{"id":2743,"date":"2010-01-17T11:02:30","date_gmt":"2010-01-17T16:02:30","guid":{"rendered":"http:\/\/www.realclimate.org\/?p=2743"},"modified":"2010-07-27T10:24:04","modified_gmt":"2010-07-27T15:24:04","slug":"2009-temperatures-by-jim-hansen","status":"publish","type":"post","link":"https:\/\/www.realclimate.org\/index.php\/archives\/2010\/01\/2009-temperatures-by-jim-hansen\/","title":{"rendered":"2009 temperatures by Jim Hansen"},"content":{"rendered":"
\n

This is Hansen et al’s end of year summary for 2009<\/a> (with a couple of minor edits). Update:<\/strong> A final version of this text is available here<\/a>.<\/small><\/p>\n

If\u00a0It\u2019s\u00a0That\u00a0Warm,\u00a0How\u00a0Come\u00a0It\u2019s\u00a0So\u00a0Damned\u00a0Cold?\u00a0<\/h3>\n

\u00a0
\nby James\u00a0Hansen, Reto\u00a0Ruedy, Makiko\u00a0Sato,\u00a0and Ken Lo<\/small>
\n\u00a0
\nThe past year, 2009, tied as the second warmest year in the 130 years of global instrumental temperature records, in the surface temperature analysis<\/a> of the NASA Goddard Institute for Space Studies (GISS). The Southern Hemisphere set a record as the warmest year for that half of the world. Global mean temperature, as shown in Figure 1a, was 0.57\u00b0C (1.0\u00b0F) warmer than climatology (the 1951-1980 base period). Southern Hemisphere mean temperature, as shown in Figure 1b, was 0.49\u00b0C (0.88\u00b0F) warmer than in the period of climatology. <\/p>\n

<\/a>
\nFigure 1. (a) GISS analysis of global surface temperature change. Green vertical bar is estimated 95 percent confidence range (two standard deviations) for annual temperature change. (b) Hemispheric temperature change in GISS analysis. (Base period is 1951-1980. This base period is fixed consistently in GISS temperature analysis papers – see References. Base period 1961-1990 is used for comparison with published HadCRUT analyses in Figures 3 and 4.) <\/i> <\/p>\n

The global record warm year, in the period of near-global instrumental measurements (since the late 1800s), was 2005. Sometimes it is asserted that 1998 was the warmest year. The origin of this confusion is discussed below. There is a high degree of interannual (year\u2010to\u2010year) and decadal variability in both global and hemispheric temperatures. Underlying this variability, however, is a long\u2010term warming trend that has become strong and persistent over the past three decades. The long\u2010term trends are more apparent when temperature is averaged over several years. The 60\u2010month (5\u2010year) and 132 month (11\u2010year) running mean temperatures are shown in Figure 2 for the globe and the hemispheres. The 5\u2010year mean is sufficient to reduce the effect of the El Ni\u00f1o \u2013 La Ni\u00f1a cycles of tropical climate. The 11\u2010year mean minimizes the effect of solar variability \u2013 the brightness of the sun varies by a measurable amount over the sunspot cycle, which is typically of 10\u201012 year duration.
\n
\nC’est le r\u00e9sum\u00e9 pour 2009<\/a> de Hansen et collaborateurs’, (avec quelques modifications mineures).<\/p>\n

“Si \u00e7a se r\u00e9chauffe tant, bon sang, pourquoi fait-il si froid?”<\/h3>\n

par James Hansen, Reto Ruedy, Makiko Sato, and Ken Lo (Traduction par Xavier P\u00e9tillon)<\/small>
\n<\/lang_fr>
\n<\/p>\n

<\/a>
\nFigure 2. 60\u2010month (5\u2010year) and 132 month (11\u2010year) running mean temperatures in the GISS analysis of (a) global and (b) hemispheric surface temperature change. (Base period is 1951\u20101980.)<\/i><\/p>\n

There is a contradiction between the observed continued warming trend and popular perceptions about climate trends. Frequent statements include: \u201cThere has been global cooling over the past decade.\u201d \u201cGlobal warming stopped in 1998.\u201d \u201c1998 is the warmest year in the record.\u201d Such statements have been repeated so often that most of the public seems to accept them as being true. However, based on our data, such statements are not correct. The origin of this contradiction probably lies in part in differences between the GISS and HadCRUT temperature analyses (HadCRUT is the joint Hadley Centre\/University of East Anglia Climatic Research Unit temperature analysis). Indeed, HadCRUT finds 1998 to be the warmest year in their record. In addition, popular belief that the world is cooling is reinforced by cold weather anomalies in the United States in the summer of 2009 and cold anomalies in much of the Northern Hemisphere in December 2009. Here we first show the main reason for the difference between the GISS and HadCRUT analyses. Then we examine the 2009 regional temperature anomalies in the context of global temperatures. <\/p>\n

<\/a>
\nFigure 3. Temperature anomalies in 1998 (left column) and 2005 (right column). Top row is GISS analysis, middle row is HadCRUT analysis, and bottom row is the GISS analysis masked to the same area and resolution as the HadCRUT analysis. [Base period is 1961\u20101990.]<\/i><\/p>\n

Figure 3 shows maps of GISS and HadCRUT 1998 and 2005 temperature anomalies relative to base period 1961\u20101990 (the base period used by HadCRUT). The temperature anomalies are at a 5 degree\u2010by\u20105 degree resolution for the GISS data to match that in the HadCRUT analysis. In the lower two maps we display the GISS data masked to the same area and resolution as the HadCRUT analysis. The \u201cmasked\u201d GISS data let us quantify the extent to which the difference between the GISS and HadCRUT analyses is due to the data interpolation and extrapolation that occurs in the GISS analysis. The GISS analysis assigns a temperature anomaly to many gridboxes that do not contain measurement data, specifically all gridboxes located within 1200 km of one or more stations that do have defined temperature anomalies. <\/p>\n

The rationale for this aspect of the GISS analysis is based on the fact that temperature anomaly patterns tend to be large scale. For example, if it is an unusually cold winter in New York, it is probably unusually cold in Philadelphia too. This fact suggests that it may be better to assign a temperature anomaly based on the nearest stations for a gridbox that contains no observing stations, rather than excluding that gridbox from the global analysis. Tests of this assumption are described in our papers referenced below. <\/p>\n

<\/a>
\nFigure 4. Global surface temperature anomalies relative to 1961\u20101990 base period for three cases: HadCRUT, GISS, and GISS anomalies limited to the HadCRUT area. [To obtain consistent time series for the HadCRUT and GISS global means, monthly results were averaged over regions with defined temperature anomalies within four latitude zones (90N\u201025N, 25N\u2010Equator, Equator\u201025S, 25S\u201090S); the global average then weights these zones by the true area of the full zones, and the annual means are based on those monthly global means.]<\/i> <\/p>\n

Figure 4 shows time series of global temperature for the GISS and HadCRUT analyses, as well as for the GISS analysis masked to the HadCRUT data region. This figure reveals that the differences that have developed between the GISS and HadCRUT global temperatures during the past few decades are due primarily to the extension of the GISS analysis into regions that are excluded from the HadCRUT analysis. The GISS and HadCRUT results are similar during this period, when the analyses are limited to exactly the same area. The GISS analysis also finds 1998 as the warmest year, if analysis is limited to the masked area. The question then becomes: how valid are the extrapolations and interpolation in the GISS analysis? If the temperature anomaly scale is adjusted such that the global mean anomaly is zero, the patterns of warm and cool regions have realistic\u2010looking meteorological patterns, providing qualitative support for the data extensions. However, we would like a quantitative measure of the uncertainty in our estimate of the global temperature anomaly caused by the fact that the spatial distribution of measurements is incomplete. One way to estimate that uncertainty, or possible error, can be obtained via use of the complete time series of global surface temperature data generated by a global climate model that has been demonstrated to have realistic spatial and temporal variability of surface temperature. We can sample this data set at only the locations where measurement stations exist, use this sub\u2010sample of data to estimate global temperature change with the GISS analysis method, and compare the result with the \u201cperfect\u201d knowledge of global temperature provided by the data at all gridpoints.<\/p>\n\n\n\n\n
<\/th>\n1880\u20101900<\/th>\n1900\u20101950<\/th>\n1960\u20102008<\/th>\n<\/tr>\n
Meteorological Stations<\/td>\n0.2<\/td>\n0.15<\/td>\n0.08<\/td>\n<\/tr>\n
Land\u2010Ocean Index<\/td>\n0.08<\/td>\n0.05<\/td>\n0.05 <\/td>\n<\/tr>\n<\/table>\n

Table 1. Two\u2010sigma error estimate versus period for meteorological stations and land\u2010ocean index.<\/i><\/p>\n

Table 1 shows the derived error due to incomplete coverage of stations. As expected, the error was larger at early dates when station coverage was poorer. Also the error is much larger when data are available only from meteorological stations, without ship or satellite measurements for ocean areas. In recent decades the 2\u2010sigma uncertainty (95 percent confidence of being within that range, ~2\u20103 percent chance of being outside that range in a specific direction) has been about 0.05\u00b0C. The incomplete coverage of stations is the primary cause of uncertainty in comparing nearby years, for which the effect of more systematic errors such as urban warming is small.<\/p>\n

Additional sources of error become important when comparing temperature anomalies separated by longer periods. The most well\u2010known source of long\u2010term error is \u201curban warming\u201d, human\u2010made local warming caused by energy use and alterations of the natural environment. Various other errors affecting the estimates of long\u2010term temperature change are described comprehensively in a large number of papers by Tom Karl and his associates at the NOAA National Climate Data Center. The GISS temperature analysis corrects for urban effects by adjusting the long\u2010term trends of urban stations to be consistent with the trends at nearby rural stations, with urban locations identified either by population or satellite\u2010observed night lights. In a paper in preparation we demonstrate that the population and night light approaches yield similar results on global average. The additional error caused by factors other than incomplete spatial coverage is estimated to be of the order of 0.1\u00b0C on time scales of several decades to a century, this estimate necessarily being partly subjective. The estimated total uncertainty in global mean temperature anomaly with land and ocean data included thus is similar to the error estimate in the first line of Table 1, i.e., the error due to limited spatial coverage when only meteorological stations are included.<\/p>\n

Now let\u2019s consider whether we can specify a rank among the recent global annual temperatures, i.e., which year is warmest, second warmest, etc. Figure 1a shows 2009 as the second warmest year, but it is so close to 1998, 2002, 2003, 2006, and 2007 that we must declare these years as being in a virtual tie as the second warmest year. The maximum difference among these in the GISS analysis is ~0.03\u00b0C (2009 being the warmest among those years and 2006 the coolest). This range is approximately equal to our 1\u2010sigma uncertainty of ~0.025\u00b0C, which is the reason for stating that these five years are tied for second warmest. <\/p>\n

The year 2005 is 0.061\u00b0C warmer than 1998 in our analysis. So how certain are we that 2005 was warmer than 1998? Given the standard deviation of ~0.025\u00b0C for the estimated error, we can estimate the probability that 1998 was warmer than 2005 as follows. The chance that 1998 is 0.025\u00b0C warmer than our estimated value is about (1 \u2013 0.68)\/2 = 0.16. The chance that 2005 is 0.025\u00b0C cooler than our estimate is also 0.16. The probability of both of these is ~0.03 (3 percent). Integrating over the tail of the distribution and accounting for the 2005\u20101998 temperature difference being 0.61\u00b0C alters the estimate in opposite directions. For the moment let us just say that the chance that 1998 is warmer than 2005, given our temperature analysis, is at most no more than about 10 percent. Therefore, we can say with a reasonable degree of confidence that 2005 is the warmest year in the period of instrumental data. <\/p>\n

<\/a>
\nFigure 5. (a) global map of December 2009 anomaly, (b) global map of Jun\u2010Jul\u2010Aug 2009 anomaly. #4 and #2 indicate that December 2009 and JJA are the 4th and 2nd warmest globally for those periods.<\/i> <\/p>\n

What about the claim that the Earth\u2019s surface has been cooling over the past decade? That issue can be addressed with a far higher degree of confidence, because the error due to incomplete spatial coverage of measurements becomes much smaller when averaged over several years. The 2\u2010sigma error in the 5\u2010year running\u2010mean temperature anomaly shown in Figure 2, is about a factor of two smaller than the annual mean uncertainty, thus 0.02\u20100.03\u00b0C. Given that the change of 5\u2010year\u2010mean global temperature anomaly is about 0.2\u00b0C over the past decade, we can conclude that the world has become warmer over the past decade, not cooler. <\/p>\n

Why are some people so readily convinced of a false conclusion, that the world is really experiencing a cooling trend? That gullibility probably has a lot to do with regional short\u2010term temperature fluctuations, which are an order of magnitude larger than global average annual anomalies. Yet many lay people do understand the distinction between regional short\u2010term anomalies and global trends. For example, here is comment posted by \u201cfrogbandit\u201d at 8:38p.m. 1\/6\/2010 on City Bright blog<\/a>: <\/p>\n

\n\u201cI wonder about the people who use cold weather to say that the globe is cooling. It forgets that global warming has a global component and that its a trend, not an everyday thing. I hear people down in the lower 48 say its really cold this winter. That ain’t true so far up here in Alaska. Bethel, Alaska, had a brown Christmas. Here in Anchorage, the temperature today is 31[\u00baF]. I can’t say based on the fact Anchorage and Bethel are warm so far this winter that we have global warming. That would be a really dumb argument to think my weather pattern is being experienced even in the rest of the United States, much less globally.\u201d\n<\/p><\/blockquote>\n

What frogbandit is saying is illustrated by the global map of temperature anomalies in December 2009 (Figure 5a). There were strong negative temperature anomalies at middle latitudes in the Northern Hemisphere, as great as \u20108\u00b0C in Siberia, averaged over the month. But the temperature anomaly in the Arctic was as great as +7\u00b0C. The cold December perhaps reaffirmed an impression gained by Americans from the unusually cool 2009 summer. There was a large region in the United States and Canada in June\u2010July\u2010August with a negative temperature anomaly greater than 1\u00b0C, the largest negative anomaly on the planet. <\/p>\n

<\/a>
\nFigure 6. Arctic Oscillation (AO) Index. Positive values of the AO index indicate high<\/del> low pressure in the polar region and thus a tendency for strong zonal winds that minimize cold air outbreaks to middle latitudes. Blue dots are monthly means and the red curve is the 60\u2010month (5\u2010year) running mean. <\/i><\/p>\n

How do these large regional temperature anomalies stack up against an expectation of, and the reality of, global warming? How unusual are these regional negative fluctuations? Do they have any relationship to global warming? Do they contradict global warming?<\/p>\n

It is obvious that in December 2009 there was an unusual exchange of polar and mid\u2010latitude air in the Northern Hemisphere. Arctic air rushed into both North America and Eurasia, and, of course, it was replaced in the polar region by air from middle latitudes. The degree to which Arctic air penetrates into middle latitudes is related to the Arctic Oscillation (AO) index, which is defined by surface atmospheric pressure patterns and is plotted in Figure 6. When the AO index is positive surface pressure is high<\/del> low in the polar region. This helps the middle latitude jet stream to blow strongly and consistently from west to east, thus keeping cold Arctic air locked in the polar region. When the AO index is negative there tends to be low<\/del> high pressure in the polar region, weaker zonal winds, and greater movement of frigid polar air into middle latitudes.<\/p>\n

Figure 6 shows that December 2009 was the most extreme negative Arctic Oscillation since the 1970s. Although there were ten cases between the early 1960s and mid 1980s with an AO index more extreme than \u20102.5, there were no such extreme cases since then until last month. It is no wonder that the public has become accustomed to the absence of extreme blasts of cold air. <\/p>\n

<\/a>
\nFigure 7. Temperature anomaly from GISS analysis and AO index<\/a> from NOAA National Weather Service Climate Prediction Center. United States mean refers to the 48 contiguous states.<\/i> <\/p>\n

Figure 7 shows the AO index with greater temporal resolution for two 5\u2010year periods. It is obvious that there is a high degree of correlation of the AO index with temperature in the United States, with any possible lag between index and temperature anomaly less than the monthly temporal resolution. Large negative anomalies, when they occur, are usually in a winter month. Note that the January 1977 temperature anomaly, mainly located in the Eastern United States, was considerably stronger than the December 2009 anomaly. [There is nothing magic about a 31 day window that coincides with a calendar month, and it could be misleading. It may be more informative to look at a 30\u2010day running mean and at the Dec\u2010Jan\u2010Feb means for the AO index and temperature anomalies.] <\/p>\n

The AO index is not so much an explanation for climate anomaly patterns as it is a simple statement of the situation. However, John (Mike) Wallace and colleagues have been able to use the AO description to aid consideration of how the patterns may change as greenhouse gases increase. A number of papers, by Wallace, David Thompson, and others, as well as by Drew Shindell<\/a> and others at GISS<\/a>, have pointed out that increasing carbon dioxide causes the stratosphere to cool, in turn causing on average a stronger jet stream and thus a tendency for a more positive Arctic Oscillation. Overall, Figure 6 shows a tendency in the expected sense. The AO is not the only factor that might alter the frequency of Arctic cold air outbreaks. For example, what is the effect of reduced Arctic sea ice on weather patterns? There is not enough empirical evidence since the rapid ice melt of 2007. We conclude only that December 2009 was a highly anomalous month and that its unusual AO can be described as the \u201ccause\u201d of the extreme December weather. <\/p>\n

We do not find a basis for expecting frequent repeat occurrences. On the contrary. Figure 6 does show that month\u2010to\u2010month fluctuations of the AO are much larger than its long term trend. But temperature change can be caused by greenhouse gases and global warming independent of Arctic Oscillation dynamical effects. <\/p>\n

<\/a>
\nFigure 8. Global maps 4 season temperature anomalies for ~2009. (Note that Dec is December 2008. Base period is 1951\u20101980.)<\/i><\/p>\n

<\/a>
\nFigure 9. Global maps 4 season temperature anomaly trends for period 1950\u20102009.<\/i><\/p>\n

So let\u2019s look at recent regional temperature anomalies and temperature trends. Figure 8 shows seasonal temperature anomalies for the past year and Figure 9 shows seasonal temperature change since 1950 based on local linear trends. The temperature scales are identical in Figures 8 and 9. The outstanding characteristic in comparing these two figures is that the magnitude of the 60 year change is similar to the magnitude of seasonal anomalies. What this is telling us is that the climate dice are already strongly loaded. The perceptive person who has been around since the 1950s should be able to notice that seasonal mean temperatures are usually greater than they were in the 1950s, although there are still occasional cold seasons. <\/p>\n

The magnitude of monthly temperature anomalies is typically 1.5 to 2 times greater than the magnitude of seasonal anomalies. So it is not yet quite so easy to see global warming if one\u2019s figure of merit is monthly mean temperature. And, of course, daily weather fluctuations are much larger than the impact of the global warming trend. The bottom line is this: there is no global cooling trend. For the time being, until humanity brings its greenhouse gas emissions under control, we can expect each decade to be warmer than the preceding one. Weather fluctuations certainly exceed local temperature changes over the past half century. But the perceptive person should be able to see that climate is warming on decadal time scales. <\/p>\n

This information needs to be combined with the conclusion that global warming of 1\u20102\u00b0C has enormous implications for humanity. But that discussion is beyond the scope of this note. <\/p>\n


\nReferences:<\/strong>
\n Hansen, J.E., and S. Lebedeff, 1987: Global trends of measured surface air temperature<\/a>. J. Geophys. Res., 92, 13345\u201013372.
\n Hansen, J., R. Ruedy, J. Glascoe, and Mki. Sato, 1999: GISS analysis of surface temperature change<\/a>. J. Geophys. Res., 104, 30997\u201031022.
\n Hansen, J.E., R. Ruedy, Mki. Sato, M. Imhoff, W. Lawrence, D. Easterling, T. Peterson, and T. Karl, 2001: A closer look at United States and global surface temperature change.<\/a> J. Geophys. Res., 106, 23947\u201023963.
\n Hansen, J., Mki. Sato, R. Ruedy, K. Lo, D.W. Lea, and M. Medina\u2010Elizade, 2006: Global temperature change.<\/a> Proc. Natl. Acad. Sci., 103, 14288\u201014293.
\n<\/small><\/p>\n


\nL’ann\u00e9e pass\u00e9e, 2009, passe pour \u00eatre la seconde ann\u00e9e la plus chaude depuis 130 ans d’enregistrements instrumentaux de la temp\u00e9rature globale, dans l’analyse de temp\u00e9rature de surface<\/a> par l’Institut Goddard pour les \u00e9tudes spatiales de la NASA (GISS). L’h\u00e9misph\u00e8re sud bat un record comme le plus chaud pour cette moiti\u00e9 du monde. La temp\u00e9rature globale moyenne, comme montr\u00e9 dans l’illustration 1a, fut plus chaude de 0,57\u00b0C (1\u00b0F) que la p\u00e9riode climatologique (p\u00e9riode de base 1951-1980). L’h\u00e9misph\u00e8re sud, comme montr\u00e9 dans l’illustration 1b, fut plus chaud de 0,49\u00b0C (0,88\u00b0F) que la p\u00e9riode climatologique.<\/p>\n

<\/a><\/p>\n

Illustration 1: (a) analyse du GISS pour les changements de la temp\u00e9rature globale de surface. La barre verticale verte est l’estimation \u00e0 l’intervalle de confiance de 95% (deux \u00e9carts-type) pour le changement annuel de temp\u00e9rature. (b) Changement des
\ntemp\u00e9ratures des h\u00e9misph\u00e8res dans l’analyse du GISS. (P\u00e9riode de base 1951-1980. Cette p\u00e9riode de base est est syst\u00e9matiquement fix\u00e9e pour tous les articles du GISS concernant l’analyse de la temp\u00e9rature – voir les r\u00e9f\u00e9rences. La p\u00e9riode de base 1961-1990 est utilis\u00e9e pour les comparaisons avec les analyses publi\u00e9es du HadCRUT dans les illustrations 3 et 4).<\/i><\/p>\n

L’enregistrement de l’ann\u00e9e globalement la plus chaude, dans la p\u00e9riode d’utilisation des mesures instrumentales globales (depuis la fin du XIX\u00e8me si\u00e8cle) \u00e9tait 2005. Il est quelques fois avanc\u00e9 que 1998 \u00e9tait la plus chaude. L’origine de cette confusion est discut\u00e9e ci-apr\u00e8s. Il y a un fort degr\u00e9 de variabilit\u00e9 interannuelle (ann\u00e9e par ann\u00e9e) et d\u00e9c\u00e9nnale \u00e0 la fois dans les temp\u00e9ratures globales et h\u00e9misph\u00e9riques. Sous-tendant cette variabilit\u00e9, n\u00e9anmoins, on trouve une tendance au r\u00e9chauffement de long terme qui devient plus fort et persistant [tenace] au cours des trois derni\u00e8res d\u00e9cennies. Les tendances de long terme sont plus apparentes quand les temp\u00e9ratures sont moyenn\u00e9es sur plusieurs ann\u00e9es. Les temp\u00e9ratures en moyennes mobiles sur 60 mois (5 ans) et 132 mois (11 ans) sont montr\u00e9es dans la figure 2 pour le globe et les h\u00e9misph\u00e8res. La moyenne sur 5 ans est suffisante pour r\u00e9duire l’effet du cycle climatique tropical El Ni\u00f1o-El Ni\u00f1a. La moyenne sur 11 ans minimise l’effet de la variabilit\u00e9 solaire – la luminosit\u00e9 solaire varie significativement pendant le cycle de t\u00e2ches solaires, qui est g\u00e9n\u00e9ralement d’une dur\u00e9e de l’ordre de 10-12 ans.<\/p>\n

<\/a><\/p>\n

Illustration 2: Temp\u00e9ratures en moyennes mobiles sur 60 (5 ans) et 132 (11 ans) mois dans l’analyse du GISS pour les changements de temp\u00e9rature de surface (a) globale et (b) des h\u00e9misph\u00e8res.(p\u00e9riode de base 1951-1980).<\/i><\/p>\n

Il y a une contradiction entre la tendance observ\u00e9e et continue au r\u00e9chauffement et la perception populaire des tendances climatiques. Ce type de perception inclut fr\u00e9quemment ces assertions \u00ab\u00a0 Il y a eu un refroidissement global ces derni\u00e8res 10 ann\u00e9es.\u00a0\u00bb \u00ab\u00a0Le r\u00e9chauffement global s’est arr\u00eat\u00e9 en 1998.\u00a0\u00bb \u00ab\u00a01998 est l’ann\u00e9e la plus chaude jamais enregistr\u00e9e.\u00a0\u00bb De telles d\u00e9clarations ont \u00e9t\u00e9 r\u00e9p\u00e9t\u00e9es si souvent que la plupart des gens les acceptent comme vraies. N\u00e9anmoins, selon nos donn\u00e9es, ces d\u00e9clarations ne sont pas correctes.<\/p>\n

L’origine de la contradiction se trouve probablement pour partie dans la diff\u00e9rence entre les analyses du GISS et du HadCRUT (HadCRUT est une association entre le centre Hadley et l’unit\u00e9 de recherche sur l’analyse de temp\u00e9rature de l’universit\u00e9 de East-Anglia). En effet, le HadCRUT a trouv\u00e9 que 1998 \u00e9tait l’ann\u00e9e la plus chaude enregistr\u00e9e. De plus, les croyances populaires en un refroidissement sont renforc\u00e9es par des anomalies froides aux USA \u00e0 l’\u00e9t\u00e9 2009 et dans l’h\u00e9misph\u00e8re nord en d\u00e9cembre 2009.
\nNous montrerons d’abord les principales raisons des diff\u00e9rences entre les analyses du GISS et du HadCRUT. Nous examinerons ensuite les anomalies r\u00e9gionales de 2009 dans le contexte des temp\u00e9ratures globales.<\/p>\n

<\/a><\/p>\n

Illustration 3: Anomalies de temp\u00e9ratures en 1998 (colonne de gauche) et 2005 (colonne de droite). Le rang du haut est l’analyse du GISS, celui du milieu est l’analyse du HadCRUT et le rang du bas est l’analyse du GISS masqu\u00e9e [ndt : cal\u00e9e] sur les m\u00eames zones et r\u00e9solution que l’analyse du HadCRUT. (La p\u00e9riode de base est 1961-1990.)<\/i><\/p>\n

L’illustration 3 montre les cartes des anomalies de temp\u00e9ratures du GISS et HadCRUT en 1998 et 2005 relativement \u00e0 la p\u00e9riode 1961-1990 (la p\u00e9riode de base usuelle du HadCRUT). Les anomalies de temp\u00e9ratures sont dans une r\u00e9solution de 5 en 5 degr\u00e9s g\u00e9ographiques pour les donn\u00e9es du GISS afin qu’elles correspondent \u00e0 celles de l’analyse du HadCRUT. Dans les deux cartes du bas, nous montrons les donn\u00e9es du GISS sous le m\u00eame masque en termes de r\u00e9partition g\u00e9ographique et de r\u00e9solution que celui du HadCRUT. Les donn\u00e9es du GISS \u00ab\u00a0sous masque\u00a0\u00bb nous permettent de quantifier la mani\u00e8re dont les diff\u00e9rences entre les analyses du GISS et du HadCRUT sont dues \u00e0 l’interpolation et l’extrapolation des donn\u00e9es utilis\u00e9es dans l’analyse du GISS. Cette analyse affecte
\n\u00e0 de nombreuses cases [des mod\u00e8les] une anomalie de temp\u00e9rature qui ne contiennent pas de donn\u00e9es mesur\u00e9es, sp\u00e9cifiquement dans des cases qui se trouvent \u00e0 moins de 1200 km d’une ou plusieurs stations qui ont d\u00e9fini une anomalie de temp\u00e9rature.<\/p>\n

La raison de cet aspect de l’analyse du GISS est bas\u00e9e sur le fait que le sch\u00e9ma d’une anomalie de temp\u00e9rature tend \u00e0 se produire \u00e0 grande \u00e9chelle. Par exemple, s’il y a un hiver anormalement froid \u00e0 New-York, il est probablement anormalement froid \u00e0 Philadelphie aussi. Ce fait sugg\u00e8re qu’il peut \u00eatre pr\u00e9f\u00e9rable d’affecter une anomalie de temp\u00e9rature bas\u00e9e sur les stations les plus proches de la case qui n’a aucune observation que d’exclure la case de l’analyse globale. Des tests de cette assertion sont d\u00e9crits dans nos articles r\u00e9f\u00e9renc\u00e9s plus bas.<\/p>\n


\n<\/a>
\nIllustration 4: Anomalies de la temp\u00e9rature de surface globale relativement \u00e0 la p\u00e9riode de base 1961-1990 pour trois cas\u00a0: HadCRUT, GISS et anomalies du GISS limit\u00e9es \u00e0 l’aire HadCRUT. [Pour obtenir des s\u00e9ries temporelles coh\u00e9rentes pour les moyennes globales du HadCRUT et du GISS, les r\u00e9sultats mensuels ont \u00e9t\u00e9 moyenn\u00e9s par r\u00e9gions avec des anomalies de temp\u00e9ratures d\u00e9finies \u00e0 l’int\u00e9rieur de 4 zones de latitudes (90N-25N, 25N-\u00e9quateur, \u00e9quateur-25S, 25S-90S)\u00a0; la moyenne globale pond\u00e8re ainsi ces zones en fonction de la vraie surface de ces zones enti\u00e8res, et les moyennes annuelles sont bas\u00e9es sur ces moyennes mensuelles globales.]
\n<\/i><\/p>\n

L’illustration 4 montre des s\u00e9ries temporelles de temp\u00e9rature globale pour les analyses du GISS et du HadCRUT, aussi bien que pour l’analyse du GISS masqu\u00e9e sur les r\u00e9gions de donn\u00e9es du HadCRUT. Cette illustration r\u00e9v\u00e8le que les diff\u00e9rences qui se sont d\u00e9velopp\u00e9es entre les temp\u00e9ratures globales du GISS et du HadCRUT ces derni\u00e8res d\u00e9cennies sont principalement dues \u00e0 l’extension de l’analyse du GISS \u00e0 des r\u00e9gions exclues de l’analyse du HadCRUT. Les r\u00e9sultats du GISS et de HadCRUT sont similaires durant
\ncette p\u00e9riode quand les analyses sont circonscrites exactement aux m\u00eames aires. L’analyse du GISS trouve aussi 1998 comme ann\u00e9e la plus chaude, si l’analyse est limit\u00e9 aux donn\u00e9es sous le m\u00eame masque. La question devient alors\u00a0: quelle est la valeur des interpolations et des extrapolations dans l’analyse du GISS\u00a0? Si l’\u00e9chelle des anomalies de temp\u00e9rature est ajust\u00e9e telle que l’anomalie de la moyenne globale est de z\u00e9ro, alors les sch\u00e9mas des r\u00e9gions chaudes et froides ont un aspect coh\u00e9rent avec les sch\u00e9mas m\u00e9t\u00e9orologiques, apportant ainsi un support qualitatif pour l’extension des donn\u00e9es. N\u00e9anmoins, nous aimerions une mesure quantitative sur l’incertitude de notre estimation pour l’anomalie de la temp\u00e9rature globale caus\u00e9e par le fait d’une distribution spatiale des mesures incompl\u00e8te.<\/p>\n

Une mani\u00e8re d’estimer cette incertitude, ou possible erreur, peut \u00eatre d’utiliser les s\u00e9ries temporelles compl\u00e8tes g\u00e9n\u00e9r\u00e9es par un mod\u00e8le de climat global ayant d\u00e9j\u00e0 fait ses preuves d’une variabilit\u00e9 spatiale et temporelle des temp\u00e9ratures de surface r\u00e9aliste. Nous pouvons \u00e9chantillonner ce jeu de donn\u00e9es seulement aux endroits o\u00f9 des stations de mesure existent, et utiliser ce sous-ensemble de donn\u00e9es pour estimer le changement de la temp\u00e9rature globale avec l’analyse du GISS, puis comparer le r\u00e9sultat avec la connaissance \u00ab\u00a0parfaite\u00a0\u00bb de la temp\u00e9rature globale que nous avons avec les donn\u00e9es de chacune des cases.<\/p>\n\n\n\n\n
<\/th>\n1880-1900<\/th>\n1900-1950<\/th>\n1960-2008<\/th>\n<\/tr>\n
Stations m\u00e9t\u00e9orologiques<\/td>\n0.2<\/td>\n0.15<\/td>\n0.08<\/td>\n<\/tr>\n
Index \u00ab\u00a0Land-Ocean\u00a0\u00bb<\/td>\n0.08<\/td>\n0.05<\/td>\n0.05 <\/td>\n<\/tr>\n<\/table>\n


\nTableau 1. Estimation de l’erreur \u00e0 deux \u00e9cart-type par p\u00e9riode pour les stations m\u00e9t\u00e9orologiques et l’index \u00ab\u00a0Land-ocean\u00a0\u00bb.<\/i><\/p>\n

Le tableau 1 montre l’erreur d\u00e9riv\u00e9e due \u00e0 la couverture incompl\u00e8te des stations. Comme attendu, l’erreur est plus importante aux dates anciennes quand la couverture en stations \u00e9tait plus pauvre. Mais aussi, l’erreur est plus grande quand les donn\u00e9es sont disponibles seulement depuis les stations m\u00e9t\u00e9orologiques, sans mesure depuis des bateaux ou satellites pour les aires oc\u00e9aniques. Dans les d\u00e9cennies r\u00e9centes, l’incertitude \u00e0 2 \u00e9carts-type (intervalle de confiance \u00e0 95% d’\u00eatre \u00e0 l’int\u00e9rieur de ces valeurs, 2 \u00e0 3 % d’\u00eatre en dehors d’un c\u00f4t\u00e9 ou de l’autre) a \u00e9t\u00e9 de 0,05\u00b0C. La couverture incompl\u00e8tes des stations est la premi\u00e8re cause d’incertitude pour les ann\u00e9es r\u00e9centes, pour lesquelles les erreurs plus syst\u00e9matiques sont petites, comme le r\u00e9chauffement urbain.<\/p>\n

Des sources additionnelles d’erreurs deviennent importantes quand on compare des anomalies de temp\u00e9ratures s\u00e9par\u00e9es par des p\u00e9riodes plus longues. La source d’erreur de long terme la plus connue est \u00ab\u00a0le r\u00e9chauffement urbain\u00a0\u00bb, un r\u00e9chauffement local d’origine humaine caus\u00e9 par l’utilisation de l’\u00e9nergie et les alt\u00e9rations de l’environnement naturel. D’autres erreurs vari\u00e9es, qui affectent les estimations des changements de temp\u00e9ratures sur le long terme, sont d\u00e9crites de mani\u00e8re compl\u00e8te dans un grand
\nnombre d’articles par Tom Karl et ses associ\u00e9s du Centre national de donn\u00e9es sur le climat (NCDC) de la NOAA. L’analyse du GISS pour la temp\u00e9rature corrige l’effet urbain en ajustant les tendances de long terme des stations urbaines de mani\u00e8re coh\u00e9rente avec les stations rurales des alentours, et en identifiant les densit\u00e9s urbaines par leur population ou par l’observation par les satellites des lumi\u00e8res nocturnes. Dans un article en pr\u00e9paration, nous d\u00e9montrons que les approches par la population et par les lumi\u00e8res nocturnes donne des r\u00e9sultats similaires sur la moyenne globale. Les erreurs additionnelles caus\u00e9es par des facteurs autres que
\nla couverture spatiale incompl\u00e8te est estim\u00e9e comme \u00e9tant de l’ordre de 0,1\u00b0C sur des \u00e9chelles de temps de plusieurs d\u00e9cennies \u00e0 un si\u00e8cle, cette estimation \u00e9tant n\u00e9cessairement partiellement subjective. L’incertitude totale dans les anomalies de temp\u00e9rature globale moyenne, avec les donn\u00e9es \u00ab\u00a0terre et oc\u00e9ans\u00a0\u00bb ainsi incluses, est \u00e9quivalente \u00e0 l’erreur estim\u00e9e dans la premi\u00e8re ligne du
\n tableau 1, i.e. l’erreur due \u00e0 une couverture spatiale limit\u00e9e quand seules les stations m\u00e9t\u00e9orologiques sont incluses.<\/p>\n

Maintenant, voyons voir si nous pouvons pr\u00e9ciser un rang entre les temp\u00e9ratures annuelles globales r\u00e9centes, i.e. quelle ann\u00e9e est la plus chaude, la seconde plus chaude, etc. L’illustration 1a montre l’ann\u00e9e 2009 comme la seconde plus chaude, mais si proche de 1998, 2002, 2003 et 2007 que nous devons consid\u00e9rer toutes ces ann\u00e9es comme \u00e9tant virtuellement la seconde ann\u00e9e la plus chaude. La diff\u00e9rence maximale entre elles dans l’analyse du GISS est de ~0,03\u00b0C (2009 \u00e9tant la plus chaude et 2003 la plus froide). Cet \u00e9cart est approximativement \u00e9gal \u00e0 notre incertitude \u00e0 un \u00e9cart-type de ~0,025\u00b0C, ce qui est la raison pour \u00e9tablir que ces ann\u00e9es sont toutes la seconde ann\u00e9e la plus chaude.<\/p>\n

L’ann\u00e9e 2005 est plus chaude de 0,061\u00b0C que 1998 dans notre analyse. Donc, comment sommes-nous certains que 2005 est plus chaude que 1998\u00a0? \u00c9tant donn\u00e9 l’\u00e9cart-type de ~0,025\u00b0C pour l’erreur estim\u00e9e, nous pouvons estimer la probabilit\u00e9 que 1998 \u00e9tait plus chaude que 2005 comme suit. La chance que 1998 soit 0,025\u00b0C plus chaude que notre valeur estim\u00e9e est d’environ (1-0,68)\/2=0,16. La chance que 2005 soit 0,025\u00b0C plus froide que notre estimation est aussi de 0,16. La probabilit\u00e9 que ces deux \u00e9v\u00e8nements se produisent ensemble est de ~0,03 (3 pourcent). Int\u00e9grer la queue de distribution et compter une diff\u00e9rence de temp\u00e9rature entre 2005 et 1998 de 0,61\u00b0C change l’estimation dans des directions oppos\u00e9es. Pour le moment, disons juste que la chance pour que 1998 soit plus chaude que 2005, \u00e9tant donn\u00e9e notre analyse des temp\u00e9ratures, est au plus de l’ordre de 10 pourcent. Par cons\u00e9quent, nous pouvons dire avec un degr\u00e9 raisonnable de confiance que 2005 est l’ann\u00e9e la plus chaude dans la p\u00e9riode de mesures instrumentales.<\/p>\n


\n<\/a><\/p>\n


\nIllustration 5. (a) Carte globale de l’anomalie de d\u00e9cembre 2009, (b) carte globale de l’anomalie de juin-juillet-ao\u00fbt 2009. #4 et #2 indiquent que d\u00e9cembre 2009 en juin-juillet-ao\u00fbt sont les quatri\u00e8me et deuxi\u00e8me p\u00e9riodes globalement plus chaudes de ce laps de temps.
\n<\/i><\/p>\n

Que dire \u00e0 propos de la d\u00e9claration comme quoi la surface de la Terre se rafra\u00eechit depuis 10 ans\u00a0? Cette question peut \u00eatre trait\u00e9e avec beaucoup de confiance, car l’erreur due \u00e0 une couverture spatiale insuffisante des mesures devient encore plus faible quand on moyenne sur plusieurs ann\u00e9es. L’incertitude \u00e0 deux \u00e9carts-type dans la moyenne sur 5 ans de l’anomalie de temp\u00e9rature montr\u00e9e dans l’illustration 2, est plus petite d’un facteur 2 que l’incertitude moyenne annuelle, ainsi 0,02-0,03\u00b0C. \u00c9tant donn\u00e9 que le changement d’une moyenne sur 5 ans de l’anomalie de temp\u00e9rature est d’environ 0,2\u00b0C sur la derni\u00e8re d\u00e9cennie, nous pouvons conclure que le monde est devenu plus chaud, et non plus froid, depuis la derni\u00e8re d\u00e9cennie.<\/p>\n

Pourquoi des gens sont-ils convaincus d’une conclusion erron\u00e9e, que le monde est vraiment en train de se refroidir ? Cette na\u00efvet\u00e9 a certainement beaucoup \u00e0 voir avec les variations r\u00e9gionales de court terme de la temp\u00e9rature, qui sont d’un plus grand ordre de grandeur que les anomalies annuelles des temp\u00e9ratures. M\u00eame des personnes non averties sont capables de comprendre la diff\u00e9rence entre les anomalies locales [ndt : r\u00e9gionales] de court terme et la tendance globale. Par exemple, voici un commentaire post\u00e9 par \u00ab\u00a0frogbandit\u00a0\u00bb \u00e0 20h38 le 6 janvier 2010 le blog de City Bright<\/a>\u00a0:<\/p>\n

\n\u00ab\u00a0Je m’\u00e9tonne de ces gens qui utilisent une m\u00e9t\u00e9o quotidienne froide pour dire que la Terre se refroidit. On oublie que le r\u00e9chauffement global a des composantes globales et que c’est une tendance, pas une chose quotidienne. J’entends des gens, au sud que la latitude 48, dire qu’il fait vraiment froid cet hiver. Ce n’est pas si vrai que \u00e7a, ici, en Alaska. Bethel, en Alaska, a eu un No\u00ebl brun. Ici, \u00e0 Anchorage, la temp\u00e9rature d’aujourd’hui est de 31\u00b0F [ndt\u00a0: soient 3\u00b0C]. En me basant sur le fait que Bethel et Anchorage sont si chauds cet hiver, je ne peux pas dire que nous avons un r\u00e9chauffement climatique. Ce serait vraiment un argument idiot de penser que mon sch\u00e9ma de temp\u00e9rature est r\u00e9p\u00e9t\u00e9 dans le reste des Etats-Unis, plus ou moins globalement.\u00a0\u00bb\n<\/p><\/blockquote>\n

Ce que ‘frogbandit’ dit est illustr\u00e9 par la carte globale des anomalies de temp\u00e9ratures en d\u00e9cembre 2009 (illustration 5a). Il y a eu de forte anomalies n\u00e9gatives de temp\u00e9ratures dans les latitudes moyennes de l’h\u00e9misph\u00e8re nord, pas moins de 8\u00b0C en Sib\u00e9rie, moyenn\u00e9 sur le mois. Mais l’anomalie de temp\u00e9rature en Arctique \u00e9tait, elle, aussi forte que +7\u00b0C.<\/p>\n

Le d\u00e9cembre froid confirme peut-\u00eatre une impression acquise par les am\u00e9ricains depuis l’\u00e9t\u00e9 inhabituellement froid de 2009. Il y avait des r\u00e9gions \u00e9tendues des USA et du Canada en juin-juillet-ao\u00fbt avec une anomalie n\u00e9gative de temp\u00e9rature sup\u00e9rieure \u00e0 1\u00b0C, la plus grande anomalie sur la plan\u00e8te.<\/p>\n

<\/a><\/p>\n


\nIllustration 6. L’index de l’Oscillation Arctique (AO). Les valeurs positives de l’Index AO indiquent une zone de haute pression sur les r\u00e9gions polaires et ainsi, une tendance \u00e0 de forts vents zonaux qui minimisent la circulation d’air froid aux latitudes moyennes. Les point bleus sont des moyennes mensuelles et la courbe rouge est la moyenne mobile sur 60 mois (5 ans).
\n<\/i><\/p>\n

Comment ces larges anomalies r\u00e9gionales de temp\u00e9ratures se confrontent-elles aux attentes et \u00e0 la r\u00e9alit\u00e9 du r\u00e9chauffement climatique? Ces fluctuations n\u00e9gatives r\u00e9gionales sont-elles inhabituelles? Sont-elles li\u00e9es avec le r\u00e9chauffement climatique? Le contredisent-elles?<\/p>\n

Il est \u00e9vident qu’il y a eu en d\u00e9cembre 2009 un \u00e9change inhabituel d’air entre le p\u00f4le et les latitudes moyennes de l’h\u00e9misph\u00e8re nord. L’air arctique s’est engouffr\u00e9 \u00e0 la fois sur l’Am\u00e9rique du nord et l’Eurasie, et, bien s\u00fbr, a \u00e9t\u00e9 remplac\u00e9 dans ces r\u00e9gions polaires par l’air des latitudes moyennes. La force avec laquelle l’air arctique a p\u00e9n\u00e9tr\u00e9 dans les latitudes moyennes est reli\u00e9 avec l’index AO, d\u00e9fini par des sch\u00e9mas de pression atmosph\u00e9rique de surface et repr\u00e9sent\u00e9 dans l’illustration 6. Quand l’index AO est positif, la pression de surface est \u00e9lev\u00e9e dans les r\u00e9gions polaires. Cela permet au jet stream des latitudes moyennes de souffler fortement et constamment d’ouest en est, bloquant ainsi l’air froid au p\u00f4le. Quand l’index AO est n\u00e9gatif, il y a une tendance aux basses pressions dans les r\u00e9gions polaires, un vent zonal plus faible, et de plus grands mouvements d’air glac\u00e9 vers les latitudes moyennes.<\/p>\n

L’illustration 6 montre que d\u00e9cembre 2009 a vu la valeur de l’index AO la plus extr\u00eamement n\u00e9gative depuis les ann\u00e9es 70. Malgr\u00e9 le fait qu’il y ait eu une dizaine de cas d’index AO aussi extr\u00eames que -2,5 entre les ann\u00e9es 60 et les ann\u00e9es 80, il n’y a rien eu d’aussi extr\u00eame que le mois dernier. Ce n’est pas \u00e9tonnant que les gens aient \u00e9t\u00e9 accoutum\u00e9s \u00e0 une absence de ces coups de froid extr\u00eames.<\/p>\n

<\/a><\/p>\n


\nIllustration 7. Anomalie de temp\u00e9ratures issu de l’analyse du GISS et Index AO<\/a> du NWSCPC de la NOAA. La moyenne pour les Etats-Unis fait r\u00e9f\u00e9rence aux 48 \u00e9tats contigus.
\n<\/i><\/p>\n

L’illustration 7 montre l’index AO avec une r\u00e9solution temporelle plus grande pour deux p\u00e9riodes de 5 ans. Il est \u00e9vident qu’il y a un fort degr\u00e9 de corr\u00e9lation entre l’index AO et les temp\u00e9ratures des Etats-Unis, avec un d\u00e9calage possible entre l’index et les anomalies de temp\u00e9ratures inf\u00e9rieur \u00e0 la r\u00e9solution termporelle mensuelle. Les anomalies largement n\u00e9gatives, quand elles arrivent, sont souvent pendant les mois d’hiver. Il faut noter que l’anomalie de temp\u00e9ratures de janvier 1977, principalement situ\u00e9e dans les \u00e9tats de l’est, fut consid\u00e9rablement plus forte que celle de d\u00e9cembre 2009. [cela n’a rien de magique quand une fen\u00eatre de 31 jours coincide avec les jours calendaires du mois, et cela peut \u00eatre trompeur. Il serait plus informatif de regarder la moyenne mobile sur 30 jours et la moyenne de l’index AO et des temp\u00e9ratures sur d\u00e9cembre-janvier-f\u00e9vrier.]<\/p>\n

L’index AO n’est pas tant une explication pour ces sch\u00e9mas d’anomalies climatiques qu’un simple \u00e9tat de fait de la situation. Cependant, John (Mike) Wallace et ses coll\u00e8gues ont \u00e9t\u00e9 capable d’utiliser la description de l’index AO pour aider \u00e0 comprendre comment ces sch\u00e9mas peuvent changer en cas d’augmentation de gaz \u00e0 effet de serre. Un certain nombre d’articles, par Wallace, David Thompson et d’autres, aussi bien que par Drew Shindell<\/a> et d’autres au GISS<\/a>,
\nont montr\u00e9 que l’augmentation de gaz carbonique refroidit la stratosph\u00e8re, ce qui cause en moyenne un jet stream plus puissant, et ainsi une tendance pour une oscillation arctique (AO) plus positive.<\/p>\n

Globalement, l’illustration 6 montre une tendance selon le sens attendu. L’AO n’est pas le seul facteur qui alt\u00e8re la fr\u00e9quence des \u00e9pisodes d’air froid de l’Arctique. Par exemple, quel est l’effet d’une glace de mer r\u00e9duite sur le sch\u00e9ma climatologique? Il n’y a pas assez de preuves empiriques depuis la fonte rapide de la glace de 2007. Nous pouvons seulement conclure que d\u00e9cembre 2009 \u00e9tait un mois hautement anormal et que cette oscillation arctique inhabituelle peut d\u00e9crire la \u00ab\u00a0cause\u00a0\u00bb du climat extr\u00eame de d\u00e9cembre.<\/p>\n

Nous n’avons pas trouv\u00e9 de base pour nous attendre \u00e0 de fr\u00e9quentes r\u00e9p\u00e9titions de ce ph\u00e9nom\u00e8ne. Tout au contraire. L’illustration 6 montre que les fluctuations mois-par-mois de l’AO sont plus \u00e9tendues que la tendance de long terme. Mais les changements de temp\u00e9ratures peuvent \u00eatre caus\u00e9s par les gaz \u00e0 effet de serre et le r\u00e9chauffement global \u00eatre ind\u00e9pendant des effets dynamiques de l’Oscillation Arctique.<\/p>\n


\n<\/a>
\n
\nIllustration 8. Carte globale des anomalies de temp\u00e9ratures pour les 4 saisons pour ~2009. (noter que Dec est d\u00e9cembre 2008. La p\u00e9riode de base est 1951-1980.)
\n<\/i><\/p>\n


\n<\/a>
\n
\nIllustration 9. Carte globale des tendances des anomalies de temp\u00e9ratures pour les 4 saisons pour la p\u00e9riode 1950-2009.
\n<\/i>
\nMaintenant, regardons les anomalies de temp\u00e9ratures r\u00e9gionales r\u00e9centes et les tendances des temp\u00e9ratures. L’illustration 8 montre les anomalies de temp\u00e9ratures saisonni\u00e8res pour l’ann\u00e9e pass\u00e9e et l’illustration 9 montre les changements des anomalies de temp\u00e9ratures depuis 1950 bas\u00e9s sur une tendance lin\u00e9aire locale. Les \u00e9chelles de temp\u00e9ratures sont les m\u00eames sur les illustrations 8 et 9. La caract\u00e9ristique remarquable quand on compare ces deux illustrations est que la magnitude des changements sur 60 ans est similaire \u00e0 la magnitude des anomalies saisonni\u00e8res. Ce que cela nous raconte, c’est que les d\u00e9s climatiques sont d\u00e9j\u00e0 s\u00e9rieusement lanc\u00e9s. La personne perspicace qui est l\u00e0 depuis les ann\u00e9es 50 sera capable de noter que les temp\u00e9ratures moyennes saisonni\u00e8res sont actuellement plus \u00e9lev\u00e9es que celles des ann\u00e9es 50, bien qu’il y ait encore occasionnellement des saisons froides.<\/p>\n

La magnitude des anomalies mensuelles de temp\u00e9ratures est couramment 1,5 \u00e0 2 fois plus grande que la magnitude des anomalies saisonni\u00e8res. Du coup, ce n’est pas encore si facile de voir le r\u00e9chauffement global si sa principale illustration est la temp\u00e9rature moyenne mensuelle. Et, bien s\u00fbr, les fluctuations du temps au quotidien sont bien plus importantes que l’impact de la tendance globale du r\u00e9chauffement.<\/p>\n

Les bases sont celles-ci\u00a0: il n’y a pas de tendance au refroidissement global.<\/p>\n

A l’heure actuelle, jusqu’\u00e0 ce que l’humanit\u00e9 mette ses \u00e9missions de gaz \u00e0 effet de serre sous contr\u00f4le, nous pouvons nous attendre \u00e0 ce que chaque d\u00e9cennie soit plus chaude que la pr\u00e9c\u00e9dente. Les fluctuations du temps qu’il fait exc\u00e8dent certainement les changements locaux de temp\u00e9ratures du dernier demi-si\u00e8cle. Mais la personne perspicace verra bien que le climat se r\u00e9chauffe \u00e0 l’\u00e9chelle des d\u00e9cennies.<\/p>\n

Cette information a encore besoin d’\u00eatre mise en relation avec la conclusion qu’un r\u00e9chauffement global de 1 \u00e0 2\u00b0C a d’\u00e9normes implications pour l’humanit\u00e9. Mais cette discussion est au-del\u00e0 de la port\u00e9e de cet article.<\/p>\n


\nR\u00e9f\u00e9rences:<\/strong>
\n Hansen, J.E., and S. Lebedeff, 1987: Global trends of measured surface air temperature<\/a>. J. Geophys. Res., 92, 13345-13372.
\n Hansen, J., R. Ruedy, J. Glascoe, and Mki. Sato, 1999: GISS analysis of surface temperature change<\/a>. J. Geophys. Res., 104, 30997-31022.
\n Hansen, J.E., R. Ruedy, Mki. Sato, M. Imhoff, W. Lawrence, D. Easterling, T. Peterson, and T. Karl, 2001: A closer look at United States and global surface temperature change.<\/a> J. Geophys. Res., 106, 23947-23963.
\n Hansen, J., Mki. Sato, R. Ruedy, K. Lo, D.W. Lea, and M. Medina-Elizade, 2006: Global temperature change.<\/a> Proc. Natl. Acad. Sci., 103, 14288-14293.<\/p>\n

<\/small>
\n<\/lang_fr><\/p>\n\n<\/div> ","protected":false},"excerpt":{"rendered":"

Jim Hansen, 2009 temperature summary, GISTEMP, HadCRUT, Arctic Oscillation, El Ni\u00f1o, global warming, and the difference between weather and climate<\/p>\n","protected":false},"author":12,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"_genesis_hide_title":false,"_genesis_hide_breadcrumbs":false,"_genesis_hide_singular_image":false,"_genesis_hide_footer_widgets":false,"_genesis_custom_body_class":"","_genesis_custom_post_class":"","_genesis_layout":"","footnotes":""},"categories":[1,9],"tags":[],"class_list":{"0":"post-2743","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-climate-science","7":"category-instrumental-record","8":"entry"},"aioseo_notices":[],"post_mailing_queue_ids":[],"_links":{"self":[{"href":"https:\/\/www.realclimate.org\/index.php\/wp-json\/wp\/v2\/posts\/2743","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.realclimate.org\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.realclimate.org\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.realclimate.org\/index.php\/wp-json\/wp\/v2\/users\/12"}],"replies":[{"embeddable":true,"href":"https:\/\/www.realclimate.org\/index.php\/wp-json\/wp\/v2\/comments?post=2743"}],"version-history":[{"count":30,"href":"https:\/\/www.realclimate.org\/index.php\/wp-json\/wp\/v2\/posts\/2743\/revisions"}],"predecessor-version":[{"id":4652,"href":"https:\/\/www.realclimate.org\/index.php\/wp-json\/wp\/v2\/posts\/2743\/revisions\/4652"}],"wp:attachment":[{"href":"https:\/\/www.realclimate.org\/index.php\/wp-json\/wp\/v2\/media?parent=2743"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.realclimate.org\/index.php\/wp-json\/wp\/v2\/categories?post=2743"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.realclimate.org\/index.php\/wp-json\/wp\/v2\/tags?post=2743"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}