Chine vs Inde

Chine vs Inde : Nuits tropicales

Nuits tropicales en 2014 : 41,5 nuits (Chine) et 215,5 nuits (Inde), selon la simulation médiane des modèles climatiques CMIP6. En 2014, valeur la plus élevée : Inde, avec un écart de 174,1 nuits, soit 5,2 fois celle de l’autre pays (Chine).

Voir son évolution sur la carte

nuits par an · CMIP6

Chine vs Inde : Nuits tropicalesNuits tropicales en 2014 : 41,5 nuits (Chine) et 215,5 nuits (Inde), selon la simulation médiane des modèles climatiques CMIP6. En 2014, valeur la plus élevée : Inde, avec un écart de 174,1 nuits, soit 5,2 fois celle de l’autre pays (Chine).
ChineIndemédiane des modèles CMIP6 (SSP2-4.5, voie médiane)10e–90e centile des modèles

Ce que disent les chiffres

  • Inde : en tête depuis 1950, chaque année où les deux pays ont des chiffres.
  • Pour 2100, médiane des modèles CMIP6 (SSP2-4.5, voie médiane) : 63,3 nuits (Chine) et 250,4 nuits (Inde).

Année par année

nuits par an · CMIP6

AnnéeChineInde
201441,5215,5
201341,7216
201240,8217,4
201140,2215,5
201040,5215,2
200939,5213,7
200839,2213,7
200738,7213,3
200639,5212,5
200539,5212,9
200439,7214,9
200338,5212,1
200238,8213
200139,5212,2
200038,6210,8
199938,5211,9
199837,6210,3
199737,1209,5
199636,6207
199535,1208,8
199434,9207,1
199333,2206
199232,3203,5
199135,9208
199036,4209,9
198936,1208
198835,1207,3
198734,5207,2
198634207,2
198533,5205,9
198433,4206,7
198331,5203,3
198234,1205,7
198134,2208,4
198034,3205,3
197933,8205,5
197834,8204,1
197733,3205,9
197632,7204,6
197533,1202,6
197433,3205,3
197333,1205,6
197232,6203,8
197133203,6
197032,4202,6
196933,4203,6
196832,8201,7
196733,4201,6
196633,4203,9
196532,5202,4
196432,1201,2
196334,5201,8
196234203,8
196134,6206,3
196034,1206
195934206,1
195835204
195734,4206,5
195634,6204
195534,2203,2
195434,2206
195334,3204
195234,3204,4
195135,1204,3
195034,9206,3
médiane des modèles CMIP6 (SSP2-4.5, voie médiane) · 2015–2100
AnnéeChineInde
201542,334,8–49,8216,9202,1–228,4
201642,134,4–50215202,5–227,6
201743,135,3–51,6216,2202,1–228,5
201842,335,5–49,5218,3204,5–231,4
201943,836,5–51,1217,4202,3–230,4
202043,736,8–51,1217,6203,1–232
202144,136–52,1219,7204,5–233,2
202244,737,5–52,7220,5205,8–233
202345,737,8–53,4220,4206,4–233,7
202445,738,1–54222,6208,1–236,3
202546,337,5–54,8219,7202,7–236,2
202646,237,6–55,5220,2204,2–236,8
202746,138–54,9223,6207,1–239
202846,438,4–54,3222,1205,1–235,7
202946,939,1–55,6225,4210–240,3
203047,138,8–55,3222,7207,3–235,6
20314738,8–56223,8207,1–237,8
203248,339,3–57,4225,9210–240,5
203347,939,7–56,6223,8209,3–235,4
203448,440,5–57,3225,8210–242,7
203549,740,8–58,6224,9210,6–240,9
20364940,1–58,2224,2210,4–240,3
20374941,2–57,6228,3213,6–242,6
203850,542,4–59,3228,1212,6–241,4
203949,641,2–59,2227,4211,9–242,8
204050,942,4–60,4227212,2–242
204151,342,5–61,1227,1210,7–240,5
204251,642–61,5229,1214,8–244,2
204350,742,7–61228,9214,5–244
204451,942,4–61,9229,7214,7–244,2
204551,542,8–61,1231,2216,6–246,1
20465343,7–62,7232,6216,2–248,6
204753,544,5–62,5232,4215,5–250
204853,144–62,6235,6218,5–254,3
204952,843,8–63,3235,3218,3–249,9
205053,644,4–63,8233,5216,6–253,4
205154,345,1–64,8234,9218,6–249,9
205253,444,6–63,2234219,4–249,3
205354,244,2–64,2234,9219,5–252,5
205454,545,3–64,8237,2219,4–253,1
20555545,1–65,8237,2220,7–256,6
205655,245,1–66,6238,8221,2–254,9
205754,844,9–65,7235,7218,5–253,8
205855,145,8–67,7238,8222,8–254,1
205955,345,1–67,2241,1224,9–256,2
206057,246,9–68,1240,9225,6–255,6
206156,546,6–66,3237,9220,6–253,7
206256,846,9–68,5239,9221,2–259,7
206357,247,2–68,6239,9222,3–256,1
20645747,1–67,7240223,8–256,3
206557,347,1–67,8240,9222,9–257,3
206657,347,9–68,7241,5224,1–258,6
206757,546,4–68,2241,6224,8–257,9
206858,748,5–70,5242,3224,6–262,1
206958,548,4–69242,8225,4–259,1
20705847,6–71,7240,1225,3–257,1
207159,347,4–71,6241,8223,7–260,2
207259,248,1–71,5242,6225,4–259,2
207359,849,1–70,9243,8228–259,3
207459,648,7–71,1241,6226,9–258,4
207558,748,3–71,4243,5226,4–258,2
207660,249–70,9243,2224,6–259,9
207760,851,1–72,4243,7226,6–264,6
207859,648,8–72,4246,7230,1–261,5
207960,750,1–72,6244,9226,4–261,3
208059,950–72,3246,7227–263,7
208160,950–73,2247,5230,4–264,8
20826149,8–73,3244,6227,9–262,3
208361,251,2–73,6247,5227,8–265,1
208461,749,7–74,6247,3228,3–266,8
208561,250,8–75,2246,5227,5–267,1
208661,648,9–74,5245,6227,7–266,5
208761,650,6–75245,5226,7–266,2
208862,750,5–77,1247229,4–266,9
208961,950–75,2248,1230–266,3
209062,551,4–73,7249228,9–266,4
209163,852–75,7248,9230–266,5
209263,251,2–75,1249,8232,3–267,8
209363,252–75,4248,1229–266,5
20946351,1–76,3249,1230,6–268,4
209563,952,8–76,4251233,2–270
209663,852,2–76,8247,8231,4–269,3
209762,750,7–75,1251,1231,4–268
209863,451,2–76,8252,3230,8–268,3
209963,851,9–76,1248,7230,1–268,3
210063,351,7–76,2250,4232,9–266,7

Chaque pays séparément

Bon à savoir

  • Nuits de l’année où la température reste au-dessus de 20 °C, en moyenne sur le pays.
  • Source : World Bank Climate Change Knowledge Portal, CMIP6 multi-model median.
  • Ligne en pointillés : médiane des modèles CMIP6 (SSP2-4.5, voie médiane), un scénario plutôt qu’une prévision ; bande : 10e–90e centile des modèles.
  • Les valeurs de modèles climatiques sont la médiane des modèles CMIP6, simulés avec les émissions passées jusqu’en 2014, puis selon SSP2-4.5, une trajectoire médiane : ce ne sont pas des mesures.

Comment fonctionnent les calques, d’où viennent leurs données et ce qu’ils ne peuvent pas vous dire : Les pays à travers le temps

Chine vs Inde

Santé

Population

Économie

Éducation

Politique

Conflit

Militaire

Climat

Technologie et environnement