Das anthropogene CO2-Emissions-Experiment

geschrieben von Chris Frey | 15. Juni 2020

Professor Stefan Rahmstorf zeigt, wie CO2 in der Atmosphäre durch Corona abgenommen hat

Dazu postete er eine CO2-Konzentrationsgrafik, deren zum Schluss rote und blaue Verlaufslinien, sowie Regressionsgeraden eine deutliche, „Corona“-bedingte Reduktion ausweisen.

Bild 1 Grafik von S. Rahmstorf (PIK) zum aktuellen Coronaverlauf


Dieser Verlauf ist wichtig. Wäre er nicht wie von Herrn Rahmstorf gezeigt, könnte – beziehungsweise müsste – man an dem IPCC-Postulat vom hohen Anteil des anthropogenen CO2 an der globalen Konzentrationserhöhung zweifeln. Anscheinend hat S. Rahmstorf mit seinem Post diesen Zweifel gelöst und für nichtig erklärt.
Wie immer beim Klimawandel, gibt es auch hier zum gleichen Ereignis gegensätzliche Aussagen. Eine davon wurde kürzlich auf EIKE publiziert: [1] EIKE 06. Juni 2020: CO2 und Korona
Anbei nun ein Versuch, von den verschiedenen Aussagen die wahrscheinlichere herauszufinden.

Die Emissionsreduktion

Jüngst wurde eine Studie veröffentlicht [2], welche die „Corona“-bedingte Reduktion des anthropogenen CO2-Eintrags abschätzte und quantifizierte. Das Ergebnis ist in der Studie als Grafik (Bild 2.1) und tabelliert zusammengefasst:

Bild 2.1 Verlauf der anthropogenen CO2-Emission bis Ende Mai 2020. [2] Fig. 3 | Global daily fossil CO2 emissions (MtCO2 d−1). a, Annual mean daily emissions in the period 1970–2019 (black line), updated from the Global Carbon Project1,3 (Methods), with uncertainty of ±5% ( ±1σ; grey shading). The red line shows the daily emissions up to end of April 2020 estimated here. b, Daily CO2 emissions in 2020 (red line, as in a) based on the CI and corresponding change in activity for each CI level (Fig. 2) and the uncertainty (red shading; Table 2). Daily emissions in 2020 are smoothed with a 7-d box filter to account for the transition between confinement levels. Hilfslinien und Prozentangaben vom Autor ergänzt

Bild 2.2 [2] (Supplement). Datentabelle

Bild 2.3 [2] (Supplement). Datentabelle

Dank dieser Reduktionsermittlung könnte es möglich sein, die „Antwort“ der globalen CO2-Konzentration abzuschätzen, wie es in [1] auch gemacht wurde.
Leider legt auch diese Studie – wie fast immer, wenn es um den Klimawandel geht – keinerlei Wert darauf, ihre Daten für weitere Auswertungen oder vertiefter Nachkontrolle durch andere ausreichend zu detaillieren.
Wie es die IPCC-Autoren (angeblich) schaffen, ca. 40.000 Klimastudien für einen Bericht zu „analysieren“, ist zumindest dem Autor mehr als ein absolutes Rätsel, beziehungsweise positiv betrachtet, muss es ein Beleg für geradezu „erleuchtetes“ Wissen und Können der daran im Auftrag des IPCC Mitwirkenden sein.
Auch zur Darstellung von Prof. Rahmstorf hat der Autor nur Achtung übrig (könnte auch ironisch gemeint sein, hängt vom Typus des Lesers ab). Das PIK verfügt einfach über die alles richtig (voraus-)sagende Glaskugel (Simulationen), welche zu jeder noch so verflixtesten Klimafrage spontan Aussagen erlaubt.

Die alles entscheidende Frage: Wie viel Reduktion misst die globale Referenzstation von „Mauna Lea“

Im EIKE-Artikel [1] wurde die Frage wie folgt beantwortet: Die Welt-Referenz-CO2-Messstation auf der Insel „Mauna Lea“ misst keine „Corona“-bedingte Reduktion.
[1] … In den letzten Monaten gab es keine Anzeichen für eine Reaktion des atmosphärischen CO2. Die Trendzahlen für 2020 liegen sogar über der Regressionslinie. Das verspricht etwas, wenn wir in den Niederlanden die CO2-Emissionen “ für das Klima “ um einen wahnsinnigen Betrag von vielen, vielen Milliarden Euro reduzieren. Und nicht zu vergessen die 1000 Milliarden Frans Timmermans.
Ganz so einfach wie im Artikel dargestellt, erscheint dem Autor die Antwort nicht. Deshalb hier der Versuch einer vertiefenden Sachstandsdarstellung.
Die aktuelle Grafik der „Mauna Loa“ CO2-Konzentration(1) (Bild 3)lässt keine Konzentrationsverringerung erkennen.

Bild 3 Mauna Loa Monthly Averages bis 06. Juni 2020. Quelle: [3]

Zur Verdeutlichung dazu der Verlauf aus der Studie [3] (Bild 2.1) und der Original-Verlaufsgrafik (Bild 3) übereinander kopiert (Bild 4).
Das Ergebnis: Weiterhin kein Corona-Einfluss erkennbar.

Bild 4 CO2-Konzentrationsverläufe aus der Studie [3] und der Originalgrafik (Bild 3) vom Autor übereinander kopiert

Nun ist eine Monatsauflösung sicher zu grob, um die wenigen Monate des „Corona“-Einflusses richtig darzustellen. Deshalb ergänzend die Wochendaten (Bild 5). Auch darin ist von der von Prof. Rahmstorf gezeigten Reduktion nichts zu sehen.

Bild 5 Mauna Loa CO2-Konzentration bis 06. Juni 2020 in Wochenauflösung. Quelle: Viewer [3]. Bild vom Autor ergänzt

Zur Veranschaulichung die zwei wichtigen Verläufe wieder übereinander kopiert (Bild 6). So wirklich will die Grafik von Herrn Rahmstorf nicht mit dem aktuellen, wahren Wochenverlauf übereinstimmen (Kreis B).
Ein Verdacht drängt sich auf: Der „Coronateil“ seiner Kurve wurde von Prof. Rahmstorf nicht anhand von Messwerten, sondern durch „Zeichnen“ erstellt.

Bild 6 Der Verlauf nach Prof. Rahmstorf (Bild 1) und der Messdatenverlauf in Wochenauflösung (Bild 5) vom Autor übereinander kopiert und ergänzt


Nun können solche Verläufe – so augenscheinlich sie auch sein mögen – täuschen.
Also muss man noch tiefer in die Daten „eindringen“. Und vielleicht liefern die Regressionsgeraden ein deutlicheres Ergebnis.
Für Bild 7 hat der Autor die Originaldaten in Wochenauflösung der Jahre 2018, 2019, 2020 vom 1.1. bis Ende Mai in ein Excelsheet kopiert (ist wirklich mühsam, weil die Daten ohne Zeilenvorschub einfach hintereinander erscheinen und damit die Zeilenbildung händisch – oder über ein Script – erzeugt werden muss. Leider eine häufige Erscheinung, wohl um Privatpersonen Auswertungen aus Datenhinterlegungen extra zu erschweren) und auf den gleichen Startwert der Regressionsgeraden normiert.
In der Grafik von Prof. Rahmstorf ist die für das Jahr 2020 rot gezeigte „2020 forecast seasonal-cycle“-Regressionslinie eine lineare Weiterführung der Regression ab Juni 2018. Die „Covid“-reduzierte, blaue Linie „Covid-19 emissions reduction“ zeigt dagegen eindeutig eine Abschwächung.
Nur: Die aus den wahren Messwerten ermittelten Regressionsgeraden zeigen ein umgekehrtes Bild:
Entgegen Rahmstorfs blauer „Corona“-Minderung hat die wahre „Corona“-Regressionsgerade (rot) sogar eine noch höhere Steigung. Vor allem ist sie steiler als die des Boomjahres 2019 (schwarz gestrichelt).

Bild 7 Mauna Loa CO2-Konzentration vom 1.1. bis 31.05.. Regressionsgeraden auf den gleichen Startwert additiv verschoben. Quelle: NOAA Global Monitoring Laboratory. Grafik vom Autor anhand der Daten erstellt


Die aktuelle Verlaufsgrafik dazu zeigt das folgende Bild:

Bild 8 Mauna Loa CO2-Konzentrationen vom 1.1. bis 31.05.. Quelle: NOAA Global Monitoring Laboratory. Grafik vom Autor anhand der Daten erstellt


Mit einem solchen Bild kann man die Verläufe jedoch schlecht miteinander vergleichen. Deshalb auch die Konzentrationsverläufe normiert auf den 1. Januar.
Nun ist erkennbar, dass am üblichen, saisonalen Umkehrzeitpunkt (vertikale Linie, 13. Mai) das aktuelle „Coronajahr“ eine leichte Delle hat, diesen saisonalen Umkehrpunkt aber ignoriert und leicht steigend weiterläuft. Weder im längerfristigen-, noch am kurzfristigen Tagesverlauf (Bilder 10; 11) ist eine „Coronadelle“ erkennbar.

Bild 9 Mauna Loa CO2-Konzentration vom 1.1. bis 31.05.. Normiert auf gleichen Startwert am 1.1.. Gestrichelte Linie: 13. Mai. Quelle: NOAA Global Monitoring Laboratory. Grafik vom Autor anhand der Daten erstellt


Bild 10 Mauna Loa CO2-Konzentration in Tagesauflösung mit Messwerten vom 06. bis Mai bis 06. Juni. Quelle: [3]

Bild 11 Mauna Loa CO2-Konzentration in Tagesauflösung vom 06. bis Mai bis 06. Juni. Quelle: [3]

Der berechnete, summerte Unterschied an CO2-Emission seit Anfang des Jahres zwischen dem Jahr 2020 und 2019 beträgt -0,05 % in diesem Jahr.

Der Wirtschaftszyklus

Bisher wurde noch nicht betrachtet, wie die CO2-Emission verlaufen wäre, wenn es kein „Corona“ gegeben hätte. Prof. Rahmstorf hat das natürlich gemacht, weshalb es der Autor ebenfalls nicht ignorieren kann, bedeutet, man muss noch tiefer in die Daten „einsteigen“ und den „Forecast“ herausrechnen.
Während die Klimawissenschaft dazu massiv forscht und es darin (angeblich) bereits zur wahren Meisterschaft gebracht hat, fällt es dem Autor schwer. Doch einen Versuch sollte es notgedrungen wert sein.
Rahmstorf hat in seiner Grafik einen „2020 forecast“ eingezeichnet. Bei ihm ist dieser (rote Linie im Bild 1) die lineare Weiterführung der Regressionslinie vom Jahr 2018.
Um solchen „Forecast“ zu bewerten, muss man nachsehen, was die Weltwirtschaft (ohne Coronaeinfluss) emittiert hat und hätte. Unsere Wirtschaftsweisen schrieben dazu:
[4] Sachverständigenrat – Jahresgutachten 2019/20: DAS WICHTIGSTE IN KÜRZE Das Wachstum der Weltwirtschaft hat sich merklich verlangsamt. Dazu trägt insbesondere die Schwäche der Industrie bei. Gleichzeitig kam es zu einem Rückgang des Welthandelsvolumens. Die gestiegene Unsicherheit, nicht zuletzt durch die Handelskonflikte ausgelöst, dämpft das Investitionswachstum. Im Prognosezeitraum dürfte die konjunkturelle Dynamik weiter verhalten bleiben.
… Vor allem der Welthandel entwickelt sich nämlich sehr schwach. ABBILDUNG 1 OBEN RECHTS Das globale Handelsvolumen ging drei Quartale hintereinander spürbar zurück. Die regionale Aufteilung zeigt dabei, dass insbesondere China sowie die sonstigen asiatischen Schwellenländer zum Rückgang des Importvolumens beitrugen. Im zweiten Quartal 2019 kam ein deutlicher Rückgang in den sonstigen fortgeschrittenen Volkswirtschaften, darunter das Vereinigte Königreich, hinzu. Gleichzeitig kam jedoch das Wachstum in den übrigen Regionen ebenfalls weitgehend zum Erliegen. Es ist eine Entkopplung der Entwicklung von Welt-BIP und Welthandel zu beobachten. Dies steht im Einklang damit, dass die schwache konjunkturelle Entwicklung bislang vor allem aus einer länderübergreifenden Industrieschwäche resultiert.

Bild 12 [4]

Nach diesen „Weisen“ war die Veränderung des Weltwachstums in den ersten beiden Quartalen 2019 mindestens so hoch wie es in den ersten beiden Quartalen des Jahres 2020 geschätzt wird (Bild 12). Die fortgeschriebene Erhöhung in der Grafik von Herrn Rahmstorf lässt sich darin nicht ableiten. Eher dürfen für die aktuellen, ersten beiden Quartale gleiche Werte angenommen werden.
Unter dieser Prämisse sind die CO2-Daten nun mit einem eingeschränkten Zeitraum ab dem die Corona-bedingte Reduktion des Welthandels sicher begonnen hatte, heraus-“gezeichnet“ (Bild 12).
Nun sind die Steigungen praktisch identisch. Der Summenunterschied an CO2-Emission ab Anfang März bis zum 31.05. zwischen dem Jahr 2020 und 2019 beträgt +0,61% mehr Emission im Jahr 2020.

Bild 13 Mauna Loa CO2-Konzentration vom 01.03. bis 31.05., Regressionsgeraden auf den gleichen Startwert additiv verschoben. Quelle: NOAA Global Monitoring Laboratory. Grafik vom Autor anhand der Daten erstellt


In der Studie steht allerdings noch, dass der „Coronaeintrag“ dem Jahr 2006 entsprechen würde:
[5] Die täglichen Gesamtemissionen in diesem Zeitraum entsprachen in etwa denen von 2006
Vergleicht man den wichtigen „Coronazeitraum“ auch mit diesem Jahr (Bild 14), würde man die Aussage eindeutig lesen:
-Im Jahr 2006 gab es genau wie im Jahr 2020 die „Emissionsdelle“ zum „Umkehrzeitpunkt“,
-doch war die Steigung der Regressionsgeraden weit geringer und die Abflachung nach dem „Umkehrzeitpunkt“ erheblich stärker.

Bild 14 Mauna Loa CO2-Konzentration vom 01.03. bis 31.05., Regressionsgeraden auf den gleichen Startwert additiv verschoben. Quelle: NOAA Global Monitoring Laboratory. Grafik vom Autor anhand der Daten erstellt

Wer hat nun recht(er)?

Aufgrund der nicht ausreichend genau quantifizierbaren – und damit auch nicht herausrechenbaren – Randbedingungen, sowie des in Wirklichkeit extrem geringen „Corona“-Einflusses auf den absoluten Atmosphärenanteil ist es wohl nicht eindeutig zu beweisen. Damit bleiben die folgenden Aussagen:
-Herr Rahmstorf sagt, dass der Einfluss gesichert und deutlich erkennbar sei
-Der Autor würde anhand seiner „Auswertung“ (viel) eher die Wahrscheinlichkeit des Gegenteils vermuten, allerhöchstens eine Patt-Situation.
Vielleicht gibt es dazu irgendwann noch eine Studie, welche das Kunststück einer genaueren Aussage „schafft“ und nicht nur ein gefordertes „Auftragsergebnis“ ermittelt.
Wie es aktuell zu sehen ist, mag bis dahin jeder Leser für sich entscheiden. Klimaaktivisten wird es sowieso nicht interessieren.

Was „lehrt“ die Studie trotzdem sicher?

„Corona“ hat trotz seiner teils extremen Auswirkungen auf die Weltwirtschaft (und Steueraufkommens-Reduktionen und erforderlicher Sozialleistungen) die globale CO2-Konzentration mit den bisher (laut Studie) reduzierten 1.048 MtCO2 den aktuellen Absolutwert von 417 ppm lediglich um ca. 0,13 ppm verringert.
Die Studienautoren schreiben dazu: [5] … Eine neue Untersuchung zeigt, wie der Corona-Lockdown die globalen CO2-Emissionen beeinflusst hat – und macht deutlich: Die Stabilisierung des globalen Klimasystems wird Veränderungen von außergewöhnlichem Ausmaß erfordern … Die Welt emittiert heute unter „Lockdown”-Bedingungen genauso viel CO2 wie vor 14 Jahren unter normalen Bedingungen … Daher wird die Stabilisierung des globalen Klimasystems Veränderungen in unserem Energie- und Wirtschaftssystem von außergewöhnlichem Ausmaß erfordern …
… Lassen Sie uns noch einmal die zusätzlichen Menschen betrachten, die jetzt zu Fuß gehen und Fahrrad fahren. Was wäre, wenn die Regierungen jetzt die Chance ergreifen würden, solch aktives, emissionsarmes Reisen zu unterstützen und es dauerhaft zu machen? … Ermutigende Beispiele sind die Pop-up-Fahrradwege in den Berliner Stadtteilen Kreuzberg und Charlottenburg. Sie machen die gesunde und klimaschonende Mobilität sicherer, und machen sie auch für Kinder und weniger sportliche Radfahrer zugänglich. Wichtig ist aber auch die Anbindung der Vororte – hier sind Fahrradschnellstraßen nach Kopenhagener und Pariser Vorbild eine Möglichkeit.

… Dass jedem vor unserer politischen „Führung“ und den mit der Transformation Beauftragten Angst und Bange werden sollte

Dem Globus brachte „Corona“ eine (kurzzeitige) globale Temperatur-Verringerung von 0,00135 Grad beim IPCC-Forcing von 3 K/Verdopplung, mit dem realistischen Forcing von ca.1 K/Verdopplung noch von 0,00045 Grad.
Die Welt – oder wohl eher die wild-gewordene EU, ganz vorne dran Deutschland – möchten mindestens 0,5 … 1 Grad erreichen. Grob wäre das alleine für die ersten 0,5 Grad 1111 … 3.333 Mal „Corona“.
Bis zum Jahr 2100, zu dem es erreicht sein soll, nun jedes Jahr also zwischen 14 … 42 mal „Corona“, wobei der Wunsch von Deutschlands Vorreiterrolle zu mehr Reduktion und damit zu jährlich 28 … 84 mal „Corona“ tendiert.
Jetzt versteht wohl jeder, warum vorher die „Transformation“ (vollständige Entmündigung der nationalen Bürger und „Übergabe“ der politischen Entscheidungshoheit an eine Räte-Weltregierung) durchgeführt sein muss. Denn das werden sich auch die typischen GRÜN-Wähler nicht mehr so klaglos bieten lassen.
Bis diese es bemerken, wird allerdings ein erheblicher Einwohneranteil Deutschlands – vor allem aus dem Mittelstand – konsequent „geplant“ verarmen.
Das „sehen“ auch die Autoren der Studie. Sie betrachten es aber nicht als Problem, sondern als Herausforderung.
Sieht man in die Autorenliste der Studie, erkennt man sofort, dass es sich dabei im Wesentlichen um „Profiteure“ des Klimahypes handelt. Beispiel:
Felix Creutzig leitet eine Arbeitsgruppe am MCC Berlin und ist Professor für nachhaltige Stadtökonomie an der TU Berlin. Für den Weltklimarat ko-koordiniert er ein Kapitel zu Nachfrage, Dienstleistungen und sozialen Aspekten des Klimaschutzes.
Solche mag das Szenario der vorgesehenen Dekarbonisierung nicht schrecken, schließlich hängt ihr Arbeitsplatz eher davon ab.
Wer sich jedoch unabhängig von staatlichen Fördermitteln und Alimentierung seinen Lebensunterhalt verdienen muss, dem kann dabei nur noch Angst und Bange werden.
Ob das die Eltern der „Freitagshüpfer“ erkennen und ihren Hüpfkindern auch so sagen, dürfte zu bezweifeln sein. „Parents for Future“ und deren Ableger bei den etablierten Kirchen arbeitet schon daran, dass solches Wissen nicht überhand nimmt. Schließlich zeigt der Staat, dass man mit Kurzarbeitergeld ganz ohne zu arbeiten, endlich dem Wunsch nach „Entschleunigung“ nachgehen kann …
(1)Alle Daten dieses Beitrags wurden am 07.06.2020 abgerufen.
Quellen
[1] EIKE 06. Juni 2020: CO2 und Korona
[2] Corinne Le Quéré at al.: Temporary reduction in daily global CO2 emissions during the COVID-19 forced confinement
[3] NOAA Global Monitoring Laboratory Earth System Research Laboratories
[4] Sachverständigenrat – Jahresgutachten 2019/20
[5] MAKRONOM.de 20. Mai 2020: Wie 2020 zum Wendepunkt im Kampf gegen den Klimawandel werden könnte



Angst: Das beste Mittel für alle Herrschenden

geschrieben von Chris Frey | 15. Juni 2020

Indem sie sich selbst praktisch unangreifbar machen, zumindest ursprünglich, haben Politiker die Pandemie begrüßt, ebenso wie die damit einher gehenden Ängste der Öffentlichkeit bzgl. deren Gesundheit. Im Namen der Erhaltung derselben haben sie sich selbst nahezu diktatorische Vollmachten erteilt. Unverhüllt und ungehindert haben die Maßnahmen einiger Politiker den anschaulichen Terminus geprägt [übersetzt] „die herrschende Klasse“. Im Kultfilm aus dem Jahr 1992 gleichen Titels wurde der Standpunkt des gestörten Lebensstils eines fiktiven britischen Adligen dargestellt, dessen Absichten ziemlich nobel und durchzogen mit einem Sinn für gottgleiche Macht durchzogen waren – nicht unähnlich einigen unserer heutigen Gouverneure und Bürgermeister.

Eine weniger phantastische und mehr auf Philosophie beruhende Beobachtung beschrieb H.L. Menken in den 1930er Jahren: „Das gesamte Ziel praktischer Politik besteht darin, die Bevölkerung in Alarmstimmung zu halten (und sie auf diese Weise empfänglich dafür zu machen, in Sicherheit gebracht zu werden), indem sie mit einer endlosen Reihe von Kobolden geängstigt werden – die allesamt imaginär sind“. Keine Frage, dass das Coronavirus sehr real und keineswegs imaginär ist, aber Menken stellt scharfsinnig den grundlegenden Drang in den Politiker fest, Angst als Werkzeug der Kontrolle des Volkes zu beschwören.

In seiner ersten Antrittsrede als Präsident sagte Roosevelt am 4. März 1933: „Das Einzige was wir fürchten müssen, ist die Furcht selbst“.

Das aus neuerer Zeit, nämlich aus dem Jahr 2010 stammende Buch von A. Codevilla träg ebenfalls den Titel [übersetzt] „Die Herrschende Klasse“. Darin wird der überdimensionale Einfluss einer Clique von Intellektuellen auf die amerikanische Gesellschaft beschrieben, deren Mitglieder breit verteilt in den Führungsetagen der Industrie, den Medien, politischer Parteien und von Bildungseinrichtungen zu finden sind. Verfassungsmäßige Rechte werden verunglimpft, ebenso wie die traditionelle Rolle der Religion im Alltagsleben der Amerikaner. Diese Herrschaften wissen, dass sie es besser wissen als Sie und ich.

Mit einer Mischung aus Enthusiasmus für Umweltschutz und verschwommenem Denken hatten Aktivisten keine Mühen gescheut, um die imaginären Auswirkungen des Klimawandels mit den imaginären Auswirkungen der Coronavirus-Pandemie in Verbindung zu bringen. Von der herrschenden Klasse verordnete wirtschaftliche Härten und soziale Einschnitte sollen gut für den Planeten sein, wie sie sagen, und dass der notwendige Preis, den Planeten zu retten, kulturelle und wissenschaftliche Einschränkungen sind.

Ein Autor, dessen fiktionales Narrativ sehr weitsichtig zu sein scheint in diesem gegenwärtigen Gemenge ist Michael Crichton. Sein Film aus dem Jahre 2004 mit dem Titel „State of Fear“ ist ein fiktiver Thriller, dessen umweltlicher und philosophischer Hintergrund von ihm gut dokumentiert wird und dessen Richtigkeit den Test mit der heutigen Zeit weitgehend bestanden hat. Al Gores unermüdliche Prophezeiungen globaler Umweltkatastrophen als Folge vom Menschen verursachten Kohlendioxids haben sich während der letzten Jahrzehnte nicht materialisiert.

In einer Art Sokrates’scher Manier entwickelt Crichton das Konzept der Angst als ein Werkzeug zur Kontrolle der Öffentlichkeit. Einen seiner Charaktere lässt er sagen: „Ich bin führend auf dem Weg zur sozialen Kontrolle … zur Forderung jedes souveränen Staates, Kontrolle über das Verhalten seiner Bürger auszuüben, sie ruhig und in angemessener Weise gefügig zu halten … sie zum Zahlen ihrer Steuern anzuhalten … und – natürlich wissen wir, dass soziale Kontrolle am Besten mittels Angst ausgeübt werden kann“.

Er fährt fort:

„… in Wirklichkeit standen wir während der letzten 15 Jahre unter der Kontrolle eines völlig neuen Komplexes – weitaus mächtiger und allgegenwärtiger als alles bisher. Ich nenne es den Political-Legal-Media-Komplex PLM. Und dieser Komplex ist dazu ausersehen, Angst in der Bevölkerung zu verbreiten – unter dem Deckmantel der Förderung der Sicherheit“.

Er identifiziert die Rolle von Experten und Universitäten in der Verankerung von Angst als politisches Werkzeug:

„Weil diese eine neue Rolle spielen mussten. Sie wurden zu den Erzeugern neuer Ängste für den PLM. Universitäten sind heutzutage Fabriken der Angst. Sie erfinden all die neuen Schrecken und neuen sozialen Ängste … sie erzeugen einen stetigen Fluss neuer Ängste, Gefahren und sozialem Terror, was von Politikern, Rechtsanwälten und Reportern angewendet wird“.

Die Ängste vor dem Klimawandel passen perfekt zu diesem Narrativ, trotz des fortgesetzten Scheiterns der Computer-Modellierung des globalen Klimas, um zukünftige Änderungen genau zu prognostizieren.

Mit dem Auftauchen der Coronavirus-Pandemie öffnete sich die Büchse der Pandora, und weltweit brach Chaos aus, da die Angst vor dem Unbekannten anfänglich sowohl soziale als auch wissenschaftliche Reaktionen beherrschte. Führer verabscheuen es, einer verängstigten Öffentlichkeit zu verkünden, dass sie nicht wissen, wie man einem neuen Krankheitserreger begegnen soll. Eine angemessene Reaktion würde eine Lernkurve erfordern, um die klinischen Auswirkungen auf die Öffentlichkeit vollständig zu verstehen, aber niemand will das unglückliche Versuchskaninchen sein, das auf das zufällige Todesurteil der Natur wartet.

Experten für Epidemiologie und Infektionskrankheiten wurden um Ratschläge angegangen, und diese wiederum wandten sich Computermodellen zu, um Antworten geben zu können. Jahre der gescheiterten Klimawandel-Prophezeiungen auf Computerbasis sind kein Grund, die Fähigkeit der Modellierung des Virus‘ zu bezweifeln hinsichtlich dessen weltweiter Auswirkungen. Bis Mitte März hatte der Computer gesprochen, und der britische Wissenschaftler Neil Ferguson berichtete, dass viele Millionen Menschen sterben würden. „Abflachen der Kurve“ [flattening the curve] fand Eingang in die Lexika der Medien, und nur Wenige bemerkten, dass die Fläche unter der abgeflachten Kurve wahrscheinlich genauso groß war wie unter der initialen Spitzenkurve. Das ist nichts Geringes, denn falls das wirklich so ist, würde die Anzahl der Todesfälle die Gleiche bleiben; sie würde sich lediglich über ein längeres Zeitintervall erstrecken. Folgerichtig erwiesen sich die aus Computerrechnungen abgeleiteten Prophezeiungen von Millionen Toten als erheblich übertrieben.

Virologen und Epidemiologen leben in einer anderen mentalen Welt als Ökonomen, Soziologen und Physiker, und ihre verordneten Arzneien mögen das Virus bis zu einem bestimmten Ausmaß töten, aber auch der Patient könnte durch die Medikation getötet werden.

Letzteres hat sich schmerzhaft während der letzten paar Monate abgespielt, ist doch der Kollateralschaden für eine ganzheitliche, voneinander abhängige und komplexe moderne Gesellschaft gewaltig, resultierend aus der epidemiologischen Medikation mittels Isolation, aufgedrückt von der herrschenden Klasse, nur zu offensichtlich geworden.

„Bleibt zu Hause“ und Vermeidung sozialer Kontakte sind ein grob vereinfachender Rückgriff, um eine Epidemie im 21. Jahrhundert zu stoppen. Es mag vielleicht die einzige Antwort in Gestalt ummauerter Städte im Mittelalter gewesen sein; es könnte funktionieren, falls es gelingt, die erste infizierte Person zu isolieren und sie/ihn daran zu hindern, den Erreger weiterzugeben. Allerdings ist es bei der gegenwärtigen Pandemie so, dass der Geist (die Medikation) schon lange aus der Flasche entwichen war, bevor es als eine neue pathologische Möglichkeit erkannt worden ist. Dieses Virus kann seine klinische Gestalt ändern, was ein genaues und zeitliches Verfolgen desselben schwierig macht. Die Pandemie kann angefangen haben, sich abzuschwächen – oder auch nicht. Das wird nur die Zeit zeigen. Allerdings ist es ganz und gar nicht schwierig, die globale Zerstörung menschlichen Lebens zu sehen bis hin zu einem ökonomischen Beinahe-Kollaps.

Was ebenfalls erkennbar war, war der latente Enthusiasmus, mit welchem die politische/herrschende Klasse die moralische Überlegenheit für sich in Anspruch genommen hat, als sie ein Edikt nach dem anderen im Namen des Nutzens für die Öffentlichkeit erlassen hatte. „Bleibt-zu-Hause“-Vorschriften dauern Wochen bis Monate, ohne eine solide wissenschaftliche Rechtfertigung für eine spezielle Zeitspanne, aber mit einem politischen/legalen Imperativ. Das Tragen von Masken in der allgemeinen Öffentlichkeit ist zu einer schizophrenen politischen Angelegenheit geworden. Zahlreiche Studien ergaben, dass diese Masken keinen Schutz vor dem Coronavirus bieten, vor allem nicht die zu Hause selbst gefertigten Tücher. … Auch hierbei betrachten Politiker ohne jedes Zögern die Missachtung grundlegender Verfassungsrechte auf der Grundlage persönlicher Launen und der selektiven Nutzung diverser wissenschaftlicher Daten.

Angst ist eine wichtige, grundlegende menschliche Emotion des Instinktes der Selbsterhaltung. Allerdings hat die derzeitige Coronavirus-Pandemie gezeigt, dass Mitglieder der herrschenden Klasse geschickt unsere grundlegenden, verfassungsmäßigen Rechte beschneiden – im Namen uns vor uns selbst zu schützen.

This article originally appeared at American Thinker
Autor: Dr Charles Battig is a retired physician and electrical engineer. In the 1960s he served as “principal scientist in bio-medical monitoring systems” at North American Aviation Los Angeles in support of the Apollo Moon Mission. Later he served in the U.S. Public Health Service at NIH, Bethesda MD, in the biomedical engineering branch. Following teaching appointments in anesthesiology at UCLA and Mt. Sinai, NYC, he entered the private practice of anesthesiology until retirement. Dr. Battig is a policy advisor to the Heartland Institute and a member of the CO2 Coalition. He has long been a friend of CFACT. His website is http://www.climateis.com
Link: https://www.cfact.org/2020/06/07/fear-the-best-tool-of-the-ruling-class/
Übersetzt von Chris Frey EIKE



Der globale Kohlenstoff-Haushalt: schöne Zahlen, vorge­täuschtes Vertrauen, aber höchst fragwürdig (Teil 3)

geschrieben von Chris Frey | 15. Juni 2020

Wenn wir jedoch eine Veränderung des saisonalen CO2-Zyklus‘ feststellen können, könnte dies interessante Informationen darüber liefern, wie die Vegetation langfristig durch den Klimawandel und die CO2-Erhöhung beeinflusst wird. Bevor ich darauf näher eingehe, könnte eine kurze Erklärung des Ursprungs dieses Zyklus‘ und seiner Unterschiede je nach Breitengrad für den Leser von Interesse sein

Der Zyklus, der uns fast immer präsentiert wird, ist der der Messstation auf dem Vulkan Mauna Loa auf Hawaii. Sie hat die längste Messreihe von allen Stationen und gilt als repräsentativ für den durchschnittlichen CO2-Gehalt auf der Erde. Bevor ich mich mit diesem Thema befasste, dachte ich immer, dass die so genannte Keelingkurve mit ihrem typischen Sägezahnmuster repräsentativ für die globale CO2-Konzentration sei. Das ist jedoch bei weitem nicht der Fall. Das atmosphärische CO2 ist nicht homogen über die Erde verteilt. Offenbar sind große Zirkulationen, Wind und Turbulenzen nicht in der Lage, das CO2-Gas gleichmäßig über den ganzen Planeten zu verteilen.

Zum Beispiel messen Stationen in hohen Breitengraden der nördlichen Hemisphäre eine viel größere jahreszeitliche Amplitude als wir es vom Mauna Loa zu sehen gewohnt sind. Im Gegensatz dazu zeigen Messstationen in hohen Breiten in der südlichen Hemisphäre kaum ein Sägezahnmuster. In Abbildung 1 habe ich die Daten (dank NOAA) von drei Stationen, Alaska, Hawaii und Tasmanien, in einer Grafik zusammengefasst:

Aufgrund der ausgedehnten Wälder in hohen Breitengraden der nördlichen Hemisphäre sehen wir dort einen viel stärkeren jahreszeitlichen Einfluss als in vergleichbaren Breitengraden der südlichen Hemisphäre, wo es kaum Vegetation gibt. Die Zyklusamplitude in Alaska beträgt fast 20 ppm, während sie auf Hawaii nur 7 ppm und in Tasmanien 1 ppm beträgt. Interessant ist auch die Phasenverschiebung von 180 Grad: ein Tief in Tasmanien entspricht einem Hoch in Alaska; nicht überraschend, da auch die Jahreszeiten um 6 Monate verschoben sind. Auch die durchschnittliche Konzentration in der südlichen Hemisphäre ist fast 5 ppm niedriger als in der nördlichen Hemisphäre. Es findet also nur eine begrenzte Vermischung zwischen den beiden Hemisphären statt. Zudem liegt die erste etwa zweieinhalb Jahre hinter der zweiten zurück, ein weiterer Hinweis auf diese langsame Vermischung.

Ein weiterer interessanter Aspekt des Sägezahns ist, dass der Zeitraum, in dem die Photosynthese eine Nettoabnahme von CO2 bewirkt, nur 4,5 Monate lang ist. Die Periode des CO2-Anstiegs beträgt also 7,5 Monate. Dieses Verhältnis war jedoch vor 50 Jahren anders: 5 und 7 Monate. Mehr dazu weiter unten.

Wenn der Mauna Loa den Durchschnitt darstellt, würde dies bedeuten, dass die Atmosphäre zu dieser Jahreszeit einen Rekord von 888 GtC (= 417 ppm) erreicht hat, da der Sägezahn um Mitte Mai sein jährliches Maximum erreicht. Der tiefste Punkt in diesem Jahr wird um den 25. September mit einem Niveau von etwa 410 ppm (= 873 GtC) erreicht werden. Daraus könnte gefolgert werden, dass die Photosynthese während der Sommersaison im Durchschnitt nur 7 ppm (= 15 GtC) absorbiert. Wie lässt sich das mit den 120 GtC in Einklang bringen, die im Kohlenstoffhaushalt immer erwähnt werden? Die Erklärung liegt in der Tatsache, dass diese 15 GtC das Netto-Endergebnis von zwei gegenläufigen Prozessen sind: der Photosynthese und der Boden- und Pflanzenatmung. Im Sommer siegt die Photosynthese über die Boden- und Pflanzenatmung, was zu einer Nettoabnahme von 15 GtC zwischen Mai und September führt.

Die Tatsache, dass die Sägezahngraphik insgesamt einen Aufwärtstrend von 2 ppm/Jahr zeigt, bedeutet auch, dass jedes Jahr mehr CO2 in die Atmosphäre gelangt als aus ihr entfernt wird. Aber was ist mit der von Satelliten beobachteten Begrünung durch CO2-Düngung (Abbildung 2 und Ref. 1)? Die CO2-Zunahme verursacht zwar eine Begrünung, aber sie reicht nicht aus, um sowohl die menschlichen Emissionen als auch die erhöhte natürliche Atmung zu absorbieren (siehe Teil 1). Eine logische Frage, die man sich stellen kann: wirkt sich diese Begrünung auch auf das Sägezahnmuster aus? Ich habe das untersucht und bin zu einigen interessanten Schlussfolgerungen gekommen.

Um zu wissen, ob sich das Sägezahnmuster im Laufe der Zeit verändert hat, habe ich die letzten 50 Jahre in zehn 5-Jahres-Perioden unterteilt und – nach Trendbereinigung – den Durchschnitt jeder Periode ermittelt. Abbildung 3 vergleicht die durchschnittlichen Zyklen des ersten und des letzten Jahrzehnts dieser 50-Jahres-Periode.

Zwei Dinge fallen auf. Erstens: Der Tiefpunkt des Zyklus hat sich von Oktober auf September verschoben. Nach einem sorgfältigen Vergleich anhand der täglichen Messungen (die Monatsdurchschnitte zeigten zu wenig Details) wurde festgestellt, dass der Tiefpunkt des Zyklus‘ um fast 3 Wochen vorgerückt ist, während der Höhepunkt um Mitte Mai unverändert geblieben ist. Offenbar – im Kampf zwischen Photosynthese einerseits und Boden- und Pflanzenatmung andererseits – überwiegt der Abbau von organischem Material (Bodenatmung ) früher als vor 50 Jahren. Zweitens hat die Amplitude des Zyklus um 1,4 ppm zugenommen: von 5,65 ppm auf 7,07 ppm, was einer Zunahme von 25% entspricht (Abbildung 4).

5

Es ist nicht überraschend, dass die Amplitude um 25% gestiegen ist, da auch der CO2-Gehalt in der Atmosphäre zugenommen hat, von 325 ppm im Jahr 1969 auf 410 ppm im Jahr 2019, was einer Zunahme von 26% entspricht. Es kann davon ausgegangen werden, dass diese Amplitudenzunahme ein Maß für die Zunahme der Photosynthese und damit auch der Begrünung ist. Wenn die jährliche Gesamtaufnahme von CO2 durch die Photosynthese derzeit auf 120 GtC geschätzt wird, würde dies bedeuten, dass vor 50 Jahren die jährliche Aufnahmekapazität etwa 95 GtC betrug, 25 GtC weniger als heute.

Die Zunahme der Photosynthesekapazität von 25 GtC/Jahr übersteigt die Zunahme der menschlichen Emissionen. Diese lag 1969 bei etwa 5 GtC/Jahr und 2019 bei etwa 10 GtC/Jahr, eine Zunahme von „nur“ 5 GtC gegenüber den 25 GtC aufgrund der Begrünung. Wenn die Photosynthese so viel mehr absorbieren kann als die menschlichen Emissionen, widerspricht dies eindeutig der Hypothese, dass die menschlichen Emissionen die Hauptursache für den atmosphärischen CO2-Anstieg sind.

Die Erklärung für diesen scheinbaren Widerspruch liegt darin, dass es eine andere CO2-Quelle geben muss, die noch dominanter ist und die Speicherkapazität der Photosynthese übersteigt. Nun schließt sich der Kreis und wir kehren zu dem Thema zurück, das ich in Teil 1 angesprochen habe, nämlich die „Bodenatmung“. Die Bodentemperatur ist in den letzten 50 Jahren um 1,5 Grad Celsius gestiegen, und dieser Anstieg hat der Bodenatmung einen enormen Auftrieb gegeben (siehe auch Ref. 2). Auf der Grundlage von in der Literatur beschriebenen Experimenten und Beobachtungen habe ich berechnet, dass die jährliche Bodenatmung in den letzten 50 Jahren um 25% zugenommen hat, was zusätzliche 12 GtC (oder vielleicht noch viel mehr) auf der Quellenseite des jährlichen Kohlenstoffhaushalts bedeutet. Die andere natürliche Quelle ist die Pflanzenatmung, die proportional (50%) mit der Zunahme der Photosynthese zunimmt. Daher sind 50% von 25 GtC/Jahr 12,5 GtC/Jahr.

Der IPCC schätzt, dass der Ozean soviel absorbiert wie er emittiert (90 GtC/Jahr), mit Ausnahme einer kleinen zusätzlichen Aufnahme von 1,25 GtC/Jahr (im Vergleich zu 1969) aufgrund des erhöhten CO2-Partialdrucks. Die möglichen Emissionen durch Ausgasung als Folge der Erwärmung des Ozeans werden auf 16 ppm pro Grad C Erwärmung geschätzt. Es ist jedoch zu beachten, dass diese Schätzung von einer Gleichgewichtssituation an der Grenzfläche zwischen Luft und Meer ausgeht, was nicht unbedingt auf die Tiefsee zutrifft, wo Strömungen und das Aufsteigen von kaltem CO2-reichem Wasser die Arbeit erschweren können. Die globale Erwärmung seit 1969 beträgt laut HADCRUT4 0,85 Grad C, was einer Ausgasung von 13,6 ppm (29 GtC) oder 0,6 GtC/Jahr entspricht.

Von allen oben zitierten Zahlen sind nur zwei das Ergebnis tatsächlicher harter Datenerhebung: a) CO2-Konzentration in der Atmosphäre und b) CO2-Emissionen des Menschen. Alle anderen Zahlen sind Gegenstand von Schätzungen, die sich auf das Verständnis/die Interpretation komplexer biologischer, chemischer und physikalischer Prozesse stützen.

Nehmen wir für einen Moment an, dass die zusätzlichen 25 GtC bei der jährlichen Photosynthese kohlenstoffneutral sind (Aufnahme entspricht den Respirationsprozessen). Der jährliche zusätzliche CO2-Ausstoß des Menschen beträgt 5 GtC, eine der beiden harten Zahlen. Die zusätzliche Bodenatmung beträgt 12 GtC aufgrund der steigenden Bodentemperatur. Die zusätzliche Ausgasung aufgrund des Anstiegs der Wassertemperatur in den Ozeanen wird auf 0,6 GtC geschätzt, das ist eine jährliche Gesamtzunahme von 17,6 GtC im Vergleich zu 1969.

Auf der Empfängerseite haben wir drei Reservoirs: Ozean, Land und Atmosphäre.

Die Menge, die die Atmosphäre jährlich zusätzlich erhält, ist die andere unbestrittene harte Zahl: 2,4 ppm (= 5 GtC), das sind 1,6 ppm (= 3,4 GtC) mehr als die 0,8 ppm im Jahr 1969. Ozean und Land sind also für den Erhalt des Saldos von 14,2 GtC verantwortlich.

Aus der Literatur lässt sich ableiten, dass 3 GtC vermutlich vom Land in Form von neuer Biomasse aufgenommen werden (die Photosynthese ist schließlich nicht kohlenstoffneutral) und weitere 3 GtC über Diffusion vom Ozean. Es wird auch angenommen, dass diese Zahlen 1969 halb so groß waren; 1,5 und 1,5 GtC. Es bleiben also etwa 11,2 GTC unberücksichtigt.

Daraus lässt sich folgern, dass die zusätzliche CO2-Quelle, die durch die Erwärmung aus der Bodenatmung (der alten Biomasse) stammt, einerseits durch eine erhöhte Photosynthese und andererseits durch eine stärkere Diffusion in die Ozeane durch neue Biomasse absorbiert werden muss. In Anbetracht der großen Unsicherheiten bei all diesen Prozessen ist die nur auf menschliche Emissionen bezogene Kohlenstoffhaushaltsgrafik – die in der Literatur regelmäßig dargestellt wird (siehe mein Teil 1) – eine irreführende Vereinfachung der CO2-Flüsse.

Ref. 1. Carbon Dioxide Fertilization Greening Earth. https://www.nasa.gov/feature/goddard/2016/carbon-dioxide-fertilization-greening-earth

Ref. 2. Yadugiri V Tiruvaimozhi, et al. 2019. Soil respiration in a tropical montane grassland ecosystem is largely heterotroph-driven and increases under simulated warming. https://www.biorxiv.org/content/10.1101/501155v2.full

Übersetzt von Chris Frey EIKE



Der globale Kohlenstoff-Haushalt: schöne Zahlen, vorge­täuschtes Vertrauen, aber höchst fragwürdig (Teil 2)

geschrieben von Chris Frey | 15. Juni 2020

Die Rolle, die der Ozean im jährlichen CO2-Budget spielt, ist aufgrund seiner geschätzten CO2-Absorptionsrate von 90 GtC/Jahr aus dem jährlichen Gesamtbudget von 220 GtC beträchtlich. Der Rest des CO2 wird von der Vegetation durch den Prozess der Photosynthese aufgenommen oder verbleibt in der Atmosphäre. Drei Hauptakteure sind an der Emissionsseite des CO2-Budgets beteiligt: Ozean, Vegetation und Boden. Der vierte Akteur mit seinen 10 GtC Jahresemissionen, die Menschheit, beteiligt sich etwas am Rande.

Corrine Quéré (Professorin für Meteorologie an der East Anglia University) ist Hauptautorin des regelmäßig aktualisierten globalen Kohlenstoffbudgets (Ref. 1). Es ist kein Geheimnis, wie das Budget jedes Jahr ausgeglichen ist:

„Die Differenz zwischen den Emissionen aus fossilen Brennstoffen und Landnutzungsänderungen einerseits und der Wachstumsrate der atmosphärischen CO2-Konzentration und der CO2-Senke im Ozean andererseits ist auf die Netto-Senke von CO2 in der terrestrischen Vegetation und den Böden zurückzuführen“.

Sie argumentiert damit, dass jede gemessene Zunahme oder Anomalie der atmosphärischen CO2-Konzentration eine anthropogene Störung ist. Die Tatsache, dass 95 Prozent des CO2-Budgets von natürlichen Prozessen dominiert werden und dass die 95 Prozent keinen großen jährlichen Schwankungen unterliegen würden, wird daher stillschweigend als Axiom angenommen (siehe mein Teil 1). Offenbar funktioniert die 95%-Natur dann nur noch als Hintergrundgeräusch. Nur für den Fall, dass eine Korrelation zwischen Naturphänomenen und CO2-Anomalien nicht in aller Deutlichkeit geleugnet werden kann, wird ein Teil der Klimawissenschaft der Natur eine Rolle zuschreiben, wenn auch eine indirekte.

Letzteres tritt z.B. auf, wenn während eines El Niño eine Änderung der Meeresoberflächentemperatur (∆SST) mit einer Änderung der atmosphärischen CO2-Konzentration (∆CO2) einhergeht. Die etablierte Klimaille würde jeden möglichen kausalen Zusammenhang zwischen den beiden verneinen; ähnlich wie die gefundene Korrelation zwischen einem Anstieg der Zahl der Todesfälle durch Haiangriffe und einem Anstieg des Speiseeisverkaufs. Das ist kein Zufall, denn es geht um eine dritte Variable: die Temperatur. Bei warmem Wetter essen mehr Menschen Eis und gehen öfter an den Strand, um im Meer zu schwimmen, et voilà, ein Zusammenhang (d.h. kein kausaler Zusammenhang, sondern eine gemeinsame Ursache).

Um die auffällige Korrelation zwischen kurzfristigen CO2-Schwankungen und kurzfristigen Änderungen der Meeresoberflächentemperatur im Zeitraum 1980 bis 2000 zu zeigen, müssen normale saisonale CO2-Schwankungen (Abbildung 1) vermieden werden, indem jeder Monat mit den entsprechenden Monaten in anderen Jahren verglichen wird. Dies glättet das saisonale Sägezahnmuster und zeigt nur monatliche CO2-Anomalien (∆CO2)

Abbildung 2 zeigt das Ergebnis, indem sie ∆ CO2 (grün) und ∆SST (schwarz) in einer Grafik zusammenführt. Außerdem habe ich markiert, wo die wichtigsten El Niños, La Niñas und Vulkanausbrüche in den Daten zu sehen sind. Es ist deutlich zu erkennen, wie die CO2-Konzentration immer um einige Monate hinter der Veränderung der Wassertemperatur zurückbleibt; genauso wie die Korrelation zwischen Temperatur und CO2-Konzentration in den Eiskernen von Wostok, an denen sich Al Gore die Finger verbrannt hat. Dort betrug die Verzögerung jedoch Hunderte von Jahren, da es sich um die Erwärmung des größten Teils des Ozeans und nicht nur der Oberflächenschicht handelte.

Bei einem El Niño haben wir es mit 5 Variablen zu tun: Meeresoberflächentemperatur (SST), CO2, Wetteränderung, Vegetation und Menschen. Der offensichtlichste kausale Zusammenhang zwischen diesen Variablen besteht darin, dass erwärmtes Meerwasser weniger Gas enthalten kann und CO2 atmen wird. Aber dieser einfache Zusammenhang würde bedeuten, dass die CO2-Erhöhung eine rein natürliche Reaktion ist und nicht etwas, was Klimagläubige gerne anerkennen würden. Ihrer Meinung nach ist die folgende Erklärung viel attraktiver: El Niño hat einen Einfluss auf das Wetter, das Wetter hat einen Einfluss auf die Vegetation, und die Menschen reagieren darauf! Die beiden letzteren (Vegetation und Mensch) werden dann als Ursache für den CO2-Anstieg angesehen.

Zum Beispiel korrelieren Bender et al. (2005) eine gemessene Abnahme des Luftsauerstoffs mit der gemessenen CO2-Zunahme und legen einen kausalen Zusammenhang nahe, eine vernünftige Annahme. Nachdem sie die Daten stark verdichtet haben, glauben sie auch, ein Signal (eine Verzögerung in der Veränderung des O2 / N2-Verhältnisses) im Zusammenhang mit einem El-Niño-Ereignis zu erkennen und triumphierend abzuschließen (Ref. 2):

Das dramatischste Klimaereignis in diesem Zeitraum, der El Niño von 1997-1998, ging mit einer raschen CO2-Zunahme einher. Unsere Daten deuten darauf hin, dass dies auf eine verringerte Landsenke (oder eine kleine Landquelle) zurückzuführen war. Diese Arbeit unterstützt somit viele frühere Studien, die schnelle atmosphärische CO2-Wachstumsraten mit einer verminderten Kohlenstoffaufnahme an Land während der El-Niño-Ereignisse in Verbindung bringen. Als primärer Mechanismus wird nun eine erhöhte Trockenheit und Biomasseverbrennung in tropischen Gebieten während El-Niño-Ereignissen angenommen.

Zum gleichen Ergebnis kommen A. Chatterjee et al. 2017 (Ref. 3):

Während der späteren Phasen des El Niño (August 2015 und später) registrieren die OCO-2-Beobachtungen einen Anstieg der atmosphärischen CO2-Konzentrationen. Wir führen diesen Anstieg auf die Reaktion der terrestrischen Komponente des Kohlenstoffkreislaufs zurück – eine Kombination aus einer Verringerung der biosphärischen Aufnahme von CO2 über pan-tropischen Regionen und einer Zunahme der Emissionen aus der Biomasseverbrennung über Südostasien und Indonesien. Die Nettoauswirkung des El-Niño-Ereignisses 2015-2016 auf den globalen Kohlenstoffkreislauf ist ein Anstieg der atmosphärischen CO2-Konzentrationen, der wahrscheinlich größer wäre, wenn es nicht zu einer Verringerung der Ausgasung aus dem Ozean käme.

Letzteres bezieht sich auf den letzten El Niño von 2015-2016. Der besagte OCO-2 ist ein Satellit, der 2014 gestartet wurde, um CO2 aus dem Weltraum zu messen. Er kam also gerade rechtzeitig, um dem starken El Niño von 2015/2016 zu folgen. Doch dann lieferte OCO-2 offenbar nicht das, was man von ihm erwartete, da nur sehr wenig über die bisher gesammelten Daten veröffentlicht wurde. Die Ergebnisse bestätigten vielleicht nicht die Ansichten der Orthodoxie. Die obligatorische, eher substanzlose Bemerkung: „die OCO-2-Beobachtungen registrieren einen Anstieg der atmosphärischen CO2-Konzentrationen“ ist ein Beispiel dafür; schließlich konnte jede CO2-Überwachungsstation an Land dies auch registrieren. Es sei angemerkt, dass in ihrem Artikel auch eine Verringerung der Ausgasung des Ozeans erwähnt wird, statt des Anstiegs, den ich hier postuliere. Damit wollen sie sagen, dass die CO2-Spitze 2016 noch größer gewesen wäre, wenn es eine solche Reduktion nicht gegeben hätte.

Natürlich würde man hoffen, dass die OCO-2-Daten bestimmen könnten, woher diese Abweichungen stammen. Dies könnte durch den Vergleich der digitalen Bilder/Daten aufeinanderfolgender Jahre geschehen. Ich habe keine auffälligen visuellen Unterschiede gefunden (Ref. 4), aus denen sich ableiten ließe, ob die CO2-Anomalien über dem Ozean entstanden sind (was ich vermute) oder ob sie auf einen Rückgang der Photosynthese in den Tropen zusammen mit einer Zunahme der jährlichen Waldbrände in Südostasien / Indonesien (wie behauptet) zurückzuführen sind.

Ich habe die ∆ CO2 Messungen des Mauna Loa und die ∆SST während des letzten El Niño in einer Grafik dargestellt (Abbildung 3). Auch hier sehen wir einen überzeugenden Zusammenhang mit einer Verzögerung von einigen Monaten bis zu einem halben Jahr:

Auch hier wird der Rückgang der „biosphärischen Aufnahme“ auf einen Rückgang der Photosynthese infolge der durch El Niño verursachten Dürre in tropischen Regionen zurückgeführt. Diese Erklärung ist aus mehreren Gründen unwahrscheinlich. Erstens steht dies im Widerspruch zu der Beobachtung, dass in den Tropen die Netto-Primärentstehung (NPP) von CO2 während der Dürre tatsächlich zunimmt (Ref. 5). Die NASA Earth Observations (NEA) sagt Folgendes:

In den Tropen gibt es im Laufe des Jahres Schwankungen der Produktivität. Im Amazonasgebiet zum Beispiel ist die Produktivität während der Trockenzeit der Region von etwa August bis Oktober, besonders hoch. Da die Bäume Zugang zu einem reichlichen Grundwasservorrat haben, der sich in der Regenzeit aufbaut, wachsen sie bei Aufklaren nach dem Regen besser, wenn mehr Sonnenlicht in den Wald gelangt.

Zweitens wird die Dehydrierung des Bodens zu einer Abnahme der Bodenatmung und daher zu weniger CO2-Emissionen führen. Borken et al. 2006 (Ref. 6) maßen einen Rückgang der Bodenatmung um 15 bis 30% in einem Experiment, bei dem ein Teil eines Waldes vor Regen geschützt wurde, um eine Sommertrockenheit zu simulieren.

Drittens ist es höchst unwahrscheinlich, dass sich die Häufigkeit der tropischen Vegetation und der Waldbrände über einen Zeitraum von 40 Jahren weiterhin proportional zu den Temperaturschwankungen (∆SST) verhält, um diese auffällige Korrelation zu erklären.

Viertens werden Waldbrände auch die Konzentration von Kohlenmonoxid CO in der Atmosphäre erhöhen, und man würde erwarten, dass die CO-Konzentration in den warmen El-Niño-Jahren höher ist als in den kalten La-Niña-Jahren. CO und Waldbrände werden seit 20 Jahren von Satelliten gemessen (Ref. 7 und Abbildung 4).

Abbildung 4 vergleicht zwei Perioden, eine mit den niedrigsten Werten von ∆SST und ∆ CO2 (La Nina, Januar 2011) und eine mit den höchsten Werten (El Niño, Januar 2016), wie in Abbildung 3 oben dargestellt. Die Unterschiede in der CO- und Brandintensität zwischen diesen beiden Zeiträumen sind unbedeutend. Zudem manifestiert sich Indonesien nicht als der wichtigste Hotspot, wie von Chatterjee et al. und anderen behauptet. Darüber hinaus zeigen die am Mauna Loa gesammelten monatlichen CO-Daten kein anomales Ereignis, das mit dem El Niño 2016 korrelierbar wäre, ebenso wenig wie die globalen O2-Sauerstoffmessungen von Scripps (Ref. 8).

Bei all meiner Durchforstung der Satelliten-Literatur stieß ich schließlich auf einen Artikel von N. Ying et al. (Ref. 9) über CO2-Beobachtungen von Vorgängern des OCO-2-Satelliten, dem Greenhouse Gases Observing Satellite (GOSAT) und dem Atmospheric Infrared Sounder (AIRS). Beide Bilder (Abbildung 5) stellen die Mittelwerte der El-Niño-Dezember-Monate und La-Niña-Dezember-Monate dar, die im Zeitraum Juli 2009 bis April 2014 gemessen wurden. Sie kommen unter anderem zu dem Schluss, dass:

Es ist erwähnenswert, dass das CO2 in der kalten Episode im Pazifik um 4 ppm abnimmt, während es in der warmen Episode zunimmt. Während der Zerfallsphase sind die CO2-Muster in der warmen und kalten Phase ähnlich. Diese Ergebnisse zeigen, dass eine warme ENSO-Episode einen bemerkenswerten Einfluss auf Nordasien und den Pazifischen Ozean hat, insbesondere in ihrem Anfangs- und Reifestadium. Die ENSO-Regionen in den AIRS-Daten sind im Vergleich zu den GOSAT-Daten ausgeprägter.

Hier bestätigt sich also endlich mein Verdacht, dass der Pazifische Ozean die Quelle für die CO2-Abweichungen ist und nicht die Landvegetation. Tatsächlich zeigt Südostasien sogar einen Rückgang der CO2-Konzentration während der warmen ENSO-Periode (= El Niño) im Vergleich zur kalten ENSO-Periode (= La Niña). Das ist nicht ganz die Art von Ermutigung, die Landvegetation als dominierende Quelle zu fördern zu versuchen.

Ich weiß, ich renne offene Türen ein, wenn ich behaupte, dass die stetig steigende Meerestemperatur (bis in größere Tiefen), der stetig steigende Meeresspiegel (1,85 mm/Jahr) und ein Teil der stetig steigenden atmosphärischen CO2-Konzentration (jetzt 2 ppm/Jahr) kausal zusammenhängen könnten. Die kurzfristigen CO2-Schwankungen, die ich oben besprochen habe, stehen in keinem Zusammenhang und werden einfach auf den CO2-Zug aufgesattelt, der bergauf fährt.

Es überrascht nicht, dass die Erwärmung des Ozeans und der Atmosphäre sowohl für den Anstieg des Meeresspiegels als auch für einen Teil (möglicherweise geringen) des langfristigen CO2-Anstiegs sowie für die Zunahme der terrestrischen CO2-Atmung verantwortlich ist (siehe Teil 1). Es ist nicht auszuschließen, dass das Resultat dieser beiden letztgenannten Prozesse zusammen mit den CO2-Emissionen des Menschen eine beschleunigende Wirkung auf die Erwärmung hat, die bereits im 18. Jahrhundert begann; schliesslich ist CO2 ein Treibhausgas [?]. Es stellt sich unweigerlich die Frage: Welches sind die Faktoren, die das Erwachen des Klimas aus dem Winterschlaf der Kleinen Eiszeit ausgelöst haben?

Some useful conversions and numbers (not cast in concrete!):

1 gigaton C (GtC) = 3.67 Gt CO2

1 ppm atmospheric CO2 = 2.13 GtC = 7.8 Gt CO2

Whole atmosphere: 417 ppm CO2 (current concentration) = 888 GtC

Earth biosphere: ≈ 2190 GtC

Whole ocean: ≈ 43000 GtC

Human emissions: 10 GtC / year

Ocean emissions: ≈ 90 GtC / year

Plant exhalation: ≈ 60 GtC / year

Soil emissions: ≈ 60 GtC / year (98GtC?)

Ocean uptake: ≈ 90 GtC / year

Land uptake (photosynthesis): ≈ 120 GtC / year

Atmospheric increase 2019-2020: 2ppm = 4.26 GtC

***

References:

1) C. Le Quéré et al .: Global Carbon Budget 2018.https: //www.earth-syst-sci-data.net/10/2141/2018/

2) Bender et al. 2005: Atmospheric O2 // N2 changes, 1993–2002: Implications for the partitioning of fossil fuel CO2 sequestration. https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2004GB002410

3) A. Chatterjee et al. 2017: Influence of El Niño on atmospheric CO over the tropical Pacific Ocean: Findings from NASA’s OCO-2 mission. https://science.sciencemag.org/content/358/6360/eaam5776

4) Fixed Rank Kriging of Column Averaged CO₂ Data (XCO2) from NASA’s OCO-2 Satellite. https://www.youtube.com/watch?v=aogFbPOOFQI

5) Earth Observatory. Just Primary Production. https://earthobservatory.nasa.gov/global-maps/MOD17A2_M_PSN

6) Borken et al. 2006: Effects of experimental drought on soil respiration and radiocarbon efflux from a temperate forest soil. https://escholarship.org/content/qt3mk9v58k/qt3mk9v58k.pdf

7) NASA, Earth Observatory https://earthobservatory.nasa.gov/global-maps/MOP_CO_M/MOD14A1_M_FIRE

8) http://scrippso2.ucsd.edu/osub2sub-data.html

9) N Ying and Q Ye 2019 IOP Conf. Ser .: Earth Environ. Sci. 237 022009. https://iopscience.iop.org/article/10.1088/1755-1315/237/2/022009/pdf

Übersetzt von Chris Frey EIKE



Wolkenrückkopplung – falls es sie überhaupt gibt – ist negativ

geschrieben von Chris Frey | 15. Juni 2020

Ich habe bei einem begutachteten Journal eine Studie eingereicht, und bemerkenswerterweise hat sich das Journal dankbar geäußert und sie ins Netz gestellt, während die Begutachtung läuft. Hier folgt diese Studie. Aber es war nicht einfach, bis zum folgenden Punkt zu kommen: Ich denke, dass das in der Studie von mir Beschriebene von großer Bedeutung für die Klimawissenschaft ist, wie vielleicht aus einigen Formulierungen darin hervorgeht. Darum war ich erpicht darauf, sie in einem begutachteten Journal veröffentlicht zu sehen – dem IPCC zufolge sollten nur begutachtete Studien herangezogen werden. Das erste Journal, bei dem ich die Arbeit eingereicht hatte (November 2019) brauchte zwei Monate, um mir mitzuteilen, dass die Studie außerhalb der von dem Journal umfassten Thematik liege – eine seltsame Behauptung. Das zweite Journal brauchte vier Monate, um mich zu benachrichtigen, das man bisher keinen Begutachter gefunden hätte und dass die Studie eines anderen Formats für Quellenangaben sowie einiger kleiner anderer Formatänderungen bedarf. Also zog ich die Studie zurück. Ich habe ein paar Verbesserungen an der Studie vorgenommen während dieses Zeitraumes, aber ich bezweifle, ob das hinsichtlich der Begutachtungen ins Gewicht fällt.

Die Studie: Wolkenrückkopplung – so es sie überhaupt gibt – ist negativ
Autor: M. Jonas
ABSTRACT

Nahezu alle vom IPCC herangezogenen Klimamodelle zeigen eine starke positive Wolken-Rückkopplung. Hierbei handelt es sich um den Prozess, bei dem eine sich ändernde Temperatur an der Erdoberfläche die Wolkenbedeckung beeinflusst, was wiederum die Temperatur beeinflusst. In dieser Studie werden alle monatlichen Satellitendaten im Zeitraum Juli 1986 bis Juni 2017 analysiert, um die Klimamodelle auf diesen Punkt hin abzuklopfen. Wie erwartet zeigten sich über diesen Zeitraum steigende Trends der Wassertemperatur und zurückgehender Wolkenbedeckung. Aber die Analyse zeigte auch eine unerwartete Relation zwischen Wassertemperatur und Wolkenbedeckung: steigende Wassertemperaturen sind verbunden mit zunehmender – und nicht abnehmender – Wolkenbedeckung während der folgenden paar Monate. Außerdem neigt die Zunahme der Bewölkung dazu, einen größeren Anteil der Sonneneinstrahlung abzuhalten als sie die Ausstrahlung von den Ozeanen behindern. Die unvermeidliche Schlussfolgerung daraus lautet, dass die Wolken-Rückkopplung negativ ist. In jedem Falle kann die beobachtete Abnahme der Bewölkung über den Ozeanen im Zeitraum 1986 bis 2017 nicht einer Rückkopplung durch steigende Temperaturen geschuldet sein. Die Implikationen für Klimamodelle sind verheerend.

1. INTRODUCTION

Die Ozeane bedecken etwa 70% der Erdoberfläche und speichern in den obersten 3 Metern mehr Wärme als die gesamte Atmosphäre. Folglich liegt der Schlüssel zum Verständnis eines globalen Klimawandels untrennbar in den Ozeanen.

Spencer und Braswell (13), welche Satellitendaten und Modelle ausgewertet hatten, berichteten, dass die Diagnose der atmosphärischen Rückkopplung im Klimasystem ein nach wie vor ungelöstes Problem darstellt. Sie schreiben: „Die Größenordnung der Reaktion der Temperatur im Klimasystem auf ein aufgedrücktes Energie-Ungleichgewicht ist heute noch genauso unbekannt wie vor Jahrzehnten schon“. Zieht man jedoch ausschließlich Satellitendaten über einen längeren Zeitraum heran, löst diese Studie eines der großen Aspekte bzgl. Rückkopplungen, nämlich das Signal der Wolken-Rückkopplung. In die Studie gehen ausschließlich empirische Daten ein. Genauer, sie verwendet Daten aus dem gesamten Zeitraum, von der gesamten Ozeanfläche – und es gehen keinerlei Modellwerte ein.

Das IPCC (5) definiert Klima-Rückkopplung als eine Wechselwirkung zwischen Prozessen, wenn „ein initaler Prozess Änderungen bei einem zweiten Prozess bewirkt, welche wiederum den ersten Prozess beeinflussen“. Und es stellt fest, dass eine Möglichkeit, dies zu quantifizieren, darin besteht, „es als Reaktion des Klimasystems auf eine globale Temperaturänderung“ zu betrachten. Wolken-Rückkopplung ist also der Prozess, durch welchen die Bewölkungsmenge durch eine sich ändernde Temperatur beeinflusst wird, was wiederum die Temperatur beeinflusst. Man beachte, dass die Wolken-Rückkopplung nicht abhängig ist von der ursprünglichen Ursache der Temperaturänderung.

Rückkopplungen aufgrund der Temperatur waren schwierig von anderen Auswirkungen auf die Temperatur zu trennen, läuft doch der initiale Prozess „fast simultan mit der Temperaturänderung“, aber für den zweiten Prozess gilt, dass es „eine substantielle zeitliche Verzögerung zwischen Antrieb und der Reaktion der Temperatur gibt infolge der Wärmekapazität der Ozeane“ (13).

Ziel dieser Studie ist es zu erkennen, ob die Auswirkungen der Wassertemperatur (SST) auf die Bewölkung erkannt werden können. Hierzu werden SST-Änderungen verglichen mit späteren Änderungen der Bewölkungsmenge.

2. Verfahren

Monatliche Gitterpunkts-SST-Daten [gridded monthly SST data] wurden heruntergeladen vom NOAA/OAR/ESRL PSD in Boulder. Jedes Gitterquadrat ist 1 Längengrad mal 1 Breitengrad groß.

In gleichem Umfang wurden monatliche Wolken-Daten (Wolkenbedeckung in % und optische IR-Daten) vom International Satellite Cloud Climatology Project (ISCCP) im NASA Goddard Institute for Space Studies (GISS) heruntergeladen. Nur Ozean-Daten wurden verwendet ohne Daten vom Festland und an den Küsten.

Daten der beiden Datensätze wurden nur für die Monate und die Gebiete verwendet, in denen sowohl die Wolken- als auch die SST-Daten vollständig waren. SST-Daten in Gebieten und Monaten fehlten aufgrund der Bedeckung mit Meereis.

Für jeden Monat wurden die SST und die Wolkenbedeckung über die gesamte Ozeanfläche gemittelt. Für die SST wurden die einzelnen Temperaturwerte in Kelvin umgerechnet, vor der Mittelwertbildung auf die 4. Potenz angehoben und dann wieder in Grad C umgerechnet. Dadurch wurde sichergestellt, dass sich die berechneten durchschnittlichen SSTs korrekt auf die von der Meeresoberfläche ausgehende Strahlung bezogen.

Für jeden Monat nach dem ersten Jahr wurde die globale Veränderung der SST gegenüber dem Vorjahr berechnet (hier als „dSST“ bezeichnet). Diese wurden dann über eine unterschiedliche Anzahl von Monaten gemittelt, und jeder Durchschnitt wurde im Vergleich zum Endmonat des gemittelten Zeitraums aufgezeichnet. Die globale jährliche Veränderung der Wolkenbedeckung („dCloud“) wurde für die gleiche Anzahl von Monaten gemittelt, aber für spätere Perioden, die sich nicht mit dem für den dSST verwendeten Zeitraum überschneiden. Zu Vergleichszwecken wurde dCloud für den gleichen Monat wie die zugehörige dSST aufgezeichnet, und zwar für jede Kombination aus der Anzahl der gemittelten Monate und der Anzahl der Monate später. Der lineare Trend von dCloud gegen dSST wurde dann für jede Kombination unter Verwendung der Standardtabellenfunktion Trend berechnet (NB der Trend war von dCloud gegen dSST, nicht gegen die Zeit).

3. Grundgedanken

Wie Spencer und Braswell feststellten (13), ist die Rückkopplungs-Reaktion auf die Temperatur „fast simultan mit der Temperaturänderung“. Eine Änderung der SST sollte daher sehr bald danach zu einer Änderung der Wolkenbedeckung (d.h. Wolkenrückkopplung) führen. Es besteht daher die Möglichkeit, dass eine Wolken-Rückkopplung in den monatlichen Daten festgestellt werden kann. Der relevante Vergleich, der vorgenommen werden muss, ist der zwischen einer Änderung der SST und einer Änderung der Wolkenbedeckung im folgenden Monat oder in den folgenden Monaten.

Diese Studie verwendet Veränderungen von Jahr zu Jahr und behandelt alle Kalendermonate gleich, um jegliche Möglichkeit saisonaler Effekte zu vermeiden. Sie vermeidet sich überschneidende Zeiträume für dSST und dCloud, um die Möglichkeit zu minimieren, dass der Einfluss von Wolken auf die SST die Ergebnisse beeinflusst. Und weil nach einem schnellen Effekt gesucht wird, begrenzt sie jeden betrachteten Gesamtzeitraum (vom ersten dSST-Monat bis zum letzten dCloud-Monat) auf nicht mehr als 12 Monate.

Es ist unwahrscheinlich, dass sich der Effekt einer Änderung der Wolkendecke innerhalb eines Monats oder innerhalb weniger Monate in den SST-Daten niederschlägt [13], so dass ein Vergleich der Daten in umgekehrter Richtung – Änderung der Wolkendecke im Vergleich zur SST-Änderung im folgenden Monat oder in den folgenden Monaten – wahrscheinlich nicht zielführend ist. Es ist jedoch bekannt, dass Wolken einen kühlenden Effekt auf das Klima haben, siehe zum Beispiel Pokrovsky (8), der einen (globalen) Erwärmungseffekt von 0,07°C pro Abnahme der Bewölkung um 1% berechnet.

4. Ergebnisse
4.1 Wolkendecke

In allen Fällen mit dCloud bis zu 9 Monate später als dSST, war der lineare Trend von dCloud gegen dSST positiv, und dies war ein starkes und konsistentes Muster. Mit anderen Worten, den Monaten mit höherem dSST folgten tendenziell Monate mit höherer dCloud, und niedrigerem dSST folgten tendenziell niedrigere dCloud.

Die linearen Trends von dCloud gegenüber dSST sind in Abbildung 1 und grafisch in Abbildung 2 dargestellt.

Lineare Trends der globalen mittleren dCloud vs. dSST – ungewichtet (d. h. in gleich großen Gebieten) +/- 2*Sigma

Abbildung 1. Lineare Trends der globalen durchschnittlichen dCloud im Vergleich zu dSST, mit 95% Vertrauensniveau. Jeder Monat wird über die unter „Monate gemittelt“ angegebene Anzahl von Monaten gemittelt. Die dCloud-Werte gelten für die angegebene Anzahl von Monaten später.


Abbildung 2: Wie Abbildung 1, nur graphisch. Die Grenzen des 95% Vertrauensniveaus sind eingezeichnet.
Man beachte, dass von den Trends erwartet werden kann abzufallen mit zunehmenden „Monate später“ infolge des Einflusses der dazwischen liegenden Monate.
Die Trends sind eindeutig erkennbar in Graphiken mit dem Vergleich von dCloud und dSST und reflektieren die Daten als Ganzes und nicht nur einige Ausreißer. Einige Beispiele zeigen die Abbildungen 3, 4 und 5.

Abbilung 3: dSST für 1 Monat im Vergleich zu dSST im folgenden Monat

Abbildung 4: dSST gemittelt über 3 Monate im Vergleich zu dSST während der folgenden drei Monate

Abbildung 5: dSST gemittelt über 6 Monate im Vergleich zu dCloud über die folgenden 6 Monate.
Die Graphiken der Abbildungen 3, 4 und 5 sind alle im gleichen Maßstab.
4.2 Licht-Undurchlässigkeit von Wolken

Wolken größerer optischer Dichte unterbinden mehr Strahlung – sowohl was die Sonneneinstrahlung als auch die Ausstrahlung der Ozeane betrifft. Obige Analyse wurde neu berechnet, wobei Wolken gewichtet nach Lichtundurchlässigkeit einbezogen wurden. Die Lichtundurchlässigkeit, so wie sie in dieser Studie betrachtet wird, leitet sich folgendermaßen aus der optischen Dichte [optical depth] ab:

Die optische Dichte d wird gegeben durch

d = ln(Fr/Ft)
wobei
d = die optische Dichte,
Fr = flux received,
Ft = flux transmitted.
Das Verhältnis q der von den Wolken beeinflussten Strahlung –
q = (Fr–Ft)/Fr
wird hier als „Licht-Undurchlässigkeit“ [opacity] genommen. q kann aus der Formel von d abgeleitet werden als
q = 1 – e(-d)
Die Lichtundurchlässigkeit q kann legitimerweise arithmetisch gemittelt werden über Wolkenanteile.
Wenn die Wolkendaten nach Lichtundurchlässigkeit gewichtet werde, ergibt sich die Tabelle dCloud vs. dSST so:
Lineare Trends des globalen Mittels von dCloud vs. dSST – gewichtet nach Lichtundurchlässigkeit +/- 2*Sigma

Abbildung 6. Lineare Trends der globalen durchschnittlichen dCloud gegen dSST mit 95% Vertrauensniveau, wie in Abbildung 1, aber mit nach Lichtundurchlässigkeit gewichteter Wolkendecke.
Wie aus den Abbildungen 1 und 6 ersichtlich, tendiert die erhöhte Bewölkung in Verbindung mit erhöhter SST auch dazu, für mehrere Monate eine größere Lichtundurchlässigkeit zu haben. Es gibt also nicht nur eine erhöhte Wolkenfläche, sondern auch eine erhöhte Wolkenmenge (gemessen an ihrer Fähigkeit, Strahlung abzufangen).

4.3 Auswirkung auf einfallende und ausgehende Strahlung

Um den relativen Einfluss der Wolkenveränderungen auf die ein- und ausgehende Strahlung zu bestimmen, wurde die Analyse neu berechnet, wobei die Wolken gewichtet wurden (a) mit der Opazität multipliziert mit der einfallenden Sonnenstrahlung (monatliche Sonnenstrahlungsdaten aus [2]) und (b) mit der Opazität multipliziert mit der ausgehenden Meeresstrahlung (aus SST). Es ist zu beachten, dass ein Unterschied zwischen (a) und (b) in erster Linie aus den unterschiedlichen Verteilungen der einfallenden Sonnenstrahlung und der ausgehenden Meeresstrahlung nach Breitengraden resultieren würde, nicht aus Variationen der Sonnenleistung.

Die Tabelle von dCloud vs. dSST würde dann das Aussehen wie in den Abbildungen 7 und 8 bekommen.

Lineare Trends der globalen durchschnittlichen dCloud vs. dSST – gewichtet nach Opazität der Wolken und Sonneneinstrahlung +/- 2*Sigma

Abbildung 7. Lineare Trends der globalen durchschnittlichen dCloud vs. dSST mit 95% Vertrauensniveau, wie in Abbildung 1, aber mit Wolkendecke gewichtet mit der Opazität multipliziert mit der einfallenden Sonnenstrahlung.
Lineare Trends der globalen durchschnittlichen dCloud im Vergleich zum dSST – gewichtet nach Wolkendecke und Meeresstrahlung +/- 2*Sigma

Abbildung 8. Lineare Trends der globalen durchschnittlichen dCloud vs. dSST mit 95% Vertrauensniveau, wie in Abbildung 1, aber mit Wolkendecke gewichtet mit Opazität multipliziert mit ausgehender Meeresstrahlung.

In den ersten Monaten sind alle mit der einfallenden Sonnenstrahlung gewichteten Trends höher als die mit der ausgehenden Meeresstrahlung gewichteten Trends. Dies zeigt, dass die Zunahme der Wolkendecke in Verbindung mit der Zunahme der SST eine größere Auswirkung auf die einfallende Strahlung hat als auf die ausgehende Strahlung. Mit anderen Worten, sie sind eine Nettoabkühlung.

5. CONCLUSION

Die Daten zeigen, dass es eine positive Korrelation zwischen Veränderungen des SST und späteren Veränderungen der Wolkendecke gibt. Wie oben erwähnt, ist bekannt, dass Wolken einen globalen Kühleffekt haben, und die Analyse hat gezeigt, dass Änderungen der Wolkendecke in Verbindung mit Änderungen des SST-Anstiegs die Wolken tatsächlich einen stärkeren Kühleffekt haben. Die unausweichliche Schlussfolgerung ist, dass jede Rückkopplung von Wolken negativ ist.

Diese Schlussfolgerung hat tiefgreifende Auswirkungen auf die Klimamodelle. Alle Modelle, auf die sich der IPCC bezieht, sind mit positiver Wolkenrückkopplung parametrisiert – „die GCMs sagen alle eine positive Wolkenrückkopplung voraus“ – und sie schreiben fast die Hälfte der gesamten anthropogenen globalen Erwärmung der Wolkenrückkopplung zu [9]. Dies ist ein möglicher Grund dafür, dass die meisten Klimamodelle die globale Erwärmung überschätzen [4] [12], obwohl Anagnostopoulos [1] sagt, dass es viel bedeutendere Probleme gibt.

Eine weitere Schlussfolgerung mit tiefgreifenden Auswirkungen auf die Klimamodelle ist, dass die beobachtete Abnahme der Bewölkung zwischen 1986 und 2017 keine Rückkopplung durch steigende Temperaturen war und dass sie stark genug war, um schließlich jede negative Wolkenrückkopplung aufzuheben. Der IPCC-Bericht [9] legt nahe, dass die Modelle nicht die Möglichkeit erkennen, dass Wolken ein anderes Verhalten als eine Rückkopplung haben können: in den Key Uncertainties sagen sie von Wolken nur: „Es bestehen weiterhin große Unsicherheiten darüber, wie Wolken auf den globalen Klimawandel reagieren könnten“. Diese Studie zeigt, dass Wolken ein bedeutendes Verhalten zeigen, welches in den Modellen nicht berücksichtigt wird.

Die Auswirkungen auf die Klimamodelle sind verheerend. Es muss hinterfragt werden, ob sie für ihren Zweck geeignet sind.

6. DISKUSSION
6.1 Interpretation

1. Die Änderungen der Wolkendecke wie in Abbildung 1 werden verursacht durch Änderungen der Wassertemperatur (SST). Falls das wirklich so ist, dann ist die Wolken-Rückkopplung negativ.

2. Die Änderungen der Bewölkung und die SST-Änderungen werden beide durch einen unbekannten Faktor ausgelöst (d. h. Korrelation ist nicht Kausalität). Falls das der Fall ist, dann ist die Wolken-Rückkopplung Null, oder

3. Es kommt eine Kombination der Punkte 1 und 2 in Betracht. Falls das der Fall ist, dann ist die Wolken-Rückkopplung nicht so negativ wie nach Punkt 1, aber immer noch negativ.

6.2 Andere Interpretationen

Jede andere Interpretation als die oben genannten erscheinen außerordentlich unwahrscheinlich und würden in jedem Fall die vom IPCC herangezogenen Klimamodelle völlig außer Kraft setzen. Zum Beispiel:

(a) Wenn eine Zunahme der SST tatsächlich zu weniger Wolken führt, dann müssten ein oder mehrere unbekannte Faktoren mit größerer Wirkung in die entgegengesetzte Richtung wirken, d.h. ein oder mehrere unbekannte Faktoren müssten nach einer Zunahme der SST mehr Wolken erzeugen, obwohl eine Zunahme des SST dazu führt, dass es weniger Wolken gibt.

(b) Falls eine Zunahme der SST zwar mehr Wolken verursacht, Wolken aber tatsächlich eine erwärmende und nicht eine abkühlende Wirkung haben, dann müssten ein oder mehrere unbekannte Faktoren längerfristig wirken, um sowohl die Wolkendecke zu verringern als auch die SST zu erhöhen.
Wie bereits erwähnt, sind diese beiden Möglichkeiten äußerst unwahrscheinlich und können mit Sicherheit ausgeschlossen werden. Insbesondere die Alternative (b) scheint durch die obige Analyse unter Verwendung von Gewichtungen der ein- und ausgehenden Strahlung ohnehin ausgeschlossen zu sein.
6.3 Quantifizierung

Es wäre verlockend, die negative Wolken-Rückkopplung zu quantifizieren, indem man die linearen Trends zwischen dCloud und dSST, wie oben berichtet, und die linearen Trends von SST und Wolkenbedeckung über den analysierten Zeitraum verwendet.

Eine solche Quantifizierung wäre zum jetzigen Zeitpunkt nicht zu rechtfertigen, denn solange die beteiligten Prozesse nicht einigermaßen gut verstanden sind, wären sie viel zu unzuverlässig. Es gibt einen offensichtlichen möglichen Prozess für eine negative Rückkopplung von Wolken: Wenn sich die Ozeane erwärmen, geben sie mehr Wasserdampf in die Atmosphäre ab, der dann in den nächsten Monaten weitere Wolken bildet. Dieses Konzept wird durch die Beobachtung eines erhöhten Wasserkreislaufs durch Durack [3] gestützt. Der Prozess muss jedoch erst anhand der hier gewonnenen Erkenntnisse bewertet werden, bevor er als der relevante Prozess angenommen werden kann.

6.4 Was kommt als Nächstes?

Eine Quantifizierung des Cloud-Feedbacks ist eindeutig erforderlich, wie in 6.3 Quantifizierung.

Aber es sind auch weitere Untersuchungen zum Verhalten von Wolken erforderlich:

Diese Studie zeigt, dass die beobachtete Abnahme der Bewölkung zwischen 1986 und 2017 keine Rückkopplung durch steigende Temperaturen war. Daraus folgt, dass ein Teil der Zunahme des SST in diesem Zeitraum durch eine davon unabhängige Verringerung der Wolkendecke verursacht worden sein könnte. Herauszufinden, was die Ursache für die Verringerung der Bewölkung war, wäre ein großer Fortschritt für die Klimawissenschaft. Einige Arbeiten sind bereits durchgeführt worden, z.B. [6] [14].

Auf einer allgemeineren Ebene: Es ist überdeutlich, dass die Klimamodelle das Verhalten von Wolken nicht abbilden können. Es muss daher ernsthaft in Frage gestellt werden, ob die Modelle, so wie sie derzeit aufgebaut sind, jemals überhaupt einen Wert für die Vorhersage des zukünftigen Klimas haben werden. Es wäre vernünftig, den Rat von Anagnostopoulos [1] zu berücksichtigen, dass ein Paradigmenwechsel notwendig ist.

6.5 Allgemeine Trends

Graphiken der SST (Grad Celsius) und Bewölkung (%) zeigen die Abbildungen 9 und 10. Diese stützen die Aussagen im Abstract: „Wie erwartet: die Trends für den gesamten Zeitraum sind steigende SST und abnehmende Bewölkung“.


Abbildung 9: SST-Daten über den untersuchten Zeitraum mit linearem Trend

Abbildung 10: Bewölkungs-Daten über den untersuchten Zeitraum mit linearem Trend.
Die Datenquellen für die SST und die Bewölkung werden in Abschnitt „2. Verfahren“ genannt.
References
1. Anagnostopoulos GG et al 2010: A comparison of local and aggregated climate model outputs with observed data. Hydrological Sciences Journal 55(7), 1094–1110.
https://doi.org/10.1080/02626667.2010.513518
2. Coddington et al 2015: NOAA Climate Data Record (CDR) of Total Solar Irradiance (TSI), NRLTSI Version 2 [monthly TSI]. NOAA National Centers for Environmental Information doi:10.7289/V55B00C1. Data downloaded Jan 2020 from https://www.ncei.noaa.gov/data/total-solar-irradiance/access/monthly/
3. Durack et al 2012: Ocean Salinities Reveal Strong Global Water Cycle Intensification During 1950 to 2000. Science 27 Apr 2012 Vol. 336, Issue 6080, pp. 455-458 DOI: 10.1126/science.1212222
4. Fyfe J et al 2013: Overestimated global warming over the past 20 years. Nature Climate Change 3,767–769 (2013) doi:10.1038/nclimate1972
5. IPCC 2007: Annex I, Glossary, in Climate Change 2007: Synthesis Report. Contribution of Working Groups I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, Pachauri, R.K and Reisinger, A. (eds.)]. IPCC, Geneva, Switzerland, 104 pp.
6. Kamide Y 2007: Effects of the Solar Cycle on the Earth’s Atmosphere (in Handbook of the Solar-Terrestrial Environment). Springer, Berlin, Heidelberg.
https://doi.org/10.1007/978-3-540-46315-3_18
7. Nagaraja MP 2019: Climate Variability. NASA Science. Accessed 18 Nov 2019 at https://science.nasa.gov/earth-science/oceanography/ocean-earth-system/climate-variability/
8. Pokrovsky OM 2019: Cloud Changes in the Period of Global Warming: the Results of the International Satellite Project. Russian Academy of Sciences;
https://doi.org/10.31857/S0205-9614201913-13
9. Randall DA et al 2007: [Climate] Models and Their Evaluation. In: Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon S et al (editors.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
10. Reynolds RW et al 2002: An improved in situ and satellite SST analysis for climate. Journal of Climate, 15, 1609-1625.  Data accessed 26-30 Aug 2019 at https://www.esrl.noaa.gov/psd/data/gridded/data.noaa.oisst.v2.html
11. Rossow WB and Schiffer RA 1999: Advances in understanding clouds from ISCCP. Bulletin of the American Meteorological Society, 80, 2261-2288, doi:10.1175/1520-0477(1999)080<2261:AIUCFI>2.0.CO;2. Data accessed 26 Aug 2019 at https://www.ncei.noaa.gov/data/international-satellite-cloud-climate-project-isccp-h-series-data/access/isccp/hgm/
12. Spencer RW 2013: STILL Epic Fail: 73 Climate Models vs. Measurements, Running 5-Year Means. (hier)
13. Spencer RW and Braswell WD 2011: On the Misdiagnosis of Surface Temperature Feedbacks from Variations in Earth’s Radiant Energy Balance. Remote Sensing 2011, 3(8), 1603-1613; https://doi.org/10.3390/rs3081603
14. Svensmark J et al 2016: The response of clouds and aerosols to cosmic ray decreases, Journal of Geophysical Research – Space Physics, 2016, DOI: 10.1002/2016JA022689.
ENDE DER STUDIE

Die Studie kann verändert werden müssen, um dem Begutachtungs-Verfahren zu genügen. Aber in der Zwischenzeit handelt es sich bei der oben vorgestellten Studie um genau diejenige, welche dem Journal eingereicht worden war.

Die „Iris”-Theorie

Richard Lindzen et al. stellten im September 2000 die Hypothese auf, dass die Erde eine „adaptive Infrarot-Iris“ haben könnte, die eine signifikante negative Rückkopplung auf Änderungen der Oberflächentemperatur liefert – die „Iris“-Theorie. Wenn ich diese Arbeit richtig verstanden habe, dann unterstützt meine obige Arbeit die „Iris“-Theorie nicht, denn die „Iris“-Theorie basiert auf der Oberflächenerwärmung, die in den Tropen zu weniger Wolken eines bestimmten Typs führt, während ich festgestellt habe, dass die Daten mit der Zunahme der Oberflächentemperatur eine Wolkenzunahme assoziieren.

Nebenbei: Meine Ergebnisse widerlegen auch nicht die „Iris“-Theorie, denn die „Iris“-Theorie basiert auf einer spezifischen Wolkenreduktion in einem begrenzten Gebiet, während meine Analyse nur globale SST- und Wolkendaten verwendet.

Im Januar 2002 argumentierten Bing Lin et al. gegen die „Iris“-Theorie, indem sie sagten, dass die Änderungen der Bewölkung in Wirklichkeit eine Erwärmung und nicht eine Abkühlung darstellten und dass daher die Rückkopplung, auf welche Bezug genommen wurde, positiv und nicht negativ war.

Mein Beitrag unterstützt das Argument von Bing Lin nicht mehr als das von Richard Lindzen, und zwar aus dem gleichen Grund: Bing Lin bezieht sich auf die gleiche Wolkenreduktion.

Übrigens: Argumente, die auf verschiedenen Wolkentypen basieren, werden nicht funktionieren, wenn jemand sie zu benutzen versucht, um meine Ergebnisse zu widerlegen. Das liegt daran, dass auf eine Erwärmung die Bewölkung zunimmt. Wenn der betreffende Wolkentyp es irgendwie schafft, dies zu einer positiven RückKopplung zu machen – trotz meiner Feststellung einer erneuten Wolken-Opazität – dann wird die positive Rückkopplung noch mehr Wolken erzeugen, die noch mehr positive Rückkopplungen ergeben werden, usw., usw. Aber … auf längere Sicht, wenn die Oberflächentemperatur steigt, gibt es weniger Wolken, nicht mehr, so dass mein Argument in 6.2 (b) zutrifft.

Und eine letzte Bemerkung: Alles, was ich getan habe war, die Daten zu analysieren. Ich stelle keine Theorien auf, ich verwende keine Modelle, und ich verwende keine ausgeklügelten statistischen Tricks oder Rosinenpickerei, um die Daten zu einem zweifelhaften Ergebnis zu manipulieren. Es werden alle verfügbaren Daten verwendet, und das einzige angewandte Verfahren ist die einfache gewichtete (und ungewichtete) Mittelung. Das Diagramm der Wolkenänderung gegen die Temperaturänderung geht in die „falsche“ Richtung. Punkt.

Link: https://wattsupwiththat.com/2020/06/05/cloud-feedback-if-there-is-any-is-negative/
Übersetzt von Chris Frey EIKE