德国与印度：35 °C 以上天数

2014 年35 °C 以上天数：德国为 0 天，印度为 80.6 天（CMIP6 气候模型中位数模拟）。 2014 年印度的数值较高，高出 80.6 天，是德国的 2,700 倍。

每年天数 · CMIP6

德国印度CMIP6 模型中位数（SSP2-4.5，中间路径）模型第 10–90 百分位

数据解读

自 1950 年以来，在两国都有数据的每一年，印度的数值都更高。
根据CMIP6 模型中位数（SSP2-4.5，中间路径），2100 年德国为 1.3 天，印度为 111.9 天。

逐年数据

每年天数 · CMIP6

年份	德国	印度
2014	0	80.6
2013	0	79.2
2012	0	81.3
2011	0	79.9
2010	0	80.8
2009	0	78.4
2008	0	77
2007	0	79
2006	0	76.2
2005	0	79.9
2004	0	80.1
2003	0	76.9
2002	0	79.2
2001	0	80.1
2000	0	76.6
1999	0	77.1
1998	0	76.9
1997	0	75.4
1996	0	72.1
1995	0	75.4
1994	0	76.3
1993	0	72.3
1992	0	68.7
1991	0	78.1
1990	0	76.7
1989	0	75.5
1988	0	73.9
1987	0	75.3
1986	0	76.8
1985	0	73
1984	0	75.9
1983	0	74.1
1982	0	76.1
1981	0	76.3
1980	0	75.3
1979	0	74.4
1978	0	74.4
1977	0	74.6
1976	0	76
1975	0	71
1974	0	75.8
1973	0	77.9
1972	0	71.1
1971	0	74.1
1970	0	73.7
1969	0	73.3
1968	0	72.2
1967	0	71.3
1966	0	75.3
1965	0	73.7
1964	0	68.9
1963	0	70.4
1962	0	74.2
1961	0	75.4
1960	0	75.4
1959	0	77.9
1958	0	74.8
1957	0	75.5
1956	0	75.6
1955	0	74.8
1954	0	75.3
1953	0	75.2
1952	0	76
1951	0	76.3
1950	0	76.5

CMIP6 模型中位数（SSP2-4.5，中间路径） · 2015–2100

年份	德国	印度
2015	00–0.1	81.664.7–96
2016	00–1.1	8063.1–96.1
2017	00–0.7	79.461.7–95.3
2018	00–0.3	82.461.5–95.7
2019	00–0.8	79.160.2–95.2
2020	00–0.5	82.262.4–99
2021	00–0.3	82.167.7–96.4
2022	00–1	83.962.8–100.3
2023	00–1.6	83.164–99.3
2024	00–1	84.766.4–100.3
2025	00–1.3	81.662.4–97.1
2026	00–1.8	84.866.1–101.3
2027	00–0.9	83.563.7–102
2028	00–1.3	82.862.9–99.9
2029	00–1.2	89.566–105.9
2030	00–0.9	84.265.7–100.2
2031	00–1	85.466.7–103.4
2032	00–1.8	85.665.5–105.3
2033	00–1.5	83.865.8–99.8
2034	0.10–2.7	85.467.4–104.8
2035	00–1	85.766.6–105.3
2036	0.10–1.8	84.565.5–101.8
2037	00–2.7	89.772.2–107.5
2038	00–1.5	90.269.1–107.1
2039	0.10–1.4	87.168.5–107.4
2040	00–1.2	87.566.6–106
2041	00–1.5	89.171.2–107.8
2042	00–1.5	95.475.7–112.9
2043	0.10–1.3	91.270.1–111.1
2044	0.10–2.4	90.471.6–110.9
2045	00–1.7	91.772–108.5
2046	0.20–2.2	95.469.1–117
2047	0.20–2.7	94.272.6–113.5
2048	0.10–2.8	97.673.2–120.5
2049	0.30–2.4	95.173.8–117.5
2050	0.30–1.7	94.474.5–117
2051	0.20–1.7	94.775.8–114.7
2052	0.10–2.5	96.876.1–116.5
2053	00–2.3	94.673.9–116.7
2054	0.40–2.4	96.574.3–117
2055	0.20–2.6	99.175.7–118
2056	0.40–3.7	99.173.7–118.2
2057	0.30–2.5	100.371.9–123.9
2058	0.40–3.1	97.775.1–121.5
2059	0.30–3.3	102.380.5–127.4
2060	0.30–2.9	10380.3–124.4
2061	0.40–2.6	100.978.4–122.6
2062	0.70–3.1	100.175.4–126.5
2063	0.50–4	100.678.3–122.1
2064	0.40–4.1	10081–123.3
2065	0.40–4.4	103.580.5–128.2
2066	0.40–2.7	100.780.7–124.6
2067	0.80–6.3	99.678.4–126
2068	0.30–2.3	102.780.1–130.1
2069	0.80.1–4	10477.5–128.1
2070	0.80–5.2	101.179.7–125.6
2071	0.50–5.9	105.581.4–132.1
2072	1.10–4.2	104.384.4–128.2
2073	0.40–3.5	108.485.4–130
2074	0.50–3.5	105.182.9–126.8
2075	0.70–4.7	102.578.8–126
2076	0.50–6.2	105.582.2–134.6
2077	0.60–5.6	107.484.1–132.6
2078	0.90–8.4	107.382.8–127.7
2079	0.30–4.3	105.379.7–127.2
2080	0.70–4.6	109.784.5–135.9
2081	0.90–6.3	108.986.2–134.4
2082	1.20–7.6	105.783.4–133.6
2083	0.50–3.9	110.287.8–135.8
2084	0.50–3.7	111.582.3–138.1
2085	0.80–4.6	112.381.2–143.6
2086	1.30–6.1	107.882.8–141.1
2087	1.10–7.1	107.980.1–134
2088	1.80–7.8	107.984.4–143.1
2089	1.20–5.3	107.981.7–137.3
2090	0.70–8.5	108.883.9–136.6
2091	1.60–6	113.486.9–144
2092	0.40–5.5	113.587.1–142.8
2093	0.50–2.5	108.482.7–144.8
2094	1.50–5.6	111.386.8–139.5
2095	1.20–7.9	114.186.4–143.6
2096	0.80–5.2	10880.4–140.3
2097	0.50–6.2	110.385–137.8
2098	10–5.9	113.687.7–141.1
2099	10–6.4	112.585.3–137.7
2100	1.30–5.7	111.986.8–138.7

分别查看各国

须知

一年中最高气温超过 35 °C 的天数，取全国平均。
来源：World Bank Climate Change Knowledge Portal, CMIP6 multi-model median。
虚线为CMIP6 模型中位数（SSP2-4.5，中间路径），是一种情景而非预报；阴影带为其模型第 10–90 百分位。
气候模型值为 CMIP6 各模型的中位数：2014 年及以前按历史排放模拟，此后按中间路径 SSP2-4.5 模拟；它们并非实测数据。

各图层如何运作、数据从何而来，以及它们无法告诉你什么：历年各国数据

德国与印度对比

健康

人口与社会

经济

教育

政治

冲突

冲突死亡人数德国：2022 年为 0 人死亡印度：2022 年为 358 人死亡