La ciencia de Greta

It’s time to expose the bluster. Demand that they name and explain that mystery paper — the one with empirical evidence that carbon dioxide causes major warming. (That’s major warming, not minor and that’s empirical — by observation — not by computer simulation. Don’t settle for the assertion that the IPCC or any other committee has found it.). Joanne Nova

Es hora de dejar en evidencia las bravatas. Exija que nombren y expliquen ese artículo misterioso, el que tiene pruebas empíricas de que el dióxido de carbono causa un calentamiento importante. (Aclaro: un calentamiento importante, no menor, y empírico, por observación, no por simulación por computadora. No se conforme con la afirmación de que el IPCC o cualquier otro comité lo ha comprobado).

Can you name a single piece of evidence showing higher CO2 means significantly higher temperatures today? Joanne Nova

¿Puedes nombrar una sola prueba que muestre que un CO2 más alto significa temperaturas significativamente más altas hoy?

Se nos dice que el discurso de Greta está basado en ciencia (ejemplo). Como es habitual en la Calentología los miembros de esta secta presumen de tener pruebas que nunca presentan. Y los que afirman son los que tienen que aportar esas pruebas, no los escépticos del catastrofismo.

¿En qué momento Greta ha presentado pruebas científicas (y por tanto empíricas) de que el aumento en el CO2 ha contribuido significativamente a aumentar la temperatura del planeta?

¿En qué momento Greta ha presentado pruebas científicas de que ese calentamiento —que puede demostrar que es causado por el CO2— tiene asociado más daño que beneficio?

Basta ya de demagogia: ¿dónde están esas pruebas aportadas por Greta?

Greta Thunberg es una adolescente sin estudios y con un historial de problemas mentales (negarse a comer, negarse a hablar, negarse a ir al colegio, depresión, fuente). Su aporte a la «ciencia» es que con 17 años tiene el cuerpo de una niña pequeña: eso la convierte en útil como herramienta de propaganda. Parece una niña pequeña pero no lo es.

Greta Thunberg no ha aportado pruebas científicas que respalden su ideología. Quien afirme lo contrario o no entiende lo que es una prueba científica o sencillamente está mintiendo. Pero siempre puede sacarme de mi error aportando esas pruebas.

NOTA: Joanne Nova explica de forma muy clara en dos artículos («The Skeptic Handbook», volúmenes I y II) la carencia de pruebas científicas que respaldan la Calentología. Greta Thunberg no puede presentar lo que no existe.

NOTA: fijémonos en que más allá de las falacias, insultos y mentiras, los defensores de la Calentología nunca aportan las pruebas de las que estamos hablando. 

Leer más:

Los ajustes convenientes (IV)

¿Qué hace el ajuste de NASA-GISS? ¿Qué puede estar fallando?

El ajuste está explicado con todo detalle en este artículo. En pocas palabras:

  • Las estaciones son clasificadas en rurales y urbanas.
  • Se compara la temperatura de las estaciones urbanas con sus vecinas rurales y se asume que las diferencias son sesgo de urbanización.
  • Se calcula el sesgo de urbanización como formado por dos segmentos rectos.
  • Se corrige el pasado, no el presente.

¿Qué puede ir mal? Pues, entre otras cosas, dar por supuesto que existe un parámetro o parámetros que pueden identificar correctamente de forma automatizada qué estaciones carecen de sesgo de urbanización y cuáles sí lo tienen.

It is plausible that a station in the centre of small town may have observed more urbanization bias than a station on the outskirts of a large city. (fuente)

Es plausible que una estación en el centro de una pequeña ciudad haya observado un mayor sesgo de urbanización que una estación en las afueras de una gran ciudad.

stations mistakenly identified as rural will be included unadjusted. Second, their trends, which may have urbanization bias, can be incorporated into the “rural averages” which are used to estimate the urbanization bias of its neighbours (fuente)

Las estaciones erróneamente identificadas como rurales se incluirán sin ajustar. En segundo lugar, sus tendencias, que pueden tener un sesgo de urbanización, pueden incorporarse a los «promedios rurales» que se utilizan para estimar el sesgo de urbanización de sus vecinos.

Un algoritmo como éste que corrige temperaturas porque sí, basándose en la mera conjetura de que una diferencia entre estaciones es un error identificable, al corregir esa diferencia puede estar agravando el problema en lugar de reducirlo. Imaginemos por ejemplo que cometen el error de clasificar como rurales estaciones que realmente no lo son y que están sometidas a mayor sesgo de urbanización que estaciones clasificadas como urbanas: al suponer que esas estaciones son las que dan la temperatura «correcta» lo que se está haciendo es extender su error a las estaciones urbanas, que eran menos erróneas. El error no se reduce, se aumenta.

Además, la progresiva urbanización puede hacer que cada vez haya menos estaciones realmente rurales, algo que NASA GISS «resuelve» incluyendo en tal caso tal cual los registros de estaciones urbanas, especialmente en las últimas décadas (ver discusión sobre la «regla de extensión» en este artículo).

Y, como ya hemos visto, un problema adicional es que los datos de los que parten en NASA GISS no son los datos crudos sino que vienen ya preprocesados por NOAA, por lo que ya no existen estaciones puramente rurales en los datos que se someten al procesado y la probabilidad de estar confundiendo churras con merinas y estar empeorando la exactitud de los datos se dispara.

In 2010, the NOAA National Climatic Data Center introduced version 3 of the Global Historical Climatology Network[20], which NASA GISS uses for their main dataset. […] Since the rural stations in the homogeneity-adjusted dataset partially contain urbanization bias from urban blending, NASA GISS’ critical assumption that their rural averages contains no urbanization bias breaks down for their new dataset.

En 2010, el Centro Nacional de Datos Climáticos de la NOAA presentó la versión 3 de la Red Global de Climatología Histórica [20], que la NASA GISS utiliza para su conjunto de datos principal. […] Dado que las estaciones rurales en el conjunto de datos ajustados por homegeneización contienen parcialmente sesgos de urbanización por mezclas urbanas, la suposición crítica de la NASA GISS de que sus promedios rurales no contienen sesgos de urbanización se viene abajo para su nuevo conjunto de datos.

Los datos medidos por satélite

De los datos que hemos visto se deduce que las gráficas de temperatura creadas a partir de datos de termómetro en superficie son poco fiables y que probablemente parte del calentamiento que muestran en el último siglo es ficticio. Ninguna de las reconstrucciones está corrigiendo el efecto de isla térmica urbana.

Desde 1979 se realizan por satélite medidas de la temperatura del planeta. Estas medidas tienen mayor cobertura que los datos medidos en superficie y se realizan con el mismo instrumento para toda la superficie, por lo que a priori parecen proporcionar la versión más fiable de la temperatura media del planeta. El problema es que actualmente sólo abarcan los últimos 40 años.

Como podemos ver en la gráfica (fuente), sí hay calentamiento desde 1979 (fecha de inicio de las medidas):
tlt_201911_bar

Pero nótese también que según los datos anteriores, en 1990 no suben de forma marcada las temperaturas, por lo que parece que se confirma que esa subida que vimos en la primera entrega (ver) es un artefacto creado por la eliminación de estaciones de medida. Nótese además que entre los años 1998 y 2016 no hay una clara subida de temperatura: es una tendencia iniciada tras el súper El Niño de 1997-98 y otra por el El Niño de 2015-16. Nótese (ver gráfica bajo estas líneas) cómo en ese periodo predominan las Niñas, a diferencia de las dos décadas anteriores:

Esa pausa (también llamada hiato) en el calentamiento ha sido objeto de acalorado debate entre los que dicen que existe y los que dicen que no existe (fuente). Porque su existencia es inconveniente:

“There is this mismatch between what the climate models are producing and what the observations are showing,” John Fyfe, Canadian climate modeler and lead author of the new paper, told Nature. “We can’t ignore it.” (fuente)

«Existe un desajuste entre lo que producen los modelos climáticos y lo que muestran las observaciones», dijo a Nature John Fyfe, modelador climático canadiense y autor principal del nuevo artículo. «No podemos ignorarlo».

Otra posible explicación de la pausa (u otro aspecto de la misma explicación) es que la nubosidad se redujo en la parte final del siglo XX, pero se mantuvo constante en los primeros años del siglo XXI (fuente).

NOTA: Como curiosidad, el ENSO (curva continua y azul) (fuente) guarda cierta relación con el registro de temperatura medida por satélite (barras azules y rojas):

Como vemos en la gráfica anterior, hay discrepancias notables en los años 1982-83 y 1991-92, con enfriamientos que no se corresponden con el ENSO. Quizá haya una explicación para esa discrepancia (fuente):

in this analysis, it has been shown that simply adjusting for ENSO impacts yields results that very strongly suggest that natural factors alone explain the positive trend slopes in officially reported temperature data over the last 50 years or so. (fuente)

Y puede ser que el sol sea la principal influencia en el ENSO (fuente). La predicción de algunos autores es que lo más probable es que en 2020 haya una Niña.

Leamon & McIntosh (2017) have predicted a Niña for 2020 (fuente)

Leer más:

Los ajustes convenientes (III)

Temperatura medida en zonas rurales

¿Qué se ve si se limita el cálculo de temperatura a las estaciones rurales en EEUU, teniendo en cuenta sus cambios de ubicación documentados? Eso nos lo cuenta el artículo al que se accede pinchando en esta imagen:

imagen_5395we compile a new estimate of Northern Hemisphere surface air temperature trends since 1881, using records from predominantly rural stations in the monthly Global Historical Climatology Network dataset. Like previous weather station-based estimates, our new estimate suggests that surface air temperatures warmed during the 1880s-1940s and 1980s-2000s. However, this new estimate suggests these two warming periods were separated by a pronounced cooling period during the 1950s-1970s and that the relative warmth of the mid-20th century warm period was comparable to the recent warm period. 

recopilamos una nueva estimación de las tendencias de la temperatura del aire en la superficie del hemisferio norte desde 1881, utilizando registros de estaciones predominantemente rurales en el conjunto de datos mensual de la Red Global de Climatología Histórica. Al igual que las estimaciones anteriores basadas en estaciones meteorológicas, nuestra nueva estimación sugiere que las temperaturas del aire en la superficie se calentaron durante las décadas de 1880, 1940, 1980 y 2000. Sin embargo, esta nueva estimación sugiere que estos dos períodos de calentamiento estuvieron separados por un pronunciado período de enfriamiento durante las décadas de 1950 y 1970 y que el calor relativo del período cálido de mediados del siglo XX fue comparable al período cálido reciente.

Datos sin procesar (salvo por cambio de ubicación), usando únicamente los que —¡supuestamente!— no tienen alteración «artificial» del registro por ITU (isla térmica urbana). Durante 30 años la temperatura bajó mientras el CO2 subía y el calentamiento de final de siglo era comparable al de lo años 30. Y esto es inconveniente para la secta catastrofista.

¿Por qué hay una diferencia entre estaciones rurales y urbanas?

Islas térmicas urbanas

Como ya hemos visto en el blog (ver), un problema en las medidas es la existencia de una progresiva urbanización (ver imagen bajo estas líneas): si una estación de medida estaba en zona rural en 1950, en una zona medio urbanizada en los años 80 y está plenamente integrada en una ciudad en 2010, esa estación va a mostrar un aumento de temperatura que no es real: es el efecto de las islas térmicas urbanas (ITU). El gráfico lo explica muy bien:

Este problema lo podemos llamar «sesgo de urbanización» o problema de las «islas térmicas urbanas» (ITU).

Lógicamente las medidas en una zona que de verdad sea rural están libres de este problema y son, a priori, mucho más fiables que las medidas realizadas en zonas urbanas. Pero si defines como rural lo que no lo es, por ejemplo porque no tienes suficientes estaciones realmente rurales, puedes incluso aumentar el sesgo en lugar de corregirlo, pues darás por supuesto que su calentamiento o enfriamiento es real y fiable, cuando en realidad ese calentamiento puede tener un error mayor incluso que el de una zona altamente urbanizada:

This means that if a town grew from 500 to 1,000 persons over the time period of the calculation, it would be considered “rural” in the GISS analysis, yet would record 0.22 °C false warming. By contrast a town that grew from 240,000 to 250,000 persons would only add 0.014 °C false warming, yet it would be adjusted to have the same trend as the small town, which in this case would entail an increase in its warming rate. (fuente)

Esto significa que si una ciudad creció de 500 a 1,000 personas durante el período de tiempo del cálculo, se consideraría «rural» en el análisis de GISS, pero registraría un calentamiento falso de 0.22 °C. Por el contrario, una ciudad que creció de 240,000 a 250,000 personas sólo agregaría 0.014 °C de falso calentamiento, sin embargo, se ajustaría para tener la misma tendencia que la pequeña ciudad, lo que en este caso implicaría un aumento en su tasa de calentamiento.

Es decir, definiendo erróneamente lo que es rural y lo que es urbano, la supuesta corrección del efecto ITU no sólo no lo corrige sino que lo agrava, porque las estaciones con mayor sesgo son las que se toman como referencias más fiables para corregir al resto.

¿Qué sesgo introducen las islas térmicas urbanas?

Puesto que la población mundial ha crecido en el último siglo (con ciudades cada vez más grandes), en principio el efecto que cabe esperar es que las temperaturas muestren un calentamiento creciente que no es real. Y este falso calentamiento puede ser del mismo orden de magnitud que el famoso «calentamiento global»:

Results indicate that in the United States the two global land-based temperature data sets have an urban bias between + 0.1°C and +0.4°C over the twentieth century (1901-84). This bias is as large or larger than the overall temperature trend in the United States during this time period, +0.16°C/84 yr. (fuente)

Los resultados indican que en los Estados Unidos, los dos conjuntos de datos de temperatura global en tierra tienen un sesgo urbano entre +0.1 °C y +0.4 °C durante el siglo XX (1901-84). Este sesgo es tan grande o más grande que la tendencia general de temperatura en los Estados Unidos durante este período de tiempo, + 0.16 °C/84 años.

We found that for the Unadjusted dataset, the subset of these fully urban stations show a warming trend of about 0.7 ◦C/century relative to the fully rural subset. In the Time-of-Observation adjusted version of the U.S. Network (the “Partially adjusted” dataset), this difference was partially reduced, which suggests that some of the apparent urban-rural difference is due to different observation practices between the subsets. However, the urban-rural difference still substantial (about 0.5 ◦C/century) for the Time-of-observation adjusted version.[…] it seems very likely that the oft-cited claims of unusual “global warming” have been substantially exaggerated by urbanization bias, at least. (fuente)

Descubrimos que para el conjunto de datos sin ajustar, el subconjunto de estas estaciones totalmente urbanas muestra una tendencia al calentamiento de aproximadamente 0,7 °C/siglo en relación con el subconjunto totalmente rural. En la versión ajustada por Tiempo de Observación de la Red de EE. UU. (El conjunto de datos «Parcialmente ajustado»), esta diferencia se redujo parcialmente, lo que sugiere que parte de la aparente diferencia urbano-rural se debe a las diferentes prácticas de observación entre los subconjuntos. Sin embargo, la diferencia urbano-rural sigue siendo sustancial (alrededor de 0,5 ° C/siglo) para la versión ajustada por tiempo de observación. […] parece muy probable que las afirmaciones citadas con frecuencia de inusual «calentamiento global» se hayan exagerado sustancialmente por sesgo de urbanización, al menos.

we conclude that about 50% of the recorded warming of China since the 1940s could be due to uncorrected urbanization bias. (fuente)

Concluimos que alrededor del 50% del calentamiento registrado de China desde la década de 1940 podría deberse a un sesgo de urbanización no corregido. 

The average warming rate of average air temperature attributable to urbanization is 0.124 ± 0.074 °C/decade in the YRDUA [Yangtze River Delta urban agglomeration]. Urbanization has a measurable effect on the observed climate warming in the YRD aggravating the global climate warming. (fuente)

La tasa de calentamiento promedio de la temperatura promedio del aire atribuible a la urbanización es 0.124 ± 0.074 °C/década en el YRDUA [aglomeración urbana del delta del río Yangtze]. La urbanización tiene un efecto medible en el calentamiento climático observado en el YRD que agrava el calentamiento climático global. 

above‐CO2 emission threshold regions (asterisks) have significantly larger trends than both the global means and the below‐threshold regions (plus signs). The trends also increase with increasing CO2 emissions threshold. For example, the surface measurements show an above‐threshold trend (see left‐most edge of curve) of about 0.13 K/decade larger than the global mean trend and 0.18 K/decade larger than the below‐threshold temperature trend. (fuente)

Las regiones por encima del umbral de emisión de CO2 (asteriscos) tienen tendencias significativamente más grandes que las medias globales y que las regiones por debajo del umbral (signos positivos). Las tendencias también aumentan con el aumento del umbral de emisiones de CO2. Por ejemplo, las mediciones de superficie muestran una tendencia en las zonas por encima del umbral (ver el extremo izquierdo de la curva) de aproximadamente 0.13 K/década más grande que la tendencia media global y 0.18 K/década más grande que la tendencia de temperatura en las zonas por debajo del umbral

Annual and seasonal urbanization‐induced warming for the two periods at Beijing and Wuhan stations is also generally significant, with the annual urban warming accounting for about 65∼80% of the overall warming in 1961∼2000 and about 40∼61% of the overall warming in 1981∼2000 (fuente)

El calentamiento anual y estacional inducido por la urbanización durante los dos períodos en las estaciones de Beijing y Wuhan también es generalmente significativo, con el calentamiento urbano anual representando aproximadamente el 65∼80% del calentamiento general en 1961∼2000 y aproximadamente el 40∼61% del total calentamiento en 1981∼2000 

‘parece muy probable que las afirmaciones frecuentemente citadas de inusual «calentamiento global» hayan sido exageradas sustancialmente por el sesgo de urbanización, al menos.’

Es lógico pensar que un ajuste que intente eliminar el efecto ITU lo que hará es reducir las temperaturas recientes en comparación con las más antiguas.

With regard to CRU data, Brohan et al. (2006, p. 11) emphasized that reasonable urbanization adjustments should always yield reductions in temperatures: “recent temperatures may be too high due to urbanisation, but they will not be too low.” Yet the GISS method routinely yields adjustments that increase the estimated trend. (fuente)

Con respecto a los datos de CRU, Brohan et al. (2006, p. 11) enfatizaron que los ajustes razonables de urbanización siempre deberían producir reducciones en las temperaturas: «las temperaturas recientes pueden ser demasiado altas debido a la urbanización, pero no serán demasiado bajas». Sin embargo, el método GISS rutinariamente produce ajustes que aumentan la tendencia estimada.

Es decir, el resultado esperable es que la temperatura resumen de todas las estaciones de medida se parezca más tras el ajuste a la de las estaciones realmente rurales que a la de las estaciones parcial o totalmente urbanas. O, dicho aún de forma más clara: el ajuste de los datos debería reducir la magnitud del «calentamiento global». Debería…

the highly urbanized subset shows considerably more warming than the average for the full dataset. This suggests that a substantial component of this warming is urbanization bias. So, if the NASA GISS urbanization adjustments are reliable, they should have substantially reduced the trend for the adjusted subset (fuente)

El subconjunto altamente urbanizado muestra un calentamiento considerablemente mayor que el promedio del conjunto de datos completo. Esto sugiere que un componente sustancial de este calentamiento es el sesgo de urbanización. Entonces, si los ajustes de urbanización de la NASA GISS son confiables, deberían haber reducido sustancialmente la tendencia para el subconjunto ajustado

El alucinante «ajuste» de los datos

Aunque las gráficas que vienen a continuación ya las hemos visto en el blog (ver), las vuelvo a poner para completar la explicación de cómo el ajuste hace cambios realmente importantes en los datos.

Gráfica publicada en 1999 (fuente):

y la versión de 2019 (fuente):

Nótese que ha subido 0.75 ºC la temperatura de final de siglo respecto de la de los años 40. Eso es un ajuste descomunal, del mismo orden de magnitud que la señal que presuntamente se está midiendo. De hecho, no había calentamiento a final de siglo en la primera gráfica (1999) y sí lo hay en la segunda (2019).

El conveniente ajuste

Los ajustes de la NASA-GISS supuestamente quitan el «sesgo de urbanización», pero la realidad es que no lo hacen (fuente). En realidad el algoritmo empleado ¡¡¡¡corrige enfriamiento!!!! en la gran mayoría de las estaciones urbanas:

while it is true that there are some types of urban development which can introduce cooling under certain conditions, these “urban cooling” trends are very limited and rare. Urbanization bias is almost entirely a warming bias – that’s why we get Urban Heat Islands.

At any rate, they certainly shouldn’t be occurring for 85% of the urban stations, which is what NASA’s adjustment program calculates. (fuente)

si bien es cierto que hay algunos tipos de desarrollo urbano que pueden introducir enfriamiento bajo ciertas condiciones, estas tendencias de “enfriamiento urbano” son muy limitadas y raras. El sesgo de urbanización es casi completamente un sesgo de calentamiento — es por eso que tenemos las Islas de Calor Urbanas.

En cualquier caso, [los ajustes que calientan aún más] ciertamente no deberían estar ocurriendo en el 85% de las estaciones urbanas, que es lo que calcula el programa de ajuste de la NASA.

Por otro lado, el ajuste usado en el GISS tiende a crear forma de palo de hockey a partir de un calentamiento lineal (pues las correcciones dejan de aplicarse a partir de cierto año, calculado por el algoritmo, es decir aplican correcciones más grandes en los datos más viejos):

We note that by removing a lot of urbanization bias from the pre-1980s records, but not much from the post-1980s records, this artificially makes global temperatures for recent decades appear more unusual than if they had been unadjusted. (fuente)

Observamos que al eliminar una gran parte del sesgo de urbanización de los registros anteriores a la década de 1980, pero no mucho de los registros posteriores a la década de 1980, esto artificialmente hace que las temperaturas globales de las últimas décadas parezcan más inusuales que si no se hubieran ajustado.

Sigo en la cuarta y última parte.

NOTA: los datos de temperatura son un caos sometido a múltiples influencias no climáticas. Pero eso no valida los «ajustes». Un ajuste es aceptable cuando se sabe alguna característica del error que posibilita su corrección. Corregir errores cuya existencia no consta por comparación entre estaciones es un acto de fe. Y que se haga de forma automatizada no lo convierte en un proceso objetivo. No son máquinas las que deciden implantar, mantener o eliminar un algoritmo de ajuste: son personas como Mann o Hansen.

Leer más:

 

Los ajustes convenientes (II)

Los ajustes de NASA GISS

Since 2008, overseers of the NASA GISS global temperature dataset have been busy utilizing cool-the-past-and-warm-the-present adjustment techniques to alter the slope of the overall warming trend. (fuente)

Desde 2008, los supervisores del conjunto de datos de temperatura global GISS de la NASA han estado ocupados utilizando técnicas de ajuste enfría-pasado-y-calienta-presente para alterar la pendiente de la tendencia general al calentamiento.

Gráfica de temperatura global publicada en 1989 basada en datos de tierra y mar. Nótese que hay una diferencia de 0.5 ºC entre los años 1880 y 1950 (los he unido con una línea roja) (fuente). Hubo un marcado calentamiento antes de 1940:

Y observemos que en la gráfica publicada en 2019 han desaparecido los 0.5 ºC de diferencia de temperatura entre 1880 y 1950:

Según cómo se manipulen los datos, existe o no existe un calentamiento de 0.5 ºC en 60 años la gráfica de temperatura:

Claramente los datos que estamos viendo deberían estar siempre acompañados de información sobre su incertidumbre.

Una preguntita: ¿Por qué es inconveniente que exista una clara subida de la temperatura entre 1880 y 1940 (y la bajada posterior entre 1940 y 1970)? Sea cual sea la respuesta, esos cambios en la temperatura existieron pero ya no existen.

NOTA: nótese que, como ya comenté en el blog (ver), aparte de casi eliminar la subida de temperatura anterior a 1940, las altas temperaturas de los años 30 y el descenso de temperatura entre 1940 y 1970 los han convertido en una pequeña irregularidad sin tendencia a la baja. 

Temperatura medida en zonas rurales y urbanas

La siguiente gráfica muestra una clara diferencia entre que la temperatura sea medida en una zona urbana (curva roja) o que sea medida en una zona rural (curva azul) de USA:

NOTA: las dos gráficas que acabamos de ver no han sido ajustadas por cambios en el instante de observación.

Según ese estudio las zonas urbanas de USA se han calentado unos 0.7 ºC más por siglo que las rurales:

We found that for the Unadjusted dataset, the subset of these fully urban stations show a warming trend of about 0.7 ◦C/century relative to the fully rural subset.

Descubrimos que para el conjunto de datos sin ajustar, el subconjunto de estas estaciones totalmente urbanas muestra una tendencia de calentamiento de aproximadamente 0.7 °C/siglo en relación con el subconjunto totalmente rural.

De hecho, si nos fijamos, en los datos rurales (curva azul), no existe ningún tipo de calentamiento anormal en el siglo XX. Si tan claro es que la temperatura global está subiendo, ¿por qué los termómetros de las estaciones rurales no se han dado cuenta?

NOTA: en este enlace se pueden ver imágenes de James Hansen, el que fuera director del NASA GISS de 1981 a 2013, siendo arrestado en actos de protesta «ecologista».

Sigo en la tercera parte.

Leer más:

Los ajustes convenientes (I)

La temperatura media del planeta

Hay tres grandes reconstrucciones de temperatura media del planeta: la de la NOAA, la del NASA/GISS y la de la CRU:

Como se resume en la gráfica anterior, esencialmente todas las reconstrucciones usan los mismos datos de partida (fuente), que son los proporcionados por la Global Historical Climate Network (GHCN). Sólo un 1-2% de los datos que usan la NASA y CRU proceden de estaciones de medida no procedentes de la GHCN (fuente,fuente). Desde 2011 el GISS usa datos ya homogeneizados (o ajustados, términos intercambiables) por la NOAA (fuente). Y, además, tanto el NASA/GISS como la CRU realizan sus propios ajustes adicionales.

¿Se puede corregir un error que se desconoce?

No, no se puede. No hay algoritmo ni teorema que garantice la corrección de un error de propiedades desconocidas.

variance reduction by appeal to the CLT is justified when the overall distribution of error is known to be random. However, there is no a priori reason to expect that systematic errors should be normally distributed at any N. Patrick Frank

la reducción de varianza apelando al teorema del límite central está justificado cuando la distribución del error se sabe que es aleatoria. Sin embargo, no hay razones a priori para esperar que los errores sistemáticos tengan una distribución normal con ningún N.

Parece contraintuitivo. Los que no sabemos mucho del tema tendemos a pensar que las medidas de termómetro son fiables y que su procesamiento es sencillo, riguroso y sin razones para ser cuestionado:

¿Qué error puede tener la lectura de un termómetro, medio grado centígrado como mucho? Pues al usar muchos datos procedentes de termómetro los errores de lectura se reducen y asunto resuelto. ¿Quién dice que la lectura de un termómetro tiene un error desconocido? ¿Acaso nos va a dar 10ºC más que la temperatura real? No, el error está acotado luego se reducirá al promediar.

Como vamos a ver, el planteamiento anterior es erróneo.

Si una estación meteorológica es cambiada de ubicación, ¿cómo cambian las medidas de esa estación? Y si el operario de la estación cambia la hora a la que realiza la lectura, ¿cómo cambian las medidas? Y si la zona en la que está la estación es progresivamente urbanizada, con cada vez menos vegetación alrededor y más cemento, ladrillo y asfalto, ¿cómo cambian las medidas? Y si alguien planta o tala un árbol que da/daba sombra cierta parte del año a la instrumentación de medida, ¿cómo cambian las medidas? Y no sólo se trata de cuantificar el sesgo introducido en los datos una vez se detecta una posible fuente de sesgo, sino de que quizá ni siquiera consta que se haya producido esa circunstancia potencialmente problemática. ¿Se puede corregir un sesgo «no documentado»?

Y no sólo las medidas tienen problemas. Si los que gestionan los datos deciden eliminar gran parte de las estaciones por considerarlas poco fiables, ¿cómo cambian las medidas? Supongamos por ejemplo que gran parte de las estaciones eliminadas son rurales y están a más altura sobre el nivel del mar que las que sí son consideradas fiables, que son en general más urbanas, ¿cómo cambian las medidas por tomar esa decisión?

Si se puede estimar el error o alguna de sus características, se puede reducir algo éste, pero en muchos casos el error no se conoce, por lo que la corrección no es posible y el procesado no necesariamente acerca los datos medidos al valor real.

Los datos de la GHCN

Siendo que, como hemos visto, las tres reconstrucciones más importantes usan los mismos datos, la calidad de esos datos así como el procesado con el que se suministran son muy relevantes. En este sentido, de acuerdo con Ross McKitrick (fuente) en las últimas décadas se ha reducido drásticamente el número de estaciones empleadas en las reconstrucciones:

En sí mismo, eso ya reduce la fiabilidad del resultado, pues inevitablemente se reduce la cobertura, pero además introduce otros sesgos, pues con la eliminación de estaciones ha quedado:

  • Mayor porcentaje de estaciones situadas en aeropuertos.
  • Mayor porcentaje de estaciones en latitudes cálidas.
  • Mayor porcentaje de estaciones en baja altitud.

Quizá por casualidad, hay un notable cambio en las temperaturas (barras marrones) justo en el momento en que abruptamente descience el número de estaciones consideradas (círculos azules) (fuente):

Nótese que el cambio de tendencia en 1990 parece un artefacto que afecta especialmente a las estaciones rurales (fuente):

La homogeneización

¿Es importante que los datos sean «ajustados»? Como mínimo es importante que sepamos que

  1. los datos de termómetro son menos fiables de lo que podríamos pensar, y que
  2. los ajustes que se realizan no necesariamente aumentan la exactitud. Pueden incluso reducirla.

La gráfica muestra cómo el ajuste realizado por NOAA (versión 2) introduce un calentamiento de 0.3 ºC /siglo en los datos:

En la gráfica anterior también se ve —como resalta Ross McKitrick— un extraño calentamiento introducido en la década de los 90, pues 0.1 ºC se introducen en esos años de forma abrupta.

En la versión 3 del ajuste de NOAA vemos que también se introduce calentamiento :

Algunos ajustes son razonables (relacionados con el cambio en el instante de observación del termómetro o con un cambio en el tipo de termómetro en estaciones concretas), pero otros ajustes cambian las medidas sin pretensión de estar corrigiendo un error conocido documentado en el historial de una estación concreta, sino supuestos errores inferidos de forma automatizada por comparación con las estaciones vecinas. No entro a valorar el algoritmo y remito al apartado 1.1.2 de esta fuente y los apartados 4.1-4.3 de esta fuente. ¿Y cómo saben que la versión modificada es mejor que la versión sin modificar, si no saben si realmente había un error ni su magnitud? ¡Un error desconocido no se puede corregir!

Por ejemplo, supongamos que tenemos una estación rural cuyo registro de temperatura está relativamente libre de sesgos, rodeado de otras estaciones también consideradas rurales pero que tienen un sesgo de urbanización parecido entre ellas. ¿Qué es más probable que haga en esta situación un algoritmo que interpreta diferencias respecto de la mayoría de estaciones vecinas como errores, reducir o agravar el problema?

The problem arises from the assumption that the mean temperature trends of a station’s neighbours, on average, “…accurately reflected the climate of the region so that any significant departures from climatology could be directly associated with discontinuities in the station data” (Peterson & Vose, 1997[12]).

Si muchas de las estaciones tienen sesgos parecidos, por ejemplo de urbanización, el algoritmo no eliminará el sesgo de las más afectadas, como mucho lo reducirá algo, dejándolo al mismo nivel que sus vecinas. El sesgo no será eliminado. Homogeneizar no significa sin sesgos, significa hacer más parecidas las medidas, para bien o para mal.

In version 3 of the GHCN‐M temperature data, the apparent impacts of documented and undocumented inhomogeneities are detected, and corrected for (fuente)

¿Están seguros de que corregir inhomogeneidades «no documentadas» es corregir errores?

Cambios en el instante de observación

La explicación de este efecto es la siguiente: en los termómetros que miden temperatura mínima y máxima, y la temperatura media del día anterior se aproxima como el valor medio de mínima y máxima. Pero la medida de mínima y máxima se ven influenciadas por el instante del día en que el termómetro se observa (y se reinicia). Ha sucedido que cada vez más operarios de estaciones han realizado la observación por la mañana en lugar de por la tarde (porque se pidió que hicieran ese cambio) y eso introduce un pequeño enfriamiento en las medidas. Por tanto, su corrección supone calentar las medidas. Además, las tendencias han sido diferentes en zonas rurales y urbanas.

Comentario final

Y un comentario más: cuando los datos tienen errores que no se pueden corregir, quizá corregir los que sí son corregibles lo que hace es aumentar la magnitud del error.

Por ejemplo, supongamos que el sesgo de urbanización aumenta de forma progresiva la temperatura por estación en +0.5 ºC por siglo que no son reales, pero tampoco fácilmente cuantificables y, por tanto, difícilmente corregibles. Y, supongamos que el cambio en el momento de observación introduce -0.2 ºC por siglo que sí son corregibles. En este supuesto:

  • si no se toca nada, los datos tienen un calentamiento irreal de +0.3 ºC por siglo.
  • Corregir el sesgo del momento de observación deja el error en un extra de +0.5 ºC  por siglo (que no deberían estar en los datos porque no son reales), que es mayor que el error que hay si no se corrige nada.

Sigo en la segunda parte.

NOTA: Posiblemente el sesgo de Isla Térmica Urbana no pueda ser corregido, pues para ello sería necesario conocer cuál sería la evolución de la temperatura en una estación de no haber sido progresivamente urbanizados sus alrededores.

NOTA: Para leer sobre la fiabilidad de las reconstrucciones de temperatura media del planeta, recomiendo leer:

Y estos cuatro para los que quieran más detalles:

Leer más:

«Siempre existe el peligro de que la racionalidad individual conduzca a la estupidez colectiva»

El cambio climático —mutado ya a «emergencia climática» para infundir más miedo a la población— es un asunto 100% político: estamos hablando de las acciones de unos iluminados para imponer al mundo el socialismo global. No es de extrañar que los socialistas en general se traguen sin rechistar toda la historieta catastrofista: son socialistas apoyando el socialismo. Sin sorpresas.

A este respecto se citan las declaraciones de Otto Edenhofer, un miembro del IPCC, en 2010, que podemos encontrar fácilmente en twitter y que proceden de un artículo en alemán cuyo original ya no está disponible online (salvo en la copia archivada).

Entre otras cosas este miembro del IPCC lo que reconocía es que la política climática no tiene nada que ver con la protección del medio ambiente sino con la redistribución de la riqueza:

uno tiene que decir claramente: redistribuimos de facto la riqueza global a través de la política climática. […] Uno tiene que deshacerse de la ilusión de que la política climática internacional es política ambiental. Esto no tiene casi nada que ver con la política ambiental

Socialismo revestido de ecologismo: la famosa sandía: verde por fuera, roja por dentro. Venga, puños arriba:

Y sí,  podemos confirmar que las citas de Edenhofer que circulan por las redes sociales no son un fake: son reales.

De las cosas que dice me ha llamado la atención esto:

es bleibt immer fraglich, ob ein konkretes Ereignis wie eine Überschwemmung ein Klima-Phänomen ist. Aber es gibt immer die Gefahr, dass individuelle Rationalität zur kollektiven Dummheit führt.

siempre es cuestionable si un evento específico como una inundación es un fenómeno climático. Pero siempre existe el peligro de que la racionalidad individual conduzca a la estupidez colectiva.

Creo que es muy ilustrativo cómo identifica el pensamiento racional, i.e. cuestionar el mensaje catastrofista, con un error que no nos podemos permitir. El Sóviet Climático no permite que se cuestionen sus dogmas, porque saben que su visión es la única correcta. Si esto no es una secta, nada es una secta…

¿Dónde están las pruebas de que el ser humano está causando un calentamiento peligroso del planeta por las emisiones de CO2? No pidas pruebas. No cuestiones. Ten fe en los que saben (ver) y sus estadísticas falsas (ver), que están salvando el mundo.

Maurice is out there, trying to save the world. Hanne Strong

Maurice está por ahí afuera, tratando de salvar el mundo.

Y la gente cree que hay pruebas porque les han dicho que hay pruebas, aunque es evidente que nunca las han visto. Y como tenemos muchas luces, que haya un incendio, una inundación o una temperatura récord en el último siglo ya nos vale como prueba de que todo eso es causado por el CO2 y de que vamos hacia una extinción masiva, como afirman los niños profeta de esta secta.

The urge to save humanity is almost always only a false-face for the urge to rule it. Power is what all messiahs really seek: not the chance to serve. This is true even of the pious brethren who carry the gospel to foreign parts. H.L. Mencken

La necesidad de salvar a la humanidad es casi siempre una tapadera para el ansia de gobernarla. El poder es lo que realmente buscan todos los mesías: no la oportunidad de servir. Esto es cierto incluso para los hermanos piadosos que llevan el evangelio al extranjero.

El mago de Baca Grande

Otro personaje interesante de la secta climática es Maurice Strong (que falleció hace unos años), el que fuera subsecretario general de la ONU. De la entrevista titulada «The Wizard of Baca Grande«, publicada en 1990 en la revista West llama la atención la fantasía de Strong, que cuenta como la trama de una novela que estaba pensando escribir:

What if a small group of these world leaders were to conclude that the principal risk to the earth comes from the actions of the rich countries? And if the wor1d is to survive, those rich countries would have to sign an agreenent reducing their impact on the environment. Will they do it?  […]  The group’s conclusion is «no».  The rich countries won’t do it. They won’t change. So, in order to save the planet the group decides; isn’t the only hope for the planet that the industrialized civillizations collapse. Isn’t it our responsibility to bring that about?

¿Qué pasaría si un pequeño grupo de estos líderes mundiales llegara a la conclusión de que el principal riesgo para la tierra proviene de las acciones de los países ricos? Y si el mundo quiere sobrevivir, esos países ricos tendrían que firmar un acuerdo para reducir su impacto en el medio ambiente. ¿Lo harán? […] La conclusión del grupo es «no». Los países ricos no lo harán. No van a cambiar. Entonces, para salvar el planeta, el grupo decide: si la única esperanza para el planeta que las civilizaciones industrializadas se hundan. ¿No es nuestra responsabilidad lograr eso?

Los ciudadanos tenemos una responsabilidad individual y colectiva: plantar cara, en la medida de nuestras posibilidades, a esta secta peligrosa que pretende llevarse por delante el progreso económico del mundo occidental. No hay excusa, porque no ocultan cuáles son sus verdaderos propósitos.

NOTA: no alargo más la entrada, pero la historia de Maurice Strong en Baca Grande es como para echarse las manos a la cabeza viendo en manos de qué tipo de iluminados estamos. Sólo pongo una frase para picar la curiosidad: «Todo empezó en 1978 cuando un hombre misterioso visitó a Hanne comunicándole una profecía sobre la llegada del apocalipsis«. 

NOTA: Maurice Strong huyó a China, pasando allí los últimos años de su vida, tras haber sido pillado con las manos en la masa: extendió un cheque a su nombre por valor de casi un millón de dólares (ver). Seguro que pensó que aún era poco para un salvador de mundos.

Leer más:

 

Temperatura y CO2 (VI)

¿Puede el efecto suceder antes que la causa?

Un sistema real no puede reaccionar a sucesos futuros. El efecto no puede producirse ante de que suceda su causa. Si el efecto se produce antes que la causa, la causa no es la que estamos considerando.

He resaltado en entradas anteriores que los alarmistas tienen un problemón con los indicadores de temperatura y CO2 sacados de núcleos de hielo, pues en esos datos los cambios en la reconstrucción de temperatura se producen antes que en la reconstrucción de CO2. Hemos visto que manejan desde la ocultación del dato (ver,ver) hasta varios argumentos ad hoc (ver,ver) para tratar de minimizar el daño que estas pruebas científicas suponen a su ideología.

Vamos a ver resultados de simulaciones en las que se analiza si con un modelo sencillo de excitación una correlación puede dictaminar que el efecto sucede antes que la causa.

«Lead-lag relationships between global mean temperature and the atmospheric CO2 content in dependence of the type and time scale of the forcing«

En este artículo se simulan dos posibles causas de un aumento en la temperatura: cambios en la irradiación solar y cambios en las emisiones de CO2. Nótese que ni la temperatura ni la concentración de CO2 son consideradas las causas últimas de los cambios: ambas son efectos de la causa última.

Y su conclusión es que en el segundo caso, la temperatura siempre cambia después que el CO2, mientras que en el primer caso, quién va por delante depende de si los cambios en las emisiones de CO2 son rápidos o lentos: en cambios lentos (emisiones en forma de sinusoide de periodo cientos de años) el CO2 cambia primero.

In additional idealized numerical experiments, driven by periodic external emissions of carbon dioxide into the atmosphere, T always lags behind q [atmospheric CO2 content] as expected. In contrast, if the model is driven by the periodic non-greenhouse radiative forcing, T leads q for the external forcing time scale ≤4 ×102 yr, while q leads T at longer scales.

O, en otras palabras, bajo la hipótesis de que la causa son las emisiones de CO2 no se debería observar que la temperatura cambie primero. Un resultado inconveniente para el alarmismo, sin duda.

Dicho lo cual, yo haría los siguientes comentarios:

  1. Sólo han examinado excitación sinusoidal. Habría que ver con formas de onda con mayor contenido frecuencial y más parecidas a los indicadores históricos (e.g. tren de pulsos) cuál es el resultado.
  2. Determinan qué curva va por delante de qué curva de forma automatizada, calculando qué desplazamiento de curvas da la correlación máxima.
  3. No garantizan que en sus simulaciones las curvas de temperatura y CO2 sean prácticamente idénticas (ni, por supuesto, idénticas a curvas reales), como se observa en los núcleos de hielo.

«Time lag between changes in global temperature and atmospheric CO2 content under anthropogenic emissions of CO2 and CH4 into the atmosphere«

En este artículo los mismos autores (con un par de incorporaciones) lo que hacen es cambiar la causa: dan por supuesto que al mismo tiempo que cambian las emisiones de CO2 también cambian las emisiones de CH4 (metano). En su modelo la concentración de metano sufre un transitorio rápido que combinado con la variación más lenta en la concentración de CO2 produce cambios en la temperatura que en algunos casos una correlación puede considerar anteriores a los cambios en la concentración de CO2.

O, en otras palabras, en este artículo se da por supuesto que hay dos causas y se llega a la conclusión de que uno de los efectos (i.e. cambio en la temperatura) en algunos casos puede ser o parecer anterior a otro factor que tiene un efecto más lento (i.e. el cambio en la concentración de CO2). Esta hipótesis aplicada a los indicadores de temperatura y CO2 equivaldría a suponer la existencia de un tercer factor/causa de efecto rápido que es el que realmente provoca los cambios de tendencia en la temperatura (y que tendría que variar siempre con antelación al CO2 para poder explicar los cambios de temperatura reales en los núcleos de hielo). Es decir, de forma artificial se simula una causa diferente del CO2 que es algo así como esa misma hipotética causa adelantada y se hipotetiza que en tal caso la temperatura podría cambiar antes que el CO2, pero obviamente no cambiaría antes que la verdadera causa, que en este supuesto inventado es el CH4.

Al igual que en el artículo anterior, la excitación es sinusoidal (con ambas causas en fase).

En definitiva, nada nuevo bajo el sol: está claro que si dos variables están correladas (con un retardo de cientos de años, como ya sabemos), una posibilidad es que ambas respondan a cambios en una causa común. En este artículo se examina la posibilidad de que esa causa común, la industrialización, pueda hacer que la temperatura cambie antes que el CO2 por acción de dos factores con distinto tiempo de reacción en la cadena de causalidad: emisiones de CH4 y emisiones de CO2. Es decir, para que el CO2 pueda ser considerado culpable del crimen necesita obligatoriamente contar con un cómplice. Todo un mazazo para el alarmismo.

NOTA: no pasa nada por lanzar hipótesis, y de hecho ya tenemos varias sobre por qué la temperatura cambia primero y el CO2 cambia después. Lo que es anticientífico es pretender que una hipótesis es una teoría indiscutible con el argumento de que quien la propone tiene autoridad en la materia o porque se ha publicado en una revista prestigiosa. 

NOTA: es curioso cómo en el segundo de los artículos en la introducción hablan de los núcleos de hielo y de cómo la temperatura cambia antes que el CO2, pero en el artículo usan un modelo basado en el «desarrollo económico» y emisiones antropogénicas para así meter el CH4 en sus simulaciones.

Leer más:

«An inconsistent truth»

¿Cuál es la causa? ¿Es natural o es causado por el ser humano?

Si es natural, no puedes hacer nada al respecto. Y el resto de cuestiones ya no importan.

Si es causado por el ser humano, aún tienes que demostrar que una temperatura más alta es mala. Y eso es difícil, porque es buena.

Y también tienes que demostrar que más CO2 es malo. Y eso es muy dificil porque es bueno.

Fred Singer