De opwarming tot 2100: een realistische benadering

Dank, Jan Ruis, voor de enorme statistische klus die je geklaard hebt met dit artikel! Dit bericht gaat over de kern van het klimaatdebat. In tegenstelling tot wat sommigen denken is the science helemaal niet ‘settled’, maar staat de klimatologie nog maar aan het begin van het begrijpen hoe het klimaat werkt. Klimaatmodellen voorspellen steevast te hoge temperatuurstijgingen, de ijsbeer is nog steeds aanwezig om het drijfijs op de noordpool te meten, en de ‘2-graden doelstelling’ is hotter dan ooit. Wat die 2-gradengrens betreft: Leo Mayer, een van de bedenkers ervan, zei in de Volkskrant van zaterdag 28 -11-2015:   “De grens is weliswaar wetenschappelijk gezien betrekkelijk willekeurig, maar zonder een houvast begin je niets in de politiek ”.

Vandaag is de klimaattop in Parijs begonnen. De afgelopen weken zijn we voor dit evenement klaargestoomd door de mainstream media, een heuse propagandaoorlog.  De Belgische politicus Jean Marie Dedecker  zei vandaag in Knack:  ‘De klimaatconferentie in Parijs is een hoogmis van het groene apocaholisme’. En zo is het.

Dit artikel kan niet anders dan erg technisch zijn. Het is geschreven in de taal die klimaatwetenschappers onderling bezigen, de taal van de statistiek. Maar het is geschreven met nuchterheid, zonder belangen, zonder last en ruggespraak.  Kom daar nog maar eens om in deze tijd! Reacties zijn welkom via het emailadres rob et klimaatgek.nl. Inhoudelijke reacties worden zoveel mogelijk beantwoord.  Bent u niet zo geïnteresseerd in de statistiek achter het onderwerp, scroll dan naar de conclusies aan het eind.

In eerdere artikelen ( hier, hier en hier) in deze serie bleek  uit analyse met een model van multipele regressie, dat de opwarming sinds 1979 voor een groot deel wordt veroorzaakt door de Atlantische Multidecadale Oscillatie (AMO), een natuurlijke cyclus in de zeewatertemperatuur van de Noord-Atlantische oceaan. Ook bleek dat IPCC klimaatmodellen de opwarming zwaar overschatten. Deze conclusies waren echter gebaseerd op de gebruikte datasets van de AMO en de mondiale temperatuur en een multipele regressiemodel met slechts 3 factoren. Er zijn verschillende versies van de AMO en van de mondiale temperatuur. Ook zijn er verschillende methoden van multipele regressie.

De vraag in hoeverre de voornoemde resultaten specifiek zijn voor de gekozen set van variabelen moet dus nog worden beantwoord, evenals de vraag of de antropogene bijdrage lineair is of exponentieel.  De vraag of de AMO een natuurlijke cyclus is of een gevolg is van broeikasgassen en aërosolen komt in een volgende artikel aan bod.

Als inleiding kijken we nog een keer naar het plaatje van de mondiale maandelijkse oppervlakte temperatuur sinds 1860, volgens de HadCRUT4 dataset (blauwe grafiek):

p1
Figuur 1

De lineaire trendlijn geeft een opwarming aan van 0.051°C/decade. De opwarming is echter variabel. Als we de grafiek corrigeren voor deze lineaire trend (detrenden, oftewel “platleggen”, de bruine grafiek) dan zien we dat die variatie een cyclus vertoont van ongeveer 60-70 jaar. Als we in deze platgelegde grafiek de AMO toevoegen (rode grafiek) dan krijgen we:

p2
Figuur 2

Te zien is dat de AMO een groot deel van de decadale en multidecadale variatie in de mondiale temperatuur kan verklaren. De groene grafiek is het residu (temperatuur minus AMO) en toont geen systematische variaties. Dat is een aanwijzing dat de opwarmingstrend (bij benadering) lineair is met daarbovenop decadale en multidecadale variaties die het mondiale effect van de AMO op de temperatuur vertegenwoordigen.

Maar volgens de theorie van de forcering door broeikasgassen moet de trend niet lineair zijn maar exponentieel. Dat Global Warming exponentieel verloopt volgt namelijk uit:

∆T = ∆F ∙ λ0 / (1 – f)

waarin ∆T de temperatuurstijging, ∆F de forcering in Wm-2 voor een bepaalde CO2-toename: ∆F = 5.35*ln(C/C0), λ0 de klimaatgevoeligheid zonder feedback (0.3°C/Wm-2) en f de som van de positieve minus de som van de negatieve feedback.  ‘C’ is de CO2 concentratie aan het eind en ‘C0‘ de CO2 concentratie aan het begin van de gekozen periode.

Aangezien ∆F een logaritmische functie is van de toename in de CO2 concentratie, gecombineerd met het feit dat het CO2-gehalte exponentieel stijgt, krijgen we voor positieve f altijd een exponentiële opwarming. Bij een constante positieve feedback van f = 0.55 krijgen we volgens dit model een netto opwarming van 1.2°C sinds 1860, een waarde die overeenkomt met die van het GCM RCP6.0 klimaatmodel:

p3

Figuur 3

De factoren verantwoordelijk voor de afwijkingen van het RCP6.0 klimaatmodel (blauwe grafiek) met de CO2 forcering (rode grafiek) zijn voornamelijk vulkanische en antropogene aërosolen. Uitgaande van de gebruikte AMO versie levert een lineaire opwarmingstrend een iets betere match op met de gemeten temperatuur dan exponentiële opwarming, zoals bleek uit eerdere artikelen in deze serie. Het zou echter kunnen dat lineariteit ontstaat als de feedbackfactor f niet constant is maar afneemt als een functie van de CO2 concentratie. Een andere mogelijkheid is dat de bijdrage van de zon (Total Solar Irradiance, TSI) samen met de forcering van broeikasgassen lineariteit oplevert. Hieronder is de variatie van de energie van de zonnestraling uitgezet:

p4

Figuur 4

Gebruik van de maandelijkse of 61-maands gladgestreken TSI in multipele regressie geeft onrealistische 11-jaarlijkse ‘temperatuurgolfjes’ in het temperatuurmodel. Mogelijk wijst dit artefact op de traagheid van het klimaat in reactie op zonneactiviteit, met name door de oceanen-atmosfeer koppeling en de hoge warmtecapaciteit van de oceanen, waardoor deze 11-jaarlijkse golven zich niet voordoen in de atmosferische temperatuur. Gladgestreken TSI, zoals het 121-maands voortschrijdend gemiddelde, geeft daarentegen temperatuurvoorspellingen die zeer goed overeenkomen met de temperatuurmetingen. Daarbij ontstaat wel een probleem van het eindpunt (TSI data bekend t/m halverwege 2015) zodat de gladgestreken TSI vijf jaar eerder moet eindigen. In de klimaatwetenschap wordt het gladstrijken vaak wel tot het eindpunt voortgezet en in het geval van TSI is dit wellicht verdedigbaar gezien de langzame veranderingen in de TSI en de warmteopslag in de oceanen.

Om de vragen nauwkeuriger te beantwoorden hebben we het oorspronkelijke simpele 3-factoren model daarom uitgebreid naar een 5-factoren model door toevoeging van zowel de zon (TSI) als vulkanische aërosolen (figuur 5):

p5

Figuur 5

In de vorige artikelen werd multipele regressie in twee stappen uitgevoerd: eerst regressie van AMO en ENSO simultaan op de temperatuur en vervolgens regressie van CO2 op het residu. Een andere manier is simultane multipele regressie, waarbij alle regressiefactoren tegelijk worden genomen. De beide regressiemethoden geven kleine maar soms significante verschillen in de resultaten. We kijken eerst naar 2-staps multipele regressie: eerst AMO, ENSO en vulkanisme simultaan op de mondiale temperatuur (HadCRUT4) en vervolgens CO2 en TSI simultaan op het residu. De 121-maands gladgestreken TSI (figuur 4) geeft de hoogste correlatie. Dit levert de volgende grafiek op voor TSI plus CO2 forcering:

p6

Figuur 6

De gecombineerde forcering van de zon en broeikasgassen levert over dit interval een bij benadering lineaire trend op. Dat komt omdat het buigpunt rond 1960 in de CO2 forcering (figuur 3) wordt gecompenseerd door de maximale TSI rond 1960 (figuur 4). Dat is waarschijnlijk de reden dat in het vorige artikel lineaire forcering een betere fit opleverde dan CO2 forcering zonder TSI. En dit verklaart ook waarom multipele regressie met zowel de lineaire trend als met TSI een negatieve coëfficiënt oplevert voor TSI (een feit dat ook vermeld werd in het artikel van Guido van der Werf): als lineariteit ontstaat door CO2+TSI dan is toevoeging van TSI dubbelop.

De resultaten van multipele regressie met CO2+TSI zijn grofweg vergelijkbaar met die van lineaire forcering maar het CO2 model geeft een iets betere fit en berust bovendien op de thans bekende fysische forceringen. We gaan daarom verder met het CO2 model maar laten het idee van lineaire forcering nog niet helemaal vallen.

De vraag is in hoeverre de resultaten in de vorige artikelen specifiek zijn voor de gebruikte AMO versie. Er zijn verschillende manieren om de AMO te berekenen. De eerste is om de gemiddelde oppervlaktetemperatuur van (een gebied uit) de Noord Atlantische oceaan te detrenden. Het KNMI zegt over deze methode: “omdat global warming niet lineair verliep sinds de laatste 130 jaar leidt deze niet-fysische methode tot vermenging van global warming en effecten van de AMO.”

De stelling van het KNMI dat global warming niet lineair verliep volgt echter niet per definitie uit de gemeten temperatuur zoals hiervoor werd geconcludeerd (figuur 2). De KNMI stelling volgt eigenlijk uit klimaatmodellen met antropogene forcering maar niet uit de waarnemingen.

Trenberth &  Shea (2006) stelden voor om het gebied 0-60°N, 0°-80°W te gebruiken en daarvan de mondiale stijging van de temperatuur van het zeeoppervlak van 60°Z-60°N af te trekken.  Deze definitie stuit op bezwaren omdat de andere oceanen aan hun eigen cycli onderhevig zijn (zoals de PDO, IPO, ENSO, NAO) of beïnvloedt worden door de AMO. Als je die variaties aftrekt van de AMO trek je in feite een mondiaal AMO-effect van de AMO af, plus al de variaties die geheel onafhankelijk van de AMO zijn. Bovendien vertoont de Noord-Pacific de laatste jaren ineens een grote temperatuurstijging na vele decaden van nauwelijks of geen opwarming, mogelijk een gevolg van de PDO en de huidige sterke El Niño. Het lijkt me onzin om dit van de AMO af te trekken.

Van Oldenborgh et al. (2009) koos voor een andere definitie: de SST 25-60N, 7-75W min de regressie op de mondiale temperatuur.  Deze definitie heeft dezelfde bezwaren als hierboven omdat de mondiale temperatuur beïnvloedt wordt door de AMO en vele andere cycli en invloeden. Bovendien is het onzeker of de AMO kwantitatief onderhevig is aan dezelfde opwarming als het mondiale gemiddelde. De Pacific was dat in ieder geval niet.

Deze laatste AMO-versie werd wel in de eerdere artikelen van mijn hand gebruikt maar is nu verdwenen van KNMI Climate Explorer als gevolg van een recent ontdekte bug in de berekening ervan. In plaats daarvan is nu een nieuwe AMO versie verschenen die afwijkt van de eerdere en nu bovendien pas begint in 1880. Deze versie is daarom nog niet meegenomen in de analyses.

Onze conclusie is dat de meest logische manier is om de anomalie van de Noord Atlantische oceaan te gebruiken als AMO index. Dat betekent: de gemiddelde temperatuur in het AMO gebied corrigeren voor de lineaire trend (detrenden); de temperatuur vanaf 1854/01 t/m 2015/09 in het AMO gebied werd eerst gecorrigeerd voor een lineaire trend en vervolgens gladgestreken met een 37-maands voortschrijdend gemiddelde. Deze AMO versies zijn verder ongewijzigd gebruikt in dit artikel. Onderstaande tabel 1 toont de resultaten van de twee methoden van multipele regressie met 5 verschillende AMO versies. De AMO is in alle gevallen 6 maanden vertraagd. De analyse stopt in mei 2014 vanwege het gebruik van het 37-maands gemiddelde van de maandelijkse AMO index.

tab1

Tabel 1

In de 1e kolom ‘AMO version’ staan links de namen van de AMO versies en rechts de twee methoden van multipele regressie: simultaan en twee stappen. Alle AMO versies zijn gecorrigeerd voor een lineaire trend. De onderste twee versies zijn ‘officiële’ AMO versies gedownload van NOAA en KNMI Climate Explorer. De bovenste drie AMO versies zijn geconstrueerd uit de zeeoppervlaktetemperatuur in de Noord-Atlantische oceaan (van KNMI Climate Explorer) en vervolgens gecorrigeerd voor de lineaire trend. Kolommen 2 t/m 6 bevatten de regressiecoëfficiënten  voor AMO, ENSO, TSI, vulkanische aërosolen en voor de natuurlijke logaritme van de CO2 concentratie. De 7e kolom geeft aan hoe goed de fit is van de betreffende AMO versie: die met de hoogste R2 (verklaarde variantie) reconstrueren de temperatuur het best. De onderste AMO versie (van Trenberth & Shea) scoort het laagst. De TCR kolom geeft de Transient Climate Response (klimaatgevoeligheid) berekend volgens de methode in figuur 8 verder hieronder.

Onderstaande figuur toont het resultaat van simultane multipele regressie met de AMO van HadSST3. Het model voorspelt de temperatuur zeer goed:

p7

Figuur 7

De onderste AMO versie levert echter geen goede fit op: de afwijking van dit model met de gemeten temperatuur is groot waardoor dit model onbetrouwbaar is. Dat komt omdat de gecombineerde CO2+TSI forcering sterk afwijkt van lineair; de TSI coëfficiënt is namelijk klein en de CO2 coëfficiënt is groot (NB: de argumenten waarom een AMO die voor de mondiale temperatuur is gecorrigeerd een verminkte AMO tot gevolg heeft zijn reeds besproken).

De tabel toont ook dat 2-staps multipele regressie een grotere AMO, ENSO en TSI bijdrage aan de temperatuur levert. De gemiddelde TCR van de bovenste vier modellen is 1.57°C. De TCR kan eenvoudig worden afgeleid uit de richtingscoëfficiënt van de lineaire trendlijn in onderstaande afbeelding:

p8

Figuur 8

Op de y-as is de HadCRUT4 gecorrigeerd voor de bijdragen van de AMO, ENSO, TSI en vulkanisme (met de resp. regressiecoëfficiënten), zodat alleen de antropogene invloed overblijft. Op de x-as staat de fractie van een CO2 verdubbeling berekend uit: [LOG(ppm CO2) – LOG(280)] / LOG(2). De klimaatgevoeligheid is vrijwel lineair (rode lijn is 5e graads polynoom); volgens de richtingscoëfficiënt van de lineaire trendlijn is de TCR in dit specifieke model 1.5°C.

De consequenties van de toevoeging van TSI en vulkanisme voor de conclusies in voorgaande artikelen in deze serie worden nu op een rijtje gezet.

  1. de stagnatie in de opwarming.

Onderstaande figuur toont dat het CO2 model de stagnatie nu beter reproduceert, hoewel de trend iets hoger is dan die van de metingen. De stagnatie is een gevolg van de dalende TSI en de AMO die niet meer stijgt. Dit compenseert de toename in de CO2 forcering en de afname van vulkanische aërosolen.

p9F iguur 9

  1. De menselijke bijdrage aan de opwarming sinds 1979.

Het gaat hier eigenlijk om de vraag hoe groot de antropogene opwarmingstrend is die verborgen is onder de gemeten temperatuurtrend. In formule: ∆T  = ∆N + ∆A, waarin ∆N de verandering in de klimaatforcering door natuurlijke factoren,  ∆A de verandering in klimaatforcering door antropogene factoren en ∆T de resulterende mondiale temperatuurverandering. Als ∆N daalt en ∆A evenveel stijgt is er dus geen temperatuursverandering ondanks de stijgende CO2 forcering.

Onderstaande figuur 10 toont de gemeten en de door GCM voorspelde ∆T sinds 1979 (het begin van de mondiale satellietmetingen):

p10

Figuur 10

De satellietmetingen van de lagere troposfeer (UAH TLT) tonen een aanzienlijk lagere temperatuurtrend (0.112°C/decade) dan die van de oppervlaktetemperatuur van HadCRUT4 (0.157°C/decade). Het RCP8.5 multi-model mean klimaatmodel (0.228°C/decade) overschat de gemeten opwarming van HadCRUT4 met 45% en van UAH met 100%. Maar omdat de klimaatmodellen rekenen met de antropogene forceringen van broeikasgassen en aërosolen, niet met de AMO, is de overschatting eigenlijk nog groter. De onderstaande tabel 2 geeft de resultaten voor de periode 1979-2014 van simulaties met de vijf AMO versies:

tab2

Tabel 2

De antropogene trend van de bovenste vier modellen is gemiddeld 0.107°C/decade. Vergeleken met de trend van het GCM model (0.228°/decade) betekent dit een overschatting van de klimaatmodellen van ruim 100%. Alle AMO versies reproduceren de HadCRUT4 trend (0.157°/decade) redelijk tot goed, maar de UAH trend (0.112°C/decade) is veel lager. Kennelijk passen de modellen die gefit zijn op de oppervlaktetemperatuur niet bij de temperatuur van de lagere troposfeer (zie verder hieronder). De menselijke bijdrage aan de opwarmingstrend 1979-2014 is volgens de bovenste vier modellen gemiddeld 65%, dus de natuurlijke bijdrage aan de opwarming is gemiddeld 35%. Het onderste model geeft een veel hogere antropogene bijdrage maar dit model is zoals eerder geconstateerd minder betrouwbaar.

Hieronder het resultaat van multipele regressie van de 5 klimaatfactoren op UAH TLT (met de ENSO een vertraging van 5 maanden):

tab3

Tabel 3

De gemiddelde TCR van de bovenste vier modellen is 1.13°C en de gemiddelde antropogene trend is 0.077°C/decade. Deze waarden zijn bijna 30% lager dan die behorende bij de HadCRUT4 oppervlaktetemperatuur (zie tabel 1 en 2) en de antropogene trend is bijna 200% lager dan die van RCP8.5 klimaatmodel. De menselijke bijdrage aan de opwarming is hier 69%.

De conclusie in het vorige artikel, dat er geen antropogene component aanwezig is in de satellietmetingen, is onjuist; deze conclusie was gebaseerd op een model zonder TSI en vulkanisme. Het is echter wel zo dat de bijdrage van de antropogene component in de satellietmetingen zeer laag is. Zoals in het vorige artikel vermeld werd is dit in strijd met de voorspelling van klimaatmodellen dat de TLT trend juist 20% hoger moet zijn dan die van de met thermometers gemeten oppervlaktetemperatuur in de HadCRUT4 bewerking.

Verder is te zien dat de ENSO en TSI en vooral vulkanisme relatief hoge waarden hebben en CO2 een relatief lage waarde in vergelijking met die in tabel 1. Kennelijk hebben deze factoren een groot effect op de temperatuur op gemiddeld 3 km hoogte (Lagere Troposfeer). Ook valt op dat de onderste (minder betrouwbare) AMO versie een hogere antropogene trend (0.118°C/decade) voorspelt dan de gemeten temperatuur trend (0.112°C/decade). Dit op het oog vreemde resultaat is het gevolg van de hoge bijdrage die TSI in dit model krijgt. De overall TSI trend daalt namelijk van 1979-2014 (figuur 4) en als deze daling een grote bijdrage in de regressie krijgt dan moet de antropogene (CO2) bijdrage in het model groter zijn om toch de vereiste temperatuurstijging te krijgen.

Dit onverwachte feit betekent overigens wel dat we met andere ogen moeten kijken naar de percentages van de antropogene bijdrage aan de opwarming in een bepaalde periode: stel dat TSI en AMO de komende decennia beide sterk gaan dalen, kan dan de temperatuur dalen ook al blijft de CO2 uitstoot (de antropogene component) toenemen? En wat betekent in dat scenario het percentage antropogene bijdrage? Verderop wordt geprobeerd een antwoord te geven op deze vragen. In onderstaande figuur is te zien dat de amplitude van de temperatuurvariaties in de UAH TLT relatief groot is en deze worden dus vooral veroorzaakt door vulkanisme en de ENSO:

p11

Figuur 11

  1. De temperatuur en het zeeijs op de Noordpool.

Het Arctische gebied is maar een klein deel van de wereldwijde oceanen en onderhevig aan lokale klimaatfactoren en we kunnen daarom geen multipele regressiemodellen gebruiken met factoren die geënt zijn op de mondiale temperatuur. Het Arctische gebied is echter wel onderhevig aan de temperatuurvariaties van de AMO die door de Golfstroom warmer of kouder zeewater naar het Noordpoolgebied worden getransporteerd. De vraag die we willen beantwoorden is in hoeverre de Arctische temperatuur en amplificatie het gevolg is van de AMO. We beschouwen dus alleen de AMO om te zien wat dat oplevert en de methode daarvoor is enkelvoudige lineaire regressie van de AMO op de Arctische temperatuur .

De oppervlaktetemperatuur van GISS en HadCRUT4 in het Arctische gebied (70-90N, 180W-180E) werd gedownload van KNMI Climate Explorer en gladgestreken met een 37-maands voortschrijdend gemiddelde. Het resultaat van regressie van de vijf AMO versies op de beide temperatuurseries GISS en HadCRUT4  is weergegeven in onderstaande tabel en figuur 12.

tab4

Tabel 4

De gemiddelde AMO regressiecoëfficiënt is 2.25 en in tabel 1 is dit 0.49. De bijdrage van de AMO aan de Arctische temperatuur is dus 2.25/0.49 = 4½ maal zo groot als de AMO bijdrage aan de mondiale temperatuur. Kennelijk wordt het effect van de AMO enorm versterkt op de Noordpool. De trend in het residu (temperatuurtrend minus AMO-trend, zie figuur 12) is relatief klein: gemiddeld 0.046°C/decade voor de bovenste vier AMO versies.

p12

Figuur 12

De trend in het residu in bovenstaande afbeelding is 0.094 – 0.059 = 0.035°C/decade. De AMO verklaart 71% van de variantie in de temperatuur. De trend in het residu zou dan (deels) de antropogene trend vertegenwoordigen. De gemiddelde waarde daarvan in tabel 4 (0.046°C/decade ) is lager dan die van de mondiale HadCRUT4 temperatuur 1900-2014 (0.075°C/decade). Dit resultaat bevestigt de conclusie in het vorige artikel dat de Arctische amplificatie hoofdzakelijk het effect van de AMO betreft en niet het effect van CO2.

Om te onderzoeken hoe het zeeijs-oppervlak wordt bepaald door de AMO passen we weer de enkelvoudige lineaire regressie toe van de AMO op het zeeijs-oppervlak. Onderstaande tabel 5 en figuur 13 tonen de resultaten:

tab5

Tabel 5

p13

Figuur 13

In figuur 13 is de AMO index negatief (hogere temperatuur: minder ijs en omgekeerd). Volgens tabel 5 is de trend in het residu gemiddeld -0.081 km2/decade, het niet door de AMO verklaarde restant. De afname van het zeeijs is -0,428 km2/decade. Dus de AMO verklaart (0.428 – 0.081) / 0.428 = 80% van de langjaarlijkse trend in de zeeijsafname. Sinds 2006 stopt de neergaande trend en dit komt volgens deze analyse omdat de AMO niet verder toeneemt. Als de AMO weer gaat dalen zou het zeeijsoppervlak volgens deze analyse dus weer moeten toenemen.

De projecties tot het jaar 2100

We gebruiken de gegevens uit tabel 1 en tabel 3 om een aantal toekomstscenario’s te berekenen. CO2 heeft veruit de grootste bijdrage aan de opwarming sinds 1860 (0.74°C; zie tabel 6). De AMO bijdrage heeft een amplitude van ongeveer 0.3°C. Als de AMO binnen de komende 30-40 jaar weer een minimum bereikt betekent dat in dit model een vermindering van maximaal 0.3°C op de antropogene opwarming. TSI heeft een amplitude van ongeveer 0.2°C. Mocht de TSI de komende decennia dalen naar waarden zoals tijdens het Maunder Minimum gebeurde (1360 Wm-2), wat sommige deskundigen verwachten, dan betekent dit volgens dit model een vermindering van ~0.24°C op de antropogene opwarming.

Onderstaande figuur geeft een grafisch beeld van de opwarming (blauwe grafiek) en het antropogene deel daarvan (rode grafiek). Ook is aangegeven wat er met de temperatuur gebeurt als de AMO geleidelijk weer terugkeert naar een minimum en als de TSI na afloop van de huidige zonnecyclus geleidelijk in een ‘grand solar minimum’ (TSI=1360 W/m2) terechtkomt (groene grafiek). Dit wordt door sommige experts voorspeld. Maar eerst (2015-2016) wordt nog een piek van de huidige El Niño verwacht, daarna daalt de temperatuur gedurende een bepaalde periode (hier doorgetrokken tot 2035):

p14

Figuur 14

Wat we zien is dat natuurlijke factoren de onderliggende antropogene component van de opwarming kunnen maskeren; de opwarming kan erdoor voor kortere of langere tijd achterwege blijven of zelfs negatief zijn (zoals 1945-1975), of de opwarming kan erdoor worden versterkt (zoals 1976-2014). De eerder genoemde formule: ∆T = ∆N + ∆A betekent dat we de vraag: ‘hoeveel van de opwarming is natuurlijk’ niet kunnen beantwoorden anders dan door in een bepaald jaar de antropogene component en de natuurlijke component te specificeren.

Hoeveel opwarming we nog kunnen verwachten tot aan het eind van deze eeuw is te zien in onderstaande tabel. De voorspellingen zijn gebaseerd op de veronderstelling dat de historische CO2 stijging zich in dezelfde mate voortzet.

tab6

Tabel 6

De gemiddelde antropogene opwarming 1860-2014 volgens de bovenste vier modellen is 0.74°C. De nog te verwachten antropogene opwarming vanaf 2015 tot het eind van deze eeuw is gemiddeld 1.2°C. De totale antropogene opwarming van 1860 tot 2100 is 1.9°C gemiddeld volgens de eerste vier modellen. Dit betekent dat de  ‘2 graden doelstelling’ net wordt gehaald. Dit geldt alleen voor het antropogene deel van de opwarming. Natuurlijke klimaatfactoren kunnen dit een stuk hoger of lager maken.

Volgens het multipele regressiemodel dat geënt is op de satellietmetingen valt de nog te verwachten opwarming veel lager uit:

tab7

Tabel 7

De nog te verwachten antropogene opwarming tot 2100 is volgens de satellietgegevens 0.85°C, dat is 30% minder dan de projecties volgend uit de oppervlaktetemperatuur. De totale antropogene opwarming sinds 1860 kan niet worden bepaald maar de beste schatting is dat deze ook zo’n 30% lager zal uitvallen: 1.35°C. Dat is ruim onder de 2 graden doelstelling.

Welke projectie de juiste is blijft gissen. De thermometerberekeningen zoals die van HadCRUT4 worden vaak weer ‘bijgesteld’ en die bijstellingen blijken opvallend vaak de temperatuurtrend te verhogen. Satellietdata hebben het voordeel van wereldwijde dekking (thermometers zijn zeer ongelijk verspreid) en er is weinig/geen ruimte om het resultaat van de berekeningsmethode conform klimaatmodellen te manipuleren via ‘bijstellingen’.

Drastische mondiale CO2 beperkingen in de nabije toekomst hebben evenwel weinig effect op de nog te verwachten opwarming door CO2.

Onderstaande afbeelding toont de projecties voor de antropogene opwarming tot het jaar 2100. Bij de temperatuur in 2100 moet nog ongeveer 0.3°C worden opgeteld (de grafieken starten in 1860 bij ongeveer -0.3°C). Duidelijk is dat de klimaatmodellen een opwarming verwachten die ver ligt boven de twee graden doelstelling. De modellen die corrigeren voor natuurlijke factoren blijven echter in het algemeen beneden de twee graden.

p15

Figuur 15

Samenvatting en conclusies.

  1. Uitbreiding van het simpele multipele regressiemodel met drie factoren (CO2, AMO en ENSO) naar een model met vijf factoren (CO2, AMO, ENSO, zon (TSI) en vulkanische aërosolen) levert een verbetering op in de mate waarin de gesimuleerde temperatuur overeenkomt met de metingen.
  1. De opwarming van 1860 tot 2014 is 0.9°C volgens metingen van de oppervlaktetemperatuur en daarvan is het grootste deel antropogeen (0.74°C) volgens de multipele regressiemodellen.
  1. De (politieke) twee graden doelstelling voor het eind van deze eeuw zal net worden gehaald volgens projecties van multipele regressiemodellen gebaseerd op de oppervlaktetemperatuur. Volgens modellen die gebaseerd zijn op de satellietmetingen van de lagere troposfeer blijft de verwachte opwarming zelfs ver onder die twee graden.
  1. De Transient Climate Response (TCR), de tijdelijke klimaatgevoeligheid, is gemiddeld 1.57°C volgens de gemeten oppervlaktetemperatuur en 1.13°C volgens de satellietmetingen. Deze waarden duiden op een lage klimaatgevoeligheid.
  1. De IPCC klimaatmodellen overschatten de gemeten opwarmingstrend sinds 1979 van de oppervlaktetemperatuur met 45% en met 100% van de satellietmetingen. Aangezien klimaatmodellen niet rekenen met de AMO en voornamelijk met de antropogene forceringen is de overschatting zelfs nog groter. De onderliggende antropogene trend volgens multipele regressie is 0.107°C/decade voor de oppervlaktetemperatuur en 0.077°C/decade voor de satellietmetingen. De klimaatmodellen overschatten dit met 100-200%.
  1. De menselijke bijdrage aan de opwarmingstrend sinds 1979 is 60-70%. De aanduiding ‘menselijke bijdrage’ kan echter misleidend zijn omdat natuurlijke factoren de opwarming door CO2 tijdelijk of voor langere tijd kunnen maskeren. Natuurlijke factoren kunnen antropogene opwarming versterken of zelfs overcompenseren zodat het afkoelt.
  1. De stagnatie van de opwarming in deze eeuw is het gevolg van de dalende TSI en de AMO die al enige tijd maximaal is (en tekenen vertoont van een op handen zijnde omkering).
  1. De bijdrage van de AMO aan de variaties in de Arctische temperatuur is bijna vijf maal zo groot als de AMO bijdrage aan de mondiale temperatuurvariaties. De Arctische amplificatie wordt vooral veroorzaakt door deze versterking van het AMO-effect en niet door opwarming door CO2.
  1. De AMO kan 80% van de trend in de afname van het Arctische zeeijs-oppervlak verklaren.
  1. De AMO en TSI dragen respectievelijk ongeveer 0.3°C en 0.2°C aan de lange termijn variaties in de mondiale temperatuur. Als de AMO de komende decennia weer naar de negatieve fase gaat en de zon komt, na de huidige zonnecyclus, in een ‘grand solar minimum’ dan zal de temperatuur voor enkele decennia (of langer) gaan dalen, ondanks toenemende atmosferische CO2 concentratie.
  1. Verschillende AMO versies leveren in de multipele regressie kwalitatief en kwantitatief uiteenlopende resultaten. De versies die gebaseerd zijn op de ‘detrended’ temperatuuranomalie van de Noord Atlantische Oceaan leveren een betere fit op en leveren adequatere voorspellingen dan de AMO van Trenberth & Shea. Deze laatste AMO versie kwam in deze studie als inadequaat naar voren.