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:
we 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: