Fig.1   Bron nu.nl

Een lezer van Klimaatgek wees me op een artikel van Nu.nl (figuur 1) over het grijze winterweer van afgelopen dagen in Nederland. Nu lees ik nu.nl nooit, uit principe, maar mijn nieuwsgierigheid was wel gewekt. Mijn oud-leerlingen kunnen waarschijnlijk meteen feilloos het doel van de foto met ‘obligate ijsbeer bij smeltwater’ in figuur 1 duiden. Mij gaat het nu om de verklaring voor het grijze winterweer. Peter Siegmund en Alwin Haklander van het KNMI werden daarover geïnterviewd.

Dat opwarming op grote hoogte boven de Noordpool van invloed is op de luchtcirculatie op het NH is bekend, en als die opwarming afwijkend is van wat we gewend zijn dan ontstaat er luchtcirculatie die we in een bepaalde periode niet vaak zien. Alwin Haklander zegt: “Maar klimaatverandering speelt ook een rol. De brongebieden van onze winterkou, zoals de Noordpool en Rusland, warmen veel sneller op dan gemiddeld.”  Wat me stoort aan deze opmerking is dat het grijze weer van de afgelopen week, met temperaturen rond het vriespunt, gecorreleerd wordt aan klimaatverandering. En aan de hoge lentetemperaturen in 2020 in NO Siberië zoals dat even verderop in het artikel wordt gedaan. Over dat laatste heb ik al eens wat geschreven, lees het hier eens na.

Fig.2   Bron: Bron: GISS/NASA

Lees hieronder verder:

Lees verder →

Toen ik het artikel over stralingsgevoeligheid publiceerde op 1 december j.l. was daaraan flink wat discussie over en weer tussen Ad Huijser en ondergetekende aan vooraf gegaan. Op basis van de etmaalgegevens van temperatuur en kortgolvige instraling van de 5 hoofdstations van het KNMI gingen we aan de slag. We realiseerden ons na verloop van tijd dat de dagelijkse en jaarlijkse cyclus van de zon ons wel eens zou kunnen leiden tot een realistische berekening van de stralingsgevoeligheid. Vooral de resultaten die we hadden op basis van de jaarlijkse zonnecyclus waren voor ons overtuigend. En dat werd sterker toen we de temperatuurgegevens corrigeerden voor vertraging tussen instraling en luchttemperatuur als gevolg van de zee-invloed.

Ik schreef onlangs dat het Popper’s opvatting was dat in de wetenschap een theorie of model nooit kan pretenderen de uiteindelijke, zekere waarheid te zijn, en dat pogingen tot falsifieerbaarheid een wezenlijk onderdeel moeten zijn van het proces wat de ‘waarheid’ is. Dat geldt natuurlijk ook voor onderzoek dat zich buiten de gevestigde wetenschappelijke instituten afspeelt. De afgelopen weken oogstten we in de Nederlandse klimaatgemeenschap met name verbazing en waardering over dit onderwerp, en uiteraard ook wat obligate zure reacties, maar we werden vooral aangemoedigd om er meer mee te doen. Natuurlijk is er bij ons onzekerheid of we op het goede spoor zitten, en daarom hebben we eind december aan een handvol respectabele klimatologen in de internationale klimaatscene gevraagd om op ons model te ‘schieten’. Ook mensen in de omgeving denken mee, en dat leidt soms tot verbeteringen. Prima! Het is een ‘project’  zullen we maar zeggen, dus het laatste woord is er nog niet over gesproken.

Op 1 december van het afgelopen jaar schreef ik een lang bericht over de toename van de hoeveelheid invallend zonlicht in ons land vanaf ongeveer 1980. Die irradiation of instraling Q was hier al vaker aan de orde geweest, maar in het decemberbericht heb ik beschreven hoe fysicus Ad Huijser en ik geprobeerd hebben om de effecten van die toename van Q op de luchttemperatuur te berekenen. We denken dat dat wonderbaarlijk goed gelukt is, en van veel kanten kregen we positieve reacties.

Natuurlijk waren er ook enkele zure reacties, maar die komen altijd uit bekende hoek en de argumentatie was zwak. Nu was het Popper’s opvatting dan in de wetenschap een theorie of model nooit kan pretenderen de uiteindelijke, zekere waarheid te zijn, en dat pogingen tot falsifieerbaarheid een wezenlijk onderdeel moeten zijn van het proces wat de ‘waarheid’ is. We wachten af.

Ik toonde in het bericht van december j.l. de instralingscijfers van de 5 hoofdstations De Kooy, De Bilt, Eelde, Vlissingen en Maastricht van 1958. Die data waren afkomstig van de website van het KNMI. Tot mijn verrassing bleek later op KNMI’s ClimateExplorer via de ECA&D data nog meer oudere cijfers van de instraling beschikbaar te zijn. Onderstaande grafiek is het gemiddelde van de 5 hoofdstations, hier gemakshalve ‘Nederland’ genoemd:

Fig. 1    Data: ClimateExplorer

Te zien is dat Q oploopt van 1909 tot ongeveer 1930, daarna ongeveer op gelijk niveau blijft, en vanaf de jaren ’80 tot heden weer toeneemt. De eenheden zijn weergegeven in W/m2 zodat ze vergelijkbaar zijn met de Duitse data.

De daggegevens van de zonuren voor de 5 hoofdstations zijn vanaf begin vorige eeuw beschikbaar:

Fig.2    Data: KNMI

Lees hieronder verder.

Lees verder →

Elke keer denk ik: dit is de laatste keer dat ik over corona schrijf: terug naar mijn stiel! Maar dan ‘dwingen’ nieuwe inzichten me om weer wat uit te zoeken. In dit geval zijn dat vooral die geweldig interessante Google mobiliteitscijfers. Maar meerdere klimaatartikelen liggen al klaar.

Ik was nieuwsgierig naar de verschillen en overeenkomsten tussen corona-gerelateerde sterfte en de mobiliteitscijfers op basis van Google data van Nederland , Spanje en Zweden. De laatste twee landen hadden ook andere kunnen zijn, maar Spanje is bijzonder vanwege de zeer hoge sterfte in het voorjaar en de stringente maatregelen, en Zweden vanwege het veelal ontbreken van strenge maatregelen.

Worldometer heeft van alle drie landen grafieken gemaakt van de dagelijkse corona-gerelateerde sterfte. Kanttekening is daarbij dat Worldometer afhankelijk is van aangeleverde data per land en er is geen uniform registratieprotocol.

Figuur 1 Bron: Worldometer

Omdat sterfteregistratie per dag onregelmatig is heb ik het 7-daags gemiddelde aangevinkt. Bovendien heb ik met groene lijntjes de sterfte per miljoen inwoners weergegeven.

Spanje’s voorjaarspiek valt direct op. Kijk vooral naar de sterfte per miljoen, die is dan  2x zo groot als in Nederland en Zweden. In de zomer is sterfte nagenoeg afwezig in alle drie landen. Dat wijst op seizoensafhankelijkheid zoals bij griep. Te denken valt aan de hogere luchtvochtigheid in de zomer vanwege de hogere temperaturen.

De maximale hoogte tot nu toe van de najaarssterfte verschilt niet sterk tussen de drie landen. Maar december verloopt in de landen wel verschillend. Nederland laat een stijging zien van de sterftecijfers, terwijl Spanje (rustig) en Zweden (sterk) een daling laten zien. Ik heb te weinig data om daarover verdere uitspraken te doen.

Van de Google mobiliteitsdata heb ik wat grafieken gemaakt. In het vorige bericht hierover heb ik uitgelegd hoe de Google data te interpreteren. Ik heb van elk land twee grafieken gemaakt. De eerste betreft de data over OV-stations en Werkplekken. De ligging van beide is goed bekend en wordt op Maps gebruikt.

Fig. 2    Bron: Google

Wat opvalt is de sterke weekcyclus in de Werkplekdata per dag, wat niet verwonderlijk is. Die weekcyclus is in de OV-stationsdata ook wel aanwezig maar veel minder sterk. Waarschijnlijk wordt in alle drie de landen de reis naar de werkplek vooral met de auto gedaan. Bovendien lijkt OV vervoer ook in het weekeinde van belang (recreatie, familiebezoek e.d.). In Spanje ontbreekt in maart, april en november de weekcyclus waarschijnlijk als gevolg van de strenge reismaatregelen.

Als gevolg van maatregelen in Nederland en vooral in Spanje zie je de beide cijfers in maart sterk dalen waarna ze weer opkrabbelen tot een niveau van –20% voor de werkplekmobiliteit ten opzichte van de referentieperiode van 3 januari tot 6 februari 2020. Die referentieperiode is de 0-lijn. In Zweden is door het nagenoeg ontbreken van overheidsmaatregelen de daling in maart minder sterk en blijft steken op -20%. Blijkbaar is die -20% in alle drie landen het ‘common sense’ niveau van thuiswerken. In december zijn de Werkplekgrafieken volatiel als gevolg van de feestdagen. Het lijkt er op dat -20% de ‘bodem’  vormt van het thuiswerken. In Zweden valt in de laatste maanden van het jaar de lichte daling op van Werkplekbezoek en de sterkere daling van het OV-gebruik.

Fig. 3    Bron: Google

De grafieken van de mobiliteit richting Supermarkt en Detailhandel is wat eenvoudiger te duiden.  Zie voor een volledige lijst van deze categorieën de website van Google.

De lijnen van het supermarktbezoek laten zowel in Nederland als in Spanje aan het begin van de voorjaarspiek even een hamsterstijging zien, waarna de data naar beneden vallen. In Spanje erg sterk als gevolg van stringente maatregelen destijds met betrekking tot het supermarktbezoek. In Nederland zakt het supermarktbezoek medio maart en april wat in. Dat was een autonome ontwikkeling, van verboden was in Nederland destijds geen sprake. Daarna veren de cijfers in Nederland weer snel op en blijven rond het 0-niveau schommelen. In Spanje is dat opveren wat later als gevolg van de maatregelen, maar bereiken in juli weer het 0-niveau.

In Zweden is aan het supermarktbezoek niets bijzonders te merken. Doordat de Zweedse overheid zich in het begin van de epidemie afzijdig hield is er geen hamsterpiekje te zien en ook gaan daling in maart. Die pieken en dalen zien we wel in alle drie landen terug rond de kerstdagen.

De detailhandel/recreatie in Nederland en Spanje laten de invloed van de overheid goed zien. Opvallend is dat waar in Nederland in de zomer weer normale mobiliteitswaarden worden bereikt dat in Spanje niet het geval is: daar blijft ook in de zomermaanden een afname te zien van rond de -20%.

De cijfers van detailhandel/recreatie in Zweden laten in het voorjaar en vanaf november een lichte daling zien. Die was het gevolg van de relatief lichte maatregelen die Zweden in het najaar nam. Het bleef bij adviezen en wat lichte regels over aantallen mensen, het mondkapje werd ook in het najaar in Zweden geen maatregel.

Er is nog veel meer uit de Google data te halen, dit was slechts een vogelvlucht. Voor mensen die het mobiliteitsgedrag willen koppelen aan de sterftegrafieken moeten rekening houden met een time lag tussen besmetting en sterfte van gemiddeld 2 weken. De mobliliteitscijfers van Zweden laten zien dat de overheid slechts zeer beperkte maatregelen heeft genomen. Desondanks zijn de relatieve corona-gerelateerde sterftecijfers van Zweden en Nederland met elkaar vergelijkbaar. Noorwegen, dat in een aantal opzichten vergelijkbaar is met Zweden, heeft strengere maatregelen genomen, en de sterftecijfers van dat land zijn beduidend lager dan die van Zweden. Of dat het gevolg is van die strengere maatregelen is niet vast te stellen. Ik ben wel benieuwd naar de groepsimmuniteit in Zweden.

Fig. 1    Bron: Euractiv

De EU timmert flink aan de klimaatweg en nieuwbakken commissaris Frans Timmermans doet er nog een paar schepjes bovenop: hij wil het opwekken van windenergie op zee de komende dertig jaar vervijfentwintigvoudigen.  Nu weet de oplettende lezer intussen wel dat er extra goed moet worden opgepast als politici maatregelen bedenken ‘om het klimaat te redden’.  Meestal betekent dit dat de burger een financiële poot wordt uitgedraaid terwijl het klimaat zich er weinig van aan trekt. De moderne variant van het sprookje ‘De Kleren van de Keizer’ dus.

De EU heeft de 40% CO2 emissiereductie ten opzichte van het niveau van 1990 in 2030  opgeschroefd naar 55%. Helaas is dit een enorm kostbare manier om bijna niets te bereiken. De Deen Bjorn Lomborg, directeur van Copenhagen Consensus en ook gasthoogleraar op Hoover Institution van de Stanford University, schreef daar al over op Euractiv, een platform dat zegt de EU kritisch te volgen. Bovenstaande figuur 1 komt daaruit.

Afgezien van het feit dat de begeleidende foto bij het artikel een fraai staaltje van propaganda is (de auteur heeft daar meestal weinig over te zeggen) is het artikel duidelijk: onzinnig, die maatregelen van de EU zijn vooral voor de Bühne.

Fig. 2    Bron: @BjornLomborg

Lomborg schrijft dat In de komende drie decennia de nieuwe doelstelling van 55% reductie de EU-uitstoot met 12,7 miljard ton CO₂ zal verminderen. Als het in een van de standaard klimaatmodellen van de VN wordt opgenomen, zal deze aanscherping de mondiale temperatuur tegen het einde van de eeuw met 0,004 °C verlagen. Indrukwekkend. Aangezien de temperatuur daarna nog steeds zal stijgen, is het resultaat van het versterkte klimaatbeleid van de EU dat het de opwarming van de aarde met zes weken zal vertragen in 2100. De temperatuur die de wereld op 1 januari 2100 zou hebben bereikt, wordt nu bereikt op 11 februari 2100!

Dit nieuwe plan van de EU kost in totaal 5000 miljard Euro, maar dat hoeft de Europese Commissie gelukkig niet uit eigen zak te betalen maar wordt verhaald op de Europese burger: € 10.000 per persoon. En dat voor 0,004 °C minder opwarming.

Bjorn Lomborg voegde de nieuwe voornemens van de Europese Commissie in het meest gebruikte UN model SSP2 in. SSP2 is een van de SSP’s, ‘Shared Socioeconomic Pathways’,  en is het meest gebruikte scenario van verwachte sociaaleconomische mondiale veranderingen tot 2100. SSP2 is het ‘middle of the road‘ traject van de CO2 uitstoot op aarde.  En dit zal het uiteindelijke resultaat zijn:

Fig. 3    Bron: @BjornLomborg

Het laatste stukje van het traject, van 2094 t/m 2100, is uitvergroot om te laten zien dat er in de grafiek echt sprake is van twee lijnen. De cijfers die er bij staan spreken voor zich. En kijk vooral nog even naar wat het allemaal kost. De kleren van de keizer, betaald door het volk. Misschien moeten we toch eens denken over een Nexit.

Fig.1  Bron:  Worldometer

Bovenstaande grafiek toont de coronasterfte per land per miljoen inwoners zoals weergegeven op de website Worldometer op 24-12-2020. Door erop te klikken kunt u de figuur vergroten.

Het wereldgemiddelde is 223 doden per miljoen inwoners. Dat is met een rood streepje aangegeven. Wat me al eerder opviel is dat de landen met de meeste doden per miljoen inwoners vooral gelegen zijn op het Europese en Amerikaanse continent. Die landen heb ik met respectievelijk groen en geel aangegeven. Verder zijn verhoogde getallen zichtbaar in sommige delen van het Midden-Oosten. Relatief weinig getroffen worden de meeste Afrikaanse landen en landen in Oost- en Zuidoost Azië en Oceanië. Kijk bijvoorbeeld eens naar de positie van China waar het virus vandaan komt, en de positie van Australië.

In de 72 landen die méér dan de wereldgemiddelde relatieve sterfte vertonen (links van het rode streepje) woont ruim 24% van de wereldbevolking. In de landen die minder dan het wereldgemiddelde vertonen  woont ruim 75% van de wereldbevolking. In de 120 landen met minder dan 100 doden per miljoen inwoners woont bijna 55% van de wereldbevolking. In de 58 landen met minder dan 10 doden per miljoen inwoners woont ruim 30% van de wereldbevolking. De sterftedruk van het virus is dus zeer ongelijk over de aarde verdeeld.

Wat is het effect van de diverse corona-maatregelen op de mobiliteit van de Nederlanders? En wat is het effect van veranderende mobiliteitstrends op de corona-besmettingen? Google beschikt over de locatiedata van alle mobiele telefoons met het Google besturingssysteem, en dat zijn er heel veel. Die locatie wordt voortdurend bijgehouden. Google (maps) kent de ligging van woonwijken, werkplekken, OV-stations, parken, winkelcentra, recreatieterreinen enzovoorts. Die gegevens koppelen ze dan aan de locatie van een mobieltje op een bepaald moment, en een oneindige stroom van data ontstaat. Dat kan beangstigend zijn maar is soms ook nuttig, zoals in dit geval.

Google onderscheidt onder andere de locatiecategorieën Wonen, Werken, OV-stations (knooppunten in het openbaar vervoer, zoals metro-, bus- en treinstations), Detailhandel en Recreatie (restaurants, cafés, winkelcentra, themaparken, musea, bibliotheken en bioscopen) en Supermarkt en Apotheek (supermarkten, warenmarkten, gespecialiseerde levensmiddelenwinkels, drogisterijen en apotheken). Het leuke is dat Google al deze data over vrijwel alle landen beschikbaar stelt op het internet.

Fig. 1   Data: NICE

Ik wil deze data combineren met de data van corona, het liefst met de besmettingsdata. Helaas zijn besmettingsdata niet beschikbaar , maar wel data van ziekenhuisopnames. Figuur 1 toont de aantallen ziekenhuisopnames per dag zoals beschikbaar zijn via NICE. RIVM/GGD leveren ook data van ziekenhuisopnames. Het verschil tussen beide is te zien in dit recente bericht.

De grafieken verschillen nogal van elkaar: RIVM/GGD tonen hogere opnamecijfers tijdens de piek in het voorjaar, en lagere in het najaar. Waarschijnlijk zijn de voorjaarscijfers van RIVM/GGD betrouwbaarder dan die van NICE, en is dat in het najaar andersom. Ik kies vanwege dat laatste voor het gebruik van de NICE data.

Mensen die opgenomen worden met corona-indicatie hebben al enige tijd het virus onder de ledenen. De incubatieperiode ( tijd tussen besmetting en ziek worden) ligt tussen 1 en 14 dagen, waarbij de gemiddelde duur 5 a 6 dagen is (WHO). Voor dit onderzoekje ga ik uit van een gemiddelde incubatietijd tussen besmetting en ziekenhuisopname van 6 dagen. De grafiek komt er dan zo uit te zien:

Fig. 2

Lees verder →

Vanavond spreekt premier Mark Rutte op radio en televisie om het volk in te lichten over nieuwe verzwarende coronamaatregelen. Vandaag was er, waarschijnlijk vooruitlopend op deze mededelingen, een ware run op de winkels in mijn woonplaats. Zwarte maandag.

Ik ga over het al of niet nuttig zijn van bestaande en komende maatregelen niets zeggen. Voor mensen die zijn blijven nadenken heb ik wat recente data verzameld en in grafieken geplaatst zodat ze overzichtelijk zijn.

De voortdurende mededelingen over aantallen besmettingen sla ik over. Niet alleen omdat die intussen wel bekend zijn, maar ook omdat aantallen besmettingen weinigzeggend zijn. Ze zijn sterk afhankelijk van het aantal tests en de kwaliteit van de gebruikte tests. De grafieken zijn gemaakt aan de hand van officiële data van CBS, RIVM en NICE.  Waar nodig is een korte toelichting gegeven.

Data: RIVM via openinfo.nl

Het verschil in het aantal overleden patiënten met het coronavirus per dag ten opzichte van de vorige dag. Neerwaartse correcties van het cumulatieve aantal kunnen een ‘negatieve toename’ op een dag veroorzaken. Het aantal nieuw per dag is het verschil tussen het totaal per dag zoals meest recent bekend, inclusief eventuele correcties.

Data CBS en RIVM

Ik tel in 2020 t/m 12 december 9957 overledenen gerelateerd aan corona (bron RIVM). In het griepseizoen 2017 (week 40) t/m 2018 (week 39) wordt het aantal overledenen gerelateerd aan griep door het RIVM geschat op 9444.

Data: RIVM via openinfo.nl

Het verschil in het aantal opgenomen patiënten met het coronavirus per dag ten opzichte van de vorige dag. Neerwaartse correcties van het cumulatieve aantal kunnen een ‘negatieve toename’ op een dag veroorzaken. Het aantal nieuw per dag is het verschil tussen het totaal per dag zoals meest recent bekend, inclusief eventuele correcties.

Data: Stichting NICE via openinfo.nl

Gegevens van de Stichting NICE over het aantal corona-patiënten (vastgesteld) dat is opgenomen op de Intensive Care en verpleegafdeling.

Tot slot: over de wijze waarop we als burgers moeten worden aangesproken is goed nagedacht door de regering. Iemand wees me op dit officiële stuk waarin richtlijnen staan over de wijze waarop men de burgers gaat aanspreken. Het is een presentatie voor de informele bijeenkomst op het Catshuis op 1 november 2020:

Bron:  Rijksoverheid

Gezelschapsspel voor vanavond: kijken of Rutte zich aan de nieuwe richtlijnen houdt. U kunt het stuk hier vinden.

 Fig. 1   Data: KNMI

Het afgelopen jaar heb ik een aantal berichten geschreven over de sterke toename van de inkomende zonne-energie in Nederland en wijde omgeving. Zie onder andere hier en hier en hier. Hoe warm het op een bepaald moment en op een bepaalde locatie is, wordt door een complex van factoren bepaald.  De belangrijkste factor die de temperatuur bepaalt is de hoeveelheid stralingsenergie van de zon die binnenvalt. Dat merken we elke dag als de opkomende zon het aardoppervlak verwarmt en de temperatuur doet stijgen. In de periode 1980-2019 was die dagelijkse stijging van de temperatuur op de 5 hoofdstations van het KNMI gemiddeld ruim 7 °C, aan de kust wat lager door de dempende invloed van de zee, in het binnenland wat hoger. De seizoenswisselingen hebben ook een groot effect op de temperatuur: op basis van de metingen op de 5 hoofdstations was het in Nederland tussen 1980 en 2019 in januari gemiddeld 3,3 °C en in juli 17,8 °C.

Het KNMI levert de data van de hoeveelheid invallende zonne-energie Q (solar irradiation) in J/cm2 per etmaal. In De Bilt wordt vanaf 1957 gemeten, in Vlissingen sinds 1964 en op de andere drie hoofdstations Eelde, De Kooy en Maastricht sinds 1965. Figuur 1 toont de gemiddelde dagelijkse instraling (irradiation) per jaar vanaf het begin van de metingen t/m 2019 op de vijf hoofdstations. De signalen van de stations fluctueren sterk van jaar tot jaar, vooral als gevolg van verschillen in bewolking.  In alle stations gaat de  hoeveelheid invallende zonne-energie sinds begin jaren ’80 van de vorige eeuw gestaag omhoog. De hoogste instraling wordt op de beide kuststations gemeten, waarover later meer.

Fig. 2

Over de periode 1980-2019 is de stijging van de instraling op alle stations groot: De Kooy 9,5%, De Bilt 13,7%, Eelde 11,3%, Vlissingen 12,2% en Maastricht 11,2%. Dat impliceert een enorme toename van de hoeveelheid zonne-energie in ons land, die moet effect gehad hebben op de temperatuur. De oorzaak van die sterke toename moet gezocht worden in twee factoren: de afname van aerosolen (brightening) en de afname van de bewolking. Die brightening is voldoende beschreven in de wetenschappelijke literatuur en beperkt zich overigens niet tot Nederland. Het is een bekend fenomeen in heel West-Europa en ook in andere vroeg geïndustrialiseerde regio’s op aarde.

Fig. 3  Data: KNMI

Lees verder →

In een vorig bericht heb ik een vergelijking gemaakt tussen de fameuze warme zomer van 1947 versus de zomer van 2020. Het bleek dat de zomer van 1947 veel warmer was. De methode die ik heb gebruikt is gebaseerd op de data van de maanden mei t/m september, een ‘extended’ zomer dus. Dat is niet ongebruikelijk in de klimatologie. Van elk zomer-etmaal heb ik de Tx (maximum etmaaltemperatuur) van 2020 afgetrokken van die van 1947, dus Tx 1947 minus Tx 2020. Datzelfde deed ik met Tn (minimum etmaaltemperatuur) en Tg (gemiddelde etmaaltemperatuur).

Fig. 1    Data: KNMI

Fig. 2    Data: KNMI

Lees verder →