offline
"Doch CO2 hat mit Sicherheit einen Einfluss nur ist der Einfluss der Menschheit daran viel viel zu klein"
Das halte ich wiederum für gewagt ;
Ist aber der falsche Thread sowas zu diskutieren.
Drei Stufen des Climate Change Denials. Die Stufen schliessen sich gegenseitig aus.
1) Es wird nicht wärmer (es wird falsch gemessen, die Daten sind manipuliert) => das ist offensichtlich Käse
2) Es wird wärmer, aber der Einfluss des Menschen ist vernachlässigbar => die "Hindcast" Modelle sagen etwas anderes ***. Aber da muss man tief eintauchen UND da wird auch von der "pro climate change" Seite viel Blödsinn erzählt.
3) Es wird wärmer und der Mensch ist ein relevanter Faktor....aber wir können dagegen eh nix machen, die sozio-ökonomischen, ökologischen Folgen sind nicht wirklich abschätzbar, die Kosten sind zu hoch, wir haben andere und dringendere Probleme....
Gegen 1) und 2) lässt sich von wissenschaftlicher und objektiver Seite deutlich Stellung beziehen.
Gegen 3) habe auch ich als eigentlich jmd, der den anthropogenen Klimawandel als wissenschaftlich valide Hypothese bezeichnet, NIX entgegenzusetzen!!!!!! Da sind wir im "wissenschaftlichen" Bereich der Makro - Ökonomie, Soziologie und Environmental Science (Entwicklung von Ökosystemen). Die Modelle dieser Disziplinen sind notorisch schlecht bzgl. predictive power (auch im hindcast). Was da auch von IPCC Seite erzählt wird mag zwar interessant sein, aber eine ernstzunehmende Prognose ist das sicher nicht! Das ist eher Kategorie Ideologie.
*** Vereinfacht:
Lass uns mal annehmen y sei die Änderung der Jahresdurchschnittstemperatur und sei eine Funktion f von drei Variablen x1: CO2 Konzentration, x2: Sonnenaktivität, x3: Absorbtionsfähigkeit der Biomasse.
y = f(x1,x2,x3)
Ich kalibriere mein Modell (die Funktion f) an Daten von 2013 bis inklusive 2016. Jetzt messe ich x1,x2,x3 in 2017 , stecke die in f(), erhalte eine Prognose p_y für y, und vergleiche das mit dem gemessen y. Und erhalte sehr gute Resultate.
Warum sind dann meine in 2018 erstellte Prognosen für y in 2019 so scheisse? In 2017 warren meine Inputs bekannt. x1,x2,x3 waren ein Datum!!! Für meine Prognose muss ich auch meine Inputs prognostizieren!!!
Das zeigt: ich kann die Welt zwar erklären und den Einfluss des Menschen gut erklären....aber trotzdem mache ich Fehler in meiner Prognose. Der angewandte wissenschaftler unterscheidet deshalb in seinem wording "prediction" und "forecast" :)
Das halte ich wiederum für gewagt ;
Ist aber der falsche Thread sowas zu diskutieren. Drei Stufen des Climate Change Denials. Die Stufen schliessen sich gegenseitig aus.
1) Es wird nicht wärmer (es wird falsch gemessen, die Daten sind manipuliert) => das ist offensichtlich Käse
2) Es wird wärmer, aber der Einfluss des Menschen ist vernachlässigbar => die "Hindcast" Modelle sagen etwas anderes ***. Aber da muss man tief eintauchen UND da wird auch von der "pro climate change" Seite viel Blödsinn erzählt.
3) Es wird wärmer und der Mensch ist ein relevanter Faktor....aber wir können dagegen eh nix machen, die sozio-ökonomischen, ökologischen Folgen sind nicht wirklich abschätzbar, die Kosten sind zu hoch, wir haben andere und dringendere Probleme....
Gegen 1) und 2) lässt sich von wissenschaftlicher und objektiver Seite deutlich Stellung beziehen.
Gegen 3) habe auch ich als eigentlich jmd, der den anthropogenen Klimawandel als wissenschaftlich valide Hypothese bezeichnet, NIX entgegenzusetzen!!!!!! Da sind wir im "wissenschaftlichen" Bereich der Makro - Ökonomie, Soziologie und Environmental Science (Entwicklung von Ökosystemen). Die Modelle dieser Disziplinen sind notorisch schlecht bzgl. predictive power (auch im hindcast). Was da auch von IPCC Seite erzählt wird mag zwar interessant sein, aber eine ernstzunehmende Prognose ist das sicher nicht! Das ist eher Kategorie Ideologie.
*** Vereinfacht:
Lass uns mal annehmen y sei die Änderung der Jahresdurchschnittstemperatur und sei eine Funktion f von drei Variablen x1: CO2 Konzentration, x2: Sonnenaktivität, x3: Absorbtionsfähigkeit der Biomasse.
y = f(x1,x2,x3)
Ich kalibriere mein Modell (die Funktion f) an Daten von 2013 bis inklusive 2016. Jetzt messe ich x1,x2,x3 in 2017 , stecke die in f(), erhalte eine Prognose p_y für y, und vergleiche das mit dem gemessen y. Und erhalte sehr gute Resultate.
Warum sind dann meine in 2018 erstellte Prognosen für y in 2019 so scheisse? In 2017 warren meine Inputs bekannt. x1,x2,x3 waren ein Datum!!! Für meine Prognose muss ich auch meine Inputs prognostizieren!!!
Das zeigt: ich kann die Welt zwar erklären und den Einfluss des Menschen gut erklären....aber trotzdem mache ich Fehler in meiner Prognose. Der angewandte wissenschaftler unterscheidet deshalb in seinem wording "prediction" und "forecast" :)
__________________
Forum-Besserwisser und Wissenschafts-Faschist
