Jak pewnie wielokrotnie
słyszeliście, zdaniem kontrarian to właśnie efekt „miejskich wysp
ciepła” (UHI) ma odpowiadać w dużej części za (rzekomo) obserwowane
ocieplenie: w myśl tej teorii rozrastające się miasta pochłaniają
kolejne stacje meteorologiczne i zmieniają ich warunki
mikroklimatyczne, przez co mierzone tempo wzrostu temperatury wydaje
się wyższe, niż w rzeczywistości.
Głównym popularyzatorem tej tezy jest emerytowana telewizyjna pogodynka, Anthony Watts, autor bloga Watts Up With That?,
jednak przeświadczenie że efekt „miejskich wysp ciepła” ma duży wpływ
na trendy temperaturowe, jest wśród „sceptyków” powszechne. Argumenty
Wattsa są bowiem bardzo przekonujące, przynajmniej dla laików: w 2007
roku rozpoczął on „audyt fotograficzny” stacji meteorologicznych
rozmieszczonych w Stanach Zjednoczonych, bezlitośnie dokumentując
obecność klimatyzatorów, betonowych nawierzchnii, grilli i innych
niepożądanych elementów w bezpośrednim sąsiedztwie czujników
pomiarowych. Strona projektu Wattsa, surfacestations.org, wypełniona
jest zdjęciami „dobrych” stacji, które mierzą spadek temperatury, oraz
„złych” (zurbanizowanych) stacji, które wykazują ocieplenie.
Żeby nie być gołosłownym, weźmy przykład opisany w cytowanym w poprzedniej notce polskim blogu:
Jednym z najlepszych przykładów tego jak umiejscowienie
stacji pomiarowej wpływa na odczyt temperatury jest przykład z
Marysville (Kalifornia) oraz położonej zaledwie kilkadziesiąt
kilometrów dalej stacji w Orland. Proszę zwrócić uwagę na diametralnie
różne odczyty!
„Zła” stacja Marysville i mierzona przez nią temperatura wygląda tak:
W odróżnieniu od niej „dobra” stacja Orland wygląda tak:
Faktycznie, jest to świetny przykład, choć na coś zupełnie innego niż
wydawało się to „sceptykom”. Jeśli bowiem zamieścimy obie krzywe zmian
temperatury na jednym wykresie, zobaczymy następujący obrazek:
Odczyty nie są już teraz „diametralnie różne”: efekt ten osiągnięto
przez narysowanie ich w różnych skalach. W rzeczywistości oba szeregi
mają wspólne, charakterystyczne cechy: średnia temperatura roczna
mierzona w obu stacjach była bardzo wysoka pod koniec XIX wieku, po
czym gwałtownie spadła przed rokiem 1930-tym, i znów zaczęła rosnąć.
Widzimy także, że dane z pierwszych 20 lat zawierają luki i
nieciągłości, które mogą wyjaśniać pochodzenie raptownego ochłodzenia.
Jeśli popatrzymy na dane z ostatnich 50 lat, zobaczymy że w obu
przypadkach temperatura rośnie… choć w zurbanizowanym Marysville
szybciej, niż w rolniczym Orland. Znaleźliśmy więc niesławną „miejską
wyspę ciepła”, która sztucznie zwiększyła trend wzrostu temperatury w
Marysville.
I tutaj dochodzimy do istotnej części problemu: konstrukcja szeregu
czasowego temperatur nie polega tylko na prostym uśrednieniu wszystkich
danych, zarówno „dobrych” jak i „złych”. Wcześniej dane ulegają
kontroli jakości i homogenizacji, czyli procesowi usuwania z nich
błędów oraz czynników „nieklimatycznych” zmieniających odczyty
temperatury, takich jak właśnie urbanizacja.
Przykładowo, oczywiste błędy (np. źle odczytane cyfry ze starej
dokumentacji meteorologicznej) są wyszukiwane metodami statystycznymi:
wyniki odległe od średniej wieloletniej o więcej niż 5 odchyleń
standardowych, są oznaczane i porównywane z danymi pochodzącymi z
sąsiadujących lokalizacji — jeśli tam nie występują, są odrzucane.
Szeregi czasowe są następnie przeszukiwane pod kątem nieciągłości,
czyli miejsc w których kilkuletnia średnia nagle skokowo zmienia
wartość.
Uwzględnienie efektu „miejskich wysp ciepła” jest nieco bardziej
skomplikowane, gdyż wymaga sieci „dobrych”, tj. niezurbanizowanych
stacji. W opisanym wyżej przypadku, dla Marysville taką stacją jest
pobliskie Orland. Algorytm GISTEMP oblicza w takich przypadkach różnicę
trendów pomiędzy stacją z UHI, a stacjami niezurbanizowanymi, po czym
nanosi odpowiednie poprawki dla tej pierwszej. Efekt jest następujący:
Dla ostatnich 50 lat widzimy, że po poprawkach homogenizacyjnych
Marysville ociepla się niemal w tym samym tempie co Orland (a w
rzeczywistości nieco wolniej):
Innymi słowy: w analizie GISTEMP w trendach długoletnich uczestniczą
tylko „dobre”, niezurbanizowane stacje, przez co wpływ „miejskich wysp
ciepła” jest zminimalizowany.
Oczywiście, to tylko dwie stacje, a metodologia GISS opiera się o
założenie, że wartościowanie stacji jako „dobre” i „złe” jest poprawne.
GISS korzysta tutaj z kilku źródeł informacji — zarówno meta-danych
dostarczanych przez służby zarządzające siecią stacji (w tym przypadku
NOAA), jak i zdjęć satelitarnych obrazujących zanieczyszczenie
świetlne, takich jak to:
„Sceptycy” przekonywali jednak (nie bez słuszności), że nie można
ufać tej klasyfikacji, gdyż zdjęcia satelitarne nie pokażą grilla
ustawionego tuż obok termometru. Stąd właśnie projekt surfacestations.org
Anthony’ego Wattsa, który miał wykazać jak bardzo niewiarygodne są
„oficjalne” dane podawane przez takie instytucje badawcze jak GISS i
NOAA.
Projekt ruszył latem 2007, i dzięki ogromnemu zapałowi sceptyków już
po kilku miesiącach udało się im odwiedzić, sfotografować i
skatalogować aż 30% z 1221 amerykańskich stacji sieci USCHN. W tym
momencie historia zaczyna być naprawdę ciekawa: jeden ze „sceptyków”
(czy też, według jego własnej nomenklatury, „agnostyków”), John Van
Vliet, postanowił wykorzystać utworzoną klasyfikację do replikacji
danych GISS dla terytorium USA. Ideą Johna było stworzenie prostego
algorytmu (nazwanego OPENTEMP)
do obliczania szeregów czasowych na podstawie surowych danych ze stacji
pomiarowych. Algorytm z założenia nie miał zawierać żadnych procedur
homogenizacyjnych, uważanych przez „sceptyków” za podejrzane, więc
podstawą obliczeń miały być wyłącznie najlepsze, niezurbanizowane
stacje, których lista została opracowana przez ochotników z
surfacestations.org.
Spodziewano się, że analiza taka wykaże, iż ocieplenie obserwowane w
drugiej połowie XX wieku jest znacznie mniejsze niż w analizie GISS,
bądź w ogóle nie istnieje. John Van Vliet ogłosił jednak z pewnym zakłopotaniem:
It seems to me that the GISTEMP program (with all its flaws
and including bad stations) gives results that are very close to my
results using only the best stations. This is particularly true from
about 1970 onwards.
I suspect that some of the remaining differences
will be reduced when the complete network of good stations (CRN=1 or 2)
is available.
[…]
To be honest, this is starting to look like a great validation of GISTEMP.
[…]
There have been a lot of accusations here that Hansen et al are fudging
the numbers to show an artificial warming trend. My results show the
same trend with the best stations and no adjustments applied.
Porównanie analizy GISTEMP z OPENTEMP dla najlepszych (CRN1-2) i najgorszych (CRN5) stacji wygląda następująco:
Źródło: John Van Vliet, opentemp.org
Konsternacja „sceptyków” była ogromna. Większość z nich uznała, że
wyniki te potwierdzają tylko jak głęboko sięga spisek klimatologów,
którzy zmodyfikowali także dane „najlepszych” stacji pomiarowych. Inni,
jak Anthony Watts, stwierdzili że analiza Van Vlieta jest
„niekompletna”, i że po sklasyfikowaniu większej ilości stacji GISTEMP
zostanie sfalsyfikowany. Bardzo charakterystyczna była reakcja mentora
Wattsa, Stevena McIntyre z bloga ClimateAudit, który po latach ataków
na metodologię GISS w styczniu 2009 roku przyznał:
surfacestations.org has made a concerted effort to identify
high-quality stations within the USHCN network (CRN1-2 stations) and
preliminary indications are that the GISS U.S. estimate will not differ
greatly from results from the „best” stations (though there will
probably be a little bias.)
Jednocześnie McIntyre znalazł nowy cel „audytorów”:
The only network where a plausible adjustment is made is
the GISS US network (representing less than 2% of the world’s surface,
as NASA GISS reminds us.) While GISS US results are plausible, outside
the US, the GISS adjustment is a pig’s breakfast and no sane person can
claim that they live up to the warranty. What makes this frustrating is
that the US temperature history (GISS version) had 1934 as a record
year – a result that was at variance with the other indices and other
parts of the world. Is this because this is the only network/country
combination with an effective UHI adjustment or because of a unique
„regional” climate history in the US?
Jest to oczywiście nonsens — zjawiska takie jak zmiany rozmieszczenia gatunków roślin i zwierząt,
albo okresów wegetacyjnych, migracji i reprodukcji, albo topnienie
lodowców górskich i szelfowych takich jak Larsen B, pokazują że w dużej
części świata ocieplenie nie jest artefaktem złej metodologii
prowadzenia pomiarów temperatury.
Wyniki Van Vlieta zadały poważny cios projektowi
surfacestations.org. Kiedy okazało się, że potwierdzi ona rzetelność
analiz, które miała obalić, ochotnicy Wattsa stracili zapał do dalszej
pracy. W efekcie dzisiaj, 2 lata później, „audytowi” zostało poddane
tylko 70% stacji. Pikanterii sprawie dodaje fakt, że po tym jak NOAA opublikowała kilka miesięcy
temu wyniki własnej wewnętrznej analizy, opartej o klasyfikację
surfacestations.org, wściekły Watts ogłosił, że nie zamierza publikować
żadnych dodatkowych danych aż projekt zostanie zakończony,
uniemożliwiając w ten sposób analizy oparte o „niekompletne” dane.
Byłoby to nawet całkowicie zrozumiałe („wyłączność” na pozyskane ciężką
pracą dane należą do autorów oryginalnych badań, i zwykle są
upubliczniane dopiero po „oznaczeniu terytorium” w czasopismach
naukowych), gdyby nie liczne wypowiedzi Wattsa, który krytykował
klimatologów za „ukrywanie” własnych danych przed „audytorami”, oraz
gdyby nie to, że ani niekompletność danych, ani nawet brak ich analizy
nie powstrzymała Wattsa przed insynuowaniem, że instrumentalne pomiary temperatury są niewiarygodne.
Projekty surfacestations i OPENTEMP są (niezamierzonym) przykładem
na to, że nawet amatorzy mogą coś wnieść do nauki. Z drugiej strony
pokazują też, że większość procesu naukowego polega na „nudnym”
potwierdzaniu hipotez zerowych, a nie przepisywaniu podręczników na
nowo po „rewolucyjnych” odkryciach współczesnych Koperników czy
Einsteinów.
Źródło: Doskonale Szare
