิพลของความไม่สม่ำเสมอต่อข้อมูลอ้างอิงได้มาก อย่างไรก็ตาม อัลกอริทึมสมัยใหม่ไม่ถือว่าข้อมูลอ้างอิงมีความสม่ำเสมออีกต่อไป และสามารถให้ผลลัพธ์ที่ดีกว่าได้ด้วยวิธีนี้ มีสองวิธีหลักในการทำเช่นนั้น คุณสามารถคำนวณอนุกรมเวลาอ้างอิงแบบผสมหลายชุดจากกลุ่มย่อยของสถานีโดยรอบ และทดสอบข้อมูลอ้างอิงเหล่านี้เพื่อหาความสม่ำเสมอเช่นกัน ^{[ 15 ] [ 16 ]} หรืออีกทางหนึ่ง คุณสามารถใช้เฉพาะคู่ของสถานี และโดยการเปรียบเทียบทุกคู่เข้าด้วยกัน ให้พิจารณาว่าสถานีใดมีแนวโน้มมากที่สุดที่จะเป็นสถานีที่มีการเปลี่ยนแปลง^{[ 4 ]}หากมีการเปลี่ยนแปลงในปี 1950 ในคู่ A&B และ B&C แต่ไม่มีใน A&C การเปลี่ยนแปลงนั้นน่าจะเกิดขึ้นที่สถานี B ด้วยคู่สถานีที่มากขึ้น การอนุมานดังกล่าวสามารถทำได้ด้วยความแน่นอนมากขึ้น

หากมีจุดเปลี่ยนหลายจุดในอนุกรมเวลา จำนวนชุดค่าผสมจะเพิ่มขึ้นอย่างมากและเป็นไปไม่ได้ที่จะลองทั้งหมด ตัวอย่างเช่น ในกรณีที่มีจุดเปลี่ยนห้าจุด ( k = 5) ในข้อมูลรายปี 100 ปี ( n = 100) จำนวนชุดค่าผสมจะอยู่ที่ประมาณ 100⁵ ⁼ 10¹⁰ ^หรือ 10 พันล้าน ปัญหานี้บางครั้งแก้ไขได้โดยใช้วิธีการวนซ้ำ/ลำดับชั้น โดยเริ่มจากการค้นหาจุดเปลี่ยนที่ใหญ่ที่สุดก่อน แล้วจึงทำซ้ำการค้นหาในส่วนย่อยทั้งสองจนกว่าจะมีขนาดเล็กเกินไป วิธีนี้ไม่ได้ให้ผลลัพธ์ที่ดีเสมอไป วิธีแก้ปัญหาโดยตรงคือวิธีการเพิ่มประสิทธิภาพที่มีประสิทธิภาพที่เรียกว่าการเขียนโปรแกรมเชิงพลวัต (dynamic programming )

บางครั้งอาจไม่มีสถานีอื่นในเขตภูมิอากาศเดียวกัน ในกรณีนี้ บางครั้งจะใช้การปรับให้เป็นเนื้อเดียวกันอย่างสมบูรณ์ และตรวจพบความไม่สม่ำเสมอในอนุกรมเวลาของสถานีใดสถานีหนึ่ง หากมีการเปลี่ยนแปลงที่ชัดเจนและมากในวันที่กำหนด อาจสามารถแก้ไขได้ แต่การเปลี่ยนแปลงเล็กน้อยและความไม่สม่ำเสมอที่เกิดขึ้นอย่างค่อยเป็นค่อยไป (เช่น ปรากฏการณ์เกาะความร้อนในเมือง หรือการเจริญเติบโตของพืช) ไม่สามารถแยกแยะออกจากความแปรปรวนตามธรรมชาติและการเปลี่ยนแปลงสภาพภูมิอากาศที่แท้จริงได้ ข้อมูลที่ปรับให้เป็นเนื้อเดียวกันด้วยวิธีนี้ไม่ได้มีคุณภาพอย่างที่คาดหวัง และควรใช้ด้วยความระมัดระวังอย่างยิ่ง

จากการทำให้ชุดข้อมูลสภาพภูมิอากาศเป็นเนื้อเดียวกัน พบว่าบางครั้งความไม่เป็นเนื้อเดียวกันอาจทำให้เกิดแนวโน้มที่ลำเอียงในข้อมูลดิบ การทำให้เป็นเนื้อเดียวกันจึงเป็นสิ่งจำเป็นเพื่อให้ได้แนวโน้มระดับภูมิภาคหรือระดับโลกที่น่าเชื่อถือ ตัวอย่างเช่น สำหรับภูมิภาคเทือกเขาแอลป์ตอนใหญ่ พบว่ามีความลำเอียงในแนวโน้มอุณหภูมิระหว่างช่วงปี 1870 ถึง 1980 อยู่ครึ่งองศา ซึ่งเป็นผลมาจากการลดลงของความเป็นเมืองของเครือข่ายและการเปลี่ยนแปลงอย่างเป็นระบบในเวลาการสังเกต^{[ 17 ]} บันทึกปริมาณน้ำฝนในช่วงแรกของยุคการวัดด้วยเครื่องมือมีความลำเอียงอยู่ที่ -10% เนื่องจากการติดตั้งเครื่องวัดที่สูงขึ้นอย่างเป็นระบบในเวลานั้น^{[ 18 ]} แหล่งที่มาของความลำเอียงอื่นๆ ที่เป็นไปได้ ได้แก่ ที่พักพิงสภาพอากาศแบบใหม่^{[ 3 ] [ 19 ]}การเปลี่ยนจากเทอร์โมมิเตอร์แบบของเหลวและแก้วเป็นเทอร์โมมิเตอร์แบบความต้านทานไฟฟ้า^{[ 2 ]}รวมถึงแนวโน้มที่จะแทนที่ผู้สังเกตการณ์ด้วยสถานีตรวจอากาศอัตโนมัติ^{[ 8 ]}ผลกระทบของเกาะความร้อนในเมือง และการย้ายสถานีในเมืองหลายแห่งไปยังสนามบิน^{[ 9 ]}

ยิ่งไปกว่านั้น อัลกอริทึมการทำให้เป็นเนื้อเดียวกันแบบสัมพัทธ์ที่ทันสมัยซึ่งพัฒนาขึ้นเพื่อทำงานกับข้อมูลอ้างอิงที่ไม่เป็นเนื้อเดียวกันนั้นแสดงให้เห็นว่ามีประสิทธิภาพดีที่สุด การศึกษา (จาก EGU) แสดงให้เห็นว่าอัลกอริทึมอัตโนมัติสามารถทำงานได้ดีเท่ากับอัลกอริทึมแบบแมนนวล^{[ 13 ]}

• การเปลี่ยนแปลงสภาพภูมิอากาศ (ในยุคปัจจุบัน)
• การเปลี่ยนแปลงสภาพภูมิอากาศ (แนวคิดทั่วไป)