Vi er ikke klimaforskere. Men vi kan teknologi. Vi kan elektronikk. Og vi kan analyse. Når det hevdes at globale temperaturendringer på 0,1 °C skal være signifikante, må vi kunne stille et spørsmål: Er målegrunnlaget robust nok til å støtte slike konklusjoner?
Denne teksten er ikke et forsøk på å avvise klimaendringer, men en analyse av den tekniske kjernen bak – selve datainnsamlingen.
Dette er en fortsettelse på: Er tallene som brukes om globaloppvarming til å stole på?
Den gikk gjennom statistisk data, denne på utstyr, revisjon og tekniske begrensninger, fra samme metadata sett og FAO rapport.
1. Kan elektroniske målere påvirkes? Ja.
Sensorer påvirkes av:
Kulde, varme og raske temperaturendringer
UV-eksponering, regn, vind og snø
Magnetiske forstyrrelser (solstormer, romvær)
Elektriske variasjoner i jord (lyn, jordskjelv, spenning)
Fysisk slitasje, feilmontering, drift uten vedlikehold
Alle disse faktorene er kjent fra telekom, forsvar og annen presisjonselektronikk. Men i klimadiskusjonen snakkes det som om sensorer opererer i vakuum. Det gjør de ikke.
Se til luftfarten: Der finnes eksempler på alvorlige ulykker som skyldes sensorfeil, til tross for ekstremt strenge krav til kontroll, vedlikehold og redundans. Fly som styres av flere uavhengige og kryssjekkede sensorer kan styrte – og feilene oppdages først når katastrofen er et faktum.
Hvordan oppdages da feil på klimamålere – som ofte står alene, uten backup, under ekstreme forhold? Hva hvis de bare rapporterer én tidel grad for mye?
«Valid data are required to make climate assessments and to make climate-related decisions.» – Fra artikkelen Performance of Quality Assurance Procedures for an Applied Climate Data Set publisert i Journal of Atmospheric and Oceanic Technology
2. Er måledata feilfrie? Nei.
Store deler av klimamodellene baserer seg på interpolasjon – det vil si beregning av temperaturer i områder hvor det ikke er målt. Det finnes fortsatt store geografiske hull – særlig i Afrika, deler av Sør-Amerika og havområder.
Vi har selv sett på koordinatene for enkelte stasjoner. Mange er plassert:
Nær byer med økt lokal oppvarming
Nær flyplasser (asfalt, drivstoff, jetstrømmer)
I klimasoner med naturlige og ekstreme variasjoner (Arktis, Antarktis)
Eksempler inkluderer målestasjoner i Antarktis med stor geofysisk ustabilitet, samt målere i urbane strøk hvor «urban heat island»-effekten gir unaturlig høye verdier. Lokasjonsdata viser også stasjoner plassert nær rullebaner og på flyplassområder, noe som systematisk kan forskyve temperaturnivået.
Noen konkrete eksempler:
Amundsen–Scott-stasjonen (90.0°S, 0.0°E) – midt på Sørpolen, i et område med ekstrem kulde, isbevegelse og ustabilt magnetfelt.
Phoenix Sky Harbor Airport (33.4342°N, 112.0116°W) – lokalisert i storbyasfalt og omgitt av flytrafikk.
Dar es Salaam (6.7924°S, 39.2083°E) – én av få aktive stasjoner i Øst-Afrika, med varierende urban utvikling og kystklima.
Likevel brukes disse punktene som grunnlag i globale modeller, uten å justere for slike avvik i metodikken. Det gjør det legitimt å spørre: Er dette vitenskapelig, eller bekvemt?
3. Revisjon og kontroll: Finnes det?
Vi har lett etter:
Feilmarginer per stasjon
Reparasjonslogg eller utskiftingsfrekvens
Beskrivelse av feilkilder, måleravvik eller datatap
Kontrollrutiner eller ekstern revisjon
Vi vet at det er vanskelig å etterprøve når en måler slutter å vise riktig. Kalibrering og testing i ettertid er ofte praktisk umulig – særlig når utstyret står på fjelltopper, i ørkenområder, Antarktis eller andre utilgjengelige strøk.
Uten at vi anklager noen, må vi erkjenne at det er dyrt og krevende å ettergå målere fysisk. Samtidig ser vi en tydelig tendens: Hvis en måler viser høyere verdier, brukes den gjerne aktivt som symbol – ikke som avvik. Hele datasett skyves i bakgrunnen til fordel for «eksempelet».
«Trust is the glue that will hold our collective efforts together through the extremely difficult challenges we are facing.» – Fra artikkelen Solving Climate Change Requires A New Social Contract publisert i Time
Om vi sammenligner med Eurostat og økonomiske indikatorer: Ingen ville tillatt å trekke en hel nasjonal konklusjon ut fra én kommune eller én by. Hvorfor er det da greit innen klima?
Et legitimt spørsmål er også kvaliteten på personellet som skal sjekke utstyret: Kan man forvente at feil på 0,2 grader oppdages manuelt i minus 40 og lett snøstorm? Hvis det ikke finnes åpen logg på endringer, hvordan vet vi da hva som er rettet manuelt, justert automatisk eller fylt inn etter beregning? Vi anklager ingen – vi vet det bare ikke.
4. Antall noder og geografisk dekning
I geografi og geopolitikk vet vi: kvaliteten på en analyse bestemmes av:
Antall målepunkter
Plasseringen
Tidsseriens kontinuitet
Per i dag finnes det ingen lett tilgjengelig og oppdatert oversikt over nøyaktig antall operative målestasjoner.
Estimater varierer, men et tall som ofte nevnes i forbindelse med overflatetemperatur er rundt 7 000–8 000 stasjoner globalt. Disse er i stor grad konsentrert i Nord-Amerika, Vest-Europa og deler av Asia.
Hvis vi tar jordens landareal på ca. 149 millioner km² og fordeler dette på 8 000 stasjoner, får vi et snitt på ca. 18 625 km² per måler. Det er større enn Danmark, og like stort som hele Sørøst-Norge. En enkelt måler skal da representere all klimavariasjon innenfor dette området – og feilplasseres den, forsterkes usikkerheten.
Når vi i tillegg vet at mange stasjoner er plassert suboptimalt, uten redundans og med svak revisjon, sier det seg selv: Det er grunn til å stille spørsmål.
Hvis man utelater hele kontinent, interpolerer hele havområder og ignorerer romlige avvik – er det da en global modell, eller et regnestykke som gir ønsket svar?
Kommentar – måletetthet og dekning: Alle som har jobbet med GSM-nett eller radiosystemer vet: du får ikke dekning uten tett infrastruktur. Du kan ikke dekke Danmark med én mast – og du kan heller ikke måle landets klimautvikling med én værstasjon. Likevel brukes enkeltpunkter ofte som representasjon for enorme områder, noe som i enhver annen teknologisk disiplin ville blitt sett på som utilstrekkelig datagrunnlag.
5. Tidsmåling vs. temperaturmåling:
Bare for å rapportere korrekt tid globalt, finnes det omfattende internasjonale systemer: atomklokker, GNSS-synkronisering, redundante protokoller (som NTP og PTP), og kontinuerlig validering på tvers av kontinenter og satellitter. Det er milliarder i infrastruktur – for sekundnøyaktighet.
Men for å måle temperatur på én desimal globalt? Der finnes ingen tilsvarende standardisert metode for synkronisering, kalibrering, validering, eller kvalitetssikring – verken i åpen dokumentasjon eller i revisjonspraksis. Det påstås at tallene er sikre, men selve datasystemet ville aldri blitt godkjent i noen annen presisjonskritisk sektor.
Kan du noe om klima – eller kjenner noen som gjør det – er du velkommen til å bruke dette videre, helt uten kreditering. Det gjelder uansett om du er enig, uenig eller fortsatt i tvil. Målet er ikke å eie sannheten, men å stille de riktige spørsmålene mens det fortsatt er lov.
Avslutning:
Før du sender sint e-post: Før du sender en melding om klimafornektelse, vitenskapsbenektelse eller desinformasjon: Jeg har ikke påstått noe om klimagasser, drivhuseffekt eller globale trender. Jeg kan ikke nok om klima til å diskutere det hobbybasis eller faglig. Dette handler ikke om klimaendringer – det handler om statistikk, elektronikk, metode og metadata. Intet mer. Intet mindre.
Vi har ikke klimaekspertise. Men vi har forståelse for teknologi, feilmarginer, datainnsamling og manipulasjon.
Vi stiller ikke spørsmål ved klima som fenomen. Vi stiller spørsmål ved sikkerheten i selve datagrunnlaget.
Når marginene er små og konsekvensene store, må vi tørre å spørre: Er dataene bak klimakrisen så sikre som de presenteres?
Kildeliste og datagrunnlag
GISTEMPv4 (Global Surface Temperature Data Set)Utviklet av NASA GISS (Goddard Institute for Space Studies) Basert på interpolert og justert temperaturdata fra land (GHCNv4) og hav (ERSSTv5)
GHCNv4 (Global Historical Climatology Network – Version 4)Vedlikeholdt av NOAA (National Oceanic and Atmospheric Administration) Grunnlaget for alle landbaserte målinger brukt i klimamodellering
ERSSTv5 (Extended Reconstructed Sea Surface Temperature, versjon 5)Utviklet av NOAA NCEI Brukes som havkomponent i globale klimadatasett, kombinert med GHCN i GISTEMP
FAOSTAT GT (Global Temperature) dataserierPublisert av FAO (Food and Agriculture Organization of the United Nations) Bruker GISTEMP-data til å rapportere globale temperaturavvik (landbasert)
Metadatafelt i .nc-fil (GISTEMPv4 griddet 2.5°): tempanomaly: temperaturavvik, basert på referanseperioden 1951–1980 history: opprettet via verktøy SBBX_to_nc 2.0 med radius 250 km Ingen tilgjengelige interpolasjonsflagg eller revisjonshistorikk i datastrukturen
Eurostat-budsjettnotater og metodiske rammeverkAnvendes som sammenligningsgrunnlag for revisjonspraksis og krav til datakvalitet Feilmarginer offentlig anerkjent til 2–3 % i økonomiske rapporter
UNData og bystatistikk (demografi, arealbruk)Brukt til å sammenligne befolkningsvekst og urbanisering i områder uten temperaturdata
Øvrig kunnskap om statistiske systemer (Eurostat, UNData, m.m.)Vi har skrevet en rekke andre artikler og analyser om hvordan ulike datakilder struktureres og brukes – inkludert budsjettavvik i Eurostat, spørsmålsmetodikk i Eurobarometer og klassifiseringslogikk i UNData. Det meste av dette er svært nøytralt og metodisk… Men for å være helt ærlig: Ingen leser det, og jeg foretrekker at ingen rekker å klassifisere meg som “sær” før vi har snakket sammen muntlig – og du får bekreftet det.
Erfaringsgrunnlag: Forfatteren har arbeidet som IT-ekspert i over ti år, med erfaring fra et bredt spekter av systemer og teknologier: mobiltelefoner, servere, PC-er, programvare, rutere og telekommunikasjonsinfrastruktur – inkludert arbeid med ISP-teknologi og som mobiltilbyder. Denne erfaringen danner et teknisk og systemorientert grunnlag for analysen av måleutstyr og datainnsamling i klimamodellene.
