德国与印度尼西亚对比
德国与印度尼西亚：热带夜
2014 年热带夜：德国为 0.8 夜，印度尼西亚为 306.5 夜（CMIP6 气候模型中位数模拟）。 2014 年印度尼西亚的数值较高，高出 305.7 夜，是德国的 370 倍。
每年夜数 · CMIP6
数据解读
- 自 1950 年以来，在两国都有数据的每一年，印度尼西亚的数值都更高。
- 根据CMIP6 模型中位数（SSP2-4.5，中间路径），2100 年德国为 8.8 夜，印度尼西亚为 334.7 夜。
逐年数据
每年夜数 · CMIP6
| 年份 | 德国 | 印度尼西亚 |
|---|---|---|
| 2014 | 0.8 | 306.5 |
| 2013 | 0.7 | 306.4 |
| 2012 | 0.9 | 306.3 |
| 2011 | 0.5 | 304.6 |
| 2010 | 0.9 | 305.6 |
| 2009 | 0.5 | 303.9 |
| 2008 | 0.2 | 303.4 |
| 2007 | 0.3 | 302.8 |
| 2006 | 0.3 | 302.8 |
| 2005 | 0.6 | 303.1 |
| 2004 | 0.7 | 303.8 |
| 2003 | 0.6 | 301.9 |
| 2002 | 0.2 | 301.5 |
| 2001 | 0.5 | 302.5 |
| 2000 | 0.2 | 300.9 |
| 1999 | 0.2 | 300.4 |
| 1998 | 0.1 | 299.1 |
| 1997 | 0.1 | 297.9 |
| 1996 | 0.2 | 296.9 |
| 1995 | 0.1 | 296.7 |
| 1994 | 0 | 294.6 |
| 1993 | 0 | 291.6 |
| 1992 | 0 | 288.5 |
| 1991 | 0.1 | 297.5 |
| 1990 | 0.1 | 298.6 |
| 1989 | 0.1 | 296 |
| 1988 | 0 | 296.5 |
| 1987 | 0 | 295.6 |
| 1986 | 0 | 295.8 |
| 1985 | 0.1 | 292.8 |
| 1984 | 0.1 | 293.4 |
| 1983 | 0 | 290.1 |
| 1982 | 0 | 294.4 |
| 1981 | 0 | 294.8 |
| 1980 | 0 | 294.5 |
| 1979 | 0 | 294.1 |
| 1978 | 0.1 | 292.4 |
| 1977 | 0 | 293.4 |
| 1976 | 0 | 290.8 |
| 1975 | 0 | 290.7 |
| 1974 | 0.1 | 291.5 |
| 1973 | 0 | 293 |
| 1972 | 0 | 290.7 |
| 1971 | 0 | 291.2 |
| 1970 | 0.1 | 288.9 |
| 1969 | 0 | 290.4 |
| 1968 | 0 | 289.1 |
| 1967 | 0 | 288.4 |
| 1966 | 0 | 290.5 |
| 1965 | 0 | 288.1 |
| 1964 | 0 | 286.2 |
| 1963 | 0 | 286.4 |
| 1962 | 0 | 291.2 |
| 1961 | 0 | 292.9 |
| 1960 | 0 | 292.8 |
| 1959 | 0.1 | 291.9 |
| 1958 | 0 | 293.3 |
| 1957 | 0 | 290.8 |
| 1956 | 0 | 291.5 |
| 1955 | 0 | 292.4 |
| 1954 | 0.1 | 290 |
| 1953 | 0 | 291.4 |
| 1952 | 0 | 291.7 |
| 1951 | 0 | 291.7 |
| 1950 | 0 | 291.8 |
CMIP6 模型中位数（SSP2-4.5，中间路径） · 2015–2100
| 年份 | 德国 | 印度尼西亚 |
|---|---|---|
| 2015 | 0.50–4 | 308295.7–315.1 |
| 2016 | 0.80–4.3 | 307.5296.9–315.6 |
| 2017 | 0.70–5.1 | 308.4295.5–315.6 |
| 2018 | 0.70–3.5 | 308.9296.4–316.6 |
| 2019 | 1.20–5 | 309.9297.8–316.7 |
| 2020 | 1.20–5.7 | 310.9299–318.6 |
| 2021 | 10–6 | 310.4298.7–316.4 |
| 2022 | 1.40–5.7 | 311.4300–319.6 |
| 2023 | 1.10–5.7 | 311.4300.1–320.6 |
| 2024 | 1.20–5.2 | 313.2302–321.2 |
| 2025 | 1.90–8.2 | 312300.2–321.9 |
| 2026 | 1.90.1–6.5 | 312.6299.9–322.8 |
| 2027 | 1.40–4.7 | 312.7301–321.6 |
| 2028 | 1.50.1–5.5 | 313.8302.4–321.9 |
| 2029 | 20.1–6.4 | 315.5303.9–324.1 |
| 2030 | 1.60–6.1 | 314.2303.1–322.6 |
| 2031 | 1.40–5.4 | 314.4301.6–321.9 |
| 2032 | 1.50.1–7.6 | 316.9304.8–325.8 |
| 2033 | 1.70–6.8 | 316.6305.4–323.3 |
| 2034 | 2.10.2–8.3 | 315.4303.9–323.9 |
| 2035 | 1.70.1–6.9 | 316.3305.6–327.9 |
| 2036 | 2.80.1–7.8 | 317.7305.2–326.2 |
| 2037 | 2.50–9.2 | 318.1306.6–325.2 |
| 2038 | 2.20.1–9.7 | 319.3307.6–326.7 |
| 2039 | 30–8.9 | 319.4307.7–326.7 |
| 2040 | 2.30.1–7.1 | 318.5306.5–329 |
| 2041 | 2.40.1–7.9 | 320.2308.3–328 |
| 2042 | 2.90.4–8.9 | 320308.7–329.2 |
| 2043 | 3.10.1–8.7 | 318.6306.6–327.8 |
| 2044 | 3.10.2–10.1 | 321309–329.6 |
| 2045 | 30.1–8.7 | 320.8308.6–329.8 |
| 2046 | 3.10.5–10.9 | 322.8308.8–331 |
| 2047 | 4.30.3–10.6 | 323.2308.8–333 |
| 2048 | 3.70.2–12.9 | 322.3310.5–332.3 |
| 2049 | 4.40.2–11.8 | 323.8311.6–334.1 |
| 2050 | 3.10.6–9.3 | 323.3310.3–333.5 |
| 2051 | 2.70.1–9.5 | 323.6311.2–334.4 |
| 2052 | 3.60.2–11.5 | 325.1311.7–334.7 |
| 2053 | 2.30.4–8.7 | 323.9310.9–333.8 |
| 2054 | 3.50.4–10.3 | 324.4311.9–335.4 |
| 2055 | 3.30.4–11.3 | 325.3312.6–335 |
| 2056 | 4.50.7–14.3 | 325.9312.4–337.2 |
| 2057 | 40.4–11.3 | 326.9311.9–335.2 |
| 2058 | 5.80.7–15.5 | 326.4313–336.3 |
| 2059 | 5.10.1–15.6 | 326.4313.9–337.8 |
| 2060 | 4.40.6–12.3 | 329.5314.9–338.2 |
| 2061 | 5.31–12.3 | 327.9313.6–336.9 |
| 2062 | 5.51.6–14.2 | 327.6312.4–339.1 |
| 2063 | 5.20.8–13.8 | 327.6313.9–339.4 |
| 2064 | 4.10.5–12.2 | 328.8314.4–338.6 |
| 2065 | 4.90.3–15.8 | 327.6314.3–337.9 |
| 2066 | 5.30.7–11.8 | 328.6314.7–338.5 |
| 2067 | 7.21.4–17.5 | 328.8314.3–338 |
| 2068 | 3.90.9–11.3 | 329.8314.4–339.9 |
| 2069 | 6.11.6–15 | 329.5315.5–339.3 |
| 2070 | 5.80.6–14.9 | 328.6315.1–338.8 |
| 2071 | 6.30.6–16.4 | 331.4315.5–340.4 |
| 2072 | 6.21.9–13 | 330.3315.9–339.4 |
| 2073 | 5.51.3–16.2 | 331.4317.7–341 |
| 2074 | 5.50.5–16.7 | 329.9316.8–341.1 |
| 2075 | 6.21.4–18.3 | 330.5315.2–340.2 |
| 2076 | 7.41.1–20.1 | 331.5316.2–341.2 |
| 2077 | 6.31.1–17.4 | 332315.9–341.8 |
| 2078 | 6.50.7–21.4 | 331.4318.2–340.9 |
| 2079 | 6.70.6–22.7 | 331.5316.6–341.5 |
| 2080 | 6.51.2–14.9 | 332.4317.4–343.2 |
| 2081 | 6.60.9–18.5 | 332.3318.4–341.8 |
| 2082 | 7.91.4–22.5 | 332.8317.8–340.4 |
| 2083 | 7.61.3–16.8 | 333.1318.7–342.6 |
| 2084 | 5.91.1–15.9 | 333317.8–342.7 |
| 2085 | 6.50.9–17.6 | 332.6318.1–342.7 |
| 2086 | 7.90.8–23 | 333.1318.9–342.3 |
| 2087 | 9.91.1–24.1 | 332.6318–343.2 |
| 2088 | 8.92–18.4 | 334.5319.5–343.1 |
| 2089 | 8.31.9–19.2 | 333.6319–342.6 |
| 2090 | 6.20.8–24.1 | 333.3319.6–343.3 |
| 2091 | 9.31.3–23.5 | 334.5318.2–343.9 |
| 2092 | 8.61.7–19.2 | 335.1319.7–343.6 |
| 2093 | 6.20.8–18.2 | 333.9320–344.9 |
| 2094 | 9.32.4–20.4 | 335.6320.4–342.8 |
| 2095 | 9.51.1–24 | 335.4319.7–343 |
| 2096 | 8.10.2–21.4 | 334.3319.4–346.1 |
| 2097 | 6.40.5–20.1 | 334.2319.5–343.3 |
| 2098 | 9.31.4–22.1 | 334.9319.4–343.4 |
| 2099 | 8.11.4–20.8 | 334.4319.4–344.6 |
| 2100 | 8.81.9–21.1 | 334.7318.7–343.3 |
分别查看各国
须知
- 一年中气温始终高于 20 °C 的夜晚数，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
德国与印度尼西亚对比
健康
人口与社会
经济
教育
政治
冲突
军用
- 军费开支德国：2025 年为 GDP 的 2.27%印度尼西亚：2025 年为 GDP 的 1.05%
- 军费开支（美元）德国：2025 年为 US$1070亿印度尼西亚：2025 年为 US$153亿
- 人均军费开支德国：2025 年为 US$1,346印度尼西亚：2025 年为 US$53
- 军费占政府支出比例德国：2025 年为 4.5%（占政府支出）印度尼西亚：2025 年为 6.3%（占政府支出）
- 武装部队人员德国：2020 年为 183,000 人印度尼西亚：2020 年为 676,000 人
- 国家实力德国：2022 年为 1.5%（占全球实力）印度尼西亚：2022 年为 2.09%（占全球实力）
- 武装部队占劳动力比例德国：2020 年为 0.42%（占劳动力）印度尼西亚：2020 年为 0.49%（占劳动力）
- 武器进口德国：2025 年为 16.3亿 TIV印度尼西亚：2025 年为 12.8亿 TIV
- 武器出口德国：2025 年为 17亿 TIV印度尼西亚：2021 年为 1700万 TIV