Воды мира. Как были разгаданы тайны океанов, атмосферы, ледников и климата нашей планеты

Таким образом, незнание Уокером метеорологии стало его преимуществом. Не связанный никакими предположениями о том, какие именно атмосферные факторы могли влиять на муссоны, ученый решил, что ему нужен инструмент, с помощью которого он сумеет оценить их все и определить, какие из них наиболее важны. Такой инструмент предлагала статистика. Первым делом Уокер разработал методику расчета того, что он назвал достоверностью коэффициента корреляции между двумя факторами. Теперь можно было просеивать колоссальные объемы данных. До этого охотники за цикличностью полагались в основном на визуальную оценку. Они строили графики для каких-либо двух показателей (например, барометрического давления и появления солнечных пятен) и смотрели, не покажет ли сопоставление этих кривых какую-нибудь закономерность – либо особенно близкое совпадение, либо, наоборот, полное несовпадение, что могло свидетельствовать об обратной корреляции. Также существовал статистический инструмент, называемый коэффициентом корреляции, его разработал статистик Карл Пирсон специально для статистического просеивания чисел. Он был предназначен для выявления зависимостей – степеней корреляции, связывавших две группы данных. Казалось, это было именно то, что нужно, чтобы найти искомое в тех массивах информации, которыми располагал Уокер.

Но у коэффициента корреляции Пирсона имелся серьезный недостаток: он был слишком хорош в поиске зависимостей в погодных данных. Даже при сравнении двух совершенно случайных их наборов всегда оставалась вероятность того, что между ними обнаружится какая-то связь. Что уж говорить о сравнении реальных данных, например таких, как атмосферное давление в разных частях планеты. Инструмент Пирсона не мог отличить реальные корреляции, то есть указывающие на лежащие в их основе физические связи, от случайных, зависевших исключительно от количества сравниваемых показателей. При сравнении десятков и даже сотен групп данных, что требовалось Уокеру, вероятность выявления ложных корреляций была слишком высока. Поэтому Уокер усовершенствовал этот инструмент, дополнив его возможностью оценивать, насколько значима обнаруженная корреляция, и таким образом отсеивать лишнее.

Применение его критерия достоверности к коэффициенту корреляции Пирсона позволяло получить количественный показатель вероятности того, что взаимозависимость между двумя наборами чисел не была случайной. Отныне, вместо того чтобы разглядывать бесконечные кривые, Уокер мог численно ранжировать выявленные зависимости и определять, какие из них были статистически значимы, то есть отражали нечто происходящее в реальном мире, а какие, скорее всего, случайны. При сортировке огромных массивов данных его методика оказалась значительно более точна и эффективна, чем методики предшественников. Как охарактеризовал ее еще один знаменитый метеоролог, Нейпир Шоу, она «подобно прожектору обследовала метеорологический горизонт с некой выбранной точки, высвечивая своим лучом основные характеристики и особенности невидимого иначе ландшафта, в данном случае – всего земного шара»[149].

Исследования Уокера действительно охватывали весь земной шар. И это было в равной степени как следствием его метеорологического невежества, так и осознанным решением. Не имея четкого понимания, куда именно направить луч своего прожектора, он светил им повсюду. Он находил множество корреляций, и каждая из них, как выразился Нейпир Шоу, была подобна «очень чувствительному растению, которое куда легче погубить, чем вырастить, и которое страдает от любых случайных ошибок, каковы бы те ни были»[150]. В этом и была суть. Если Уокер хотел найти реальные зависимости в огромном море данных, ему приходилось быть беспощадным. Выжить должны были только самые сильные, самые статистически устойчивые корреляции. И тогда, опираясь на физические теории циркуляции воздуха, ветра и дождя, ученые могли бы объяснить то, что обнаружил Уокер.