Navigation des services
Recherche
Différents indicateurs climatiques permettent de montrer très clairement comment la Suisse est affectée par le changement climatique. Ainsi, le réchauffement observé entraîne un nombre croissant de jours estivaux et tropicaux (température maximale de 25 °C ou 30 °C ou plus) et davantage de nuits tropicales (température minimale pas inférieure à 20 °C). Parallèlement, le nombre de jours de gel et d’hiver (température minimale ou maximale inférieure à 0 °C) diminue.
Le réchauffement a également pour conséquence que, malgré une tendance à l'augmentation des précipitations hivernales, le nombre de jours de neige fraîche et de jours avec couverture neigeuse diminue. Depuis les années 1980, on observe également une tendance à l'augmentation de l'ensoleillement et donc du nombre de jours clairs. Le fait qu'un indicateur climatique présente une tendance statistiquement décelable et l'ampleur de celle-ci dépendent du lieu de mesure et de la période d'observation.
Données disponibles et qualité de celles-ci
Les indicateurs climatiques sont disponibles pour les stations du réseau suisse de mesures climatiques. Dans la mesure où ils sont disponibles, ils sont calculés avec des données homogénéisées pour les périodes 1864 à aujourd'hui et 1961 à aujourd'hui. Les données climatiques sont homogènes lorsqu'elles sont corrigées des influences qui n'ont rien à voir avec le climat et ses changements. C'est par exemple le cas lorsque les conditions de mesure dans lesquelles les données météorologiques sont collectées ont changé. Pour la neige et les indicateurs basés sur la durée d'ensoleillement, il n'existe pas encore de séries homogènes ; dans ce cas, les évaluations sont effectuées sur la base de données originales vérifiées et corrigées.
L'application suivante permet de représenter des indicateurs climatiques sur les thèmes de la chaleur, du froid, de la pluie, de la neige, de la sécheresse et de l'ensoleillement.
Les tendances sont déterminées comme suit :
- En plus des valeurs sur une année, une courbe lissée (avec un filtre gaussien sur 11 ans) et une estimation de la tendance linéaire (en traitillé) sont montrées. Pour les données de comptage (c'est-à-dire les cas où le nombre de jours est compté), une tendance logistique est utilisée. Pour tous les autres paramètres, on a utilisé la méthode Theil-Sen pour la courbe de tendance.
- Chaque graphique montre la tendance absolue par unité sur 10 ans, la tendance relative (c'est-à-dire la différence entre l'estimation du début et de la fin de la série divisée par la moyenne de la série temporelle) en pour cent, ainsi que la représentativité de la tendance (p-valeur).
- La représentativité statistique est estimée avec le test non paramétrique de Mann-Kendall. En climatologie, les tendances avec une p-valeur inférieure à 0,05 sont souvent considérées comme significativement différentes de 0.
Indices de sécheresse
Différents indices décrivent la sécheresse actuelle ou l’humidité en des lieux sélectionnés du réseau d’observation de MétéoSuisse. Ces indices sont dérivés des mesures météorologiques primaires dont les précipitations sont le plus important composant. Certains de ces indices considèrent aussi l’évapotranspiration, qui dépend de la température, de l’humidité, du rayonnement et de la vitesse du vent.
La littérature suivante a été utilisée :
- Begert M., Schlegel T., Kirchhofer W., 2005: Homogeneous Temperature and Precipitation Series of Switzerland from 1864 to 2000. International Journal of Climatology 25: 65-80. http://onlinelibrary.wiley.com/doi/10.1002/joc.1118/pdf
- Frei, C. and Schär C., 2001: Detection probability of trends in rare events: Theory and application to heavy precipitation in the Alpine region. J. Climate 14: 1568-1584. http://dx.doi.org/10.1175/1520-0442(2001)014<1568:DPOTIR>2.0.CO;2
- Kendall M.G., 1975: Rank Correlation Methods, Charles Griffin, London.
- Mann H.B., 1945: Nonparametric tests against trend. Econometrika 13:245-259.
- Sen P.K., 1968: Estimates of the regression coefficient based on Kendall's tau. Journal of the American Statistical Association, 63, 1379-1389.
Theil H., 1950: A rank-invariant method of linear and polynomial regression analysis. Netherlands Akad. Wetensch. Proc., 53, pages: 386-392 (part I), 521-525 (part II), 1397-1412 (part III).