Recent viel mijn oog op een LinkedIn post. Iemand deelde enthousiast een link naar de Climate Change Tracker. Een site met dashboarden over klimaatverandering, afgestemd op het akkoord van Parijs en IPCC standaarden. Je vindt er overzichten per land, informatie over stijging van de gemiddelde zeespiegel en temperatuur, uitstootgegevens (CO2, CH4 en N2O) en nog veel meer. Een enorme hoeveelheid informatie geordend en overzichtelijk grafisch weergegeven.
Ook kun je de gegevens exporteren. De stijging van een aantal bekende variabelen, zoals temperatuur, zeespiegel, broeikasgassen die duidelijk tot uiting komt in de getoonde grafieken en die steevast in de metingen van de laatste jaren heel hard lijkt te gaan, zijn zorgwekkend. Onwillekeurig krijg ik de behoefte op basis van deze gegevens te willen extrapoleren naar de toekomst. Ik begrijp goed dat dit niet zomaar mag. Mijn kennis van wiskunde en/of klimaatwetenschap reikt niet ver genoeg om dit op wetenschappelijke verantwoorde wijze te doen. Toch wil ik met de data spelen en zien hoever ik kom. De site biedt de mogelijkheid de gegevens te exporteren als CSV bestand.
Ik kies voor de data “Yearly Global Sea level Rise” en importeer deze in een spreadsheet. Ik zet de gegevens uit in een grafiek en voeg een trendlijn toe die voor tien jaar naar de toekomst extrapoleert (2034) op basis van exponentiële extrapolatie. Daarvoor moet ik wel drie negatieve en nul-waarden uit 1901,1902 en 1908 aanpassen van respectievelijk 0,-0,2 en -0,2 naar 0,05. De trendlijn laat dan een waarde van ruim 50 cm zeespiegelstijging zien voor 2034. Nogmaals, ik vermoed dat wat ik hier doe niet zomaar mag. Zie figuur.
Als test verwijder ik vervolgens de laatste 10 jaar van de oorspronkelijke data en creëer op dezelfde manier een trendlijn voor 10 jaar naar de toekomst (2024 dus). Het resultaat is een veel hogere waarde (bijna 45 cm) dan daadwerkelijk is gemeten (22,8 cm). Daaruit zou je kunnen concluderen dat exponentieel extrapoleren geen correct resultaat oplevert.
Daar staat tegenover dat over de laatste 10 jaar de stijging 4,5 cm per jaar bedraagt, dat is afgerond 20% van de stijging over 8% van de gemeten periode. De snelheid van de stijging neemt dus hard toe. Omdat ik zelf onvoldoende onderlegd ben iets te kunnen zeggen over op welke manier je wel of niet mag extrapoleren, raadpleeg ik ChatGPT. Ik deel de gegevens en ChatGPT concludeert als volgt: Exponentiële groei is niet zichtbaar, de lineaire fit is bijna perfect, een polynoom model past binnen de dataset goed, maar de curve buigt buiten het meet gebied te sterk af met een risico op onrealistische voorspellingen. Grafisch ziet dat er als volgt uit:
Als ik de gegevensset beperk van 1934 (ipv 1901) tot 1924 krijg ik een grafiek die zich veel meer lijkt te verhouden tot de grafiek die de gegevens exponentieel extrapoleert. Ook nu geldt natuurlijk dat ik de gegevensset aanpas, zodat deze meer verloopt volgens een exponentiële curve. Ik vraag me af of dat mag of niet. Zou je kunnen redeneren dat naarmate we meer kantelpunten overschrijden, de stijging van de zeespiegel van een lineaire naar een exponentiële groei beweegt?
Ik voeg een extrapolatie toe voor 100 jaar. In die grafiek lijkt de gemeten data de exponentiële nauwgezet te volgen. Dat doet toch vermoeden dat er inderdaad sprake is van een exponentiële trend. Toch op basis van deze gegevensset weer eens voorleggen wat ChatGPT daarvan vindt.
