Solsyklusmodellen feiler etter midten av 1970-tallet

Jeg har i de foregående innleggene omtalt solsyklusmodellen til Jan-Erik Solheim, Kjell Stordahl og Ole Humlum (SSH). Jeg har sammenfattet og utvidet dette i notatet Solsyklusmodellen feiler etter midten av 1970-tallet. 

Notatet viser at temperaturene passet bra med solsyklusmodellen frem til midten av 1970-tallet, men ikke etter det. Temperaturene etter midten av 1970-tallet har vært mye høyere enn solsyklusmodellen predikterte for dem. Solsyklusmodellen kan derfor ikke brukes til å prediktere fremtidige temperaturer slik SSH hevder.

Noen bruker solsyklusmodellen som en av flere hypoteser for å motbevise og/eller så tvil om konsensuset blant verdens klimaforskere om at menneskeskapte drivhusgasser nå har blitt det dominerende klimapådrivet. Den inngår i argumentasjonen bak "It's the sun, stupid" og at det bare er de naturlige syklusene som er dominerende klimapådriv. Det er derfor viktig å dokumnetere at solsyklusmodellen har sviktet totalt etter midten av 1970-tallet, og at den ser ut til å svikte totalt også for inneværende solsyklus.

I resten av innlegget gjengir jeg noen avsnitt fra notatet Solsyklusmodellen feiler etter midten av 1970-tallet. Utfyllende kommentarer for å binde avsnittene sammen er skrevet i kursiv. Alt er begrunnet i notatets 22 sider, bl.a. i 10 figurer, og i flere tabeller med statistikkinformasjon.

Durbin-Watson test for autokorrelasjon

Jan-Erik Solheim, Kjell Stordahl og Ole Humlum (SSH) predikterer sterkt fallende temperatur i tiåret som vi er inne i nå [1, 2]. De bruker Durbin-Watson testen for å sjekke om prediksjonene svekkes av autokorrelasjon i dataene, noe de mener ikke skjer. De forrige innleggene mine er om prediksjonene til SSH, som jeg mener er ekstremt usannsynlige. Nå går jeg gjennom Durbin-Watson testen og SSH's buk av den. 


SSH slår seg til ro med OK verdier fra Durbin-Watson testen selvom enkle vurderinger av dataene tilsier at modellen deres ikke lenger fungerer. I innlegget som du leser nå viser jeg plot som visualiserer disse enkle vurderingene.

Innlegget er delt opp i 4 deler.

1.    Durbin-Watson testen og statistisk signifikant autokorrelasjon.
2.    Konsekvensen av autokorrelasjon for konfidensintervallet rundt en prediksjon.
3.    Durbin-Watson testen anvendt på en typisk temperaturserie.
4.    Durbin-Watson testen anvendt på Anscombes kvartett.

Solsyklus lengde og globale temperaturer

I innleggene mine 22. mai og 3. juni gikk jeg gjennom modellen til Jan-Erik Solheim, Kjell Stordahl og Ole Humlum, senere omtalt som SSH. SSH har beskrevet modellen i [1, 2]. Kort sagt påviser SSH en negativ korrelasjon mellom middeltemperaturen i en solsyklus og lengden på den forrige solsyklusen. SSH bruker denne korrelasjonen til å prediktere en sterkt fallende temperatur i solsyklus 24, begrunnet med at solsyklus 23 var lang. Solsyklus 24 startet i desember 2008 og vil vare frem til ca 2020. Prediksjonen gjelder først og fremst for Grønnland, Svalbard og i Nord-Europa. I mine to innlegg bekrefter jeg den påviste negative korrelasjonen, men jeg argumenterer for at modellen ikke lenger fungerer. Jeg mener at det er ekstremt lite sannsynlig at SSH's prediksjoner om sterkt fallende temperatur i inneværende solsyklus vil slå til. Jeg begrunner det med at modellen har bommet totalt for solsyklusene med start etter 1976.

I mine 2 foregående innlegg analyserte jeg, som SSH, lokale temperaturer. Jeg så også på HadCRUT3 og NASA GISS temperaturene for den nordlige halvkulen. Alle disse temperaturseriene viser den omtalte negative korrelasjonen. I innlegget som du leser nå, undersøker jeg om dette også gjelder for de globale temperaturene.

Solsyklus lengde og lokale temperaturer

I mitt forrige blogginnlegg omtalte jeg notatet Solar Activity and Svalbard Temperatures, [1]. Jan-Erik Solheim, Kjell Stordahl og Ole Humlum, heretter omtalt som SSH, skrev i notatet om en kobling mellom solsyklus lengde og Svalbard temperatur.

SSH har også skrevet et annet notat om det samme emnet, The long sunspot cycle 23 predicts a significant temperature decrease in cycle 24  [2]. Jeg går gjennom det notatet i innlegget som du leser nå.

Solsyklus 23 er den forrige solsyklusen. Den varte i 12.2 år, som er lenger enn gjennomsnittet på ca 11 år. Nåværende solsyklus 24 begynte i desember 2008. SSH predikterer en fallende temperatur i solsyklus 24. De begrunner det med en påvist negativ korrelasjon mellom temperatur i en solsyklus og lengden på den foregående solsyklusen. Som i mitt forrige innlegg bekrefter jeg SSH's beregninger av trender og standardfeil, men jeg regner ut litt andre konfidensintervall for prediksjonene. Jeg mener at det er ekstremt lite sannsynlig med fallende temperatur i inneværende solsyklus, noe jeg begrunner i innlegget som du leser nå.

Solsyklus lengde og Svalbard temperatur

Jan-Erik Solheim, Kjell Stordahl og Ole Humlum har i løpet av det siste året skrevet flere artikler der de predikterer lave temperaturer i Norge og i Arktis i inneværende solsyklus 24. De, senere omtalt som SSH, begrunner dette med at forrige solsyklus var lang, og at det er en negativ korrelasjon mellom temperaturen i en solsyklus og lengden på den forrige solsyklusen. SSH har analysert mange temperaturserier fra den nordlige halvkulen, og de har for alle påvist negativ korrelasjon mellom solsyklus lengde og temperaturen i den påfølgende solsyklusen. Solsyklus 23 sluttet i november 2008, og hadde da vart i 12.2 år. Gjennomsnitlig lengde på solsykluser er ca 11 år.

I innlegget som du leser nå, kommenterer jeg notatet "Solar Activity and Svalbard Temperatures", som SSH fikk publisert i november 2011. Jeg kommer frem til den samme negative korrelasjonen som SSH beskriver. Men jeg mener at prediskjonen deres om fallende temperatur i den inneværende solsyklusen er ekstremt lite sannsynlig, noe jeg begrunner i innlegget som du leser nå.

Korrelasjonskoeffisient og Anscombes kvartett

Korrelasjon mellom 2 variabeler eller datasett betyr at det kan være en kobling mellom dem. Det er positiv korrelasjon når variabelene har en tendens til å endre seg i samme retning, eksempelvis at når x øker i verdi gjør y det samme. Det er negativ korrelasjon når variabelene har en tendens til å endre seg i motsatt retning. Korrelasjon mellom to variabeler kan bety at den ene variabelen er en funskjon av den andre, men det er ikke nødvendigvis slik. Korrelasjonen kan være helt tilfeldig, eller det kan være noe annet som styrer de to variabelene som vi undersøker.

I dette innlegget vil jeg gå gjennom hvordan korrelasjonskoeffisienten regnes ut. Jeg vil også gå gjennom et kjent eksempel som viser at både korrelasjonskoeffisient og en lineær regresjonsanalyse kan være misvisende. Jeg gjør dette som bakgrunn for en senere omtale av to artikler som jeg mener gir misvisende konklusjoner fordi lineær regresjonsanalyse og korrelasjonskoeffisienter brukes ukritisk.

Konfidensintervall for estimat og prediksjon

I lineær regresjonsanalyse tar vi utgangspunkt i et sett med xy verdier. X er den uavhengige variabelen, og y er antatt å være en lineær funksjon av x. Observasjonene av y er antatt å ha overlagret en tilfeldig støy. I et tidligere blogginnlegg gikk jeg gjennom noen av formelene for statistikk tilknyttet dette. Her var tiden den uavhengige variabelen x, og global temperatur var den avhengige variabelen y. Standardfeilen til regresjonsanalysen, SE_regression, ble definert. Den angir hvor godt de observerte y verdiene passer til den beregnete regresjonslinjen. Den var basis i utregningen av p-verdien, som angir graden av statistisk signifikans for regresjonslinjen.

Resultatet fra en lineær regresjonsanalyse kan brukes til å estimere (prediktere) y gitt en x verdi. Prediksjoner om noe som kan observeres eller måles en gang i fremtiden, har en iboende usikkerhet. Prediksjoner basert på en lineær regresjonsanalyse er intet unntak. Innlegget som du leser nå, går gjennom denne usikkerheten. Jeg gjør det som bakgrunn for en omtale av to artikler som Solheim, Storholt og Humlum (SSH) har skrevet, der de predikterer sterkt fallende temperatur i solsyklusen som vi er inne i nå. Av forskjellige grunner mener jeg at prediksjonene deres er svært lite sannsynlige, noe jeg kommer tilbake til i et senere innlegg. Jeg vil først gå gjennom noe av det matematiske grunnlaget for usikkerhetene til estimater og prediksjoner.