Pollution thermique.

• • • • •

R.W. Spencer. (Source)

McKitrick & Michaels avaient raison …..

 

 

Graphique 1
Le graphique ci-dessus montre l'effet d'îlot urbain par Comté en Californie, d'après Goodridge 1996, Bulletin of the American Meteorological Society.
La prétendue référence ultime des données de température de surface est le jeu de données produit par l'Université d'East Anglia, appelé CRUTem3. Chez les sceptiques, il y a toujours eu le soupçon persistant qu'une partie de ces enregistrements officiels de température du GIEC contenait un certain niveau de réchauffement parasite résiduel dû à l'effet d'îlot de chaleur urbain. Plusieurs articles publiés antérieurement ont soulevé le lièvre.
L'effet d'îlot de chaleur urbain (ICU) est familier à la plupart des gens: les villes sont généralement plus chaudes que les zones rurales environnantes en raison du remplacement de la végétation naturelle par des structures artificielles. Si cet effet augmente avec le temps sur les sites de mesure, il y aura une composante de réchauffement fallacieux sur l'évolution des températures régionales ou mondiales calculées à partir de ces données.
Dans le présent billet, je vais montrer à partir des données archivées au NCDC de températures horaires internationales de surface non ajustées, que la tendance au réchauffement dans l'hémisphère Nord, d'où la quasi-totalité des données proviennent, est une fonction de la densité de population sur le site de mesure.
Selon la façon dont les résultats sont reliés à la densité de population, le niveau de réchauffement parasite dans les jeux de données CRUTem3 passent de 14% à 30% lorsque 3 classes de densité de population sont définies, et même à 60% ​​avec 5 classes de la population.

Données et méthodes.

L'analyse des données brutes des stations n'est pas pour les fainéants. Pour la pério de 1973 à 2011, il y a des centaines de milliers de fichiers dans les archives NCDC ISH, chacun d'eux représentant les données d'une station pour une année. Le volume des données est de plusieurs gigabytes.
De ces fichiers, j'ai calculé  les températures moyennes journalières de chaque station qui présente des données depuis 1973, l'année où il y a eu une forte augmentation du nombre de stations dans la base de données ISH. La température moyenne journalière est calculée à partir des quatre mesures faites aux heures synoptiques (00, 06, 12, 18 UTC) qui sont les plus communément rapportées dans le monde.
Au moins 20 jours de données complètes sont nécessaires pour un calcul de température moyenne mensuelle et la période 1973-2011 doit être complète à 80% pour être incluse dans l'analyse.

I then stratified the stations based upon the 2000 census population density at each station; the  I used has a spatial resolution of 1 km.

J'ai ensuite stratifié les stations sur la base du recensement de population de l'an 2000; les données de population que j'ai utilisées ont une résolution spatiale de 1 km.

Puis j'ai retenu toutes les mailles de 5×5° (les mêmes que celles utilisées par Phil Jones en construisant son jeu de données), qui comprenaient toutes les données suivantes : une température CRUTem3 et au moins 1 station dans chacune des trois classes de population, dont les limites sont fixées à 0,15,500 et 30 000 habitants au km2.
En exigeant que ces trois classes soient présentes dans les mailles utilisées par l'analyse, on obtient une véritables comparaison entre des stations similaires mais avec des densités différentes et donc, où les choux sont comparés aux choux. L'aspect négatif est que la couverture géographique est plus faible que celles fournie par le jeu de données de Jones, car relativement peu de mailles satisfont aux exigences.
Mais l'intention ici n'est pas d'obtenir la meilleure estimation de l'évolution des températures de 1973 à 2011; elle est au contraire d'obtenir une estimation du réchauffement parasite dans le jeu de donnée CRUTem3. Le nombre de mailles de 5X5° avec des stations dans les trois classes de population est en moyenne de 100 par mois de 1973 à 2011.

Résultats

Les résultats figurent dans le graphique suivant qui indique que plus la densité de population est faible aux alentours de la station, plus faible est la tendance linéaire au réchauffement pour 1973-2011. Notez que la tendance CRUTem3 est un peu plus forte que la simple moyenne issue de l'ensemble des stations sélectionnées, mais pas aussi élevée que celle des stations avec la plus forte densité de population.

Températures moyennes de surface journalière pour 1973-2011 par densité de population, groupe de l'hémisphère nord.

Les séries temporelles des anomalies de température du CRUTem3 et des plus faibles populations ,qui ont été utilisées pour le calcul ces évolutions sont représentées dans le graphique suivant avec des lissages polynomiaux des données :

Anomalies des températures moyennes annuelles de surface pour les seules mailles présentant les trois classes de densité de population.

Le graphique ci-dessus ne donne pas nécessairement une estimation pour les terres émergées de l'hémisphère nord, seulement les mailles de 5×5° où il y a des stations de mesure de la température dans chacune des trois classes de population.

La différence entre ces deux indices figure ici :

Nous voyons donc que ces dernières années, il y a un biais croissant dans les températures CRUTem3 par rapport aux stations à la plus faibles population.

La tendance linéaire des températures CRUTem3 est de 15 % plus chaude que celle des stations avec la plus faible population. Mais si l'on extrapole les résultats du premier graphique à la densité de 0,1 habitant au km2, on obtient une surestimation de 30% de la tendeance donnée par les données CRUtem3.

Si j'augmente le nombre de classes de populations de 3 à 5, la tendance CRUTem3 est sur estimée de 60% pour cette même densité, mais le nombre de mailles avec les 5 classes n'est plus que de 5 à 10 par mois au lieu de 100. Je pense que ce résultat est donc moins fiable.

Je trouve que ces résultats correspondent avecà ce que disent Anthony Watts, Pat Michaels, Ross McKitrick, et al. depuis des années, à savoir que les stations de faible qualité ont probablement conduit à un réchauffement parasite, lequel a augmenté les estimations officielles du GIEC pour le réchauffement.Ces résultats sont globalement cohérents avec l'étude de McKitrick et Michaels (2007), qui suggéraient qu'au moins 50 % du réchauffement de surface depuis 1980 pouvait être parasite.

J'aurais aimé écrire ce travail et le soumettre pour publication, mais je suis lassé des gardiens du GIEC qui tuent mes papiers; le pire étant que certaines conclusions soient endommagée dans le texte du GIEC, le moins probable est qu'elles soient publiées. C'est le monde dans lequel on vit.

Mise à jour : J'ajoute les résultats juste pour les USA, qui montrent que les évolutions de température du CRUTem3 a surestimé les tendances aux USA de 50 % durant la période 1973-2011

J'ai fait les calculs juste pour les USA et ils sont un peu plus précis. Les stations ISH ont été stratifiées par densité de population. La tendance de température a été calculée pour chacune des stations et les 5 % de tendances maxima et minima de chacune des 3 classes ont été retirées de l'analyse. Pour chaque classe de population, j'ai calculé les évolutions "officielles" CRUTem3 et je leur ai appliqué  le même calcul de moyenne qu'aux données ISH.

Les résultats dans le graphique ci-dessous montre que pour les 87 stations de la classe de population la plus faible, la moyenne CRUTem3 est de 57 % plus chaude que celle calculée à partir des données ISH.

Ici, l'on compare bien des choux à des choux … pour chaque tendance incluse dans la moyenne d'une classe, une tendance correspondante et quasi voisine du CRUTem3 est aussi incluse dans la moyenne de cette classe de population.
Comme expliquer ces résultats autrement que par un réchauffement parasite dans les données CRUTem3 ? J'aimerais lire des explications alternatives pour ces calculs. (Moi aussi, Araucan 🙂 )
@@@@@@
Share on FacebookTweet about this on TwitterEmail this to someone
1.  Marot | 6/04/2012 @ 10:29 Répondre à ce commentaire

Bien vu, bien mené et bien venu. Merci Spencer.

Les résultat devrait convaincre des réchauffistes honnêtes.

Sur le contenu, la dérive serait encore plus grande amha si les observations étaient rapportées non à des classes de population en 2000 mais à de classes d’accroissement de population de 1973 à 2000.
Mais pourquoi ce raffinement supplémentaire alors que les résultats sont déjà probants.

2.  Bob | 6/04/2012 @ 11:15 Répondre à ce commentaire

Marot (#1),
Spencer vient d’en sortir un tout nouveau, au sujet des Etats Unis, cette fois-ci.

http://www.drroyspencer.com/20.....1973-2012/

Edifiant !

3.  miniTAX | 6/04/2012 @ 12:35 Répondre à ce commentaire

Marot (#1), « réchauffiste honnête », c’est comme « l’eau sèche » ou « travailleur corse », c’est un oxymore.

4.  Marot | 6/04/2012 @ 12:59 Répondre à ce commentaire

miniTAX (#3)

Toujours bonne plume !

5.  pecqror | 6/04/2012 @ 13:06 Répondre à ce commentaire

Marot (#1),

Les résultat devrait convaincre des réchauffistes honnêtes.

6.  pecqror | 6/04/2012 @ 13:15 Répondre à ce commentaire

Marot (#1),
C’est comme si vous postiez sur contrepoints:
Les résultats devraient convaincre des communistes libéraux.

7.  Murps | 6/04/2012 @ 15:49 Répondre à ce commentaire

pecqror (#6), réchauffiste honnête…
J’aime beaucoup.
C’est comme le petit Jésus soviétique.
J’aurais plutôt dit « ca convaincra les scientifiques qui ne s’étaient jamais intéressé plus que cela à l’hystérie sur le climat »…

8.  Marot | 7/04/2012 @ 12:16 Répondre à ce commentaire

Ravi

d’avoir suscité vos réactions plaisantes.

On en connaît pourtant un tout récent : Fritz Varenholt.

9.  Patrick Bousquet de Rouvex | 7/04/2012 @ 13:40 Répondre à ce commentaire

Marot (#8), Judith Curry semble aussi s’en rapprocher !

10.  Araucan | 9/04/2012 @ 23:04 Répondre à ce commentaire

Bob (#2),

Il aurait été intéressant de pouvoir apprécier la dispersion des populations de stations par classe de population.

11.  lemiere jacques | 13/04/2012 @ 19:56 Répondre à ce commentaire

je doute1 que personne ne doute que les données soient contaminés par l’effet de chaleur urbain….le doute porte sur le fait qu »il soit éliminé par des corrections quasi magiques.

12.  lemiere jacques | 13/04/2012 @ 19:59 Répondre à ce commentaire

contaminées…

Sorry, the comment form is closed at this time.