Gastartikel door Willis Eschenbach
WhatsUpWithThat 14 oktober 2022
Sinds enige tijd gebruik ik een merkwaardig soort puntenwolk. Figuur 1 is een voorbeeld. Het toont de relatie tussen de oppervlaktetemperatuur en de effecten van wolken op de oppervlaktestraling. Wolken kunnen het oppervlak opwarmen of afkoelen, afhankelijk van plaats, tijd en type. Dit fenomeen wordt het ” Cloud Radiative Effect” (CRE) genoemd.
De hoeveelheid straling die wolken opwarmen of afkoelen (het CRE) wordt gemeten in watt per vierkante meter (W/m2). Positief betekent dat wolken het oppervlak opwarmen, en negatief dat wolken het oppervlak afkoelen. Wereldwijd (als oppervlakte-gewogen gemiddelde) koelen wolken het oppervlak af met ongeveer – 21 W/m2.
Figuur 1. Fig.1 Scatterplot, oppervlaktetemperatuur (horizontale x-as) versus netto stralingseffect van wolken (verticale y-as). Het geeft een nieuwe betekenis aan het woord “niet-lineair”.
Waar kijken we naar in figuur 1? Elke blauwe stip vertegenwoordigt een rastercel van 1 breedtegraad bij 1 lengtegraad ergens op het aardoppervlak. Elke stip is horizontaal geplaatst ten opzichte van de gemiddelde temperatuur over 21 jaar en verticaal ten opzichte van het stralingseffect van de wolken over 21 jaar. De geel/zwarte lijn is een LOESS smoothing die de algemene trend van de gegevens weergeeft.
Bijzonder interessant is dat de helling van de geel/zwarte lijn aangeeft hoeveel het wolkenstralingseffect verandert per 1°C temperatuursverandering. Uit figuur 1 blijkt dat wolken in het algemeen de koudste gebieden van de planeet opwarmen. Rastercellen in de ~ 10% van de planeet waar de gemiddelde jaartemperatuur lager is dan -5°C worden door wolken opgewarmd.
In warmere gebieden daarentegen koelen wolken het oppervlak af. En wanneer de temperatuur boven ongeveer 25-26°C komt, neemt de afkoeling door wolken sterk toe met toenemende temperatuur. In die gebieden neemt voor elke extra graad temperatuur de afkoeling door wolken toe met maximaal -15 W/m2. Dit komt door de snelle toename boven 26°C van het aantal, de omvang en de kracht van thermisch aangedreven onweersbuien in de warme natte tropen. Figuur 2 laat zien laat zien hoe de onweersbuien het warme water volgen.
Figuur 2. De onweersintensiteit wordt weergegeven met kleuren (de wolkentophoogte is een maat voor de sterkte van het onweer). De grijze contourlijnen tonen temperaturen van 27, 28 en 29°C.
Hieruit blijkt dat onweersbuien bij voorkeur ontstaan boven de hot spots en dat zij feitelijk de temperatuurstijging in die gebieden begrenzen. Dit is de oorzaak van het feit dat niet meer dan 1% van het aardoppervlak (en vrijwel geen enkele open oceaan) een gemiddelde jaartemperatuur van meer dan 30°C heeft.
Rastercel puntenwolken hebben zeer waardevolle eigenschappen. Een daarvan
is dat de methode kijkt naar gemiddelden op langere termijn. In figuur 1 bijvoorbeeld zijn dit de gemiddelde temperaturen per rastercel vanaf het jaar 2000. Bijgevolg omvatten de temperaturen per rastercel alle mogelijke verschillende terugkoppelingen en het merendeel van de trage reacties op veranderende omstandigheden. En zo kunnen we vragen beantwoorden als “hoe zullen de wolken reageren als de temperaturen langzaam toenemen” ? Alarmisten willen u doen geloven dat de opwarming zal toenemen door de terugkoppeling van wolken.
Maar figuur 1 vertelt een veel complexer en genuanceerder verhaal. De helling van de geel/zwarte lijn toont de verandering van CRE als reactie op een temperatuursverandering van 1°. Als de helling naar rechts afloopt, laat dat zien dat de omvang van de door de wolken veroorzaakte afkoeling toeneemt naarmate de temperatuur stijgt. De CRE wordt negatiever, de de wolken zorgen voor meer afkoeling.
Er zijn slechts twee plaatsen waar de wolken een onderliggende opwarming versterken. Dat zijn de gebieden in figuur 1 waar de geel/zwarte lijn naar rechts oploopt. Het betreft de 3% van het oppervlak dat kouder is dan -20°C, en de ~30% van de aarde met een gemiddelde temperatuur tussen 15°C en 25°C. In totaal is dat ongeveer een derde van de planeet. Bij alle andere temperaturen zullen rastercellen een toenemende afkoeling door wolken vertonen naarmate ze opwarmen, met name in het deel van de aarde dat gemiddeld boven de 25°C warm is. Conclusie: slechts een derde van de aarde heeft een opwarmende wolkenfeedback die bovendien niet zo sterk is. Twee derde van de aarde heeft een afkoelende wolkenfeedback, en bovendien is de afkoelende feedback veel sterker dan de opwarmende feedback.
We kunnen dus stellen dat de wolkenfeedback gemiddeld negatief is en niet positief. Uit een oppervlakte-gewogen gemiddelde van bovenstaande gegevens blijkt dat de wolken gemiddeld -3,2 W/m2 afkoelen voor elke graad C opwarming. (In werkelijkheid zal de totale wolkenreactie kleiner zijn dan dat, omdat de warmste gebieden op aarde waar de wolkenfeedback het grootst is, over het algemeen niet veel zullen opwarmen).
Nu heb ik hierboven gesteld dat deze methode ons het antwoord op lange termijn pas geeft nadat bijna alle verschillende terugkoppelingen, langzame opwarming en aanpassingen hebben plaatsgevonden. Dat het niet gaat om een korte termijn-reactie van de wolken op de oppervlaktetemperatuur maar om de lange termijn, de stabiele respons. Het laat de lange termijn respons van wolken zien bij 1°C opwarming, gedetailleerd van polen tot de tropen.
Wat je er tegenin zou kunnen brengen is dat een langzame thermische aanpassing van de meest recente opwarming nog niet helemaal heeft plaatsgevonden. Dat is mogelijk, maar dat zal waarschijnlijk weinig verschil maken. Logisch denken zegt me dat dat de helling van de gele lijn in figuur 1 vrijwel onveranderd zal laten. Althans, dat zegt mijn logica. Maar ik heb altijd de voorkeur gegeven aan meetgegevens boven logica. Na enig nadenken besefte ik dat ik dit kon testen door kortere gemiddelden van de CERES-gegevens te nemen in plaats van het volledige 21-jarige gemiddelde. Daarom heb ik vijfjarige gemiddelden van de 21-jarige CERES-gegevens gebruikt. Ter vergelijking heb ik ze op dezelfde schaal uitgezet als in figuur 1.
Figuur 3. LOESS smooths van de puntenwolken van vier geselecteerde subsets van de CERES-gegevens. De onderliggende puntenwolkgegevens worden niet getoond.
Zoals u kunt zien, liggen de gladde LOESS-trendlijnen van alle vier de rastercel puntenwolken zo dicht bij elkaar dat ze elkaar bedekken. Dit toont duidelijk aan dat een puntenwolk inderdaad de lange termijnrelatie tussen de twee variabelen van belang toont. Het wordt nauwelijks beïnvloed door de veranderingen in CRE en temperatuur tussen de periodes van 5 jaar. Ik laat het hierbij, en kom in het volgende bericht terug op wat ik heb geleerd van andere rastercel puntenwolken.