Stadsklimaat

Het BEST-team ( Berkeley Earth Surface Temperature ) heeft een van haar rapporten gewijd aan het stadklimaat, het Urban Heat Island-effect. Dit effect beschrijft onder andere de hogere temperaturen in steden in vergelijking met het omliggende platteland. Een goede inleiding op dit onderwerp is te vinden op de Engelstalige Wikipedia.

In onderstaand diagram is het UHI-effect (stadsklimaat) te zien voor Tokyo: ongeveer 2°C/eeuw.

tokyo
Bron:  BEST

Minder dan 1% van de totale oppervlakte van de aarde is te beschouwen als urbaan (stedelijk), terwijl 27% van het thermometernetwerk van het GHCN-M ligt in urbane gebieden met minstens 50.000 inwoners. Als men hiermee geen rekening houdt zullen gemiddelde temperatuurdata van grote regio’s en de aarde hoger uitvallen dan ze in werkelijkheid zijn. Daarom is het nodig om het UHI-effect te kwantificeren.

Het BEST team heeft in haar eerste rapport berekend dat de gemiddelde temperatuur op het land tussen 1950 en 2010 is gestegen met 0,911 °C.  HadCrut stelt de globale opwarming van de aarde tussen 1900 en 2000 op 0,7 °C ,  het IPCC schat de globale opwarming tussen 1956 en 2005 op 0,64°C.    Als we dit laatste getal combineren met de  BEST-waarde van 0,911°C  voor het land, dan is de stijging van de temperatuur boven de oceanen  (71% van het aardoppervlak) in die periode dus grofweg 0,5°C geweest.

BEST analyseerde de temperatuurdata van de ruim 39.000 bekeken weerstations door de stations te verdelen in ‘very rural’  en ‘not very rural’ op basis van de MODIS 500m Global Urban Extent classification map. Deze indeling is gebaseerd op de hoeveelheid bebouwde oppervlak (gebouwen, man-made opppervlakken). Voor een gedetailleerde weergave van de gebruikte methode zie het rapport. Ik kom er in een later stadium nog op terug. Op basis van deze indeling is 18% van de stations in de USA very rural.  Daarna berekende men voor elk station een trendlijn. De helling daarvan is positief (opwaarts) dan wel negatief. Conclusie: 67% van de trendlijnen is positief, 33 % negatief.

best9
Bron:  BEST

In bovenstaande tabel zijn de resultaten weergegeven. Alle stations geven een gemiddelde opwarming  van 0,98°C te zien. Wat opvalt is dat de rurale stations een grotere opwarming geven dan alle stations samen. Het verschil is -0,19 °C/eeuw. Dat is bijna niet significant vergeleken met de geconstateerde opwarming. Voor het team is deze uitslag duidelijk: het effect van UHI is nagenoeg verwaarloosbaar.

Het team besluit het rapport met de volgende woorden: “We note that our averaging procedure uses only land temperature records. Inclusion of ocean temperatures will further decrease the influence of urban heating since it is not an ocean phenomenon. Including ocean temperatures in the Berkeley Earth reconstruction is an area of future work. ” Tot zover de bevindingen van het BEST-team.

Wat is er op deze conclusie aan te merken? Toch wel het een en ander, lijkt me. Natuurlijk is het zo dat als je tot de conclusie komt dat het UHI-effect verwaarloosbaar klein is, dat deze conclusie niet verandert als je oceaandata toevoegt. Wel is het opvallend dat de stijging van de luchttemperatuur boven oceanen veel minder snel is geweest dan die boven de continenten. Het is een legitieme vraag of dit alleen toegedicht kan worden aan de fysieke verschillen tussen land en zee.

Maar er zijn ook meer inhoudelijke bezwaren tegen de conclusies in het BEST-rapport. Fred Singer  zei met betrekking tot het  rapport:  “I suspect that the temperature records still are affected by the urban heat-island effect—a term given to any local warming, whatever its cause—despite efforts to correct for this. The urban heat-island effect could include heat produced not only in urban areas, but also due to changes in land use or poor station siting”.

Over dat laatste is de afgelopen jaren al het een en ander geschreven.  Anthony Watts heeft met zijn surfacestations.orggeweldig werk verricht door reeds meer dan 80% van meetstations van het USHGN meetnet in de USA te bezoeken en te classificeren.

Watts onderzoek geeft een ontluisterend beeld van de kwaliteit van veel meetstations. Hij baseert zich op de classificatie zoals die door NOAA wordt gehanteerd om de kwaliteit van een meetstation vast te stellen. Die classificatie in het NCDCClimate Reference Network Handbook uit 2002 ziet er als volgt uit:

class noaa
Bron:  NOAA

De indeling zelf is, als je deze nog niet eerder gezien hebt, enigszins onthutsend. Bestaan er inderdaad meetstations van de categorie 4 en 5, waarbij de meetfout respectievelijk ≥ 2°C en ≥ 5°C is?  En dan te bedenken dat de hele discussie over de opwarming van de aarde gaat over een gemiddelde stijging van 0,7°C in de 20e eeuw.

Het antwoord op die vraag is positief. Watts heeft met 650 vrijwilligers op basis van bovenstaande NOAA classificatie tot nu toe meer dan 80% van de stations in het meetnet bezocht en ingedeeld. Het bizarre resultaat is hieronder te zien:

ushcn stations

ushcn stations2
Bron:  Anthony Watts

Bovenstaande kaart is uit de paper van Watts “Is the US Surface Temperature Record Reliable?” uit 2009, toen ruim 70% van de stations geclassificeerd was.

Inmiddels is dat opgelopen tot ruim 80%, en het beeld is niet veranderd. Ruim 70% van de onderzochte stations in de USA valt  binnen klassen 4 en 5, met een afwijking van ≥ 2°C. In een cirkeldiagram ziet de procentuele verdeling van de 5 klassen er als volgt uit:

ushcn stations3
Bron:  Anthony Watts

Wie wil griezelen moet eens bladeren in de gallery die Watts heeft samengesteld van de bezochte meetpunten.

Hieronder  is een tweetal voorbeelden te zien van officiële USHCN meetstations die in de klasse 5 vallen. Naast de foto is steeds een infrarood opname te zien die een indicatie geeft van de infrarood (warmte-) straling in de directe omgeving van het meetpunt. De afbeeldingen komen uit Watts “Is the US Surface Temperature Record Reliable?”.

watts1
Bron:  Anthony Watts

Hieronder staan voor beide meetstations de meetreeksen weergegeven. Het zijn GISS-plots van de USHCN data.

watts2
watts3

De data in beide reeksen vallen dus in klasse 5, met meetafwijkingen van ≥ 5°C. Het is eenvoudig te zien waarom dat hier logisch is. Wat opvalt is dat de meetreeks van Perry sinds 1940 geen stijgende (of dalende) trend vertoont, terwijl de meetreeks van Glenns Ferry vanaf ongeveer 1980 wel een stijgende trend vertoont.

Perry en Glenns Ferry liggen in 2 verschillende klimaatgebieden, ruim 2000 km hemelsbreed uit elkaar. Het is derhalve niet vreemd dat de meetreeksen een verschillende trend vertonen. Maar temperatuurmetingen worden ook beïnvloed door de microklimatologische omstandigheden, zeker als het klasse 5 meetpunten betreft. Als je via Google Earth inzoomt op het meetpunt in Perry, op de hoek van de North 8th Street en Delaware Street, dan valt op dat de meeteenheid midden in een stedelijk bebouwde omgeving ligt.

watts6
Bron:  Google Earth

watts7
Bron:  Anthony Watts
De bevolkingsomvang van Perry was in 2010  5126 inwoners, en dat inwonertal is de afgelopen decennia nauwelijks veranderd  (US Census Bureau).  Dat gegeven plus de relatieve ligging van het meetpunt en de beelden van Street View maken het aannemelijk dat de directe omgeving van het meetpunt al decennialang stedelijk bebouwd is geweest.

Zoomen we in op het andere meetpunt, Glenns Fery in Idaho, dan zien we een geheel andere situatie:

watts4
Bron:  Google Earth
watts5
Bron:  Anthony Watts

Het meetpunt   ( rode x ) staat direct naast een tamelijk recent gebouw, dat onderdeel uitmaakt van een groter complex van bebouwing. In de onmiddelijke omgeving van de sensor is een grote transformator aanwezig. Het complex is het Oregon Trail History and Education Center,  onderdeel van het  Three Island Crossing State Park . Direct naast het gebouw ligt een grote parkeerplaats. Het gehele complex  is de afgelopen decennia aangelegd. Het lijkt derhalve niet onaannemelijk dat de stijging van de temperatuurtrend althans gedeeltelijk het gevolg is van de verstening van de directe omgeving van het meetpunt.

In het algemeen is te verwachten dat er nabij de meeste meetpuntlocaties de afgelopen decennia eerder sprake zal zijn geweest van toenemende dan van afnemende urbanisatie en bebouwing. Cruciale vraag is natuurlijk in welke mate toenemende urbanisatie van invloed is (geweest) op de waargenomen mondiale temperatuursstijging. Afgezien van het rapport van BEST zijn er de afgelopen jaren nog enkele publicaties over dit onderwerp geweest . Daarover graag de volgende keer.

Het UHI-effect deel 2

Van diverse kanten is me gevraagd om, voorafgaande aan de methodologische vergelijking van het BEST-rapport met andere publicaties, wat te schrijven over het UHI in het algemeen. Met andere woorden: wat is het UHI eigenlijk?

UHI ( urban heat island ) is het verschijnsel dat een stedelijk gebied warmer is dan zijn omgeving. Het verschijnsel is  ’s nachts vaak sterker dan overdag, en sterker bij lagere windsnelheden als gevolg van afgenomen turbulentie die menging met hogere luchtlagen verhindert. Steden zijn warmer dan hun omgeving, maar er valt ook meer neerslag, de windsnelheden zijn gemiddeld lager en de hoeveelheid inkomende zonnestraling is lager. In Nederland spreken we van een stadsklimaat. Ik ben voorstander van het gebruik van Nederlandse begrippen als dat mogelijk is, maar vanwege de overstelpende hoeveelheid Engelstalige literatuur over het onderwerp zal ik de afkorting UHI gebruiken.

De oorzaken van UHI zijn:

1)  De verminderde afkoeling als gevolg van verminderde evapotranspiratie. Verdamping is laag als gevolg van een snelle afvoer van neerslagwater in bijvoorbeeld rioleringen.  Maar ook het feit dat er in stedelijke gebieden veel minder vegetatie is vermindert de verdamping. Verdamping is, samen met convectie , de belangrijkste manier om warmte aan het aardoppervlak  af te voeren naar boven. Opwarming als gevolg van verminderde evapotranspiratie is goed te zien in onderstaande beelden van New York:

uhi5
Bron: Wikipedia

Onderstaande figuur geeft de relatieve evapotranspiratie weer van Greater Manchester:

2)   De afgifte van warmte door gebouwen, auto’s, treinen et cetera die het gevolg is van warmtebronnen binnen in deze objecten. De totale hoeveelheid energie die op deze wijze wordt gegenereerd kan oplopen tot 1/3  van de ontvangen hoeveelheid energie ontvangen door zonnestraling.

3)  De afgifte van warmte door de bebouwde omgeving in de vorm van geleiding als gevolg van de veelal goede geleidende eigenschappen van stenen, asfalt en beton in vergelijking met vegetatie. De figuur hieronder is een warmteopname van de stad Atlanta. De zwarte platte daken hebben de hoogste temperaturen, zijkanten van gebouwen die in de schaduw liggen zijn aanmerkelijk koeler.

uhi6
Bron wikipedia

4) de structuur en bouw van de gebouwen waardoor zonlicht als het ware ‘gevangen’ wordt tussen gebouwen en in gebouwen. Zonlicht reflecteert meerdere malen tussen vertikale wanden van gebouwen, grote glasoppervlakken ‘vangen’ zonlicht.

5)  De soms tot grote hoogte reikende gebouwen breken de wind wardoor het mengen van de warme onderste luchtlagen met de koelere bovenlucht vermindert. In onderstaande satellietbeeld is de multinodale UHI van de stad Atlanta te zien.

uhi4
Bron: Icecap.us

6)  Metabolische warmte  die uitgestraald wordt door de inwoners van een stad. In een metropool gaat het om miljoenen mensen.

Terug naar het UHI-rapport van het BEST-team, genaamd  “Influence of Urban Heating on the Global Temperature Land Average using Rural Sites identified from MODIS Classifications“.

De vraag was of UHI voor een versterkte toename van de temperatuur op aarde heeft gezorgd. Of anders gesteld: is door UHI de temperatuurstijging op het land vanaf 1950 van 0,9 °C  zoals door het team vastgesteld te hoog?

De methode die het team heeft gehanteerd is de volgende. De gebruikelijke mores bij onderzoek naar de relatie tussen de globale temperatuurreeks en UHI  is het vinden van een methode voor classificatie van ruimtelijke ongelijkheid op basis van voor UHI relevante factoren. In het geval van het BEST rapport is die factor de stedelijkheid van de omgeving van meetstations.

De onderzoekers van BEST maken gebruik van de dataset van MOD500.  MOD500 is een dataset die bodemgebruik op aarde classificeert met een resolutie van 500 x 500m. De data zijn afkomstig van het instrument MODIS, dat zich aan boord bevind van de satellieten Aqua en Terra. MODIS scant de aarde in 36 banden  met een golflengte tussen de 0,4 µm en 14,4 µm. Het team van prof. Annemarie Schneider van de University of Wisconsin-Madison heeft op basis van deze data de zgn. ‘Global maps of urban extent from satellite data’ gemaakt.

uhi9
Bron:  Schneider et al

Daarbij wordt het bodemgebruik op aarde ingedeeld in een zeventiental klassen:

1  Evergreen Needleleaf Forest
2  Evergreen Broadleaf Forest
3  Deciduous Needleleaf Forest
4  Deciduous Broadleaf Forest
5  Mixed Forests
6  Closed Shrublands
7  Open Shrublands
8  Woody Savannas
9  Savannas
10 Grasslands
11 Permanent Wetlands
12 Croplands
13 Urban Areas
14 Cropland – Natural Vegetation Mosaic
15 Snow and Ice
16 Barren or Sparsely Vegetated
17 Water Bodies

Klasse 13 is hier uiteraard van belang: het betreft de urban areas.  Alle andere klassen vallen onder non urban areas. De onderzoekers schrijven over de gebruikte data: “It may provide a criterion that is less socio-economically biased than night lights data, therefore it offers an alternative to the approach used by GISS.”.  Men verwijst hier naar de methode die GISS hanteert om datareeksen te homogeniseren t.a.v. het UHI.  Zie hiervoor deze publicatie.

uhi8
Bron: GISS

Om het UHI effect te elimineren in temperatuurreeksen gebruikte GISS tot voor kort een methode die gebaseerd was op vergelijking van een urbane temperatuurreeks met een van een ruraal station binnen een straal van 1200 km verwijderd vanaf het urbane station. Voor De Bilt was dat rurale referentiestation gelegen in Zuid-Duitsland (sic).  Sinds kort maakt GISS gebruik van een methode waarbij men met behulp van nachtelijke lichtuitstoot de mate van urbanisatie vaststelt. Zie de figuur hierboven.

De keuze van het BEST-team voor een classificatie op basis van non-sociaaleconomische criteria is aanvechtbaar, later hierover meer. De onderzoekers merken op dat voor een aantal meetstatiions het onduidelijk is waar ze exact gelokaliseerd zijn, zodat ze niet inpasbaar zijn binnen de resolutie van MOD500. De indeling urbaan-ruraal is daarom moeilijk toepasbaar. Als oplossing gebruikt men daarom de indeling very ruralnot very rural. De very rural sites zullen vrij van urbane invloeden zijn schatten de onderzoekers.  Van de 39.028 meetstations zijn 16.132 very rural. In de USA is dat 18% van het totaal aantal meetstations.

uhi10

Bron: BEST

De volgende stap is het analyseren van de lineaire trendlijnen van alle stations van beide klassen.  Deze kunnen positief dan wel negatief zijn. 67% is positief, 33% negatief.

In onderstaande tabel is de verdeling over beide klassen  (very rural – not very rural) weergegeven:

uhi11
Bron: BEST

Wat opvalt is dat de trendlijnen van de very rural stations zelfs een beetje negatiever zijn dan van alle stations en dus ook van de not very rural stations. De onderzoekers: “There is a statistically significant difference between the median of the complete data set and the very rural subset. The value for the difference, -0.10 ± 0.06 °C/100yr, is in the opposite direction expected from urban heating.

Conclusie van de onderzoekers: “The trend analysis also supports the view that the spurious contribution of urban heating to the global average, if present, is not a strong effect; this agrees with the conclusions in the literature that we cited previously.”

Zoals eerder gesteld staat deze conclusie haaks op de uitkomsten van diverse recente publicaties over het UHI, zoals van de Laat & Maurellis uit 2004 en 2006,  McKitrick/Michaels uit 2007, Spencer uit 2010 en Fall et al uit 2011.  Daarover een volgende keer meer.


Het UHI-effect deel 3

In de vorige aflevering over UHI van 15 november j.l. is het rapport van het BEST-team over de invloed  van UHI op de globale temperatuurreeks aan de orde geweest. De gebruikte methode is toen beschreven: op basis van een ruimtelijke classificatie van MODIS satellietdata is geconstateerd dat UHI geen noemenswaardig effect heeft op de wereldtemperatuur. Die constatering doet vreemd aan. De veronderstelde temperatuurtrend op het land van de afgelopen decennia wordt geschat op 0,2 °C per decennium ( IPCC 2001, Santer et al 2000, Jones en Moberg 2003). Tegelijk geven de satellietmetingen en de sondemetingen veel lagere en soms zelfs negatieve waarden , variërend van  -0,02 tot + 0,06 °C ( Christy et al, 2003).

 

uhi13

Bovendien is er veel aan de hand met de kwaliteit van de locatie van meetstations. In de bijdrage van   7  november j.l. is daar op in gegaan: 70,6% van de officiële meetstations in de USA vallen in de klassen 4 en 5, dat wil zeggen hebben een meetfout van ≥ 2 °C respectievelijk ≥ 5 °C als gevolg van een niet optimale locatie.

uhi22
uhi14
Bron: Watts

Het is al lang bekend dat er allerlei factoren zijn die de meting kunnen beïnvloeden. Een daarvan is de keuze van de verfsoort aan de buitenkant van een Stevensonhutje, een nog steeds veel gebruikte behuizing voor thermometers. Zie de figuren hier boven.

Een ander is de invloed van de ruimtelijke variatie van de natuurlijke omgeving waardoor een juiste keuze van meetlocatie erg belangrijk wordt. Bekend is het onderzoek naar de meetopstelling op Spitsbergen. De effecten van de topografie op temperatuurmetingen zijn al langer bekend.

uhi15uhi16
Bron:   climate4you

Tussen 2003 en 2006 steeg de gemiddelde jaarlijkse luchttemperatuur van -6,1 °C naar -1,7 °C,  een stijging van maar liefst 4,4 °C. Uiteraard werd dit onmiddellijk toegeschreven aan het versterkt broeikaseffect. Op de foto en grafiek hiernaast is te zien wat de werkelijke oorzaak was. Het officiële meetstation is gelegen naast het vliegveld , op een steenworp afstand van de baai.  Het tweede meetpunt is gelegen op de fjell. Tussen 2003 en 2006 is de baai ’s zomers ijsvrij geweest, wat een groot effect had op de temperatuurmetingen direct naast het open water. Het ijsvrij worden van de baai is een periodiek voorkomend verschijnsel, en heeft te maken met de overheersende windrichting in de betreffende zomer. Conclusie: het is zeer belangrijk, ook in een rurale omgeving, waar het meetstation gepositioneerd wordt.

De resterende factoren vallen samen te vatten onder sociaal-economische  factoren zoals BBP/inwoner, bevolkingsdichtheid, gemiddeld inkomen, en het daaraan gekoppelde  grondgebruik. Laten we dit externe factoren noemen. Dat zijn alle menselijke factoren die van invloed zijn op de temperatuurmetingen. In de vorige bijdrage van  15 november j.l. zijn dat de 6 factoren die samen UHI veroorzaken.

De organisaties die zich bezighouden met globale  temperatuurdata en de meetreeksen naar buiten brengen passen technieken toe om dergelijke sociaal-economische factoren te minimaliseren. Dat zijn  de zogenaamde homogenisatietechnieken. In vroegere bijdragen is daar al eens uitgebreid bij stil gestaan. Zie hiervoor Onder De Feiten   het hoofdstuk over de temperatuur in De Bilt. Als de homogenisatie goed is verricht dan zal het ruimtelijk patroon van de gemeten temperatuurtrends niet correleren met die van de externe factoren die de temperatuur kunnen beïnvloeden. Andersom is ook waar: als men gebruikt maakt van ruwe data  (niet gehomogeniseerd) dan is te verwachten dat er wel een verband is tussen externe factoren en het ruimtelijk patroon van temperatuurtrends.

Om aan te tonen dat de conclusie van het BEST-team , het ontbreken van een uhi signaal in de temperatuurtrends, in de wetenschap door velen niet gedragen wordt, laat ik hier een aantal recente, peer reviewede publicaties volgen die wel een uhi signaal ontdekten. Bovendien is het interessant te zien op welke verschillende wijzen men tot diezelfde conclusie gekomen is.
Thomas Karl et al (1988) beschreef het verband tussen de mate van bevolkingstoename (Time Rate of Change Method)  tussen 1901 – 1984 in 1284 plaatsen in de USA en de temperatuurtrend. Men vond zelfs een UHI in nederzettingen met minder dan 10.000 inwoners.

De bevindingen waren overeenkomstig andere onderzoeksconclusies: door UHI dalen de maximum temperaturen en stijgen de minimum temperaturen, en dat het sterkst in grote steden. Zie de tabel hieronder.

uhi17
Bron:  Karl et al

Chagnon toonde in een opmerkelijke publicatie in 1999 aan dat er in plaatsen in Illinois die gekwalificeerd waren als ruraal in de periode 1889 – 1951 sprake was van een opwaartse trend in de luchttemperatuur, en vergeleek die met de temperatuur van de bodem op 0,91 m diepte. De stijging van de bodemtemperatuur bleef 0,2 °C achter bij de gemeten luchttemperatuur in de rurale meetpunten van het American Historical Climate Network, ook al waren die reeksen gehomogeniseerd voor UHI. Hij toonde aan dat die extra opwarming het gevolg was van UHI.

Chagnon noteert: “This value is larger than the adjustment based on population that has been  recommended to eliminate the urban bias in long-term temperature trends in the U.S. Collectively, the results suggest that additional efforts may be needed to eliminate the urban influence on air temperatures, beyond techniques that simply use population as the basis. Population is only an approximation of urban factors affecting surface temperatures, and the heat island influences inherent in the values from weather stations in smaller communities which have been used as control, or data assumed to be unaffected by their urban environment in the adjustment procedures, have not been adequately accounted for.”

En:  “Both sets of surface air temperature data for Illinois believed to have the best data quality with little or no urban effects may contain urban influences causing increases of 0.2°C from 1901 to 1950. This could be significant because the IPCC (1995) indicated that the global mean temperature increased 0.3°C from 1890 to 1950.”

uhi18
Bron:  Chagnon

Böhm  bestudeerde  UHI in Wenen in de periode 1951-1995. De stad heeft een nulgroei gedurende die periode: een stagnerende bevolking van ongeveer 1,6 miljoen. Ondanks de stagnerende bevolking van ongeveer 1,6 miljoen in Wenen constateert Böhm  dat er een forse stijging van UHI is geweest in de betreffende periode.  De onderzoeker vergelijkt 34 temperatuurregistratie stations in het studiegebied van 1450 km 2 . , waarvan 3 rurale, die gebruikt werden als referentieserie voor de stedelijke meetpunten.  De extra opwarming in Wenen varieerde van site tot site: van 0,2 °C in voorstedelijke gebieden tot 1,6 °C in dichtbebouwde gebieden.

In de bestudeerde periode zijn de sociaal-economische en ruimtelijke ontwikkeling in Wenen doorgegaan. Zo verdubbelde de totale vloeroppervlakte, het totale energieverbruik werd meer dan verdubbeld,en de verkeersintensiteit nam met 60% toe. Daar tegenover stond een afname van het bosoppervlak met 20% en grasland   nam binnen de stadsgrenzen met 30% af.

Böhms  conclusies zijn mijns inziens zeer waardevol voor alle studies naar UHI: “The Vienna case study illustrates two features of more than local interest which should be considered in urban climatology as well as in time series studies where the urban temperature excess is regarded as a bias. Firstly, in a city with constant population the urban heat excess shows significant to strongly significant trends of up to 0.6 K in 45 years due to changes in urban morphology and energy consumption. Secondly, the urban heat island and its trend cannot be regarded simply for the city as a whole. There are different absolute levels, different annual variations and different increases of the urban temperature excess in different parts of a city. The urban effect is more strongly influenced by the local surroundings of the site than by the city as a whole. So, if possible, urban heat islands should not be described by a two station approach only (the typical airport-downtown comparison), nor should it rely on regression between population number and heat island.”.

uhi19
uhi20
Bron:  Böhm

Kalnay et al deden in 2003 een onderzoek naar UHI in het oostelijk deel van de USA. Ze vergeleken de gemeten oppervlaktetemperaturen tussen  1950 en 2000 met de zogenaamde NNR data. NNR staat voor NCEP – NCAR 50-year Reanalyses, een methode op basis van een statistische combinatie van 6-uurs-metingen en voorspellingen. De aldus verkregen gegevens zijn vrij van externe invloeden op de temperatuur. In de figuren hieronder is het verschil tussen de gemeten waarden en de NNR-waarden voor de stad Baltimore weergegeven. Beide signalen hebben een hoge correlatie, met een correlatiecoefficient van meer dan 0,9. Zoals te zien is lopen die waarden steeds verder uiteen. In de jaren ’90 loopt het verschil tussen de gemeten waarden (met UHI) en de NNR-waarden op tot 1,4 °C.

uhi21
Bron: Kalnay

Kalnay et al komen uit op een externe opwarming vanwege veranderend grondgebruik en urbanisatie van 0,27 °C per eeuw.
Een interessante methodiek hanteerden twee Nederlandse onderzoekers, Jos de Laat en Ahilleas Maurellis, in hun publicatie uit 2004.  Ze gebruikten industriële CO2-emissies als proxy voor de antropogene invloed op temperatuurtrends voor de periode 1979 – 2001. Voor de temperatuurdata gebruikten ze zowel satellietdata ( MSU) als gronddata (CRU). De CO2-emissiedata kwamen van de EDGAR CO2  emissions database en vormen een maat voor de industrialisatiegraad. Met behulp van een “ spatial thresholding trend technique ” analyseerden ze de correlatie tussen antropogene processen zoals veranderingen in bodemgebruik, albedo, bodemvochtigheid grondwaterstand, lichtadsorptie door roet en energiegebruik, en de temperatuur aan het aardoppervlak en in de onder-troposfeer.

uhi23
uhi23a

De Laat et al concluderen dat er een sterke ruimtelijke correlatie is tussen de temperatuurtrends in de ondertroposfeer  en de CO2-emissies. Bijvoorbeeld: regio’s met een CO2-emmisie van meer dan 1 Tg/jaar vallen sterk samen met die regio’s waar de MSU ondertroposfeer metingen een snelle stijging vertonen. Die gebieden beslaan zo’n 15% van het aardoppervlak. Interessant is dat verreweg het grootste deel van de CO2-emissies plaatsvinden op gematigde breedten op het noordelijk halfrond, zodat verwacht mag worden dat het noordelijk en zuidelijk halfrond verschillende temperatuurtrends weergeven. Het IPCC rapport uit 2001 gaf inderdaad voor de periode 1976 – 2000  een LSAT (land surface air temperature) trend voor het NH van 0,31 °C/decennium en voor het ZH 0,13 °C/decennium.  Dat verschil tussen beide halfronden, 0,18 °C, was aanzienlijk groter dan in de periodes 1910 – 1945 en 1946 – 1975, toen het 0,06 °C was. Overigens was de gevoeligheid van de oppervlaktetemperatuur voor CO2-emissies in 2 gebruikte klimaatmodellen niet terug te vinden, een omissie van de modelbouwers!

uhi24uhi24

In 2006 hebben ze robuustheid van hun eerste onderzoek uit 2004 onderzocht. Resultaat: de conclusies uit het eerste onderzoek staan als een huis. Antropogene processen die niet gelieerd zijn aan het broeikaseffect hebben een aanzienlijk aandeel in de temperatuurveranderingen aan het aardoppervlak.  In bovenstaande grafieken is het verband te zien tussen CO2-emissie en de temperatuurtrend in °C/decennium voor de satellietmetingen in de ondertroposfeer  (MSU)  en de gemeten oppervlaktetemperaturen van CRU.
McKitrick en Michaels hebben in  2007  een onderzoek gepubliceerd over externe factoren die de temperatuur beïnvloeden. Ze gebruikten daarbij een relatief groot aantal variabelen zoals in onderstaande tabel te zien is.

uhi26

Het onderzoek betreft  de periode 1979 – 2002 werd uitgevoerd op het niveau van rastercellen met een grootte van 5° x 5°. De resultaten zijn overduidelijk: externe factoren verhogen op veel plaatsen de gemeten temperaturen. Zoals reeds eerder naar voren kwam is dat effect veel sterker  bij oppervlaktemetingen dan bij satellietmetingen. Na homogenisatie voor de externe effecten ziet de verdeling van de temperatuurtrends er uit zoals de onderste grafiek:

uhi28
uhi28a

Op globaal niveau is te zien dat voor de meeste rastercellen geldt dat er sprake is van een extra opwarming door externe antropogene factoren zoals veranderend grondgebruik  en andere sociaal-economische factoren.

uhi27
uhi27a

Fall et al (2011) baseren zich op de classificatie zoals die door NOAA wordt gehanteerd om de kwaliteit van een meetstation vast te stellen. Die classificatie in het NCDC het  Climate Reference Network Handbook uit 2002 zijn we al in een eerdere bijdrage tegengekomen en ziet er als volgt uit:

class noaa

De onderzoekers zijn geïnteresseerd in het antwoord op de vraag of en in welke mate de temperatuurtrends van de slechtst gelokaliseerde stations afwijken van de beste. Daarvoor maken, net zoals Kalnay (hierboven beschreven) gebruik van NCEP reanalyses data,  een methode op basis van een statistische combinatie van 6-uurs-metingen en voorspellingen. De aldus verkregen gegevens zijn vrij van externe invloeden op de temperatuur. De gebruikte methode OMR  (observation minus reanalysis) is gebaseerd op het feit dat de data van NCEP reanalyses volkomen onafhankelijk zijn van de meetdata van USHCNv2 temperatuur meetgegevens. Deze methode  scheidt externe effecten van opwarming vanwege het broeikaseffect. Op basis van de verkregen resultaten kunnen conclusies getrokken worden over de lokale externe effecten op de verkregen temperatuurreeksen.

uhi29
uhi29a

De onderzoekers bekeken 2 periodes:  1979 – 2008   en 1895 – 2009. Voor beide periodes zijn aanzienlijke afwijkingen gevonden bij met name de slechtst geplaatste stations: gemiddelde dagtemperaturen zijn te laag en de gemiddelde nachttemperaturen zijn veel hoger dan bij de best geplaatste stations. Zie de figuur hierboven.  De CRN5 stations (de slechtste categorie) zijn gemiddeld 0,7 °C warmer dan de 2 beste categorieën.

Resumerend mag gesteld worden dat de invloed van externe antropogene factoren op de temperatuurmetingen tamelijk complex is. De diverse hiervoor genoemde studies geven aan dat er grofweg op een tweetal ruimtelijke schaalniveaus invloeden te verwachten zijn op temperatuurmetingen. Dat is in de eerste plaats het UHI in zijn klassieke gedaante van grootstedelijke of industriële complexen die vanwege hun fysieke geaardheid dan wel grote energieverbruik een opwarmend effect hebben op een groter gebied. Het andere, meer lokale effect is de invloed op individuele meetstations van de nabijheid van asfalt, gebouwen et cetera, waardoor meetwaarden zeer sterk beïnvloed kunnen worden. Dat laatste lokale effect doet zich zowel in urbane als in rurale regio’s voor.

Sommige van bovenbeschreven methodes zijn verfijnd en geperfectioneerd. Daarmee vergeleken is de methode die het BEST- team hanteerde tamelijk grof, namelijk gebaseerd op slechts 1 parameter. Bovendien is de indeling zeer ruraal versus de rest discutabel, en is geen rekening gehouden met lokale omstandigheden.  Dat lokale omstandigheden zelfs in een ‘very rural’  omgeving tot dramatische temperatuursstijgingen kunnen leiden laat ik graag  een volgende keer zien.

 

Het UHI- effect deel 4

In het eerste deel van de bijdragen over het UHI-effect,  de bijdrage van 7-11-2011, heb ik als uitgangspunt de door hetBEST-team gebruikte methode genomen.

BEST analyseerde de temperatuurdata van de ruim 39.000 bekeken weerstations door de stations te verdelen in ‘very rural’  en ‘not very rural’ op basis van de MODIS 500m Global Urban Extent classification map. Deze indeling is gebaseerd op de hoeveelheid bebouwde oppervlak (gebouwen, man-made opppervlakken). Voor een gedetailleerde weergave van de gebruikte methode zie het rapport. Ik kom er in een later stadium nog op terug. Op basis van deze indeling is 18% van de stations in de USA very rural.  Daarna berekende men voor elk station een trendlijn. De helling daarvan is positief (opwaarts) dan wel negatief. Conclusie: 67% van de trendlijnen is positief, 33 % negatief.

best9
Bron:  BEST

In bovenstaande tabel zijn de resultaten weergegeven. Alle stations geven een gemiddelde opwarming  van 0,98°C te zien. Wat opvalt is dat de rurale stations een grotere opwarming geven dan alle stations samen. Het verschil is -0,19 °C/eeuw. Dat is bijna niet significant vergeleken met de geconstateerde opwarming. Voor het team is deze uitslag duidelijk: het effect van UHI is nagenoeg verwaarloosbaar.

Het team besluit het rapport met de volgende woorden: “We note that our averaging procedure uses only land temperature records. Inclusion of ocean temperatures will further decrease the influence of urban heating since it is not an ocean phenomenon. Including ocean temperatures in the Berkeley Earth reconstruction is an area of future work. ” Tot zover de bevindingen van het BEST-team.

In de hieraan voorafgaande bijdragen heb ik al inhoudelijk het een en ander over de conclusies van het BEST-team geschreven, en een aantal andere publicaties de revue laten passeren die over het UHI-effect op de meetreeksen een andere mening hebben.  Zie hiervoor de bijdragen over het UHI-effect deel 1 t/m 3.

Steve McIntyre heeft op 20-12-2011 aan de hand van door Richard Muller aangeleverde gegevens nog eens naar de ‘very rural’ meetstations van BEST gekeken.  Hij licht er enkele ‘very rural’  meetstations uit en ziet dan bijzondere zaken, namelijk in Peru en Thailand, deels toeval omdat zijn zoon momenteel in Thailand is, deels ingegeven door eerdere publicatie van Hansen over de meetstations in Peru.  Het BEST-team heeft slechts 2 stations in Peru geclassificeerd als ‘very rural’, namelijk  Huanuco en Quince Mil.

huanuco1
Huanuco meetstation,  bron  Google Earth

Huanuco , officieel meetstation van WMO, heeft echter een bevolking van 147.959 inwoners, vergelijkbaar met de stad Haarlem.  Het meetstation staat direct naast de start- en landingsbaan van het plaatselijke vliegveld. Waarom Huanuco  door Het BEST-team geclassificeerd wordt als ‘zeer landelijk’  is dan ook onbegrijpelijk.

Quince Mil , het tweede ‘very rural’  meetstation van het BEST-team levert slechts temperatuurdata tussen 1961 en 1980, daarvoor en daarna niets. Het inwonertal in 2007 was minder dan 1000, dus wat dat betreft  zou dit plaatsje nog als ‘very rural’  door kunnen gaan , maar vanwege het ontbreken van een langdurige meetreeks is het station waardeloos.

bangkok pilot1Bron: Google Earth

De BEST-indeling in Thailand ziet er ook erg raar uit. “Bangkok Pilot” wordt weergegeven als “zeer landelijk”, maar is in feite de naam van het meetstation op het kunstmatige eiland in de zeebaai van Bangkok, dat is aangelegd voor de havenloodsboten ( pilots). Dat is nu niet een standaard voorbeeld van een ‘very rural’  meetstation.

bangkok pilot
Bangkok Pilot  meetstation.  Bron:  Google Earth

Verder zijn er nog vijf “zeer landelijke” Thaise meetstations door BEST onderscheiden: Phetchaburi (46.501 inwoners), Ko Lanta (20.000 inwoners), Khao Lak (35.337 inwoners), Ko Samui (50.000 inwoners) en Mae Hong Son, in het noordwesten bergland nabij de grens met Myanmar. De eerstgenoemde plaatsen zijn vanwege hun inwonertal natuurlijk niet zeer landelijk.

mae hong son
Mae Hong Son airport . Bron Google Earth

Mae Hong Son is een plaats met ongeveer 17.00 inwoners en is op grond hiervan zeker niet zeer landelijk te noemen. Bovendien ligt het meetstation pal naast het vliegveld van de stad, een locatie die ook al niet vrij is van allerlei UHI –effecten vanwege de grote oppervlakten asfalt en de nabijheid van vliegtuigmotoren.

mae hong son1
Parkeerplaats in de nabijheid van meetpunt Mae Hong Son. Bron:  Google Earth

 

Kortom: even een blik achter de schermen van de ‘very rural’  databank toont dat niet alle meetstations echt zeer landelijk zijn. Ik ben benieuwd of er nog meer konijnen uit de hoed komen.

 

UHI deel 5: het geval Barrow

barrow1
Bron:  Google Earth

In de vorige bijdrage stonden we even stil bij de vraag of het door het BEST-team gehanteerde onderscheid tussen very rural en not very rural  nederzettingen wel gebaseerd is op juiste gegevens over de stedelijkheid van nederzettingen. Uit de voorbeelden van very rural nederzettingen in Peru en Thailand  is duidelijk geworden dat althans een deel van de ‘very rural’  meetpunten in werkelijkheid very urban zijn. In deze bijdrage staat de vraag centraal of het uitgangspunt van een dergelijk onderscheid tussen very rural en not very rural nederzettingen een hanteerbaar criterium is. Met andere woorden: is het aannemelijk dat het UHI-effect toeneemt met de omvang of stedelijkheid van de nederzetting  Op het eerste gezicht lijkt het evident: steden zijn warmer dan het omliggende platteland en grote steden zijn warmer dan kleine, veel onderzoeken hebben dat aangetoond. Toch is  voorzichtigheid hier geboden, zo toont een onderzoek uit 2003 aan.

Hinkel et al publiceerden toen bijzonder interessante resultaten van hun onderzoek naar  UHI in het plaatsje Barrow in Alaska.  Barrow is de meest noordelijk gelegen nederzetting van de USA. Woonden er in Barrow in 1900 nog maar 300 mensen, in 2000 waren dat er meer dan 4600. Nog niet erg stedelijk kan men stellen als men naar het aantal inwoners kijkt.  Maar desondanks vertoont Barrow een fors UHI-effect.

De afgelopen decennia constateerde men oplopende gemiddelde wintertemperaturen in het centrum , en een steeds vroeger smelten van de sneeuw  . Dat kan vergaande consequenties hebben voor de gemeenschap, vanwege het feit dat de nederzetting gebouwd is op permafrost die plaatselijk tot 300m dik is.  Een toename van de opdooilaag in de zomer kan instabiliteit van de ondergrond veroorzaken met alle gevolgen van dien voor leidingen en gebouwen.

In 2001 en 2002 heeft het onderzoeksteam temperatuurmetingen gedaan in Barrow en het omliggende gebied van ongeveer 150 km2 groot. Tussen december 2001 en maart 2002 constateerde men dat de nederzetting gemiddeld 2,2 °C warmer was dan de omgeving. Bij matige windsnelheden liep dat verschil op tot 3,2 °C, met een maximum van zelfs 6 °C.  Het dagelijkse temperatuurverschil bereikte zijn maximum veelal tussen de late avond en de vroege ochtend. De onderzoekers onderscheiden een drietal oorzaken van het UHI, die wij in soms andere bewoordingen al eerder tegenkwamen in de UHI-cyclus:

1)  antropogene warmte in de vorm van chemische energie (brandstoffen)
2) afname van de vegetatie en toename van de bebouwde omgeving
3)  verandering van geometrie en morfologie van de bebouwde omgeving

barrow3
Schoolbus in de winter. Bron: Vlad Iliescu

UHI in nederzettingen op hoge breedte zijn fundamenteel anders dan die op lagere breedten. In de eerste plaats varieert de zonnecyclus in een jaar sterk. Een deel van het jaar (winter) ontbreekt zonlicht en is het erg koud. Als gevolg daarvan ontbreekt dan de invloed van zonlicht op UHI. Ook de aanvoer van warmte  vanuit de omgeving (advectie) is dan gering als gevolg van het feit dat open water bevroren is:  vrijwel alle nederzettingen op hoge breedte liggen aan water. De Chukchi Sea heeft als het water ijsvrij is een grote invloed op zowel de temperatuur als de vochtigheid in Barrow. Begin oktober vriest de zee dicht, en dat blijft zo tot april-juni van het volgend jaar.

Als gevolg van de zeer lage wintertemperaturen is  het gebruik van chemische energie in de winter veel hoger dan in de zomer. Dat komt voor het grootste deel op conto van de verwarming  en verlichting van huizen en gebouwen met behulp van aardgas en de secundaire energiedrager  elektriciteit.  Atmosferische opwarming is in de winter dan ook vooral het gevolg van energieverliezen door gebouwen. In de zomer daalt het gebruik van fossiele energiedragers en elektriciteit zeer sterk: het is dan vrijwel constant licht, en de temperaturen zijn dan niet zodanig hoog dat het gebruik van airco  noodzakelijk is, zoals op lagere breedten.
barrow5
Ruime bebouwing, laagbouw, op palen. Bron: Wikipedia

Arctische nederzettingen verschillen ook van andere vanwege de beperkte omvang van de bevolking en bebouwde omgeving, en het ontbreken van hoge gebouwen. Op bovenstaande foto is de typische houten laagbouw te zien die in Barrow domineert. Alleen in het centrum zijn enkele gebouwen te vinden met 2 verdiepingen. Schaduwvorming en ‘urban canyon effects’  zijn dan ook nagenoeg afwezig:  de morfologie van Barrow zal dan ook van ondergeschikt belang zijn voor UHI vergeleken met de opwarming als gevolg van antropogene opwarming. Zoals op de foto’s te zien is staan alle gebouwen op palen, zo’n 1 a 2 m boven de grond. Dit voorkomt warmteoverdracht naar de bevroren grond.

barrow4
BARC: Barrow Arctic Research Centre

Barrow heeft een tweetal weerstations, namelijk een meetpunt van  National Weather Service  in de nederzetting, en een meetpunt van Climate Monitoring and Diagnostics Laboratory op het BARC, zo’n 7,5 km ten NO van Barrow in de toendra gelegen. Recent onderzoek toont dat sinds 1940 er sprake is van een toenemend vroeger smelten van de sneeuw als gevolg van oplopende temperaturen. In de grafiek hieronder is MAAT de gemiddelde jaartemperatuur, de grijze lijn de datum waarop de sneeuw in Barrow gesmolten is.

barrow2
Het onderzoek van Hinkel et al is bedoeld om de omvang en ruimtelijk patroon van UHI in Barrow te meten.  De plaats is niet over de weg bereikbaar en ook niet aangesloten op een energienetwerk. Dat betekent dat alle energie die gebruikt wordt  (verwarming en elektriciteitsopwekking) van lokale oorsprong is dan wel aangevoerd wordt per schip.

De belangrijkste bron van energie is aardgas uit methaan-hydraatvelden in de directe omgeving van Barrow.  Een ouder veld lichtten Z van barrow, vanaf 1980 komt het meeste gas uit het East Barrow Field.

barrow6
Bron: Oil & Natural Gas Technology 2008

Ongeveer de helft van het gas wordt omgezet in elektriciteit. Stoffen zoals dieselolie en kerosine worden in augustus per schip aangevoerd, als de zee ijsvrij is. Vanwege deze specifieke omstandigheden is nauwkeurig het gebruik van fossiele energiedragers in Barrow te volgen.

In juni 2001 hebben de onderzoekers 54  temperatuurmeters geplaatst . De helft werd in de nederzetting zelf geplaatst. Dit zijn de urbane locaties. De rest werd geplaatst in een gebied van ongeveer 150 km2  rond Barrow, dit zijn de rurale locaties. Op de figuur hieronder is de locatie van de meetstations te zien. De vierkanten zijn de meetstations waar de laagste temperaturen zijn gemeten. De zes warmste meetstations bevinden zich in het centrum van Barrow, direct ten O van de ‘6’.

barrow7

De tabel hieronder toont de temperatuurverschillen tussen de rurale en urbane meetpunten per maand. De getallen in de eerste kolom zijn de maandgemiddelden over de periode 1971-2000 (NCDC/NOAA).

barrow8
Over het algemeen gold dat het UHI-effect toenam met dalende temperaturen. Dat is goed te zien op de grafiek hieronder, die de zogenaamde UHIM (laatste kolom bovenstaande tabel) afzet tegen de tijd dat er gemeten is van 1 september 2001 tot 1 juni 2002.

barrow9

Ook als je UHIM afzet tegen de gemiddelde dagelijkse rurale temperatuur is dat effect duidelijk te zien: hoe kouder des te groter het UHI-effect.

barrow10
In de grafiek is te zien dat de correlatie niet sterk is  ( r2 = 0,51 ), maar in elk geval sterker voor dagen met lagere windsnelheden dan op erg winderige dagen. Dat is logisch, als de windsnelheid toeneemt krijg je een sterkere menging van de onderste luchtlagen wat het UHI vermindert. In onderstaande figuur is de invloed van de wind op de UHIM goed te zien:

barrow11

Bij een lage windsnelheid van 4 km/u is de correlatiecoëfficiënt  tussen windsnelheid en  dagelijkse UHIM ongeveer 0,9. Die coëfficiënt neemt dan af tot 0,5 bij windsnelheden van 33 km/u en meer.

Om te bezien wat verschillende windsnelheden voor effect hebben op de ruimtelijke spreiding van de temperatuur wordt geïllustreerd in de drie kaartjes hieronder. De windsnelheid staat steeds rechtsboven het kaartje. (1 knot = ~1,9 km/u).  Let op: de legendaschaal is niet overal gelijk: het middelste kaartje met de laagste windsnelheid heeft stappen van 2 °C, beide andere van 1 °C. Op het onderste kaartje is  te zien dat grote windsnelheden het UHI als het ware ‘wegblazen’: de isotherm heeft dezelfde richting als de wind.

barrow12

Het onderstaande kaartje illustreert fraai het UHI-effect van Barrow. De gebruikte eenheid ADDF is accumulated degree-days of freezing. Daarbij worden de absolute waarden van de gemiddelde dagelijkse temperaturen (onder 0 °C) bij elkaar opgeteld.

barrow13

Aan het begin van deze bijdrage stelde ik dat het logisch lijkt dat de morfologie van Barrow van ondergeschikt belang zal zijn voor en dat opwarming als gevolg van antropogene opwarming waarschijnlijk de dominante factor in het UHI-effect in Barrow zal zijn. Dat die factor dominant is blijkt wel uit onderstaande grafiek.

barrow14
Verticaal is de UHIM weergegeven, horizontaal het aantal heating degree days. Heating degree days is een maat waarmee de vraag naar energie voor verwarming van een gebouw wordt weergegeven. De gegevens zijn afkomstig van National Weather Service/ NOAA. Voor details klikt u op de link. De correlatiecoëfficiënt is maar liefst 0,98.

Zoals we al gezien hebben is Barrow voor wat betreft het gebruik van fossiele brandstoffen een eiland als gevolg van de geïsoleerde ligging.  Vrijwel alle fossiele brandstoffen voor de opwekking van elektriciteit en verwarming komen van de lokale gasvelden. Het is daarom eenvoudig om het gebruik daarvan van dag tot dag te volgen.  Hinkel et al hebben dat gasverbruik in onderstaande grafiek afgezet tegen de UHIM: de correlatiecoëfficiënt van 0,99 spreekt boekdelen. Het UHI-effect van Barrow is  vrijwel volledig het gevolg van aardgasgebruik.

barrow15

Kunnen we het effect van het UHI op de temperatuur in Barrow in de tijd schatten? Daarvoor hebben we het aantal inwoners nodig en het UHI op jaarbasis. Eerst het inwoneraantal. Volgens het US Census Bureau is het verloop van het inwonertal in Barrow vanaf eind 19e eeuw als volgt:

Vanaf 1950 stijgt het inwonertal boven de 1000, en bereikt op 1 januari 2001 een inwonertal van ongeveer 4683. De stijging van het inwonertal, dat voorheen altijd tussen de 200 en de 400 lag, was het gevolg van de sociaal-economische transitie die in Barrow plaats vond.  Was Barrow voor 1950 een geïsoleerd dorp van native Americans met een locale economie gebaseerd op traditionele activiteiten zoals visserij en jacht, na 1950 wordt Barrow meer en meer onderdeel van een moderne economisch systeem gebaseerd op gas- en oliewinning. Het lijkt me daarom niet onredelijk omgelet op zowel de bevolkingsgroei als de sociaal-economische transitie, 1950 als startjaar van het UHI te nemen.

barrow19
Temperatuurreeks U-05 (urbane locatie) en U-15 (rurale locatie) voor 20-daagse periode in de (a) winter, (b) lente, en (c) zomer.
De UHIM in de gemeten periode van 1 december 2001 tot 1 april 2002 bedroeg gemiddeld 2,2 °C, voor de winterperiode 1 december 2001 tot 1 maart 2002 was het UHI 3,1 °C. Het UHI in de lente bedroeg 1,6 °C en de zomer van 2002 noteerde een UHIM van -1,4  °C. Die negatieve waarde is volgens de onderzoekers met name te danken aan de afkoelende mariene invloed gedurende de zomer , als de zee grotendeels ijsvrij is. De UHIM in de herfst is niet gegeven, de gemiddelde maandtemperaturen zijn dan wat hoger dan in de lente. Een schatting van de UHIM op jaarbasis in deze periode, gezien de gemeten seizoencijfers, van  1,1 °C lijkt niet onredelijk.

Wanneer we de gehomogeniseerde temperatuurreeksen van GISS betreffende Barrow  in een grafiek plotten, en bovendien een voor de UHIM van 1,1 °C gecorrigeerde temperatuurreeks in dezelfde grafiek weergeven, dan komt dat er als volgt uit te zien:

barrow18

Bedenk dat de gehomogeniseerde temperatuurreeks (blauwe lijn) niet is gecorrigeerd voor UHI: Barrow wordt door GISS niet als urbane nederzetting gekwalificeerd.  Voor beide grafieken is ook een lineaire trendlijn getekend. De trendlijn van de gehomogeniseerde GISS-reeks vertoont een stijging sinds 1950 van 2,1 °C.  De trendlijn van de voor het UHI gecorrigeerde temperatuurreeks vertoont een stijging van nog geen 0,9 °C. Een opmerkelijk groot verschil!

Naar mijn mening is het door Hinkel et al aangetoonde grote UHI-effect in Barrow geen op zichzelf staande situatie. In Alaska, maar ook elders in de Arctische regio hebben vrijwel alle nederzettingen vergelijkbare kenmerken: ontbrekend zonlicht in de winter, verspreide laagbouw, relatief weinig inwoners en extreme wintertemperaturen. Een deel van die nederzettingen is tevens locatie in de meetnetten die BEST, GISS, Hadcrut en NOAA gebruiken. Met de gebruikelijke methoden om temperatuurreeksen te corrigeren voor het UHI-effect vallen de meeste van deze nederzettingen buiten de correctie omdat ze niet voldoen aan de gebruikelijke criteria. Zelfs in de verdeling very rural-not very rural die BEST hanteert vallen waarschijnlijk veel Arctische nederzettingen in Alaska, Canada en Rusland  in de categorie very rural.

Correctie voor UHI  van de meetreeksen van  Arctische meetstations zou , in navolging van Barrow, wel eens in de afgelopen decennia veel lagere temperatuurstijgingen in de Arctische regio kunnen laten zien  dan tot nu toe werd aangenomen.

 

UHI deel 6:  effect heeft groter ruimtelijk  effect dan tot nu toe gedacht.

In een studie naar  de lengte van het groeiseizoen in het NO van de USA hebben onderzoekers  een belangrijke ontdekking gedaan. Steden hebben een opwarmend effect op de omliggende regio tot een afstand van 32 km van het stadscentrum. Tot nu toe werd aangenomen dat die invloed op de omgeving niet verder reikte dan zo’n 15 km. (Zhang et al, 2004).

Andrew Elmore et al   maakten gebruik van recente satellietdata met een hoge resolutie om de bladontwikkeling bij loofbomen te onderzoeken. Daarbij keken ze naar een drietal aspecten van bladontwikkeling, namelijk de bladaanzet in de lente, de ‘summer greendown’  en de bladval in de herfst.

elmore1elmore2
Bron: Elmore et al

Het groeiseizoen is op continentale schaal goed te beschrijven aan de hand van klimatologische variabelen zoals breedte- en hoogteligging . Voor de ruimtelijke schaal waarop dit onderzoek is toegepast, een gebied van ~130 bij ~190 km, was een fijne dataresolutie noodzakelijk omdat de ruimtelijke patronen complexer zijn en een groter aantal processen omvatten.

De resultaten zijn deels niet verrassend en deels wel. Niet verrassend was dat er een drietal ruimtelijke variabelen van invloed bleek te zijn op de lengte van het groeiseizoen, namelijk hoogteligging, verstedelijking en nabijheid van grote watereenheden. Voor mij was verrassend dat de invloed van verstedelijking op het groeiseizoen ruimtelijk veel verder blijkt te reiken dan tot nu toe is aangenomen. Ook verrassend was dat die stedelijke invloed vooral effect heeft op het moment van bladval in de herfst en minder op de bladaanzet in de lente. Dat laatste kan te maken hebben met een zich wijzigende soortensamenstelling en irrigatie.


Bron:  Elmore et al

Zhang et al (2004) publiceerden in 2004 een onderzoek naar het effect van UHI op het groeiseizoen van planten. Dat deden ze aan de hand van MODIS-data (Moderate Resolution Imaging Spectroradiometer) voor verstedelijkte gebieden > 10 km2. in het oostelijk deel van de USA. Hun onderzoek wees uit dat de invloed van UHI-effect op de omgeving exponentieel afneemt met de afstand, en dat de invloed van steden op de temperatuur in de omgeving tot 10 km afstand van de rand van de stad substantieel is.

Als de invloed van steden echter veel verder reikt dan tot nu toe werd aangenomen, zoals het onderzoek van Elmore et al uitwijst,  dan betekent dit dat stedelijke opwarming ruimtelijk bezien veel grotere effecten heeft dan tot nu toe werd aangenomen. Peri-urbane meetstations die tot nu toe werden geclassificeerd als ruraal zijn dan in werkelijkheid urbane stations.

 

UHI deel 7: Roy Spencer toont sterk UHI-effect aan
Roy Spencer, bekend klimaatonderzoeker aan de University of Alabama in Huntsville, heeft een interessant onderzoek gedaan naar het UHI-effect, het effect dat stedelijke gebieden leiden tot hogere luchttemperaturen. Op deze site is over het UHI-effect al meermalen geschreven. Een overzicht daarvan is te vinden onder ”De Feiten” en dan “UHI”. Wat heeft Spencer gedaan? Hij heeft de Integrated Surface Database (ISD) van
The National Climatic Data Center gebruikt , dat gebaseerd is op meer dan 100 originele databronnen van meer dan 20.000 meetstations. Eerst heeft Spencer die stations op het Noordelijk halfrond geselecteerd die een ononderbroken temperatuurreeks hebben vanaf minimaal 1973 t/m 2011. Daarvan heeft Spencer de unadjusted International Surface Hourly (ISH) gebruikt, en wel op 4 momenten per etmaal.

popdens
Bron: SEDAC

Vervolgens heeft hij op basis van de zogenaamde Population Density Set van het SEDAC de stations gerangschikt op basis van de bevolkingsdichtheid en onderscheidde op basis hiervan een drietal dichtheidsklassen. In de figuur hieronder is al te zien wat dat oplevert: de decadale temperatuurtrend is groter naarmate de bevolkingsdichtheid groter is. Let ook op de gemiddelde temperatuurtrend van de ‘gouden standaard ’ van de CRUTem3 –reeks: die ligt een beetje hoger dan die van de ISH-reeks, waarschijnlijk als gevolg van homogenisaties.

spenc1

Jones gebruikte voor zijn CRUTem3 datareeks een raster van 5×5 graden. Eenzelfde raster gebruikt Spencer, maar hij gebruikt dan alleen die cellen waarin én een volledige CRUTem3 datareeks aanwezig is, én tenminste 1 meetstation in elk van de drie gehanteerde dichtsheidsklassen. Interessant is de volgende figuur, waarin de CRUTem3 temperatuuranomalie vergeleken wordt met die van de laagste dichtheidsklasse. De grafiek toont in 2011 een temperatuurverschil van ongeveer 0,15 °C op.

spenc2
spenc3

De toenemende divergentie tussen de CRUTem3 temperatuur en de data van de meetstations met de laagste bevolkingsdichtheid is in de volgende grafiek goed te zien:

Als men de CRUTem3 data vergelijkt met die van meetstations in de allerlaagste dichtheidsklasse van 0,1 pesoon/km2, dan ligt CRUTem3 zelfs 30% boven die gemeten waarden.

Spencer concludeert dan ook terecht dat de vele studies die de afgelopen jaren gewag maken van overdreven temperstuurstijgingen als gevolg van onjuiste temperatuurmetingen gelijk hebben. Spencer haalt daarbij ook de studie van McKitrick en Michaels uit 2007 aan die ik in een vorige bijdrage al heb aangehaald, en waarin gesteld wordt dat minstens 50% van de vermeende opwarming sinds 1980 wel eens foutief zou kunnen zijn. Met andere woorden: UHI-effecten beïnvloeden de temperatuurmetingen sterk.

Tenslotte bekijkt Spencer de gegevens alleen voor USA-station, en concludeert: “ The results in the following plot show that for the 87 stations in the lowest population class, the average CRUTem3 temperature trend was 57% warmer than the trend computed from the ISH station data. These are apples-to-apples comparisons…for each station trend included in the averaging for each population class, a corresponding, nearest-neighbor CRUTem3 trend was also included in the averaging for that population class. How can one explain such results, other than to conclude that there is spurious warming in the CRUTem3 dataset? ”

spenc4
UHI deel 8 : Delhi

Een recent onderzoek van Javed Mallick en Atiqur Rahman  toont een sterke correlatie tussen verstedelijking en oppervlaktetemperatuur in Delhi (India).  Het is bekend dat de verwijdering van natuurlijke vegetatie en de vervanging daarvan door antropogene materialen als asfalt, steen, beton en dergelijke en aanwezigheid van warmtebronnen een temperatuurverhogende werking hebben. Omdat dit effect het grootst is in urbane gebieden wordt dit het Urban Heat Island-effect genoemd. Zoals bekend is er al een aantal jaren een levendige discussie hoe groot een dergelijk effect is en welke invloed het UHI heeft op de meetgegevens van meetstations. Zie hiervoor het hoofdstuk De Feiten en dan UHI.

aster1

De onderzoekers hebben met hun publicatie bijgedragen aan de kennis over de relatie tussen  UHI en urbanisatiegraad. Ze maakten gebruik van datasets van de satelliet ASTER die de oppervlaktetemperatuur van Delhi  weergeven, alsmede gegevens van de bevolkingsdichtheid in Delhi  (Census of India 2001). De satelliet ASTER meet  onder andere infrarood met een resolutie tot 15 m. Gebruikt zijn de nachtelijke gegevens van 7 oktober 2001. Op het kaartje hieronder ziet men de ruimtelijke variatie in oppervlaktetemperatuur  in genoemde nacht.

delhi2
Oppervlaktetemperatuur ’s nachts 7 oktober 2001

Zoals te zien is is de ruimtelijke variatie in nachtelijke temperatuur erg groot, , en varieren van 23,9  °C tot 40 °C.  Op onderstaande kaart is de bevolkingsdichtheid van Delhi weergegeven. Duidelijk is te zien dat de gebieden met de hoogste temperaturen ook de gebieden zijn met de grootste bevolkingsdichtheid.

delhi1
Bevolkingsdichtheid Delhi 2001

Op het derde kaartje zijn beide gegevens in een kaart weergegeven:

delhi3
Oppervlaktetemperatuur en bevolkingsdichtheid gecombineerd

Maar nog sprekender is de volgende grafiek, die aan duidelijkheid niets te wensen over laat:

delhi4
Correlatie temperatuur en bevolkingsdichtheid

De waarde van de logaritmische regressie (R2) is 0,748, wat wijst op een sterke correlatie tussen bevolkingsdichtheid en temperatuur.

De grote ruimtelijke variabiliteit van de temperatuur in Delhi is opvallend, en correspondeert niet met schattingen van het UHI door onder andere GISS-NASA, die op veel lagere waarden uitkomen. Natuurlijk zijn niet alle urbane gebieden vergelijkbaar met het urbane gebied Delhi. Omvang van steden en andere ruimtelijke factoren  zullen vaak afwijken van die in India. Desondanks lijkt de uitkomst van dit onderzoek  me een extra stimulans om het UHI en de problematiek van meetstationlocaties nog een keer serieus onder de loep te nemen.