Mer lek med syntetiske data – tiårsmiddel

Jeg har tidligere vist at syntetiske data, med passende autokorrelasjon, statistisk spredning og stigningstall likner på reelle temperaturdata.

Her bruker jeg nøyaktig samme modell, og ser på 10-års-midlede data.

Figur 1 viser én realisasjon, og Figur 2 viser endring fra 10-år til 10-år for dataene i Figur 1.

Figur 3, 4, 5 viser endringene fra 10-år til 10-år for 3 ulike realisasjoner.

Figurene viser, at for disse syntetiske dataene, er det aldeles meningsløst å tolke noe ut av variasjonen i endring fra ett tiår til det neste. Det er rimelig å tro at omtrent det samme gjelder reelle temperaturdata.

Figur 1: Ti-års midlede syntetiske data. Den totale stigningen er omtrent 2 grader, i overensstemmelse med antatt underliggeden stigning på 0.2 grader per tiår.

Figur 2: Endring fra tiår til tiår for dataene i Figur 1.

Figur 3: Endring fra tiår til tiår for en andre realisasjon

Figur 4: Endring fra tiår til tiår for en tredje realisasjon

Figur 5: Endring fra tiår til tiår for en fjerde realisasjon

Tillegg 7/1-2020

Man kan spørre seg hva sjansen er for flere tiår med økende eller synkende trend om den underliggende trenden er null.

Figuren under viser en realisasjon over 140 år med AR(1) data med autokorrelasjonskoeffisent 0,92 og støynivå 0,2.

Man ser at i denne figuren har en 2 tilfeller der det er 3 tiår på rad med økning (når man teller med det første tiåret).

Får å få en ide om sannsynligheten, har jeg kjørt en simulering over 100 000 år.

Det gir: 4 på rad forventes omtrent hvert 200 år, 5 på rad forventes omtrent hvert 800 år, og 6 på rad omtrent hvert 5000 år.

Man kan sammenlikne med HadCRUT4 data vist her.

Siden 1900 har vi hatt en sekvens med 5 og er nå inne i en sekvens med minst 5.