Tutkimus: Turun talvet ovat kylmenneet

Matala auringon aktiviteetti voi tulevaisuudessa aiheuttaa äärimmäisen kylmät talvet, paljastaa tekniikan tohtori Jarl Ahlbeckin tutkimus. Magneettimedia tarjoaa lukijoiden kommentoitavaksi Ahlbeckin tutkimuksen tiivistelmän.

 

 

Yhteenveto

Kuluneen 60 vuoden aikana Turun talvisää (sekä muun Euroopan, Pohjois-Amerikan, ja Venäjän talvisää) on ollut riippuvainen ilmiöstä nimeltä Arktinen Oskillaatio (Arctic Oscillation, AO). AO-indeksi on ilmanpaineiden jakautuman mitta. Kun AO-indeksi on ”positiivinen” matalapaineet kulkevat pohjoista reittiä, lounais- ja etelätuulet ovat Suomessa vallitsevia, ja talvet ovat lämpimät. Kun AO-indeksi on ”negatiivinen” matalapaineet kulkevat eteläistä reittiä, ja talvet ovat kylmät vallitsevien pohjois- ja koillistuulien takia.

Selvitin mistä AO-indeksin vaihtelut johtuvat, ja totesin, että satunnaisten vaihteluiden lisäksi on olemassa kaksi tilastollisesti merkitsevää vaikuttajaa: Auringon aktiviteetti, jonka mitta on auringonpilkkujen lukumäärä, sekä tropiikkien stratosfäärituulien suunta, jonka mitta on nk. QBO-indeksi.

Kun QBO-indeksi on negatiivinen (itäinen stratosfäärituuli) matala auringon aktiviteetti aiheuttaa negatiivisen AO-indeksin (siis talvi on kylmä) ja korkea auringon aktiviteetti taas positiivisen AO-indeksin (siis talvi on lämmin).

Mutta tämä suhde heittäytyy päinvastaiseksi positiivisen QBO-indeksin vallitessa (läntinen stratosfäärituuli). Silloin korkea auringon aktiviteetti itse asiassa aiheuttaa negatiivisen AO-indeksin (kylmän talven)!

Kuitenkin yhdistelmä negatiivinen QBO-indeksi ja matala auringon aktiviteetti vaikuttaa paljon voimakkaammin AO-indeksiin alentavasti (kylmiä talvia), kuin kaikki muut yhdistelmät.

Kun tulevaisuudessa pitkiä auringon matalan aktiviteetin ajanjaksoja on aivan varmasti odotettavissa, koska niitä on ennenkin ollut voimme odottaa hyytävän kylmien talvien yleistyvän tällaisina ajanjaksoina.

Arktinen Oskillaatio ja Turun talvien lämpötila

Turku sijaitsee Lounais-Suomessa, missä Joulukuun – Helmikuun keskilämpötila on vahvasti riippuvainen tuulen vallitsevasta suunnasta, eli AO-indeksistä. Kuvat 1. ja 2.

Kuva 1. Turun talvien lämpötila joulukuu – helmikuu 1951 – 2010, sekä vastaava AO-indeksi, data NOAA (2010.)

Kuva 2. Sama, kuin Kuva 1., mutta AO-indeksi on regressioanalyysin avulla muunneltu samaan skaalaan, kuin Turun talvilämpötilat.

Kuvista näkyy, että tammikuussa ja helmikuussa 1989 AO-indeksi hyppäsi korkeammalle tasolle (syntyi lounaistuulia) ja talvi lämpeni. Indeksi jäi vuosiksi roikkumaan korkeammalla tasolla ja lämpimät talvet yleistyivät.

Mutta AO-indeksi romahti taas alas joulukuussa 2009, josta seurasi kylmä talvi.  Tilastomatematiikassa tällaista kummallista käyttäytymistä voidaan sanoa ”random walk”:iksi eli satunnaiskävelyksi.

AO-data (NOAA 2010) on esitetty Liitteessä 1. ja todennäköisyysjakautuma on piirretty Kuvassa 3.

Kuva 3. AO-indeksin talvikuukausien todennäköisyysjakautuma 1951-2010.

Kuvasta huomaamme, että talvisin negatiivinen AO-indeksi on hieman tavallisempi, kuin positiivinen.

Satunnaiskävely-käyrä voi syntyä siitä syystä, että kaksi erilaista harmonista värähtelyä vaikuttavat tutkittavaan suureen satunnaisvaihteluiden kera. Mahdolliset ehdokkaat ovat auringon aktiviteetti sekä stratosfäärituulen suunta ja voimakkuus tropiikeilla. Jälkimmäisen värähtelyn mitta on QBO-indeksi, ja sen aallonpituus on noin 28 kuukautta. Auringon aktiviteetin aallonpituus taas on noin 138 kuukautta.

Saksalainen stratosfääritutkija Karin Labitzke (2005) on löytänyt vahvoja viitteitä siihen, että nimenomaan QBO ja auringon aktiviteetti yhdessä ohjaavat AO-indeksiä. Omat laskelmani todistavat, että Labitzken havainto on totta.

Tropiikkien stratosfäärituulet, QBO-indeksi.

QBO-indeksi on tropiikkien stratosfäärituulien suunnan ja voimakkuuden mitta. Itätuulen vallitessa QBO-indeksi on negatiivinen ja päinvastoin. QBO-data (NOAA 2010) on esitetty Liitteessä 1. ja todennäköisyysjakautuma on piirretty Kuvassa 3.

Kuva 4. QBO-indeksin talvikuukausien todennäköisyysjakautuma 1951-2010.

Kuvasta huomaamme, että negatiivinen QBO-indeksi (itätuuli) on ollut tavallisempi, kuin positiivinen QBO-indeksi (länsituuli). Tämä havainto on erittäin tärkeä, kun arviomme auringon aktiviteetin vaikutusta talvisäähän.

Auringon aktiviteetti

Auringon aktiviteetin mitta on auringonpilkkujen lukumäärä (sunspot number, SUN). SUN-data (NOAA 2010) on esitetty Liitteessä 1. ja todennäköisyysjakautuma Kuvassa 5.

Kuva 5. Auringon pilkkujen talvikuukausien lukumäärän todennäköisyysjakautuma 1951-2010.

Kuvasta huomaamme, että matala auringon aktiviteetti on tavallisempi, kuin korkea aktiviteetti. Kun tähän yhdistämme havainnon Kuvasta 4., voimme todeta, että yhdistelmä negatiivinen QBO – sangen matala auringon aktiviteetti on kaikista tavallisin yhdistelmä.

QBO ja SUN ohjaavat yhdessä AO:ta

Seuraava yhtälö testattiin regressioanalyysin avulla:

AO= bo+b₁*QBO+b₂*SUN+b₃*QBO*SUN+b₄*QBO²+b₅*SUN² (1)

Tietokoneohjelma totesi, etteivät b₂, b₄ ja b₅ ole tilastollisesti merkitseviä, mutta hyväksyi mukisematta seuraavan yhtälön tilastollisesti merkitsevänä (todennäköisyys suurempi, kuin 95%):

AO= – 0.2779 + 0.06096*QBO – 0.005149*QBO*SUN                                                    (2)

Datataulukko ja laskentatulokset ovat esitettyjä Liitteessä 1. En voi olla alleviivaamatta, että kuka tahansa nörtti tilastomatemaattisen standardiohjelman avulla voi tarkastaa sekä numerotietojani että laskentatuloksiani. Tämä on harvinaista ilmastokeskustelussa, missä hurjia väitteitä suuntaan tai toiseen esitetään tieteellisissäkin julkaisuissa, vaikka artikkeleiden tarkastajat eivät millään pysty tarkastamaan monimutkaisia tietokonelaskelmia.

Satunnaisvaihtelu-sumusta huolimatta tietokoneeni siis näki selkeästi, että stratosfäärituulet ja auringon aktiviteetti (joihin ihminen ei millään voi vaikuttaa) yhdessä ohjaavat Arktista Oskillaatiota ja Turun talvisäätä, aivan kuten Karin Labitzke (2005) on väittänyt.

Arktisen oskillaation graafinen esittely

Kuvassa 6. yhtälö (2) on esitetty graafisesti. AO-indeksi on piirretty auringon aktiviteetin funktiona kahdella QBO-indeksin arvolla.

Kuva 6. AO-indeksi auringon aktiviteetin funktiona piirretty minimi- ja maksimi QBO-indeksin arvoilla.

Kuvasta huomaamme, että matala auringon aktiviteetti negatiivisen QBO-indeksin vallitessa pystyy madaltamaan AO-indeksiä paljon tehokkaammin, kuin kaikki muut yhdistelmät. Kun auringon aktiviteetti on korkea, AO-indeksi vaikuttaa sangen stabiililta eikä kovin matala arvo ole todennäköinen.

Turun talvilämpötilan graafinen esittely

Yhdistämällä kaikki edellä esitetyt havainnot, voimme lopuksi piirtää tilastomatemaattisen kuvan, missä Turun talven keskilämpötila on riippuvainen auringon aktiviteetista sekä tropiikkien stratosfäärituulien suunnasta ja voimakkuudesta.

Kuva 7. Turun talvilämpötila auringon aktiviteetin funktiona minimi- ja maksimi QBO-indeksin arvoilla.

Johtopäätös

Yhdistelmä matala auringon aktiviteetti-negatiivinen QBO-indeksi näyttää aiheuttavan negatiivisen AO-indeksin sekä kylmän talven. Korkean auringon aktiviteetin aikana kylmä talvi on huomattavasti epätodennäköisempi.

Mutta koska satunnaisvaihteluja ei näy Kuvassa 7., siihen on suhtauduttava tietyin varauksin. Satunnaiset vaihtelut yksittäisten talvien välillä ovat niin suuret, että epätodennäköisempi yhdistelmä matala QBO – matala SUN – positiivinen AO –  lämmin talvisää voi sattua minä talvena tahansa. Vastaavasti erittäin kylmä talvi voi esiintyä korkeankin auringon aktiviteetin aikana.

Kuva 7. antaa kuitenkin osviittaa siihen, mitä voi olla tulossa, jos auringon pilkut häviävät kokonaan kymmeniksi vuosiksi kuten tapahtuikin Maunder-minimin aikana (1645-1715) ja Dalton-minimin aikana (1790-1830). Silloin talvet olivat katastrofaalisen kylmiä, eikä siihen ole mitään muuta selitystä olemassakaan, kuin että AO-indeksi pysyi silloin keskimäärin vahvasti negatiivisena ja hyytävän kylmät pohjoistuulet vallitsivat Euroopassa, Pohjois-Amerikassa, ja Venäjällä.

Kirjoittaja on tekniikan tohtori, ympäristötekniikan dosentti ja koesuunnittelun ja tilastomatematiikan opettaja Åbo Akademista.

Juttu löytyy englanniksi täältä: www.factsandarts.com

Kirjallisuutta

Labitzke, K., 2005: On The Solar Cycle-QBO relationship, a summary. J. Atm. Sol-Terr. Phys., 67, 45-54

Update on:

http://strat-www.met.fu-berlin.de/labitzke/moreqbo/MZ-Labitzke-et-al-2006.pdf

NOAA, 2010: AO-data on:

http://www.cpc.ncep.noaa.gov/products/precip/CWlink/daily_ao_index/monthly.ao.index.b50.current.ascii

NOAA, 2010: QBO-data on:

http://www.esrl.noaa.gov/psd/data/climateindices/

NOAA, 2010: Sunspot data on:

ftp://ftp.ngdc.noaa.gov/STP/SOLAR_DATA/SUNSPOT_NUMBERS/MONTHLY

Liite 1.

Data matrix1951-2010 Dec-Feb  QBO-index, SUNspot Number, and AO-index

 

QBO       SUN    QBO*SUN sq(QBO) sq(SUN)   AO-index (dependent)

1951            -4.8800     59.700    -291.34     23.814     3564.1    -.80400

-6.1600     34.400    -211.90     37.946     1183.4     .20300

-2.4200     21.400    -51.788     5.8564     457.96    -1.0370

-4.7000     .70000    -3.2900     22.090     .49000     .82100E-01

-8.4600     17.900    -151.43     71.572     320.41    -.71700

-.14000     80.400    -11.256     .19600E-01 6464.2    -1.2250

-13.320     132.00    -1758.2     177.42     17424.     .18600

5.5700     189.70     1056.6     31.025     35986.    -.94600

-18.750     163.60    -3067.5     351.56     26765.    -.38500

1960            5.4900     126.40     693.94     30.140     15977.    -1.5790

-5.8200     52.500    -305.55     33.872     2756.3    -.40900

4.2400     35.000     148.40     17.978     1225.0    -.13100

-16.390     17.100    -280.27     268.63     292.41    -1.9140

4.8900     11.400     55.746     23.912     129.96    -.45600

-1.0800     14.100    -15.228     1.1664     198.81    -1.1250

-20.100     19.300    -387.93     404.01     372.49    -1.5020

11.590     83.800     971.24     134.33     7022.4    -.26600

-8.6200     46.600    -401.69     74.304     2171.6    -.97000

-8.1200     106.40    -863.97     65.934     11321.    -2.2880

1970            1.3000     117.50     152.75     1.6900     13806.    -1.8670

-10.580     86.300    -913.05     111.94     7447.7    -.49500

8.4200     76.700     645.81     70.896     5882.9     .26500

-7.0300     40.500    -284.71     49.421     1640.3     1.0850

.30000E-01 24.400     .73200     .90000E-03 595.36    -.14600

-18.220     15.500    -282.41     331.97     240.25     .78200

9.8900     6.2000     61.318     97.812     38.440     .99300

-13.640     18.000    -245.52     186.05     324.00    -2.6170

3.9300     60.800     238.94     15.445     3696.6    -1.2000

2.5100     140.70     353.16     6.3001     19797.    -1.3030

1980             -10.920     145.10    -1584.5     119.25     21054.    -.56800

8.3200     142.00     1181.4     69.222     20164.    -.16800

-13.180     138.80    -1829.4     173.71     19265.    -.37500

10.870     86.000     934.82     118.16     7396.0     .17300

-11.140     56.100    -624.95     124.10     3147.2     .26300

-1.4400     15.900    -22.896     2.0736     252.81    -1.2670

9.4700     12.100     114.59     89.681     146.41    -1.8060

-10.600     5.8000    -61.480     112.36     33.640    -.85400

7.4600     40.900     305.11     55.652     1672.8    -.44700

-2.9500     167.40    -493.83     8.7025     28023.     2.6880

1990             -9.6700     157.90    -1526.9     93.509     24932.     1.2530

9.2500     152.80     1413.4     85.563     23348.     .37500

-13.660     147.70    -2017.6     186.60     21815.     1.0950

9.5400     78.900     752.71     91.012     6225.2     1.1790

-7.8300     50.700    -396.98     61.309     2570.5    -.41800

7.4400     26.900     200.14     55.354     723.61     .72300

-5.7500     8.9000    -51.175     33.063     79.210    -1.0550

-3.8300     8.5000    -32.555     14.669     72.250    -.96000E-01

-1.0100     34.900    -35.249     1.0201     1218.0    -.77800

1.6600     71.000     117.86     2.7556     5041.0     .64900

2000            5.1600     98.000     505.68     26.626     9604.0     1.1300

-15.260     97.100    -1481.8     232.87     9428.4    -1.3120

4.7100     128.50     605.23     22.184     16512.     .45400

-1.1000     74.800    -82.280     1.2100     5595.0    -.64500

-1.2000     45.700    -54.840     1.4400     2088.5    -.94300

.31000     25.930     8.0383     .96100E-01 672.36     .10500

-18.370     22.800    -418.84     337.46     519.84    -.81000

3.7500     14.600     54.750     14.063     213.16     1.0030

-12.200     4.8000    -58.560     148.84     23.040     .85900

11.170     .80000     8.9360     124.77     .64000     .25800

2010             -15.000     4.5000    -67.500     225.00     20.250    -3.4220

 

Mean of Var.( 1) = -2.9428      stdev. =       8.98

Mean of Var.( 2) =  64.414      stdev. =       53.7

Mean of Var.( 3) = -163.12      stdev. =       798.

Mean of Var.( 4) =  87.990      stdev. =       98.1

Mean of Var.( 5) =  6982.6      stdev. =       .908E+04

Mean of Var.( 6) = -.37535      stdev. =       1.08

 

Backward Elimination Multiple Regression Analysis:

Number  4 is insignificant and eliminated (square of QBO insignificant)

Number  2 is insignificant and eliminated (linear SUN insignificant)

Number  5 is insignificant and eliminated (square of SUN insignificant)

 

Statistically significant regression coefficients at 0.05 significance level:

 

b 0 …  -.27994110                                                                                                     Intercept

b 1 …   .60961730E-01    stdev. …      .220E-01        Linear coefficient for QBO

b 3 …  -.51492850E-03    stdev. …      .247E-03        Coefficient for QBO*SUN

 

F( 1) =  ……..      7.68

F( 3) =  ……..      4.33