Modèles climatiques

CMIP6

L'ensemble multimodèle CMIP6 est utilisé pour analyser les scénarios climatiques futurs, comprendre la variabilité climatique dans un cadre multimodèle et évaluer les impacts du changement climatique. Le CMIP est une vaste initiative internationale visant à faire progresser le développement des modèles climatiques et à améliorer la compréhension scientifique du système terrestre, coordonnée par le Programme mondial de recherche sur le climat (PMRC) par l’intermédiaire de son Groupe de travail sur la modélisation couplée (WGCM).
Plus de 30 groupes de recherche à travers le monde contribuent au CMIP6. Au total, 21 projets de comparaison de modèles ont été approuvés en raison de leur pertinence par rapport aux « grands défis » du WCRP et aux questions scientifiques fondamentales du CMIP6. Les simulations de modèles réalisées dans le cadre du CMIP6 ont également été évaluées et utilisées dans le cadre d’importantes évaluations et négociations internationales sur le climat, notamment les rapports d’évaluation du GIEC.

Les données issues du CMIP6 constituent la base des modèles d'impact utilisés dans le cadre de l'ISIMIP (Inter-Sectoral Impact Model Intercomparison Project), sur lesquels s'appuient les résultats présentés sur Climate Impacts Online.

Pour en savoir plus sur le CMIP6 : www.wcrp-climate.org

ISIMIP3b

Pour le portail web « Climate Impacts Online », on a utilisé les données climatiques d’entrée ISIMIP3b corrigées des biais, issues du projet ISIMIP (Inter-Sectoral Impact Model Intercomparison Project). Cet ensemble de données repose sur les résultats originaux des modèles climatiques globaux (MCG) issus des archives du CMIP6. Pour plus d’informations sur cet ensemble de données, consultez le site web de l'ISIMIP
Pour la correction des biais et la réduction d'échelle statistique, la méthode ISIMIP3BASD et l'ensemble de données d'observation W5E5 v2.0 ont été utilisés (Lange, 2019a ; Lange, 2020).

Les données portent sur trois périodes :

- Période préindustrielle (1601-1849)
- Données historiques (1850-2014)
- Avenir (2015-2100)

Les projections pour l'avenir s'appuient sur les expériences du CMIP6, et plus précisément sur :

- piControl (Expérience de contrôle pré-industrielle)
- historique
- ssp126 (SSP1–RCP2.6)
- ssp370 (SSP3–RCP7.0)
- ssp585 (SSP5–RCP8.5)

Le jeu de données ISIMIP3b comprend un large éventail de variables climatiques : humidité relative et spécifique près de la surface, vitesse du vent près de la surface, températures maximales, moyennes et minimales quotidiennes, rayonnement descendant à ondes longues et à ondes courtes, chutes de neige, pression atmosphérique au sol et précipitations totales.
Si vous utilisez des données téléchargées depuis Climate Impacts Online, veuillez les citer conformément aux informations de citation d'ISIMIP3b

Les données ISIMIP3b comprennent les modèles suivants. En cliquant sur chaque lien, vous trouverez également plus d'informations sur chaque modèle :

Modèle	Lien
GFDL-ESM4	GFDL, Données d'entrée ISIMIP pour le modèle GFDL-ESM4
IPSL-CM6A-LR	IPSL, Données d'entrée ISIMIP IPSL-CM6A-LR
MPI-ESM1-2-HR	Institut Max Planck de météorologie, Données d'entrée ISIMIP MPI-ESM1-2-HR
IRM-ESM2-0	Institut Max-Planck, Données d'entrée ISIMIP MRI-ESM2-0
UKESM1-0-LL	UKESM, Données d'entrée ISIMIP UKESM1-0-LL

Pour en savoir plus sur ISIMIP : www.isimip.org

Modèles en détail

GDFL-ESM4

Le modèle climatique GDFL-ESM4, qui fait partie du projet CMIP6, a été publié en 2018. Il se compose de :
Aérosols : interactif (incluant l’effet indirect des aérosols), atmosphère : GFDL-AM4.1 (cube-sphère (c96) – résolution horizontale nominale de 1 degré ; 360 × 180 longitude/latitude ; 49 niveaux ; niveau supérieur : 1 Pa), chimie atmosphérique : GFDL-ATMCHEM4.1 (chimie atmosphérique complète), terres émergées : GFDL-LM4.1 (modèle de terres émergées avec un nouveau modèle de dynamique de la végétation prenant explicitement en compte l’âge et la structure en hauteur des plantes ainsi que les micro-organismes du sol, avec des données quotidiennes sur les feux, les cultures, les pâturages et le pâturage), glace terrestre : GFDL-LM4.1, océan : GFDL-OM4p5 (GFDL-MOM6, tripolaire – résolution nominale de 0,5 degré ; 720 × 576 longitude/latitude ; 75 niveaux ; cellule de grille supérieure : 0-2 m), chimie de la glace océanique : GFDL-COBALTv2, glace marine : GFDL-SIM4p5 (GFDL-SIS2.0, tripolaire - résolution nominale de 0,5° ; 720 x 576 en longitude/latitude ; 5 couches ; 5 catégories d'épaisseur), avec transfert radiatif et dynamique de grille C pour la compatibilité avec MOM6. Le modèle a été exécuté par la National Oceanic and Atmospheric Administration, Geophysical Fluid Dynamics Laboratory, Princeton, NJ 08540, USA (NOAA-GFDL) dans ses résolutions nominales natives : aérosols : 100 km, atmosphère : 100 km, chimie atmosphérique : 100 km, terres : 100 km, glace terrestre : 100 km, océan : 50 km, chimie océanique : 50 km, glace de mer : 50 km.
Source: WDC Climate - GDFL-ESM4

IPSL-CM6A-LR

Le modèle climatique IPSL-CM6A-LR a été publié en 2017 et fait également partie du projet CMIP. Le modèle comprend les composants suivants : « atmosphère : LMDZ (NPv6, N96 ; 144 × 143 longitude/latitude ; 79 niveaux ; niveau supérieur : 80 000 m), terre : ORCHIDEE (v2.0, mode Eau/Carbone/Énergie), océan : NEMO-OPA (eORCA1.3, tripolaire principalement à 1° ; 362 × 332 longitude/latitude ; 75 niveaux ; cellule de grille supérieure : 0-2 m), ocnBgchem : NEMO-PISCES, glace de mer : NEMO-LIM3. Le modèle a été exécuté par l’Institut Pierre Simon Laplace, Paris 75252, France (IPSL) dans ses résolutions nominales natives : atmosphère : 250 km, terre : 250 km, océan : 100 km, ocnBgchem : 100 km, glace de mer : 100 km. »
Source: WDC Climate - GDFL-ESM4

MPI-ESM1-2-HR

Le modèle MPI-ESM est composé des modèles de circulation générale couplés pour l'atmosphère et l'océan, ECHAM6 (spectral T127 ; 384 x 192 longitude/latitude ; 95 niveaux ; niveau supérieur 0,01 hPa) et MPIOM (tripolaire TP04, environ 0,4° ; 802 x 404 longitude/latitude ; 40 niveaux ; cellule de grille supérieure 0-12 m), et des modèles de sous-systèmes pour les terres émergées et la végétation JSBACH3.20 et pour la biogéochimie marine HAMOCC6. Il est exploité par l'Institut Max Planck de météorologie, Hambourg 20146, Allemagne (MPI-M) dans ses résolutions nominales natives : « aérosols : 100 km, atmosphère : 100 km, terres émergées : 100 km, glace terrestre : aucune, océan : 50 km, biogéochimie océanique : 50 km, glace de mer : 50 km ».
Source: WDC Climate - GDFL-ESM4

IRM-ESM2-0

Le modèle MRI-ESM2.0 a été publié en 2017 et est géré par l'Institut de recherche météorologique de Tsukuba, Ibaraki 305-0052, Japon (MRI). Il comprend les composants suivants : « aérosol : MASINGAR mk2r4 (TL95 ; 192 x 96 longitude/latitude ; 80 niveaux ; niveau supérieur 0,01 hPa), atmosphère : MRI-AGCM3.5 (TL159 ; 320 x 160 longitude/latitude ; 80 niveaux ; niveau supérieur 0,01 hPa), atmosphère chimique : MRI-CCM2.1 (T42 ; 128 x 64 longitude/latitude ; 80 niveaux ; niveau supérieur 0,01 hPa), terre : HAL 1.0, océan : MRI.COM4.4 (tripolaire principalement 0,5 degré de latitude/1 degré de longitude avec un raffinement méridien jusqu’à 0,3 degré dans un rayon de 10 degrés au nord et au sud de l’équateur ; 360 x 364 longitude/latitude ; 61 niveaux ; cellule de grille supérieure 0-2 m) ». ocnBgchem : MRI.COM4.4, seaIce : MRI.COM4.4. Le modèle a été exécuté avec les résolutions nominales natives : aérosols : 250 km, atmosphère : 100 km, atmosChem : 250 km, terres : 100 km, océan : 100 km, ocnBgchem : 100 km, seaIce : 100 km.
Source: WDC Climate - GDFL-ESM4

UKESM1

UKESM1 est composé du modèle océanique NEMO et du modèle de glace de mer CICE, ainsi que du modèle de surface terrestre JULES, avec la végétation dynamique TRIFFID. De plus, le modèle simule la chimie atmosphérique et les aérosols à l'aide d'UKCA, la biogéochimie marine avec MEDUSA et les calottes glaciaires dynamiques avec le modèle BISICLES. UKESM - UKESM1

Sources :

Eyring, V., S. Bony, G. A. Meehl, C. A. Senior, B. Stevens, R. J. Stouffer, and K. E. Taylor, 2016: Overview of the Coupled Model Intercomparison Project Phase 6(CMIP6) experimental design and organization. Geoscientific Model Development, 9, 1937−1958, https://doi.org/10.5194/gmd-9-1937-2016.
Lange, S.: Trend-preserving bias adjustment and statistical downscaling with ISIMIP3BASD (v1.0), Geoscientific Model Development, 12, 3055–3070, https://doi.org/10.5194/gmd-12-3055-2019, 2019a.
Lange, S.: ISIMIP3BASD v2.4.1, https://doi.org/10.5281/zenodo.3898426, 2020.
ISIMIP3b
WGCM CMIP6

Modèles de forêts et de biodiversité

Les simulations pour le secteur Forêts et Biodiversité ont été réalisées avec le modèle dynamique de végétation globale (DGVM).LPJmL4.0-VR(Sakschewski et al., 2021). Les DGVM, tels que LPJmL, sont un outil important pour étudier la réponse des écosystèmes forestiers naturels, comme la forêt amazonienne, aux changements climatiques et aux perturbations humaines telles que les incendies et la déforestation.

Le modèle LPJmL (Lund-Potdam-Jena managed Land) est un modèle de végétation dynamique (DGVM) basé sur les processus, qui modélise les cycles de l'énergie, de l'eau et du carbone dans le système terrestre et simule la croissance et la productivité de la végétation naturelle et agricole (Schaphoff et al., 2018). La végétation naturelle est caractérisée par différents types fonctionnels de plantes (PFT), par exemple « arbres feuillus tempérés » ou « conifères boréaux ». Les PFT sont en compétition pour les ressources en lumière et en eau dans des cellules de grille de 0,5° (environ 50 km x 50 km). De ce fait, des communautés forestières adaptées aux conditions climatiques locales s'établissent. Sous les tropiques, les arbres feuillus persistants et les conifères pluviaux coexistent, en fonction de la disponibilité en eau et de la durée de la saison sèche. Une extension récente, LPJmL4.0, prend désormais en compte la croissance dynamique des racines, différentes profondeurs d'enracinement et la distribution des racines dans le sol.LPJmL4.0-VR(DansarableRoots), a été une étape importante vers une représentation plus réaliste des cycles de productivité et d'évapotranspiration intra-annuels, de la couverture forestière et de la distribution spatiale de la biomasse dans les forêts tropicales et subtropicales (Sakschewski et al., 2021).

Références :

Sakschewski, B., Von Bloh, W., Drüke, M., Sörensson, AA, Ruscica, R., Langerwisch, F., Billing, M., Bereswill, S., Hirota, M., Oliveira, RS, Heinke, J., et Thonicke, K. (2021). Les stratégies d’enracinement variables des arbres sont essentielles à la modélisation de la distribution, de la productivité et de l’évapotranspiration des forêts tropicales sempervirentes. Biogeosciences, 18(13), 4091–4116. https://doi.org/10.5194/bg-18-4091-2021
Schaphoff, S., von Bloh, W., Rammig, A., Thonicke, K., Biemans, H., Forkel, M., Gerten, D., Heinke, J., Jägermeyr, J., Knauer, J., Langerwisch, F., Lucht, W., Müller, C., Rolinski, S., Waha, K. (2018). LPJmL4 – un modèle dynamique global de végétation avec terres gérées – Partie 1 : Description du modèle. Développement de modèles géoscientifiques, 11(4), 1343-1375. https://doi.org/10.5194/gmd-11-1343-2018

Scénarios climatiques

Les scénarios dits de concentration représentative (RCP) ont été élaborés pour le cinquième rapport d'évaluation du Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC). Ils décrivent différents niveaux d'augmentation du rayonnement induite par les gaz à effet de serre qui pourraient se produire entre 2011 et 2100. Cependant, ils ne comportaient aucun contexte socio-économique. Ces dernières années, une équipe internationale de climatologues, d'économistes et de modélisateurs des systèmes énergétiques a élaboré de nouveaux scénarios qui examinent comment la société, la démographie et l'économie mondiales pourraient évoluer au cours du siècle prochain. Ces scénarios sont connus sous le nom de « scénarios socio-économiques partagés » (SSP). Publiés en 2017 (Riahi et al., 2017), les SSP joueront un rôle majeur dans le sixième rapport d'évaluation du GIEC, prévu pour 2021-2022.

Les scénarios de stabilité du climat (SSP) sont des scénarios de référence qui décrivent l'évolution future en l'absence de nouvelles politiques climatiques, au-delà de celles déjà en vigueur. Ils proposent cinq trajectoires possibles pour le monde. Ces cinq SSP diffèrent principalement par la croissance démographique, l'urbanisation, la croissance économique, les investissements dans l'éducation et la santé, le système énergétique et l'utilisation des sols, le rythme du développement technologique ainsi que par les facteurs de la demande, tels que les changements de mode de vie (Riahi et al., 2017).

Tout comme les RCP, les SSP sont incomplets, car ils ne représentent que des futurs sociaux et n'intègrent pas les impacts du changement climatique. De plus, aucune mesure d'atténuation ou d'adaptation n'y est mise en œuvre (O'Neill et al., 2020). C'est pourquoi ClimateImpactsOnline utilise trois combinaisons SSP-RCP pour visualiser les données climatiques correspondant à différents scénarios socio-économiques et radiatifs.

« Durabilité » SSP1 - 2.6

Le scénario de faible évolution climatique (SSP1) présente une voie relativement durable, souvent qualifiée de « voie verte ». Ce scénario repose sur des investissements importants dans l'éducation et la santé, ce qui accélère la transition démographique et ralentit la croissance de la population, notamment dans les pays en développement. De manière générale, l'accent est mis sur le bien-être humain. Portée par un engagement accru en faveur des objectifs de développement, la réduction des inégalités se poursuit tant entre les pays qu'au sein même de ceux-ci. La consommation est orientée vers une faible croissance matérielle et une moindre intensité énergétique et en ressources. Le scénario de référence SSP1 présente peu de défis en matière d'atténuation et d'adaptation au changement climatique, car les objectifs climatiques peuvent être atteints à l'échelle mondiale (O'Neill et al., 2017). Le SSP1 est associé à un forçage radiatif de 2,6 watts par mètre carré en 2100.

« Rivalité régionale » SSP3 - 7.0

Le scénario de changement climatique modéré (SSP3), également appelé « rivalités régionales », est caractérisé par une résurgence du nationalisme et des conflits régionaux. Ceci incite les pays à se concentrer de plus en plus sur leurs enjeux nationaux, voire régionaux. Par exemple, les objectifs de sécurité énergétique et alimentaire ne sont atteints que dans leur propre région. Les investissements dans l'éducation et le développement technologique diminuent. Le développement économique est lent, la consommation est gourmande en ressources matérielles et les inégalités s'aggravent. De plus, la croissance démographique est faible dans les pays industrialisés et élevée dans les pays en développement. Globalement, le scénario SSP3 se caractérise par une faible priorité internationale accordée aux préoccupations environnementales (Fujimori et al., 2017). Ce scénario est associé à un niveau de forçage de 7 watts par mètre carré.

« Développement fondé sur les énergies fossiles » SSP5 - 8.5

Le scénario extrême (SSP5) se caractérise par un progrès technologique rapide et un développement important du capital humain. Les marchés mondiaux sont de plus en plus intégrés. Des investissements massifs sont également réalisés dans la santé, l'éducation et les institutions afin de renforcer le capital humain et social. Parallèlement, on observe l'exploitation de ressources abondantes en combustibles fossiles et l'adoption, partout dans le monde, de modes de vie énergivores et consommateurs de ressources. On mise sur la capacité à gérer les systèmes sociaux et écologiques, y compris par la géo-ingénierie si nécessaire (Kriegler et al., 2017). ClimateImpactsOnline utilise la combinaison du scénario SSP5 avec un niveau de rayonnement induit par les gaz à effet de serre de 8,5 watts par mètre carré.

Voir aussi :

Base de données SSP

Les trajectoires socio-économiques partagées (TSP) : un aperçu (affiche)
Sources :

O'Neill, BC, Carter, TR, Ebi, K. et al. Réalisations et besoins du cadre de scénarios de changement climatique. Nat. Clim. Chang. 10, 1074–1084 (2020). https://doi.org/10.1038/s41558-020-00952-0

Riahi, K. et al., Les trajectoires socio-économiques partagées et leurs implications en matière d'énergie, d'utilisation des terres et d'émissions de gaz à effet de serre : un aperçu, Global Environmental Change, Volume 42, 153-168 (2017). https://doi.org/10.1016/j.gloenvcha.2016.05.009.

Données observationnelles

L'ensemble de données W5E5 comprend des données d'observation et de réanalyse et sert à représenter les données d'observation. Il fait partie du projet ISIMIP3b (Impact Model Intercomparison Project), où il est utilisé pour la correction des biais des évaluations d'impact. Cet ensemble de données inclut les données terrestres WFDE5 et les données océaniques ERA5 (données d'observation et de réanalyse) (Cucchi et al., 2020 ; Hersbach et al., 2020). Les données de précipitations issues de la version 2.3 du Global Precipitation Climatology Project (Adler et al., 2003) constituent une source de données supplémentaire.

La version 1.0 de W5E5 inclut des données pour la période 1979-2017. Cela signifie que pour la décennie 2011-2020, seules six années sont disponibles et que les cartes de différence ne sont relatives qu'aux années 1991-2014. Nous mettrons régulièrement à jour et diffuserons les données supplémentaires de W5E5 pour cette décennie. L'ensemble de données offre une résolution spatiale horizontale de 0,5° et une résolution temporelle journalière.
Les variables incluses dans l'ensemble de données sont les suivantes : humidité relative près de la surface (hurs, %), humidité spécifique près de la surface (huss, kg kg⁻¹), précipitations (pr, kg m⁻² s⁻¹), flux de neige (prsn, kg m⁻² s⁻¹), pression atmosphérique en surface (ps, Pa), pression au niveau de la mer (psl, Pa), rayonnement solaire descendant de grande longueur d'onde (rlds, W m⁻²), rayonnement solaire descendant de courte longueur d'onde (rsds, W m⁻²), vitesse du vent près de la surface (sfcWind, m s⁻¹), température de l'air près de la surface (tas, K), température maximale quotidienne de l'air près de la surface (tasmax, K), température minimale quotidienne de l'air près de la surface (tasmin, K), altitude (orog, m) et masque WFDE5-ERA5 (mask, 1) (Lange, 2019). Les données WFDE5 des variables correspondent, pour les terres et les océans, aux moyennes journalières des données horaires WFDE5. Les variables terrestres hurs, pr, psl, tasmax et tasmin, ainsi que les variables océaniques tasmax et tasmin, sont obtenues par un calcul différent. Ce calcul est décrit sur le site web suivant : WFDE5 au-dessus des terres fusionné avec ERA5 au-dessus de l'océan (W5E5)

En sélectionnant « Observations » dans la section Données historiques de l'onglet Paramètres, vous pouvez visualiser les données observées de l'ensemble de données W5E5.

Sources :

Adler, R. F., Huffman, G. J., Chang, A., Ferraro, R., Xie, P.-P., Janowiak, J., Nelkin, E. (2003). The Version-2 Global Precipitation Climatology Project (GPCP) Monthly Precipitation Analysis (1979–Present). Journal of Hydrometeorology, 4(6), 1147–1167. doi:10.1175/1525-7541(2003)004<1147:tvgpcp>2.0.co;2
Cucchi, M., Weedon, G. P., Amici, A., Bellouin, N., Lange, S., Müller Schmied, H., Hersbach, H., & Buontempo, C. (2020). WFDE5: bias-adjusted ERA5 reanalysis data for impact studies. Earth System Science Data, 12(3), 2097–2120. https://doi.org/10.5194/essd-12-2097-2020
Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., Muñoz‐Sabater, J., Nicolas, J., Peubey, C., Radu, R., Schepers, D., Simmons, A., Soci, C., Abdalla, S., Abellan, X., Balsamo, G., Bechtold, P., Biavati, G., Bidlot, J., Bonavita, M., … Thépaut, J. N. (2020). The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999–2049. https://doi.org/10.1002/QJ.3803
Lange, Stefan (2019): WFDE5 over land merged with ERA5 over the ocean (W5E5). V. 1.0. GFZ Data Services. https://doi.org/10.5880/pik.2019.023
Lange, S.: ISIMIP3BASD v2.4.1, https://doi.org/10.5281/zenodo.3898426, 2020.

Données de simulation historiques

Pour valider les modèles climatiques, les conditions climatiques passées sont simulées et comparées aux données observées. Un indicateur important pour valider la fiabilité des projections climatiques futures issues des modèles est l'évolution temporelle et spatiale simulée de la température moyenne mondiale à la surface, de l'ère préindustrielle à nos jours.

La simulation historique fait partie des éléments requis pour participer au projet CMIP (phase 6). Elle a été ajoutée au projet DECK (Diagnostic, Évaluation et Caractérisation du Climat) afin de mieux distinguer le CMIP de cette phase spécifique, en l'occurrence le CMIP6. Ces simulations servent également de référence pour les projets d'intercomparaison de modèles (MIP) approuvés par le CMIP6.

Les simulations débutent à partir de conditions d'équilibre arbitraires issues de l'expérience de contrôle préindustrielle (piControl). Ensuite, divers forçages temporels, conformes au CMIP6, tels que les émissions de gaz à effet de serre, les forçages liés à l'utilisation des terres, les aérosols, le forçage solaire et autres, sont intégrés aux modèles. Ces derniers génèrent alors une reconstitution des conditions historiques. Les simulations historiques du CMIP6 couvrent la période de 1850 à 2014.

En sélectionnant « Données simulées historiques » dans la section Données historiques de l'onglet Paramètres, vous pouvez visualiser les simulations passées des modèles climatiques.

Sources :

Eyring, V., Bony, S., Meehl, G. A., Senior, C. A., Stevens, B., Stouffer, R. J., and Taylor, K. E.: Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization, Geosci. Model Dev., 9, 1937-1958, doi:10.5194/gmd-9-1937-2016, 2016.
WGCM CMIP6

Aperçu

ClimateImpactsOnline montre comment le climat et ses impacts sur des secteurs tels que l’agriculture, les forêts, l’eau, l’énergie, le tourisme et la santé pourraient évoluer dans la région que vous avez sélectionnée. Le secteur « climat » présente les changements climatiques eux-mêmes ; les autres secteurs présentent les impacts climatiques possibles. Les cartes, diagrammes et tableaux s’appuient sur des observations et sur des simulations de modèles climatiques pour différents Scénarios.

Aperçu de la page

Région(en haut à gauche) : passer à une autre région ou à un autre pays.
Scénario(au centre de la deuxième barre) : choisissez le scénario futur ; les flèches permettent de passer d’un scénario à l’autre.
Informations sur les données(en haut à droite) : contexte relatif aux données, aux modèles et aux méthodes.
Encadré(à gauche) : choisissez le secteur (par ex. Climat) et le groupe de variables (par ex. Température), puis la variable. La ligne des variables peut en contenir davantage que ce qui tient à l’écran :faites défiler latéralement(molette de souris ou pavé tactile, ou balayage vers la gauche sur un téléphone) pour accéder aux autres variables du groupe. Ci-dessous, chaque région du portail est comparée pour la variable sélectionnée ; la région actuelle est mise en surbrillance. Plus bas, vous trouverez la description de la variable. « Continuer vers… » mène au groupe de variables suivant.
Carte(à droite) avec la légende de l’échelle de couleurs et, en bas, lechronologie: choisissez la période, lancez l'animation à l'aide du bouton « Lecture » ou passez à laDifférencepar rapport à la période de référence.
Barre supérieure: Paramètres, la langue et « Ancien design » (la version précédente du portail).

Sur les smartphones et les tablettes

Le portail s’adapte à l’écran. Sur un smartphone, la barre latérale et la carte s’affichent l’une après l’autre : les boutons « Afficher la carte » et « Masquer les indicateurs » permettent de basculer entre les deux, et la barre supérieure est réduite au bouton de menu (☰).

Paramètres

Le boutonParamètresdans la barre supérieure permet d’ouvrir les paramètres. Ceux-ci s’appliquent aussi bien à la carte qu’aux graphiques et aux tableaux.

Durée de la période: c'est-à-dire sur 10 ou 30 ans.
Données historiques: observations ou simulations historiques issues des modèles climatiques (lorsqu’elles sont disponibles).
Sélection des scénarios: le scénario futur (également sélectionnable dans la deuxième barre).
Saisons: l’année entière ou une seule saison, pour les variables qui proposent des saisons.
Couche de schémas cartographiques: les régions auxquelles se réfèrent les diagrammes, par exemple les régions administratives ou, le cas échéant, les zones protégées, les forêts ou les chaînes de montagnes.
Type d'affichage:Courbes de niveau(carte lisse),Remplissage de la région(une couleur par région, correspondant à la valeur de la moyenne régionale) ou la grille du modèle.
Couche d’informations cartographiques: afficher les villes, les rivières, les montagnes ou les forêts sur la carte.
Carte des différences: en mode « différence », la variation par rapport à la Période de référence 1991–2020, exprimée en variation absolue ou relative (%).
Mode expert: graphiques supplémentaires, par exemple les valeurs quotidiennes de certaines variables climatiques.

Carte, zoom et chronologie

Zoomez à l'aide de la molette de la souris, de deux doigts ou des boutons « plus » et « moins ».Le niveau de zoom détermine les régions que vous pouvez sélectionner :zoom arrière sur l’ensemble de la région ou du pays, zoom avant sur ses sous-régions, par exemple les Länder, puis, à un niveau plus bas, les districts. Les niveaux plus détaillés ne sont accessibles qu’en effectuant un zoom avant : effectuez d’abord un zoom avant pour obtenir les graphiques et les tableaux d’un seul district.

Dans la frise chronologique située au bas de la carte, vous choisissez la période. Le bouton « Lecture » affiche les périodes les unes après les autres, tandis que les flèches permettent de revenir à la période précédente ou d’avancer à la suivante.Différencealterne entre les valeurs absolues et la variation par rapport à la période 1991–2020.

Diagrammes et tableaux

Cliquez sur une région de la carte pour ouvrir son diagramme. Les régions sur lesquelles il est possible de cliquer dépendent du niveau de zoom : zoomez pour accéder aux sous-régions, par exemple les arrondissements, ainsi qu’à leurs diagrammes et tableaux. Le nom de la région s’affiche lorsque vous passez la souris dessus. Les régions sans valeur (par exemple, un arrondissement pour lequel un modèle de rendement n’a pas passé la validation) sont grisées et ne peuvent pas être sélectionnées.

Décennale

L'ongletDécennaleindique les valeurs sur 10 ou 30 ans de la variable sélectionnée, depuis la période d’observation jusqu’en 2100, pour le Scénario et la saison choisis. L’axe des y représente la variable dans son unité, la ligne verticale en pointillés marque la fin de la période d’observation. Trois courbes (ou, pour certaines variables, des barres accompagnées de barres d’erreur) résument l’ensemble des modèles : la Moyenne (la médiane dans certaines régions) et l’intervalle allant du 10e au 90e Percentile, c’est-à-dire que 80 % des résultats des modèles se situent entre la valeur inférieure et la valeur supérieure. En passant la souris sur le diagramme, la valeur de la courbe la plus proche s’affiche.

Tableau

L'ongletTableaurépertorie les valeurs de la période sélectionnée pour l’année entière et les saisons.

Mensuel

Pour de nombreuses variables proposant des données saisonnières, il existe l’ongletMensuelavec les valeurs mensuelles de la période sélectionnée, de janvier à décembre : la Moyenne, la fourchette allant du 10e au 90e Percentile et, représentée par une ligne pointillée, la Période de référence 1991–2020. La période correspond à la sélection effectuée sur la frise chronologique et au paramétrage 10/30 ans ; quant au tableau, il est présenté sousPériode de référence. En passant la souris sur le diagramme, le mois et la valeur de la courbe la plus proche s’affichent. L’onglet n’apparaît que lorsque les valeurs mensuelles ont déjà été calculées pour la région (à ce jour, l’Allemagne et la Bavière).

Diagramme climatique

Pour la température moyenne et les précipitations, l’onglet s’intituleDiagramme climatique. La température est indiquée sur l’axe de gauche et les précipitations sur l’axe de droite, à une échelle telle que 10 °C correspondent à 20 mm ; au-delà de 100 mm, l’axe des précipitations est réduit à un dixième (ligne horizontale). Deux affichages peuvent être sélectionnés :

Walter-Lieth :la température et les précipitations sous forme de courbes dont les zones entre elles sont remplies :aride(en pointillés jaunes) là où la courbe de température se situe au-dessus de la courbe des précipitations,humide(hachuré en bleu) là où les précipitations se situent au-dessus, etperhumide(en bleu) pour les précipitations supérieures à 100 mm.
Barres :la température représentée par une courbe, les précipitations par des barres ; lorsque la courbe de température se situe au-dessus d’une barre, le mois a tendance à être sec.

La période de référence 1991–2020 est représentée par des lignes pointillées. La vue sélectionnée est conservée pour la session.

Quotidien

L'ongletQuotidienmontre, pour la région sélectionnée, l’évolution jour après jour de l’année en cours, par rapport aux années observées depuis 1991 et par rapport à l’avenir. Ce service est proposé pour les variables climatiques et pour de nombreux indicateurs qui en découlent, tels que les journées chaudes, les Jours de gel, les périodes de sécheresse ou les Degrés-jours de croissance.

L'année en cours(en noir) jusqu’au dernier jour pour lequel des données sont disponibles ; au cours des premiers jours de janvier de l’année qui vient de s’achever.
La bande passantedes années observées (du 10e au 90e Percentile de chaque jour civil) et leur moyenne.
Les deux plus chaudes et les deux plus froidesannées observées, en fonction de la variable, il peut s’agir également des années les plus humides et les plus sèches ou de celles comptant le plus et le moins de jours.
L'avenirdans le scénario de la chronologie : la moyenne de toutes les années-modèles d’une période, ainsi qu’une année-modèle chaude et une année-modèle froide (90e et 10e Percentile). La période est sélectionnée sous la légende. Ces lignes sont masquées par défaut.

Les boutons situés au-dessus du schéma permettent de basculer entreAbsolu(valeurs quotidiennes),Cumulé(somme depuis le 1er janvier) et, pour les températures,Cumulé (−22 °C), la somme des écarts par rapport à 22 °C, une mesure des besoins en refroidissement. Les comptages journaliers, tels que les journées chaudes, sont additionnés ; chaque jour compte pour la part de la région où le seuil est dépassé. Pour les séries telles que les périodes de sécheresse, chaque jour indique la plus longue série enregistrée jusqu’à ce jour. Un clic sur une entrée de la légende masque ou affiche la ligne ; passer la souris sur le diagramme affiche le jour et la valeur de la ligne la plus proche.

Dansmode expertle diagramme représente toutes les années observées sous forme de lignes grises, les années comportant le plus grand nombre de jours au-dessus et en dessous de la fourchette (10–90 %), le nombre de jours où l’année en cours s’est jusqu’à présent située en dehors de cette fourchette, ainsi que son classement parmi toutes les années.

Les observations proviennent de W5E5 v2.0 jusqu’en 2019 et d’ERA5, la réanalyse du Service des changements climatiques de Copernicus, à partir de 2020. ERA5 est mise à jour quotidiennement avec un décalage d’environ six jours et corrigée des biais par rapport à W5E5, afin que les dernières années s’inscrivent dans la continuité de la série d’observations et correspondent aux projections futures. Les projections futures proviennent des mêmes simulations de modèles que les cartes.

Téléchargement des données

Sous le diagramme, vous trouverez la description des données, la région, la période et la légende, ainsi que les liens de téléchargement :SVG / CSVpermet d’obtenir le diagramme sous forme de graphique SVG (vues décennale, mensuelle et les deux vues du diagramme climatique), ou, dans l’onglet « Tableau », le tableau au format CSV. Dans l’onglet « Mensuel » ou « Diagramme climatique », un deuxième lien permet d’obtenir les douze valeurs mensuelles au format CSV. Les fichiers NetCDF des régions (Région nc) contiennent toutes les variables du secteur pour toutes les périodes, y compris les valeurs mensuelles (<variable>-m01à-m12) ;nc Réseauconstituent les données maillées de la carte.