Vreemde en compleet onwetenschappelijke werkwijze dan als hij werkt zoals jij zegt:
"Hij verwacht duidelijk een koude tweede helft van de winter en vervolgens zoekt hij naar aanwijzingen die dit ondersteunen."
Volgens mij werkt het in de wetenschap toch echt zo dat je eerst met een STELLING komt en die vervolgens gaat toetsen op waarheid. Je verwacht niet eerst lukraak een koude winter en gaat vervolgens zoeken naar aanwijzingen. Dat slaat helemaal nergens op.
Doet me ook een beetje denken aan de Easton-methodiek , enkele jaren geleden aan bod gekomen op de weerfora. De man had kennelijk een cyclus van 89-jaar gevonden, onder te verdelen in kleinere cycli van 22,25 jaar. Eens per zoveel jaar en ik meen iets van 2 eraf of 2 erbij deed zich namelijk een winter voor met een lagere gemiddelde temperatuur dan 1 graad meen ik...zeg maar wat. Over 400 jaar tijd was er maar 1 uitzondering. Nou, de fora natuurlijk kwijlen. Al vrij snel bleek dat het gewoon een gevalletje wie zoekt zal vinden was. Als je namelijk 600 jaar weerdata (of iest anders) ter beschikking hebt en je mag zelf de criteria verzinnen waaraan iets moet voldoen, nogal wiedes dat je ogenschijnlijke opvallendheden gaat vinden. Het betekent niets voor de toekomst.
Ik snap ook de logica van A+B+C= D methode niet. De kans dat er 1 niet klopt is groot en daarmee kan meteen de verwachting dus kennelijk de prullenbak in als ik het goed begrijp + je houdt er geen bruikbare info aan over. Als 1 van de 3 niet klopt zegt dat niets over de andere variabelen. Corrigeer me als ik ernaast zit uiteraard.
Ik kan ook zeggen: als A de NAO dik negatief blijft en B lagedrukgebieden voornamelijk ten zuiden van de Benelux blijven en C zich makkelijk hogedruk vormt in de regio van Scandinavie-IJsland, dan wordt het D zeer waarschijnlijk een koude winter in de Benelux.
Wat heb je eraan voor de toekomst?
Zijn manier van werken vind ik overigens erg goed, in essentie stelt hij een aantal 'eisen' op voor het optreden van een bepaald weertype, of zoals hij het zelf zegt:
If key assumptions A + B + C = seasonal forecast D
….. and one or more fail to come off, then the likelihood is that seasonal forecast will be wrong.
Het minpunt van een dergelijke manier van werken is echter wel dat je oogkleppen op kan gaat zetten, en selectief bepaalde data in acht neemt welke je visie ondersteunen. Hier gaat hij overigens zelf wel op in door vast te stellen dat hij iets in tegenstelling met de weermodellen verwacht. Het voordeel van de theoriegeladen werkwijze waarmee hij werkt is overigens dat je informatie kan filteren. Hij verwacht duidelijk een koude tweede helft van de winter en vervolgens zoekt hij naar aanwijzingen die dit ondersteunen. Anders dan enkel observeren, wordt er nu dus naar waarnemingen gekeken en als een puzzel op een bepaalde manier in elkaar gezet, zonder dat je weet hoe de puzzel eigenlijk eruit ziet. Iets wat ik zelf ook probeer. Iets wat Watson en Crick ook jaren deden voordat ze het model voor de DNA-helix doorgrondde.
Quote selectie