Categoriearchief: Geen categorie

De onstuitbare honger naar rare earth en andere mineralen

Fig.1    Bron: International Energy Agency

Bovenstaande grafiek spreekt boekdelen. Hij is afkomstig uit een recent rapport van het Internationaal Energie Agentschap (IEA) dat de rol van kritieke mineralen in de overgang naar schonere energie beschrijft. Zonnepanelen, windmolens en elektrische auto’s vereisen over het algemeen meer mineralen dan hun op fossiele brandstoffen gebaseerde tegenhangers. Een elektrische auto vereist 6x meer mineralen dan een conventionele auto en een windmolenpark op het vasteland heeft 9x meer mineralen nodig dan een gasgestookte centrale. Sinds 2010 is de gemiddelde hoeveelheid mineralen die nodig is voor een nieuwe elektriciteits-unit met 50% toegenomen als gevolg van de toename van hernieuwbare energiebronnen. (Bron: IEA)

Niet alleen de bij de nieuwe technologieën benodigde hoeveelheden mineralen zijn sterk toegenomen, maar ook de vraag naar het type mineralen is afwijkend. De soorten minerale hulpbronnen die worden gebruikt verschillen per technologie. De vraag naar mineralen als lithium, kobalt en mangaan groeit sterk, en zogenaamde rare earth elements (REE’s) zijn onmisbaar voor windturbines en elektromotoren. Bovendien hebben elektriciteitsnetwerken  enorme hoeveelheid koper en aluminium nodig.

Fig.2    Bron: International Energy Agency

Figuur 2 toont de verwachte groei van de winning van een aantal nieuwe technologie-gerelateerde delfstoffen tussen 2020 en 2040. De grafiek is duidelijk: alleen al voor wat betreft de rare earth mineralen zal de vraag (en daarmee de productie) tot 2040 7x groter worden dan de huidige. Lithiumwinning moet dan ruim 40x zo groot zijn als nu, en de winning van kobalt ruim 20x zo groot.

Ik beperk me in dit artikel tot de zogenaamde rare earth elements (REE’s). Chinese bedrijven domineren momenteel de REE-winning op aarde en waren in 2016 goed voor 85 % van het wereldwijde aanbod. Australië is de op een na grootste producent met een marktaandeel van 10%.  Echter, slechts 35% van ’s werelds REE-reserves bevindt zich in China, wat de vraag oproept hoe het mogelijk is dat het land de sector zo heeft kunnen monopoliseren. Het zal te maken hebben met de bekende Chinese lange termijn visies denk ik.


Fig.3    Bron: ScienceDirect

REE’s zijn, anders dan hun naam doet vermoeden, overvloedig aanwezig in de aardkorst. Het addertje onder het gras is dat ze in lage concentraties voorkomen te midden van andere mineralen. Ze zijn bij de winning moeilijk te scheiden van die andere mineralen, wat ze “zeldzaam” maakt. We zagen hiervoor al dat de vraag naar deze REE’s de komende jaren naar verwachting sterk zal toenemen omdat overheden, organisaties en burgers steeds meer investeren in ‘schone’ energie. De vraag naar dysprosium en neodymium zal de komende 25 jaar naar schatting 7x tot 26x zo groot worden als gevolg van elektrische voertuigen en windturbines. Dat gaat echter grote problemen opleveren, want de manier waarop bedrijven REE’s winnen brengt grote schade toe aan lokale gemeenschappen en vervuilt omliggende gebieden. (bron: Harvard International Review)

Er zijn twee primaire methoden voor de winning van REE’s , waarbij in beide gevallen giftige chemicaliën vrij kunnen komen in het milieu. Bij de eerste methode (dagbouw) wordt de bovengrond verwijderd en wordt een loogbassins aangelegd waar chemicaliën aan de delfstof wordt toegevoegd om de metalen te scheiden van de rest. Loogbassins, die vol zitten met giftige chemicaliën, kunnen echter naar het grondwater lekken wanneer zij niet goed zijn beveiligd en kunnen soms hele hydrologische systemen aantasten.

Fig.4    Bron: Trouw

Bij de tweede methode worden gaten in de grond geboord om met behulp van pvc-buizen en rubberslangen chemicaliën in de ondergrond te pompen, waardoor vergelijkbare problemen ontstaat als in de open mijnbouw. Bovendien worden pvc-buizen soms achtergelaten nadat het gebied door de mijnbouwcompany verlaten wordt.

Beide methoden produceren veel giftig afval met een hoog risico op milieu- en gezondheidsschade. Voor elke ton geproduceerde REE’s levert het winningsproces 13 kg stof, 9.600 tot 12.000 m3 afvalgas, 75 m3 afvalwater en maar liefst 1 ton radioactief residu op. Dat laatste is het gevolg van het feit  dat bij de winning van REE’s radioactief thorium en uranium vrijkomt, wat bijzonder schadelijke gevolgen kan hebben voor de gezondheid van werknemers en omwonenden. In totaal wordt voor elke ton REE’s  2000 ton giftig afval geproduceerd (bron: Harvard International Review). Onderstaande tabel geeft een overzicht van de mogelijke gezondheidseffecten bij het winnen en verwerken van REE.

Bron: EURARE

Conclusie: nieuwe technologieën zoals elektrisch auto’s, windmolens en zonnepanelen gebruiken relatief gezien veel meer rare earth elementen en andere zeldzame mineralen dan conventionele technieken. De winning en verwerking van REE’s veroorzaakt niet alleen milieuproblemen op de winningsplek, maar is ook schadelijk voor de gezondheid van werknemers en omwonenden. Verwacht wordt dat groei van die nieuwe technologieën de komende jaren in versneld tempo zal toenemen, en daarmee impact op mens en milieu.

Ondanks rapporten dat er maatregelen genomen dienen te worden om die negatieve effecten te verminderen lijkt er zich in werkelijkheid een ramp aan het voltrekken. Maar liefst 85% van de winning van REE’s op aarde is in handen van Chinese bedrijven. Gezien de grote economische belangen voor China die gemoeid zijn met de winning van REE’s is het niet te verwachten dat op korte termijn maatregelen genomen zullen worden. Bovendien levert het feit dat de winning van veel mineralen in handen is van Chinese bedrijven nog een ander gevaar op, namelijk economische afhankelijkheid. Het uitrollen van nieuwe technologieën is onlosmakelijk verbonden met de beschikbaarheid van bepaalde mineralen. Door China’s dominantie in de markt zijn de meeste andere landen afhankelijk geworden van China. China heeft dit ‘wapen’  overigens al enkele malen ingezet bij conflicten met andere landen.

Het is bekend dat vanuit energetisch oogpunt de inzet van elektrische auto’s, windmolens en zonnepanelen slechts in beperkte mate kan bijdragen aan het terugdringen van fossiele brandstoffen. Desondanks is er bij veel politici nog veel geloof in de nuttige inzetbaarheid van die technologieën, gestimuleerd door de grote financiële belangen van lobbyende industrieën en diensten die actief zijn in dit speelveld.

Bovenbeschreven negatieve aspecten van de REE’s en andere zeldzame mineralen werpen echter een schaduw over het gebruik en de groei van die nieuwe technologieën. Hier gaat het niet om de vraag of windmolens of zonnepanelen rendabel in te zetten zijn (dat zijn ze niet), maar om de alsmaar toenemende negatieve effecten van winning op de omgeving van de winplaatsen en de gezondheid van steeds meer mensen.  Daar moet eens goed over nagedacht worden lijkt me.

De homogenisatie van GHCN in Europa

Men kan een waarnemingsreeks, zoals een temperatuurreeks, homogeniseren als er veranderingen in waarneemomstandigheden hebben plaatsgevonden die een sprong of trendbreuk veroorzaken die niet klimatologisch van aard is. Te denken valt aan verplaatsingen van de stations en/of instrumenten, langzaam of abrupte veranderingen in de omgeving en veranderingen in instrumenten, meethutten en meetmethoden. Die zogenaamde inhomogeniteiten kunnen dan zo groot worden dat een meetreeks zonder verdere correcties ongeschikt is voor klimaatonderzoek.

Voor onderzoek naar klimaatverandering is het dan belangrijk is om deze inhomogeniteiten te corrigeren.  In de praktijk betekent dit dat men dat deel van de meetreeks dat inhomogeniteiten bevat homogeniseert. Die homogenisatie komt meestal neer op een wijziging van de meetgegevens met behulp van statistische technieken.

De temperatuurreeksen van GHCN worden regelmatig gehomogeniseerd. De maandelijkse station temperatuurgegevens van het Global Historical Climatology Network (GHCN) worden beschikbaar gesteld door NOAA. GHCN is een van de meest gebruikte bronnen ter wereld. De databank bevat gegevens van meer dan 100.000 stations in 180 landen. Momenteel is versie 4 actueel.

De GHCN datasets zijn beschikbaar in twee formaten: niet-gehomogeniseerd en gehomogeniseerd. Sinds 2011 wordt de gehomogeniseerde dataset buiten de USA bijna dagelijks bijgewerkt door toepassing van het “Pairwise Homogenization Algorithm” (PHA) toe te passen op de niet-gehomogeniseerde datasets. Eerdere studies hebben aangetoond dat de PHA goed kan presteren bij het corrigeren van synthetische tijdreeksen wanneer bepaalde kunstmatige vertekeningen worden geïntroduceerd. De prestaties met reële gegevens zijn minder goed bestudeerd. Maar daar is nu verandering in gekomen.

O’Neill et al (2021) hebben onlangs een publicatie het daglicht laten zien met als centrale vraag hoe goed die PHA zijn werk doet bij het homogeniseren van Europese temperatuurreeksen. Ik heb aan dat onderzoek ook een bescheiden bijdrage mogen leveren.

Fig. 1     Bron: O’Neill et al 2021

Eerdere studies hebben aangetoond dat de PHA goed kan presteren bij het corrigeren van synthetische tijdreeksen wanneer bepaalde kunstmatige sprongen werden geïntroduceerd. De prestaties met reële gegevens zijn minder goed bestudeerd. Daarom zijn de gehomogeniseerde GHCN datasets (versie 3 en 4) bijna dagelijks gedownload over een periode van 10 jaar (2011-2021), wat resulteerde in 3689 verschillende updates van de datasets. De verschillende geïdentificeerde breekpunten werden geanalyseerd voor een set van stations uit 24 Europese landen waarvoor metagegevens over de stationsgeschiedenis beschikbaar waren. Figuur 1 links toont in rood de 259 Europese stations in versie 3 waarvoor metadata beschikbaar waren. Figuur 1 rechts in rood de 847 stations met metadata in versie 4.

De onderzoekers vergeleken de breekpunten zoals die door het algoritme waren geïdentificeerd met de breekpunten in de aangeleverde metadata. Een opmerkelijke inconsistentie in de geïdentificeerde breekpunten (en dus toegepaste aanpassingen) kwam hierbij aan het licht. Slechts 19% van de breekpunten (18% voor versie 3) werd in verband gebracht met een gedocumenteerde gebeurtenis binnen 1 jaar, en 67% (69% voor versie 3) werd niet in verband gebracht met een gedocumenteerde gebeurtenis (zie figuur 2).

Fig.2    Bron: O’Neill et al 2021

Hoewel het PHA dus een nuttig instrument blijft in de homogenisatie-gereedschapskist van de klimaatgemeenschap, zijn veel van de PHA-aanpassingen die zijn toegepast op de gehomogeniseerde GHCN-datasets van Europa mogelijk dus niet correct geweest. Na onze publicatie over de homogenisatie van de 5 hoofdstations van het KNMI Is dit alweer een bewijs dat homogenisaties – als men ze al nodig acht- alleen met de grootst mogelijke voorzichtigheid moeten worden toegepast.

Recordhoge koraalbedekking Great Barrier Reef


Fig.1    Bron: Libertyfest

Hans Wolkers dook in de publicaties over het Great Barrier Reef in Australië en ontdekte dat er veel tegenstrijdige geluiden te horen zijn over het rif. Hij interviewde daarom Peter Ridd. Marien onderzoeker Ridd verloor onlangs zijn beroep bij het Hooggerechtshof tegen de James Cook University in Australië. Hij was ontslagen wegens overtreding van de gedragscode van de universiteit met betrekking tot openbaar commentaar over het Groot Barrièrerif dat volgens de universiteit denigrerend was voor een collega. Tegengeluid over de conditie van het Great Barrier Reef werd en wordt niet op prijs gesteld. Hier het verslag van Hans Wolkers:

Onlangs berichtte de NOS over de plannen van de Australische regering om het Great Barrier Reef extra te beschermen door het verbeteren van de waterkwaliteit, het verminderen van erosie en het bestrijden van de illegale visserij. Critici vinden deze maatregelen zinloos omdat klimaatverandering -volgens hen de grootste bedreiging voor het rif- niet wordt aangepakt. Tien jaar geleden voorspelden een aantal wetenschappers al een massale sterfte van het rif door klimaatverandering. Maar harde getallen uit 2021 laten een ander beeld zien: het rif is in een geweldige conditie.

Rond het Great Barrier Reef (GBR) doen al jaren doemscenario’s de ronde. Volgens Unesco is het rif in zo’n slechte staat dat dit prachtige natuurgebied daarom op de lijst van bedreigd natuur werelderfgoed geplaatst moet worden. In 2012 berichtte ook het gezaghebbende wetenschappelijke tijdschrift PNAS dat het er slecht uitzag voor het GBR. Onderzoekers stelden dat het rif in continue verval is (onder andere door klimaatverandering) en voorspelden dat als er niets zou gebeuren het koraal binnen tien jaar zou afnemen tot slechts 5-10% van de oorspronkelijke bedekking.

Fig.2    Bron: Wikimedia

Maar is dit doemscenario uitgekomen en kloppen de statements van de milieubeweging en sommige wetenschappers wel dat klimaatverandering een grote bedreiging vormt voor het GBR? Nee, stel de marien geofysicus Peter Ridd, die het GBR al meer dan 35 jaar lang bestudeert. Volgens hem verkeert het GBR op dit moment in een absoluut geweldige conditie. ‘Ondanks de claim van sommige koraalwetenschappers dat er de afgelopen vijf jaar maar liefst drie keer catastrofale rifschade is geweest, zien we nu een recordhoge koraalbedekking’, zegt hij. ‘Die schade kan nooit zo dramatisch zijn geweest als ze claimden. Er is door sommigen flink overdrijven, want dramatische schade en dan nu al zo’n spectaculair herstel, dat kán gewoon niet.’


Fig.3    Bron: Australian Institute of Marine Science

Ridd beroept zich hierbij op harde cijfers. Een langetermijn monitoring van het rif, uitgevoerd door het Australian Institute of Marine Science, laat namelijk zien dat het rif in 2020-2021 in topconditie verkeert. De schade van voorgaande jaren door cyclonen en de beruchte koraal-etende doornenkroon zeester is grotendeels is hersteld. Volgens het instituut is de koraalbedekking met 25% tot bijna 40% toegenomen tot een recordhoogte in 2021. (fig.3).

Fig. 3   Data: Australian Institute of Marine Science

Ridd wijst erop dat ook het in PNAS geschetste doemscenario van 2012, toen de koraalbedekking een duidelijke dip vertoonde, niet is uitgekomen. Integendeel: het rif heeft juist een sterk herstel laten zien. De alarmistische geluiden uit de hoek van sommige wetenschappers, milieubeweging en media blijken ongegrond: het rif blijkt een robuust ecosysteem te zijn dat zich snel kan herstellen van schade. Als mogelijke reden voor die doemscenario’s noemt Ridd het feit dat af en toe massale hoeveelheden koraal sterven door cyclonen of een uitbraak van de doornenkroon zeester. Dit wordt dan breed uitgemeten in de media en voor onderzoekers kan dat extra onderzoeksgeld betekenen. Herstel van het rif haalt de kranten echter meestal niet. ‘Ik denk niet dat dit opzettelijke leugens zijn’, zegt Ridd. ‘Ik denk dat er een extreme vorm van groepsdenken heerst, waarbij iedereen elkaar napraat, en tegenstand niet wordt geduld, terwijl in de wetenschap juist het omgekeerde zou moeten gebeuren.

Ridd ontkent niet dat de wateren van het GBR langzaam warmer worden. Wetenschappers voorspellen dat de watertemperatuur de komende decennia met 1-1,5 graad zal toenemen. Sommigen beweren dat dit het einde zal beteken van het GBR en dat 98 procent van het koraal zal afsterven. Maar volgens Ridd is deze kleine temperatuurtoename van het water geen enkel probleem. ‘Het GBR ligt in het zuidelijke deel van de koraaldriehoek. Hier komen dezelfde koraalsoorten voor als in de noordelijke delen rond Papoea en Indonesië, maar daar is het water wel zo’n 1,5 -2 graden Celsius warmer’, legt hij uit. ‘Ik verwacht daarom dat verreweg de meeste soorten dit gemakkelijk aan kunnen.

En zelfs als de temperaturen te hoog blijken te worden denkt Ridd dat het koraal zich kan aanpassen. Koralen leven samen met kleurige algen, zoöxanthellen, die zuurstof en koolhydraten voor de poliep produceren. Bij te hoge temperaturen, stoten de koraalpoliepen echter de zoöxanthellen uit. Dit doen ze waarschijnlijk omdat hun kleurige gasten dan giftige stoffen gaan vormen. Dit zorgt voor bleek, maar vooralsnog geen dood koraal. Het blijkt dat de poliep en de zoöxanthellen zich onder deze omstandigheden na verloop van tijd toch kunnen aanpassen, waardoor het gebleekte koraal weer een algensoort vindt om mee samen te leven, waardoor ze kan herstellen. ‘Door dit aanpassingsmechanisme van bleken en weer nieuwe algen opnemen overleeft het koraal al millennia lang wisselende omstandigheden’, stelt Ridd. ‘Vooralsnog is er absoluut geen wetenschappelijk bewijs dat het rif een kleine opwarming van het zeewater niet zal overleven. Integendeel: Ik zie het GBR als een robuust natuurgebied dat uiterst veerkrachtig is en goed bestand is tegen wisselende omstandigheden, inclusief klimaatverandering.’

Modellen (zucht)

De Volkskrant analyseerde de beslissing van de Nederlandse regering om voor de Kerst in lockdown te gaan. Die beslissing was gebaseerd op modellen van het RIVM die torenhoge opnames voorzagen vanwege de Omikronvariant (zie figuur 1).

Fig.1    Bron: Volkskrant

Het artikel geeft een goed overzicht van de hectische dagen voorafgaande aan de lockdownbeslissing. Maar verbazing overviel me toen ik las:  “Het is verleidelijk om, zoals Kuzu of Levi, achteraf naar de grafiek te wijzen en te zeggen: zie je, het model zat te hoog. Maar modellen zijn geen voorspellingen die pas ‘geslaagd’ zijn als ze uitkomen, een diep misverstand. Het zijn verkenningen, van mogelijke toekomsten – waarvan je sommige vooral moet zien te vermijden.”

Dat vind ik een vreemde conclusie. Als een model volstrekt niet uitkomt is het gewoon een slecht model, dat model deugt dan niet. Daar kun je nog zulke ‘verzachtende’ omstandigheden bij bedenken zoals ‘de werkelijkheid achterhaalde het model’ of iets dergelijks, maar dat is alleen maar semantische gladstrijkerij voor modellen die niet uitkomen. Wat heb je aan een model dat als je het toetst aan de werkelijkheid niet blijkt te kloppen? Nobelprijswinnaar fysicus Richard Feynman legt dat zo uit:

Natuurlijk is het maken van modellen om de invloed van een virus op de gezondheid van mensen te voorspellen heel lastig, zeker als je te maken hebt met nieuwe varianten waar nog relatief weinig over bekend is. Ik zie parallellen met modellen in de klimatologie. Klimaatmodellen, global circulation models (GCMs),  zijn uiterst complexe nabootsingen van het nog veel complexere aardse klimaatsysteem. Die klimaatmodellen trachten de gemiddelde mondiale temperatuur te voorspellen over een x aantal jaren. Maar ondanks het gebruik van computers met een formidabele hoeveelheid rekenkracht lukt het klimaatmodellen niet om de temperatuur goed te voorspellen. De laatste generatie modellen, CMIP6, doet het zelfs nog wat slechter dan de voorlaatste generatie.

Fig.2     Bron: Scafetta et al 2021

Scafetta (2021) vergeleek de prestaties van 38 CMIP6-modellen bij het reproduceren van de veranderingen in de oppervlaktetemperatuur van 1980-1990 tot 2011-2021 met  onder andere de door satellieten gemeten temperaturen (UAH MSU V6 TLT). Figuur 2 toont die vergelijking in anomalieën ten opzichte van de periode 1980-1990.

Te zien is dat vrijwel alle klimaatmodellen de aardse temperatuur (veel) te hoog inschatten als je de uitkomsten van hun runs vergelijkt met de gemeten temperaturen (groene lijn). Prof. William Happer legt uit hoe dat komt:

Conclusie: met virusmodellen moet je minstens zo voorzichtig omgaan als met klimaatmodellen. Blijkbaar is er voor wat betreft de RIVM-grafieken van december j.l. gewaarschuwd voor de grote onzekerheden daarin. De vraag is natuurlijk of de dienstdoende ministers in staat waren om dat te vertalen in adequaat gedrag. Het is nu wel duidelijk dat dat niet het geval was. ‘Prognose zeer onzeker!!’, had Van Dissel er met dubbele uitroeptekens in grote letters boven gezet toen hij de grafieken naar Den Haag stuurde. Dat heeft niet geholpen. Voor wetenschappers een goede waarschuwing: stuur alleen maar modeluitkomsten naar buiten als die te vertrouwen zijn.

In de klimatologie zie je pas achteraf dat de meeste modellen niet deugen. Dat is logisch: de gemeten temperatuur is de enige toetssteen waaraan de waarde van een model kan worden afgemeten. Dat geldt m.m. ook voor virusmodellen. Als die modellen onbetrouwbaar zijn mag je hopen op bestuurders met voldoende gezond verstand. Wat zal ik zeggen? 😉

Interview met William Happer

De bekende Amerikaanse fysicus William Happer werd onlangs geïnterviewd door wetenschapsjournalist Marcel Crok. Happer was lange tijd hoogleraar aan de Princeton University en houdt zich al decennialang bezig met klimatologische vraagstukken als de gevoeligheid van het klimaatsysteem voor toename van CO2.

Het interview wordt naar het einde toe steeds interessanter, dus zeker uitkijken, die 1 uur,  17 minuten en 21 seconden!

Is de Elfstedentocht echt verleden tijd?


Fig.1   Bron: wikimedia

Het is 25 jaar geleden dat de laatste Elfstedentocht werd verreden. Kersverse winnaar van de Machiavelliprijs en weerman Gerrit Hiemstra werd daarom geïnterviewd, ook door De Stem.

Daarin kwam ook de Elfstedentocht ter sprake, want Gerrit is tenslotte behalve weerman ook Fries, en niet te vergeten aanhanger van de hypothese dat er sprake is van een klimaatcrisis. Ik werd getriggerd door het antwoord van Hiemstra op de vraag of hij verwacht nog een Elfstedentocht mee te maken:  ,,Als Fries hoop ik natuurlijk van wel, maar ik denk het niet. De Elfstedentocht is verleden tijd. Het is een feit dat we steeds minder dagen vorst hebben. Dat maakt de kans op een Elfstedentocht statistisch heel klein, véél kleiner dan vroeger.’’


Fig.2    Data: KNMI

Dat er tegenwoordig minder vorstdagen zijn dan pakweg 50 jaar geleden klopt, zoals u op figuur 2 kunt zien. De grafiek toont het aantal vorstdagen (etmaal met minimum temperatuur Tn < 0 °C ) in de winter per jaar in De Bilt vanaf 1902 t/m 2021. De jaren met een Elfstedentocht zijn in rood afgebeeld. Een winter bestaat uit de maand december van het voorafgaande jaar plus de maanden januari en februari van het daaropvolgende jaar. Dus de winter van 1934 bestaat uit december 1933 plus januari en februari 1934. 1933 was het jaar met de enige Elfstedentocht in de maand december, maar wordt hier dus gerekend tot de winter 1934 (rode stip).

Te zien is dat alle Elfstedentochten tenminste 47 vorstdagen (1954) kenden, met als outlier de Elfstedentocht in de winter van 1912, die slechts 29 vorstdagen telde. Vanaf ongeveer 1980 neemt het aantal vorstdagen geleidelijk af, zoals goed te zien is aan de oranjebruine stippellijn van de Loess smoothing in de grafiek. Vanaf 1987 zijn er nog maar 3 jaren met een aantal vorstdagen van meer dan 50, en vanaf 2012 is er geen enkele winter meer met meer dan 47 vorstdagen.

Rijst de vraag wat de oorzaak is van die afname van het aantal vorstdagen. Opwarming, zal het automatische antwoord van velen zijn, als gevolg van de uitstoot van CO2 door menselijke activiteiten. De boodschap van het IPCC (een afdeling van de UNO) is dat CO2 de spil is in het proces van opwarming van de aarde. Dat CO2 een broeikasgas is, is juist. Maar dat het de spil is van een proces dat ons in een klimaatcrisis stort is zeker wel betwistbaar.

Fig.3    Data: KNMI

Wat bepaalt de temperatuur op enig moment in ons land? Dat zijn de omstandigheden ter plekke (met name instraling van de zon, neerwaartse IR straling (broeikaseffect), opwaartse IR straling, bewolking, albedo, verdamping, convectie, bebouwing) en advectie (aanvoer van warmte en koude van elders). Omdat het fenomeen Elfstedentocht een winterse aangelegenheid is heb ik in figuur 3 de gemiddelde winter-Tn (minimum dagtemperatuur) per jaar weergegeven en met rode stippen de Elfstedentochten. De meeste Elfstedentochten vonden plaats in winters met een opvallend lage gemiddelde Tn, wat natuurlijk niet verwonderlijk is. Voor dik ijs heb je een langere periode met koude nachten nodig.

De oranje-bruine lijn is de Loess smoothing waarmee je de springerige Tn-lijn kunt gladstrijken. Zo is makkelijker visueel vast te stellen of er sprake is van een trend. De lineaire trendlijn vertelt dat de winterse Tn in De Bilt tussen 1901 en 2021 gestegen is met 1,78 °C. Goed is te zien dat de Loesslijn gedurende meer dan 80 jaar vrijwel geen trend laat zien en in de jaren ’80 van de vorige eeuw gaat stijgen. Mogelijke oorzaken van die stijging zijn met name een toename van de neerwaartse IR als gevolg van een versterkt broeikaseffect,  een toename van de instraling als gevolg van afnemende bewolking en aerosolen, toegenomen verstedelijking en een veranderend windpatroon. Over al deze onderwerpen heb ik al vaker geschreven, gebruik het zoekvenstertje of het verticale menu.

Bovengenoemde factoren spelen ongetwijfeld alle mee bij de stijging van Tn-winter vanaf de jaren ’80 van de vorige eeuw. In welke mate elk van de factoren een bijdrage geleverd hebben aan die stijging is heel moeilijk vast te stellen. Fervente klimaatalarmisten zullen vooral wijzen op het toegenomen broeikaseffect, ik denk dat een veranderend windpatroon dominant zou kunnen zijn. Immers, het ijs in Nederland kan onmogelijk dik worden zonder dat er gedurende langere tijd lucht vanuit Rusland wordt aangevoerd.

Fig.4    Data: KNMI

Om te bezien welk verband er is tussen de windrichting (hoek waaruit de wind waait) en het aantal vorstdagen heb ik in figuur 4 beide factoren afgezet voor het jaar 2021. De donkere lijn geeft de windhoek per dag weer van 1 december 2020 t/m 28 februari 2021. De bijbehorende graden lopen tussen 0 en 360 graden als in onderstaande windroos:


Fig.5

Uit ervaring weet ik dat in de winter zeer koude lucht Nederland binnenvalt als de windrichting NO tot O is. Het brongebied van die lucht is dan vaak het NW van Europees Rusland. Dat is het geval als de windhoek in de grafiek van figuur 4 naar beneden buigt. Zo op het oog bezien is er een sterke correlatie tussen de windhoek en Tn, met name als de windhoek onder de 100 graden duikt. Alleen begin januari 2021 is dat niet het geval. Van 3 t/m 6 januari waait de wind uit het NO maart blijft de Tn desondanks boven 0 °C. Figuur 6 laat zien hoe dat kwam.

Fig.6    Bron: https://earth.nullschool.net

De wind (hier op 250 hPa niveau) komt weliswaar in Nederland uit het NO, maar het brongebied van die lucht was nu niet afkomstig van NW Rusland maar van Zuid-Frankrijk. Relatief zachte lucht werd door een lagedrukgebied boven ZW Frankrijk onze kant opgeblazen.

Ik was benieuwd naar windrichting en Tn in de winters van de 15 Elfstedentochten en heb voor al die winters de windhoek en Tn bepaald. Om de windhoek van de zeer koude continentaal arctisch/polaire lucht vanuit Rusland te bepalen  ga ik er van uit dat die tussen 0 en 120 graden ligt. Die grenzen zijn arbitrair zodat ik wellicht af en toe geen continentaal arctische/polaire lucht ‘vang’, maar voor dit onderzoekje denk ik dat dat wel voldoet.

Fig.7    Data: KNMI

Voor alle 15 Elstedentocht-winters geldt dat er een sterke correlatie zichtbaar is tussen de aanvoer van continentaal arctische/polaire lucht en lage minimum temperaturen. Alle Elfstedentochten worden vooraf gegaan door een koude periode waarbij minimum temperaturen lager dan -10 °C geen uitzonderingen zijn. De ‘outlier’  uit figuur 2, winter 1912, telde slechts 29 vorstdagen vanwege een versnipperde aanvoer van continentaal polaire lucht, maar de tocht volgde op een koudeperiode van 12 vorstdagen, waarvan de laatste dagen vóór de tocht tot zelfs beneden de -20 °C reikten (in De Bilt op 3 februari 2012 werd het maar liefst -20,1 °C). Blijkbaar voldoende kou om het ijs op dikte te krijgen, zodat op 7 februari 1912 de tocht gereden werd bij dooi (Tn = 4,1 °C):


Fig.8    Data: KNMI

Als we de grafiek van 1963 in figuur 7 bezien dan kwam de planning van de legendarische tocht van dat jaar niet zo nauw. Van 19 december 1962 t/m 28 februari 1963 was er sprake van een constante reeks van vorstdagen, slechts 2 maal onderbroken door een dag met Tn boven nul. Oorzaak: een volhardend blokkerend hogedrukgebied boven Zuid Zweden, waardoor vrijwel voortdurend koude tot zeer koude lucht uit Noord-Rusland naar Nederland stroomde. Op de dag van de tocht, 18 januari, werd in De Bilt een minimum temperatuur van -18,2 °C gemeten!

De bovenstaande grafieken maken duidelijk dat de juiste weersomstandigheden  voor een Elfstedentocht worden bepaald door een wat langere periode met lage tot zeer lage temperaturen, en dat de aanvoer van die zeer koude lucht wordt bepaald door de richting waaruit de wind waait. Het brongebied van die zeer koude lucht ligt in het NW van Rusland. Die zeer koude lucht komt dan meestal als NO- tot O-wind Nederland binnen.


Fig.9

Omdat het mogelijk kan zijn dat de aangevoerde koude lucht vanuit het NW Russisch brongebied in de loop van de jaren minder koud geworden is, heb ik de data van Russische stations in dat gebied bekeken. Stations met lange tijdreeksen in die regio zijn schaars, en van de reeksen die beschikbaar zijn ontbreken de data van een aantal achtereenvolgende jaren vanaf 1989. De nabijgelegen Barentszzee is tot laat in het jaar nog grotendeels ijsvrij en relatief warm water wordt door de Noord-Atlantische Drift aangevoerd. Dat relatief warme water beïnvloedt vaak tot diep in december ook de temperaturen op het land. Het is daarom niet verwonderlijk dan van de 15 Elfstedentochten er slechts 1 in december gereden is.


Fig.10    Data: GHCN/ClimateExplorer

Om die reden heb ik van de drie Russische stations alleen de gemiddelde minimumtemperaturen van de maanden januari en februari gebruikt en niet die van december. De grafieken van figuur 10 laten zien dat er van een opwarmende trend geen sprake is.

Het uitblijven van Elfstedentochten na 1997 kan in feite alleen nog maar verklaard worden aan de hand van de luchtcirculatie. Waaide het soms wat minder vaak uit NO-hoek? We kunnen daarvoor kijken naar de cijfers van de windrichting van het KNMI (DDVEC = Vectorgemiddelde windrichting in graden).  Maar lucht stroomt heel vaak via een bocht ons land binnen. Beter is het daarom om naar de ligging van het brongebied te kijken. Het brongebied is het gebied waar de aangevoerde lucht oorspronkelijk vandaan komt.


Fig.11    Bron: klimaatgek

Trouwe lezers weten dat ik vorig jaar tweemaal geschreven heb over het monnikenwerk dat een jonge student wiskunde heeft geleverd door een model te maken waarmee  het temperatuurverloop sinds 1836 in Nederland kan worden verklaard. Daarbij heeft hij voor de periode 1836-2020 per etmaal geanalyseerd hoe vaak de binnenkomende lucht uit welk brongebied afkomstig was. Figuur 11 toont de gebruikte namen en brongebieden.

De resultaten ziet u in figuur 12. De data aan de hand waarvan ik de grafiek van figuur 12 heb gemaakt zijn afkomstig van het model van Jippe Hoogeveen. Ik ben zo vrij geweest om me te richten op de periode vanaf 1901, conform de etmaaldata van het KNMI. Omdat de reeksen sterk schommelen zijn trends lastig af te lezen. Daarom zijn de datareeksen gesmoothed met behulp van een Loessfilter met span 0.2 . De grafiek toont voor de periode 1901-2020 het aantal (gesmoothde) winterdagen per jaar dat de binnenkomende lucht afkomstig is uit een bepaald brongebied.


Fig.12    Data: Jippe Hoogeveen

Te zien is dat de NO-circulatie (brongebied NW van Rusland) tot midden jaren ’80 al laag is maar daarna vrijwel wegzakt. Dat laatste geldt ook voor de O-circulatie dat zijn brongebied wat zuidelijker heeft en in mindere mate voor de N-circulatie. Sterke stijgers zijn de ZW- en W-circulatie die relatieve zachte lucht vanaf de Atlantische Oceaan meebrengen.

Hier ziet men dus in één oogopslag wat de oorzaak is van die zachtere winters in Nederland van de afgelopen decennia.

Overigens concludeerde Jippe Hoogeveen op basis van het model dat de luchtcirculatie de belangrijkste kracht is achter de temperatuurstijging in Nederland. Hij schrijft: “When we extended the model with a factor representing the sea, and with factors for the TSI, AMO, and CO2, then we find an R2 value of 0.85. Interestingly enough, CO2 does not seem to play a role.” Daar kom ik graag later op terug!

Conclusies

Weerman Gerrit Hiemstra gelooft niet dat we ooit nog een Elfstedentocht krijgen. Dat doet hij op basis van het feit dat we tegenwoordig veel minder vorstdagen hebben dan vroeger. Wat hij zich blijkbaar niet afvraagt is waardóór we tegenwoordig minder vorstdagen tellen. Want alleen dán kun je wat zinnigs zeggen over mogelijk toekomstige Elfstedentochten. De recente temperatuurstijging in Nederland (die door menigeen m.i. ten onrechte vooral of uitsluitend wordt toegeschreven aan antropogene CO2-emissies) speelt hier waarschijnlijk een ondergeschikte rol. Al of geen Elfstedentocht hangt vooral af van de vraag hoe lang de periode is waarin continentaal arctische/polaire lucht ons land binnenstroomt.

Ik heb laten zien dat winterse aanvoer van zeer koude continentale lucht de afgelopen decennia gedecimeerd is. Er is sprake van een duidelijke verandering in de luchtcirculatie boven Europa die als gevolg heeft dat de winters in ons land aanmerkelijk zachter zijn dan vroeger. Interessante vraag is dan welk mechanisme verantwoordelijk is voor die verandering in de atmosferische circulatie. Is CO2 verantwoordelijk voor deze verandering? Of is het te wijten aan natuurlijke oorzaken?

Mauri et al  schreven in 2014:    “The atmospheric circulation is a key area of uncertainty in climate model simulations of future climate change, especially in mid-latitude regions such as Europe where atmospheric dynamics have a significant role in climate variability.”

Voor de Elfstedentocht is het luchtcirculatiepatroon van doorslaggevend belang. Het winters patroon van méér maritieme en minder continentale lucht zoals we dat de afgelopen jaren kennen is niet gunstig voor een Elfstedentocht. Maar dat patroon is niet statisch maar dynamisch, zoals we in figuur 12 zagen, het is in constante beweging. Mauri et al wezen al op de onzekerheden in de luchtcirculatie: “models underestimate the role of atmospheric circulation
in recent climate change“. We weten er gewoon te weinig van. De voorspelling van Hiemstra dat de Elfstedentocht ‘verleden tijd’ is impliceert dat Hiemstra (als enige) wél weet hoe de luchtcirculatie zich de komende jaren gaat ontwikkelen. Maar stiekem denk ik dat hij last heeft van die hardnekkige CO2- tunnelvisie:  mensen >>> CO2 >>> opwarming >>> minder ijs >>> geen Elfstedentocht.

UHI-effecten in Nederland

Het Urban Heat Island-effect (UHI) is het klimatologische effect op de temperatuur, neerslag en windsnelheid in stedelijke gebieden. Het ontstaat door de fysieke en antropogene eigenschappen van stedelijke gebieden die afwijken van die van het omringende platteland. Die fysieke eigenschappen van steden beïnvloeden onder andere de reflectie en verdamping waardoor de energiebalans van steden afwijkt van die in rurale gebieden.

Een belangrijke oorzaak van het ontstaan van het UHI is de bebouwing. Hoogte van gebouwen en smalle straten zorgen voor meervoudige reflecties en sterkere absorptie van inkomende straling en beperking van de uitstraling van warmtestraling. Door wrijving neemt ook de windsnelheid af en vermindert daardoor de afkoeling door turbulentie. Van belang is ook de lagere verdamping in de stad: doordat neerslagwater snel en grotendeels ondergronds wordt afgevoerd is er relatief weinig water om te verdampen. Ook de vaak geringe oppervlakten met begroeiing zorgen voor een lagere verdamping. Verdamping is op aarde de belangrijkste manier om warmte aan het aardoppervlak kwijt te raken.

De antropogene invloeden betreffen warmtebronnen zoals gemotoriseerd verkeer, industrie, verwarming (’s winters) en airconditioning (’s zomers). Tenslotte hangt er over grote steden altijd een stofkoepel: luchtvervuiling zorgt voor absorptie en reflectie van de uitgaande warmtestraling, waardoor het vooral ’s nachts bijdraagt aan UHI-effect. Steden zijn door al deze factoren warmer dan hun omgeving, vooral in de zomer en meer ’s nachts dan overdag.

Fig.1    Bron: Van Hove 2011

Figuur 1 toont de temperatuurverschillen in de stad Rotterdam op de zomeravond van 6 augustus 2009 tussen 22u en 24u. Het maximale temperatuurverschil is ongeveer 6 °C, met de maximum temperaturen in het centrum gemeten. Het maximale UHI-effect van de grote Nederlandse steden wordt geschat op 4 tot 9 °C. Het gemiddelde effect op bijvoorbeeld de jaarlijkse temperatuur is uiteraard veel lager. De ruimtelijke invloed van het UHI-effect beperkt zich niet alleen tot de bebouwde omgeving van de stad. Door advectie hangt er een warmtepluim vanaf de stad over het benedenwindse omringende gebied.

In Nederland zijn de afgelopen jaren diverse pogingen gedaan om de grootte van het UHI-effect in steden vast te stellen. De gehanteerde methodiek loopt van mobiele metingen en vaste meetnetwerken tot het gebruik van modellen. Voor de metingen van figuur 1 werd door Van Hove et al gebruik onder andere gemaakt van een bakfiets, opgetuigd met allerlei meetapparatuur. Maar ook meteorologische observaties door andere onderzoekers en historisch data werden gebruikt.

Fig.2    Bron: Brandsma et al 2003

De invloed van het stedelijke UHI effect op de temperatuurmetingen van station De Bilt is door Brandsma et al (2003) bestudeerd door de temperatuurwaarnemingen van De Bilt (1993-2000) te vergelijken met die van het nabijgelegen landelijke station in Soesterberg. Daarbij moet men niet alleen denken aan invloed vanuit Utrecht maar ook vanuit  de nabijgelegen (peri-) urbane kernen De Bilt/Bilthoven en Zeist. De onderzoekers schatten dat het UHI-effect gedurende de 20e eeuw de jaarlijkse gemiddelde temperaturen van De Bilt met 0,10 ± 0,06 °C heeft verhoogd.

Koopmans et al (2014) gebruikten modelsimulaties van het bodemgebruik in de jaren 1900 en 2000 om het UHI-effect op temperatuurmetingen van station De Bilt te kunnen schatten. De resultaten wijzen op een temperatuurstijging gedurende de 20e eeuw van 0,22±0,06 K. Dat is meer dan 2x zo hoog als wat Brandsma et al vonden met de vergelijking De Bilt-Soesterberg.

Fig.3    Bron: Koopmans et al 2014

Klok et al (2012) hebben als eersten voor heel Nederland een kaart gemaakt van het hitte-eiland effect (SHI) op basis van onder andere satellietbeelden van warmtestraling. Het effect is het verschil in oppervlaktetemperatuur tussen stad en het buitengebied. Overdag kan dat oplopen tot 9 °C, gemiddeld is dat voor de 73 grootste steden in ons land 2,9 °C en ’s nachts iets lager, 2,4 °C. Daarbij is het % verhard en bebouwd oppervlak een belangrijke factor.

Fig.4    Bron: Klok et al (2012)

Het voordeel van de gebruikte methode is dat het een gebiedsdekkende methode is, in tegenstelling tot het gebruiken van data van weerstations en mobiele metingen zoals hiervoor beschreven. In het algemeen zijn de gemeten temperaturen bij deze methode ook iets lager dan bij de andere beschreven methodes. Klok et al maakten gebruik van de oppervlaktetemperaturen gemeten door satellieten van NOAA (figuur 4), de andere papers van de instrumenteel gemeten luchttemperaturen. Bij die laatste methoden (UHI) zijn de temperatuurverschillen ‘s nachts vaak hoger dan overdag.

De gebruikte satellietopnames in figuur 4 zijn van 16 juli 2006 om 14:07 uur en 17 juli 2006 om 4:04 uur lokale tijd. Er was toen sprake van een hittegolf in Nederland en de hemel was onbewolkt. Het onderzoek toonde onder andere aan dat steden op hogere zandgronden overdag een hogere SHI vertoonden, terwijl steden op klei- en veengronden juist ’s nachts een hogere SHI vertoonden. Ik vermoed dat dat te maken heeft met het watergehalte van de bovenste deel van de bodem, waardoor er in natte bodems een groter verticaal warmtetransport kan plaatsvinden. Warmtetransport in zandgronden is veel kleiner doordat de lucht tussen zanddeeltjes vooral isoleert.

Op basis van de digitale topografische kaart van Nederland (TOP10NL) is voor elke gridcel van 1×1 km bepaald wat het overheersend bodemgebruik was (water, stedelijk gebied, niet-stedelijk gebied). Zo ontstond de kaart van figuur 5.

Fig.5    Bron: Klok et al (2012)

Opvallend is dat Den Haag overdag hogere temperaturen had dan Rotterdam en Amsterdam. Een mogelijke oorzaak daarvan is het feit dat Den Haag deels op droog zand (strandwallen en oude duinen) gebouwd is. Die strandwallen hebben hier een ZW-NO strekkingsrichting, zie figuur 6. Tussen die hogere en droge strandwallen zijn de tussenliggende laagtes in de loop van de tij opgevuld met veen (nat). Als je goed kijkt naar het rechter kaartje van figuur 5 dan is die ZW-NO strekking in de kleuren te zien.

Fig.6    Bron: Gemeente Den Haag

Rotterdam en Amsterdam hebben binnen hun stedelijk gebied veel meer oppervlaktewater dan Den Haag, wat hoge temperaturen overdag verhindert en ’s nachts stimuleert. Voor Rotterdam spelen waarschijnlijk de vele hoge gebouwen met deels glazen puien in het centrum voor een wat hogere SHI ’s nachts.

Beide kaartjes van figuur 5 laten goed zien dat de ruimtelijk verspreide verstedelijking die zo kenmerkend is voor ons land ook tot gevolg heeft dat stedelijk hitte-eiland effect ook een sterke ruimtelijke spreiding kent. Zelfs kleine steden vertonen extra opwarming. De tabel in figuur 7 toont de gegevens voor de 73 grootste steden in Nederland.

 

Fig.7    Bron: Klok et al (2012)

Alles wijst er dus op dat vanwege de sterke verstedelijking van Nederland en de ruimtelijke versnippering van die verstedelijking veel gebieden in Nederland beïnvloed zijn door het UHI. Dat toont ook de kaart “Stedelijk hitte-eiland effect (UHI) in Nederland” uit 2017 die het RIVM en VITO (Vlaams Instituut voor Technologisch Onderzoek) gezamenlijk hebben uitgegeven. De kaart kunt u vinden in de Atlas Natuurlijk Kapitaal.

Fig.8    Bron: RIVM

De kaart met cellen van 10x10m  geeft het stedelijk hitte-eiland effect (UHI) weer, het gemiddelde luchttemperatuurverschil tussen de stedelijke en omliggende landelijke gebieden in °C Uit onderzoek blijkt dat het UHI-effect op stadsniveau op basis van twee variabelen goed te voorspellen is: bevolkingsdichtheid in de stad en binnen een straal van 10 km rondom de stad, en de    Op basis van deze twee variabelen werd in een model gemaakt om de maximale UHI in een stad te bepalen.

Daarna werden de effecten van omgevingsfactoren in het model gebracht. Verharding (bebouwing), groen (vegetatie) en blauw (water) hebben op kleinere schaal invloed op de windsnelheid en de hoeveelheid warmte die wordt vastgehouden. Op basis van verharding en de mate van groen en blauw in een straal van 1km om een locatie werd dan de maximale UHI naar beneden bijgesteld. Voor deze berekening werd gebruik gemaakt van de landgebruikskaart van het CBS op 10m resolutie en de groenkaarten die door RIVM zijn ontwikkeld (% groen per 10m cel). Groen heeft op lokale schaal nog een extra verkoelend effect. Op basis van lokaal groen in een straal van 30m om een locatie is de actuele UHI per locatie bepaald.

Fig.9    Bron: Roy Remme

Figuur 9 toont het model dat is toegepast voor de afkoelende effecten van vegetatie en water. Voor een gedetailleerde  omschrijving van de toegepaste methode zie hier. De waarden op de kaart zijn jaargemiddelden. Het temperatuurverschil tussen stad en omringend gebied blijft daardoor onder de 3°C. Op hete zomerdagen kan het verschil echter beduidend verder oplopen dan de waarden in de kaart, zoals we al zagen in eerder onderzoek.

Het mooie van de UHI kaart van het RIVM is dat de kaart voor geheel Nederland het stedelijk eilandeffect in kaart brengt in jaargemiddelden. Dat kan ik gebruiken om te bezien  in welke mate het UHI effect van invloed is op de temperatuurmetingen van het KNMI. Daarvoor gebruik ik de exacte ligging van de 34 KNMI weerstations die op onderstaande KNMI-kaart zijn weergegeven als groene vierkanten:

Fig.10    Bron: KNMI

De exacte ligging van elk station is bepaald met behulp van de metadata van het KNMI, foto’s van weerstations en Google Earth. Die laatste twee bronnen waren nodig omdat de coördinaten in de metadata onvoldoende exact zijn om de ligging op de 10x10m grid van de kaart te bepalen.  Daarna  heb ik met behulp van de UHI kaart voor elk station de grootte van het UHI-effect bepaald in °C. Voor stations met een UHI van < 0,2 °C (de donkerste kleur blauw op de kaart) is het effect kleiner dan 0,2 °C.


Fig.11    Data: KNMI en RIVM

De kleuren in de tabel van figuur 11 corresponderen met de kleurstippen in de groene stationsvierkanten van figuur 10. De tabel in figuur 11 laat zien dat 5 stations (De Bilt, Amsterdam/Schiphol, Hoek van Holland, Rotterdam/The Hague en Eindhoven) een UHI-effect vertonen van 0,4 – 0,6 °C. Verder vertonen 9 stations een UHI-effect van 0,2 – 0,4 °C. De rest, 20 stations, valt in de laagste categorie van 0 -0,2 °C en vertoont dus geen of bijna geen UHI-effect. Het verbaast niet dat de stations met het grootste UHI-effect alle in sterk verstedelijkte gebieden liggen.


Fig.12    Data: RIVM

Van het RIVM kreeg ik de aantallen gridcellen (10x10m) per UHI-klasse, zie de tabel in figuur 12. De 34 KNMI weerstations bevinden zich alle in de bovenste 3 klassen. Dat betekent dat geen enkel station een UHI-effect van 0,6 °C of hoger vertoont. De gemiddelde temperatuur op hoofdstation De Bilt in de meeste recente klimaatperiode 1991 – 2020 was 10,6 °C. Corrigeer je dat getal voor het UHI-effect op station De Bilt dan wordt de gemiddelde temperatuur in de laatste klimaatperiode 10 °C tot 10,2 °C.

Bedenk wel dat de cijfers hier het UHI-effect op jaarbasis betreffen. Met name op warme zomerdagen en –nachten kan het UHI-effect op de thermometers van De Bilt veel groter zijn. Er zijn op etmaalbasis temperaturen gemeten die tot 9 °C hoger zijn dan referentiewaarden op de omringende landelijke gebieden.

Om te achterhalen of bovenstaande  verdeling van het UHI-effect over de 34 KNMI stations overeenkomt met de ruimtelijke spreiding van het UHI-effect over het landoppervlak van Nederland heb ik de cijfers in een tweetal cirkeldiagrammen weergegeven.

Fig.13    Data: RIVM

Figuur 13a laat zien dat 9,8 % van het Nederlandse landoppervlak sterk door het stedelijk hitte-eilandeffect verwarmd wordt, van 0,6 °C tot meer dan 2 °C op jaarbasis. Die cellen bevinden zich alle in de centra van de grotere steden in ons land (figuur 8), waar zich geen meetstations (meer) bevinden. Bekijken we de percentuele verdeling van de 3 laagste klassen (tot 0,6 °C) in figuur 13a en vergelijken we die met de percentuele verdeling van de stations in figuur 13b, dan is te zien dat de weerstations oververtegenwoordigd zijn in de gebieden met  0,2 – 0,4 °C en 0,4 – 0,6 °C stedelijke opwarming, ondervertegenwoordigd zijn  in de gebieden met geen tot weinig UHI-effect en afwezig zijn in gebieden met het sterkte UHI-effect.

Alles valt of staat natuurlijk met de kwaliteit van het model dat het RIVM en VITO hebben gemaakt en op basis waarvan de kaart “Stedelijk hitte-eiland effect (UHI) in Nederland” gemaakt is. Wellicht dat er hier en daar nog wat verbeterd kan worden door het team van het RIVM. Wetenschap is nooit ‘af’, gelukkig.

Het weer in 2021

De afgelopen paar zwoele dagen waren voor menig weerman en -vrouw reden om al ruim van tevoren de alarmbellen te laten rinkelen. Zoals we de laatste jaren wel gewend zijn was er ook dit jaar vanuit die hoek meer belangstelling voor warmte dan voor koude, terwijl kou er toch echt óók was.


Fig.1    Data: KNMI

Om het klimaat te bepalen wordt gekeken naar het gemiddelde over 30 jaar van temperatuur, vocht, luchtdruk, wind, bewolking en neerslag. De zwarte lijn is de gemiddelde etmaaltemperatuur per dag op station De Bilt voor de klimaatperiode 1991-2020.

De bruine lijn is de gemiddelde etmaaltemperatuur op station De Bilt in 2021. Wat meteen opvalt is dat de bruine lijn veel sterker schommelt dan de zwarte lijn. Dat komt omdat de zwarte lijn het gemiddelde over 30 jaren weergeeft, waardoor extreme temperaturen per etmaal grotendeels tegen elkaar wegvallen. De sterke schommelingen in de lijn van 2021 zijn typisch voor het weer in ons land. De temperatuur van dag tot dag wordt sterk bepaald door de windrichting. En omdat Nederland ligt op de grens van noord (koud) en zuid (warm) en van land (grote verschillen tussen zomer en winter) en water (gematigde temperaturen) maakt het vaak een groot verschil uit welke hoek de wind waait.

Goed is te zien dat de laatste paar dagen van 2021 de temperatuur venijnig omhoog schiet. Maar als we de grafiek van een afstandje bekijken en even niet naar de uitschieters kijken kunnen we vaststellen dat de eerste helft van 2021 wat kouder was dan het klimatologisch gemiddelde van 1991-2020, en de tweede helft wat warmer.


Fig.2    Data: KNMI

Omdat ik geïnteresseerd ben in het verschil van dag tot dag tussen de etmaaltemperatuur in 2021 en de klimaatgemiddelde etmaaltemperatuur van 1991-2020 introduceer ik hier het begrip ‘graaddag’. Dat begrip wordt door verschillende disciplines op verschillende wijze gebruikt. Hier is een graaddag een dag waarop Tg 1 graad boven de klimatologische etmaaltemperatuur ligt. Dus een dag in 2021 waarop het 3 graden warmer is dan de klimatologische etmaaltemperatuur telt als 3 graaddagen. En 1 graad kouder telt als -1 graaddag.

Figuur 2 laat het aantal graaddagen zien in 2021. Tg van 31 december 2021 is nog niet bekend maar wordt geschat op 12 °C. Goed te zien is de relatief hoge graaddagen van 30 en 31 december 2021, van respectievelijk 9,4 en 8,4 graaddag. Maar die werden voorafgegaan door een paar koude dagen, met als uitschieter 22 december (-7,3 °C ).


Fig.3    Data: KNMI

Februari slingert nog sterker, met als dieptepunt 12 februari toen het maar liefst  9,6  °C kouder was dan het klimatologisch gemiddelde. En 11 dagen later, op 23 februari, was het 9 °C warmer dan het klimatologisch gemiddelde. In figuur 3 heb ik voor een deel van februari 2021 de windrichting (in graden) in De Bilt afgedrukt, met de gradenverdeling in de windroos. Goed is te zien dat 12 februari het einde was van een korte periode met wind uit het NO (Noord Rusland), en rond 23 februari wind uit het Z (Zuid-Europa).


Fig.4  Data: KNMI

In figuur 4 is te zien dat het zachte weer van de laatste paar dagen te danken is aan de aanvoer van zeer zachte lucht uit het ZW. Op ongeveer 10 km hoogte is in figuur 5 te zien dat we ons op 30 december 2021 om 12 uur pal onder de straalstroom bevonden die zachte lucht vanaf het subtropische deel van de Atlantische Oceaan aanvoert.


Fig.5    Data: https://earth.nullschool.net

Ik heb het totaal aantal graaddagen van 2021 berekend en vergeleken met het aantal graaddagen op basis van het klimatologisch gemiddelde van 1991-2020. Het jaar 2021 heeft 40 graaddagen minder dan het klimatologisch gemiddelde, en mag dus wel een koel jaar genoemd worden.

Tot slot nog even een blik op de extremen, in dit geval het aantal tropische dagen per jaar. Een tropische dag is een etmaal waarop de Tx (maximum  temperatuur) 30 °C of hoger is.


Fig.6    Data: KNMI

Kijk eens naar 2021: slechts 1 tropische dag is geteld (station Ukkel zelfs 0). En dat terwijl de drie voorafgaande jaren zoveel tropische dagen telden. Ik leerde vroeger van een docent klimatologie dat het weer de neiging heeft om in herhaling te vallen. En net op het moment dat je denkt dat er een begin is van een nieuwe trend wordt je teleur gesteld. Ook deze grafiek laat zien dat 2021 een relatief koel jaar was.

Ik kan niet nalaten om ook dezelfde grafiek van het aantal tropische dagen in De Bilt te laten zien, maar dan inclusief de homogenisatie die het KNMI heeft toegepast op de cijfers van 1901 tot 1 september 1951 (rood lijntje). Vergelijk figuur 7 eens met figuur 6.


Fig.7    Data: KNMI

Ik schreef onlangs al dat we met een groepje onderzoekers ‘peer reviewed’ hebben aangetoond dat die homogenisatie niet op een correcte manier heeft plaatsgevonden. Het KNMI heeft laten weten dat ze het werk in 2022 opnieuw gaan doen en rekening zullen houden met wat we gevonden hebben.

Ik ben benieuwd hoe dat uit gaat pakken. Voorlopig (maar dat deed ik al sinds 2016) ga ik uit van de gemeten cijfers en is figuur 6 het uitgangspunt. Totdat bewezen wordt dat dat niet deugt natuurlijk, want zo moet dat in de wetenschap, toch?

Oversterfte 2020 en 2021

Omdat we de kerstdagen in een lockdown moeten vieren wend ik mijn blik even van de klimatologie naar de oversterfte in Nederland. Geen hoog oplopende discussies als het kan, maar een paar grafieken en een vraag. In enkele opzichten lijken corona en klimaatverandering wel op elkaar. Een van die overeenkomsten heeft te maken met de beschikbaarheid van betrouwbare data. In de klimatologie is dat een bekend verschijnsel waar ik regelmatig wat over geschreven heb. Ook de cijfers over corona zijn vaak onbetrouwbaar. Soms komt dat omdat er geen/weinig afspraken zijn gemaakt hoe gegevens te registreren en opslaan, zoals met betrekking tot de corona-gerelateerde sterfte. Dan maakt het nogal wat uit of je je baseert op de cijfers van het CBS of van het RIVM. Lees hierover eens dit artikel van de hand van vriend en collega Jan Ruis.

In dit artikel ga ik nader in op de algemene week-sterftecijfers zoals bijgehouden door het CBS. Deze cijfers zijn niet gelabeld aan een oorzaak van het overlijden, het zijn de kale sterftecijfers. Om over- en ondersterfte vast te kunnen stellen moet men eerst de ‘verwachte sterfte’ vaststellen. Het CBS doet dat met behulp van de weeksterftecijfers van de voorafgaande 5 jaren. Daarbij neemt het voor de coronajaren 2020 en 2021 als referentieperiode de sterftecijfers van 2015-2019.

Jan Ruis heeft het model waarop het CBS de verwachte sterfte baseert gereconstrueerd en op basis daarvan de referentieperiode verdubbeld naar 10 jaren. Dus voor de coronajaren 2020 en 2021 als referentie de periode 2010-2019. In veel landen is een referentieperiode van 10 jaren voor het vaststellen van de verwachte sterfte overigens gebruikelijk. Dat komt er dan voor 2020-2021 zo uit te zien:


Fig.1    Data:  CBS

De eerste en laatste week passen zelden netjes in 1 jaar, vaak behoren die weken deels bij het ene en deels bij het andere jaar. Dat past niet ‘lekker’ in de grafiek, maar ik doet ermee. Voor het nodige houvast heb ik elk jaar verdeeld in 12 gelijke stukjes van 4,31 weken. De blauwe lijn levert dus de verwachte sterfte per week voor 2020 en 2021 op basis van de referentieperiode 2010-2019. Er is sprake van een hogere sterfte in de winter dan in de zomer, met name als gevolg van sterfte vanwege het griepvirus, dat in de winter veel actiever is dan in de zomer. Het griepseizoen loopt van november t/m maart.


Fig.2    Data: CBS

Figuur 2 geeft behalve de verwachte sterfte per week ook de geobserveerde sterfte per week voor de jaren 2020 en 2021. Is de geobserveerde sterfte hoger dan de verwachte dan is er sprake van oversterfte, andersom van ondersterfte. Te zien is dan in beide jaren de oversterfte groter is dan de ondersterfte. Als in over- en ondersterfte een kleurtje geef wordt dat duidelijker:


Fig.3    Data: CBS

De flinke oversterfte van maart/april 2020, oktober 2020 t/m februari 2021 en vanaf eind oktober 2021tot heden zijn waarschijnlijk (groten-)deels toe te schrijven aan sterfte gerelateerd aan corona. Maar onder ‘normale’ omstandigheden zou men mogen verwachten dat na een periode van oversterfte er een periode van ondersterfte plaatsvindt. Die ondersterfte is ook wel te zien in mei, juni en juli 2020 en in maart 2021, maar is zwak. De oversterfte is veel groter dan de ondersterfte, terwijl in een normaal jaar onder- en oversterfte elkaar min of meer in evenwicht houden.

Ik ga me niet wagen aan het geven van een antwoord op de vraag waardoor er vooral in 2021 vrijwel constant sprake is van oversterfte. Dat is bijna altijd een combinatie van factoren en zo zal dat nu ook wel het geval zijn, ik acht me niet deskundig in deze. Maar een belangrijke vraag is mijns inziens wel: toont de grafiek van 2021 dat wat je verwacht bij een bevolking die vrijwel helemaal is ingeënt?  Mijn privé antwoord is: nee. Ik ben op zoek naar oorzaken van deze situatie. Sommige mensen wijzen naar de niet-ingeente medeburgers. Maar dat lijkt me bij de huidige aantallen ingeënte mensen niet houdbaar. Vorig jaar werd gesteld dat er bij zo’n 70% mensen met immuniteit er sprake zou zijn van groepsimmuniteit. Het lijkt erop dat die weggebleven is.