Japon vs Thaïlande

Japon vs Thaïlande : Nuits tropicales

Nuits tropicales en 2014 : 58,6 nuits (Japon) et 286,4 nuits (Thaïlande), selon la simulation médiane des modèles climatiques CMIP6. En 2014, valeur la plus élevée : Thaïlande, avec un écart de 227,8 nuits, soit 4,89 fois celle de l’autre pays (Japon).

Voir son évolution sur la carte

nuits par an · CMIP6

Japon vs Thaïlande : Nuits tropicalesNuits tropicales en 2014 : 58,6 nuits (Japon) et 286,4 nuits (Thaïlande), selon la simulation médiane des modèles climatiques CMIP6. En 2014, valeur la plus élevée : Thaïlande, avec un écart de 227,8 nuits, soit 4,89 fois celle de l’autre pays (Japon).
JaponThaïlandemédiane des modèles CMIP6 (SSP2-4.5, voie médiane)10e–90e centile des modèles

Ce que disent les chiffres

  • Thaïlande : en tête depuis 1950, chaque année où les deux pays ont des chiffres.
  • Pour 2100, médiane des modèles CMIP6 (SSP2-4.5, voie médiane) : 87,7 nuits (Japon) et 320,8 nuits (Thaïlande).

Année par année

nuits par an · CMIP6

AnnéeJaponThaïlande
201458,6286,4
201359,9289,1
201259,3286,6
201157,9286,4
201059,6286
200957,6286,9
200857,3284,8
200756,6283,2
200657,5284,3
200557,2281,7
200456,7287,5
200356,1279,3
200256280
200154,2285,5
200053,8283,4
199955,3282,5
199852,4282,7
199752,4284,8
199652,9279,8
199549,7278,7
199449,5280,8
199345,4275,6
199245,1268,8
199149,4276,7
199050,7279,2
198951,4278,4
198848,1279,6
198747,7277,9
198646,1277,5
198546,7276
198444,8277,9
198341,9273,9
198246,4275,7
198145,9277,8
198046,5277,9
197946,7278
197847,6276
197745,8277,3
197646275,6
197546,9274,4
197445,6276
197344,3280,6
197245,8273,9
197144,8273,2
197044276
196946,9274,8
196845,7277
196748,3270,3
196645,9274,4
196545,8275,8
196444,9271,9
196348,3274,7
196245,6275,4
196148,9278,5
196046,4276,2
195946,9274,4
195848,8278,7
195749,2277,4
195650,6277
195547,9274,6
195446,9275
195349,2275,4
195249,5275,1
195146,2277,5
195049,9276,2
médiane des modèles CMIP6 (SSP2-4.5, voie médiane) · 2015–2100
AnnéeJaponThaïlande
201560,649,3–74,4290,6272,2–305
201661,547,9–73,9287,1269,8–306,2
201762,352,1–75,8290273,8–302,8
201860,548,5–73,8292,6275,1–308,7
201964,152,1–80,1291,2272,8–306,7
202063,151–74,5292,4272,2–307,8
202162,348,5–78,8294,2276,3–308,5
202264,653,8–76,5294,8277,2–311,9
202365,951,7–78296,1281,9–310,2
202465,352,9–80,7291,7275,5–307,8
202565,652,8–80,4294276,7–306,3
202665,554,2–81,2296278–309,3
202766,452,9–79,5295,8276,3–311,1
202865,352,4–80,1297279,3–315,1
202968,555–80,4300,3278,7–315
203066,552,3–80,6297,7280,2–312,5
203166,554,7–80300,8282,8–317,1
20326650,8–82,1297,2280,9–311,4
203370,354,7–84,8300281,9–315,8
203468,553,9–81,7300,8279–318,4
203572,960,4–84,6298,6281,5–317,8
203672,556,1–89,7300,4279,9–316,9
203767,656,7–82,5299,8280–315,1
203870,558,6–83,8304,8286,6–319,3
203970,455,6–85,7300,9281,9–317
204073,657,4–89,3301,6284,5–315,7
204172,955,6–88,5303,1285,1–318,8
204271,258,1–86,4303,8290–318,3
204373,357,9–88,1302285,8–317,9
204472,657,8–85,5304,3286,3–318,8
204572,959,5–86,7307,1287,7–324,2
204676,261–90,3305,9285,2–321
204775,656,6–89,3306,6289,5–321,5
204874,858,5–89,4309,4288,9–325,7
204974,359,7–90,8308,1287,2–324,1
205075,160,8–89,3307,5291–321,5
205175,861,1–92,4312,8294,8–326
205274,557,9–90,4310,9291,2–323,4
205378,559,6–91,6308,3289,5–323,3
205475,959,6–89,3308,8292,8–322,3
205576,862,2–95,1308,6290,6–325,1
205677,861,9–93,7311,3294,9–326,3
205779,962,8–94,4308,5286,7–326,4
205879,263,7–94,9308291,1–325,1
205979,858–95,6312,7295,8–325,3
206078,261,1–95,1313,1294,6–328,6
206180,865,7–96,7314,4289,5–331,1
20628063,6–96,3311,4293,4–330,3
20638064,1–96,5314,8296,9–327,3
206477,661,4–95,2312,5295,4–330
206581,763–97,4309,6293,1–329,3
206680,363,8–94,2312,1292,6–328
206781,363,2–97,1311,2289,6–329,4
206879,861,4–99,3310,8292,4–330,6
206982,365–96,1315,5296,1–329,5
207083,360,2–102,3314,2292,9–330,7
207183,663,6–99,2313,8296,4–330,8
207284,363,3–99,1314,8296–329,6
207383,564,9–97,4316,5299,9–332,1
207484,366,8–100,9317,2295–333,8
207585,664,1–99,8317,2295,3–331,4
207683,968,8–99,3317,4299,8–335
207786,467,6–102,4317,5297,3–335,9
207884,167,7–103,2315,9297,1–331,6
207986,168,3–99,4318,5300,5–332,3
208084,767,6–103,7319,8297,4–337,5
208183,668,5–104,3317,7299,5–334,9
208286,469,4–107,7317,9294,8–333
208385,966,5–105,7315297,8–332,9
208485,867,4–102,3316295,5–330
208587,568,9–102,8322,6300,8–334,7
208684,668,6–105,3319,4295,2–335,2
208787,270,3–107320,2302,2–334,7
208886,866,3–102,5321,4299,8–334,8
208985,765,9–103,8318,9296,4–338,1
209089,469,5–104,4317,6304–337,4
209188,367,4–103,1320,1299,8–336,1
20928667,7–102,3316,3298–336,4
209388,969,8–107,4316,1297,7–333,7
209487,569,3–103,7323,4301,8–337,3
20958872,4–104,9322,9302,4–338,9
209690,771–107,3319,6302,8–336,7
209789,471–103,1319,8299,1–336
209888,571–106,5320,5303,9–336
209988,370,8–102,4319,9303,1–334,4
210087,769,2–106,2320,8301,1–336,7

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

Japon vs Thaïlande

Santé

Population

Économie

Éducation

Politique

Conflit

Militaire

Climat

Technologie et environnement