Foto: Per Løchen/Scanpix
Hver eneste dag førte bestefaren min dagens temperatur inn i kalenderen på kjøkkenet. Hva kan vi lære av hans værkalender?
Avsender: Øyvind Paasche
Få ting er så vanskelig å forstå som tid. Samtidig er tid tilstede i alt vi gjør, fra vi står opp til vi legger oss. I hverdagen måler vi gjerne handlinger i sekunder, minutter og timer.
Da bestefar døde hadde han levd i 89 år, noe som er omtrentlig 11 år over gjennomsnittet. Mens han ennå levde pleide han konsekvent å sjekke termometeret en gang om dagen, fortrinnsvis på morgningen og antakelig rundt 07.00. Alle temperaturer ble ført inn i kalenderen som hang på veggen på kjøkkenet ? hver dag sin temperatur.
I motsetning til profesjonelle temperaturjegere som måler temperaturen minst fire ganger om dagen (f. eks 08.00, 14.00, 20.00, 02.00) for så å midle disse målingene slik at de gir én dags gjennomsnittelige temperatur (døgnmiddeltemperatur), målte altså bestefar bare én gang om dagen.
Et betimelig spørsmål i forhold til bestefars kalender er derfor om den målingen han utførte egentlig var representativ for den gjennomsnittelige temperaturen den dagen han målte på?
For å teste dette har jeg for anledningen brukt data fra en temperaturstasjon som står fjellstøtt på 1700 meters høyde i hjerte av Rondane, en stasjon jeg forøvrig drifter selv. Dataene brukt her er fra august 2000.
Den statistiske sammenhengen mellom temperaturen målt klokka 08.00 og for tidspunktene 14.00, 20.00 og 02.00 demonstrerer hvorvidt de følger den samme utviklingen eller om de er forskjellige fra hverandre (figur 1). Jo mindre spredningen er omkring den røde grafen, dess bedre er sammenhengen eller korrelasjonen om du vil. Den dårligste sammenhengen er med andre ord mellom målingene gjort klokka 02.00 og 20.00.
Figur 1. Regresjonsmatrise.
Gjør vi den samme statistiske øvelsen, men bytter ut de diskret målepunktene (14.00, 20.00 og 02.00) med døgnmiddeltemperaturen ser vi av figur 2 at sammenhengen er svært sterk. Med utgangspunkt i målingen utført klokka 08.00 ville vi derfor, basert på det statistiske forholdet, kunne forklare ca 80% av variasjonen til døgnmiddeltemperaturen, men noe ville selvfølgelig vært tapt.
En forringelse av datagrunnlaget vil nødvendigvis alltid skje når du reduserer antall målinger, uavhengig av hva slags vitenskap du snakker om. Spørsmålet er snarere om du bruker de mest representative dataene som er tilgjengelig for å kunne si noe om mer generelle forhold.
Av figur 2 er det tydelig at hvis ønsket var å forutse døgnmiddeltemperaturen en august dag, og du hadde bare en tilgjengelig måling, ville kanskje en plassering tidlig på dagen vært best.
Figur 2. Korrelasjon mellom temperaturen målt klokka 08.00 og døgnmiddeltemperaturen. Den stiplede linjen representerer konfidensintervallet (95%) og korrelasjonskoeffisienten (R2) er på 0.86 (1=perfekt korrelasjon, 0= ingen korrelasjon).
Hvis vi vil vite noe om temperaturutviklingen i tida før termometernes æra (ca 1870 i Norge, men svenskene var til sammenligning langt tidligere ute med en metrologisk stasjon som faktisk går tilbake til 1722!) er det ikke lengre meningsfullt å snakke om antall målinger per dag, men snarere om et gjennomsnittelig signal som representerer en bestemt sesong (la oss si sommer), og at oppløsningen på signalet kanskje er ett år eller 50 år eller kanskje til og med 1000 år.
Den andre viktige tingen vi må ta høyde for er at målingen ikke lengre er direkte, men skjer via et substitutt ? dette kalles gjerne for et proksy på fagspråket.
Kombinasjonen av redusert oppløselighet på signalet og redusert presisjon på ?målingen? gjør at alle temperaturrekonstruksjoner som spenner flere tusen år tilbake i tid, samme hvor godt de er gjennomarbeidet, er dårligere enn de målingene vi har fra den instrumentelle æra. Men de er samtidig de eneste som er tilgjengelig, og vi kan også si noe om usikkerheten assosiert med den enkelte temperaturrekonstruksjonen.
En tommelfingerregel vil være at jo flere tidsserier som viser det samme mønsteret jo sikrere kan vi være på at vi er på sporet av en reell klimautvikling. Hvis du ønsker å rote rundt med noen av disse tidsseriene selv kan du gå hit og laste ned det du måtte finne av alskens forunderlige rekonstruksjoner.
Lykke til!