Klimaatonderzoekers van de universiteiten van Oxford en Leeds hebben een Global Warming Index ontwikkeld. De indruk zou kunnen ontstaan dat die index niet meer is dan een gimmick en die indruk zou versterkt kunnen worden door het tellertje dat meeloopt op de website, dat suggereert de opwarming per seconde en tot op 9 cijfers achter de komma nauwkeurig weer te geven. Geen idee waar dat nou goed voor is. Vooral ook omdat die Global Warming Index wel degelijk meer is dan alleen maar een gimmick.
Het artikel van Karsten Haustein et al. in Scientific Reports (details, een interessante discussie en een spreadsheet met alle data zijn te vinden in een gastblog van Haustein bij And Then There’s Physics) maakt duidelijk wat de bedoeling is. Voor beleid en (internationale) afspraken is het belangrijk dat er duidelijke doelen worden gesteld. Zonder die duidelijkheid ligt altijd vrijblijvendheid op de loer. Klimaatdoelstellingen worden geformuleerd als een maximale opwarming die nog acceptabel wordt geacht. Zo werd in Parijs in 2015 de volgende doelstelling vastgesteld:
Holding the increase in the global average temperature to well below 2 °C above pre-industrial levels and pursuing efforts to limit the temperature increase to 1.5 °C above pre-industrial levels.
Het probleem is dat niet exact is gedefinieerd hoe de temperatuur boven de pre-industriële waarde bepaald moet worden. Zolang de afgesproken waarde nog ver weg ligt in de toekomst is dat niet zo’n punt. Een vrij ruwe inschatting van de werkelijke opwarming is dan voldoende om een idee te krijgen van hoeveel ruimte er nog is en wat er gedaan moet worden om de doelstelling te halen. Hoe dichter de gemeten opwarming bij de doelstelling komt, hoe meer verschil een tiende van een graad uit kan maken. Inmiddels zitten we op ongeveer 1°C opwarming en dus wordt het tijd voor een meer eenduidige definitie van de opwarming, om spraakverwarring, misverstanden en andere mogelijke problemen bij toekomstige klimaatonderhandelingen te voorkomen. De Global Warming Index (GWI) is een aanzet voor zo’n eenduidige definitie.
De basis voor de GWI werd gelegd in 2015, in een artikel van Friederike Otto et al.: Embracing uncertainty in climate change policy. Het wel of niet halen van beleidsdoelstellingen zou niet af mogen hangen van toevallige temperatuurveranderingen en -schommelingen die worden veroorzaakt door natuurlijke factoren, zo meenden die onderzoekers. Een forse vulkaanuitbarsting zou bijvoorbeeld gedurende een aantal jaar voor een temperatuurdip van enkele tienden van een graad kunnen zorgen, zonder dat dit consequenties heeft voor de lange termijn. Om een GWI te bepalen is het dus nodig om menselijke en natuurlijke factoren te scheiden. De methode om dat te doen moet niet te bewerkelijk zijn, zodat de index regelmatig (bijvoorbeeld maandelijks) geactualiseerd kan worden. Die methode hoefden ze niet zelf uit te vinden, die bestaat al 20 jaar en wordt multi-fingerprinting genoemd.
Met de multi-fingerprinting methode kan aan de hand van relatief eenvoudige statistiek – dus zonder dat er complexe klimaatmodellen nodig zijn – de bijdrage aan de opwarming van verschillende factoren worden bepaald. Het gaat dan om factoren die de energiebalans van het gehele klimaatsysteem kunnen beïnvloeden; in klimaatjargon: stralingsforceringen. De stralingsforceringen die meegenomen worden bij het berekenen van de GWI zijn:
- menselijke forceringen: broeikasgassen, antropogene aerosolen, veranderingen in landgebruik;
- natuurlijke forceringen: vulkanische aerosolen, variaties in zonne-activiteit.
De stralingsforceringen, zeker die van menselijke oorsprong, veranderen geleidelijk in de tijd. Door hier in de rekenmethode gebruik van te maken wordt de variabiliteit van de temperatuur op korte termijn grotendeels uitgefilterd. De afbeelding hieronder geeft de totale menselijke en natuurlijk forceringen die worden gebruikt bij het berekenen van de GWI.
Menselijke en natuurlijke klimaatforceringen sinds 1850. Bron: Global Warming Index
De gebruikte methode is dus niet nieuw, maar voor een bruikbare index is het ook belangrijk hoe robuust die is. Die robuustheid is het hoofdonderwerp van het artikel in Scientific Reports. De wetenschappers hebben onderzocht hoe gevoelig de GWI is voor wetenschappelijke onzekerheid in de gebruikte data, voor klimaatschommelingen veroorzaakt door interne variabiliteit en voor de keuze van de referentieperiode voor de pre-industriële temperatuur.
Voor de echte pre-industriële temperatuur zou je terug moeten kijken tot het midden van de 18e eeuw. Helaas zijn er uit die tijd onvoldoende goede instrumentele metingen beschikbaar om (veranderingen van) de mondiale temperatuur betrouwbaar te kunnen bepalen. Die betrouwbare metingen beginnen pas halverwege de 19e eeuw. Als het midden van de 18e eeuw als pre-industriële referentie gekozen zou worden voor de GWI zou daarmee vooral veel onzekerheid geïntroduceerd worden. Haustein et al. kiezen daarom, pragmatisch, voor 1850 – 1879. In die periode was de invloed van vulkaanuitbarstingen beperkt – de uitbarsting van de Krakatau kwam wat later, in 1883 – en de activiteit van de zon was niet bijzonder hoog of laag. Er was dus geen sprake van uitzonderlijke natuurlijke invloeden; daarom is deze periode een goede referentie.
En nadeel van de keuze van deze referentieperiode is dat de meeste bekende mondiale temperatuurreeksen niet teruggaan tot 1850. HadCRUT4 begint wel in 1850 en daarom wordt die temperatuurreeks gebruikt bij het berekenen van de GWI. Dat levert wel weer een ander probleem op: het Noordpoolgebied, dat in de afgelopen decennia sterk is opgewarmd, wordt niet volledig gedekt door HadCRUT4. Mogelijk wordt de werkelijke opwarming hierdoor wat onderschat. Als de GWI wordt berekend op basis van temperatuurdata met een betere mondiale dekking, bijvoorbeeld van Cowtan & Way of Berkely Earth, valt hij zo’n 0,05 tot 0,1°C hoger uit.
Van de andere onderzochte factoren dragen vooral interne variabiliteit en onzekerheid in de stralingsforceringen bij aan de totale onzekerheid in de GWI. De invloed van onzekerheden in de responstijd van het klimaatsysteem en in temperatuurmetingen is beperkt.
Tenslotte nog wat resultaten van de berekeningen die het vermelden waard zijn. De GWI is in de periode 2007 – 2016 gestegen met een tempo van 0,16°C per decennium; dat is sneller dan in de voorafgaande decennia. Volgens Haustein et al. wordt die versnelling van de antropogene opwarming vooral veroorzaakt door een toename van de emissies van methaan.
Volgens de berekende GWI is het klimaat in ruim anderhalve eeuw met ongeveer 1°C opgewarmd en komt die opwarming volledig voor rekening van de mens. Aanwijzingen voor een substantiële natuurlijke invloed zijn er niet. De auteurs van het artikel constateren dan ook:
Essentially all the observed warming since 1850–79 is anthropogenic.
Klimaatverandering 
De grafieken geven de kern van de stand van zaken in de Klimatologie goed weer. De opwarming heeft weinig van doen met natuurlijke oorzaken en veel te doen met menselijke oorzaken zoals het verbruik van fossiele brandstof. Als zo danig heeft de global warming index beslist nut. Ik heb me zelf gewaagd aan een model dat goed laat zien hoe extra absorptie zowel in het LWR-gebied alswel in het SWR-gebied tot opwarming leidt. Het is op een heel fundamenteel niveau al duidelijk. de link naar mijn artikel: https://raymondhorstman.wordpress.com de paragraaf is Wat kan het model over de klimaatverandering vertellen.
LikeLike
Er valt veel over dit atikel te zeggen. In de eerste plaats is de fingerprinting methode al uit 1976, en is de robuustheid bij meer factoren in het genoemde artikel van 20 jaar geleden al aangegeven. Niets nieuws dus. Mijn applet van een paar jaar geleden is gebaeerd op hetzelfde model – een regressie met meer dan één predicor.
De fingerprinting methode laat zien dat je die regressie niet klakkeloos kunt toepassen maar dat je vanuit een fysisch model de variabelen moet kiezen. Neem als voorbeeld de variable BC/Snow Cover (die in AR5 als forcing wordt genoemd). Die is een betere predictor voor de temperatuur dan de CO2-forcing. Maar het is dan ook fout om deze variabele als onfhankelijke predictor te gebruiken: hij is zelf ook weer afhankelijk van de temperatuur.
Technisch gesproken gaat het daar om het inschatten van de waarden van een covariantie-matrix. Een tweede complicatie is de autocorrelatie vn de waarnemingen. Die beïnvloedt vooral de onzekerheidsmarges.
Er is tevens een relatie met de simpele observatie-modellen voor de TCS en ECS. Deze zijn gebaseerd op de formule dT/dF, waarbij de dT de temperatuurverandering in een gekozen periode is en de dF de totale verandering in radiative forcing. Hier in zitten twee veronderstellingen verborgen; (1) dat forcing een direct effect heeft en (2) dat de bron van de radiative forcing niet uitmaakt. Beide veronderstelingen blijken maar ten dele te kloppen als je het fingerprinting model gebruikt. In de twee bovenstaande grafieken is de directe invloed van vulkanen maar 16% van de directe invloed van CO2 (beide gemeten in W/m2). En er is ook nog een 6-7 maanden vertraging.
In 2004 bestond er een “International ad hoc Detection and Attribution Group” met alle kopstukken op dit vakgebied, die een groot overzichtartikel hebben gepubliceerd J Climate mei 2005. (http://journals.ametsoc.org/doi/abs/10.1175/JCLI3329.1 open access). In hoofdstuk 2a wordt de optiml fingerprinting methode als regressie geformuleerd.
Er is nog een derde complicatie.
Latere auteurs wijzen er op dat deze methode de opwarming enigzins onderschat. Omdat de predictors ook random variabelen zijn is het beter een variant toe te passen die daar rekening mee houdt. Deze zg. “error-in-variable” modellen zijn inmiddels ook heel gewoon in de statistische praktijk.
LikeLike
Jan,
Als ik het goed begrijp is de multi-fingerprinting methode een verfijning van de fingerprinting methode. Mutli-fingerprinting zou voor het eerst beschreven zijn in het artikel van Hasselman uit 1997 en zou geschikt zijn voor attributie aan meerdere forceringen. Volgens het artikel uit 1997 was de originele fingerprinting methode vooral bedoeld voor detectie van klimaatverandering, ofwel: om geforceerde verandering te onderscheiden van interne variabiliteit.
Wat de robuustheid betreft: Haustein et al. kijken niet naar de methode op zich, maar naar een specifieke toepassing: een indicator die gebruikt kan worden om beleidsdoelen aan te toetsen. Afgezien daarvan kan het natuurlijk nooit kwaad om de robuustheid nog eens te bekijken aan de hand van de meest recente data en wetenschappelijke kennis.
Haustein et al, pretenderen ook niet dat ze een nieuwe methode hebben gevonden, of belangrijke nieuwe inzichten over die methode. Het enige nieuwe is de toepassing.
LikeLike
Pingback: Thoenes en Berkhout preken voor eigen parochie in Elsevier - Sargasso