{"id":6351,"date":"2021-07-27T13:40:53","date_gmt":"2021-07-27T12:40:53","guid":{"rendered":"http:\/\/klima-fakten.net\/?p=6351"},"modified":"2026-01-01T14:30:18","modified_gmt":"2026-01-01T13:30:18","slug":"vorhersagen-der-globalen-temperatur","status":"publish","type":"post","link":"https:\/\/klima-fakten.net\/?p=6351","title":{"rendered":"Vorhersagen der globalen Temperatur"},"content":{"rendered":"
\"image_print\"<\/a><\/div>\n\n\n

Der traditionelle Ansatz wird in Frage gestellt<\/h4>\n\n\n\n

Die Schl\u00fcsselfrage zum Klimawandel ist Wie stark beeinflusst der \"CO_2\"-Gehalt der Atmosph\u00e4re die globale Durchschnittstemperatur?<\/strong> Und insbesondere, wie empfindlich reagiert die Temperatur auf Ver\u00e4nderungen der \"CO_2\"-Konzentration?
Wir untersuchen dies anhand von zwei Datens\u00e4tzen, dem HadCRUT4-Datensatz zur globalen Durchschnittstemperatur und dem CMIP6-Datensatz zum \"CO_2\"-Gehalt.
Die Korrelation zwischen diesen Daten ist ziemlich hoch, so dass es ziemlich offensichtlich erscheint, dass ein steigender \"CO_2\"-Gehalt steigende Temperaturen verursacht.
Mit einem linearen Modell scheint es einfach herauszufinden, wie genau die Temperaturen im Jahr i \"T_i\" durch den \"CO_2\"-Gehalt \"C_i\" und das zuf\u00e4llige (Gau\u00df’sche) Rauschen \"\epsilon_i\" vorhergesagt werden. Aus theoretischen \u00dcberlegungen (Strahlungsantrieb) ist es wahrscheinlich, dass das Modell mit \"log(C_i)\" am besten passt:
\"T_i = a + b\cdot log(C_i) + \epsilon_i\"
Die Konstanten a und b werden durch eine Anpassung mit der Methode der kleinsten Quadrate bestimmt (mit dem Python-Modul OLS aus dem Paket statsmodels.regression.linear_model):
a=-16,1, b=2,78
Daraus l\u00e4sst sich die Sensitivit\u00e4t bestimmen, die als Temperaturdifferenz bei Verdopplung von \"CO_2\" definiert ist:
\"\Delta(T) = b\cdot log (2)\" \u00b0C = 1,93 \u00b0C
Das sind fast 2 \u00b0C, eine Zahl, die nahe an den offiziellen Sch\u00e4tzungen des IPCC liegt. <\/p>\n\n\n\n

Was ist daran falsch, es scheint sehr einfach und logisch zu sein?<\/strong>
Wir haben das Residuum der Anpassung mit der Methode der kleinsten Quadrate noch nicht untersucht. Unser Modell besagt, dass das Residuum Gau\u00dfsches Rauschen sein muss, d.h. unkorreliert.
Der statistische Test, um dies zu messen, ist der Ljung-Box-Test. Betrachtet man das Q-Kriterium, so ist es Q = 184 mit p=0. Das bedeutet, dass der Residuum signifikante Korrelationen aufweist, es gibt strukturelle Informationen im Residuum, die mit dem vorgeschlagenen linearen Modell des log(\"CO_2\")-Gehalts nicht erfasst wurden<\/strong>. Ein Blick auf das Diagramm, das die angepasste Kurve zeigt, l\u00e4sst erahnen, warum der statistische Test fehlgeschlagen ist:<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Wir sehen 3 Diagramme:<\/p>\n\n\n\n