Hallo,
Ik begrijp jullie redenaties mbt tot homogenisering. Elke meting is inderdaad afhankelijk van meetapparatuur en er is natuurlijk altijd een foutenmarge.
Het gaat mij er ten eerste om dat de originele meting behouden blijft. Elke aanpassing van de originele meting is een vergroting van de foutenmarge omdat naast de originele foutenmarge er een foutenmarge op je aanpassing ontstaat.
Ten tweede is het zo dat je nu de huidige meetsituatie prioriteit geeft aan de historische meting. Je gaat de historische data aanpassen alsof je het dan beter kan vergelijken met de huidige meetsituatie. Maar de huidige meetsituatie kan over een aantal jaren ook weer aangepast moeten worden. Dan verplaatst een station en wie weet gaat de volgende generatie weer de huidige data homogeniseren en daarmee dus ook de reeds gehomogeniseerde data weer een keer homogeniseren naar de dan toekomstige situatie. Dit is echt onwenselijk.
Over voortschrijdend inzicht gesproken. Wetenschappelijke methodes veranderen, originele data zou dat niet moeten doen. Door voortschrijdend inzicht kan heel goed een betere homogeniseringsmethode ontstaan. Die kan je prima gebruiken op originele data. Maar slecht homogeniseerde data is dus daarna corrupte data en vrijwel waardeloos.
Elke onderzoeker moet vanuit originele datasets kunnen werken. Als je dan in het belang van dat onderzoek besluit te homogeniseren, prima. Dat doe je met de best mogelijke methodes die dan beschikbaar zijn.
Ik ben dus niet tegen homogeniseren. Maar dit mag je niet doen om de basisgegevens te veranderen. Je doet dit altijd in 2e instantie in het onderzoek.
Dit is overigens niet alleen maar mijn mening, maar normale procedure in vrijwel alle wetenschappelijke disciplines.
groeten Rob
Quote selectie