ben c'est peut-être compréhensible, mais, moi je ne comprends pas, en fait.Envoyé par gillesh38
qu'est-ce qui empêche un proxy du passé d'avoir des variations importantes?
A mon sens il peut présenter des variations importantes s'il a les mêmes caractéristiques tout le temps.
Sinon, c'est sûr que ça ne veut rien dire mais c'est la condition.
Dernière modification par meteor31bis ; 04/12/2009 à 15h55.
A titre indicatif:Donc moi je te demande, sans te commander, bien entendu, de prouver qu'une suite vraiment aléatoire de nombres peut se transformer en une crosse de hockey,
Graphique représentant la moyenne de 25 courbes aléatoires de 100 points chacune (valeurs entre -10 et 10) sélectionnées pour que les 10 derniers points aient une corrélation >0.5 ou <-0.5* à la suite de 10 points suivante 2 2 2 3 3 4 5 7 9 10.
*On prend alors -(courbe)
Cliquez pour afficher
Dernière modification par BioBen ; 04/12/2009 à 16h08.
mais pas du tout ! c'est en gros ce que fait l'ACP !
réfléchis : tu as une quantité X qui croit de 1900 à 1950 (qui passe de 4 à 8 trucmuches) et une quantité Y qui décroit de 1900 à 1950 (qui passe de 15 à 12 trucbidules). Tu penses que ces quantités sont corrélés à la température , qui elle a cru de 0.4 °C.
Quelle combinaison linéaire de X et de Y vas tu prendre pour "reproduire la température" ???
si tu n'as pas pigé que le redressement de Y est naturel et automatique dans le processus de calibration des proxys (c'est à dire que la température reconstruite sera FORCEMENT du genre a*X-b*Y avec a et b positifs), je pense qu'effectivement tu as loupé le problème de base....
pour préciser : BIEN EVIDEMMENT, si la corrélation de X et de Y avec la température est exacte , ce qui suppose que les anomalies reproduisent individuellement la température , et donc que X et Y sont aussi PARFAITEMENT CORRELES ENTRE EUX, alors aX -BY est un indicateur parfaitement correct de température.
Mais si ils sont pollués par un facteur externe, aX-bY collera avec les températures dans la période de calibration parce que c'est assuré automatiquement par la calibration, par force (c'est ça une calibration non?) mais dans la passé elle n'a aucune raison de coller.
Et non, ce n'est PAS parce qu'on en prend 1000 au lieu de 2 que la moyenne tend vers la courbe, c'est faux. Il suffit de passer à la limite où la contribution de la température devient progressivement nulle et de se demander comment évolue la courbe : elle reste en forme de crosse de hockey, puisque cette forme existe meme avec des courbes quelconques décorrélées.
mais où ai-je dit le contraire?
Le principe de base est EVIDEMMENT de supposer que ce qui est vrai dans la période de calibration l'est pour toute la période.
c'est ce que j'ai dit quand j'ai dit ceci:
donc je répète que c'est la condition de base.A mon sens il peut présenter des variations importantes s'il a les mêmes caractéristiques tout le temps.
Sinon, c'est sûr que ça ne veut rien dire mais c'est la condition.
Ok alors pour vérifier cette condition il suffit de regarder si les proxys sont toujours un minimum corrélés entre eux avant la periode de calibration non ?Le principe de base est EVIDEMMENT de supposer que ce qui est vrai dans la période de calibration l'est pour toute la période.
cf image du message 314
Zut l'image de mon message 332 apparaitra quand 10 pages auront passé à ce rythme là
Dernière modification par BioBen ; 04/12/2009 à 16h21.
Dans la période de calibration on exploite les variations de proxies pour déterminer la ou les composantes principales.
Peu importe le sens de variations des proxies, c'est la tendance qui est exploitée.
On peut ensuite la relier à la température et dans ce cas on fait un étalonnage de la variation pour lui donner une valeur.
Bien entendu, je répète, qu'il faut que le facteur qui donne la tendance pendant la calibration soit réel et que le proxy soit bien un proxy température et pas humidité ou autres...
Ce serait l'idéal.
Si on ne trouve que des proxies non corrélés, il y a un truc qui ne marche pas.
Mais que sont deux proxies non corrélés?
Par exemple des proxies peuvent être corrélés sur le long terme et pas sur le court terme, si des paramètres pollueurs viennent mettre le bazar de temps en temps.
C'est gênant si on veut voir finement les choses mais ça l'est peut-être moins pour des périodes comme le PAG ou l'OM (je cite ça comme exemple).
Note: l'image a été validée
On est d'accord là dessus, supposons qu'on cherche un truc qui monte sur une periode, on prend tous les proxy croissants ou décroissant qui ont une corrélation suffisante en valeur absolue (et on fait -1 pour ceux qui sont décroissants).Peu importe le sens de variations des proxies, c'est la tendance qui est exploitée.
Le problème c'est pour savoir:
* si ces proxys dépendent bien de T
* si ces proxys ne dépendent bien que de T
Et ça on peut à priori le savoir en regardant la corrélation des proxy entre eux (on saura pas lequel est bon et lequel ne l'est pas, mais on saura qu'il y a un problème).
Bon, je vais essayer de décomposer les problèmes pour comprendre. merci d'avance d'être didactique.
Concernant les cernes de croissance, je rappelle à toutes fins utiles qu’elles reflètent le développement local et annuel d’un arbre. Donc, le schéma de Kaufman 2009 (mis en lien par Gilles) n’est pas spécialement surprenant, par définition les T n’évoluent pas de la même manière partout dans l’espace ni dans le temps. L’important est qu’elle soit localement corrélée (positivement ou négativement) à la T, et au final à la tendance de la T sur un certaine période temps considéré (calibration).
Question 1 : Est-ce que l’on est d’accord là-dessus ?
Question 2 : Est-ce que ce comportement localement et temporellement variable des cernes pose un problème statistique (en soi ou avec l’ACP) ?
Question 3 : Comment dépasser ce problème ?
Question 3bis : Si j’ai par exemple 50 séries de cernes superbement corrélées aux T entre 1850 et 2000, est-ce que j’ai un moyen d’en déduire les T 1000-1850 à partir des cernes ou est-ce que c’est irrémédiablement foutu ?
J'ai pas de problème avec ça, en sachant qu'il ne faut pas rechercher la corrélation parfaite mais une dose de corrélation dont la valeur reste à définir.
Il y a aussi les nombres en jeu.
Si j'utilise 20 proxies et que 5 ne sont pas corrélés aux 15 autres corrélés, eux, entre eux, je fais quoi?
Je jette tout ou j'utilise les 15 tout de même ou je fais autre chose?
Ah excusez-moi, une quatrième questionHistoire de se rapprocher du problème concret tel que je le perçois.
Je sais qu’en réalité, la croissance de mon arbre est influencé par 4 facteurs (en l’occurrence : T, CO2, humidité, usage des sols).
J’ai X arbres répartis un peu partout, avec des informations à peu près correctes sur les quatre facteurs au plan local sur une période donnée.
Question 4 : puis-je en déduire l’association de chaque arbre avec un des facteurs ? Donc puis-je isoler le poids du facteur T arbre par arbre ? Puis… retour aux autres questions.
l'ACP ne fait pas ça. Elle optimise la combinaison linéaire en maximisant la variation de la courbe obtenue. Elle se fiche totalement de l'origine physique de la corrélation. Comme le montre l'exemple de Tijlander, elle va tendre à redresser tout dans le meme sens , quel que soit son origine, et c'est une opération mathématique aveugle. Il est très difficile - et je pense impossible- de valider indépendamment le coefficient de proportionnalité entre la courbe obtenue, qui contient une proportion inconnue de "n'importe quoi" , et la température (l'exemple de Bioben etant obtenu avec 100 % de n'importe quoi...).
On est ok là dessus. Trouver +1 ou -1 n'a évidemment aucun sens.J'ai pas de problème avec ça, en sachant qu'il ne faut pas rechercher la corrélation parfaite mais une dose de corrélation dont la valeur reste à définir.
Il faut une (anti)corrélation significative (à déterminer) et constante.
Il dilue ton signal.Il y a aussi les nombres en jeu.
Le problème c'est que tu n'as aucune idée si ce sont les 15 qui sont effectivement corrélés à la température et entre eux, ou si ce sont les 5.Si j'utilise 20 proxies et que 5 ne sont pas corrélés aux 15 autres corrélés, eux, entre eux, je fais quoi?
Exemple caricatural:
Tu as 20 proxys que tu as sélectionné car ils montent pendant ta période de calibration.
Sauf que 15 montent parce qu'il y a eu plus de précipitations pendant cette période (pour une raison x ou y), et 5 montent effectivement car la température a monté.
Si tu gardes les 15, tu retraceras l'évolution des précipitations et pas la température.
Yay quelqu'un a regardé ma courbe !
oui, elle est même très jolie. Tu la publies dans Nature ?
Oui elle est très jolie pour sûr mais je ne crois pas qu'elle signifie quelque chose dans le cadre de l'analyse statistique ACP.
Lorsque les données sont vraiment aléatoires il y a autant de CP que de données, et donc, dans ce cas, les proxies sont éliminés.
L'analyse par CP permet justement de s'affranchir de ce caractère aléatoire.
Il faut pour cela disposer d'une période suffisamment longue bien sûr (autrement dit on ne va pas calibrer sur 10 ans) pour pouvoir dégager des CP intéressantes.
@gilles
je n'ai jamais parlé de paramètres physiques et je sais parfaitement qu'une analyse statistique s'en contrefiche.
En fait, c'est ça que (pour ma part) je ne comprends pas. S'il ne va pas de soi que l'on sélectionne des proxies physiquement contrôlés pour leur rapport à la T, alors je ne vois pas l'intérêt, on peut en effet et sûrement fabriquer des crosses de hockey avec le prénom Gavin ou avec le vote républicain au Sénat. Et d'ailleurs, celle de BioBen était vraiment magnifique, je confirme (quant à connaître la place du PSG au championnat... non, j'abandonne
Dans toute la discussion depuis le début, et encore dans l'exemple certes "caricatural" de BioBen juste ci-dessus (seulement 5 proxies sur 20 liés aux T), on a l'air de dire que les proxies ne sont que très vaguement associés aux T, que l'ensemble est totalement hétérogène, que le bruit dépasse le signal, etc.
Mais alors, pas la peine d'entrer dans toutes les finesses de l'analyse statistique : un indice de température qui n'indique pas la température n'est pas un indice de température, ni dans le présent ni dans le passé, monsieur de La Palisse aurait pu le dire sans faire partie du comité de lecture de Science !
C'est quand même cela qui me paraît simpliste, car tel que je résume l'affaire pour ce que j'en comprends du débat ici : Mann et al. auraient pris les signaux qui montent dans un ensemble quasi-aléatoire et auraient ordonné tout le reste à cette extraction arbitraire. Si c'est aussi simple que cela, c'est quand même inquiétant pour les revues qui publient et plus généralement pour la communauté des paléoclimatologues... non ?
C'est pas ça que je voulais dire je parlais de l'analyse statistique en elle-même qui s'en contrefichait.
Sinon, à mon sens, le choix d'un proxy doit faire l'objet d'une recherche approfondie.
On ne le choisit pas au pif.
A priori, il n'est pas stupide de relier croissance d'un végétal avec la température.
Mais on sait que d'autres facteurs jouent comme l'humidité, les fertilisants, les attaques de parasites, etc.etc.
Et c'est là que l'analyse statistique intervient, pour éventuellement sortir un signal du bruit.
A ce que j'en comprends, la question est plutôt comment on peut réfuter un proxy, qu'il ait été choisi au pif ou non.
(Je préfèrerais dans mes termes parler de la pondération du proxy dans l'aggrégat, mais, bon, il semble plus simple de parler en tout ou rien.)
Si les cernes des arbres ne se corrèlent pas bien depuis 1960, ce proxy ne devrait-il pas être réfuté, rejeté? Et ce même si on avait de bonnes raisons de penser a priori qu'il était bon?
La question méthodologique semble bien moins être comment on choisit initialement les proxys, mais des critères qui amènent garder certains et pas d'autres.
Si la méthode est limitée à "on garde le proxy P s'il existe un fonction linéaire aP+b bien corrélée avec les températures mesurées dans la période récente" et rien de plus, alors, oui, on peut comprendre la critique de McIntyre. Et cela est indépendant du fait que le choix initial soit au pif ou pas au pif.
(Mais c'est un gros "Si", et les arguments défendant l'hypothèse me semblent continuer à laisser planer le doute.)
Cordialement,
Dernière modification par invité576543 ; 04/12/2009 à 20h17.
Des reconstructions ont été réalisées sans les proxies divergents, je crois.
En ce sens ils ont été éliminés.
Je ne connais pas l'histoire complète des critiques de MM (McIntyre et McKytrick).
Il est écrit ceci dans le lien que j'ai donné plus haut concernant les critiques de MM:
A ce moment là de leur "histoire" ils ne remettaient pas en cause la méthodologie employée mais l'origine d'une série de données.7) Dans le fond, alors, la critique de MM05 porte simplement sur le fait que MBH98 a utilisé une sélection d’anneaux de croissance d’arbres nord américains, et pas sur une erreur mathématique ?
Oui. Leur argument depuis le début porte essentiellement non pas du tout sur des questions méthodologiques, mais sur la question de l’origine des données. Des problèmes particuliers concernant les pins bristlecones (Pinus longaeva) ont été signalés dans l’article suivant MBH99, mais le fait reste que la prise en compte de ces données améliore la validation statistique sur la période du 19ème siècle et qu’elles devraient être prises en compte.
Ils ont fait diverses critiques donc.
Mais le sujet de ce fil n'est-il pas la critique sur la méthodologie, l'idée que le choix de proxys mal corrélés en général (sur tout l'intervalle) suffit à obtenir la courbe incriminée?
Cordialement,
je crois que tout est là. Il y a quelque-chose de caricatural dans la critique de M&M, que Gillesh38 reprend à son compte si je le suis bien, et qu'on retrouve dans la simulation de Bioben: elle suppose que l'on pioche dans un vaste ensemble de variables, pour ne retenir que celles qui sont corrélées avec les températures récentes. Si les proxys ont été choisis a priori (au sens technique: avant d'entrer dans le modèle) pour leur lien plus ou moins établi avec la température, et même s'il y a quelques couacs comme celui du fameux lac de finlande, la critique s'effondre, ou en tout cas s'affaiblit.
d'après ce que je comprends l'ACP a été, à la suite des critiques de MM, réalisée sur l'ensemble de la période.
Ceci a nécessité un nombre plus importants de CP (5 au lieu de 2) ce qui semble normal.
Il semble que le CP de Mann soit passé de la 1ère à la 4ème place, ce qui ne veut pas dire qu'il ne veuille rien dire.
Et en fin de compte les courbes de CP étaient quasi-identiques.
Enfin c'est ce que j'ai compris de cet extrait du même lien:
4) Est-ce que le fait de changer de convention change la réponse ?
Comme discuté plus haut, une convention différente (MM05 suggèrent celle de fixer à zéro la moyenne sur l’ensemble des données) changera l’ordre, le degré de signification, et le nombre d’importants CP. Dans ce cas, le nombre de CP significatifs monte à 5 (peut-être 6) au lieu de 2 à l’origine. Voici la différence entre les points bleus (convention de MBH98) et les croix rouges (convention de MM05) dans le premier graphique. Le CP N°1 dans la convention de MBH98 descend au CP N° 4 dans la convention de MM05.
Ceci est illustré par la figure de droite, la courbe rouge représente le CP N° 1 d’origine et la courbe bleue le CP n° 4 de MM05 (ajustées pour avoir la même variance et la même moyenne).
Mais, comme nous l’avons fait remarquer plus haut, les données sous-jacentes ont une structure en forme de crosse de hockey, si bien que dans les deux cas, le CP en forme de crosse de hockey explique une partie significative de la variance. En conséquence, lors de l’utilisation de la convention MM05, on doit utiliser un nombre plus grand de CP afin de saisir les informations significatives contenues dans l’ensemble des anneaux de croissance.
Cette figure montre la différence sur le résultat final selon que l’on utilise la convention d’origine avec 2 CP (bleu) ou la convention MM05 avec 5 CP (rouge).
La reconstitution type MM05 est légèrement moins performante si on l’examine sur la période de validation du 19ème siècle, mais se trouve par ailleurs très similaire.. En fait, n’importe quelle convention de calibrage conduira approximativement à la même réponse, à condition d’effectuer convenablement la décomposition en CP, et que l’on détermine combien de CP sont nécessaires pour retenir les informations fondamentales contenues dans les données d’origine.
si tu comprends autrement merci de m'en faire part.
Resterait la question de la méthode d'insertion des proxies dans la moulinette
Oui il y a bien des critiques et non, elles ne sont pas évidentes. Que de chemin pour en arriver là quand même.
Je sers la science et c'est ma joie.... Il parait.
Je crois que la critique porte aussi sur un possible biais sur l'amplitude de l'augmentation par rapport aux variations du passé.
OK, il y a le problème d'éventuels proxies qui ne corrèleraient pas du tout, sauf par hasard sur la période de calibration (cas Tijlander et exemple de BioBen). Mais sans aller jusqu'à cet extrême, je pense que le simple fait d'avoir une corrélation sur toute la période qui soit un peu plus faible que sur la période de calibration, va suffire à donner un caractère exceptionnel aux variations sur la période de calibration.
C'est très facilement testable. Il suffit de choisir une courbe de référence, de construire une centaine de courbes en bruitant un peu celle de référence, puis de sélectionner les 50 courbes bruitées qui corrèlent le mieux avec la courbe de référence sur une courte période choisie (période de calibration). Je pense que la moyenne de ces 50 courbes aura bien l'allure générale de la courbe de référence, mais avec une amplitude plus faible sauf pour la période de calibration.
Je me trompe? Peut-être que BioBen peut nous en faire une démo?
--
"Toute vérité franchit trois étapes. D’abord elle est ridiculisée. Ensuite, elle subit une forte opposition. Puis, elle est considérée comme ayant toujours été une évidence." - Arthur Schopenhauer
la moyenne est nécessairement moins variable qu'une courbe individuelle, mais en principe la régression fournit une estimation non biaisée de la variance de prédiction. En d'autres termes, il faut regarder les régions de confiance et pas seulement la courbe moyenne.
je suis perplexe devant cette explication.
Il se peut que j'ai mal saisi toute la discussion technique mais voilà ce que j'en comprends
* MM05 proposaient de faire l'ACP sur l'anomalie par rapport à l'ensemble de la courbe , et non seulement la période de calibration.
cette proposition me semble plus correcte effectivement puisqu'elle extrait le signal de corrélation maximale sur l'ENSEMBLE de la reconstruction , incluant donc les périodes médiévales et le PAG, et non juste la période moderne. Avec cette méthode, le proxy de Tijlander a toutes les chances de se retrouver DANS LE BON SENS, l'anomalie "moderne" étant elle retournée, alors que calculer la corrélation juste dans l'époque moderne ne fait que la redresser.
* Ils trouvent des CP dans un ordre d'importance différent de celui de MBH98. Et là s'engage une discussion sur le nombre de CP "significatives" à garder pour la reconstruction. Realclimate argue que la méthode de MM05 fait apparaitre plus de CP significatives et qu'il faut toutes les garder .. ce qui redonne à peu près la meme courbe qu'avant, alors que MM05 ne gardent toujours que les deux premières.... qui ne contiennent plus celle de MBH98 car elle s'est retrouvée en position n°4.
Autrement dit MM05 prétendent que la courbe de hockey initiale étaient dominée par une composante spurieuse, que leur traitement a éliminé, et Realclimate prétend qu'il faut la garder.
A ce niveau, je jette l'éponge, parce qu'effectivement je n'ai pas d'expérience suffisante pour trancher ce point technique. Je me bornerai à faire quelques observations
*il me semble que la courbe de MM05 à 2 composantes qu'ils proposent avec une nette remontée à l'OM ressemble quand meme plus aux reconstructions actuelles que MBH98 original, donc je ne vois pas très bien en quoi ce qu'ils disaient est faux.
* realclimate semble dire que le résultat de MM05 n'est "que" d'exclure de la corrélation 2 indicateurs douteux et donc que ce n'est pas un probleme de méthode, mais juste de qualité des données. Mais l'argument me parait peu honnête : si c'est la méthode de MM05 qui les élimine, et pas celle de MBH98 (probablement parce que leur corrélation avec les autres indicateurs dans le passé s'évanouit ) alors c'est bien la méthode de MM05 qui est meilleure.
* il est exact que quoi qu'on fasse, on retrouve une montée à l'époque moderne. Mais j'ai beau ecarquiller les yeux, je n'arrive à voir que des montées commençant au XIX siecle et dont l'essentiel se produit entre 1900 et 1940, et ceci dans TOUTES les reconstructions. Or les forçages ne sont PAS censés etre anthropiques dans cette période ! c'est déplacé la question de savoir si il y a VRAIMENT RECHAUFFEMENT, alors que la vraie question est QUELLE EST LA PART ANTHROPIQUE DES VARIATIONS DE T MOYENNE? sur ces reconstructions, je ne vois toujours pas ce qui permet de conclure à une part anthropique largement majoritaire. Yves a eu l'air parfois de dire que "ça n'avait pas d'importance", mais là , je suis en total désaccord. Si on considère qu'il y a un phénomène naturel encore mal identifié qui explique la forme globale du dernier millénaire Y COMPRIS la montée, certes rapide, mais pas apparemment anthropique, avant 1940, alors l'influence anthropique est réduite d'autant, et on pourrait peut etre tout expliquer avec une sensibilité climatique entre 1 et 2°C /doublement du CO2, par exemple. Ce qui a quand meme une influence sur les prédictions...
Une question incidente, un peu décalée par rapport au reste de la discussion:
Quels sont les proxys qui permettent de conclure consensuellement à l'existence de l'optimum médiévale et/ou du petit âge glaciaire?
Ne sont-ce pas nécessairement des proxys fiables si on prend le critère de montrer ces deux événements
Cordialement,
ce n'est pas comme ça qu'il apparait de ce que je comprends de MM05 : ce n'est pas pris comme un "critère", mais juste le résultat de prendre la composante principale SUR L'ENSEMBLE de la courbe et non seulement sur la période de calibration. Je pense que si on fait ça sur des courbes aléatoires, on retrouve une courbe plate sans crosse de hockey, le biais systématique disparait. Et il est tout à fait possible alors que l'OM et le PGA apparaissent naturellement comme une composante générique des proxys se superposant à leur variabilité individuelle.
Effectivement, l'OM est attesté par des chroniques mentionnant par exemple la culture de la vigne au nord de l'Angleterre (c'est prévu pour quand avec le RCA ?
une autre remarque incidente : à l'époque préindustrielle, toutes ces périodes chaudes etaient associées à des optima économiques. C'est à dire que si on prenait au lieu de la température des indicateurs économico-politiques, on trouverait la meme courbe .. graduée en bien-etre économique ! ce n'est pas le moindre des paradoxes que d'interpréter le RC moderne comme une catastrophe.... alors qu'il n'existe aucune validation d'aucune sorte d'une anticorrélation entre T et l'économie ! les catastrophes n'existent que dans les scénarios, il n'y a aucune preuve expérimentale de leur existence. On se doute qu'on aura des problèmes si les températures montent trop, mais absolument rien dans les données ne montrent que ce seuil est proche, ni accessible.
Bonjour
Est-ce qu'on ne pourrait pas trouver une partie d'explication de la crosse, pour ce qui est de la montée récente des températures tout simplement dans : l'urbanisation.
Les relevés de température existent depuis environ 1850 sauf erreur, la plupart du temps implantés dans des villes.
Pour l'exemple, j'habite en banlieue parisienne; et j'ai la chance d'avoir des bois pas loin. Avec d'autres banlieue moins favorisées de ce côté là j'ai toujours 1 à 2° d'écart. Avec Paris, c'est plutôt 2 à 4 °.
Trois choses paraissent évidentes :
- les stations météo sont souvent implantés dans ou à proximité des grandes villes (il y en a au sommet des montagnes aussi je sais)
- ces villes ont largement grandi et prospéré depuis la création des stations
- la croissance des villes entraîne une certaine hausse des températures locales
D'où ma question : est-ce que les effets de l'urbanisation peuvent être pris en compte ? Est-ce qu'ils le sont ? ...
