Hallo,
naar aanleiding van een vraag hier op 't forum een eind geleden heb ik een poging gedaan te bepalen welke maand/jaar-records het gemakkelijkst en het minst gemakkelijk te breken zijn. De gebruikte methode zal ik hieronder kort schetsen. Er zitten veel aannames in, die het resultaat grondig kunnen beïnvloeden. Als er mensen betere ideeën hebben, ga gerust je gang.
Gebruikte data: maand en jaargemiddelde temperaturen De Bilt 1901-2008 (Bron: KNMI).
Eerst moeten we corrigeren voor het broeikaseffect. Ik stel op basis van de jaargemiddelde temperaturen in De Bilt volgende correctie voor:
0°C: tot en met 1975
0,048485*(jaar-1975)°C vanaf 1976.
Op de grafiek hieronder zie je in blauw de jaargegevens en in geel de toegepaste correctie (+9,2°C).
Hierna zetten we voor iedere maand uit tov mekaar:
De logaritme van de temperatuurgegevens (in K) tov de logaritme van het percentiel waarbij die temperatuurgegevens horen, en dit zowel voor de koude helft van de maanden als voor de warme helft. Hierbij zorgen we dat de percentielen altijd kleiner zijn dan 50% zodat de grens van de warmste 1% op 0 komt te liggen net zoals op de 'koude' grafiek de grens van de koudste 1% op 0 komt te liggen.
Uit de vorm van die grafiek bepalen we nu de rechte die de meest extreme waarden (op het extreemste punt na) het best lijkt weer te geven. Soms loopt die recht door de hele grafiek, soms slechts door bv. de laatste 10 punten, op het allerlaatste punt na. Dit gebeurt op het zicht, dus hier is ruimte voor interpretatie. Daarna wordt bepaald welk percentiel volgens die rechte hoort bij het laagste punt. Dit noemen we 'de kans op een record indien gecorrigeerd voor het broeikaseffect'.
Willen we nu de kans bepalen die er in werkelijkheid bestaat moeten we wel rekening houden met het broeikaseffect. Hoe doen we dit? We zoeken het record qua minimum en maximum. Om dit record te behalen in 2009 moeten we eigenlijk op onze grafieken dit record -1,6°C halen. Dit trekken we dus af van het record en we zoeken de percentielwaarde van het record. Dit noemen we 'De kans op een record'. Deze kansen (gecorrigeerd en niet, voor warm zowel als voor koud) staan op de grafiek hieronder. Let op: de Y-as is een logaritmische schaal. De kans op kouderecords voor maart, april, mei en het jaargemiddelde staan niet op de grafiek omdat ze te klein zijn.
Uit de grafiek blijken volgende dingen:
Volgens mijn analyse is:
* De gemakkelijkste record om te breken: het jaargemiddelde record van 11,2°C van 2006.
* Het moeilijkste record om te breken: het mei-kouderecord van 9,4°C uit 1902.
* Het moeilijkste warmterecord om te breken: het april-warmterecord van 13,1°C uit 2007 (alhoewel we goed op weg zijn).
* Het gemakkelijkste kouderecord om te breken: het januari-kouderecord van -5,5°C uit 1940 (alhoewel het volgens de berekeningen ook héél moeilijk blijft).
Er is zeker nog verbetering mogelijk van deze analyses. Voorstellen zijn welkom.
Groeten,
Wouter
naar aanleiding van een vraag hier op 't forum een eind geleden heb ik een poging gedaan te bepalen welke maand/jaar-records het gemakkelijkst en het minst gemakkelijk te breken zijn. De gebruikte methode zal ik hieronder kort schetsen. Er zitten veel aannames in, die het resultaat grondig kunnen beïnvloeden. Als er mensen betere ideeën hebben, ga gerust je gang.
Gebruikte data: maand en jaargemiddelde temperaturen De Bilt 1901-2008 (Bron: KNMI).
Eerst moeten we corrigeren voor het broeikaseffect. Ik stel op basis van de jaargemiddelde temperaturen in De Bilt volgende correctie voor:
0°C: tot en met 1975
0,048485*(jaar-1975)°C vanaf 1976.
Op de grafiek hieronder zie je in blauw de jaargegevens en in geel de toegepaste correctie (+9,2°C).
Hierna zetten we voor iedere maand uit tov mekaar:
De logaritme van de temperatuurgegevens (in K) tov de logaritme van het percentiel waarbij die temperatuurgegevens horen, en dit zowel voor de koude helft van de maanden als voor de warme helft. Hierbij zorgen we dat de percentielen altijd kleiner zijn dan 50% zodat de grens van de warmste 1% op 0 komt te liggen net zoals op de 'koude' grafiek de grens van de koudste 1% op 0 komt te liggen.
Uit de vorm van die grafiek bepalen we nu de rechte die de meest extreme waarden (op het extreemste punt na) het best lijkt weer te geven. Soms loopt die recht door de hele grafiek, soms slechts door bv. de laatste 10 punten, op het allerlaatste punt na. Dit gebeurt op het zicht, dus hier is ruimte voor interpretatie. Daarna wordt bepaald welk percentiel volgens die rechte hoort bij het laagste punt. Dit noemen we 'de kans op een record indien gecorrigeerd voor het broeikaseffect'.
Willen we nu de kans bepalen die er in werkelijkheid bestaat moeten we wel rekening houden met het broeikaseffect. Hoe doen we dit? We zoeken het record qua minimum en maximum. Om dit record te behalen in 2009 moeten we eigenlijk op onze grafieken dit record -1,6°C halen. Dit trekken we dus af van het record en we zoeken de percentielwaarde van het record. Dit noemen we 'De kans op een record'. Deze kansen (gecorrigeerd en niet, voor warm zowel als voor koud) staan op de grafiek hieronder. Let op: de Y-as is een logaritmische schaal. De kans op kouderecords voor maart, april, mei en het jaargemiddelde staan niet op de grafiek omdat ze te klein zijn.
Uit de grafiek blijken volgende dingen:
Volgens mijn analyse is:
* De gemakkelijkste record om te breken: het jaargemiddelde record van 11,2°C van 2006.
* Het moeilijkste record om te breken: het mei-kouderecord van 9,4°C uit 1902.
* Het moeilijkste warmterecord om te breken: het april-warmterecord van 13,1°C uit 2007 (alhoewel we goed op weg zijn).
* Het gemakkelijkste kouderecord om te breken: het januari-kouderecord van -5,5°C uit 1940 (alhoewel het volgens de berekeningen ook héél moeilijk blijft).
Er is zeker nog verbetering mogelijk van deze analyses. Voorstellen zijn welkom.
Groeten,
Wouter