Abstract The monthly global 2° × 2° Extended Reconstructed Sea Surface Temperature (ERSST) has been revised and updated from version 4 to version 5. This update incorporates a new release of ICOADS release 3.0 (R3.0), a decade of near-surface data from Argo floats, and a new estimate of centennial sea ice from HadISST2. A number of choices in aspects of quality control, bias adjustment, and interpolation have been substantively revised. The resulting ERSST estimates have more realistic spatiotemporal variations, better representation of high-latitude SSTs, and ship SST biases are now calculated relative to more accurate buoy measurements, while the global long-term trend remains about the same. Progressive experiments have been undertaken to highlight the effects of each change in data source and analysis technique upon the final product. The reconstructed SST is systematically decreased by 0.077°C, as the reference data source is switched from ship SST in ERSSTv4 to modern buoy SST in ERSSTv5. Furthermore, high-latitude SSTs are decreased by 0.1°–0.2°C by using sea ice concentration from HadISST2 over HadISST1. Changes arising from remaining innovations are mostly important at small space and time scales, primarily having an impact where and when input observations are sparse. Cross validations and verifications with independent modern observations show that the updates incorporated in ERSSTv5 have improved the representation of spatial variability over the global oceans, the magnitude of El Niño and La Niña events, and the decadal nature of SST changes over 1930s–40s when observation instruments changed rapidly. Both long- (1900–2015) and short-term (2000–15) SST trends in ERSSTv5 remain significant as in ERSSTv4.

Abstract The monthly Extended Reconstructed Sea Surface Temperature (ERSST) dataset, available on global 2° × 2° grids, has been revised herein to version 4 (v4) from v3b. Major revisions include updated and substantially more complete input data from the International Comprehensive Ocean–Atmosphere Data Set (ICOADS) release 2.5; revised empirical orthogonal teleconnections (EOTs) and EOT acceptance criterion; updated sea surface temperature (SST) quality control procedures; revised SST anomaly (SSTA) evaluation methods; updated bias adjustments of ship SSTs using the Hadley Centre Nighttime Marine Air Temperature dataset version 2 (HadNMAT2); and buoy SST bias adjustment not previously made in v3b. Tests show that the impacts of the revisions to ship SST bias adjustment in ERSST.v4 are dominant among all revisions and updates. The effect is to make SST 0.1°–0.2°C cooler north of 30°S but 0.1°–0.2°C warmer south of 30°S in ERSST.v4 than in ERSST.v3b before 1940. In comparison with the Met Office SST product [the Hadley Centre Sea Surface Temperature dataset, version 3 (HadSST3)], the ship SST bias adjustment in ERSST.v4 is 0.1°–0.2°C cooler in the tropics but 0.1°–0.2°C warmer in the midlatitude oceans both before 1940 and from 1945 to 1970. Comparisons highlight differences in long-term SST trends and SSTA variations at decadal time scales among ERSST.v4, ERSST.v3b, HadSST3, and Centennial Observation-Based Estimates of SST version 2 (COBE-SST2), which is largely associated with the difference of bias adjustments in these SST products. The tests also show that, when compared with v3b, SSTAs in ERSST.v4 can substantially better represent the El Niño/La Niña behavior when observations are sparse before 1940. Comparisons indicate that SSTs in ERSST.v4 are as close to satellite-based observations as other similar SST analyses.

Evidence is presented of a reduction in relative humidity over low‐latitude and midlatitude land areas over a period of about 10 years leading up to 2008, based on monthly anomalies in surface air temperature and humidity from comprehensive European Centre for Medium‐Range Weather Forecasts reanalyses (ERA‐40 and ERA‐Interim) and from Climatic Research Unit and Hadley Centre analyses of monthly station temperature data (CRUTEM3) and synoptic humidity observations (HadCRUH). The data sets agree well for both temperature and humidity variations for periods and places of overlap, although the average warming over land is larger for the fully sampled ERA data than for the spatially and temporally incomplete CRUTEM3 data. Near‐surface specific humidity varies similarly over land and sea, suggesting that the recent reduction in relative humidity over land may be due to limited moisture supply from the oceans, where evaporation has been limited by sea surface temperatures that have not risen in concert with temperatures over land. Continental precipitation from the reanalyses is compared with a new gauge‐based Global Precipitation Climatology Centre (GPCC) data set, with the combined gauge and satellite products of the Global Precipitation Climatology Project (GPCP) and the Climate Prediction Center (CPC), Merged Analysis of Precipitation (CMAP), and with CPC's independent gauge analysis of precipitation over land (PREC/L). The reanalyses agree best with the new GPCC and latest GPCP data sets, with ERA‐Interim significantly better than ERA‐40 at capturing monthly variability. Shifts over time in the differences among the precipitation data sets make it difficult to assess their longer‐term variations and any link with longer‐term variations in humidity.

Atmospheric humidity has a big influence on the distribution and maximum intensity of precipitation, the potential intensity of tropical cyclones, surface hydrology and human heat stress. Significant increases in specific humidity — the ratio of water vapour to air in a given volume of air — have been observed at the Earth's surface, but it was not clear whether these changes are due to natural or human influences. Now, using a new data set of surface specific humidity observations, along with output from a coupled climate model, Willett et al. identify a significant increase in global mean surface specific humidity during the late twentieth century that is mainly attributable to human influence. A new dataset of surface specific humidity observations is used, along with output from a coupled climate model, to identify a significant increase in global mean surface specific humidity over the late twentieth century that is mainly attributable to human influence, indicating that human-induced climate change has already had a significant influence on this important climate variable. Water vapour is the most important contributor to the natural greenhouse effect, and the amount of water vapour in the atmosphere is expected to increase under conditions of greenhouse-gas-induced warming, leading to a significant feedback on anthropogenic climate change1,2,3. Theoretical and modelling studies predict that relative humidity will remain approximately constant at the global scale as the climate warms, leading to an increase in specific humidity1,4,5. Although significant increases in surface specific humidity have been identified in several regions6,7,8,9, and on the global scale in non-homogenized data10, it has not been shown whether these changes are due to natural or human influences on climate. Here we use a new quality-controlled and homogenized gridded observational data set of surface humidity, with output from a coupled climate model, to identify and explore the causes of changes in surface specific humidity over the late twentieth century. We identify a significant global-scale increase in surface specific humidity that is attributable mainly to human influence. Specific humidity is found to have increased in response to rising temperatures, with relative humidity remaining approximately constant. These changes may have important implications, because atmospheric humidity is a key variable in determining the geographical distribution11,12,13 and maximum intensity14 of precipitation, the potential maximum intensity of tropical cyclones15, and human heat stress16, and has important effects on the biosphere17 and surface hydrology17,18.

The Summary for Policymakers (SPM) of the Synthesis Report (SYR) of the Sixth Assessment Report (AR6) of the Intergovernmental Panel on Climate Change (IPCC), is a component of the SYR which provides a policy-relevant but policy-neutral summary of the SYR. It is consistent with the Sections of the SYR and is approved line by line by the Governments at a plenary session of the Intergovernmental Panel on Climate Change.

The year 2012 marks a decade of observations undertaken by the U.S. Climate Reference Network (USCRN) under the auspices of NOAA's National Climatic Data Center and Atmospheric Turbulence and Diffusion Division. The network consists of 114 sites across the conterminous 48 states, with additional sites in Alaska and Hawaii. Stations are installed in open (where possible), rural sites very likely to have stable land-cover/use conditions for several decades to come. At each site a suite of meteorological parameters are monitored, including triple redundancy for the primary air temperature and precipitation variables and for soil moisture/temperature. Instrumentation is regularly calibrated to National Institute for Standards and Technology (NIST) standards and maintained by a staff of expert engineers. This attention to detail in USCRN is intended to ensure the creation of an unimpeachable record of changes in surface climate over the United States for decades to come. Data are made available without restriction for all public, private, and government use. This article describes the rationale for the USCRN, its implementation, and some of the highlights of the first decade of operations. One critical use of these observations is as an independent data source to verify the existing U.S. temperature record derived from networks corrected for nonhomogenous histories. Future directions for the network are also discussed, including the applicability of USCRN approaches for networks monitoring climate at scales from regional to global. Constructive feedback from end users will allow for continued improvement of USCRN in the future and ensure that it continues to meet stakeholder requirements for precise climate measurements.

Abstract A recent report of the U.S. Climate Change Science Program (CCSP) identified a ‘ potentially serious inconsistency ’ between modelled and observed trends in tropical lapse rates (Karl et al. , 2006). Early versions of satellite and radiosonde datasets suggested that the tropical surface had warmed more than the troposphere, while climate models consistently showed tropospheric amplification of surface warming in response to human‐caused increases in well‐mixed greenhouse gases (GHGs). We revisit such comparisons here using new observational estimates of surface and tropospheric temperature changes. We find that there is no longer a serious discrepancy between modelled and observed trends in tropical lapse rates. This emerging reconciliation of models and observations has two primary explanations. First, because of changes in the treatment of buoy and satellite information, new surface temperature datasets yield slightly reduced tropical warming relative to earlier versions. Second, recently developed satellite and radiosonde datasets show larger warming of the tropical lower troposphere. In the case of a new satellite dataset from Remote Sensing Systems (RSS), enhanced warming is due to an improved procedure of adjusting for inter‐satellite biases. When the RSS‐derived tropospheric temperature trend is compared with four different observed estimates of surface temperature change, the surface warming is invariably amplified in the tropical troposphere, consistent with model results. Even if we use data from a second satellite dataset with smaller tropospheric warming than in RSS, observed tropical lapse rate trends are not significantly different from those in all other model simulations. Our results contradict a recent claim that all simulated temperature trends in the tropical troposphere and in tropical lapse rates are inconsistent with observations. This claim was based on use of older radiosonde and satellite datasets, and on two methodological errors: the neglect of observational trend uncertainties introduced by interannual climate variability, and application of an inappropriate statistical ‘consistency test’. Copyright © 2008 Royal Meteorological Society

Abstract The United Nations Framework Convention on Climate Change (UNFCCC) process agreed in Paris to limit global surface temperature rise to “well below 2°C above pre-industrial levels.” But what period is preindustrial? Somewhat remarkably, this is not defined within the UNFCCC’s many agreements and protocols. Nor is it defined in the IPCC’s Fifth Assessment Report (AR5) in the evaluation of when particular temperature levels might be reached because no robust definition of the period exists. Here we discuss the important factors to consider when defining a preindustrial period, based on estimates of historical radiative forcings and the availability of climate observations. There is no perfect period, but we suggest that 1720–1800 is the most suitable choice when discussing global temperature limits. We then estimate the change in global average temperature since preindustrial using a range of approaches based on observations, radiative forcings, global climate model simulations, and proxy evidence. Our assessment is that this preindustrial period was likely 0.55°–0.80°C cooler than 1986–2005 and that 2015 was likely the first year in which global average temperature was more than 1°C above preindustrial levels. We provide some recommendations for how this assessment might be improved in the future and suggest that reframing temperature limits with a modern baseline would be inherently less uncertain and more policy relevant.

Abstract Described herein is the parametric and structural uncertainty quantification for the monthly Extended Reconstructed Sea Surface Temperature (ERSST) version 4 (v4). A Monte Carlo ensemble approach was adopted to characterize parametric uncertainty, because initial experiments indicate the existence of significant nonlinear interactions. Globally, the resulting ensemble exhibits a wider uncertainty range before 1900, as well as an uncertainty maximum around World War II. Changes at smaller spatial scales in many regions, or for important features such as Niño-3.4 variability, are found to be dominated by particular parameter choices. Substantial differences in parametric uncertainty estimates are found between ERSST.v4 and the independently derived Hadley Centre SST version 3 (HadSST3) product. The largest uncertainties are over the mid and high latitudes in ERSST.v4 but in the tropics in HadSST3. Overall, in comparison with HadSST3, ERSST.v4 has larger parametric uncertainties at smaller spatial and shorter time scales and smaller parametric uncertainties at longer time scales, which likely reflects the different sources of uncertainty quantified in the respective parametric analyses. ERSST.v4 exhibits a stronger globally averaged warming trend than HadSST3 during the period of 1910–2012, but with a smaller parametric uncertainty. These global-mean trend estimates and their uncertainties marginally overlap. Several additional SST datasets are used to infer the structural uncertainty inherent in SST estimates. For the global mean, the structural uncertainty, estimated as the spread between available SST products, is more often than not larger than the parametric uncertainty in ERSST.v4. Neither parametric nor structural uncertainties call into question that on the global-mean level and centennial time scale, SSTs have warmed notably.

Abstract. Intergovernmental Panel on Climate Change (IPCC) assessments are the trusted source of scientific evidence for climate negotiations taking place under the United Nations Framework Convention on Climate Change (UNFCCC). Evidence-based decision-making needs to be informed by up-to-date and timely information on key indicators of the state of the climate system and of the human influence on the global climate system. However, successive IPCC reports are published at intervals of 5–10 years, creating potential for an information gap between report cycles. We follow methods as close as possible to those used in the IPCC Sixth Assessment Report (AR6) Working Group One (WGI) report. We compile monitoring datasets to produce estimates for key climate indicators related to forcing of the climate system: emissions of greenhouse gases and short-lived climate forcers, greenhouse gas concentrations, radiative forcing, the Earth's energy imbalance, surface temperature changes, warming attributed to human activities, the remaining carbon budget, and estimates of global temperature extremes. The purpose of this effort, grounded in an open-data, open-science approach, is to make annually updated reliable global climate indicators available in the public domain (https://doi.org/10.5281/zenodo.11388387, Smith et al., 2024a). As they are traceable to IPCC report methods, they can be trusted by all parties involved in UNFCCC negotiations and help convey wider understanding of the latest knowledge of the climate system and its direction of travel. The indicators show that, for the 2014–2023 decade average, observed warming was 1.19 [1.06 to 1.30] °C, of which 1.19 [1.0 to 1.4] °C was human-induced. For the single-year average, human-induced warming reached 1.31 [1.1 to 1.7] °C in 2023 relative to 1850–1900. The best estimate is below the 2023-observed warming record of 1.43 [1.32 to 1.53] °C, indicating a substantial contribution of internal variability in the 2023 record. Human-induced warming has been increasing at a rate that is unprecedented in the instrumental record, reaching 0.26 [0.2–0.4] °C per decade over 2014–2023. This high rate of warming is caused by a combination of net greenhouse gas emissions being at a persistent high of 53±5.4 Gt CO2e yr−1 over the last decade, as well as reductions in the strength of aerosol cooling. Despite this, there is evidence that the rate of increase in CO2 emissions over the last decade has slowed compared to the 2000s, and depending on societal choices, a continued series of these annual updates over the critical 2020s decade could track a change of direction for some of the indicators presented here.