Beste Rob,
Ik heb de reacties nog eens doorgelezen. Met bepaalde uitspraken in het bericht waar ik nu op reageer ben ik het volkomen mee eens, andere niet.
Hieronder mijn reactie.
Het gaat mij er ten eerste om dat de originele meting behouden blijft.
Lijkt mij ook erg zinvol, met daarbij alle informatie omtrent de meetmethodiek, systeem, etc.
Elke aanpassing van de originele meting is een vergroting van de foutenmarge omdat naast de originele foutenmarge er een foutenmarge op je aanpassing ontstaat.
Dit hoeft zeker niet het geval te zijn. Een foutenmarge kan minder worden door een vergelijking tussen meetsystemen en hun afwijkingen.
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.
Niet alsof, het is in de meeste gevallen noodzakelijk om meetreeksen te kunnen vergelijken. Zie het voorbeeld uit mijn eerdere reactie.
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.
Onwenselijk is een vaag begrip. Indien men een beter (nauwkeuriger/waarheidsgetrouwer) resultaat verkrijgt door de ruwe data te homogeniseren dan de reeds gehomogeniseerde data dan dient men de ruwe data te gebruiken. Ik denk dat je dat bedoelt en daar ben ik het mee eens.
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.
Hier ga je ervan uit dat de data onjuist gehomogeniseerd is (waarom?). Hoe is ‘slecht’ gedefinieerd? Zo ken ik er ook wel één: slecht gemeten ruwe data is corrupte data en is 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.
Deels mee eens. Het is ook prettig dat je niet voor elk onderzoek eerst de data moet homogeniseren, maar dat dat reeds gedaan is door kundige vakbekwame personen (bijvoorbeeld werkend bij het KNMI), waarbij de methodiek inzichtelijk is.
Quote selectie