Geen versnelling in zeespiegelstijging

Tot nu toe zijn hier vier artikelen verschenen over de geruchtmakende publicatie van Steffelbauer et al (2022): hier, hier, hier en hier. De reconstructie en analyse van de publicatie was al met al een hele kluif. Waarom staken we toch zoveel tijd en moeite in deze materie? Vooral omdat de claim van het Delftse onderzoeksteam zeer ambitieus was: er zou sprake zijn van een versnelling in de zeespiegel voor de Nederlandse kust die niet zichtbaar is in de gemeten data.


Fig.1 Maanddata ensemble 6 hoofdstations Nederlandse kust. Data: PSMSL

Die onzichtbare trendbreuk zou rond 1993 moeten liggen. Bij diegenen die zich bezig houden met zeespiegelcijfers gaat er dan onmiddellijk een belletje rinkelen. Vanaf 1993 komen namelijk zeespiegeldata beschikbaar gebaseerd op satellietmetingen. Opvallend is dat die satellieten een veel grotere zeespiegelstijging meten (ongeveer 3 mm/jaar) dan de langjarige meetreeksen van  getijdestations (ongeveer 1,5 mm/jaar). Die getijdestations meten al vanaf de 19e eeuw de hoogte van de zeespiegel. Zie artikelen over beide typen metingen hier en hier.

Die discrepantie tussen getijdemetingen en satellietmetingen is in de wetenschappelijke wereld een dankbare bron van onderzoek. Meestal betekent dit dat men tracht aan te tonen dat de satellietdata de juiste zijn (soms door de getijdemetingen vanaf 1993 te negeren). Een versnelling in de zeespiegelstijging zou perfect passen in de doemscenario’s rondom klimaatverandering, klimaatverandering is immers ‘hot’.

Vandaag ligt het finale artikel over de vermeende zeespiegelversnelling aan de Nederlandse kust voor u. Collega Jan Ruis is diep in de statistiek van de Delftse paper gedoken en vond opmerkelijke zaken:

Significante trendbreuken in het Steffelbauer trendbreuk-interval

Tabel 1.  Trends met standaardfout en p-waarden van het trendverschil in het interval 1993 ± 11 maanden voor 8 stations. Rode p-waarden betekenen dat k2 kleiner is dan k1, dus dat de trend na de breuk lager is.

k1=trend met standaardfout vóór de breuk; k2= trend met standaardfout nà de breuk; p=tweezijdige overschrijdingskans van de t-waarde. De t-waarde werd bepaald met:

waarin b1 als de trend nà de breuk en b2 de trend vóór de breuk (zodat een lagere trend nà de breuk een negatieve t-waarde oplevert (rood in Tabel 1). Sb1 en Sb2 zijn de standaardfout van trend b1 en b2. De standaardfout van de trend werd bepaald met:

Gebruikt zijn de onbewerkte maandelijkse getijdereeksen van Steffelbauer. k1 en k2 zijn de trends met standaardfout p voor en na de datum in de linker kolom. Voorbeeld: Delfzijl sep ’92: k1 is de trend van januari 1919 t/m september 1992, k2 is de trend van oktober 1992 t/m december 2018; p is de overschrijdingskans voor het verschil tussen k2 en k1: hier is k2 significant hoger dan k1 (p<0,001).

Steffelbauer geeft alleen zeer summiere trenddata waarin alle stations een significant hogere trend vertonen na de veronderstelde gemeenschappelijke breuk ergens in het interval september 1992 – juli 1994:


Figuur 2. Table 1 uit het TU Delft artikel toont de geschatte zeeniveau trends  van de individuele stations voor (k1 ) en na (k2 ) het gemeenschappelijke breekpunt t∗, met hun overeenkomstige 95% betrouwbaarheidsintervallen.

Vele trendwaarden en standaardfouten in figuur 2 wijken echter af van die in onze tabel 1, met als enige uitzonderingen k1 van Hoek van Holland en k2 van Vlissingen, Den Helder en Cuxhaven. De andere trendwaarden liggen ver buiten het interval in tabel 1. Dat wekt verbazing. Wellicht zijn de verschillen geheel of deels te wijten aan wat in de legenda van figuur 2 staat: geschatte trends (“estimated SLR”). Hieruit wordt niet duidelijk wat er precies is gedaan. De kleine verschillen in de standaardfout hebben weinig effect maar de verschillen in de trend zijn significant.

De claim van de TU Delft auteurs is dus dat alle stations een trendbreuk vertonen in het interval september 1992-juli 1994 met een significant hogere trend na de trendbreuk. Volgens tabel 1 geldt dat echter niet voor IJmuiden. Den Helder vertoont alleen een significant hogere trend in de eerste 8 maanden van het 23-maandsinterval, Hoek van Holland alleen in de eerste 9 maanden en Maassluis in de eerste 14 maanden. Met uitzondering van IJmuiden zijn de trends na de breuk ergens in het interval van 11 maanden rond augustus 1993 dus significant hoger in alle stations.

De hamvraag is dan: hoe zeldzaam zijn deze trendbreuken? De TU Delft auteurs hebben de maandelijkse getijreeksen namelijk sterk gecorrigeerd. Mogelijk tonen deze gestripte reeksen op veel meer datums significante trendbreuken.  Om deze vraag te beantwoorden is tabel 1 uitgebreid naar 1928 t/m 2009 en de berekende t-waarden van de trendverschillen grafisch uitgezet (figuur 2):

Figuur 3. De t-waarden van de trendverschillen van het geëxtraheerde maandelijkse zeeniveausignaal in acht stations in de periode 1928 t/m 2009. De TU Delft auteurs claimen dat er na het gemarkeerde verticale interval rond augustus 1993 alle stations een hogere trend hebben dan ervoor.

De grafieken in figuur 3 geven een overzicht van de significantie en het teken van de trendverschillen voor en na een bepaalde datum (maand-jaar). Een t-waarde > +1,96 betekent dat de trend na deze datum significant hoger is dan ervoor, een t-waarde < -1,96 betekent dat de trend na deze datum significant lager is dan ervoor. De significantiegrenzen zijn aangegeven met de rode streepjeslijnen. Waar het om gaat is dat de TU Delft auteurs beweren dat er na het 23-maands interval (gecentreerd rond augustus 1993) alle stations een robuust hogere trend vertonen dan voor dit interval.

Bij de meeste stations in figuur 3 zijn de t-waarden over de gehele periode significant hoog dan wel laag. Dit betekent dat er op zeer vele datums sprake zou zijn van significante trendbreuken, iets wat niet alleen opmerkelijk maar ook hoogst onwaarschijnlijk is. Ook is er in figuur 3 geen robuust hogere trend na 1993: in alle stations daalt de t-waarde daarna sterk; in Den Helder, IJmuiden, Hoek van Holland, Vlissingen, Maassluis en Cuxhaven wordt de t-waarde kort na 1993 zelfs negatief wat op een vertraging duidt.

Voor Delfzijl zou er van 1940 tot 1990 sprake zijn van een versnelling want de t-waarde is positief en loopt verder op. Voor Harlingen geldt min of meer hetzelfde hoewel de piek rond 1945 afwijkt (daarover later meer). Voor IJmuiden is de t-waarde vrijwel overal negatief hetgeen zou betekenen dat er sprake is van een overall vertraging in het zeeniveau. Voor Vlissingen geldt min of meer hetzelfde patroon, maar van 1974 – 1996 zou er een tijdelijke versnelling zijn. Voor Den Helder schommelt de t-waarde steeds rond nul hetgeen betekent dat er geen sprake zou zijn van een langdurige versnelling of vertraging. In Hoek van Holland is er in het interval 1954 – 1980 en 1988 – 1993 een versnelling; rond 1993 is de t-waarde slechts korte tijd significant positief en is er geen sprake van een robuuste versnelling na 1993. Voor Maassluis geldt ongeveer hetzelfde als Hoek van Holland en voor Cuxhaven ongeveer hetzelfde als Vlissingen.

Conclusie: er is na 1993 geen robuuste versnelling in het zeeniveau in alle stations. In Delfzijl en Harlingen gelden wellicht lokale omstandigheden die de versnelde stijging in het zeeniveau na 1993 kunnen verklaren.

Uit figuur 3 zijn ook andere gemeenschappelijke trendbreuken af te leiden, zoals in september 2001 waarna Den Helder, IJmuiden, Hoek van Holland, Vlissingen en Cuxhaven een significante trend-daling tonen, terwijl de trend in Delfzijl en Harlingen dan niet significant verandert. Anders gezegd: met cherry picking kan men uit de reeksen van Steffelbauer verschillende conclusies trekken.

De Steffelbauer reeksen nader bekeken

Hoe kan het dat op zovele tijdstippen significante trendbreuken in de Steffelbauer reeksen? We nemen station Harlingen als voorbeeld om te zien welk resultaat de Steffelbauer correcties op de originele PSMSL getijreeksen hebben. De ruwe data zijn door Steffelbauer zodanig bewerkt dat de standaardfout (een spreidingsmaat) ongeveer 7 maal kleiner is geworden:

Figuur 4. Links: de oorspronkelijke maandelijkse PSMSL getijreeks van Harlingen. Rechts: resultaat van de correcties die TU Delft toepaste op de oorspronkelijke getijreeks.

Met name de seizoenscorrecties hebben geleid tot een grote reductie van de standaardfout. Hieronder de maandelijkse reeks (links) versus de jaarlijkse reeks (figuur 5):

Figuur 5. Maandelijkse (links) en jaarlijkse (rechts) zeeniveau’s van Harlingen. De standaardfout in de jaarlijkse reeks is 3,4 maal groter dan in de maandelijkse reeks.

Er is vrijwel geen verschil tussen de maandelijkse (links) en de jaarlijkse (rechts) reeks, maar de jaarlijkse reeks is wel 12x korter en als gevolg is de standaardfout 3,4 maal groter. De vraag dringt zich op waarom de TU Delft auteurs dan niet gelijk de jaarlijkse reeksen hebben genomen als deze vrijwel identiek zijn. Het resultaat is namelijk dat er in de seizoensgecorrigeerde maandreeksen statistische artefacten ontstaan en er op zeer veel datums significante trendverschillen optreden (figuur 3). Aangezien de t-waarde omgekeerd evenredig is met de standaardfout (die vooral door de seizoenscorrectie sterk is gereduceerd) ontstaan er immers in vele maanden significante trendverschillen die zich echter niet op die tijdstippen voordoen in de jaarreeksen zoals tabel 2 toont:

Tabel 2. Trendverschillen in de jaarreeksen (in plaats van maandreeksen zoals in Tabel 1). Alleen Delfzijl en Harlingen tonen nu significant stijgende trends vanaf 1993.

Dit resultaat falsifieert de claim van de TU Delft auteurs. De door hen gerapporteerde algemene versnelling na 1993 is het gevolg van een statistisch artefact vooral als gevolg van de filtering van seizoensvariaties.

Scatterplot sensitivity

Gastartikel door Willis Eschenbach
WhatsUpWithThat  21 oktober 2022

Dit is het derde bericht over het gebruik van 1° breedtegraad bij 1° lengtegraad rastercel puntenwolken. In het eerste bericht, Global Scatterplots, werd gekeken naar een rastercel-puntenwolk van het stralingseffect van wolken versus de temperatuur. Het CRE meet in welke mate wolken het oppervlak opwarmen of afkoelen door de combinatie van hun effecten op kortegolfstraling (zon) en langegolfstraling (warmte).

Figuur 1. Puntenwolk, oppervlaktetemperatuur versus netto stralingseffect van wolken aan het oppervlak. Geeft een nieuwe betekenis aan het woord “niet-lineair”. De helling van de geel/zwarte lijn toont de verandering in CRE voor elke verandering van 1°C in temperatuur. Let op de snelle versterking van de wolkenafkoeling boven ongeveer 25°C.

Het tweede bericht, Solar Sensitivity, gebruikte dezelfde methode om het verband te onderzoeken tussen beschikbare zonne-energie (top-of-atmosphere [TOA] zon minus albedo reflecties) en temperatuur. Hier is de grafiek uit dat artikel:

Figuur 2. Puntenwolk, oppervlaktetemperatuur per gridcel versus beschikbaar zonne-energie. Aantal rastercellen = 64.800. De cyaan/zwarte lijn toont de LOESS smoothing van de gegevens. De helling van de cyaan/zwarte lijn toont de verandering in temperatuur voor elke verandering van 1 W/m2 in beschikbare zonne-energie. De gegevens in dit bericht zijn gemiddelden van de volledige 21 jaar CERES-gegevens.

De helling van de cyaan/zwarte lijn toont de verandering in oppervlaktetemperatuur per W/m2 in beschikbare zonne-energie. Bij deze lijn zijn de drie min of meer lineaire stukken van belang, met name de rechter. In dat deel verhoogt extra zonne-energie de temperatuur niet.

Figuur 3 hieronder toont de helling van de cyaan/zwarte lijn ten opzichte van de beschikbare zonne-energie.

Figuur 3. Helling van de trendlijn in figuur 2. Dit toont de verandering in de temperatuur versus beschikbare zonne-energie.

Deze manier om naar de gegevens te kijken is van groot belang omdat ze lange termijnrelaties tussen de variabelen aan het licht brengt. Elke rastercel heeft duizenden jaren de tijd gehad om in een evenwichtssituatie te raken tussen de huidige temperatuur en beschikbare zonne-energie. Als we dus kijken naar de temperaturen van zowel nabije als verafgelegen rastercellen met een iets ander beschikbaar zonnevermogen, zien we lange termijnrelaties tussen zon en temperatuur, en niet wat er gebeurt bij een snelle verandering.

Bovendien is het van waarde omdat de helling relatief ongevoelig is voor veranderingen in de gemiddelde temperatuur of het gemiddeld beschikbare zonvermogen. Veranderingen in de gemiddelde temperatuur doen de cyaan/zwarte lijn slechts op en neer gaan, maar dit veroorzaakt weinig verandering in de helling van de cyaan/zwarte lijn.

Evenzo verplaatsen veranderingen in de gemiddelde zonnestand de cyaan/zwarte lijn naar links of rechts. En veranderingen in zowel de gemiddelde temperatuur als de gemiddelde zon verschuiven de gegevens diagonaal … maar geen van deze veranderingen is van significante invloed op de variabele van belang: de helling van de cyaan/zwarte lijn.

In dit artikel wil ik kijken naar het verband tussen de zeer slecht genaamde “broeikas”-straling en de oppervlaktetemperatuur. Wat is nu eigenlijk broeikasstraling? Alle vaste objecten, inclusief de aarde, zenden warmtestraling uit. Een deel van de straling van de aarde gaat direct de ruimte in. Maar een ander deel wordt geabsorbeerd door de atmosfeer. Deze geabsorbeerde langgolvige straling wordt in alle richtingen teruggestraald, waarbij ongeveer de helft naar boven gaat en de andere helft terug naar de aarde. Deze neerwaartse (op de aarde gerichte) langgolvige straling wordt “broeikasstraling” genoemd.

Een slimme man, Ramanathan, wees erop dat we de hoeveelheid broeikasstraling vanuit de ruimte kunnen meten. Voor elke rastercel nemen we de hoeveelheid straling die aan het oppervlak wordt uitgezonden. Daarvan trekken we de straling af die naar de ruimte ontsnapt. De rest is wat door de atmosfeer is geabsorbeerd en naar beneden is gericht – de broeikasstraling.

Ik was benieuwd wat er gebeurt met de oppervlaktetemperaturen als de broeikasstraling verandert. Maar dan dient zich een probleem aan. De hoeveelheid broeikasstraling verandert als de oppervlaktetemperatuur verandert. Als het oppervlak warmer is en meer straalt, wordt er meer geabsorbeerd door de atmosfeer, met als gevolg dat de broeikasstraling toeneemt.

Om dat probleem te tackelen kunnen we het broeikaseffect uitdrukken als percentage van de opwaartse (naar de ruimte gerichte) langgolvige straling vanaf het oppervlak. Hierdoor wordt het directe effect van de oppervlaktetemperatuur op de broeikasstraling buiten beschouwing gelaten. Figuur 4 toont het resulterende verband tussen de oppervlaktetemperatuur en het broeikaseffect als percentage van de opwaartse straling.


Figuur 4. Scatterplot, oppervlaktetemperatuur per rastercel versus percentage broeikasstraling. Aantal rastercellen = 64.800. De rood/zwarte lijn toont de LOWESS gladheid van de gegevens. De helling van de cyaan/zwarte lijn toont de verandering in temperatuur voor elke verandering van 1 W/m2 in beschikbare zonnestraling. De weinige negatieve rastercellen bevinden zich aan de polen, en tonen het effect van de invoer van warmte uit de tropen. Hier is de overeenkomstige grafiek van de helling, nadat de percentages zijn terugvertaald in W/m2:


Figuur 5. Helling van de trendlijn in figuur 4. Het toont de verandering in de temperatuur voor een verandering van 1 W/m2 in de broeikasstraling.

De grafiek vertoont zowel overeenkomsten als verschillen met de opwarming als gevolg van veranderingen in de beschikbare zonne-energie in figuur 3 hierboven. Beide beginnen hoog aan de linkerkant, en beide eindigen met een lage onveranderlijke helling aan de rechterkant. De broeikasopwarming in figuur 5 is echter in het middendeel veel groter. Dat leidt tot een mondiale oppervlaktegewogen gemiddelde klimaatgevoeligheid van 0,58°C per W/m2 extra broeikasstraling, wat weer op zijn beurt overeen komt met ongeveer 2°C per verdubbeling van CO2. Dat is ongeveer dezelfde ECS (equilibrium climate sensitivity) die Nic Lewis heeft gevonden in zijn recente publicatie “Objectively combining climate sensitivity evidence”:

The resulting estimates of long-term climate sensitivity are much lower and better constrained (median 2.16 °C, 17–83% range 1.75–2.7 °C, 5–95% range 1.55–3.2 °C) than in Sherwood et al. and in AR6 (central value 3 °C, very likely range 2.0–5.0 °C).

Ten slotte geeft deze methode een schatting van de klimaatgevoeligheid voor elke rastercel. Dit is een kaart waarop te zien is hoeveel de oppervlaktetemperatuur naar schatting zal veranderen voor elke extra W/m2 broeikasstraling:


Figuur 6. Verwachte temperatuurverandering als gevolg van een toename van 1 W/m2 broeikasstraling.

Dat lijkt logisch. De blauwe gebieden betreffen de ITC (Intertropische Convergentiezone) en de Western Pacific Warm Pool. Ze zijn over het algemeen bedekt met cumulus- en onweerswolken. Deze absorberen de opwaartse straling voor 100% … dus extra CO2 maakt weinig verschil. Bovendien liggen de temperaturen in deze gebieden dicht bij het maximum, dus van veel opwarming door verhoogde broeikas- of zonnestraling zal daar geen sprake zijn.

Er zijn waarschijnlijk nog meer inzichten te halen uit de scatterplots op basis van de CERES data. Maar dit bericht is lang genoeg, dus laat ik het hierbij. Ik weet bijvoorbeeld zeker dat ik betere resultaten kan krijgen door de gegevens onder te verdelen naar noordelijk/zuidelijk halfrond en naar land versus oceaan. Dat zal betere vergelijkingen opleveren. Maar helaas is de tijd die ons gegeven is beperkt.

En zoals gewoonlijk roept wat ik gevonden heb meer vragen op dan antwoorden. Ik beschouw mijn geschriften in zekere zin als mijn doorlopend labboek, waarin ik permanent bijhoud wat ik vind, en u leert over de dingen wanneer en zoals ik ze leer. Het allerbeste voor jullie allemaal, en bedankt voor jullie voortdurende interesse, deelname en kritiek op mijn voortdurende onderzoeken naar de mysteries van dit verbazingwekkende universum.

Willis

Solar Sensitivity

Gastartikel door Willis Eschenbach
WhatsUpWithThat  16 oktober 2022

In mijn vorige bericht, “Global Scatterplots”, heb ik besproken hoe een rastercel-voor-rastercel puntenwolk van de hele aardbol kan worden gebruikt om inzicht te krijgen in het verband tussen twee variabelen. De variabelen die ik in dat artikel besprak waren het wolkenstralingseffect (CRE) als functie van de temperatuur.

Figuur 1 toont de oppervlaktetemperatuur als functie van de hoeveelheid zonne-energie die daadwerkelijk het klimaatsysteem binnenkomt. Deze beschikbare zonne-energie is de top-of-atmosphere (TOA) zonne-energie, minus de “albedo reflecties”, de hoeveelheid zonlicht die door de wolken en het oppervlak naar de ruimte wordt teruggekaatst.

Figuur 1. Puntenwolk, oppervlaktetemperatuur per rastercel versus beschikbaar zonne-energie. Aantal rastercellen = 64.800. De cyaan/zwarte lijn toont de LOESS smoothing van de gegevens. De helling van de cyaan/zwarte lijn toont de verandering in temperatuur voor elke verandering van 1 W/m2 in beschikbare zonne-energie. De gegevens in dit bericht zijn gemiddelden van de volledige 21 jaar CERES-gegevens.

Ik heb al eerder gezegd dat ik dol ben op verrassingen vanuit de wetenschap. De verrassing voor mij was dat er in figuur 1 drie heel verschillende regimes te zien zijn. De linkerkant van de grafiek, onder ongeveer 100 W/m2 beschikbare zonne-energie, toont de gebieden nabij de polen waar weinig zonne-energie beschikbaar is. In die gebieden stijgt de temperatuur zeer snel met toenemende zonne-energie.

Dan is er een lang, eigenlijk rechtlijnig deel van ~ 100 W/m2 beschikbare zonne-energie tot ongeveer 300 W/m2. En tenslotte, vanaf ongeveer 310 W/m2 tot 360 W/m2 is er een vlakke rechte lijn, zonder enige helling. Dat laatste was voor mij de grootste verrassing. Zodra het gemiddelde beschikbare zonnevermogen boven 310 W/m2 is, kun je tot 50 W/m2 extra toevoegen zonder dat de oppervlaktetemperatuur ook maar iets stijgt. En vergeet niet, dat zijn geen korte termijn veranderingen, dat zijn de effecten van 50 W/m2 extra toegepast over decennia en eeuwen. (zie update)

Een toename van 3,7 W/m2 door een verdubbeling van CO2 zou een temperatuurstijging van 3°C veroorzaken. Maar hier is een deel van de wereld waar zelfs een verandering van 50 W/m2 (meer dan tien keer zo groot) niets doet!

Hoe groot is het deel van de wereld dat deze ongevoeligheid vertoont? Figuur 2 schetst de gebieden onder 100 W/m2, waar de temperatuur sterk stijgt bij toenemende zonnestraling, en de gebieden boven 310 W/m2, waar de temperatuur NIET stijgt bij toenemende zonnestraling.

Figuur 2. Beschikbare zonne-energie (TOA-zonnestraling minus albedo-reflecties), het bovenste kaartje is een projectie met de Stille Oceaan in het midden, het onderste kaartje met de Greenwich meridiaan in het midden. Gebieden in rood omlijnd met cyaan/zwart veranderen niet van temperatuur bij verhoogde gemiddelde zonne-input. Poolgebieden in blauw omlijnd met wit/zwart tonen waar de temperatuur zeer gevoelig is voor verhoogde zonne-input. De gestippelde horizontale lijnen zijn de keerkringen en poolcirkels.

Merk op dat de rode gebieden die ongevoelig zijn voor verhoogde zonne-input zich allemaal in de tropen bevinden, en vrijwel volledig uit oceanen bestaan. Zij beslaan de helft van het tropische gebied en ongeveer 22% van het aardoppervlak. De blauwe gebieden met een hoge temperatuurgevoeligheid voor zonneschijnschommelingen beslaan daarentegen slechts ongeveer 8% van de planeet.

Terugkomend op figuur 1, ik schreef: “De helling van de cyaan/zwarte lijn toont de verandering in temperatuur voor elke verandering van 1 W/m2 in de beschikbare zonne-energie.” Figuur 3 laat exact dat zien, de helling van de cyaan/zwarte trendlijn in figuur 1.

Figuur 3. Helling van de trendlijn in figuur 1. Dit toont de temperatuurverandering bij een verandering van 1 W/m2 in de beschikbare instraling.

Hier zien we dezelfde drie gebieden als in figuur 1. Links, onder de ~ 100 W/m2 beschikbare zon, is de gevoeligheid van de temperatuur voor veranderingen in de zonne-input vrij hoog. Pas op: dit is niet de klimaatgevoeligheid voor CO2-veranderingen de gevoeligheid voor de beschikbare zonne-energie. Daarna, van 100 W/m2 tot 300 W/m2, blijft de gevoeligheid vrijwel onveranderd, gemiddeld 0,16 °C per W/m2. Tenslotte: boven ~ 310 W/m2 zonne-energie is de temperatuur totaal ongevoelig voor veranderingen in beschikbare hoeveelheid zonne-energie.

Dit betekent dat de zonne-energie met ongeveer 6 W/m2 moet toenemen om de temperatuur van 70% van de planeet met 1°C te doen stijgen! En vergeet niet dat in de helft van de tropische oceanen (=22% van de planeet) diezelfde 6 W/m2 toename van de zonne-energie geen enkele invloed heeft op de temperatuur.

Conclusie: er is ~ 5 W/m2 extra zonne-input nodig om de oppervlaktetemperatuur van de aarde met 1 °C te laten stijgen.

[UPDATE] Iemand die reageerde op bovenstaand artikel zei dat mijn uitspraak dat de situatie stabiel was “gedurende decennia en eeuwen” een beetje aanmatigend is. Ik antwoordde: “Klopt … maar ik beoordeel dat op basis van het gebrek aan verandering op jaarbasis of op basis van een 5-jarig gemiddelde. Bovendien is de helling in figuur 3 de parameter die van belang is, omdat hij dY/dX weergeeft, de verandering van de Y-variabele ten opzichte van de X-variabele. En die helling verandert heel weinig, van jaar tot jaar of van decennium tot decennium. Ik heb onderstaande grafiek speciaal voor jou gemaakt. Hij toont jaargemiddelden in plaats van het 21-jarig gemiddelde zoals in bovenstaande tekst:

Figuur 4. Zoals in figuur 3, maar met 21 afzonderlijke jaren in plaats van een gemiddelde over 21 jaar.

Behalve bij de polen is er zeer, zeer weinig verandering in de helling (gevoeligheid van de temperatuur voor veranderingen in de zonne-input), ongeacht welk jaar je kiest. Ik heb ook gekeken naar dezelfde analyse met Berkeley Earth temperatuurgegevens en CERES stralingsgegevens. Daaruit blijkt hetzelfde als hierboven – zeer gevoelig waar er weinig zon is, ~ 0,16 °C per W/m2 over ~70% van de aarde, en 0,0 °C over ~22% van de aarde. ”

Vergeet tenslotte niet dat we kijken naar gigantische, planetaire patronen van relaties tussen de twee variabelen. Deze worden niet beïnvloed door veel kleinere lokale variaties, zoals blijkt uit bovenstaande grafiek. En dat alles samen overtuigt mij ervan dat we kijken naar stabiele, langdurige relaties. Dit is wat ik vanaf het begin verwachtte, aangezien elke rastercel millennia de tijd heeft gehad om zich te ‘nestelen’ in die planetaire patronen van temperaturen en beschikbare zonneschijn.

Global Scatterplots

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.

Kerncentrales in Nederland

Nu de Nederlandse overheid van plan lijkt te zijn om op termijn twee nieuwe kerncentrales te bouwen is die vorm van elektriciteitsopwekking weer wat meer in de belangstelling. Nu de energienood hoog is ‘mag’  je weer over kernenergie praten. Door groene clubs was kernenergie al jaren geleden in de ban gedaan, waarbij het ongeluk in de kerncentrale van Fukushima (geen kernongeluk maar het gevolg van een tsunami, 0 stralingsdoden) zelfs voor de Duitse regering de aanleiding was om alle kerncentrales in Duitsland te sluiten. Ik begreep dat de laatste daar binnenkort dichtgaat, onbegrijpelijk in de huidige energieproblematiek en vanuit veiligheidsoverwegingen bezien volstrekt onterecht:

Fig.1    Bron: Ourworldindata

De angst voor de veiligheid werd altijd als argument gebruikt, maar als je naar de cijfers kijkt (figuur 1) is het aantal dodelijke ongelukken per opgewekt MWh elektriciteit bij kernenergie een van de laagste.

Op 6-11-2022 sprak wetenschapsjournalist Simon Rozendaal van Elsevier in het tv-programma WNL op Zondag over nieuwe kerncentrales in Nederland. Een prima pleidooi mijns inziens, hij is goed ingelezen. Het fragment is vanaf 23:30 hier te vinden.

Fig.2    Bron: Ourworldindata

Goed dat hij aanstipte dat voor de opwekking van kernenergie een van de laagste ‘death rates’ per TWh geldt (figuur 1), kernenergie de laagste broeikasgasemissies van alle vormen van elektriciteitsopwekking heeft (figuur 2) en bovendien het laagste ruimtebeslag per MWh. In een overbevolkt land als Nederland is dat laatste geen onbelangrijk detail (figuur3).

Fig.3    Bron: Ourworldindata

Ik correspondeer geregeld met een jonge Nederlandse professor in de kernreactorfysica die les geeft en onderzoek doet aan een Japanse universiteit. Dat heeft al enkele malen geleid tot een artikel op de website, zoek onder ‘kernenergie’. Toevallig was ik de afgelopen week in gesprek met hem over de problemen bij de bouw van kerncentrales, zoals forse budgetoverschrijdingen en een bouwtempo dat vaak veel lager ligt dan gepland. Op mijn vraag hoe dat komt stuurde hij me een paar dagen geleden een emailtje met zijn visie daar op. Dat wil ik u niet onthouden. Hij wil iedere serieuze vraag beantwoorden (zie emailadres onderaan).

Beste Rob,

Een kerncentrale wordt normaal gesproken ontworpen, inclusief het financiële plaatje, voor een levensduur van 40 jaar. AREVA claimt dat het EPR ontwerp goed is voor tenminste 60 jaar, maar op dit moment is alle regulering gebaseerd op 40 jaar. In veel gevallen voorziet de regelgeving in de mogelijkheid om een kerncentrale langer dan 40 jaar operationeel te houden. Bijvoorbeeld de centrale in Borssele is al bijna 50 jaar in bedrijf (sinds 1973).

De kosten voor kerncentrales zijn in de afgelopen 50 jaar flink opgelopen. In de jaren ’60 kostte een kerncentrale in de VS ongeveer 250 USD per kW elektrisch vermogen; omgerekend in dollars van 2022 is dat ongeveer 2,500 USD per kWe.

Het EPR ontwerp werd destijds in de markt gezet voor 4,250 USD/kWe. De EPR in Finland zou gebouwd worden in 4 jaar voor iets minder dan 4 miljard euro. Uiteindelijk werd dat 17 jaar, een bedrag rond de 10 miljard euro. Voor de EPR in Flamanville geldt eenzelfde verhaal wat betreft tijd en kosten. Ik schat dat de centrale in Finland 10,000 EUR/ kWe kost; Flamanville zal daar iets onder zitten, en ik verwacht dat de EPRs in het Verenigd Koninkrijk (2 stuks, Hinkley Point) niet minder dan EUR 12,500/kWe zullen kosten. Met andere woorden, een vervijfvoudiging van de kosten t.o.v. een halve eeuw geleden, waarbij ik inflatie min of meer in rekening heb gebracht.

Kernenergie is een rare technologie. Normaal gesproken wordt technologie goedkoper naarmate er meer kennis en ervaring is. Kernenergie toont het tegenovergestelde beeld. In alle landen waar kernenergie wordt toegepast gaat de prijs per kWe omhoog met de tijd – Zuid Korea is de enige uitzondering.

Er zijn legio rapporten en onderzoeken naar de redenen van deze kostenstijgingen. Bijvoorbeeld de Nuclear Energy Agency, onderdeel van de OECD, heeft in 2020 een rapport uitgebracht over de kosten voor nucleaire nieuwbouw in OECD-lidstaten. Een aantal factoren is min meer onbestreden. Een factor is een gebrek aan fabrikanten. Onderdelen voor kerncentrales moeten worden gefabriceerd met strenge kwaliteitseisen, die ook nog eens ieder jaar strenger worden. Dat is een hoop gedoe, en heel veel fabrikanten van pompen, kleppen, pijpen, filters, etc. hebben besloten niet langer “nuclear grade” producten te fabriceren, want te hoge kosten voor een te kleine markt. Er zijn dus nog maar een paar fabrikanten over die daardoor hoge prijzen kunnen rekenen, en daarnaast is de productiecapaciteit beperkt en de aanlooptijden daardoor dus lang.

Een zelfde verhaal geldt voor aannemers en constructeurs. Om een voorbeeld te geven, het kost ongeveer 10 jaar om een “nuclear grade” lasser – dat zijn specialisten die pijpen en flensen lassen in het primair systeem van een kerncentrale – op te leiden en te certificeren.

Een ander probleem is het financiële risico: een kerncentrale is een speciaal geval omdat het leeuwendeel van de kosten in de constructiefase wordt gemaakt. Het financiële plan is dan dusdanig dat in de eerste dertig jaar van bedrijf de leningen worden afbetaald, en pas in de laatste 10 jaar is er een (kleine) winst in het vooruitzicht.

Stel dat een kerncentrale wordt opgeleverd, en er gebeurt binnen korte tijd een ongeluk, waarna de centrale niet meer kan worden gerepareerd. Dan moet je dus nog wel alle leningen afbetalen maar de machine die het geld zou moeten verdienen is kapot. Of er is een verkiezing, het politieke klimaat verandert, en de vergunning wordt ingetrokken; of er is sprake van een natuurramp. Zelfde probleem: de kerncentrale buiten gebruik maar de leningen moeten toch afbetaald worden. De huidige kosten voor een kerncentrale zijn zo hoog, de looptijden zo lang, en de onzekerheid omtrent regelgeving en politiek klimaat dusdanig dat de meeste banken niet langer bereid zijn een dergelijk risico te nemen, en de banken die het wel aandurven rekenen hoge rentes. Vandaar ook de constante spanning rond overheidsfinanciering, omdat commerciële financiering niet (meer) haalbaar is, zeker niet in Europa. In Frankrijk is men bezig een wet door het parlement te loodsen voor 60 miljard euro financiering voor 6 EPRs – dat is 1000 euro per Fransman, waarmee uiteindelijk slechts een fractie van het totale energieverbruik kan worden afgedekt.

Een laatste factor is gewoon ouderwetse incompetentie. Ik zou willen zeggen: denk aan de V-250 Fyra. De ingenieurs hadden er geen vertrouwen in, maar desalniettemin gingen de fineuten van de NS in zee met een beunhaas. Voor kernenergie geldt in grote lijnen een zelfde verhaal: fabrikanten zijn haantje de voorste in het maken van grote beloften, maar echte nucleaire competitie is er, na decennia van teruggang in de nucleaire industrie, niet meer.

W.F.G. van Rooijen, Tsuruga, Japan
rooijen@u-fukui.ac.jp

De zeespiegel MOET harder stijgen (deel 4)

update 29-11-2022

Fig.1    Bron: NOS

In juni van dit jaar berichtten alle traditionele media in ons land dat een groep onderzoekers van TU Delft had ontdekt dat de zeespiegel langs de Nederlandse kust steeds sneller stijgt.  Daarmee was ‘voor het eerst ‘aangetoond’ dat de zeespiegelstijging langs de Nederlandse kust versnelt,  zo schreven de NOS en vele andere media het persbericht na. Maar was dat wel correct?

Voor Marjolein Haasnoot, auteur bij het IPCC en werkzaam bij Deltares, was de uitkomst van het Delftse onderzoek blijkbaar geen verrassing: “… dit soort signalen hebben we wel nodig voor de toekomst. Want we zien nu dat het echt heel veel sneller gaat, en dan moeten we echt ons plan bijstellen. Daar moet je niet te lang mee wachten.” Deltacommissaris Peter Glas, verantwoordelijk voor het deltaprogramma, in het NOS-artikel: “Dit bevestigt de lijn die we al hadden ingezet. Maar dit zit vanaf vandaag ook echt in alle prognoses over wat hoe hoog de dijken en de duinen moeten zijn. Het betekent dat we ons beter en wellicht ook nog sneller moeten aanpassen aan het veranderende klimaat.”

Wetenschappers maar ook bestuurders zouden beter niet zo’n haast moeten hebben, want eerst moet natuurlijk vast komen te staan dat de onderzoeksuitkomsten van het Delftse team correct zijn. De onmiddellijke omarming van de resultaten van het Delftse onderzoek geeft wel duidelijk weer dat ‘zeespiegelstijging’ veel meer is dan een wetenschappelijk onderzoeksobject.

Intussen hebben we al 3 berichten gewijd aan het Delftse onderzoek, zie hier en hier en hier. De conclusie van wat we tot nu toe gevonden hebben is dat de methodiek die de Delftse groep heeft gehanteerd  op zijn zachtst gezegd aanvechtbaar is. Maar met een definitief oordeel over de bevindingen van het rapport moesten we wachten tot de onderzoekers de onderliggende data geleverd hadden. En dat is begin oktober uiteindelijk gebeurd. De data zijn de onderliggende data van de kerngrafiek uit de Delftse publicatie, afgebeeld in figuur 2. Die Delftse data en ook de PSMSL meetdata zijn hier te downloaden.

Fig.2    Bron: Steffelbauer et al (2022)

Figuur 2 is het resultaat van het tweestappenplan dat de onderzoekers ontwikkeld hebben.  Stap 1 is het extraheren van het ‘kale’ zeespiegelsignaal uit de gemeten getijdedata. Dat kale signaal zou dan uitsluitend bestaat dan uit data die de sterodynamische (gevolg van zeestromen, temperatuur, zoutgehalte)  en barystatische (watermassa) veranderingen van de zeespiegel weergeven. Stap 2 is het opsporen van een mogelijke versnelling in het in stap 1 geëxtraheerde signaal van het zeeniveau.

Stap 1: extractie van het Delftse zeeniveau-signaal

De onderzoekers gaan uit van de idee dat de gemeten zeespiegelhoogte op een bepaalde plaats de resultante is van het hierboven beschreven ‘kale’  zeespiegelsignaal, plus daar bovenop seizoenschommelingen (jaarlijkse seizoenen en de nodale cyclus), externe invloeden (luchtdruk, zonale windstress en meridionale windstress) en  ‘irregular component’ . De idee is nu dat als je die effecten van het gemeten signaal ‘afpelt’ dat je dan het ‘echte’ zeespiegelsignaal krijgt.

Over de nodale cyclus is al voldoende geschreven in deel 3 van de analyse. Spil in de Delftse methodiek is de invloed van de wind op de getijdemetingen. De Delftse onderzoekers maken daarvoor gebruik van de winddata van reanalyses van NOAA, waarbij de wind per rastercel opgedeeld is in een zonale en een meridionale component.

Fig.3    Bron: Linkedin

Hessel Voortman, expert op het gebied van kustverdediging, reageerde via Twitter op het Delftse rapport (figuur 3). Volgens Voortman is het gebruik van zonale en meridionale windstress-data zoals gebruikt door de auteurs voor het corrigeren van de getijdemeetreeksen onjuist, omdat de vorm van het Noordzeebekken het windeffect sterk richtinggevoelig maakt. Het proefschrift van Voortman  levert interessant leesvoer op dit vlak. Ongetwijfeld gaan we op korte termijn nog meer horen en lezen over deze cruciale windstressfactor.

De Delftse onderzoekers haalden tenslotte de ruis uit het overgebleven signaal. Uit de beschrijving in de paper werd me niet duidelijk hoe dat is gebeurd. Statistisch bezien lijkt het niet geoorloofd om vervolgens die ruis te negeren bij het bepalen van trends.  Dat is een groot probleem, omdat een trendbreuk alleen al daardoor significant kan worden. Daarover later meer.

Fig.4    Bron: Steffelbauer et al (2022)

Figuur 4 laat de grafieken van de diverse hiervoor beschreven componenten zien die in mindering gebracht zijn op de gemeten getijdedata. Het effect daarvan op het gemeten PSMSL signaal ziet er voor Vlissingen zo uit:


Fig.5    Data: PSMSL en Steffelbauer et al

De blauwe lijn toont de maandelijkse gemeten zeespiegeldata van station Vlissingen, de bruine lijn toont de door het Delftse team berekende ‘kaalgeplukte’ sea level signal van Vlissingen.  Te zien is dat de oorspronkelijke PSMSL zeespiegeldata door de onderzoekers zo sterk ‘gecorrigeerd’ zijn, dat de ruis (variantie) nagenoeg verdwenen is. Dat veroorzaakt volgens deskundigen een grote toename van de kans op een significant trendverschil in de Delftdata in vergelijking met de gemeten PSMSL-data.

Stap 2: opsporen van breukpunten

In de abstract van de publicatie schrijven de onderzoekers: “We applied the approach to eight 100-year records in the southern North Sea and detected, for the first time, a common breakpoint in the early 1990s. The mean SLR rate at the eight stations increases from 1.7 ± 0.3 mm yr−1 before the breakpoint to 2.7 ± 0.4 mm yr−1 after the breakpoint (95% confidence interval), which is unprecedented in the regional instrumental record.”

Fig.6    Data: Steffelbauer et al

Het onderzoeksteam van TU Delft claimt een trendbreuk in alle onderzochte stations begin jaren ’90 van de vorige eeuw. Figuur 6 toont de detrended zeespiegelsignalen voor de 6 hoofdstations zoals Delft die berekend heeft. Het verwijderen van de langjarige trend over de hele reeks maakt trendbreuken makkelijker visueel op te sporen en is toelaatbaar omdat het hier gaat om trendverschillen. De bruine lijn is een loess smoothing. Die loess smooothing laat zien dat de ‘sea level signals’ van Delft na 1993 wél een versnelling in Delfzijl en Harlingen tonen en een lichte stijging in Vlissingen, maar géén versnelling in Den Helder, IJmuiden en Hoek van Holland.

Dat de Waddenzeestations Harlingen en Delfzijl in de Delftse data een wat andere positie innemen dan de andere stations zou wel eens te maken kunnen hebben met hun ligging en de geografische oriëntatie op het noorden. De door Voortman aangehaalde richtinggevoeligheid voor het windeffect zou dan een rol kunnen spelen.

Die ‘early 1990’s ’ uit het citaat van de abstract zijn om precies te zijn de  11 maanden vóór augustus 1993 tot en met de 11 maanden erna, van september 1992 t/m juli 1994. Omdat ik alleen geïnteresseerd was in data van de Nederlandse kuststations heb ik mijn aandacht beperkt tot de 6 hoofdstations, te weten Delfzijl, Harlingen, Den Helder, IJmuiden, Hoek van Holland en Vlissingen. Cuxhaven (Duitsland) en Maassluis (geen kuststation), die wel in het Delftse onderzoek meegenomen worden, bekeek ik dus niet.

Fig.7

Aan de hand van de door Steffelbauer aangeleverde sea level signal data hebben we voor de periode januari 1919 t/m december 2018 voor elke maand de trend bepaald van de interval vanaf 1919 tot de breukmaand (k1) en van de interval vanaf de breukmaand t/m 2018 (k2). Zie figuur 7.

Fig.8

Steffelbauer neemt voor elk van de 6 stations breuken waar, in de periode van 11 maanden vóór augustus 1993 tot 11 maanden na augustus 1993. Figuur 8 toont per station de reeksen van de Delftse onderzoekers plus de trendlijnen van de interval 1919 tot augustus 1993 (k1) en van augustus 1993 t/m 2018 (k2).

Er valt direct een tweetal zaken op. In de eerste plaats is de trend van k2 van IJmuiden niet hoger maar lager dan van k1. In de tweede plaats wijken de k2 trends van Hoek van Holland en Den Helder nauwelijks af van de k1 trends van diezelfde stations. Dat laatst zou kunnen betekenen dat er op die stations geen sprake is van een significante breuk, maar dat moet nader onderzocht worden. Dat k2 van IJmuiden een trend vertoont die lager is dan k1 komt niet overeen met de claim van het Delftse team dat er sprake is van een ‘common breakpoint’.

Fig.9

Figuur 9 toont de grafiek van IJmuiden uit de paper van Steffelbauer (onder) en onze reconstructie op basis van de Steffelbauer-data (boven) met als breukmaand augustus 1993. Duidelijk is te zien dat in de reconstructie in IJmuiden de trendlijn van k2 (bruine lijn) lager ligt dan die van k1 (doorgetrokken blauwe lijn). Op station IJmuiden neemt dus na het breukjaar de zeespiegeltrend af in plaats van toe.

De grafiek van figuur 9 boven is gebaseerd op een breuk in augustus 1993. Nu kan het natuurlijk ook zijn dat de cijfers van IJmuiden (en andere stations) wat anders komen te liggen als men niet augustus 1993 neemt als breekpunt maar een van de 2x 11 maanden daar rondom heen. Ik heb dat uitgezocht voor elke maand in de periode sep 1992 t/m juli 1994 en er een grafiek van gemaakt:

Fig.10

De grafiek toont het verschil tussen k2-k1 voor elk station. Maand 12 is augustus 1993. De uitkomst in IJmuiden is voor elk van de 23 maanden negatief.  Bovendien is te zien dat voor station Hoek van Holland het trendverschil in de laatste 3 maanden ook negatief is. Ook is goed te zien dat de trendverschillen van Den Helder en Hoek van Holland voor en na de ‘breuk’ erg dicht bij 0 liggen, zoals al eerder geconstateerd is. Wellicht dat we op een later moment kunnen kijken hoe het zit met de significantie van die trendbreuken.

Fig.11

De tabel van figuur 11 laat de trendwaarden zien voor en na de breuk in elk van de 23 maanden rond augustus 1993, berekend op basis van de data van Steffelbauer. De grafiek van figuur 10 is gebaseerd op deze tabel. Opvallend is dat voor alle 6 hoofdstations k1 en k2 afwijken van de cijfers die in de publicatie gegeven worden (figuur 12):

Fig.12

“…detected, for the first time, a common breakpoint in the early 1990s.” Hierboven is al duidelijk gemaakt dat dat ‘common’ in de abstract niet terecht is, het Delftse sea level signal van IJmuiden heeft immers na het breekpunt een lagere trend dan ervoor. Maar ook rond 2001/2002 zie ik in de grafieken van figuur 6 mogelijke breekpunten.

Intussen is er in de wereld van Waterbouw een soort van stammenoorlog uitgebroken tussen de ‘rekkelijken’ en de ‘preciezen’. De rekkelijken zijn dan mensen als Marjolijn Haasnoot van Deltares en Deltacommissaris Peter Glas die met name actief zijn op het gebied van watermanagement. Deze mensen hebben blijkbaar maar een half woord nodig om in de alarmistische stand te schieten, zoals hun uitspraken in het NOS-artikel van 27 juni 2022 laten zien.

De preciezen zijn de waterbouw-ingenieurs die goed kunnen rekenen en in ons land van oudsher gaan over kustbeveiliging. Zij gaan uit van meetgegevens en zijn vaak minder gevoelig voor maatschappelijke druk en hypes. Een bekende naam is professor Bas Jonkman van TU Delft die vorige maand de knuppel in het hoenderhok gooide met een post op LinkedIn, Enfin, dat mondde uit in een artikel over de kwestie in het NRC.


Fig.13    Bron: NRC

De ingenieurs houden het beschaafd, maar de boodschap is duidelijk: onnodige bangmakerij. Juist omdat het onderwerp ’zeespiegelstijging’ zeer gevoelig ligt in deze tijd van klimaathysterie is het extra nodig dat de cijfers over die stijging kloppen, lijkt me. De conclusies van Steffelbauer et al voldoen daar volgens mij niet aan.

Er zijn voldoende aanwijzingen dat de uitkomsten van Steffenbauer’s publicatie niet serieus te nemen zijn. Het verhaal rammelt. Van een ‘gemeenschappelijk breekpunt’ is geen sprake, en het verwijderen van ruis maakt de overblijvende reeks uiterst gevoelig voor trendbreuken. Het team heeft daardoor mogelijk zijn eigen trendbreuken geschapen. Het ‘sea level signal’ in de Delftse publicatie is de uitkomst van een interessante wetenschappelijke exercitie, maar heeft weinig met het echte zeeniveau te maken.

De auteurs schrijven: “The mean SLR rate at the eight stations increases from 1.7 ± 0.3 mm yr−1 before the breakpoint to 2.7 ± 0.4 mm yr−1 after the breakpoint (95% confidence interval), which is unprecedented in the regional instrumental record.”

Hier is echter geen sprake van een mean SLR rate maar van een kunstmatige cijferreeks. Die vermeende stijging van de trend na 1993 1,7 mm/jaar naar 2,7 mm/jaar is  het product van die cijferreeks. En dat “unprecedented in the regional instrumental record” is onzin: de cijferreeks van Steffelbauer is géén regional instrumental record. Dat zijn alleen de gemeten data van Rijkswaterstaat/PSMSL. Dit zijn ze, op hun volle lengte van 1890 t/m 2021 met lineaire trends plus versnellingen:

Fig. 14    Bron: sealevel.info

Te zien is dat er in die 132 jaren nauwelijks sprake is van een versnelling in de tijdreeksen van de 6 stations. Dat is des te opmerkelijker, omdat er voortdurend grootschalige menselijke activiteiten aan onze kustlijn hebben plaatsgevonden. Ik denk aan de uitdieping van de Westerschelde, de aanleg van de Deltawerken, de uitbreiding en verdieping van de Rotterdamse haven, de aanleg van de Afsluitdijk en de delfstofwinning nabij Hoek van Holland  en vooral in de noordelijke provincies.

De meeste van die activiteiten hebben op een of andere manier invloed op de zeespiegel. Hoevéél is onderwerp van onderzoek. Voor de gaswinning in Groningen is in elk geval bekend dat sinds 1963 de bodem nabij Delfzijl met maar liefst 24 cm gedaald is (zie figuur 16, bron Deltares). Intussen heb ik begrepen dat de PSMSL data voor die bodemdaling door gaswinning worden gecorrigeerd.

Fig. 15   Bron: Zeespiegelmonitor 2018

 

Interview met Simon Rozendaal


Fig.1    Bron: Twitter @Simon_Rozendaal

Schrijver, wetenschapsjournalist, chemicus (erelid KNCV), columnist Elsevier. Boeken: o.a. Alles wordt beter! (nou ja, bijna alles) & Warme aarde, koel hoofd.  Die informatie staat op Simons Twitteraccount, en dat is natuurlijk een zeer beknopte samenvatting van zijn activiteiten. Rozendaal werd onlangs geïnterviewd door Hans van Willigenburg voor de website TPO en dat is een lezenswaardig stuk geworden.

Over de farce die de klimaatdiscussie momenteel is : “Niet Simon Rozendaal is veranderd of geradicaliseerd, vindt hijzelf, maar de media en de groene lobby die in een steeds hogere frequentie apocalyptische beelden en redeneringen over ons uitstorten. Daarmee staan zij volgens Rozendaal een nuchtere analyse van de opwarming van de aarde in de weg, met zijns inziens zeer negatieve gevolgen. Denk bijvoorbeeld aan het massaal in de ban doen van kernenergie. Zelf meent hij juist in het midden te zitten (“inzetten op gedragsverandering vind ik een nuttige bijdrage om opwarming tegen te gaan”) en voelt hij, net als bij elk onderwerp, de journalistieke drive om feit van fictie te scheiden. En die fictie tiert volgens hem welig in de huidige klimaatdiscussie.”

Met dat laatste slaat Rozendaal mijns inziens de spijker op de kop. Hij is van huis uit chemicus en weet dus goed wat exact is en wat niet. Samen met zijn brede visie op de samenleving en economie, plus een portie gezond verstand, zorgt dat er voor dat hij lastige onderwerpen goed in een breder kader kan plaatsen. Daarbij is het hem vergeven dat hij zegt dat het ‘wetenschappelijk nagenoeg vaststaat’ dat het atmosferisch CO2-gehalte verantwoordelijk is voor ‘de opwarming van de aarde’. Als je als bron van wetenschappelijke waarheid de rapporten van het IPCC gebruikt mag dat wel zo lijken, in werkelijkheid wordt daar in de wetenschappelijke wereld nog een robbertje over geknokt. Maar ook het IPCC heeft nog nooit gezegd dat er echte bewijzen zijn dat de huidige opwarming kan worden verklaard met de broeikashypothese. Bovendien zijn er steeds meer belangrijke natuurwetenschappers die hun twijfels hebben over die hypothese. De aanwezigheid van broeikasgassen is een feit, maar hoe groot hun aandeel is in de opwarming van pakweg de afgelopen 150 jaar is nog steeds niet duidelijk.

Simon Rozendaal behoort zonder twijfel bij het kleine groepje wetenschapsjournalisten dat altijd een open blik is blijven behouden bij gevoelige onderwerpen als klimaatverandering. Dat is prijzenswaardig en ook moedig. Volgens hem zou hij anno 2022 nooit meer worden aangenomen door zijn voormalige werkgever de NRC, de krant die hem tegenwoordig labelt als ‘klimaatontkenner’. “De cancelcultuur heeft ook de kwaliteitskrant bereikt”. Maar Rozendaal laat zich niet cancelen, daar ben ik van overtuigd.

Greenhouse efficiency

Gastartikel door Willis Eschenbach

Whatsupwiththat  2 september 2022

Voortgestuwd door spot en lof voor mijn laatste bericht, ” Surface Radiation: Absorption And Emission waag ik me opnieuw in de arena. Ik had een vreemde gedachte. De temperatuur op aarde is in de periode 2000-2021 over het algemeen gestegen. Ik vroeg me af of er een manier was om de efficiëntie van het broeikaseffect te meten, om te zien of de opwarming het gevolg was van toenemende broeikasgassen. Als de broeikasgassen de oorzaak waren, dan zou het broeikaseffect efficiënter moeten zijn in termen van opwarming van het oppervlak. Dit is de temperatuursverandering gedurende de periode van de CERES-satellietgegevens:

Fig.1    Veranderingen in de oppervlaktetemperatuur, CERES-gegevens. Dit is een omrekening van de CERES-gegevens van de naar boven gerichte langgolvige straling aan het oppervlak naar graden Celsius met behulp van de Stefan-Boltzmann-vergelijking. Het komt goed overeen met bijvoorbeeld de LTL data van satellietmetingen in de tropen, met een resterende standaardfout van ongeveer een tiende graad C.

De vraag is nu: waarom is het in die periode warmer geworden? Wat het broeikaseffect doet is de oppervlaktetemperatuur verhogen. Het broeikaseffect begint met een bepaalde hoeveelheid energie die het klimaatsysteem binnenkomt, en eindigt ermee dat het oppervlak warmer geworden is en dus meer warmtestraling uitzendt dan je zou verwachten als je naar bijvoorbeeld de maan zou kijken, die dezelfde hoeveelheid zonlicht opvangt als de aarde.

Het idee was dat ik de efficiëntie van het broeikaseffect kon vaststellen door de opwaartse langgolvige straling van het oppervlak te vergelijken met de hoeveelheid zonne-energie die het systeem binnenkomt. Zo meet ik de “end-to-end” efficiëntie van het hele systeem, inclusief alle terugkoppelingen en interacties. Ik heb ervoor gekozen dat uit te drukken in een “versterkingsfactor“: hoeveel W/m2 opwaartse langgolvige straling vanaf het oppervlak krijgen we voor elke W/m2 zonne-input?

De hoeveelheid zonne-energie aan de bovenkant van de atmosfeer (TOA) is ongeveer 340 watt per vierkante meter (W/m2). Ongeveer 100 W/m2 wordt gereflecteerd door de wolken en het oppervlak. Dit betekent dat de binnenkomende zonne-energie aan het aardoppervlak ongeveer 240 W/m2 bedraagt.

De opwaartse langgolvige energie van het oppervlak is daarentegen ongeveer 400 W/m2. Dit betekent dat de gemiddelde broeikas versterkingsfactor ongeveer is:

400 W/m2 / 240 W/m2 ≈ 1,66

Met andere woorden, voor elke Watt per vierkante meter zonne-input, krijgen we ~ 1,7 watt per vierkante meter opwaartse oppervlaktestraling.

Nu kunnen we deze berekening voor elke maand uitvoeren, waarbij we kijken naar de hoeveelheid warmtestraling die door het oppervlak wordt uitgezonden, gedeeld door de zonne-energie die het systeem binnenkomt. Figuur 2 toont dat resultaat. Vergeet niet dat de toename van broeikasgassen alleen verantwoordelijk is voor de opwarming als de broeikasversterkingsfactor toeneemt.

Fig. 2    Broeikasversterking. De versterking wordt berekend als de opwaartse langgolvige oppervlaktestraling gedeeld door de inkomende zonnestraling (na albedo-reflecties). Een versterkingsfactor van 2 betekent dat het oppervlak twee keer méér energie uitstraalt (langgolvige straling in W/m2)voor elke W/m2 zonne-energie die daadwerkelijk binnenkomt. Hieruit blijkt dat het broeikaseffect de inkomende zonnestraling met ongeveer twee derde heeft verhoogd, gemeten aan het oppervlak.

De grafiek toont een zeer interessante bevinding: de efficiëntie van de planetaire broeikas is in de getoonde periode iets afgenomen – niet significant, maar zeker niet toegenomen.

In feite is de stabiliteit over deze periode op zichzelf al interessant. De standaardafwijking van de versterking is 0,004 W/m2. In die periode varieerde de end-to-end efficiëntie van het hele kassensysteem nauwelijks. Ik heb al eerder geschreven over de verbazingwekkende stabiliteit van het systeem. Dit is daar een voorbeeld van.

Het bovenstaande toont aan dat de toename van de opwaartse straling aan het oppervlak niet het gevolg kan zijn van een verandering in de broeikasefficiëntie door een toename van CO2 of een andere oorzaak.  Maar wat is dàn de oorzaak van de temperatuurstijging? Hier zijn de grafieken van de twee datasets die samen de ‘broeikasversterker’ vormen: de opwaartse langgolvige oppervlaktestraling en de inkomende kortgolvige zonnestraling:

Fig. 3   Opwaartse warmtestraling aan het oppervlak (geel, linkerpaneel), en inkomende zonnestraling na albedo-reflecties (rood, rechterpaneel). De blauw/zwarte lijnen zijn LOWESS-smoothing van de gegevens.

In figuur 3 is te zien waarom de efficiëntie van het systeem nauwelijks varieerde: de langgolvige uitgaande straling aan het aardoppervlak nam vrijwel evenveel toe als de zonne-energie die het systeem binnenkwam.

Conclusie: we beschikken over observationeel bewijs dat de temperatuurstijging van 2000-2021 niet te wijten was aan een toename van broeikasgassen, noch aan een toename van de efficiëntie van het broeikaseffect door welke oorzaak dan ook. De efficiëntie is in die periode zeer stabiel geweest, met een standaardafwijking van 0,2% en zonder significante trend.

Aan de andere kant is de verandering in inkomende zonne-energie voldoende om de toename van de opwarming te verklaren, zoals te zien is bij vergelijking van beide LOWESS smoothlijnen in figuur 3. Hoewel er ongetwijfeld andere factoren in het spel zijn, is de belangrijkste oorzaak van de opwarming duidelijk de toename van de hoeveelheid zonne-energie na reflecties van de wolken en het oppervlak. Nogmaals: the clouds rule

Wiskundige noot: Ik ben geneigd “opwaartse langgolvige straling aan het oppervlak” en “temperatuur” door elkaar te gebruiken. Ja, ik weet dat straling varieert als de vierde macht van de temperatuur, T4. Het verschil is echter triviaal in het nauwe bereik dat wordt getoond in bijvoorbeeld figuur 3.

Figuur 4 toont een vergelijking van de opwaartse langgolvige straling uit figuur 3 en de Stefan-Boltzmann afgeleide temperatuur. Beide signalen zijn vrijwel identiek:

Fig. 4   Temperatuur (geel, linkerschaal) en opwaartse langgolvige straling aan het oppervlak (rood, rechterschaal)

Geloof niet alles

De titel van dit bericht had wel een levensmotto van me kunnen zijn. Het is echter (ook) de titel van een nieuw verschenen boek over klimaatverandering, van de hand van Jules de Waart. Jules de Waart is van oorsprong een fysisch geograaf en geoloog en heeft na zijn pensionering zijn zicht op de wereld verder verbreed door gewoon weer te gaan studeren. Enkele jaren geleden herontdekte hij de fysische geografie en de klimaatwetenschap en was gefascineerd door de veelzijdigheid en het grote belang van de klimaatproblematiek. Dat mondde uit in een boek over klimaatverandering.

Ik lees vaak klimaatartikelen en publicaties en soms een boek over klimaatverandering, maar zelden lukt het me om in (bijna) één ruk een klimaatboek uit te lezen. Dat lukte met het boek van Jules de Waart wonderwel. Het is goed geschreven, in een vlotte stijl, en erg informatief. Ik durf zelfs wel te stellen dat dit het beste boek over klimaatverandering is dat ik de afgelopen jaren heb gelezen. Het viel me op dat De Waart min of meer op dezelfde wijze tegen de klimaatproblematiek aankijkt als ik. Dat heeft wellicht te maken met het feit dat we beiden de weg weten in de fysische geografie en geologie, wat maakt dat je op een bepaalde manier aankijkt tegen klimaatproblematiek.

Het boek is nergens drammerig en dat is een prestatie als het over klimaat gaat. De Waart stelt steeds zienswijzen van klimaatalarmisten tegenover die van klimaatsceptici, wat verhelderend werkt. Deel I, het brede perspectief, vond ik voor mijzelf het meest informatieve omdat ik in mijn werk als redacteur van Klimaatgek.nl vaak vooral ‘technisch’ bezig ben en dan schiet de beschouwelijke kant van klimaatproblematiek het politieke frame waarin zich zaken afspelen er wel eens bij in.  Deel II, de wetenschappelijke basis, was me natuurlijk wel in grote lijnen bekend, hoewel ik ook daarin wel het een en ander opgestoken heb, en ideeën kreeg over onderwerpen waar ik eens in zou moeten duiken. Dit hoofdstuk vat mooi samen ‘waar het over gaat’.

Kortom, ik ben blij dat ik het mocht lezen en raad het iedereen die geïnteresseerd is in klimaatverandering van harte aan. Het is te verkrijgen via de reguliere boekhandel en bol.com.

Inhoudsopgave

Deel I De Moderne Warme Periode in breder perspectief 

1    Werelden van verschil
1.1 Een onbewoonbare aarde? Alarmisten en sceptici
1.2 De wereld verandert
1.3 Het belang van woorden
1.4 Een korte geschiedenis van de klimaatwetenschap
1.5 Enkele hoofdmomenten
1.6 Enkele standpunten nader belicht
1.7 Andere meningen
1.8 En hoe nu verder?

2    Beeldvorming
2.1 “Zo ziet klimaatverandering er uit.”
2.2 De kracht van beeldvorming. IJsberen, bosbranden en koralen
2.3 IJsberen en een ‘academic hanging’
2.4 Koralen en de vrijheid van meningsuiting

3    De mythe van de consensus
3.1 Een consensus van 97%?
3.2 Peer-review en gerelateerde problemen
3.3 Het voorzorgbeginsel en ‘no-regret’
3.4 Waarschijnlijkheid en Vertrouwen in de IPCC-rapporten

4    In de hoek geschilderd
4.1 “The lady doth protest too much, methinks.”
4.2 Leugentjes om bestwil. De ‘double ethical bind’
4.3 Appeals, Petities en Open Brieven
4.4 Manipulatie en fraude? “Hide the decline!”
4.5 Aanpassingen en homogenisaties
4.6 Een neerwaartse spiraal?

5    The Empire strikes back
5.1 Het Assessment Report 5 en een nieuwe voorzitter voor het IPCC
5.2 De Akkoorden van Parijs en de gevolgen
5.3 Het Special Report van 2018. Global warming of 1.5 Celsius
5.4 De politiek als aanjager. Een Green New Deal en een European Green Deal
5.5 Het nieuwe Assessment Report 6 van het IPCC
5.6 “Resistance is futile”

Deel II De wetenschappelijke basis 

6    Wetenschappers en hun methode. Geloof niet alles
6.1 Witte zwanen, zwarte zwanen. Consensus, falsificatie en post-normale wetenschap.
6.2 Wetenschappers, vroeger en nu

7    Enkele relevante wetenschappen
7.1 De klassieke klimatologie
7.2 Aardwetenschappen. Lessen uit het Kwartair.
7.3 De klimaatwetenschappen
7.4 Kosmo-klimatologie
7.5 De plate-climatology theorie
7.6 De modellen

8    Een poging tot kwantificering
8.1 Forcings en feedbacks
8.2. Natuurlijke aandrijvers
8.3. Menselijke oorzaken
8.4. Hoe groot is het versterkt broeikaseffect? Enkele conclusies

DEEL III Synthese 

9    Klimaat en klimaatbeleid in het Antropociën
9.1 Klimaatverandering; vroeger en nu
9.2 Het Antropociën. Een Moord in de Oriënt-Expres
9.3 Een nieuwe rol voor wetenschap en politiek

10  Enige conclusies en consequenties

DEEL IV ANNEX 

11  Noten en literatuurverwijzingen
12  Samenvatting
13  Over de auteur