DATA - Met een maand die alle records brak sloot 2015 af als… recordjaar. Warmste jaar sinds start metingen in 1850. By far. Bij alle grote meetinstituten was er geen enkele twijfel.
En dat is dan ook terug te zien in onze maandelijkse update.
Alleen de satellietmetingen zien het anders. Maar daar valt het nodige op aan te merken, ook volgens een van de wetenschappers achter die metingen.
En waar komt al die warmte dan eigenlijk vandaan? Uit de oceanen. Met een El Nino in volle gang is dat onvermijdelijk. En het slechte nieuws is dat de meest recente inzichten aangeven dat de hoeveelheid warmte door oceanen opgenomen, is verdubbeld sinds 1997. Dat gaan we nog merken.
Het overzicht van de wereldwijde temperatuurafwijkingen is gebaseerd op de metingen van RSS MSU, GISS, Hadcrut4, NCDC en JMA. We nemen daar maandelijks het gemiddelde van en bepalen ook nog het lopende gemiddelde over alle metingen van 36 maanden (drie jaar) , 132 maanden (elf jaar) en dertig jaar. Let op: het gaat hier om gemiddelde afwijkingen over meerdere reeksen met verschillende referentieperiodes. Getallen bieden dus alleen een indicatie van de trend.
Reacties (44)
Zo kan het ook:
http://models.weatherbell.com/climate/cfsr_t2m_2005.png
De 2015 uitschieter brengt ons nu op de gemiddelde model verwachting. Interessant worden nu de komende 2 jaar. Kan de opwarming handhaven of opnieuw terugzakken tot ver onder het gemiddelde. Ik gok op het laatste.
@1: Even los van de korte periode die het weergeeft, wat zijn de onderliggende data?
@2: Goeie vraag. Het zou dit moeten zijn.
http://cci-reanalyzer.org/DailySummary/
zie uitleg daaronder.
Maar zeker weten doe ik het niet.
@3: Deze site geeft mooie plaatjes. Temperatuuranomalie van -20 Celsius tot +20 Celsius. Wat een spreiding.
@1, @2 : over dat zg. fraaie plaatje: “CFSR or Climate Forecast System Reanalysis is a reanalysis model, it’s not observed data.” Dus wat er mee beweerd wordt op die weatherbell site weten we zonder nadere links niet. Mooi vormgegeven maar vooralsnog niets-zeggend qua inhoud. Wel opvallend dat er vooral door klimaat-ontkenners naar wordt verwezen volgens Google.
@3: Maar als je dat niet weet, waarom gooi je dan in die grafiek hier in dit draadje? Je kan dan net zo goed de hypotheekrente van het laatste jaar nemen.
@1
” Kan de opwarming handhaven of opnieuw terugzakken tot ver onder het gemiddelde. Ik gok op het laatste.”
Welk gemiddelde bedoel je?
@7, @6 – Vruggink is niet uit op informatie delen, Vruggink is uit op verwarring zaaien. Ontkenners-taktiek van iemand die ontkent ontkenner te zijn.
@6: De grafiek plaats ik hier onder het motto ” zo kan het ook” Dat geeft denk ik al aan dat ik mij hier niet direct zomaar achter schaar. Ik schrijf immers niet: “zo is het” Zo ver ik kan nagaan is de data dezelfde als die NOAA gebruikt. Wel andere methodiek, model en analyse. Ik geef geen oordeel, Kan ik ook niet, ik heb geen idee. Wat ik wel waarneem is dat er nu ook blijkbaar sceptische data sets gaan bestaan naast de data sets die we al kennen. Voor mij maakt het persoonlijk niet uit, ik gebruik de meest alarmistische wel, JMA en NOAA op dit moment. Indien de opwarming meevalt gaat dat er de komende jaren er vanzelf uitkomen, welke dataset je ook gebruikt. Zo ook als het echt gaat opwarmen: Ook de Hiatus in RSS zal dan verdwijnen.
De opmerking “je kan net zo goed de hypotheek rente nemen” van Steeph is dan nogal vreemd. Het lijkt alsof hij niet wil weten dat er mensen zijn die achter andere data of andere presentaties daarvan aanlopen.
@7: Wat ik bedoel is het gemiddelde van de model verwachtingen.
http://www.climate-lab-book.ac.uk/wp-content/uploads/fig-nearterm_all_UPDATE_2014.png
@8 Duidelijk
http://davidappell.blogspot.nl/2016/01/too-good-not-to-post.html
Maar de METoffice verwacht dat 2016 nog wat warmer wordt dan 2015
http://www.carbonbrief.org/met-office-forecasts-2016-to-be-hottest-year-on-record
Dus als we dan terugvallen tot iets onder het gemiddelde blijven we gewoon de trend volgen.
@11: Indien we iets onder het gemiddelde blijven (dat is dus niveau 2015) dan volgen we zeker de trend. Absoluut. Maar terug zakken naar niveau 2014 wat notabene een top warm jaar is, zal ons al direct weer in de onderste regionen brengen….
Herman,
Dus als we naar de verwachtingen van het Metoffice kijken verwacht jij dat 2017 > 0,2C kouder wordt dan 2016.
Boude voorspelling!
Ik zie vooral een 40 jarige trend van 0.175 ±0.033 °C/decade (2σ) waar we nu boven zitten
@9: “Ook de Hiatus in RSS zal dan verdwijnen.”
Dat valt nog te bezien. Het lijkt er op dat er iets mis is met de satellieten die de data leveren voor RSS en UAH. Als je de normale blogs volgt (en niet alleen bij Watts blijft hangen) kun je zien dat ze na 2006 helemaal niet meer (zoals daar voor!) de oppervlakte temps volgen, maar steeds meer afwijken. Wat de oorzaak kan zijn, blijft even speculatie, maar dat het gebeurt is duidelijk.
De El Nino van 2015-2016 is nagenoeg even sterk als die van 1997-1998. Satellieten zien de Nino’s en Nina’s altijd met maanden vertraging en ook sterke overdrijving voor mij onduidelijke redenen, maar je zou kunnen aannemen dat bij RSS en UAH die piek zich de komende maanden laat zien en dan even hoog als die van 1998 -of hoger.
Ik zie het wel gebeuren dat als de problemen met de satellieten niet opgelost worden, deze El Nino als een zwakke El Nino zal verschijnen en we weten allemaal hoe in tegenspraak dat is met wat we kunnen waarnemen.
Los daar van: satellieten meten niet aan de oppervlakte, maar een laag lucht tot op vele kilometers hoogte. Ik zie niet in waarom we dat willen vergelijken met oppervlaktemetingen.
@majava: de gevolgen van de El Nino’s zijn in de globale temperatuurveranderingen pas na een maand of drie optimaal te merken. Dat kun je zien in mijn applet https://mrooijer.shinyapps.io/graphic/ ( het makkelijkst te zien bij de tutorail). Het duurt kennelijk een paar maanden voordat het zich allemaal in horizontale richting goed verspreid heeft.
RSS en UAH meten vooral op een paar kilometer hoogte de anomalie. De troposfeer temperatuur varieert van de oppervlakte-temperatuur tot -45 / -75 C op de grens van troposfeer en stratosfeer. Als de warmte zich verticaal moeilijker verspreid dan horizontaal zal de ENSO later en ook intensiever te zien zijn in hogere lagen.
Voorts is de interne (statistische) variatie van de satellietreeksen veel groter dan van de andere reeksen. Daardoor zijn uitspraken over de trends in die reeksen zinloos wanneer de periodes niet minstens 25-30 jaar zijn. Zo is de trend over de laaste 25 jaar RSS 0.7 graad C/eeuw, maar de onzekerheid is +- 0.8
@13: Nee, dat is niet een verwachting maar een gok. Ik neem aan dat die gok een stuk beter uitbetaald bij de bookmakers…..
Het zou natuurlijk best kunnen dat de temperatuur na deze El Niño weer even onder de lange termijn trend duikt. De hamvraag lijkt me: so what?
@18: So what is altijd de Hamvraag. Is er sprake van even een terugval of is op een gegeven moment sprake van een veel lagere trend dan de gemiddelde verwachting. 2015 haalt nauwelijks de gemiddelde model verwachting. Je moet je uitspraak wellicht omdraaien. Nu schiet de waarde eventjes flink boven de ‘lange’ termijn trend: So what?
Zolang waarden niet buiten modelgrenzen vallen heeft het voorlopig denk ik niet al te veel betekenis. Het wordt een geheel ander verhaal als dit wel het geval is. Trouwens, waar praten we over: warming is all over the place…..Toch?
En dan zijn er nog de satellietmetingen.
http://www.climate4you.com/images/MSU%20UAH%20DifferentAltitudesGlobalMonthlyTempSince1979%20With37monthRunningAverage.gif
Een voordeel is dat deze meten in geheel de troposfeer op verschillende hoogtes zoals in de figuur mooi te zien is en beperkt zich niet tot alleen maar 2 meter punt metingen die zich matig verdeelt over de aarde bevinden. En waar moeten wij de opwarming van de troposfeer t.g.v broeikasgassen waarnemen? alleen op 2 meter?
Indien we anomalie van satelliet reeksen vergelijken met 2 meter stations dan sluit deze verbluffend goed aan. Helaas lijkt er nu een soort constant verschil te ontstaan de laatste 5 -10 jaar tussen grond data en satelliet data. Het doet haast denken aan een soort constante fout. Met statistische variatie die voor satellietreeksen inderdaad groter is lijkt dat niets van doen te hebben. Oorzaak? : geen idee, slechts speculaties.
@20: mogelijke oorzaken zat: overgang van AMSU ipv MSU kan er één zijn: valt samen met de start van de “drift”. Foute modellen in RSS en UAH 6.0 kan een tweede zijn, want UAH 5.6 vertoonde die “drift” nog niet. Zie verder de levendige discussies op:
https://klimaatverandering.wordpress.com/2016/01/21/satellieten-oppervlaktetemperatuur-en-opwarming/
http://rabett.blogspot.nl/2016/01/hmm-thats-suspicious.html
https://andthentheresphysics.wordpress.com/2016/01/16/satellite-temperatures/
https://tamino.wordpress.com/2016/01/15/drift/
Een typische ontkennerssmoes is “Een voordeel is dat deze meten in geheel de troposfeer op verschillende hoogtes zoals in de figuur mooi te zien is en beperkt zich niet tot alleen maar 2 meter punt metingen die zich matig verdeelt over de aarde bevinden.”
Dat is helemaal niet waar.
De satellietmetingen van hooggebergte en polen zijn zo onbetrouwbaar dat ze maar niet gepubliceerd worden door RSS. Daarnaast zijn het pool-tot-pool banen die een delen van de evenaar soms maar eens per maand “zien”. De oppervlakte metingen betreffen een netwerk dat zo dicht is, dat er van 10.000-en stations dagelijkse gegevens zijn.
@21: Mogelijke oorzaken zat, inderdaad, maar toch meer in de categorie speculatief dan dat er echt een bewijs op tafel komt of er serieus naar gezocht wordt.
Tja, en dan kan jij wel roepen dat het allemaal niet waar is zonder enige onderbouwing, maar naar mijn mening is het een voordeel dat deze meten in geheel de troposfeer op verschillende hoogtes zoals in de figuur mooi te zien is en beperkt zich niet tot alleen maar 2 meter punt metingen die zich matig verdeelt over de aarde bevinden. Natuurlijk mag jij er een andere mening op na houden.
Satellietmetingen zijn inderdaad minder betrouwbaar op de polen, maar misschien nog altijd beter dan helemaal GEEN data. GISS doet wel alsof er data is maar het is volledig op basis van geïnterpoleerde data van een handjevol stations. de hybride data set van Cowtan&Way gebruikt UAH data om de gaten op de polen op te vullen….En dan hoor ik niemand over onbetrouwbare data…..
Verder verwar je twee zaken: coverage, die van de satellietdata veel beter is en het aantal metingen op 1 punt. Grondstations zijn geschikt om een dagprofiel te maken van een plaats. Dat kan met satelliet metingen niet.
@22
Is dat zo? Goede coverage betekent zowel goede dekking van het oppervlak als goede dekking in de tijd. Beide zijn belangrijk.
Grondstations geven (nagenoeg) volledige dekking in de tijd van een beperkt deel van het oppervlak, satellieten geven (nagenoeg) volledige dekking van het oppervlak gedurende een beperkt deel van de tijd. Ik zie niet in waarom het tweede per definitie beter zou zijn dan het eerste.
Idealiter vullen verschillende meetmethoden elkaar aan. Wie weet ontstaan er op termijn meer hybride datasets, die voortborduren op Cowtan & Way.
Overigen kwam ik eerder deze week dit stuk op Ars Technica tegen waarin uitgebreid wordt ingegaan op de verschillende meetmethodes met alle bijbehorende haken en ogen.
“de hybride data set van Cowtan&Way gebruikt UAH data om de gaten op de polen op te vullen…” – Klok, klepel; nee, ze hebben een paar hybride datasets gemaakt van 1979 – heden met UAH 5.6 data, maar in de LT datasets die ook door anderen worden gebruikt zit die info niet.
@23: Als je het zo wilt omschrijven, mij best. Dank voor de aanvulling.
Grondstations geven (nagenoeg) volledige dekking in de tijd van een beperkt deel van het oppervlak, satellieten geven (nagenoeg) volledige dekking van het oppervlak gedurende een beperkt deel van de tijd. En het gaat er hier niet om wat beter is. Zoals ik al aangaf, wil je een volledig profiel van een dag dan heb je grondstations nodig. Met satellieten kan je informatie verkrijgen van gebieden waar een beperkt aantal grondstations staan.
@24: dit lijkt mij een beetje een slap excuus verhaaltje. UAH data wordt gebruikt om de beperkte data in te vullen op de polen. Klaar.
@26 – nee, kriging wordt gebruikt, een statistische techniek, om de gegevens van de polen in te vullen. Lees de pagina van Kevin Cowtan himself
http://www-users.york.ac.uk/~kdc3/papers/coverage2013/series.html
Vruggink, je wringt je in bochten om de satellieten te kunnen blijven verdedigen.
Je zegt dat het een ‘voordeel’ is dat ze de hele troposfeer meten en niet alleen op 2m. Dan doe je eigenlijk alsof je een keuze hebt, terwijl in werkelijkheid niet op 2m kunt meten als je dat zou willen en altijd dus een dikke laag troposfeer vol met hindernissen als wolken en boven problematische bergen volgt.
Bovendien doe je de problemen met satellieten af als speculaties, omdat het niet duidelijk is waar het om gaat, terwijl je wel inziet dat er een probleem aan het ontstaan is. Dus zolang het niet duidelijk is wat de reden is voor de afwijking, zie je satellieten als superieur? Wat is dat voor logica?
@28: Dat klopt, satellieten kunnen niet op 2 meter meten als ik dat zou willen. En ik verdedig satellieten niet maar probeer aan te geven wat voor en nadelen zijn. Maar meten wij eigenlijk wel het 2 meter niveau? Boven land wel, maar 70% van de data wordt bepaald door de SST en niet op 2 meter daar boven…. Zit je daar ook mee? De reden is dat anomalie zeewater zich heel goed leent en stabieler lijkt dan 2 meter data daarboven die maar in geringe mate aldaar gemeten wordt. Zo is gebleken dat ook de anomalie van satellietdata onderste laag van troposfeer zich daar goed voor leent. Vergroot eens een stukje uit en vergelijk. Resultaat is verbluffend. De vraag is nu alleen nog maar waarom de laatste 10 jaar de data zo ver uit elkaar aan het lopen is.
@27: Dat is heel mooi, maar de basis van de data is toch UAH…. Of wou je dat soms ontkennen?
In de Cowtan & Way hybride datasets met UAH wordt de data van UAH bewust op een maand-tot-maand basis gebruikt. De problemen met de satellietdata die leiden tot een minder betrouwbare tijdreeks zitten dus niet in de Cowtan & Way dataset.
“Any temporal inhomogeneity in the satellite data is eliminated, because the satellite data are tied to the surface temperature observations on a month-by-month basis. Constant or timevarying offsets between the surface and satellite data not already dealt with by the baselining step are also eliminated by Eq. (1). Spatial inhomogeneity, for example due to surface contamination of the tropospheric temperature observations, remains an issue only if inhomogeneity varies over distances shorter than the range of the kriging calculation.”
http://onlinelibrary.wiley.com/doi/10.1002/qj.2297/abstract
@31: Dat is dan heel mooi. Neemt niet weg dat toch de minder betrouwbare UAH data hiervoor gebruikt moet worden. Het alternatief is namelijk: geen data. Minder betrouwbaar is inderdaad de benaming waarvoor je moet kiezen. Dat is wat anders dan onbetrouwbaar. Tot 85 N wordt door UAH nog data gepubliceerd, daarboven niet meer. Nu we het toch over de polen hebben:laten we eens vergelijken:
Hadcrut4 Arctic 70- 90 N
http://www.climate4you.com/images/MSU%20UAH%20ArcticAndAntarctic%20MonthlyTempSince1979%20With37monthRunningAverage.gif
en UAH 60 – 85 N
http://climate4you.com/images/70-90N%20MonthlyAnomaly%20Since2000.gif
Op beiden de piek op 2011/2012 gevolgd door 2006/2007 waar heb ik dat meer gezien…… zeeijs misschien? louter toeval?
@29: het verschil tussen 2 meter of zeeoppervlak is niets vergeleken bij dat tussen 2 meter en 12 km. Dus nee ik zit niet met die SST.
Meten van de troposfeer is leuk en leerzaam, maar als je consequent wil blijven dan zou je die bewondering juist meer moeten hebben voor OHC, sinds daar veel meer warmte opgeslagen zit dan in de lucht.
@33: 2 meter en 12 km. Wat een raar vergelijk. De dataset neemt de Lower troposfeer TLT en dat is ver weg van 12 km. Indien global warming door broeikasgassen wordt veroorzaakt dan zal ik dat tenminste moeten waarnemen in de TLT en niet alleen op 2 meter. En als ik dat niet doe dan zijn misschien mijn satellietmetingen wel fout of mogelijk een aanwijzing dat die broeikasgassen nu toch net even iets anders werken als we nu denken. Dan kan je wel wegdraaien van die ongemakkelijke waarheid en over het OHC beginnen, maar ach.
TLT registreert tussen 12 km en oppervlakte. Het zwaartepunt ergens net boven de 2 km hoogte. Vanaf dat punt omhoog steeds minder, maar tot op ca. 12 km is er nog altijd registratie en zit dus in TLT.
Oh… en “indien global warming warming wordt veroorzaakt door broeikasgassen”? Waarom praat ik eigenlijk nog tegen jou?
@35: Er wordt in alle lagen gemeten. Waarom? Omdat dit natuurlijk interessant is en ons informatie geeft. TLT of ook wel gewoon LT is wat de UAH en RSS datasets gebruikt en beslaat alleen de eerste kilometers. L staat hier voor LOWER. Nogmaals, LOWER Troposfeer.
https://en.wikipedia.org/wiki/Satellite_temperature_measurements
De gehele troposfeer heeft overigens invloed op ons weer.
@36: op de wikipagina in je link -> het plaatje met weighting functions MSU -> het rode lijntje van TLT.
Wat zie je?
@37: Waarvan op de horizontale as de ‘weighting functions’
Wat zie je?
@38: ik zie precies wat ik al eerder schreef: “zwaartepunt ergens net boven de 2 km hoogte. Vanaf dat punt omhoog steeds minder, maar tot op ca. 12 km is er nog altijd registratie en zit dus in TLT.”
@39: Ja? dat geeft toch een geheel andere indruk dan als je suggereert dat er op 12 km wordt gemeten met je 2 meter vergelijk? De onderste kilometers gaf ik aan. Daar heb ik helemaal geen moeite mee. Ik dacht zelfs dat tegenwoordig 4km het zwaartepunt lag. Prima, dat is toch zo ongeveer het 500 millibar niveau? Die laag heeft een sterke invloed op ons weer kan ik mij vaag herinneren. Toch?
Kijk eens, het maakt eigenlijk niet zo veel uit, het gaat om de anomalie die representatief moet zijn. En daarom wordt gerust de anomalie voor 2 meter niveau vervangen door de SST, iets geheel anders, maar toch representatief. 70% van de data is dus geen 2 meter niveau data. En zo kan je ook anomalie vervangen door anomalie LT mits je tenminste aan kan tonen dat deze vrijwel gelijk loopt.En dat ging eigenlijk uitstekend. Alleen de laatste jaren ontstaat er een opmerkelijk verschil. En kijk nog eens naar deze figuur. Presentaties van diverse hoogte lagen zijn wel degelijk mogelijk.
http://www.climate4you.com/images/MSU%20UAH%20DifferentAltitudesGlobalMonthlyTempSince1979%20With37monthRunningAverage.gif
Maar kijk gerust naar je eigen favoriete database. Vele warmisten lopen nu weg met NOAA. Jij ook?
@40: Je blijft herhalen hoe interessant het allemaal is wat er op hoogte x zich afspeelt. En dat is natuurlijk wel zo, maar oceaanwater was ook interessant voor Jacques Cousteau terwijl hij niet met klimaatverandering bezig was. Ik wil het hebben over vergelijkbare temperatuurmetingen. En dan ben ik van mening dat je RSS en UAH ten eerste niet op één hoop met de 2m oppervlaktemetingen zou moeten gooien, maar als apart beschouwen. Ook niet wanneer ze wel weer met elkaar in de pas lopen… En ten tweede moet je dan dezelfde kritische houding hebben ten aanzien van hoe data vergaard en verwerkt wordt.
Ik heb dan ook geen favoriete global dataset, zoals jij die duidelijk wel hebt omdat je niet dezelfde kritiek toepast op satellieten dan voor oppervlaktemetingen.
@41: Volgens mij zijn we het eens over je eerste alinea. Ik gooi ze niet op één hoop maar vergelijken kan natuurlijk wel. En als de verwachting is dat satellietmetingen tenminste de opwarming van oppervlak temperaturen moeten laten zien en eigenlijk zelfs warmer als ik wikipedia mag geloven dan is het vreemd dat in werkelijkheid UAH & RSS achterblijft.
Vervolgens schrijf je in je tweede alinea twee zeer merkwaardige beweringen:
1. Ik heb een favoriete global dataset
2. Ik heb niet dezelfde kritiek op satellieten dan voor oppervlaktemetingen.
Verklaar je nader, vanwaar deze conclusies? en wat is daar mis aan?
De antwoorden op je vragen kun je hier boven lezen. Ik ga dit niet nog eens overdoen. Sargasso is er ook voor anderen om te lezen en die wil je niet dood vervelen.
@43: Nou, ik zie helemaal geen antwoorden op mijn vragen. Maar het is mij duidelijk, zodra je met een bek vol tanden staat omdat blijkt dat je zomaar iets roept dan poets je de plaat. Dag Majava, het was mij weer een waar genoegen.