L’insabbiamento dei problemi nel rapporto IPCC + La metodologia dell’IPCC è fondamentalmente imperfetta

20 agosto 2021; articolo di Cap Allon

Adesso c’è un numero considerevole di esperti che gettano seria ombra sulla “metodologia imperfetta” utilizzata dall’IPCC nella loro ultima analisi del clima.

Di seguito è riportato l'”uno-due” al Sesto rapporto di valutazione dell’IPCC (AR6).

Difetti scientifici nei modelli climatici e insabbiamento dei problemi nel rapporto AR6 dell’IPCC

[di Antero Olilla, Adj. Prof. Aalto University (Emer.) — versione ridotta, puoi trovare l’originale su climatexam.com]

La quantità di anidride carbonica nell’atmosfera è aumentata del 32% dal 1750. Secondo l’ultimo rapporto sul clima dell’IPCC (AR6), ciò è dovuto esclusivamente alle emissioni di origine antropica che si accumulano in media del 44% all’anno, mentre il resto viene assorbito dagli oceani e dalla vegetazione.

Circa il 25% dell’anidride carbonica atmosferica cambia ogni anno dagli oceani e dalla vegetazione. Di conseguenza, dopo 10 anni rimane meno del 6% della quantità iniziale di anidride carbonica nell’atmosfera, e quindi l’aumento della quantità di anidride carbonica nell’atmosfera non può essere interamente di origine antropica con un valore permille di -28%. L’IPCC tace sui valori di permille (una misura del rapporto degli isotopi di carbonio utilizzati per analizzare l’origine dell’anidride carbonica, adatta per convalidare i modelli del ciclo del carbonio).

L’insabbiamento di questo problema continua con la durata della vita di anidride carbonica antropogenica nell’atmosfera, che ora è vagamente indicata come da centinaia di anni a migliaia di anni. Il tasso di rimozione del carbonio radioattivo dall’atmosfera (un perfetto test tracciante per l’anidride carbonica antropogenica) dopo il 1964 è di soli 64 anni. Il tempo di recupero della quantità atmosferica totale di anidride carbonica al livello del 1750 può essere stimato simile a quello del suo periodo di accumulo, cioè poco meno di 300 anni.

Inoltre, il rapporto AR6 non mostra più la definizione dell’effetto serra dell’IPCC, se non una breve menzione nel glossario. Manca la spiegazione di come un assorbimento di gas serra di 158 Wm^-2 possa creare una radiazione infrarossa verso il basso sul terreno di 342 Wm^-2 – questo è contro le leggi fisiche fondamentali perché presuppone che l’energia in eccesso provenga dal nulla.

L’irraggiamento in superficie è costituito da quattro flussi energetici che, secondo il bilancio energetico dell’IPCC, sono:

1. assorbimento di gas serra di 158 Wm^-2,
2. alore latente dell’acqua 82 Wm^-2,
3. calore sensibile (aria calda) : 21 Wm^-2, e
4. assorbimento della radiazione solare nell’atmosfera: 80 Wm^-2.

I primi tre flussi energetici totalizzano 261 Wm^-2 e mantengono l’effetto serra.

Quindi, distorcendo la dimensione dell’effetto serra sull’assorbimento dei soli gas serra, l’IPCC è in grado di aumentare il contributo dell’anidride carbonica nell’effetto serra da circa il 7,5% al ​​19% e l’effetto della temperatura da 2,5°C a 6,3°C.

Ciò significa anche che le equazioni utilizzate dall’IPCC per calcolare i valori di forzante delle radiazioni e gli impatti sul riscaldamento globale dell’anidride carbonica per l’aumento delle concentrazioni di anidride carbonica non sono in linea con il contributo dell’anidride carbonica nell’effetto serra.

La scienza dell’IPCC, alias la definizione di “cambiamento climatico” nell’accordo di Parigi, fornisce una capacità di riscaldamento fortemente esagerata all’anidride carbonica.

Inoltre, AR6 mostra una forte tendenza positiva nella radiazione solare a onde corte dal 9/2000 al 6/2017, ma il suo impatto è stato omesso nei calcoli sul riscaldamento post-2000 [per ulteriori informazioni, vedere climatexam.com].

---

La metodologia di attribuzione dell’IPCC è fondamentalmente errata

[di Ross McKitrick — originariamente pubblicato su judithcurry.com]

Un giorno dopo che l’IPCC ha rilasciato l’AR6, ho pubblicato un articolo su Climate Dynamics che mostrava che la loro metodologia “Optimal Fingerprinting” su cui hanno a lungo fatto affidamento per attribuire il cambiamento climatico ai gas serra è gravemente difettosa e i suoi risultati sono inaffidabili e in gran parte privi di significato. Alcuni degli errori sarebbero ovvi a chiunque abbia una formazione in analisi di regressione, e il fatto che siano passati inosservati per 20 anni nonostante il metodo sia stato così pesantemente utilizzato non si riflette bene sulla climatologia come disciplina empirica.

Il mio articolo è una critica a “Verificare la coerenza del modello nell’impronta digitale ottimale” di Myles Allen e Simon Tett, che è stato pubblicato su Climate Dynamics nel 1999 e a cui mi riferisco come AT99. La loro metodologia di attribuzione è stata immediatamente adottata e promossa dall’IPCC nel Terzo Rapporto di valutazione del 2001 (in coincidenza con l’adozione e la promozione della mazza da hockey Mann). La promozione IPCC continua oggi: vedi AR6 Sezione 3.2.1. È stato utilizzato in dozzine e forse centinaia di studi nel corso degli anni. Ovunque inizi nella letteratura Optimal Fingerprinting (esempio), tutti i percorsi riconducono a AT99, spesso tramite Allen e Stott (2003). Quindi i suoi errori e le sue carenze sono molto importanti.

L’abstract del mio articolo recita come segue:

“Allen e Tett (1999, qui AT99) hanno introdotto una metodologia di regressione dei minimi quadrati generalizzati (GLS) per scomporre i modelli di cambiamento climatico ai fini dell’attribuzione e hanno proposto il “Test di consistenza residua” (RCT) per verificare la specifica GLS. La loro metodologia è stata ampiamente utilizzata e molto influente da allora, in parte perché gli autori successivi si sono basati sulla loro affermazione che il loro modello GLS soddisfa le condizioni del teorema di Gauss-Markov (GM), ottenendo così stimatori imparziali ed efficienti. Ma AT99 ha affermato in modo errato il Teorema GM, omettendo del tutto una condizione critica, il loro metodo GLS non può soddisfare le condizioni GM e il loro stimatore della varianza è incoerente per costruzione. Inoltre, non hanno formalmente affermato l’ipotesi nulla dell’RCT né identificato quale delle condizioni GM verifica, né hanno dimostrato la sua distribuzione e i valori critici, rendendolo non informativo come test di specifica. La continua influenza di AT99 due decenni dopo significa che questi problemi dovrebbero essere corretti. Identifico 6 condizioni che devono essere mostrate affinché il metodo AT99 sia valido.”

L’articolo di Allen e Tett ha avuto il merito di tentare di rendere operative alcune idee emerse da un paradigma ingegneristico (elaborazione del segnale) allo scopo di analizzare i dati climatici. Gli errori che hanno commesso derivano dall’essere esperti in una cosa ma non in un’altra, e il processo di revisione sia nelle riviste climatiche che nei rapporti IPCC è noto per non coinvolgere persone con competenze statistiche rilevanti (nonostante la dipendenza da metodi statistici). Se qualcuno formato in econometria avesse referenziato il proprio articolo 20 anni fa, i problemi sarebbero stati immediatamente individuati, la metodologia sarebbe stata pesantemente modificata o abbandonata e molti articoli da allora probabilmente non sarebbero mai stati pubblicati (o lo sarebbero stati, ma con differenti conclusioni—sospetto che la maggior parte di loro non avrebbe riportato l'”attribuzione”).

Impronta digitale ottimale

AT99 ha dato una serie di contributi. Hanno preso nota delle precedenti proposte per stimare il “segnale” della serra nei dati climatici osservati e hanno mostrato che erano equivalenti a una tecnica statistica chiamata Generalized Least Squares (GLS). Hanno poi sostenuto che, per costruzione, il loro modello GLS soddisfa le condizioni di Gauss-Markov (GM), che secondo un importante teorema in statistica significa che fornisce stime dei parametri imparziali ed efficienti. (“Non distorto” significa che il valore atteso di uno stimatore è uguale al valore vero. “Efficiente” significa che vengono utilizzate tutte le informazioni disponibili sul campione, quindi lo stimatore ha la minima varianza possibile.) Se uno stimatore soddisfa le condizioni GM, si dice che essere “BLU”: lo stimatore lineare imparziale migliore (varianza minima); o l’opzione migliore dell’intera classe di stimatori che può essere espressa come funzione lineare della variabile dipendente. AT99 ha affermato che il loro stimatore soddisfa le condizioni GM e quindi è BLU, un’affermazione ripetuta e invocata successivamente da altri autori nel campo. Hanno anche introdotto un test di “consistenza residua” (RC) che, secondo loro, potrebbe essere utilizzato per valutare la validità del modello di regressione delle impronte digitali.

Purtroppo queste affermazioni non sono vere. Il loro metodo non è un modello GLS convenzionale. Non soddisfa e non può soddisfare le condizioni GM e in particolare viola un’importante condizione per l’imparzialità. E il rifiuto o il non rifiuto del test RC non ci dice nulla sulla validità dei risultati di una regressione ottimale delle impronte digitali.

AT99 e IPCC

L’AT99 è stato fortemente promosso nel Terzo Rapporto di Valutazione dell’IPCC 2001 (TAR Capitolo 12, Riquadro 12.1, Sezione 12.4.3 e Appendice 12.1) e da allora è stato citato in ogni Rapporto di Valutazione dell’IPCC. L’appendice 12.1 del TAR era intitolata “Il rilevamento ottimale è regressione” e iniziava

La tecnica di rilevamento che è stata utilizzata nella maggior parte degli studi di “rilevamento ottimale” eseguiti fino ad oggi ha diverse rappresentazioni equivalenti (Hegerl e North, 1997; Zwiers, 1999). È stato recentemente riconosciuto che può essere presentato come un problema di regressione multipla rispetto ai minimi quadrati generalizzati (Allen e Tett, 1999; vedi anche Hasselmann, 1993, 1997)

Il crescente livello di fiducia sull’attribuzione del cambiamento climatico ai GHG espresso dall’IPCC e da altri negli ultimi due decenni si basa principalmente sui numerosi studi che utilizzano il metodo AT99, incluso il test RC. La metodologia è ancora ampiamente utilizzata, anche se con un paio di modifiche minori che non affrontano i difetti identificati nella mia critica. (Total Least Squares o TLS, per esempio, introduce nuovi pregiudizi e problemi che analizzo altrove; e i metodi di regolarizzazione per ottenere una matrice inversa non risolvono i difetti teorici sottostanti). Vi sono stati pochi atti di attribuzione con altri metodi, compresi quelli citati dal TAR. Le analisi “temporali” o di serie temporali hanno i loro difetti che affronterò separatamente (in breve, la regressione delle temperature I(0) sulle forzanti I(1) crea ovvi problemi di interpretazione).

Il teorema di Gauss-Markov (GM)

Come con i metodi di regressione in generale, tutto in questa discussione è incentrato sul Teorema GM. Ci sono due condizioni GM che un modello di regressione deve soddisfare per essere BLU. Il primo, chiamato omoschedasticità, è che le varianze di errore devono essere costanti in tutto il campione. Il secondo, chiamato indipendenza condizionale, è che i valori attesi dei termini di errore devono essere indipendenti dalle variabili esplicative. Se l’omoschedasticità fallisce, i coefficienti dei minimi quadrati saranno ancora imparziali ma le loro stime della varianza saranno distorte. Se l’indipendenza condizionale fallisce, i coefficienti dei minimi quadrati e le loro varianze saranno distorti e incoerenti e l’output del modello di regressione è inaffidabile. (“Incoerente” significa che la distribuzione del coefficiente non converge sulla risposta giusta anche se la dimensione del campione diventa infinita.)

Insegno il teorema GM ogni anno in econometria introduttiva. (Per inciso, ciò significa che sono consapevole dei modi in cui ho semplificato eccessivamente la presentazione, ma puoi fare riferimento al documento e alle sue fonti per la versione formale). Appare vicino all’inizio di un corso introduttivo all’analisi di regressione. Non è un concetto oscuro o avanzato, è il fondamento delle tecniche di modellazione di regressione. Gran parte dell’econometria consiste nel verificare e porre rimedio alle violazioni delle condizioni GM.

Il metodo AT99

(Non è essenziale capire questo paragrafo, ma aiuta per quanto segue.) Optimal Fingerprinting funziona regredendo i dati climatici osservati su analoghi simulati da modelli climatici che sono costruiti per includere o omettere forzature specifiche. I coefficienti di regressione forniscono quindi la base per l’inferenza causale per quanto riguarda la forzatura e la stima dell’entità dell’influenza di ciascun fattore. Gli autori prima di AT99 hanno sostenuto che il fallimento della condizione di omoschedasticità potrebbe ostacolare il rilevamento del segnale, quindi hanno proposto di trasformare le osservazioni premoltiplicandole per una matrice P che è costruita come la radice della matrice dell’inverso di una matrice C di “rumore climatico”, essa stessa calcolata utilizzando le covarianze dei controlli preindustriali dei modelli climatici. Ma poiché C non è di rango completo, il suo inverso non esiste, quindi P può essere invece calcolato utilizzando uno pseudo inverso di Moore-Penrose, selezionando un rango che in pratica è molto più piccolo del numero di osservazioni nel modello di regressione stesso.

L’errore principale in AT99

AT99 ha affermato che il modello di regressione del rilevamento del segnale applicando i pesi della matrice P è omoschedastico per costruzione, quindi soddisfa le condizioni GM, quindi le sue stime sono imparziali ed efficienti (BLUE). Anche se il loro modello produce errori omoschedastici (cosa non garantita) la loro affermazione è ovviamente errata: hanno tralasciato l’assunzione di indipendenza condizionale. Né AT99 né, per quanto ho visto, nessuno nel campo del rilevamento del clima ha mai menzionato l’assunzione dell’indipendenza condizionata né discusso su come testarla né sulle conseguenze se dovesse fallire.

E fallisce, di routine nella modellazione di regressione; e quando fallisce, i risultati possono essere clamorosamente sbagliati, inclusi segni sbagliati e grandezze insignificanti. Ma non lo saprai a meno che non verifichi violazioni specifiche. Nella prima versione del mio articolo (scritto nell’estate 2019) ho criticato la derivazione AT99 e poi ho eseguito una suite di regressioni di impronte digitali ottimali in stile AT99 utilizzando 9 diversi modelli climatici e ho mostrato che normalmente falliscono i test di indipendenza condizionale standard. E quando ho implementato alcuni rimedi standard, il segnale del gas serra non era più rilevabile. Ho inviato quella bozza ad Allen e Tett alla fine dell’estate 2019 e ho chiesto i loro commenti, che si sono impegnati a fornire. Ma non avendone sentito nessuno dopo diversi mesi l’ho presentato al Journal of Climate, chiedendo ad Allen e Tett di esaminarlo. Tett ha fornito una recensione costruttiva (firmata), così come altri due revisori anonimi, uno dei quali era chiaramente un econometrico (un altro avrebbe potuto essere Allen ma era anonimo quindi non lo so). Dopo diversi round la carta è stata respinta. Sebbene Tett e l’econometrico abbiano sostenuto la pubblicazione, l’altro revisore e l’editore non hanno apprezzato la mia proposta di metodologia alternativa. Ma nessuno dei revisori ha contestato la mia critica alla gestione del teorema GM da parte di AT99. Quindi ho ritagliato quella parte e l’ho inviata nell’inverno 2021 a Climate Dynamics, che l’ha accettata dopo 3 round di revisione.

Altri problemi

Nel mio articolo elenco cinque ipotesi che sono necessarie affinché il modello AT99 produca coefficienti BLU, non tutte quelle indicate da AT99. Tutti e 5 falliscono per costruzione. Elencherò anche 6 condizioni che devono essere dimostrate affinché il metodo AT99 sia valido. In assenza di tali prove non vi è alcuna base per affermare che i risultati del metodo AT99 siano imparziali o coerenti, e i risultati del metodo AT99 (incluso l’uso del test RC) non dovrebbero essere considerati affidabili per quanto riguarda l’effetto dei GHG su il clima.

Un punto che sostengo è che l’assunzione che uno stimatore di C fornisca una stima valida delle covarianze di errore significa che il metodo AT99 non può essere utilizzato per verificare un’ipotesi nulla che i gas serra non abbiano effetto sul clima. Perchè no? Perché un principio elementare del test di ipotesi è che la distribuzione di una statistica test sotto l’assunzione che l’ipotesi nulla sia vera non può essere condizionata al fatto che l’ipotesi nulla sia falsa. L’uso di un modello climatico per generare i pesi di omoschedasticità richiede al ricercatore di assumere che i pesi siano una rappresentazione fedele dei processi e delle dinamiche climatiche. Il modello climatico incorpora il presupposto che i gas serra abbiano un impatto climatico significativo. O, equivalentemente, che i processi naturali da soli non possono generare una vasta classe di eventi osservati nel clima, mentre i gas serra possono. Non è quindi possibile utilizzare i pesi generati dal modello climatico per costruire un test dell’assunzione che i processi naturali da soli potrebbero generare la classe di eventi osservati nel clima.

Un altro problema meno ovvio è l’assunzione che l’uso della pseudo inversa di Moore-Penrose non abbia implicazioni per sostenere che il risultato soddisfi le condizioni GM. Ma la riduzione del rango dello stimatore della matrice di covarianza risultante significa che è distorto e incoerente e che le condizioni GM falliscono automaticamente. Come spiego nell’articolo, esiste un’alternativa semplice e ben nota all’uso dei pesi della matrice P: l’uso dello stimatore della matrice di covarianza coerente con l’eteroschedasticità di White (1980), che è noto da tempo per produrre stime della varianza coerenti. Aveva già 20 anni ed era in uso ovunque (a parte la climatologia apparentemente) al momento dell’AT99, ma hanno optato invece per un metodo che è molto più difficile da usare e produce risultati distorti e incoerenti.

Il test RC

AT99 ha affermato che una statistica di test formata utilizzando i residui di regressione del rilevamento del segnale e la matrice C da un modello climatico indipendente segue una distribuzione chi-quadrato centrata, e se tale punteggio del test è piccolo rispetto al valore critico chi-quadrato del 95%, il il modello è convalidato. In particolare, l’ipotesi nulla non è respinta.

Ma qual è l’ipotesi nulla? Sorprendentemente non è mai stato scritto matematicamente sul giornale. Tutto ciò che AT99 ha fornito era un vago gruppo di affermazioni sui modelli di rumore, che si concludeva con un’affermazione di vasta portata secondo cui se il test non rifiuta, “allora non abbiamo motivi espliciti per diffidare delle stime di incertezza basate sulla nostra analisi”. Di conseguenza, i ricercatori hanno trattato il test RC come comprendente ogni possibile errore di specifica, compresi quelli che non hanno alcuna connessione razionale con esso, trattando erroneamente il non rifiuto come una convalida completa della specifica del modello di regressione di rilevamento del segnale.

Questo mi è incomprensibile. Se nel 1999 qualcuno avesse presentato un articolo anche a una rivista di economia di basso rango proponendo un test di specifica nel modo in cui ha fatto AT99, sarebbe stato annientato durante la revisione. Non hanno formulato matematicamente l’ipotesi nulla o elencato le ipotesi necessarie per dimostrare la sua distribuzione (anche asintoticamente, figuriamoci esattamente), non hanno fornito analisi del suo potere contro le alternative né hanno formulato ipotesi alternative in qualsiasi forma, quindi i lettori non hanno idea di cosa implica il rifiuto o il non rifiuto. In particolare, non hanno stabilito alcun legame tra il test RC e le condizioni GM. Fornisco nel documento una semplice descrizione di un caso in cui il modello AT99 potrebbe essere distorto e incoerente per costruzione, ma il test RC non rifiuterebbe mai. E supponendo che il test RC respinga, quale condizione GM fallisce quindi? Niente nel loro documento lo spiega. È l’unico test delle specifiche utilizzato nella letteratura sulle impronte digitali ed è assolutamente privo di significato.

Il processo di revisione

Quando ho inviato il mio articolo a CD ho chiesto che Allen e Tett avessero la possibilità di fornire una risposta che sarebbe stata esaminata insieme ad essa. Per quanto ne so, questo non è accaduto, invece il mio articolo è stato esaminato in isolamento. Quando sono stato informato della sua accettazione alla fine di luglio, ho inviato loro una copia con l’offerta di ritardare la pubblicazione fino a quando non avessero avuto la possibilità di preparare una risposta, se lo desideravano. Non ho ricevuto risposta da nessuno dei due, quindi ho proceduto a modificare e approvare le bozze. Allora ho scritto loro di nuovo, offrendo di ritardare ulteriormente se volevano produrre una risposta. Questa volta Tett ha risposto con alcuni commenti di supporto sul mio precedente articolo e mi ha incoraggiato ad andare avanti e pubblicare il mio commento. Spero che forniranno una risposta a un certo punto, ma nel frattempo la mia critica ha superato la revisione paritaria ed è incontrastata.

Indovinare potenziali obiezioni

1. Sì, ma guarda tutti i documenti nel corso degli anni che hanno applicato con successo il metodo AT99 e hanno rilevato un ruolo per i GHG. Risposta: il fatto che una metodologia errata venga utilizzata centinaia di volte non rende la metodologia affidabile, significa solo che sono stati pubblicati molti risultati errati. E l’incapacità di individuare i problemi significa che le persone che lavorano nella letteratura sul rilevamento del segnale/impronta digitale ottimale non sono ben addestrate nei metodi GLS. Le persone hanno assunto, erroneamente, che il metodo AT99 fornisca stime “BLUE” – cioè imparziali ed efficienti. Forse alcuni dei risultati passati erano corretti. Il problema è che la base su cui la gente lo ha detto non è valida, quindi nessuno lo sa.
2. Sì, ma le persone hanno utilizzato altri metodi che rilevano anche un ruolo causale per i gas serra. Risposta: lo so. Ma nei rapporti passati dell’IPCC hanno riconosciuto che questi metodi sono più deboli per quanto riguarda la prova della causalità e si basano ancora più esplicitamente sull’assunto che i modelli climatici siano perfetti. E i metodi basati sull’analisi delle serie temporali non hanno affrontato adeguatamente il problema degli ordini di integrazione non corrispondenti tra forzanti e temperature osservate. Ho un nuovo lavoro coautore su questo in corso.
3. Sì, ma questo è solo un pignolo teorico e non ho dimostrato che i risultati pubblicati in precedenza siano falsi. Risposta: Quello che ho dimostrato è che la base per la fiducia in loro è inesistente. AT99 ha correttamente evidenziato l’importanza del teorema GM ma ha incasinato la sua applicazione. In altri lavori (che appariranno a tempo debito) ho scoperto che i comuni risultati di rilevamento del segnale, anche in set di dati recenti, non sopravvivono rimediando ai guasti delle condizioni GM. Se qualcuno pensa che le mie argomentazioni siano semplici pignoli e crede che il metodo AT99 sia fondamentalmente valido, ho elencato le sei condizioni che devono essere dimostrate per supportare tale affermazione. Buona fortuna.

Sono consapevole che AT99 è stato seguito da Allen e Stott (2003) che ha proposto TLS per la gestione degli errori nelle variabili. Questo non allevia nessuno dei problemi che ho sollevato qui. E in un articolo separato sostengo che TLS corregge eccessivamente, impartendo una tendenza al rialzo e causando una grave inefficienza. Sto presentando un documento alla conferenza sull’econometria del clima di quest’anno che discute questi risultati.

Implicazioni

Il Sommario AR6 paragrafo A.1 migliora la fiducia dell’IPCC nell’attribuzione di “Unequivoco” e il comunicato stampa vanta “grandi progressi nella scienza dell’attribuzione”. In realtà, negli ultimi 20 anni, la professione di climatologia è stata ignara degli errori nell’AT99 e non si è preoccupata della completa assenza di test delle specifiche nella successiva letteratura sulle impronte digitali. Questi problemi significano che non ci sono basi per trattare i risultati di attribuzione passati basati sul metodo AT99 come robusti o validi. Le conclusioni potrebbero essere state per caso corrette, o totalmente imprecise; ma senza correggere la metodologia e applicare test standard per i fallimenti delle condizioni GM è solo una congettura dire di più.

Guarda anche:

La scienza NON è stabilita

L’ultimo rapporto sul clima dell’IPCC è antiscientifico e antiumano — Rifiutalo

---

---