德国与巴基斯坦对比
德国与巴基斯坦:热带夜
2014 年热带夜:德国为 0.8 夜,巴基斯坦为 149.9 夜(CMIP6 气候模型中位数模拟)。 2014 年巴基斯坦的数值较高,高出 149.1 夜,是德国的 180 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,巴基斯坦的数值都更高。
- 根据CMIP6 模型中位数(SSP2-4.5,中间路径),2100 年德国为 8.8 夜,巴基斯坦为 177.6 夜。
逐年数据
每年夜数 · CMIP6
| 年份 | 德国 | 巴基斯坦 |
|---|---|---|
| 2014 | 0.8 | 149.9 |
| 2013 | 0.7 | 149.1 |
| 2012 | 0.9 | 149.9 |
| 2011 | 0.5 | 149 |
| 2010 | 0.9 | 148.4 |
| 2009 | 0.5 | 147.1 |
| 2008 | 0.2 | 147.4 |
| 2007 | 0.3 | 147.3 |
| 2006 | 0.3 | 146.7 |
| 2005 | 0.6 | 146.5 |
| 2004 | 0.7 | 147.5 |
| 2003 | 0.6 | 146 |
| 2002 | 0.2 | 148.3 |
| 2001 | 0.5 | 145.4 |
| 2000 | 0.2 | 144.7 |
| 1999 | 0.2 | 146.9 |
| 1998 | 0.1 | 144.8 |
| 1997 | 0.1 | 143.2 |
| 1996 | 0.2 | 141.2 |
| 1995 | 0.1 | 141.8 |
| 1994 | 0 | 142.1 |
| 1993 | 0 | 140.4 |
| 1992 | 0 | 139.9 |
| 1991 | 0.1 | 142.5 |
| 1990 | 0.1 | 142.6 |
| 1989 | 0.1 | 142.5 |
| 1988 | 0 | 140.3 |
| 1987 | 0 | 140 |
| 1986 | 0 | 140 |
| 1985 | 0.1 | 140 |
| 1984 | 0.1 | 138.9 |
| 1983 | 0 | 136.3 |
| 1982 | 0 | 138.5 |
| 1981 | 0 | 141.5 |
| 1980 | 0 | 139.5 |
| 1979 | 0 | 139.1 |
| 1978 | 0.1 | 139 |
| 1977 | 0 | 138.6 |
| 1976 | 0 | 139.2 |
| 1975 | 0 | 136.5 |
| 1974 | 0.1 | 138.7 |
| 1973 | 0 | 137.8 |
| 1972 | 0 | 137.4 |
| 1971 | 0 | 136 |
| 1970 | 0.1 | 137.7 |
| 1969 | 0 | 135.9 |
| 1968 | 0 | 136.6 |
| 1967 | 0 | 135.2 |
| 1966 | 0 | 136.9 |
| 1965 | 0 | 138.3 |
| 1964 | 0 | 135.1 |
| 1963 | 0 | 135.7 |
| 1962 | 0 | 137 |
| 1961 | 0 | 138.6 |
| 1960 | 0 | 139 |
| 1959 | 0.1 | 138.6 |
| 1958 | 0 | 137.7 |
| 1957 | 0 | 140 |
| 1956 | 0 | 137.8 |
| 1955 | 0 | 137.5 |
| 1954 | 0.1 | 137.8 |
| 1953 | 0 | 136.9 |
| 1952 | 0 | 138.1 |
| 1951 | 0 | 136.7 |
| 1950 | 0 | 139.1 |
CMIP6 模型中位数(SSP2-4.5,中间路径) · 2015–2100
| 年份 | 德国 | 巴基斯坦 |
|---|---|---|
| 2015 | 0.50–4 | 152.4138.7–163.3 |
| 2016 | 0.80–4.3 | 150.6139.4–161.7 |
| 2017 | 0.70–5.1 | 151.3138.8–162 |
| 2018 | 0.70–3.5 | 152.6139.8–161.8 |
| 2019 | 1.20–5 | 151.8138.1–163.3 |
| 2020 | 1.20–5.7 | 153.1140.3–164.5 |
| 2021 | 10–6 | 154.1140.6–165.7 |
| 2022 | 1.40–5.7 | 153.1140.2–165.7 |
| 2023 | 1.10–5.7 | 155.5141.6–165.9 |
| 2024 | 1.20–5.2 | 156.8143.3–168.7 |
| 2025 | 1.90–8.2 | 155.7141.5–168.6 |
| 2026 | 1.90.1–6.5 | 155.3142.2–167.9 |
| 2027 | 1.40–4.7 | 156.8140.9–168.9 |
| 2028 | 1.50.1–5.5 | 156.5143.9–167.6 |
| 2029 | 20.1–6.4 | 155.9141.5–167.7 |
| 2030 | 1.60–6.1 | 156.3143.3–167.6 |
| 2031 | 1.40–5.4 | 157.3144.4–168.1 |
| 2032 | 1.50.1–7.6 | 157.4142.5–169.6 |
| 2033 | 1.70–6.8 | 157.7143.6–169.4 |
| 2034 | 2.10.2–8.3 | 159.5145.6–173.4 |
| 2035 | 1.70.1–6.9 | 159.3146.7–170.3 |
| 2036 | 2.80.1–7.8 | 159.1147.5–171.4 |
| 2037 | 2.50–9.2 | 162.2147.5–175.3 |
| 2038 | 2.20.1–9.7 | 161.4148.6–171.7 |
| 2039 | 30–8.9 | 160148.2–170.4 |
| 2040 | 2.30.1–7.1 | 160.9147.9–171.3 |
| 2041 | 2.40.1–7.9 | 160.8146.7–171.7 |
| 2042 | 2.90.4–8.9 | 162.3149.9–175.6 |
| 2043 | 3.10.1–8.7 | 161.1150.3–173.8 |
| 2044 | 3.10.2–10.1 | 163150.9–173.9 |
| 2045 | 30.1–8.7 | 163149.5–174.8 |
| 2046 | 3.10.5–10.9 | 163.5149.8–177.2 |
| 2047 | 4.30.3–10.6 | 165.2151.8–178.5 |
| 2048 | 3.70.2–12.9 | 166.4154.1–179.4 |
| 2049 | 4.40.2–11.8 | 165150.8–178.2 |
| 2050 | 3.10.6–9.3 | 166.9153.5–179.3 |
| 2051 | 2.70.1–9.5 | 165.6150.8–180 |
| 2052 | 3.60.2–11.5 | 166.7155.4–179.5 |
| 2053 | 2.30.4–8.7 | 166.3154.2–178.8 |
| 2054 | 3.50.4–10.3 | 167.5153.9–181 |
| 2055 | 3.30.4–11.3 | 167.8155.8–182.5 |
| 2056 | 4.50.7–14.3 | 166.3153.6–179.7 |
| 2057 | 40.4–11.3 | 168.3153.9–182.3 |
| 2058 | 5.80.7–15.5 | 167.5157–179.9 |
| 2059 | 5.10.1–15.6 | 170.9155.9–183.8 |
| 2060 | 4.40.6–12.3 | 170.3156.5–181.8 |
| 2061 | 5.31–12.3 | 168.8156.8–179.6 |
| 2062 | 5.51.6–14.2 | 171.6153.5–186.5 |
| 2063 | 5.20.8–13.8 | 171.3159.5–183.8 |
| 2064 | 4.10.5–12.2 | 170.2155.3–184.5 |
| 2065 | 4.90.3–15.8 | 169.7156.4–185 |
| 2066 | 5.30.7–11.8 | 172.2157–186.7 |
| 2067 | 7.21.4–17.5 | 173.2160.2–186.3 |
| 2068 | 3.90.9–11.3 | 172.6157.7–186.3 |
| 2069 | 6.11.6–15 | 171.8157.3–185.6 |
| 2070 | 5.80.6–14.9 | 171.7158.9–186.7 |
| 2071 | 6.30.6–16.4 | 173.4158.7–186.8 |
| 2072 | 6.21.9–13 | 174161.5–186.9 |
| 2073 | 5.51.3–16.2 | 175.6157.2–187.9 |
| 2074 | 5.50.5–16.7 | 173.5160–186.3 |
| 2075 | 6.21.4–18.3 | 173161.5–187.8 |
| 2076 | 7.41.1–20.1 | 172.9158.8–186.7 |
| 2077 | 6.31.1–17.4 | 175161.3–187.8 |
| 2078 | 6.50.7–21.4 | 174.4160.9–189.3 |
| 2079 | 6.70.6–22.7 | 172.5158.3–187.7 |
| 2080 | 6.51.2–14.9 | 175.1160.7–189.2 |
| 2081 | 6.60.9–18.5 | 174.9159.2–190.2 |
| 2082 | 7.91.4–22.5 | 175.4161.8–190.6 |
| 2083 | 7.61.3–16.8 | 176.5161.8–190.8 |
| 2084 | 5.91.1–15.9 | 176.1160.9–190.5 |
| 2085 | 6.50.9–17.6 | 176.3161.9–193.6 |
| 2086 | 7.90.8–23 | 173.9160–189.1 |
| 2087 | 9.91.1–24.1 | 176161–193.1 |
| 2088 | 8.92–18.4 | 175.4160.5–195.2 |
| 2089 | 8.31.9–19.2 | 177.2164.2–191.7 |
| 2090 | 6.20.8–24.1 | 177.7163.9–192.2 |
| 2091 | 9.31.3–23.5 | 177.8162.8–192.2 |
| 2092 | 8.61.7–19.2 | 178.7162.9–192.9 |
| 2093 | 6.20.8–18.2 | 177164–191 |
| 2094 | 9.32.4–20.4 | 176.8164.1–190.7 |
| 2095 | 9.51.1–24 | 178.6163.8–193.1 |
| 2096 | 8.10.2–21.4 | 177.8163.7–192.5 |
| 2097 | 6.40.5–20.1 | 177.3160.4–192.5 |
| 2098 | 9.31.4–22.1 | 178.7162.6–195.7 |
| 2099 | 8.11.4–20.8 | 176159.9–193.2 |
| 2100 | 8.81.9–21.1 | 177.6162.2–193 |
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
德国与巴基斯坦对比
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%巴基斯坦:2025 年为 GDP 的 2.91%
- 军费开支(美元)德国:2025 年为 US$1070亿巴基斯坦:2025 年为 US$115亿
- 人均军费开支德国:2025 年为 US$1,346巴基斯坦:2025 年为 US$47
- 军费占政府支出比例德国:2025 年为 4.5%(占政府支出)巴基斯坦:2025 年为 13.8%(占政府支出)
- 武装部队人员德国:2020 年为 183,000 人巴基斯坦:2020 年为 943,000 人
- 国家实力德国:2022 年为 1.5%(占全球实力)巴基斯坦:2022 年为 1.77%(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)巴基斯坦:2020 年为 1.25%(占劳动力)
- 武器进口德国:2025 年为 16.3亿 TIV巴基斯坦:2025 年为 7.06亿 TIV
- 武器出口德国:2025 年为 17亿 TIV巴基斯坦:2025 年为 1.27亿 TIV