Een gastbijdrage van Tjerk Veenstra.

Als een wetenschappelijk of journalistiek onderzoek goed wordt uitgevoerd, worden eerst voldoende relevante gegevens verzameld. Die gegevens worden vertaald in informatie, waarna een analyse kan plaatsvinden. Op basis van de analyse worden conclusies getrokken en kunnen passende maatregelen worden getroffen. Als het goed is worden daarna de maatregelen geverifieerd en geëvalueerd op effectiviteit.

Dit is eigenlijk een normale methode om onderzoek te doen en problemen op te lossen.

Nu is mij opgevallen, dat wat het klimaatonderzoek en klimaatjournalistiek betreft, niet altijd zuiver de bovenbeschreven stappen wordt gehanteerd.

Selectieve foto’s

Om uit te leggen wat ik bedoel zal ik eerst beginnen met wat plaatjes.

 

Foto 1A laat de pyramides van Gizeh in Cairo zien, zoals die in reisfolders, ansichtkaarten en promotiemateriaal staan en die een positief beeld geven van de situatie.

Foto 1B laat dezelfde pyramides zien, maar dan uit een andere hoek en uitgezoomd. Het is dezelfde waarheid, maar geeft een heel ander inzicht.

Een tweede voorbeeld .

 

Deze foto’s tonen de Taj Mahal in India. Foto 2A zoals wij hem veelal kennen. Foto 2B met op de voorgrond een vuilstort daarentegen is minder bekend, doch het is hetzelfde gebouw, maar uit een andere hoek en meer uitgezoomd.

Nog een derde voorbeeld:

 

Foto 3A laat de bekende zeemeermin in Kopenhagen zien. Toen ik zelf een keer in Kopenhagen was, wilde ik het beeld uiteraard ook bewonderen. Maar dat viel tegen. Het is een heel klein beeld met altijd veel toeristen. Foto 3B laat wederom het onderwerp vanuit een andere hoek zien en uitgezoomd.

Dit zijn voorbeelden, waarbij duidelijk is dat het niet ongewoon is om een selectief deel van de informatie te tonen.

Hieronder toon ik aan, dat er ook in grafieken, bewust of onbewust, selectieve informatie wordt gegeven

Voorbeeld van grafieken

Er worden in de klimaatliteratuur, klimaatwetenschappen en journalistiek vele grafieken getoond over CO2, temperatuurstijging, poolijs, ijsberen, etc. te vinden op diverse sites.

Bij het nader bestuderen ervan vraag ik mij altijd af of de getoonde informatie wel correct is afgebeeld. Vooral vraag ik mij af waarom de x-as en de y-as op bepaalde waarden beginnen en eindigen.

Al op de middelbare school (ja, ja, de oude HBS-B) en later op de universiteit heb ik geleerd, dat de horizontale as (x-as) en de verticale as (y-as) van het coördinatenstelsel in principe beginnen bij de oorsprong, het punt 0,0.

Voorbeeld grafiek

Als de x-as een tijdsperiode van een proef bestaat, kiest men een periode van de duur van de meting of een dag, week of jaar.

Grafieken met klimaatgegevens

Met dit basisprincipe ben ik gaan kijken naar een aantal bekende grafieken met klimaatgegevens, die op diverse sites te vinden zijn.

 

Voorbeeld 1

Laten we als eerste kijken naar de bekende CO2 grafiek.

De vragen daarbij:

  • Waarom begint de y-as bij 320 ppm en niet bij 0 ppm?
  • Waarom begint de x-as bij 1960 en niet bij 1950 of bij 1900?

Daarbij is het resultaat ook nog in alarmerend rood weergegeven.

Ik ga er van uit, dat de basisgegevens van de metingen kloppen. Die trek ik niet in twijfel.

Er is een andere grafiek op internet te vinden, die dezelfde informatie geeft, maar in een breder perspectief.

De y-as begint hierbij 0 en de tijdsperiode is een eeuw. Het resultaat is dat het beeld hierbij een stuk minder alarmerend is. In deze grafiek is te zien dat er rond 1960 een stijging is, die begint bij 320 ppm. Door maar een deel van de informatie te geven, ontstaat dus een ander beeld en worden andere conclusies getrokken.

Voorbeeld 2

Een tweede voorbeeld betreft de afname van het ijs op Groenland.

Er vindt blijkbaar een verlies van ijsmassa plaats als gevolg van een al of niet natuurlijke opwarming. Ik ga wederom uit van de juistheid van meetgegevens. Gemiddeld blijkt er een massaverlies van ca. 240 Gigaton/jaar te zijn. Al Gore en niet te vergeten poolreizigster Bernice Notenboom, bekend van televisiedocumentaires, voorspelden meerdere keren dat, op basis van dergelijke gegevens, het ijs op de noordpool over enkele jaren verdwenen zou zijn. Als gevolg daarvan kon bovendien de zeespiegel wel 6 meter stijgen.

 

Maar als we naar de grafiek kijken, dan zien we dat de y-as begint bij min 4000 gigaton en x-as begint bij 2002. Bovendien heeft de neergaande lijn weer de alarm kleur rood.

Weer wat zoeken op Climategate brengt ons deze grafiek.

De y-as begint keurig op 0 en de tijdslijn bestrijkt dezelfde tijdslijn als de vorige grafiek.

In deze grafiek is de afname aan poolijs nauwelijks te zien en is daarom niet geschikt voor Bernice Notenboom.

Mocht  het smelten van het ijs op Groenland in hetzelfde tempo doorgaan als tussen 2002 en 2016 dan is al het ijs op Groenland pas over ruim 13.000 jaar verdwenen..

Maar omdat we volgens het Parijs akkoord in 2050 de temperatuurstijging beperkt zal worden, zal het tempo van het smelten bovendien afnemen. Of als de fossiele brandstoffen binnen een eeuw op zijn, gaat de afname helemaal niet meer door. En als dat ook niet gebeurd, zijn we historisch gezien, binnen 13.000 jaar allang weer in een ijstijd beland.

De voorspelling van de 6 meter zeespiegelstijging als gevolg van het verdwijnen van de polen is om meerdere redenen zeker niet te verwachten

Voorbeeld 3

Er wordt o.a. door het KNMI voorspeld, dat er meer overstromingen gaan komen door extreme regenval. De basis van die voorspellingen zijn de KNMI waarnemingen weergegeven in onderstaande grafiek. Te zien is echter, dat de y-as pas bij 400 mm neerslag begint. De x-as bestrijkt weliswaar een hele eeuw, de x-as echter lijkt optisch gekrompen, waardoor er in combinatie met de y-as een extreem beeld ontstaat.

 

Op Climategate is een andere grafiek al eens vertoond met dezelfde basisgegevens.

Weliswaar blijkt hieruit, dat de neerslag is toegenomen in de afgelopen eeuw (als gevolg van meer verdamping door hogere temperatuur?) maar de toename in neerslag lijkt in deze grafiek niet spectaculair. Gezien de dagen met neerslag van meer dan 20 mm per etmaal lijkt er ook geen significante toename in extremen.

Voorbeeld 4

Een laatste en mijns inziens een moeilijk voorbeeld is de bekende grafiek met de klimaatmodellen van IPCC .

De y-as begint ongeveer bij 0, maar de tijdas begint bij 1979. Het jaar 1979 is weliswaar de start van de klimaatmodellen van het IPCC. Maar waarom ook de historie vanaf het begin van de industriële revolutie niet meegenomen?

Speurend op internet kom ik bij volgende grafiek, die verder terug gaat in de tijd en die tevens het verband aangeeft tussen temperatuurtoename en jaarlijkse CO2 emissies sinds het begin van het industriële tijdperk. Dat laatste is belangrijk om de invloed van menselijk handelen aan te tonen.

Hier begint de (dubbele) y-as rechts bij 0.

Hier is duidelijk te zien, dat er drie perioden zijn geweest waarin er een snelle temperatuursverhoging plaatsvond, afgewisseld met perioden van afnemende temperaturen. Er blijkt uit de grafiek niet een duidelijk verband tussen CO2 emissies en temperatuurstijging. Wel is te zien, dat na de koele periode in de 70-er jaren, de temperatuur weer is gaan stijgen en is er vanaf rond 1979 wel een verband tussen CO2 en temperatuur. En dat is nu precies waar de IPCC modellen beginnen.

Dus the science is settled?

Conclusies

Ik heb met vier voorbeelden laten zien waar de grafieken verschillende informatie geven met dezelfde gegevens. Ik ben daarbij uitgegaan van de juistheid van de gegevens. Het ging er om te laten zien, dat men foto’s en data in grafieken op verschillende manieren kan tonen, afhankelijk de gewenste “reclame“ boodschap.

De besproken grafieken bevatten meetgegevens van het recente verleden. Als gevolg daarvan worden, op basis van de analyses, o.a. door IPCC en het KNMI prognoses en voorspellingen gedaan voor de toekomst. Maar als het verleden en het heden nog niet duidelijk geanalyseerd zijn, hoe zeker zijn de scenario’s voor de toekomst dan?

Als antwoord op die vraag eindig ik met wat het KNMI op haar site zelf over scenario’s zegt:

The variability of the system poses limitations to the predictability of the climate state. Internal variations of the climate system beyond the monthly scale (…) are difficult to predict and at time scales of 30 – 100 years useful predictions are basically impossible. Not only because the large contribution of the natural variability, also because the external forcing related to human activity.

Any attempt to make climate predictions (…) cannot be expected to lead to skilful results”.

Bron hier, pagina 4, paragraaf 1.1.1.