Zum Verständnis der Sonne im Klimawandel

geschrieben von Admin | 25. September 2023

Von Nicola Scafetta

Obwohl die Sonne fast die gesamte für die Erwärmung des Planeten benötigte Energie liefert, wird ihr Beitrag zum Klimawandel nach wie vor weitgehend in Frage gestellt. In vielen empirischen Studien wird behauptet, dass sie einen erheblichen Einfluss auf das Klima hat, während andere (oft auf der Grundlage globaler Klimasimulationen am Computer) behaupten, dass sie nur einen geringen Einfluss hat.

Der Zwischenstaatliche Ausschuss für Klimaänderungen (IPCC) unterstützt die letztgenannte Ansicht und schätzt, dass fast 100 % der beobachteten Erwärmung der Erdoberfläche von 1850-1900 bis 2020 durch vom Menschen verursachte Emissionen verursacht wurde. Dies ist als die Theorie der anthropogenen globalen Erwärmung (AGWT) bekannt.

In einer neuen Studie, die in Geoscience Frontiers veröffentlicht wurde, habe ich mich mit diesem wichtigen Paradoxon befasst. Das Rätsel scheint sich aus zwei Gruppen von Unsicherheiten zu ergeben: (i) die historischen Jahrzehnte und langfristigen Schwankungen der Sonnenaktivität sind unbekannt; (ii) die Sonne kann das Klima der Erde durch verschiedene physikalische Mechanismen beeinflussen, von denen viele nicht vollständig verstanden werden und in den GCMs nicht existieren.

Ein Bild, das Text, Diagramm, Reihe, Screenshot enthält. Automatisch generierte Beschreibung

Abbildung 1: (A) Anthropogene (blau) und vulkanische (orange) effektive Strahlungsantriebsfunktionen, die von den CMIP6-GCMs angenommen werden. (B) Mögliche solare effektive Strahlungsantriebsfunktionen. Quelle: Geoscience Frontiers (2023). DOI: 10.1016/j.gsf.2023.101650

Es ist wichtig zu wissen, dass die AGWT ausschließlich auf Computersimulationen globaler Klimamodelle (GCMs) basiert, die Aufzeichnungen der Gesamtsonneneinstrahlung (TSI) mit sehr geringen multidekadischen und langfristigen Schwankungen verwenden. Dasselbe Modell geht auch davon aus, dass die Sonne das Klimasystem nur durch Strahlungsantriebe wie die TSI beeinflusst, obwohl es Hinweise darauf gibt, dass auch andere solare Prozesse, die mit der magnetischen Aktivität der Sonne zusammenhängen (Sonnenwind, kosmische Strahlung, interplanetarer Staub usw.), das Klima beeinflussen.

Die Aufzeichnungen der Gesamtsonneneinstrahlung (TSI)

Dekadische und langfristige Veränderungen der historischen Sonnenaktivität sind unbekannt, da die Gesamtsonneneinstrahlung (TSI), die die Erde erreicht, nur von Satelliten genau gemessen werden kann, und diese Aufzeichnungen sind erst seit 1978 verfügbar. Diese Daten sind jedoch nach wie vor umstritten, da sich je nach Kombination und Verarbeitung der Aufzeichnungen verschiedener Versuchsteams unterschiedliche Trends ergeben.

Veränderungen der Sonnenaktivität über längere Zeiträume werden mit Hilfe einer Reihe von Proxies modelliert (z. B. Sonnenfleckenaufzeichnungen, Fakulae-Aufzeichnungen, kosmogene 14C- und 10Be-Aufzeichnungen usw.). Die Definition von Proxy-Modellen ist unsicher, was dazu führt, dass die wissenschaftliche Literatur eine Vielzahl von TSI-Rekonstruktionen liefert, die sich sowohl in ihren säkularen Trends als auch in ihrer multidekadischen Modulation stark voneinander unterscheiden.

Ich habe mehrere TSI-Proxy-Modelle kombiniert und ihre effektiven solaren Strahlungsantriebsfunktionen für Klimastudien bewertet. In Abbildung 1 werden sie zusammen mit den effektiven Vulkan- und anthropogenen Strahlungsantrieben verglichen. Die in Abb. 1B dargestellten effektiven solaren Strahlungsantriebsfunktionen unterscheiden sich in mehrfacher Hinsicht.

Die derzeit in den CMIP6-GCM-Simulationen verwendete solare Antriebsfunktion (grün) ist seit etwa 200 Jahren nahezu konstant geblieben und hat darüber hinaus von 1970 bis 2020 schrittweise abgenommen. Unter Verwendung dieses TSI-Datensatzes konnten die CMIP6-GCMs daher nur zu dem Schluss kommen, dass die Sonne fast keinen Teil der seit der vorindustriellen Periode (1850-1900) beobachteten Erwärmung erklären kann, insbesondere nicht die von 1980 bis 2020 beobachtete.

Im Gegenteil, die anderen drei TSI-Aufzeichnungen (rot, gelb und schwarz) zeigen eine multidekadische Oszillation sowie einen deutlich ansteigenden säkularen Trend, der eng mit den in den Aufzeichnungen der Gesamtoberflächentemperaturen beobachteten Veränderungen korreliert ist.

Ein Bild, das Text, Diagramm, Reihe, Screenshot enthält. Automatisch generierte Beschreibung

Abbildung 2: (A) HadCRUT5 globale Oberflächentemperatur im Vergleich zum CMIP6-GCM-Ensemble-Durchschnitt. (B) HadCRUT5-Oberflächentemperatur im Vergleich zur vorgeschlagenen empirischen Modellierung des Klimas unter Verwendung des alternativen Sonnenmodells. Quelle: Geoscience Frontiers (2023). DOI: 10.1016/j.gsf.2023.101650

Modellierung der Auswirkungen der Änderung der Gesamtsonnenaktivität (TSA) auf das Klima

Die Wirkung der Gesamtsonne auf das Klima kann nicht nur anhand der TSI-Antriebsfunktionen bewertet werden, da beispielsweise behauptet wird, dass alternative sonnenbezogene Mechanismen die Wolkenbedeckung direkt beeinflussen. Da die Physik solcher Mechanismen jedoch noch nicht ausreichend verstanden ist, können sie in den derzeitigen GCMs nicht berücksichtigt werden. Sollte sich jedoch zeigen, dass ihr Einfluss groß ist, werden die derzeitigen GCMs für die Modellierung des Klimawandels ungeeignet sein.

Ich habe dieses Problem angegangen, indem ich davon ausging, dass die gegebenen TSI-Aufzeichnungen Stellvertreter für die gesamte Sonnenaktivität (TSA) sind, und ich habe eine empirische Methode zur Bewertung des TSA-Effekts angewandt, indem ich seinen optimalen Klima-Fingerabdruck zusammen mit den von den anthropogenen und vulkanischen Strahlungsantriebsfunktionen, die von den CMIP6-GCMs übernommen wurden, erzeugten Fingerabdrücken bewertet habe.

Das Modell reproduziert die Ergebnisse der CMIP6-GCMs, wenn ihre ursprünglichen Antriebsfunktionen unter ähnlichen physikalischen Bedingungen angewendet werden. In diesem Fall betrug die Gleichgewichts-Klimasensitivität (ECS) 1,4°C-2,8°C, was mit der CMIP6-GCM-Gruppe mit niedriger ECS kompatibel ist. Das bedeutet, dass etwa zwei Drittel der aktuellen GCMs (deren ECS zwischen 1,8°C und 5,7°C schwankt) die anthropogene Erwärmung überbewerten, wie andere aktuelle Studien bestätigt haben.

Werden jedoch die vorgeschlagenen solaren Aufzeichnungen als TSA-Proxies verwendet und wird zugelassen, dass sich die klimatische Empfindlichkeit gegenüber diesen Aufzeichnungen von der klimatischen Empfindlichkeit gegenüber Strahlungsantrieben unterscheidet, wird ein viel größerer solarer Einfluss auf den Klimawandel festgestellt, zusammen mit einem deutlich geringeren Strahlungseffekt. In diesem Fall liegt der ECS bei 0,9°C-1,8°C, mit einem Mittelwert von etwa 1,3°C. Dies bedeutet, dass die vom Menschen verursachte Erwärmung stark überschätzt wird.

Abb. 2 vergleicht den HadCRUT5-Datensatz der globalen Oberflächentemperatur mit (A) dem CMIP6-GCM-Ensemblemittelwert und (B) dem Energiebilanzmodell unter Verwendung eines vorgeschlagenen TSA-Modells, das den TSI-Datensatz der GCMs mit geringer säkularer Variabilität nicht verwendet. Die in Abb. 2A dargestellte GCM-Simulation erwärmt sich monoton (grüne Skizze). Im Gegensatz dazu zeigt das in Abb. 2B dargestellte Modell ein oszillierendes Muster, das sich um einen Erwärmungstrend herum entwickelt und die klimatischen Aufzeichnungen viel genauer wiedergibt.

Dieses Ergebnis deutet darauf hin, dass etwa 80 % des solaren Einflusses auf das Klima nicht allein durch den TSI-Antrieb, sondern vielmehr durch andere Sonne-Klima-Prozesse (z. B. durch eine solare magnetische Modulation der kosmischen Strahlung und anderer Teilchenflüsse und/oder andere) verursacht werden könnten. Diese alternativen Mechanismen müssen gründlich untersucht und physikalisch verstanden werden, bevor vertrauenswürdige GCMs erstellt werden können, die den Klimawandel korrekt interpretieren und zuverlässige Prognosen für die Zukunft erstellen.

Dieser Beitrag ist Teil des Science X Dialogs, in dem Forscher über die Ergebnisse ihrer veröffentlichten Forschungsartikel berichten können. Besuchen Sie diese Seite, um Informationen über den ScienceX Dialog zu erhalten und zu erfahren, wie Sie daran teilnehmen können.

Paper: Nicola Scafetta, Empirical assessment of the role of the Sun in climate change using balanced multi-proxy solar records, Geoscience Frontiers (2023). DOI: 10.1016/j.gsf.2023.101650

Der Beitrag erscheine zuerst bei Klimanachrichten hier

Valentina Zharkovas Großes Solares Minimum: Eine Internetseite für Sonnen-Begeisterte

geschrieben von AR Göhring | 25. September 2023

von AR Göhring

Die Astrophysikerin Valentin Zharkova, die auf unserer Konferenz sprach, betreibt eine eigene Seite, auf der sie über ihre Forschung im Bereich Sonnenaktivität und energetische Teilchen berichtet.

https://solargsm.com/

Da das aktuelle Große Solare Minimum GSM, das 2020 begann, und das wir Zharkova-Minimum nennen möchten, den kalten und gemäßigten Ländern der Erde jahrzehntelang Probleme bereiten wird, wird die GSM-Seite von Valentina eine hervorragende fachliche Quelle für die Ursachen und die Prognosen sein – zumindest für echte Wissenschaftler und Journalisten, die nicht die Interessen bestimmter vom Steuergeld lebender Industrien vertreten.

Prof. em. Zharkova erklärt auf ihrer Seite, wie der solare „Dynamotor“ schleifenförmige Magnetfelder auf seiner Oberfläche produziert, die wir als dunkle Sonnenflecken wahrnehmen, und die der Menschheit seit einigen Jahrhunderten zeigen, daß die Erdsonne sehr aktiv ist, wenn die Zahl groß ist.

Außerdem erklärt sie, welche Prozesse tief im Inneren die langen, mittleren und kürzeren Zyklen der Erdsonne bewirken, und wie man durch das Verständnis der solaren Physik die Klimaentwicklung der Erde sowohl weit in der Vergangenheit wie auch weit in der Zukunft berechnen kann.

Neue Studie von Dr. Willie Soon zur Sonnenflecken-Aktivität aus historischen Aufzeichnungen und modernen Algorithmen

geschrieben von Chris Frey | 25. September 2023

Charles Rotter

Es gibt eine neue Studie von Dr. Willie Soon mit dem Titel „Group Sunspot Numbers: A New Reconstruction of Sunspot Activity – Variations from Historical Sunspot Records Using Algorithms from Machine Learning“ [ etwa: „Gruppen-Sonnenfleckenzahlen: Eine neue Rekonstruktion der Schwankungen der Sonnenfleckenaktivität aus historischen Sonnenfleckenaufzeichnungen mit Algorithmen des maschinellen Lernens“]. Diese Studie wurde jüngst in Solar Physics vorgestellt:

https://link.springer.com/article/10.1007/s11207-021-01926-x
[Der Link zur vollständigen Studie ist unten genannt]
Wir sind der Meinung, dass dieses Papier in vielerlei Hinsicht sehr wichtig ist, auch im Hinblick auf die ziemlich eindeutigen und revisionistischen Versuche mehrerer Aktivisten in den letzten 10 Jahren oder mehr, die Aufzeichnungen der Group Sunspot Number (GSN) mit ziemlich fehlerhaften Begründungen und Beweisen zu ändern, wie in diesem detaillierten Papier dokumentiert.

Wenn wir uns irren, soll die Debatte offen und objektiv in der Öffentlichkeit und in der Wissenschaft geführt werden. Die eher hässliche Vorgehensweise der Revisionisten mag nicht klar sein, aber in den letzten 10 Jahren haben sie systematisch jegliche konstruktive Kritik und Vorschläge von Douglas Hoyt, unserem Mitautor, der ein seriöser Wissenschaftler auf dem Gebiet der Rekonstruktion von Sonnenfleckenaktivitätsaufzeichnungen ist, ignoriert und zensiert.

Für einige von uns, die in Amerika zu Hause waren, besteht der unterhaltsame Aspekt dieser Arbeit darin, auf die mögliche Wiederherstellung der lange verschollenen ersten Sonnenfleckenzeichnungen aus dem kolonialen Amerika von Humphry Marshall (1722-1801) hinzuweisen.

Herzlichst
Willie zusammen mit seinen Kollegen Victor Velasco Herrera, Doug Hoyt und Judit Murakozy
p.s. Falls jemand an weiteren Details und Diskussionen hinsichtlich des Anlasses dieses Beitrags ist, sollte man sich diese beiden Unterhaltungen ansehen:

Historische Sonnenfleckenaufzeichnungen und der Aufbau einer umfassenden Datenbank gehören zu den begehrtesten Forschungsaktivitäten in der Sonnenphysik. Hier greifen wir die Probleme und offenen Fragen zur Rekonstruktion der so genannten Gruppensonnenfleckenzahlen (GSN) auf, die von D. Hoyt und Kollegen als Pionierarbeit geleistet wurde. Wir nutzen die modernen Werkzeuge der künstlichen Intelligenz (KI), indem wir verschiedene Algorithmen, die auf maschinellem Lernen (ML) basieren, auf GSN-Aufzeichnungen anwenden. Ziel ist es, eine neue Sichtweise bei der Rekonstruktion von Schwankungen der Sonnenfleckenaktivität anzubieten, d. h. eine Bayes’sche Rekonstruktion, um eine vollständige probabilistische GSN-Aufzeichnung von 1610 bis 2020 zu erhalten. Diese neue GSN-Rekonstruktion ist mit den historischen GSN-Aufzeichnungen konsistent. Darüber hinaus vergleichen wir unsere neue probabilistische GSN-Aufzeichnung mit den jüngsten GSN-Rekonstruktionen, die von mehreren Sonnenforschern unter verschiedenen Annahmen und Einschränkungen erstellt wurden. Unsere KI-Algorithmen sind in der Lage, verschiedene neue zugrundeliegende Muster und Variationskanäle aufzudecken, die die gesamte zeitliche Variabilität der GSN erklären können, einschließlich der Intervalle mit extrem niedriger oder schwacher Sonnenfleckenaktivität wie das Maunder-Minimum von 1645 – 1715. Unsere Ergebnisse zeigen, dass die GSN-Aufzeichnungen nicht nur durch die 11-Jahres-Zyklen repräsentiert werden, sondern dass andere wichtige Zeitskalen für eine umfassendere Rekonstruktion der GSN-Aktivitätsgeschichte die 5,5-Jahres-, 22-Jahres-, 30-Jahres-, 60-Jahres- und 120-Jahres-Oszillationen sind. Die umfassende GSN-Rekonstruktion von AI/ML kann neue Erkenntnisse über die Natur und die Eigenschaften nicht nur der zugrundeliegenden 11-jährigen Sonnenfleckenzyklen, sondern auch über die 22-jährigen Hale-Polaritätszyklen während des Maunder-Minimums liefern, neben anderen, bisher verborgenen Ergebnissen. In den frühen 1850er Jahren multiplizierte Wolf seine ursprüngliche Rekonstruktion der Sonnenfleckenzahl mit dem Faktor 1,25, um die kanonischen Wolf-Sonnenfleckenzahlen (WSN) zu erhalten. Zieht man diesen Multiplikationsfaktor ab, stellt man fest, dass die GSN und die WSN für den Zeitraum von 1700 bis 1879 nur um wenige Prozent voneinander abweichen. In einem Vergleich mit der internationalen Sonnenfleckenzahl (ISN), die kürzlich von Clette et al. empfohlen wurde (Space Sci. Rev. 186, 35, 2014), werden mehrere Unterschiede festgestellt und diskutiert. Es sind noch mehr Sonnenfleckenbeobachtungen erforderlich. Unser Artikel weist auf Beobachter hin, die noch nicht in der GSN-Datenbank enthalten sind.

Update (EW): Free link to the full paper, kindly provided by Dr. Willie Soon.

Link: https://wattsupwiththat.com/2022/01/11/group-sunspot-numbers-a-new-reconstruction-of-sunspot-activity-variations-from-historical-sunspot-records-using-algorithms-from-machine-learning/

Übersetzt von Christian Freuer für das EIKE

Behalte die Sonne im Auge

geschrieben von Andreas Demmig | 25. September 2023

Trotz steigender atmosphärischer C0O2 Konzentrationen könnte die Verringerung der Sonnenaktivität zusammen mit der Abkühlung durch andere langfristige terrestrische Klimavariablen dazu führen, dass sich die globale Erwärmung über Jahre hinweg verlangsamt.
Dr. Whitehouse sagt: „Es ist klar, dass der Einfluss der Sonne auf das Klima je Dekade etwa 0,1 ° C beträgt. Daher ist es wichtig zu wissen, wann es Perioden mit geringer Sonnenaktivität gibt. Wir haben ein Verständnis für den grundlegenden Mechanismus, der die langfristige Sonnenaktivität antreibt, aber viele der Besonderheiten entziehen sich uns immer noch. Erfolgreiche Vorhersagen über die Stärke des Sonnenzyklus sind daher selten. “
Whitehouse fügt hinzu, dass die NASA zwar vorhersagt, dass der gerade beginnende Sonnenzyklus 25 mäßig bis schwach sein könnte. Die Möglichkeit eines sogar sehr schwachen Zyklus mit messbaren Auswirkungen auf das terrestrische Klima ist weiterhin real ist.
Dr. Whitehouse gibt einen Überblick über die Geschichte der Vorhersagen zum Sonnenzyklus. in einem neuen Artikel der
Global Warming Policy Foundation veröffentlicht hiermit seine neue Ausarbeitung.
The Next Solar Cycle, And Why It Matters For Climate kann im Original heruntergeladen werden.

Für Eike übersetzt hier auf Deutsch Sonnenzyklen – Dr Whitehouse

Gefunden auf : https://www.thegwpf.org/keep-an-eye-on-the-sun/
Übersetzt durch Andreas Demmig

GWPF Press release Note 22, 2020 – Frostmarkt auf der Themse bei London, kleine Eiszeit

Sonnenflecken: Bonferroni vs. Prof. Labitzke

geschrieben von Chris Frey | 25. September 2023

Der Kommentator schrieb:

Karin Labitzke hat diese Nuss geknackt. Sie hat als Erste die Korrelation nachgewiesen zwischen nicht einem, sondern gleich zwei stratosphärischen Parametern und Sonnenaktivität. Nach fast 40 Jahren sind ihre Erkenntnisse immer noch valide, und dank ihrer Arbeit wissen wir, dass die Stärke des Polarwirbels von der Sonnenaktivität abhängt, moduliert durch die Quasi-zweijährige Oszillation.

Nachdem ich die Daten von der Freien Universität Berlin erhalten hatte, konnte ich ihre Ergebnisse replizieren. Die von Prof. Labitzke et al. gefundene Beziehung zwischen Sonnenflecken und polaren stratosphärischen Temperaturen sieht so aus:

Abbildung: Sonnenflecken und stratosphärische Temperaturen über dem Nordpol. Die rote Linie zeigt den Trend.

Was also ist damit? Die Grundlage für die Antwort bildet mein voriger Beitrag „Sea Level and Effective N“ [auf Deutsch beim EIKE hier]. Darin diskutiere ich die Bonferroni-Korrektur und die langzeitliche Persistenz LTP.

Die Bonferroni-Korrektur wird gebraucht, wenn man mehr als eine Stelle und mehr als einmal nach etwas Ungewöhnlichem gesucht hat.

Beispiel: Nehmen wir an, wir würfeln mit drei Würfeln auf einmal und alle drei zeigen die Vier … etwas verdächtig, oder? Kann sogar schon reichen, um zu sagen, dass die Würfel gezinkt sind. Die Chance, drei mal die Vier mit einem einzigen Wurf mit drei Würfeln zu bekommen, beträgt 5 zu 1000.

Aber nehmen wir mal an, wir würfeln mit den drei Würfeln 100 mal. Wäre es seltsam oder ungewöhnlich, dann irgendwann drei mal die Vier zu würfeln? Nun … nein. Tatsächlich hat man bei so vielen Würfen eine Chance von etwa 40%, irgendwann auch drei mal die Vier zu erhalten.

Mit anderen Worten, falls man nur oft genug schaut, findet man alle Arten von Ungewöhnlichem, einfach durch Zufallsverteilung.

In der Klimawissenschaft ist es nun so, dass falls etwas als statistisch signifikant angesehen wird, die Wahrscheinlichkeit, dieses Ereignis durch Zufall allein zu finden, weniger als fünf pro einhundert betragen muss. Oder wie allgemein üblich ausgedrückt muss das, was der „p-Wert“ genannt wird, weniger als fünf Hundertstel betragen, üblicherweise geschrieben als „p-Wert < 0,05“.

ALLERDINGS – und es ist ein großes ,allerdings‘ – schaut man an mehr als nur einer Stelle, muss etwas, das signifikant ist, einen geringeren p-Wert haben. Die Bonferroni-Korrektur sagt, dass man den gewünschten p-Wert durch die Anzahl der Stellen dividieren muss, an denen man geschaut hat. Sucht man beispielsweise an zehn Stellen nach einem gegebenen Effekt, muss man den p-Wert von weniger als 0,05 durch zehn dividieren, um die Signifikanz des Effektes festzustellen, weil man an zehn Stellen geschaut hat. Das heißt, der p-Wert muss 0,005 oder weniger betragen, damit der Effekt statistisch signifikant ist.

Und nun … an wie vielen Stellen hat man geschaut? Um das zu beantworten, möchte ich noch etwas genauer beschreiben, was man eigentlich herausgefunden hat.

Die Graphik oben zeigt das Ergebnis … welches sich ergibt, falls man die Temperatur im Februar betrachtet in einer von sieben verschiedenen möglichen Schichten der Stratosphäre über dem Nordpol, verglichen mit den Sonnenflecken im Januar und um einen Monat verzögert über etwa die Hälfte der Zeit, in der die äquatorialen stratosphärischen Winde eher Ost- als Westwinde sind. Der p-Wert beträgt 0,002.

An wie vielen Stellen haben sie nach einer Relation geschaut? Nun, sie haben die Temperatur eines von zwölf Monaten in einer von sieben atmosphärischen Schichten gewählt mit einer von drei möglichen Sonnenflecken-Verzögerungen (0, 1 oder 2 Monate Verzögerung) und einen von zwei möglichen äquatorialen Windbedingungen.

Das ergibt 504 verschiedene Kombinationen. Selbst wenn wir die sieben Schichten außen vor lassen, ergeben sich immer noch 72 unterschiedliche Kombinationen. Mit einem sehr konservativen Ansatz finden wir also etwas mit einem p-Wert von 0,05 dividiert durch 72, was 0,0007 ergibt … und der von ihnen gefundene p-Wert ist etwa drei mal so hoch. Nicht signifikant.

Und das gilt noch nicht einmal für die räumliche Sub-Auswahl. Sie betrachten nur die Temperaturen über dem Nordpol, und das Gebiet nördlich des Polarkreises macht nur 4% der Erdoberfläche aus… was die Bonferroni-Korrektur sogar noch größer machen würde.

Das ist das erste Problem, eine sehr große Bonferroni-Korrektur. Das zweite Problem, welches ich in meinem oben verlinkten Beitrag diskutiert habe ist, dass wir die langzeitliche Persistenz LTP berücksichtigen müssen. Danach steigt der p-Wert dessen, was in der Abbildung gezeigt wird, auf 0,09 … was nicht statistisch signifikant ist, sogar ohne Berücksichtigung der Bonferroni-Korrektur.

Zusammenfassung:

● Wie Labitzke et al. gefunden haben, sind die Februar-Temperaturen 22 km über dem Nordpol während einer Zeit stratosphärischer Ostwinde tatsächlich mit den Januar-Sonnenflecken und einem Monat Verzögerung korreliert.

● Der nominelle p-Wert ohne Berücksichtigung von Bonferroni oder LTP beträgt 0,002, was signifikant zu sein scheint.

● Wenn man jedoch diese beiden Faktoren berücksichtigt, beträgt der p-Wert 0,09, was nicht signifikant ist.

● Und wenn man die Bonferroni-Korrektur heranzieht, um lediglich in eine Vielfalt von Stellen und Bedingungen zu schauen, muss der p-Wert unter etwa 0,0007 Grad liegen, um statistisch signifikant zu sein.

● Die Berücksichtigung von entweder LTP oder der Bonferroni-Korrektur allein reicht aus, um festzustellen, dass die behauptete Korrelation NICHT statistisch signifikant ist … und wenn man beide Faktoren zusammen berücksichtigt, ergeben sich Resultate, die weit, weit entfernt sind von jedweder statistischen Signifikanz.

Unglücklicherweise ist diese Art schlampiger statistischer Berechnungen, wie sie in der Studie hervortritt, nur zu verbreitet in der Klimadebatte, und zwar auf beiden Seiten. …

ERGÄNZUNG: Wie eine Eingebung kam mir dann plötzlich der Gedanke „Moment … was?!“ Folgendes machte mich stutzig: falls man nach irgendwelchen Effekten mit Bezug zur Sonne im Februar sucht – wo würde man Derartiges am Wenigsten auf der Erde finden?

Richtig … es wäre das Nordpolargebiet, wo im Februar niemals die Sonne scheint … das macht es zwar nicht unmöglich, aber weniger wahrscheinlich.

Und schließlich, heißt das, dass die geringen Solarvariationen aufgrund von Sonnenflecken keine Auswirkung auf der Erde haben? Nein, keineswegs. Als Amateurfunker (H44WE) weiß ich zum Beispiel, dass Sonnenflecken die elektrischen Eigenschaften der Ionosphäre beeinflussen.

Was ich NICHT gefunden habe, ist irgendein Beweis dafür, dass die geringen Solarvariationen aufgrund von Sonnenflecken irgendeine Auswirkung auf der Erdoberfläche haben. Das heißt nicht, dass es sie nicht gibt … sondern nur, dass ich diese trotz extensiver Suche nicht gefunden habe.

Link: https://wattsupwiththat.com/2019/02/25/labitzke-meets-bonferroni/

Übersetzt von Chris Frey EIKE

Bemerkung des Übersetzers: So gut Eschenbach auch arbeitet – aber der letzte Absatz scheint mir zu zeigen, dass er noch nie etwas vom Svensmark-Effekt gehört hat. Kann das wirklich sein?