Wat is de menselijke bijdrage aan Global Warming?

Weer een opzienbarende bijdrage van Jan Ruis in zijn speurtocht naar de feiten achter global warming. Neem even de tijd, want makkelijk is het niet. Maar de conclusies zijn bijzonder!

In het eerste artikel in deze serie werd multipele regressie toegepast van de mondiale oppervlaktetemperatuur van 1860-2014 op de AMO , ENSO en een antropogene forcering. De antropogene forcering werd verondersteld òf lineair te zijn òf logaritmisch. Het beste resultaat werd gevonden met een lineaire trend van 0,051°C/decade. De regressiecoëfficiënt voor de logaritmische forcering is 2,55*ln(CO2), waarin ln(CO2) de natuurlijke logaritme van de atmosferische CO2-concentratie. We noemen het eerste model, 0,051°C/decade, het lineaire model en het tweede model, 2,55*ln(CO2), het logaritmische model. De antropogene component vertegenwoordigt het totaal aan stralingsforceringen door broeikasgassen en aërosolen. Klimaatmodellen van het IPCC rekenen met logaritmische stralingsforcering. Voor de duidelijkheid zijn hier het lineaire en het logaritmische model grafisch naast elkaar gezet:

ajb15

ajb16
Guido van der Werf , die een artikel publiceerde over de resultaten van multipele regressie met 5 factoren, gebruikte een vertraging van 6 maanden voor de AMO en de ENSO. Daar zijn goede argumenten voor. Hieronder zijn de nieuwe resultaten, met vertraging van AMO en ENSO, voor de mondiale temperatuur met het lineaire model en daaronder met het logaritmische model:

ajb17

ajb18

Zoals te zien is in de plaatjes levert de vertraging van 3 maanden voor de ENSO een goede fit op met de El Niño pieken uit bijv. 1998, 1985 en 1876. Het lineaire model past nog steeds iets beter bij de waarnemingen. In beide modellen zijn de regressiecoëfficiënten voor de AMO en ENSO gelijk (AMO: 0,558; ENSO: 0,098).

In het eerste artikel werd de ‘transient climate response’ (tijdelijke klimaatgevoeligheid), kortweg TCR, berekend uit de theoretische opwarming op het moment dat een CO2-verdubbeling plaatsvindt uitgaande van de snelheid van de huidige stijging. Deze methode wordt door het IPCC genoemd. De TCR voor de lineaire trend vanaf 1860 tot een geprojecteerde CO2-verdubbeling is 1,08°C, wat nabij de ‘not very likely’ laagste waarde is die de IPCC noemt.

Een andere vaker toegepaste methode is door gebruik te maken van de formule voor de forcering van 3,7Wm-2 voor een CO2-verdubbeling:

TCR = ∆Tt / ∆Ft x 3,7Wm-2

waarin ∆Ft de verandering van de CO2-forcering in Wm2 en ∆Tt de temperatuurstijging over een bepaalde tijdsperiode t.

∆T werd berekend door een lineaire trendlijn te trekken door de antropogene component uit het multipele regressiemodel voor een gekozen tijdsperiode en vervolgens met de gevonden richtingscoëfficiënt en de tijdsperiode de bijbehorende ∆T te bepalen. ∆F werd berekend met de formule: 5,35 x ln(C/C0), waarin C de CO2 concentratie aan het eind van de gekozen periode en C0 de CO2 concentratie aan het begin van de gekozen periode. Resultaten:

ajbx

De TCR resultaten van het logaritmische model zijn ongeveer vergelijkbaar met die van Van der Werf & Dolman (2014).

Omdat de CO2 concentratie, en dus ln(CO2), exponentieel stijgt betekent dit voor het lineaire model dat TCR steeds kleiner wordt in de tijd. Het volgende plaatje laat dit zien:

ajb19

De stijgende rechte lijn is de lineaire trend, de kromme lijn is de forcering door CO2 die evenredig is met de CO2 concentratie die exponentieel stijgt. In het begin stijgt de lineaire trend sterker dan de forcering, dus de TCR is daar groot, maar aan het eind wordt de forcering veel groter, dus daalt de TCR. Over de laatste 36 jaar is de TCR nog maar 0,74°C, ver onder de laagste waarde die het IPCC opgeeft.

In het logaritmische model blijft de TCR min of meer constant in de tijd. Wat dat betreft zou dit model dus ‘logischer’ zijn dan het lineaire model. Er zijn klimatologische argumenten dat het logaritmische model waarschijnlijker is omdat CO2 nu eenmaal een broeikasgas is waarvan de stralingsforcering van 3,7W/m2 voor een CO2-verdubbeling goed beargumenteerd is. De opwarming zou dan een logaritmische functie van de CO2 concentratie zijn.

Maar als het lineaire model de realiteit weergeeft dan impliceert dit dat de CO2-forcering wordt tegengegaan door negatieve forcering. Dat kunnen aërosolen emissies zijn die gepaard gaan met de CO2-emissies. Een andere mogelijkheid is dat de IPCC aannames over de grootte van de positieve en negatieve terugkoppelingen niet kloppen.

In het onderstaande plaatje is de mondiale temperatuur gecorrigeerd voor de AMO en ENSO coëfficiënten zodat de ‘fit’ van het lineaire en het logaritmische model kan worden beoordeeld:

ajb20

Het lineaire model past beter, van het logaritmische model valt de afwijking vóór 1900 en ná 2000 op. Ook is er een afwijking in 1945-1975. Vooral het deel ná 2000 is van belang: de zogenoemde ‘stagnatie’ van Global Warming, ook de ‘pauze’ genoemd. Het lineaire model geeft de ‘pauze’ wel aan maar het logaritmische model niet:

ajb21

ajb22

Dit is een argument dat het lineaire model beter past. Het argument dat de afnemende zonneactiviteit de ‘pauze’ kan verklaren lijkt niet acceptabel omdat er geen signaal in het residu (na correctie voor AMO, ENSO en antropogeen) overblijft dat op de variërende zonneactiviteit duidt:

ajb23

Het residu heeft een kleine sinusvorm die het gevolg is van een klein verschil tussen de grootte van de gewogen AMO-piek rond het 2e maximum (1930-1950) en de HadCRUT4 temperatuur in die periode.

Multipele regressie waarbij de TSI (Total Solar Irradiance) als extra factor werd toegevoegd leverde een verslechtering op van de correlaties. Verwacht mag worden dat de zon vooral invloed heeft op de oceanen waardoor invloeden op AMO, ENSO en mondiale temperatuur ontstaan die de multipele regressie onbetrouwbaar maken. Daarbij komt dat de theorieën over de invloed van de zon sterk uiteen lopen; sommige gaan uit van de ultraviolet component die invloed heeft op de stratosfeer, andere van effecten van de zonnewind op kosmische straling en wolkenvorming, weer andere van een zeer lange tijdsconstante in de oceanen die zonnewarmte opslaan, en nog weer andere die veronderstellen dat de effecten werken met een tijdsvertraging van een zonnecyclus. Het kiezen van één van die mogelijkheden, namelijk de geringe en directe TSI forcering, zoals het IPCC doet, is hoogst discutabel. Vandaar dat ik in mijn simpele model geen rekening hou met de zon. Maar dat sluit niet uit dat variaties in de zonnestraling geen lange termijn effect zouden hebben.

Welk deel van de opwarming sinds 1979 is natuurlijk en welk deel antropogeen in het lineaire model en het CO2 model? Reden om met 1979 te beginnen is omdat dit het begin was met wereldwijde satelliet observaties van het klimaat en dus de betrouwbaarste gegevens oplevert. Ter informatie: de AMO ging in deze meetperiode naar een maximum. We kijken eerst naar de meetstations aan het oppervlak in de periode 1979-2014. Hieronder is het GCM RCP8.5 model en het logaritmische model uitgezet samen met hun decadale trends. Het logaritmische model en het GCM klimaatmodel leveren vrijwel exact dezelfde trend in deze periode! Bizar. Men zou bijna denken dat het GCM klimaatmodel doelbewust is gekalibreerd op deze periode. Duidelijk is dat het logaritmische model een 1,46x hogere trend levert dan die van de meetstations (HadCRUT4). Dat is een argument tegen het logaritmische model. De trend van het lineaire model daarentegen past, zoals te verwachten is, precies bij de trend van de meetstations:

ajb24

Klimaatmodellen overschatten dus de opwarming zoals gemeten door HadCRUT4 sinds 1979 met bijna 50%. Maar we moeten bedenken dat de klimaatmodellen rekenen met de forceringen van broeikasgassen en aërosolen, niet met de AMO. Dus de overschatting is nog dramatischer. Het logaritmische model geeft het antropogene deel van de opwarming weer plus de AMO-ENSO component (0,106°C/decade voor de periode 1979-2014). De resterende antropogene trend is 0,227-0,106 = 0,121°C/decade, en die waarde moeten we vergelijken met de trend van het GCM model (0,228°/decade). Dan is de overschatting bijna 90%. De menselijke bijdrage aan de opwarming 1979-2014 is in het lineaire model: 0,051/0,156 = 32% en in het logaritmische model: 0,121/0.227 = 53%.

NB: Bob Tisdale vergeleek de gemeten mondiale temperatuur van het zeeoppervlak 1982-2014 met die van het RCP6.0 model waaruit bleek dat de klimaatmodellen de opwarming bijna 2x overschatten. Maar omdat in de metingen de AMO-bijdrage zit is de overschatting nog veel groter.

Hieronder zijn de temperatuurgegevens van de lagere troposfeer (TLT) van satellieten (UAH) en het Lineaire Model uitgezet, samen met hun decadale trends. Ter vergelijking zijn ook de trends van de antropogene component uitgezet (logaritmisch en lineair):

ajb25

Het lineaire model bestaat uit een lineaire component (0,051°C/decade) en een AMO-ENSO component (0,106°C/decade voor 1979-2014) omdat de AMO in 1979-2014 naar een maximum ging. Totaal dus 0,157°C/decade. Deze trend van het lineaire model (dat geënt is op HadCRUT4) is 1.43x groter dan die van de UAH trend. Het lineaire model voor HadCRUT4 past kennelijk niet bij de temperatuur zoals die door satellieten wordt gemeten: deze registreren een aanzienlijk lagere trend (0,110°C/decade), even groot als de AMO-ENSO component (0,106°C/decade). Hieronder meer daarover. Maar wat opvalt is dat de UAH trend kleiner is dan de logaritmische component (0,110 versus 0,121°C/decade). Dat is raar. De logaritmische component stelt namelijk alleen maar antropogene forcering voor, zonder AMO&ENSO. Is dit een argument dat het logaritmische model niet deugt?

We onderzoeken dit nader met multipele regressie van de UAH temperatuur op AMO, ENSO en CO2. Het blijkt dat de temperatuur van UAH volledig verklaard kan worden met alleen de AMO en ENSO. De antropogene component (logaritmisch of lineair) is nul. Zie onderstaande afbeelding.

ajb26

De satellieten registreren duidelijk het AMO en ENSO signaal, maar waarom geen antropogene component?

Ter vergelijking zijn het lineaire model en het logaritmische model van de meetstations (HadCRUT4) in het plaatje hieronder uitgezet. Het enige verschil tussen de 3 modellen is de antropogene trend (de regressiefactoren voor AMO & ENSO verschillen onderling nauwelijks). Kennelijk is de antropogene trend afwezig in de satellietmetingen.

ajb27

Omdat de periode van 36 jaar waarover de multipele regressie werd uitgevoerd nogal kort is moeten we voorzichtig zijn met interpreteren. Maar het resultaat met de UAH temperatuur vraagt om een verklaring. Is er iets mis met de satellietgegevens? Dat is niet waarschijnlijk: de UAH satelliet levert vrijwel dezelfde temperatuurtrend als de RSS satelliet, en satellietgegevens worden als de meest betrouwbare gezien. Is er dan iets mis met de historische en recente HadCRUT4 gegevens?

De situatie wordt nog gecompliceerder als we de zogenoemde ‘amplificatie in de troposfeer’ erbij betrekken. Klimaatmodellen voorspellen namelijk dat er een ‘hotspot’ moet zijn in de bovenste lagen (7-13 km) van de troposfeer als gevolg van convectie en positieve waterdampfeedback. Dat betekent dat de satellieten, die de TLT tussen 0 en 12km scannen (met concentratie op 3km), een 20% hogere temperatuurtrend moeten tonen dan die van de meetstations aan het oppervlak, en dat is niet het geval, zelfs niet met de verbeterde versie 6 van UAH . Volgens sommige onderzoekers is dit een aanwijzing dat klimaatmodellen niet kloppen. Het is ook mogelijk dat er een signaal zit in de oppervlaktetemperatuur van meetstations dat bovenop het broeikasgas-gerelateerde signaal komt. Zou dat het, volgens velen onderschatte, Urban Heat Island effect kunnen zijn? Of zijn het misschien de talrijke ‘correcties’ van de historische temperatuur, achteraf toegepast, die de trend van de oppervlaktetemperatuur hebben opgekrikt? :

ajb29

Of heeft het iets te maken met de omkering van de trend in DTR (‘diurnal temperature range’: Tmax – Tmin) op de continenten sinds halverwege 1980:

ajb30

De vingerafdruk van broeikasgassen is dat de nachttemperatuur sneller stijgt dan de dagtemperatuur. Dat klopt met de DTR van 1900-1985, maar van 1985-2014 stijgt de dagtemperatuur sterker en dat wijst op iets anders. De satellietmetingen komen grotendeels uit deze periode. De volgende keer meer hierover.

Terug naar de vraag of het lineaire dan wel het logaritmische model beter past bij de satellietgegevens dan is het antwoord: geen van beiden. Beide modellen zijn gefit op de oppervlaktetemperatuur van meetstations. Als de trend van de oppervlaktetemperatuur hoger is dan die op gemiddeld 3km hoogte dan kunnen we de modellen niet gebruiken. Wel is het zo dat het logaritmische model met de jaren exponentieel sterker gaat afwijken van de satellietmetingen en dus steeds sterker uit de pas gaat lopen. Over een aantal jaren kunnen we het antwoord met grotere zekerheid geven.

De resultaten met de Arctische temperatuur en zeeijs (het tweede artikel), lijken de conclusie, dat het lineaire model de voorkeur heeft, te bevestigen. Multipele regressie bleek geen verschil tussen het logaritmische model en het lineaire model op te leveren omdat de antropogene trend zo laag is: slechts 0,037°C/decade.

Bob Tisdale liet zien dat de SST (sea surface temperature) van de Noord-Atlantische Oceaan (het AMO gebied) in de periode 1981-2014 veel sterker opwarmde dan de SST van de rest van de oceanen, namelijk 0,22°C/decade versus 0,06°C/decade. Dat is wel te verwachten omdat de AMO in deze periode richting een maximum ging. Maar wat eigenlijk het verrassende is, is dat de rest van de oceanen (zonder de Noord-Atlantische) maar 0,06°C/decade opwarmden. Het RCP6.0 model geeft 0,16°C/decade voor alle oceanen en 0.18°C/decade voor de Noord-Atlantische (die 12% uitmaakt van alle oceanen). Als we 12% van 0,18 aftrekken van 0,16 krijgen we 0,14°C/decade voor de rest van de oceanen. Dat is 2,3 maal zo veel als de metingen (0,06°C/decade) aangeven. Hoe is het mogelijk dat de klimaatmodellen de opwarming zo enorm overschatten?

Ze zijn vermoedelijk gekalibreerd op de Arctische temperatuur en de temperatuurstijging in de 2e helft van de 20e eeuw.  In zijn vergelijking van modellen en waarnemingen concludeert Bob Tisdale: de recente klimaatmodellen simuleren de opwarming in the Noord-Atlantische en de Arctische Oceaan goed, maar in de rest van de oceanen wordt de opwarming flink overschat. Het doel van de modellenmakers is duidelijk: ze probeerden de opwarming in de Arctische Oceaan en de Continenten op het Noordelijk Halfrond te simuleren zodat de afname in het zeeijs kon worden verklaard. Het gevolg is dat de opwarming in de rest van de wereld veel te hoog uitkomt.

U snapt het al: de klimaatmodellen houden geen rekening met de invloed van de AMO op de Noordpool en schrijven de Arctische opwarming toe aan antropogene factoren; daardoor gaan de simulaties volledig mank.

Tung & Zhou (2013) gebruikten multipele regressie van de mondiale temperatuur (HadCRUT4) op 4 factoren (AMO, ENSO, zonneactiviteit en vulkanisme) en hielden na aftrek van deze 4 factoren van de mondiale temperatuur een lineaire trend over van 0,068°/decade over de periode 1910-2011. Ons simpele 2 factoren lineaire model geeft over deze periode een lineaire trend van 0,062°/decade, wat aardig overeenkomt met het resultaat van Tung & Zhou.

De meeste argumenten pleiten dus voor het lineaire model. Maar de CO2 forcering van 3,7Wm-2 voor een CO2-verdubbeling is goed beargumenteerd en samen met negatieve aerosol forceringen leidt dat tot een logaritmische trend. Lineariteit zou kunnen ontstaan door een, samen met CO2 emissies, toenemende aërosolen emissie (hoewel die juist lijkt af te nemen) of een veranderende balans tussen positieve en negatieve feedback factoren. Feedback speelt een grote rol in de opwarmingstheorie. Het effect van een CO2-verdubbeling is namelijk slechts 1,1°C maar talrijke positieve en negatieve feedbackfactoren zullen reageren op deze temperatuurstijging en deze versterken of verzwakken. De formule voor de temperatuurstijging bij een CO2-verdubbeling is:

∆T2xCO2 = ∆F ∙ λ0 / (1 – f)

waarin ∆T2xCO2 de temperatuurstijging bij CO2-verdubbeling, ∆F de forcering in Wm-2  voor CO2-verdubbeling,  λ0 de klimaatgevoeligheid zonder feedback (0,3°C/Wm-2) en f de som van de positieve minus de som van de negatieve feedback.

Als we de forcering van een CO2-verdubbeling (3.7 Wm-2) invullen voor ∆F en f=0 (geen feedback) dan krijgen we ∆T2xCO2   = 1,1°C, de waarde zoals hiervoor genoemd. Als f > 0 dan overheerst de positieve feedback. In klimaatmodellen wordt verondersteld dat de positieve feedback domineert. Bij f=0,65 krijgen we  ∆T2xCO2   = 3,2°C (dit is exclusief de afkoelende effecten van aërosolen). Maar als we f = 0,25 invullen dan wordt  ∆T2xCO2   = 1,5°C, dat scheelt nogal wat. En als negatieve feedback overheerst (f<0) dan wordt  ∆T2xCO2   < 1,1°C.

Het punt is hier dat met name over die feedbacks grote onzekerheid bestaat. Negatieve feedback die heel slecht begrepen wordt is bijvoorbeeld convectie met de daarmee samenhangende wolkenvorming en neerslag. Als er sprake is van een grotere en geleidelijk toenemende negatieve feedback zou de geringe opwarming en de in de huidige analyse gevonden lineariteit van de temperatuurstijging kunnen worden verklaard. In de mix van positieve en negatieve feedbacks domineert nu de positieve feedback vooral als gevolg van een verondersteld toenemend gehalte aan waterdamp. Maar er is weinig concreet bewijs hiervoor.

Wat zijn de consequenties? Als het lineaire model geldig is dan wordt de projectie over de nog te verwachten opwarming tot het jaar 2100 veel lager dan die van de IPCC modellen. En als satellieten ‘gelijk hebben’ dan bestaat de opwarming alleen uit AMO en ENSO:

ajb31

Volgens het model van lineaire antropogene forcering blijft de opwarming aan het eind van deze eeuw ver onder de twee graden doelstelling. Volgens het logaritmische model komen we hoger uit: 2,3 graden sinds 1860.
Deze projecties zijn alleen geldig als er verder niets in het klimaatsysteem verandert en als de atmosferische CO2 concentratie blijft stijgen zoals het in de afgelopen 50 jaar al deed. Wereldwijde reductie van de CO2-uitstoot zou de projecties wat naar beneden kunnen bijstellen.

Conclusies:
• de CMIP5 klimaatmodellen houden geen rekening met de AMO en overschatten daarom de opwarming. De opwarming van 1979-2014 volgens meetstations (HadCRUT4) wordt met 90% overschat. De overschatting van de opwarming volgens satellietgegevens is zelfs een veelvoud daarvan.
• de menselijke bijdrage aan de mondiale opwarming van 1979-2014 volgens meetstations in 1979-2014 is slechts 32% als we uitgaan van een lineaire antropogene bijdrage, en 53% uitgaande van een logaritmische stralingsforcering. De temperatuurgegevens van satellieten tonen een nog veel kleinere menselijke bijdrage.
• De opwarmingstrend sinds 1979 zoals gemeten door satellieten is lager dan op grond van een logaritmische stralingsforcering verwacht mag worden: de opwarming kan volledig verklaard worden met de combinatie van AMO en ENSO.
• Het lineaire model van stralingsforcering en opwarming lijkt beter te passen bij de waarnemingen van meetstations dan het logaritmische model.