A Spectacular Hockey Stick Of Fraud With NASA Surface Temperatures Since 2001
In 2001, NASA reported 0.5C warming from 1880 to 2000, with an error bar of less than 0.2C.
Now they show 1.3C warming during that same time interval, an increase of 0.8C, and nearly tripling the amount of warming. The changes they have made are 400% of the size of their 2001 error bars – a smoking gun of fraud.
Me resulta sorprendente la facilidad con la que se acusa de fraude.
Primero habría que matizar la afirmación sobre los intervalos de error, ya que la página del GISS lo dice bastante claramente:
https://web.archive.org/web/20071227032820/http://data.giss.nasa.gov/gistemp/
This derived error bar only addressed the error due to incomplete spatial coverage of measurements. As there are other potential sources of error, such as urban warming near meteorological stations, etc., ...
Así que no es correcto utilizar 0.2C como intervalo de error, el error final es más grande que ese valor.
Por curiosidad, he hecho una búsqueda similar con los datos de satélite de la Universidad de Alabama, y he comparado los datos que ofrecía el GISS en distintos años con los que ofrecía la Universidad de Alabama. Para que la comparación sea homogénea realmente he tomado el mismo período para todos y los datos globales (los que el propio GISS prefiere, no los de estaciones meteorológicas en tierra, que no tienen equivalente en los datos de satélite): como los ficheros más antiguos que he obtenido solo tenían datos hasta 2001 he comparado la tendencia de temperatura entre 1979 (primer año completo con datos de satélite) y 2001. La tendencia está expresada como ºC/década, calculado el valor de cada año haciendo la media de los 12 meses. Hay más cifras significativas de las que debe, pero no es muy grave, y si mo me he equivocado con los distintos ficheros, el resultado es:
Año del
Dato
GISS 2001 Tendencia : 0.130871 . Desviacion Standar: 0.029909 .
GISS 2002 Tendencia : 0.132362 . Desviacion Standar: 0.029929 .
GISS 2008 Tendencia : 0.140407 . Desviacion Standar: 0.032231 .
GISS 2011 Tendencia : 0.139468 . Desviacion Standar: 0.032120 .
GISS 2012 Tendencia : 0.143239 . Desviacion Standar: 0.032414 .
GISS 2015 Tendencia : 0.141782 . Desviacion Standar: 0.030240 .
UAH 2001 Tendencia : 0.028793 . Desviacion Standar: 0.050285 .
UAH 2002 Tendencia : 0.055201 . Desviacion Standar: 0.049542 .
UAH 2003 Tendencia : 0.055662 . Desviacion Standar: 0.049571 .
UAH 2006 Tendencia : 0.090857 . Desviacion Standar: 0.048840 .
UAH 2012 Tendencia : 0.104797 . Desviacion Standar: 0.048546 .
UAH 2015 Tendencia : 0.104134 . Desviacion Standar: 0.048521 .
UAH 2015 Tendencia : 0.138505 . Desviacion Standar: 0.048939 . (Version 6 beta)
Diferencia GISS entre Maximo y Minimo: 0.012368
Diferencia UAH entre Maximo y Minimo: 0.109712
Lightmatter ya puso un enlace con los principales cambios en los datos de satélites, pero aquí parece haber más cambios todavía.
Los datos de la Universidad de Alabama han cambiado más que los del GISS tanto en valor absoluto, como en valor relativo, y con respecto a la desviación estándar. (Y como curiosidad, empezaron con valores incompatibles con los de GISS, para acabar con un valor dentro del intervalo de confianza que correspondería al GISS, y en su versión 6 beta ligerísimamente por encima de los valores de GISS en 2001 ó 2002).
Si el criterio para el fraude fuese simplemente el cambio de datos, da la impresión de que la Universidad de Alabama y sus datos de satélite son más "canallas" que el GISS.
Desde luego yo no estoy de acuerdo con eso, no creo ni que el GISS ni que la Universidad de Alabama estén cometiendo fraudes. Los datos que he presentado tampoco son todos los posibles, hay más períodos, más cálculos, más organismos que dan datos y más formas de análisis. Pero creo que lo que nos indica es que obtener los datos de temperatura global no es tan sencillo, está sujeto a errores, y no parece adecuado rechazar de entrada ningún conjunto de datos.
En la página del GISS hay una sección http://data.giss.nasa.gov/gistemp/updates_v3/ , donde se explican los cambios que se van haciendo y por qué. Lo que habría que hacer es analizar lo que dicen y entonces criticarlo ... claro que eso lleva mucho tiempo.
Para agregar a lo que nos trae Socrates, sobre los margenes de error , dejo este link
http://data.giss.nasa.gov/gistemp/FAQ.html de GISS donde se explican un poco mas sobre el asunto de los margenes de error:
Q. How accurate are the GISS results (tables, graphs)?
A. The GISS results are really estimates based on the available data. Accurate error estimates are hard to obtain. However, it is likely that the largest contribution to the margin of error is given by the temporal and spatial data gaps.[/b] That particular margin was estimated as follows: All computations were first made replacing the observed data by complete model data. Then the calculations were repeated after discarding model data where the corresponding observations were missing. Comparisons of the two results were used to obtain an estimate for that margin of error. Assuming that the other inaccuracies might about double that estimate yielded the error bars for global annual means drawn in this graph, i.e., for recent years the error bar for global annual means is about ±0.05°C, for years around 1900 it is about ±0.1°C. The error bars are about twice as big for seasonal means and three times as big for monthly means. Error bars for regional means vary wildly depending on the station density in that region. Error estimates related to homogenization or other factors have been assessed by CRU and the Hadley Centre (among others).[/i]
En cuanto a UAH por mas que he buscado , resulta al menos curioso ,que no he podido encontrar ni una sola mención a cual es el error estimado de sus datos.. talves no he buscado lo suficientemente bien ..
En cambio ,no me costo trabajo , encontrar algo de RSS ..
http://www.remss.com/measurements/upper-air-temperature/validationMears, et all 2011 ..
http://onlinelibrary.wiley.com/doi/10.1029/2010JD014954/fullFig. 5. Summary of homogenized radiosonde and MSU/ASMU TLT trends for 1979-2006, except for IUK, which is for the period 1979-2005. The four groups along the bottom are for averages made over different zonal bands, Global (75S-75N), Southern Extratropics (75S to 30S), Tropics (30S-30N), and the Northern Extra Tropics (30N-75N). Within each group, there are 3 subgroups. The leftmost subgroup is the area-weighted trend for each radiosonde dataset. The next two subgroups are the trends for RSS and UAH MSU/AMSU data sub-sampled at locations where each radiosonde dataset has valid data. The color coding of the symbols matches the color coding of the radiosonde trend symbols.
The error bars in the summary figures were found using a Monte-Carlo approach to model the internal error in the RSS datasets. The outer error bars are the 2-sigma error with uncertainty in the diurnal adjustment included. The inner error bars are the 2-sigma errors when we ignore the uncertainty in the diurnal adjustment.
Sería bueno que alguien de aquí ,
(principalmente los que se llenan la boca hablando, o trayendo al foro , acusaciones de fraude apoyándose en los margenes de error publicados , y como corresponde, por otras agencias) ,aportaran estos datos..para el caso de UAH.
Pd. Algo que es realmente significativo , porque no viene de cualquiera , sino del mismismimo Mears, , responsable de RSS ,el cual considera que las series de temperaturas termometricas , son mas confiables , que sus contrapartes satelitales ...
Measurement Errors:
As a data scientist, I am among the first to acknowledge that all climate datasets likely contain some errors. However, I have a hard time believing that both the satellite and the surface temperature datasets have errors large enough to account for the model/observation differences. For example, the global trend uncertainty (2-sigma) for the global TLT trend is around 0.03 K/decade (Mears et al. 2011). Even if 0.03 K/decade were added to the best-estimate trend value of 0.123 K/decade, it would still be at the extreme low end of the model trends. A similar, but stronger case can be made using surface temperature datasets, which I consider to be more reliable than satellite datasets (they certainly agree with each other better than the various satellite datasets do!). So I don’t think the problem can be explained fully by measurement errors.
http://www.remss.com/blog/recent-slowing-rise-global-temperatures