Fig.1    Bron: Telegraaf

Gisteren, 27 augustus 2022, stonden Jippe Hoogeveen en zijn vader prominent op de foto bij een artikel in De Telegraaf. Aanleiding was de wetenschappelijke publicatie die de jonge wiskundestudent  samen met zijn vader onlangs in het International Journal of Climatology gepubliceerd zag.

Jippe in het interview: “Op de website klimaatgek.nl van Rob de Vos was ik al verhalen tegengekomen over de invloed van de veranderende windrichting op onze temperatuur”. Hij duidde daarbij op een serie artikelen hier uit 2019 waarin ik de windrichting in Nederland sinds 1904 analyseerde. Zie hier, hier, hier, hier en hier.

Fig.2    Bron: Klimaatgek

Een conclusie uit die analyse was  dat het aandeel van SW wind in het jaarlijkse windpatroon al sinds het begin van de metingen in 1904 stijgt. Dat aandeel van SW wind is in die 115 jaren met maar liefst 27% toegenomen. Ik schreef: Hier hebben we ongetwijfeld een belangrijke oorzaak van de gestegen temperatuur in ons land te pakken.

Een probleem bij dergelijke analyses van de windrichting is dat de binnenstromende lucht vaak met een bocht ons land binnenkomt. De wind komt dan gemeten bijvoorbeeld uit het westen maar het brongebied van  die lucht kan dan in de buurt van de Azoren liggen, of juist in de buurt van IJsland. De eigenschappen van het brongebied, het gebied waar de lucht vandaan komt, bepalen in eerste instantie de eigenschappen van de luchtmassa erboven. Op zijn weg naar Nederland veranderen die eigenschappen in zekere mate doordat de eigenschappen van de ondergrond de daarboven bewegende lucht beïnvloedt.

Fig.3    Bron: DWD

De Duitse meteorologische dienst (DWD) heeft al vroeg nut en noodzaak ingezien van het registreren van die bochten in de luchtcirculatie en houdt vanaf 1881 dat bij in hun systeem van Grosswetterlagen (figuur 3). Ik heb daar nog niet zolang geleden een artikel aan gewijd. Het nadeel van dit systeem is dat het vooral beschrijvend van aard is.

Fig.4    Bron: International Journal of Climatology

Terug naar Jippe Hoogeveen. Het mooie van het werk van Jippe (en zijn vader) is dat hij een klimaatmodel heeft gemaakt dat net zoals de GWL van de Duitse meteorologische dienst rekening houdt met de brongebieden en  aanvoerroutes van binnenstromende lucht, maar dat heeft weten te vatten in een wiskundig model. Figuur 4 laat zien dat er  de afgelopen decennia sprake is van grote verschuivingen in de brongebieden van met name de maritieme luchtsoorten:  meer W en SW en minder NW en N. De continentale luchtsoorten laten vooral in de zomer een toename uit de warmere hoek zien (E, SE, S). Dat alles betekent meer aanvoer van warmte dan vroeger.

Fig.5    Bron: International Journal of Climatology

Dat het model van Jippe en Han deugt laat figuur 5 zien. In rood de voorspelling van de jaarlijkse temperatuur in De Bilt door het model, in zwart de gemeten jaartemperatuur in De Bilt. De grafiek toont een zeer goede fit met een R kwadraat van 0,85! Luchtcirculatie verklaart het grootste deel van de opwarming in Nederland, met een kleine rol voor de AMO en de zon. Het meest opvallende is dat CO2 geen rol van betekenis blijkt te spelen.

Dat laatste is voor critici moeilijk aanvaardbaar. Ze opperen dat de invloed van CO2 ‘verstopt’ zit in de warmere lucht uit het zuiden. Han Hoogeveen zegt daarover in de Telegraaf: ,”Nee. Ook voor de opwarming van de brongebieden hebben we gecorrigeerd. Het kan best zijn dat CO2 invloed heeft, maar wij zien het niet… We hebben ook naar CO2 gekeken, maar die lijkt geen rol te spelen bij de verklaring van de opwarming…Het mooie aan ons model is dat het zo transparant is. Alle data is gewoon bekend. Regressie is een standaardtechniek. Ons experiment kan iedereen gewoon herhalen. Op de universiteit bevestigde een professor statistiek dat we alles goed hebben gedaan.”

Een paar dagen geleden heeft kamerlid Pieter Omtzigt een aantal vragen gesteld aan de regering over de prijzen van gas en elektriciteit in Nederland. De aanleiding was een recente grafiek in het FD over de gasprijzen, die gebaseerd was op de data van HEPI, de Household Energy Price Index for Europe. HEPI is een samenwerkingsverband va een drietal energiebureaus, te weten het Finse VasaaETT, Energie-Control Austria en de Hungarian Energy and Public Utility Regulatory Authority (MEKH). HEPI brengt elke maand een rapport uit met een overzicht van de prijzen van gas en elektriciteit zoals betaald in de hoofdsteden van de 27 EU lidstaten plus het Verenigd Koninkrijk en Oekraïne. Daarin staan onthutsende feiten over de gas- en elektriciteitsprijzen.

Fig.1    Bron: HEPI

Figuur 1 laat zien dat de totale eindgebruikersprijs in Amsterdam (lees: Nederland) verreweg de hoogste is van Europa. De prijzen worden weergegeven in eurocent per kWh. Een m3 aardgas is ongeveer 10,2 kWh. De Nederlandse prijs in de grafiek is dus  € 0,2831 x 10,2 = € 2,89 per m3 aardgas. Omdat de totaalprijs niet alleen bepaald wordt door de kale gasprijs maar ook door netwerkkosten en belastingen wordt dat uitgesplitst:

Fig.2    Bron: HEPI

Figuur 2 laat zien dat Nederlandse consumenten ook de hoogste kale gasprijs van Europa betalen, namelijk € 0,1993 x 10,2 = € 2,03 per m3 aardgas. Ter vergelijking: de Belgen betaalden voor de kale gasprijs in juli € 0,1127 x 10,2 = € 1,15 voor 1 m3 aardgas, dat is iets meer dan de helft van wat Nederlanders betalen!

Fig.3    Bron: CBS

Hoe is dat mogelijk? In de meest recente jaarstatistiek van het CBS over 2021 bestond de input grosso modo uit winning (20.770 mln m3) en invoer (54.490 mln m3). Totale input was dus 75.260 mln m3. De output bestond in mei uit verbruik (40.130 mln m3) en export (41.029 mln m3). De totale output was dus in mei 81.950 mln m3. Van het verbruik kwam ¼  voor rekening van de 8,1 miljoen huishoudens, dat was ongeveer 10.000 mln m3. Het gasverbruik van huishoudens in 2021 was dus ongeveer 50% van de winning en 25% van wat we aan gas exporteerden.

Pieter Omtzigt vraagt daarom terecht aan de regering:

  en:

Fig.4    Bron: Twitter

Zijn we met de aardgasprijs voor consumenten de koploper van Europa, op het gebied van elektriciteit betalen we ook een hoofdprijs en zijn we nr 4 van de duurste Europese landen:

Fig.5    Bron: HEPI

Kijken we naar de opbouw van de elektriciteitsprijzen dan ziet dat er zo uit:

Fig.6    Bron: HEPI

Dat we niet op nr.2 staan heeft te maken met kortingen die door de overheid zijn ingevoerd op belasting en btw van elektriciteit. Die korting was in juli 2022 € 0,1824 per kWh, en hangt onderaan de Nederlandse staaf. Heel opvallend is dat de ‘kale’  elektriciteitsprijs in Nederland verreweg de hoogste is van Europa. Hoe kan dat?

Fig.7    Bron: Ourworldindata

Dat is allemaal des te opmerkelijker omdat Nederland nog steeds de grootste producent van aardgas in de EU is, zie figuur 7. De aangegeven productie van 720.000 terajoules  komt overeen met de 20.519 mln m3 aardgas uit figuur 3. Ondanks het feit dat de winning in Groningen nog wat verder teruggelopen is, is Nederland nog steeds de grootste producent van aardgas in de EU. De grootste producenten in Europa zijn echter buiten de EU te vinden: Noorwegen (6x jaarproductie Nederland) en uiteraard Rusland (bijna 40x de Nederlandse jaarproductie).

Alles overziend zijn de energieprijzen Nederland onbegrijpelijk hoog. De energie-armoede ligt niet alleen op de loer maar heeft al in heel veel huishoudens toegeslagen. Het is onbegrijpelijk dat er vanuit de politiek nauwelijks gereageerd is. De ‘kale’ prijs van  aardgas en elektriciteit zijn in Nederland extreem hoog, ik ben erg benieuwd naar een verklaring daarvoor.

Natuurlijk heeft de overheid de laagste inkomens deels gecompenseerd voor de extreem hoge energieprijzen, maar dat is volstrekt onvoldoende geweest. Bovendien kreunt ook een flink deel van de middeninkomens onder de hoge energieprijzen. De belastingvoordelen op elektriciteit lijken vooral een instrument te zijn om Nederlanders te bewegen van gas naar stroom over te stappen, maar voor een groot deel van het energiehuishouden is dat vooralsnog volstrekt onmogelijk. De beerput van de Nederlandse energiepolitiek!

Fig.1    Bron: PleinM

De lage Rijnwaterstand was de afgelopen tijd goed voor veel plaatjes en praatjes. Op bovenstaand kaartje zijn de stroomgebieden van Rijn  en Maas weergegeven. De rode lijn is de waterscheiding tussen beide stroomgebieden. Een stroomgebied is het gebied dat zijn overtollige water afstaat aan één rivier. Het stroomgebied van de Rijn is 160.000 km2 groot, veel groter dan dat van de Maas met 21.000 km3. De afvoer van de Rijn is daarom ook altijd veel groter dan van de Maas. Ik bekijk vandaag de afvoer van de Rijn in historisch perspectief.

Fig.2     Bron: wikiwijs

Figuur 2 laat zien dat de hoogste afvoer van de Rijn in Lobith in de winter wordt gemeten. In het koude jaargetijde is er vanwege de geringe verdamping veel neerslagwater ‘over’ dat door de rivieren afgevoerd wordt. In het late voorjaar  en zomer komt daar het smeltwater uit de Alpen bij. Dat zorgt dat de Rijn ook ’s zomers meestal goed bevaarbaar is. Maar die bevaarbaarheid kwam de laatste weken op de tocht te staan. Ik wilde weten of dat heel uitzonderlijk is, tegenwoordig wordt immers vrijwel elke afwijking van het gemiddelde als een ‘teken’ van klimaatverandering gezien.

De afvoer van een rivier is het debiet en wordt uitgedrukt in m³/s. Die afvoer van de Rijn wordt in Nederland al heel lang gemeten door Rijkswaterstaat. Ik gebruik de data van Lobith vanaf 1901. Het gemiddelde dagelijkse debiet van de Rijn ziet er als volgt uit:

Fig.3    Bron: KNMI

De grafiek loopt t/m 21 juli 2021, tot die datum zijn de etmaaldata beschikbaar op de ClimateExplorer van het KNMI. De lineaire trendlijn (rode streepjeslijn) laat zien dat er van een opwaartse of neerwaartse trend geen sprake is: de afvoer is al meer dan 120 jaren kaarsrecht. Ook de ontbrekende lagere data van de zomer 2022 zullen op die trend geen meetbare invloed hebben.

Maar ik ben natuurlijk wél nieuwsgierig naar die recente lage afvoerwaarden en heb de KNMI data daarom aangevuld met recente data van Rijkswaterstaat. Rijkswaterstaat levert 10-minutenmetingen van het debiet in Lobith. Omdat het hier over de laagwaterafvoer gaat heb ik de data gefilterd en geef ik van elk jaar het laagst gemeten debiet.

Fig.4    Bron: Rijkswaterstaat

De grafiek van figuur 4 toont de laagst gemeten waterstand van 2022 t/m 16 augustus. Het screenshot heb ik gisterenavond rond 23.45 genomen van de website van Rijkswaterstaat. Op 16 augustus schommelde de afvoer tussen 690 en 700 m3/s, ik gebruik 690 m3/s als gemiddelde afvoer voor die dag. Dat gebruik ik als laatste gegeven in mijn tijdreeks:

Fig.5    Bronnen: KNMI en Rijkswaterstaat

Het resultaat ziet u in bovenstaande grafiek die voor elk jaar de laagste etmaalwaarde aangeeft. Voor de duidelijkheid heb ik de laagste waarden (< 800 m3/s) rood gekleurd. De grafiek is duidelijk: behalve 2022 zijn er nog 15 andere jaren waarin het minimum debiet  lager was dan 800 m3/s. Daarvan waren zelfs 6 jaren waarin de afvoer nog lager was dan op 16 augustus 2022, namelijk 1921, 1929, 1947, 1949, 1953 en 1954. Ik weet zeker dat niemand in die jaren ook maar even heeft gedacht dat die lage waterafvoer wat te maken kon hebben met ‘klimaatverandering’. Dat hoort blijkbaar bij de klimaathysterie van de moderne tijd. Overigens vertoont ook de lineaire trendlijn ook in deze grafiek geen spoor van een trend.

Bron: Nu.nl

Wat jammer dat Nu.nl bij hun factcheck ‘vergeten’ zijn dat er ook nog een peer reviewde wetenschappelijke publicatie is over die verdwenen hittegolven van voor 1951 😉

Het is de laatste weken erg droog in Nederland. Nou moet je met dat begrip droogte oppassen, want het heeft diverse betekenissen. Zo kan het betrekking hebben op de hoeveelheid neerslag die gevallen is, maar ook op de beschikbare hoeveelheid oppervlaktewater, hoeveel hangwater beschikbaar is in de bodem, of hoe laag de waterspiegel staat van het freatische grondwater en nog een paar lastige zaken.

Fig.1    Bron: Brabant Water

Het kan dan gaan om  de waterbehoefte van landbouwgewassen, de drinkwatervoorziening, de scheepvaart op de rivieren, de waterbehoefte van bomen, struiken en kruiden enzovoort, en allerlei interacties tussen deze zaken en die uit de eerste alinea. Zo is er een groot verschil tussen de productie van drinkwater uit oppervlaktewater van rivieren en het IJsselmeer in laag Nederland en die uit diep (fossiel) grondwater in hoog Nederland. Minder neerlag gedurende enkele maanden heeft wel invloed op (de winning van) oppervlaktewater, terwijl dat geen effect heeft op de winning van diep grondwater. In figuur 1 is te zien waar Brabant Water het drinkwater vandaan haalt: uit 30 pompstations waar diep grondwater opgepompt wordt. Kortom: het is belangrijk om te weten waar heb je het over als het over droogte gaat.

Ik maak het me vandaag gemakkelijk en ben in dit artikel alleen maar geïnteresseerd in droogte in de betekenis van ‘weinig neerslag’. Het liefst over een lange periode want ik wil natuurlijk wel weten of het gebrek aan neerslag deze zomer een ding van de moderne tijd is of dat het vroeger ook al voorkwam. Ik ga de neerslag bekijken van het KNMI neerslagstation Deurne, een plaats op ongeveer 20 km ten O van Eindhoven. Deurne is een van de 320 actieve KNMI neerslagstations en heeft een tijdreeks die ergens halverwege 1929 begon.

Behalve die 320 actuele neerslagstations zijn er overigens ook nog 350 historische neerslagstations. De dagelijkse neerslag wordt gemeten van 08 uur op de voorafgaande dag tot 08 uur op de vermelde datum. Die neerslaggegevens worden per 10 dagen gevalideerd.  Dat valideren gebeurt per dag, dus dat betekent nog niet dat de jaarsommen automatisch o.k. zijn, want er kunnen meetdagen tussenuit vallen.

   Fig.2    Data: KNMI

Daarom heb ik de KNMI neerslaggegevens van Deurne vanaf 1930 vergeleken met de data van station Eindhoven van 1930 t/m 2009, zie figuur 2. Verwacht mag worden dat de data van beide stations -gezien de geringe onderlinge afstand- over langere perioden ongeveer vergelijkbaar zullen zijn. Dat geldt blijkbaar niet voor de periode van 1931 t/m 1935 waarin de jaarlijkse neerslag in Deurne veel lager lijkt dan in Eindhoven. Omgekeerd had Eindhoven opvallend lage jaarsommen van 1996 t/m 1999. Beide periodes haal ik derhalve uit de reeksen, zodat de tijdreeks van Deurne begint in 1936 en Eindhoven eindigt in 1995. Station Eindhoven werd ooit vervangen door station Eindhoven Vliegbasis, waarvan ik de data voor het laatste stuk van de grafiek mee laat lopen vanaf 1971 t/m 2021, zie figuur 3:

Fig.3    Data KNMI

Dat de neerslag jaarcijfers van Deurne door deze opschoning betrouwbaar zijn bewijzen de correlatiecoëfficiënten tussen Deurne en Eindhoven en tussen Deurne en Eindhoven Vliegbasis van respectievelijk 0,90 en 0,92. Daar doe ik het mee.

Fig.4    Data KNMI

De grafiek van figuur 4 toont de jaarsommen van de neerslag in Deurne van 1936 t/m 2021, met de lineaire trendlijn (streepjeslijn) en de rode smoothing  loesslijn van a=0.33. De lineaire trendlijn loopt op, de formule rechts laat zien dat er sprake is van een toename van ongeveer 1 mm per jaar, en over de gehele periode van 85 jaar is er een toename van 695 mm tot 781 mm.  Deze toename is statistisch significant. De loess smoothing toont een licht golvend patroon.

Omdat ik vooral benieuwd ben naar de zomerse neerslag heb ik de neerslagsommen per seizoen berekend.

Fig.5    Data: KNMI

De blauwe lijn in figuur 5 is de jaarlijkse neerslagsom in de lente van 1936 t/m 2021. De blauwe streepjeslijn is de lineaire trendlijn. Die laatste gaat heel lichtjes omhoog wat wijst op een lichte stijging van de neerslag in de lente over de hele periode, die overigens statistisch niet significant is. De rode lijn is de loesslijn, die de meerjarige bewegingen van de neerslag volgt. Te zien is dat het afgelopen decennium de neerslag in de lente wat afgenomen is.

Fig.6    Data: KNMI

Figuur 6 laat de ontwikkeling in de tijd van de zomerse neerslag zien. De lineaire trend in de zomer is licht stijgend, maar ook hier is die stijging ten opzichte van het sterk bewegende neerslagsignaal onvoldoende om statistisch significant te zijn. De loesslijn toont een lichte golving, de zomerse neerslag is gedurende de afgelopen 2 decennia wat hoger dan in de rest van de meetperiode.

Fig.7    Data: KNMI

De lineaire trend in de herfst (figuur 7) is nagenoeg 0, maar de loesslijn toont een lichte afname gedurende het laatste decennium.

Fig.8    Data: KNMI

De winterse neerslag in figuur 8 is de enige die een statistisch significante stijging laat zien. De afgelopen 2 decennia ligt de neerslag wat hoger dan gedurende de rest van de reeks.

Conclusie: met de neerslag in Deurne is vanaf 1936 weinig dramatisch aan de hand. De winters lijken wat natter te worden, terwijl lente en herfst wat droger lijken te worden. De zomers (figuur 6) zijn in Deurne niet echt droger geworden, zoals het KNMI voorspelt. Het afgelopen decennium telde Deurne zelfs 3 zomers met een hogere neerslagsom dan in alle voorafgaande zomers. De recentste droge zomer van 2018 was minder droog dan 10 andere zomers tussen 1936 en 1995. De zomer van 2022 zal ongetwijfeld in de boeken komen als droge zomer. Hoe droog moeten we afwachten, maar 1976 is lastig te overklassen. Figuur 6 laat in elk geval zien dat in het laatste decennium drogere en natte zomers elkaar regelmatig afwisselen. Wat in elk geval duidelijk uit de grafieken blijkt is dat de hoeveelheid neerslag van jaar tot jaar sterk kan wisselen. Dat heeft te maken met de overheersende windrichtingen die van jaar tot jaar verschillen. Niets is zo veranderlijk als het Nederlandse weer.

Samen met collega Jan Ruis ben ik bezig met het ontrafelen van de zeespiegelpublicatie van Steffelbauer en een groep auteurs van TU Delft. In een vorig artikel heb ik uitgelegd dat er vertraging is opgetreden in het ter hand stellen van de onderliggende data, maar het onderwerp is dermate complex dat we ons desondanks niet vervelen.

Fig.1    Data: PSMSL

In het eerste artikel over de Delftse publicatie hebben we voor elk station afzonderlijk laten zien dat er van 1890 t/m 2020 geen sprake was van een versnelling in de zeespiegelsignalen. Figuur 1 toont de grafiek van de maandgemiddelde zeespiegel voor het ensemble van de 6 hoofdstations langs de Nederlandse kust. Met een zwarte streepjeslijn is de lineaire trendlijn weergegeven (formule linksboven), met rood de 2^e orde polynomiale trendlijn (formule rechtsboven). De kromming van de laatste lijn, die de versnelling weergeeft in het signaal, is dermate gering dat de zwarte en rode lijn lijken samen te vallen.

Fig.2    Data: PSMSL

Om te laten zien dat er ook statistisch bezien geen sprake is van een versnelling in het zeespiegelsignaal aan de Nederlandse kust hebben we berekend wat de ‘best fit’ is, de lineaire trendlijn of de polynomiale trendlijn. Figuur 2 geeft de lineaire trendlijn weer van de jaarlijkse zeespiegeldata van het ensemble. R-kwadraat = 85% en P<0,0001. Aangezien de P-waarde veel kleiner is dan 0,05, ‘past’ het lineaire model uitstekend.

Fig.3    Data: PSMSL

Figuur 3 geeft de 2^e orde polynomiale trendlijn weer. Ook hier is de R kwadraat 85%, maar de P-waarde van de polynoom is 0,224. Aangezien de P-waarde nu groter is dan of gelijk aan 0,05 is deze term statistisch niet significant bij een betrouwbaarheidsniveau van 95% of hoger.  Dat betekent dat de lineaire trendlijn de voorkeur heeft, die heeft de ‘best fit’. Met andere woorden: er is geen significante versnelling in de stijging van de zeespiegel aan de Nederlandse kust zichtbaar.

Fig.4    Data: PSMSL

Ondanks het feit dat er geen versnelling in de grafiek zichtbaar is kun je toch zien dan het signaal een beetje op en neer gaat. Dat is nog beter te zien als je het volatiele signaal smoothed met een loessfilter, zoals in figuur 4 gedaan is (bruine lijn). De vraag is nu of hier sprake is van cyclisch gedrag.

Elke tijdreeks kan worden uitgedrukt als een combinatie van cosinus- en sinusgolven met verschillende perioden, fasen en amplitudes. Dit gegeven kan worden gebruikt om het periodieke cyclische gedrag in een tijdreeks te onderzoeken. Om te achterhalen of er wellicht cyclische signalen van invloed zijn op de zeespiegel passen we spectraalanalyse toe. Een veelgebruikte instrument bij spectraalanalyse is het periodogram. Een periodogram wordt gebruikt om de dominante perioden (of frequenties) van een tijdreeks te identificeren.

Om te bezien of in de tijdreeksen van de getijdenstations sprake is van cyclische beïnvloeding hebben we voor alle 6 stations een periodogram gemaakt:

Fig.6    Data: PSMSL

De periodogrammen tonen  pieken bij 18,7 jaar, 4,5 jaar en 3 jaar die alle lunaire cycli zijn. De piek op 18,7 jaar correspondeert met de nodale (maan-) cyclus van 18,613 jaar. De piek op 4,5 jaar correspondeert met de perigeum cyclus in springtij van 4,425 jaar en heeft te maken met de wisselende afstand tussen maan en aarde. De piek op 3,0 jaar ontstaat als het perigeum samenvalt met de twee zogenaamde maansknopen. Op Vlissingen na is er ook een cyclus van 5,7 jaar te zien en vertonen de Waddenzeestations een 2,5 jaar cyclus.

Fig.7    Data: PSMSL

De opvallende pieken op 66 en 131 jaar lijken te duiden op een AMO-effect, de schommeling van de watertemperatuur van de noordelijke Atlantische Oceaan. De tabel laat een duidelijk onderscheid zien tussen Waddenzeestations en Noordzeestations: IJmuiden, Hoek van Holland en Vlissingen vertonen de 66-jaars AMO cyclus, Delfzijl, Harlingen en Den Helder vertonen een 131 jaars cyclus, wat een harmonische lijkt van de AMO. Omdat de AMO geen regelmatige cyclus is zoals de lunaire cycli, is zijn de AMO amplitudes in het periodogram relatief klein.

Fig.8    Data NOAA

De AMO index berust op de SST (sea surface temperature) van het noordelijk deel van de Atlantische Oceaan (0-70N) waarvan de trend verwijderd is. Als die SST varieert kan dit effect hebben op de zeespiegel. De AMO correleert bovendien met tal van atmosferische circulatiepatronen die op hun beurt effect kunnen hebben op de zeespiegel (Chylek 2014).

De detrended getijdenreeksen van IJmuiden en Vlissingen tonen in dit verband een opmerkelijke correlatie met de AMO:

Fig.9    Data: PSMSL en NOAA

Omdat de AMO mogelijk effect heeft op de zeespiegel aan de Nederlandse kust zijn de begin- en einddatum van de meetreeksen bij analyse van de zeespiegel van belang. Want hoewel de AMO trendloos is over 1856-2020 kunnen kortere tijdsintervallen afwijkende resultaten opleveren.

Dat laatste lijkt het geval in de Delftse studie. De onderzoekers gebruikten tijdreeksen die starten in 1919, op het minimum van de AMO, en eindigen de meetreeks in 2018, op het maximum van de AMO (zie figuur 8). Het ligt dus voor de hand om eerst te onderzoeken of de getijdenreeksen voor de AMO gecorrigeerd moeten worden.

Een heel ander verhaal is de nodale of maancyclus van 18,613 jaar, die uitvoerig in de literatuur beschreven wordt en een extra zeespiegelstijging tot 30 cm kan veroorzaken. Het TU Delft artikel corrigeert de getijdenreeksen voor de nodale cyclus door er een sinus met periode 18,61 jaar en amplitude 1 van de zeespiegeldata af te trekken. De fase en amplitude van deze cyclus zijn echter niet met regressie bepaald maar gelijk aan die van de astronomische cyclus. Deze methode roept vragen op. Hagen et al (2021) hebben aangetoond dat de methoden die tot nu toe gebruikt werden om de invloed van de nodale cyclus te bepalen onjuist zijn en bepleiten het toepassen van regressie op de gemeten zeespiegeldata om de fase en amplitude van de nodale cyclus te bepalen.

Station IJmuiden toont de grootste periodogram-amplitude bij 18,7 jaar en illustreert de nodale cyclus het best. Om de opgang en neergang in het zeeniveau als gevolg van de nodale cyclus zichtbaar te maken werd de PSMSL reeks van IJmuiden eerst gecorrigeerd voor de trend en vervolgens als afwijking van het gemiddelde uitgezet:

Fig.10    Data: PSMSL

In figuur 10 toont de maandelijkse PSMSL-reeks tot 1925 de nodale cyclus duidelijk maar daarna wordt het patroon onduidelijker te volgen. Een Loess filter van 112 pts (18,613 jaar = 223,4 maanden) maakt de nodale cyclus beter zichtbaar in figuur 11:

Fig.11    Data: PSMSL

Maar noch de fase noch de amplitude zijn constant en tussen 1927 en 1945 verdwijnt de cyclus zelfs, evenals tussen 1980 en 1990. De negatieve fase verdwijnt grotendeels tussen 1927 en 1970. Deze bevindingen tonen aan dat de correctie voor de nodale cyclus die de TU Delft onderzoekers toepassen op de PSMSL-reeksen onjuist is en leidt tot artefacten in de trend.

De getijdenreeksen zouden beter voor de daadwerkelijke (in figuur 11 getoonde) nodale cycli gecorrigeerd moeten worden voor een realistischer resultaat. Het alternatief is: niet corrigeren als het onderzoeksinterval een integer aantal nodale cycli van 18,61 jaar omvat. 

Fig.12    Data: PSMSL

Fig.13    Data: PSMSL

Tot slot laten de figuren 12 en 13 zien dat er opmerkelijke verschillen zijn tussen Noordzee- en Waddenzeestations. De sterke stijging na 2015 in de Waddenzee, waar een neergang wordt verwacht, duidt op een 180°-faseverschuiving. Die deed zich eveneens voor rond 1920. Tussen 1930 en 1979 verdwijnt de positieve fase grotendeels.

Aan de Noordzeekust is de nodale cyclus eveneens onregelmatig. Maar in tegenstelling tot de Waddenzee is  tussen 1930 en 1970 niet de positieve fase maar de negatieve fase grotendeels verdwenen. Dit heeft uiteraard invloed op de langjarige trend. De prominente stijging na 2015 in de Waddenzee is in de Noordzee afwezig.

De vraag is waardoor die verschillen tussen Noordzee en Waddenzee ontstaan. Peng et al (2019) constateerden dat de waterhoogten in ondiepe kustgebieden sterk van plaats tot plaats kunnen verschillen als gevolg van de geringe waterdiepte en de geometrie van de kustlijn, waardoor de waargenomen 18,61-jarige nodale cyclus verschilt van de astronomisch theoretische waarden.

Hagen et al (2021) deden recent onderzoek naar de invloed van de nodale cyclus aan 31 getijdenstations aan de Noordzee, Waddenzee en Het Kanaal. De studie heeft aangetoond dat de huidige analysemethoden in de zuidelijke Noordzee en de Waddenzee enkele centimeters onnauwkeurig zijn als gevolg van de ondiepte (frictie) en geometrische complexiteit van het onderzochte gebied. Ze stellen een nieuwe rekenmethode  voor op basis van multiple nonlineaire regressie om de invloed van de nodale cyclus op het zeeniveau beter te kunnen bepalen.

Conclusie: het Delftse onderzoeksteam heeft bij het bepalen van de invloed van de nodale cyclus op de zeespiegel ten onrechte geen regressie toegepast. Bovendien was het wenselijk geweest als ook de invloed van de AMO was meegenomen in het onderzoek, vooral ook omdat de keuze van het startjaar 1919 van de onderzochte periode samenvalt met een negatieve fase en het eindjaar 2018 met een positieve fase van de AMO.

Een Nederlandse hittegolf wordt gemeten op station De Bilt en is een aaneengesloten periode van minimaal 5 dagen waarbij de maximumtemperatuur minimaal 25 graden Celsius is (zomerse dagen). In deze periode moet op minstens drie dagen de maximumtemperatuur minimaal 30 graden zijn (tropisch). Dat gaan we niet redden vrees ik. Gezien de langetermijnverwachtingen van de temperatuur in De Bilt  is de kans aanwezig dat 2022 op het moment van schrijven de boeken ingaat als een jaar zonder hittegolven, net zoals overigens 2021.

Toch  stonden de alarmbellen de afgelopen paar dagen hard te rinkelen, code oranje werd afgegeven en ongetwijfeld was het ook een ‘hot item’ in de diverse praatprogramma’s op tv. Van diverse kanten werd me erop gewezen dat ook het KNMI in het NOS-journaal flink alarmistisch bezig was geweest. Een mevrouw van het KNMI beweerde zelfs dat warme dagen tegenwoordig 4 graden warmer zijn dan vroeger. Dat leek me sterk, dus ik dook in de cijfers.

Tab.1   Bron: KNMI

De tabel is afkomstig van de KNMI website. Die tabel laat in de eerste helft van de vorige eeuw slechts 7 hittegolven zien, de resterende 22 hittegolven zijn van latere datum. Trouwe lezers van deze website weten dan wat er aan de hand is: het KNMI maakte bij het maken van de tabel  nog steeds gebruik van de ’gecorrigeerde’ data  zoals ze die in 2016 hebben vastgesteld. Het KNMI meende in dat jaar de gemeten dagtemperaturen  van 1901 tot 1 september 1951 van station De Bilt te moeten bijstellen. En bijstellen betekende voor dat station dat de hoogste etmaaltemperaturen, Tx genaamd, tot wel 2 graden naar beneden werden bijgesteld. Daardoor werd de periode 1901-1951 kouder en werd  het aantal hittegolven t/m 1950 teruggebracht van 23 tot slechts 7 stuks. Vanaf dat moment heeft het KNMI geen kans onbenut gelaten om met die bijgestelde temperaturen te laten zien dat het aantal hittegolven na 1950 veel groter was dan vóór 1950.

Figuur 1    Bron: Rapport ‘Het raadsel van de verdwenen hittegolven’

Figuur 1 toont grafisch wat die ‘correctie’ of ‘homogenisatie’ van de temperaturen van De Bilt voor gevolgen heeft gehad op het aantal hittegolven tot 1950. De gele staven geven het aantal hittegolven weer t/m 1950, vóór en na die homogenisatie. Vanaf 1951 (hier tot 2018)  is er geen correctie toegepast (grijze staven).

Omdat het naar beneden brengen van het aantal oude hittegolven van 23 naar 7 stuks volstrekt ongeloofwaardig was ben ik destijds samen met een drietal andere onderzoekers een onderzoek gestart naar die homogenisatiepraktijken van het KNMI. Dat mondde uit in een rapport dat ‘Het raadsel van de verdwenen hittegolven’ als titel heeft. Dat zou zomaar een titel van een nieuwe Kuifje kunnen zijn, ware het niet dat het -helaas- werkelijkheid is.

Fig.2    Bron: Springer

In 2021 kwamen Dijkstra et al met een peer reviewed publicatie over die homogenisatie van het KNMI, getiteld ‘Reassessment of the homogenization of daily maximum temperatures in the Netherlands since 1901’.

Daarin werd onderzocht hoe gevoelig de uitkomsten van die homogenisatie zijn voor een aantal keuzen die bij de statistische procedure door het KNMI zijn gemaakt. Het gaat daarbij om de keuze van de referentiestations, de lengte van temperatuurreeksen, de berekening van de statistische verdeling van de hoogste dagtemperaturen per maand en de manier waarop uitschieters in de data worden afgevlakt.

Fig.3    Bron: Dijkstra et al 2021

Dijkstra et al vonden dat het KNMI bijna alle keuzes in het homogenisatietraject zodanig genomen had, dat de uitkomst wel móest leiden tot maximale bijstelling naar beneden van hoogste temperaturen. Dát was de voornaamste oorzaak van het feit dat De Bilt maar liefst 16 van zijn 23 hittegolven van vóór 1951 verloor.

De auteurs van de publicatie vroegen over hun bevindingen een gesprek aan met het KNMI  maar dat werd geweigerd.  Alle traditionele media in ons land zwegen over die publicatie, alleen journalist Peter Baeten  van De Andere Krant wijdde er een artikel aan.  Hij zocht contact met het KNMI en vroeg om een reactie op de publicatie van Dijkstra et al, die vernietigend was voor de werkwijze van het KNMI. De reactie van het KNMI:

Mooie woorden, maar intussen gaat het KNMI dus blijkbaar gewoon door met het gebruiken van die foute temperaturen bij publieksvoorlichting zoals over hittegolven. Om een goed beeld te krijgen van de klimatologische ontwikkeling van extreme temperaturen in Nederland kun je als gerenommeerd instituut domweg geen gebruik meer maken van die ‘gecorrigeerde’  temperaturen is wetenschappelijk aangetoond, want die deugen niet.

Fig. 4    Bron: KNMI TR356

Figuur 4 toont het aantal hittegolven per jaar van 1901 t/m 2015, in de bovenste grafiek gebaseerd op de gemeten temperaturen, in de onderste op de gehomogeniseerde temperaturen. De grafiek is afkomstig uit het technische rapport TR356 van het KNMI. De homogenisatie van de extreme temperaturen tussen 1 januari 1901 en 1 september 1951 heeft geleid tot een afname van het aantal hittegolven van 23 naar 7 stuks. Ik dook in de data en maakte wat grafieken.

Fig.5    Data: KNMI

Figuur 5 toont het aantal hittegolven per jaar gebaseerd op de gemeten temperaturen t/m 19 juni 2022. Goed te zien is dat er sprake is van twee periodes met hittegolven, van 1911 t/m 1950 (23 hittegolven) en van 1975 t/m 2020 (25 hittegolven). De jaren vóór 1911 en van 1951 t/m 1974 waren relatief koele jaren waarin hittegolven afwezig waren. Die golfbeweging in de grafiek die we ook verderop nog zullen tegenkomen, is een bekend verschijnsel en wordt onder andere veroorzaakt door cycli in de Atlantische Oceaan en luchtcirculatiepatronen.

Fig.6    Data: KNMI

Zonder tropische dagen geen hittegolven. Daarom  toont figuur 6 het aantal tropische dagen (maximum dagtemperatuur ≥ 30 °C) van 1901 tot nu. Opvallend zijn de jaren 2018 t/m 2020 met relatief veel tropische dagen, tot zelfs 12 tropische dagen in het jaar 2020. Met daarna 2021 met slechts 1 tropische dag en 2022 met tot nu toe 2 tropische dagen. Het signaal is erg grillig en het golfpatroon is goed zichtbaar.

Fig.7    Data: KNMI

Figuur 7 laat van de tropische dagen voor elk jaar de hoogste temperatuur zien (Txx). De lineaire trend van 1901 tot heden is 1,2 °C. In een opwarmend Nederland de afgelopen decennia is het logisch dat de warmste dagen dan ook warmer worden. Toch is die trend van 1,2 °C opvallend laag als je die vergelijkt met de temperatuurstijging in Nederland vanaf 1901, die namelijk zo’n 2 °C is. De hoogste temperaturen zijn dus minder snel gestegen dan de gemiddelde temperatuur.

Klimaatwetenschapper Karin van het Wiel beweerde echter in het NOS-journaal van 19 juli 2022: “Warme dagen zijn al 4 graden warmer dan vroeger”. Zie dat journaal hier. Die 4 graden die de KNMI wetenschapper noemt zijn in elk geval niet terug te vinden in de grafiek van figuur 7, maar wellicht in andere cijfers. Ik zoek verder.

Fig.8    Data: KNMI

In figuur 8 heb ik alle 403 tropische dagen (≥ 30 °C ) die we vanaf 1901 tot heden in De Bilt gehad hebben op een rijtje gezet. Rechts zien we de hoge stippen van 2018 t/m 2020 terug. De rode streepjeslijn is de lineaire trendlijn, de formule daarvan staat linksboven in de grafiek. De maximum temperatuur van alle tropische dagen in De Bilt toont een trend van 0,44  °C over de periode 1901 t/m 19 juli 2022. Dat is nog veel lager dan de trend van figuur 7. Bovendien is die trend (α= 0,05) niet significant.

Fig.9    Data: KNMI

In de grafiek van figuur 9 zijn de maximum etmaaltemperatuur (Tx) van alle 44.399 etmalen sinds 1 januari 1901 op een rijtje gezet. De lineaire trend is hier 1,33  °C, vergelijkbaar met de trend van figuur 7.

In bovenstaande grafieken heb ik gepoogd die 4 graden opwarming terug te vinden, maar dat is niet gelukt. Hoe kwam Karin van het Wiel van het KNMI er in het NOS-journaal dan bij om te stellen dat warme dagen momenteel 4 graden warmer zijn dan vroeger? Het antwoord op die vraag bleek uiteindelijk verbluffend eenvoudig te vinden op de website van het KNMI. In het artikel met de kop “Warmste dag van het jaar nu 4 °C warmer dan rond 1900 ” refereren de schrijvers aan de laatste publicatie van de bekende KNMI wetenschapper Geert Jan van Oldenborgh. Daarin wordt deze grafiek getoond:

Fig.10    Bron: Oldenborgh et al

De auteurs van die publicatie baseerden hun grafiek in figuur 10 op de jaarlijkse Txx van De Bilt, de hoogste maximum temperatuur van elk jaar. Trek je door die grafiek een lineaire trendlijn dan is de trend van Txx 3,5 °C. Soepeltjes naar boven afgerond kom je dan op 4 °C.

In figuur 7 heb ik hetzelfde gedaan, namelijk de hoogste Tx per jaar in een grafiek gezet. Ik kwam in die grafiek niet verder dan een lineaire trend van  1,2 °C over de gehele periode. Hoe is dat verschil te verklaren? Eenvoudig: Oldenborgh et al maakten gebruik van de gehomogeniseerde data van het KNMI. Daarvan is inmiddels in de wetenschappelijke literatuur vastgesteld (Dijkstra et al) dat door de homogenisatie de extreme temperaturen van voor 1950 in De Bilt veel te sterk zijn gecorrigeerd. Helaas konden van Oldenborgh et al toen ze hun publicatie instuurden (juni 2021) nog niet bekend zijn met de publicatie van Dijkstra et al.

Conclusie: Het KNMI zaait onnodig klimaatangst. Dat doet ze onder andere door gebruik te maken van achterhaalde en onjuiste gehomogeniseerde data, waarvan ze zelf heeft toegezegd die op korte termijn te verbeteren. Met uitspraken op het NOS-journaal als  “Warme dagen zijn al 4 graden warmer dan vroeger” en een kop op de KNMI website van “Warmste dag van het jaar nu 4 °C warmer dan rond 1900” negeert het KNMI recent wetenschappelijk inzicht. Door bovendien voortdurend de nadruk te leggen op de rol van CO2 negeert ze andere verklarende factoren zoals langjarige natuurlijke cycli en de sterk toegenomen kortgolvige instraling in Nederland in de afgelopen decennia. Zullen we bij de volgende warme dag weer gewoon gaan doen?

In het vorige artikel heb ik aandacht besteed aan een recente publicatie van de hand van een team onderzoekers van en rond TU Delft. Ik eindigde toen met de teleurstellende constatering dat het blijkbaar niet mogelijk leek om me op korte termijn aan de onderliggende data van de paper te helpen.

Intussen heb ik enkele malen contact gehad met de auteur die de communicatie verzorgt, en ik kreeg na wat ontwijkende antwoorden te horen: “Just a matter of lack of time. There was indeed a misunderstanding within the authors team. Of course those data were supposed to be online since the beginning! Now it’s holiday season, so things have to wait. We won’t forget to make them available.” Kortom: ik moet de academische vakantietijd afwachten totdat er tijd is om de gevraagde data te verschaffen. Intussen heb ik me (samen met Jan Ruis) op de cijfers gestort die wél beschikbaar zijn: de gemeten zeespiegelhoogten.

Fig.1    Reactie Hans Erren  (LinkedIn)

Ook andere mensen houden zich intussen met dat Delft-rapport bezig. Geofysicus Hans Erren wees (figuur 1) op het grote verschil in lengte van de tijdreeksen vóór en na de ‘breuk’  in 1993: “What I would like to see as robustness test for the trend of the last 27 year is a plot of all 27 year window trends over the entire century time span.”  Omdat in de paper de periode ná de vermeende breuk in 1993 loopt van 1994 t/m 2018 ga uit van een periode van 25 jaren. Figuur 2 toont de jaarlijkse gemeten zeespiegelhoogte (PSMSL) van het ensemble van de 6 hoofdstations Delfzijl, Harlingen, Den Helder, IJmuiden, Hoek van Holland en Vlissingen in de periode 1919-2018.

Fig.2    Data: PSMSL

De streepjeslijn is de lineaire trend en heeft een helling van 1,95 mm/jaar. Van de PSMSL data is vervolgens onderstaande grafiek gemaakt met de trend over windows van telkens 25 jaren, van 1919 t/m 2018.

Fig.3    Data: PSMSL

Voor elk van de vier 25-jarige windows waarin de totale door Delft gebruikte periode kan worden ingedeeld is de lineaire trend bepaald en weergegeven met de gekleurde lijnstukken. Te zien is dat er op het oog nauwelijks verschillen in trend zijn tussen drie van de vier windows, alleen de trend van de periode 1969-1993 is verhoogd.

Erren schreef: “ Also there is good sea level data available before 1920. Please consider the conclusions of Kyra van Onselen about short period trends.” Hier is die verlengde periode, van 1894 t/m 2018, met wederom de trend over windows van 25 jaren:

Fig.4    Data: PSMSL

Het eerste window van 1894 t/m 1918 vertoont duidelijk een verhoogde trend ten opzichte van de andere windows.

Bovenstaande trendgrafieken van de figuren 3 en 4 zijn gebaseerd op de officiële gemeten getijdedata van PSMSL.  Niet te verwarren met het door de Delftse auteurs ‘gecorrigeerde’ sea level signal in figuur 3 van de publicatie waarop ze hun versnellingsdetectie hebben toegepast.

Fig.5    Reactie Hessel Voortman (LinkedIn).

Hessel Voortman, onafhankelijke consultant op het gebied van kustverdediging, reageerde ook op het Delftse rapport (figuur 5). Zijn commentaar is duidelijk: de gehanteerde methodiek deugt op een aantal punten niet. 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 richtingsgevoelig maakt. Daarmee zou de bodem onder het onderzoek uit vallen. Het proefschrift van Voortman levert interessant leesvoer.

In de Delftse studie wordt gesteld dat gemeenschappelijke breekpunten worden geïdentificeerd als het breekpunt statistisch significant is voor alle acht stations. Voortman stelt terecht vast dat de resultaten voor IJmuiden vóór en na de breuk nauwelijks van elkaar verschillen, en dat er dus in 1993 geen sprake is van een gemeenschappelijk breekpunt. Net als Hans Erren levert ook Voortman kritiek op de lengte van de gemeten periodes voor en na 1993. De Delftse methode toetst volgens hem daardoor niet alleen op trendveranderingen maar ook op verschillen in steekproefgrootte.

Jippe Hoogeveen bekeek de door de Delftse groep gebruikte methodiek en verbaasde zich onder andere over het feit dat men de nodale cyclus met een factor 1 aftrekt in plaats van er regressie op toepast. De nodale cyclus is een maancyclus met een periodiciteit van 18,61 jaar die een aanzienlijke invloed heeft op de zeespiegel. Voor wat betreft de factor wind zou het beter zijn die eerst voor elke dag te kwadrateren en daarna het gemiddelde te nemen, in plaats van de maandgemiddelden te kwadrateren.

Fig. 6    Bron: Bron: Steffelbauer et al 2022

Aanzienlijke problemen ziet Hoogeveen opduiken in de manier waarop de auteurs dat  gemeenschappelijk breekpunt vaststellen in het begin van de jaren negentig. De Delftse onderzoekers berekenen de trend vóór en na 1993 inclusief betrouwbaarheidsintervallen en concluderen dan dat die trends significant verschillen. Hoogeveen stelt echter dat die berekende betrouwbaarheidsintervallen niet correct zijn. De onderzoekers hebben in een eerdere stap de regressie gedaan om de invloed van de wind uit het signaal te halen. Wat ze nu laten zien in de publicatie (figuur 6) is het residu, maar dan zonder veel ruis. Vervolgens berekenen de auteurs op basis van dit residu de betrouwbaarheidsintervallen, maar volgens Hoogeveen mag dit niet zo maar. Immers, het betrouwbaarheidsinterval wordt veel kleiner als je alle ruis eruit haalt, maar er verandert niets aan de data zelf. Omdat de betrouwbaarheidsintervallen op deze manier veel kleiner worden gemaakt, verschillen die trends significant.

Om toch te kunnen rekenen aan gecorrigeerde data heeft Hoogeveen de Delftse regressiemethodiek toegepast op het ensemble van de 6 Nederlandse hoofdstations. Hij vindt vóór 1993 als trend 1,75 ± 0,3 mm jaar en na 1993 als trend 2,57 ± 1,45 mm/jaar. Dit verschilt niet significant. Het grote verschil is dat de trend ná 1993 een veel groter betrouwbaarheidsinterval heeft dan in het onderzoek van Delft. Dat is  logisch, want als men de trend niet van 1993-2018 maar van 1993-2017 berekent, dan stijgt hij al tot maar liefst 2,84 ± 1,54 mm/jaar. Dat geeft goed aan hoe groot de onzekerheid is.

Ook is het opvallend dat in de tabel van figuur 6 hierboven de onzekerheidsmarge van de trend van het gemiddelde vóór 1993 zo groot is. Die is veel groter dan de onzekerheidsmarges bij de individuele reeksen, terwijl je juist het omgekeerde zou verwachten. Dit gebeurt ook ná 1993, maar in mindere mate waardoor het verschil toch nog significant is.

Fig.7    Reconstructie zeeniveau

In figuur 7 is de gecorrigeerde zeespiegel  van Jippe Hoogeveen’s regressie weergegeven voor de 6 Nederlandse hoofdstations. De lineaire trend van de gehele reeks 1919-2018 is nu 1,75 mm/jaar, lager dan de trend uit de niet gecorrigeerde reeks van figuur 2.

Fig.8    Reconstructie zeeniveau met trends

Om te zien of er verschillen ontstaan met de niet gecorrigeerde data is van de gecorrigeerde data de grafiek van figuur 8 gemaakt met de trend over windows van telkens 25 jaren, zoals dat ook gedaan is over de ongecorrigeerde PSMSL data in figuur 3. Voor elk van de vier 25-jarige windows is de lineaire trend bepaald en weergegeven met de gekleurde lijnstukken.

As men figuur 8 vergelijkt met figuur 3 dan is te zien dat in beide grafieken het derde window (1969-1993) uit de toon valt. In de gecorrigeerde data van figuur 8 is het echter niet zozeer de verhoogde trend van het derde window die opvalt (alle vier windows vertonen ongeveer dezelfde trend) maar de lagere waarden in de periode 1969-1993. Dat veroorzaakt een sprong aan het begin (1969) en aan het einde (1993) van dat derde window.

Conclusies: zonder dat we kunnen beschikken over de onderliggende data van de grafieken van het Delftse onderzoeksteam is vanuit diverse hoeken en perspectieven toch al behoorlijk inhoudelijk en stevig commentaar geleverd op de werkwijze van de onderzoekers. Of de nog aan te leveren data van de publicatie de geloofwaardigheid van de paper gaan verhogen valt te bezien. Omdat die data waarschijnlijk nog wel eventjes op zich laten wachten duiken we een volgende keer wat dieper in de gemeten zeespiegeldata langs onze kust.

Fig.1   De 6 hoofd-getijdenstations van Rijkswaterstaat

Elk jaar, als de jongste zeespiegeldata van het PSMSL binnenkomen, maak ik grafieken van de 6 hoofdstations aan de Nederlandse kust. Daar meet Rijkswaterstaat al sinds mensenheugenis (medio 19^e eeuw) de hoogte van het zeewater. Nog niet zo lang geleden schreef ik een artikel over de data t/m 2020, zie hier. In dat artikel staan fraaie meetreeksen van die 6 stations, vanaf het begin van de metingen in de 19^e eeuw t/m 2020.

In een recent artikel van Frederikse en Gerkema uit 2018 over multidecadale schommelingen langs de Noordzeekust beperkten de auteurs zich echter tot de Nederlandse data vanaf 1890, om te voorkomen dat de ‘sprong’ in de zeespiegeldata, die bij Nederlandse peilstations rond 1885 aanwezig is, wordt meegenomen. Ik had die sprong in het vorige artikel al waargenomen in de reeksen van Vlissingen en IJmuiden. Voor alle zekerheid zal ik dus vanaf nu de Nederlandse reeksen vanaf 1890 gebruiken. De grafieken zien er dan zo uit:

Fig.2   Bron: https://www.sealevel.info

Link boven in elke grafiek is de trend weergegeven, rechts boven de versnelling. De versnellingen van de stations zijn zeer klein, kleiner dan 0,01 mm/jaar2 . Het is dan ook niet verwonderlijk dat in alle grafieken de lijn die de versnelling van de data weergeeft vrijwel achter de lineaire trendlijn verdwijnt. Alle 6 Nederlandse hoofdstations vertonen dus vanaf 1890 t/m 2020 een nagenoeg lineaire trend.

Tab.1    Data: PSMSL

In tabel 1 zijn de lineaire trend en versnelling van elk van de 6 stations weergegeven. Het is goed te bedenken dat de rsl de relatieve zeespiegelstijging is, de stijging ten opzichte van het vasteland ter plekke. De Nederlandse kust maakt onderdeel uit van het Noordzeebekken, dat al vanaf het eind van het laatste glaciaal een dalende beweging vertoont als gevolg van het GIA-. GIA (glacial isostatic adjustment) wordt veroorzaakt door het terugveren van de aarde van de verscheidene kilometers dikke ijskappen die rond 20.000 jaar geleden onder andere Scandinavië bedekten. Door het opveren van Scandinavië hebben de naastgelegen gebieden zoals het Noordzeebekken de neiging om te dalen. Die daling wordt langs de Nederlandse kust geschat op gemiddeld 0,45 mm per jaar. De gemiddelde relatieve zeespiegelstijging van de 6 stations vanaf 1890 bedraagt 1,93 mm per jaar. Rekening houdend met een gemiddelde bodemdaling van 0,45 mm per jaar betekent dat een gemiddelde absolute zeespiegelstijging langs onze kust van 1,5 mm per jaar, dus 15 cm per eeuw.

Men schat dat in de afgelopen 140 jaar het wereldgemiddelde zeeniveau 21 tot 24 centimeter is gestegen, dat is 15 tot 17 cm per eeuw (bron: NASA). Dat getal komt dus goed overeen met de absolute stijging van 15 cm/eeuw die we langs de Nederlandse kust berekenen. De verschillen tussen de lineaire trends van de 6 stations zoals we die in tabel 1 zien zijn dan ook te verklaren door verschillen in bodemdaling.

Fig.3    Data: PSMSL

Figuur 3 toont de jaarlijkse rsl van de 6 Nederlandse stations vanaf 1890. De variaties van jaar tot jaar kunnen tamelijk groot zijn, zoals de grafiek laat zien. Die variaties worden vooral veroorzaakt door windfluctuaties in richting en sterkte. Zo wordt bij een stevige NW wind het water van de Noordzee opgestuwd tegen de Nederlandse kust. Ook jaarlijkse verschillen in luchtdruk veroorzaken afwijkende zeespiegelhoogten, hogere luchtdruk betekent lagere zeespiegel. Op langere tijdschalen, van enkele jaren tot enkele decennia, spelen ook andere factoren een rol, zoals verschillen in zoutgehalte en watertemperatuur en  de zogenaamde nodal cycle van 18,6 jaar, veroorzaakt door de maan.

Fig.4    Bron: NOAA

Figuur 4 toont de zeespiegelhoogten van de Noordzee, zoals berekend op basis van satellietdata sinds eind 1992. De ruwe data zijn afkomstig van de satellieten TOPEX/Poseidon (T/P), ERS-2, GSO,  Jason-1, Envisat, Jason-2, en Jason-3.  Over de periode 1992-2021 is de trend van het Noordzeewater 3 mm per jaar, gelijk aan de berekende altimetrie-trend voor de gehele aarde. Ik heb nog niet zo lang geleden een artikel geschreven over de complexiteit van die satelliet-zeehoogtemetingen.

Opvallend is dat er een aanmerkelijk verschil is tussen de trend van de satellietmetingen van ± 3 mm/jaar in de Noordzee en de trend van de langjarige boeimetingen langs de Nederlandse kust van  ± 1,5 mm/jaar (rekening houdend met de bodemdaling). Een deel van dat verschil kan te maken hebben met het feit dat we zeer ondiep kustwater hebben dat anders reageert op zeespiegelbewegingen. Maar dan nog is er sprake van een behoorlijk ‘gat’  tussen de satellietmetingen van de Noordzee en de boeimetingen langs de Nederlandse kust.

Fig.5    Bron: KNMI

In januari 2022 verscheen op de website van het KNMI een artikel met de dreigende kop dat de zeespiegel aan onze kust sneller stijgt door klimaatverandering. Ik bekijk elk jaar de meetdata van de 6 hoofdstations van Rijkswaterstaat en schrijf dan elk jaar dat er geen versnelling in de grafieken zit, dus mijn aandacht was gewekt.

Fig.6    Bron: KNMI

Volgens de tekst in de kop van het KNMI artikel is de stijging van de zeespiegel aan de Nederlandse kust de laatste decennia 1,5x zo groot als in de gehele meetperiode daarvoor, en komt dan op 3 mm/jaar in plaats van 1,5 mm/jaar. Daarmee loopt de zeespiegelstijging dus weer in de pas met de trend van de satellietmetingen.

Maar hoe komt het dat ik die enorme versnelling niet gezien heb in de zeespiegeldata van de Nederlandse getijdenstations? Het antwoord op die vraag is dat die versnelling inderdaad niet zichtbaar is, maar er wel zou zijn indien vooral de wind (vanaf 1990) uit een andere hoek en met een andere snelheid had gewaaid. Wind stuwt immers water op, tenminste als die uit de ‘goeie’ hoek waait. Bovendien zijn er nog die andere factoren die ook van invloed zijn, zoals de luchtdruk en de zogenaamde ‘lunar cycle’ , de schommelingen in de aantrekkingskracht van de maan ten opzichte van de aarde. Het KNMI team heeft al die factoren afgetrokken van het gemeten signaal, en houdt dan een signaallijn over die die versnelling vanaf 1990 laat zien.

Fig.7    Bron: KNMI

In de grafiek van figuur 7 is een en andere afgebeeld. Zo zijn er de periodes waarin de wind de zeespiegelstijging vertraagde, gevolgd door periodes waarin de wind de zeespiegelstijging versnelde. De blauwe lijn is de gemeten zeespiegelstijging van onze 6 hoofdstations en de oranje lijn de zeespiegelstijging zoals die zou zijn als je al die bovengenoemde factoren verwijdert. En inderdaad: in de roze zone vanaf 1993 daalt de gemeten trend, terwijl de herberekende trend verder stijgt.

De gedachte in De Bilt is nu: als die wind uit de goede hoek weer aantrekt aan de Nederlandse kust, dan gaat die blauwe lijn vanzelf naar boven en heb je de ‘beloofde’ versnelling. De vraag is natuurlijk of dat allemaal klopt. Zo is er wel wat aan te merken op de wijze waarop het team de factor wind in zijn berekeningen opneemt. In de grafiek is te zien dat de metingen vanaf 1980 tot 1993 (dus in een periode met door de wind versnelde zeespiegelstijging) een dalende trend laat zien. Bovendien lopen beide reconstructies van de wereldgemiddelde zeespiegelvariaties (grijze lijnen) heel aardig parallel met de blauwe lijn, tot aan de laatste roze periode. En zo er nog wat zaken die om extra aandacht vragen, een andere keer.

Kortom, dit gedachte-experiment, want dat is het natuurlijk, valt of staat met de validiteit van de gebruikte aannames en methodes. Dat weerhoudt het KNMI er overigens niet van om alvast een toekomstvoorspelling te doen lees ik: “We verwachten dan ook dat we in de komende tientallen jaren een duidelijke versnelling in de zeespiegelstijging aan de Nederlandse kust zullen meten (figuur 3). Afhankelijk van de toekomstige uitstoot van broeikasgassen dienen we rekening houden met een verdere zeespiegelstijging tussen 30 tot 110 centimeter in de komende tachtig jaar. ”

Fig.8    Bron: Environmental Research Letters

En toen kwam een team van Tu Delft op 14 juni 2022 met een publicatie over vrijwel hetzelfde onderwerp als waar het KNMI mee bezig is, zie hierboven. Vrijwel hetzelfde verhaal als waar het team van het KNMI zijn tijd aan besteed. Het idee achter beide onderzoeken is dat de versnelling van de zeespiegelstijging aan de Nederlandse kust weliswaar niet zichtbaar is maar er wel is. Die zou verdoezeld worden door met name de wind als opstuwende kracht, en ook door de luchtdruk, lunar cycle en seizoensinvloeden. Net zoals bij het KNMI-team worden ook bij het Tu Delft-team de gemeten getijdedata ‘afgepeld’ en ontdaan van onder andere de factoren wind, lunar cycle en luchtdruk.  Wat je dan overhoudt is wat het onderzoeksteam het ‘sea-level signal’ wordt genoemd. En aan dat manmade signaal wordt dan gemeten.

Fig.9    Bron: Steffelbauer 2022

In bovenstaande figuur is die analyse uitgebeeld voor het station Vlissingen. Het zwarte signaal boven in de figuur zijn de ‘tide gauge data’, de gemeten zeewaterstanden in Vlissingen vanaf 1920. De gele lijn in die zwarte reeks is het ‘sea level signal’, de fictieve of als u wilt gecorrigeerde reeks die overblijft als je de invloeden van alle invloeden daaronder verwijdert. Het is het maagdelijke signaal van de zeespiegel aan de Nederlandse kust dat slechts beïnvloed wordt door uitzetten van water en afsmelten van ijs door opwarmen. Daar onder, in de figuur, zijn de diverse grafieken geplaatst van de factoren die de onderzoekers verwijderden van het oorspronkelijke gemeten signaal.

Er is een aantal zaken dat volgens mij in de publicatie van Steffenbauer et al te weinig aandacht krijgt, of juist teveel, of de verkeerde, zodat de uitkomsten van de studie twijfelachtig zijn. Voordat ik daar echter in detail op in kan gaan wil ik eerst de onderliggende cijfers van die ‘sea level signals’ hebben, zodat ik wat zaken kan analyseren. Tot nu toe heb ik driemaal bij twee verschillende auteurs het verzoek gedaan me die data toe te sturen, maar dat is helaas (nog) niet gelukt. Daarom hopelijk de volgende keer wat meer inhoudelijk commentaar op de publicatie. Voor heel wat traditionele media (tv, radio, kranten) in ons land was overigens het persbericht van de Tu Delft alléén al voldoende om zonder dralen flinke aandacht te besteden aan de publicatie, zie NOS.

Fig.1    Data: PMOD/WRC

Kortgeleden schreef ik over de forse toename van de inkomende zonnestraling in met name West- en Oost-Europa vanaf ongeveer 1980 t/m 2020, zie hier. Hoe groot dat aandeel van de toegenomen instraling is in het totaal van alle forcings is een bron van discussie. Maar dat de toename van de instraling sinds 1979 in Europa effect moet hebben gehad op de temperaturen in West-Europa staat buiten kijf.

Die sterke toename in West- en Oost-Europa is opmerkelijk, omdat de zon an sich niet veel harder is gaan schijnen. Dat schijnen doet hij namelijk tamelijk constant. Figuur 1 toont de grafiek van de hoeveelheid zonne-energie in Watt per m2 net buiten de dampkring van de aarde. De grafiek is gebaseerd op satellietmetingen en bedroeg vanaf 1976 ongeveer 1361 W/m2. De schommelingen als gevolg van de 11-jarige cyclus van Schwabe is duidelijk te zien, en vertoonde in de afgebeelde periode een amplitude van ongeveer 1 W/m2. Niet veel, maar we komen hem overigens wel tegen in temperatuurreeksen.

Fig.2    Bron: Bron: Kiehl & Trenberth 2009

Het oppervlak van een bol met straal r is 4x dat van een cirkel met straal r. Op de (ronddraaiende) aarde valt dus gemiddeld ¼ van de gemeten zonneconstante, dus 1361/4 = 340,25 W/m2. In de figuur 2 rekenden Kiel & Trenberth nog met de berekende zonneconstante van 1365 W/m2. Opvallend grote veranderingen van de netto instraling aan het aardoppervlak (gemiddeld 161 W/m2) lijken dus niet het gevolg te zijn van veranderingen in zonne-energie aan de buitenkant van de dampkring en moeten dus hun oorsprong vinden in de absorptie van zonne-energie door de dampkring dan wel de reflectie op wolken en aardoppervlak, respectievelijk gemiddeld 78 W/m2, 79 W/m2 en 23 W/m2 (zie figuur 2).

Fig.3    Regionale indeling

In dit bericht gaat het over de ontwikkeling van de netto instraling aan het aardoppervlak (ssr) en luchttemperatuur op 2m hoogte (2t) in de rest van de wereld. Die data zijn afkomstig van ERA5 reanalyses vanaf 1979.  Daarvoor is de aarde ingedeeld in een aantal regio’s op basis van breedteligging en aard van de ondergrond (water/land). Die indeling is afgebeeld in figuur 3. Van elke regio is voor de periode 1979-2020 de ssr en 2t vastgesteld aan de hand van de ERA5 reanalyses data (ClimateExplorer).

Het resultaat is in onderstaande tabel weergegeven:

Tab.1    Data: ERA5

De in totaal 33 regio’s zijn in de tabel ingekleurd op basis van hun ondergrond: overwegend land is geel, overwegend water is blauw en 3 regio’s zijn gemixt. De kolommen 3 en 4 geven de grenzen aan van elke regio. De vijfde kolom geeft de veranderingen in de netto instraling (Δssr) weer tussen 1979 en 2020, in W/m2. De laatste kolom geeft van elke regio de veranderingen van de luchttemperatuur op 2m hoogte weer (Δ2t).

Wat meteen opvalt:

• Op de regio’s Zuid-Azië, centraal Zuid-Amerika en Zuid-Afrika na vertonen alle continentale regio’s een positieve ssr (toename instraling, waarschijnlijk als gevolg van afnemende bewolking)
• West- en Oost-Europa zijn de regio’s met de sterkste toename van de instraling, Noord-Europa, West- en Oost-Siberië en Centraal Azië vertonen ook een sterke Δssr
• Antarctica vertoont nauwelijks een trend, zowel voor wat betreft de instraling als de temperatuur
• De tropische oceanen tonen een dalende Δssr , waarschijnlijk als gevolg van toegenomen bewolking
• De Arctische Oceaan toont een sterk positieve Δssr en Δ2t, waarschijnlijk als gevolg van de afname van het drijfijs sinds 1979
• Bijna alle regio’s (32) vertonen een opwaartse trend in Δ2t, waarschijnlijk ten dele als gevolg van het versterkt broeikaseffect (zie figuur 4)
• Regio’s met een hoge Δ2t kennen ook vaak een (tamelijk) hoge Δssr (zie figuur 3)
• Op de Arctische Oceaan na, kennen alle waterregio’s een relatief lage Δ2t, mede als gevolg van de fysische eigenschappen van water
• De zuidelijk tropische Pacific heeft als enige regio een negatieve temperatuur, waarschijnlijk als gevolg van El Niño.

Fig.4     Data: ERA5

Figuur 4 toont voor de 33 regio’s de  correlatie tussen Δssr en Δ2t.  De correlatiecoëfficiënt R2 is 0,52 , wat betekent dat de variatie in temperatuur voor de helft verklaard wordt door de variatie in  instraling. Dat is niet opvallend sterk, wat wel te verklaren is. Zo reageert de luchttemperatuur boven land veel sterker op veranderingen in instraling dan oceanen vanwege de fysische eigenschappen van water: transparant tot enkele tientallen meters diepte, een grote warmtecapaciteit en stromingen die het water mengen.

Bovendien staat de lucht op 2 meter hoogte niet stil maar is vrijwel altijd in beweging. De luchttemperatuur op een bepaalde plaats wordt dan ook, behalve door de stralingsbalans, sterk bepaald door advectie, de aanvoer van lucht van elders. De temperatuur in Nederland van dag tot dag is daar een prachtig voorbeeld van. Bovendien is er in onze wereld van toenemende urbanisatie sprake van een steeds sterker UHI-effect in stedelijke gebieden, resulterend in oplopende temperaturen. Boven oceanen wordt de luchttemperatuur ook bepaald door de aanvoer van warm of koud water van grotere diepte. Bekendste voorbeeld daarvan is het El Niño-effect. Een en andere maakt in elk geval wel duidelijk dat het klimaat ongekend complex is.

Fig.5    Data: ERA5

Tot slot de grafiek van figuur 5 van de aarde als geheel. De ERA5  data laten zien dat de netto instraling aan het aardoppervlak geen significante trend vertoont, maar dat de luchttemperatuur op 2m hoogte vanaf 1979 t/m 2020 een trend vertoont van +0,86 °C. Een klein deel van die toename is veroorzaakt doordat het atmosferisch CO2-gehalte is toegenomen van 336 ppm in 1979 tot 414 ppm in 2020. Ik schat dat CO2-effect op de temperatuur ongeveer 0,25 °C. De rest is het werk van allerlei mee- en tegenkoppelingen, waarvan de belangrijkste waarschijnlijk door  H₂0 (water, waterdamp, wolken, sneeuw en ijs) geleverd wordt. Overigens is langgolvige straling als gevolg van het broeikaseffect nauwelijks in staat om water binnen te dringen (max.0,1 mm).  Zie Wong et al 2018. De opwarming van de aarde door het broeikaseffect moet dus vooral door de continenten plaatsvinden. Dat de netto kortgolvige straling  aan die opwarming van het land  zijn steentje de afgelopen decennia heeft bijgedragen is in elk geval duidelijk.