Climat du Maroc depuis 1940 : température, vent, rayonnement, évaporation et humidité du sol
Explorez 7 séries climatiques mensuelles ERA5 et ERA5-Land au Maroc : température, humidité, vent, rayonnement solaire, évaporation et humidité du sol jusqu’en 2026.
Température, humidité de l’air, vent, rayonnement solaire, évaporation et eau présente dans le sol décrivent différentes composantes d’un même système climatique.
Les analyser séparément est utile. Les croiser dans le temps et dans l’espace permet d’aller beaucoup plus loin : suivre le dessèchement des sols, comparer les conditions atmosphériques entre régions, étudier les facteurs favorisant l’évaporation ou replacer un mois anormalement sec dans plus de sept décennies d’archives.
Kharita publie une collection de 7 séries climatiques mensuelles, préparées à partir des réanalyses ECMWF ERA5 et ERA5-Land.
Au total, elles représentent 6 540 fichiers Cloud Optimized GeoTIFF — COG couvrant tout le Maroc dans une emprise nationale continue, régions du Sud incluses.
- Séries climatiques
- 7
- COG mensuels
- 6 540
- Séries ERA5-Land
- 6
- Série ERA5
- 1
Métadonnées des séries Kharita, août 2026
Sept séries, deux réanalyses
Six séries utilisent ERA5-Land Monthly Aggregated et remontent jusqu’en février 1950.
La série consacrée à la vitesse du vent repose sur ERA5 Hourly et remonte jusqu’en janvier 1940.
| Variable | Source | Période publiée | Fichiers | Unité |
|---|---|---|---|---|
| Température moyenne de l’air à 2 m | ERA5-Land | 1950-02 à 2026-06 | 917 | °C |
| Humidité relative à 2 m | ERA5-Land, dérivée Kharita | 1950-02 à 2026-06 | 917 | % |
| Rayonnement solaire descendant | ERA5-Land | 1950-02 à 2026-06 | 917 | kWh/m²/mois |
| Évaporation totale | ERA5-Land | 1950-02 à 2026-06 | 917 | mm/mois |
| Humidité volumique du sol 0–7 cm | ERA5-Land | 1950-02 à 2026-06 | 917 | m³/m³ |
| Anomalie standardisée d’humidité du sol | ERA5-Land, dérivée Kharita | 1950-02 à 2026-06 | 917 | z-score |
| Vitesse moyenne du vent à 10 m | ERA5 | 1940-01 à 2026-06 | 1038 | m/s |
En COG
Métadonnées des séries Kharita, collections arrêtées au 30 juin 2026
▸ Voir les données
| Vent à 10 m | 1 038 |
|---|---|
| Température | 917 |
| Humidité relative | 917 |
| Rayonnement solaire | 917 |
| Évaporation | 917 |
| Humidité du sol | 917 |
| Anomalie du sol | 917 |
Le mois de janvier 1950 est absent des six collections ERA5-Land locales. Elles commencent donc toutes au 1er février 1950.
La série ERA5 du vent ne présente aucune période manquante signalée entre janvier 1940 et juin 2026.
En séries
Métadonnées Kharita
▸ Voir les données
| ERA5-Land et dérivées | 6 |
|---|---|
| ERA5 | 1 |
Deux grilles spatiales
Les six séries ERA5-Land utilisent une grille temporelle commune en EPSG:4326 avec un pas de 0,1 degré.
Aucun fichier de ces six séries n’a nécessité de rééchantillonnage supplémentaire depuis la grille source utilisée pour la collection.
La série du vent utilise une grille plus grossière de 0,25 degré, également en EPSG:4326.
| Collection | Grille | Rééchantillonnage supplémentaire |
|---|---|---|
| ERA5-Land | 0,1° | aucun |
| ERA5 vent | 0,25° | 41 mois entre 1940-01 et 1943-05 |
En degré
Métadonnées techniques des COG Kharita
▸ Voir les données
| ERA5-Land | 0,1 |
|---|---|
| ERA5 vent | 0,25 |
Les 41 premiers mois du vent, de janvier 1940 à mai 1943, proviennent de l’archive publique Earthmover Icechunk sur AWS et ont été rééchantillonnés en bilinéaire vers la grille temporelle commune du dataset.
Les autres mois n’ont pas subi ce rééchantillonnage supplémentaire.
Comment lire les statistiques de cet article ?
Chaque dataset possède un minimum détecté, un maximum détecté et une moyenne calculée pendant sa préparation.
La valeur appelée moyenne dans les graphiques suivants correspond à une moyenne non pondérée des moyennes spatiales mensuelles, en excluant les pixels NoData.
Elle ne doit donc pas être interprétée comme une moyenne nationale pondérée précisément par la superficie de chaque cellule.
Les minima et maxima montrent les valeurs extrêmes détectées dans la collection. Ils ne décrivent pas nécessairement une condition représentative de l’ensemble du territoire.
Température moyenne mensuelle de l’air à 2 m
Loading map…
Chaque pixel estime la température moyenne mensuelle de l’air à 2 mètres, exprimée en degrés Celsius.
Il s’agit d’une valeur issue d’une réanalyse climatique, et non de la mesure d’une station située au centre de chaque pixel.
La collection contient 917 mois, de février 1950 à juin 2026.
En °C
Métadonnées Kharita — ERA5-Land, 1950-02 à 2026-06
▸ Voir les données
| Minimum détecté | -5,758 |
|---|---|
| Moyenne | 19,298 |
| Maximum détecté | 38,676 |
La moyenne calculée sur les moyennes spatiales mensuelles de la collection est d’environ 19,30 °C.
Les valeurs extrêmes détectées s’étendent d’environ -5,76 °C à 38,68 °C.
Ces extrêmes ne doivent pas être interprétés comme les records absolus de température du Maroc : chaque raster représente déjà une moyenne mensuelle.
Une vague de chaleur de quelques jours peut donc atteindre des températures nettement supérieures à la moyenne du mois sans apparaître directement dans cette série.
Ce que cette série permet d’étudier
Elle est particulièrement adaptée pour :
- comparer les saisons ;
- calculer des normales climatiques ;
- étudier les variations interannuelles ;
- comparer les températures selon l’altitude ;
- analyser des périodes chaudes ou froides à l’échelle mensuelle ;
- croiser température et humidité du sol.
Humidité relative mensuelle à 2 m
Loading map…
Cette série n’est pas une variable ERA5-Land publiée directement sous cette forme.
L’humidité relative à 2 m est calculée par Kharita avec la formule de Magnus, à partir des moyennes mensuelles de température de l’air et de température du point de rosée.
Elle est exprimée en pourcentage.
En %
Métadonnées Kharita — variable dérivée d’ERA5-Land, 1950-02 à 2026-06
▸ Voir les données
| Minimum détecté | 8,105 |
|---|---|
| Moyenne | 46,09 |
| Maximum détecté | 92,133 |
La moyenne de la collection est d’environ 46,09 %, avec des valeurs détectées allant d’environ 8,10 % à 92,13 %.
Une précaution importante
L’humidité relative est calculée ici à partir des moyennes mensuelles de température et de point de rosée.
Le résultat n’est donc pas exactement égal à la moyenne des humidités relatives calculées heure par heure.
Cette distinction est importante pour les analyses nécessitant une précision météorologique fine.
Pour une étude climatologique mensuelle ou territoriale, la série fournit toutefois un indicateur cohérent sur toute la période.
Ne pas confondre humidité de l’air et humidité du sol
Une humidité relative de 70 % décrit l’atmosphère.
Elle ne signifie pas que le sol contient 70 % d’eau.
Les deux variables répondent à des mécanismes physiques différents et sont publiées séparément dans cette collection.
Vitesse moyenne mensuelle du vent à 10 m
Loading map…
La série du vent est la plus longue de la collection : 1 038 mois, de janvier 1940 à juin 2026.
Pour chaque heure, la vitesse est calculée à partir des composantes horizontales U et V du vent à 10 m. Les vitesses horaires sont ensuite utilisées pour produire la moyenne mensuelle.
En m/s
Métadonnées Kharita — ECMWF ERA5, 1940-01 à 2026-06
▸ Voir les données
| Minimum détecté | 0,567 |
|---|---|
| Moyenne | 3,887 |
| Maximum détecté | 10,296 |
La moyenne calculée sur l’ensemble de la collection est d’environ 3,89 m/s.
Les valeurs mensuelles détectées dans les pixels s’étendent approximativement de 0,57 à 10,30 m/s.
Le relief local est lissé
La grille du dataset est de 0,25 degré, soit nettement plus grossière que les phénomènes locaux produits par une vallée, un bâtiment, une crête ou la végétation.
La couche convient donc à une lecture climatique régionale du vent, mais pas à l’étude d’un emplacement précis pour une éolienne.
Pour une étude énergétique, il faudrait notamment intégrer la vitesse à hauteur de moyeu, la distribution des vitesses, le relief, la rugosité et les caractéristiques de la turbine.
Rayonnement solaire descendant mensuel à la surface
Loading map…
Chaque pixel représente l’énergie solaire directe et diffuse reçue par une surface horizontale pendant le mois.
Les données publiées sur Kharita sont exprimées en kWh/m²/mois.
En kWh/m²/mois
Métadonnées Kharita — ERA5-Land, 1950-02 à 2026-06
▸ Voir les données
| Minimum détecté | 0 |
|---|---|
| Moyenne | 180,299 |
| Maximum détecté | 264,134 |
La moyenne calculée pour la collection atteint environ 180,30 kWh/m²/mois.
Le maximum détecté est d’environ 264,13 kWh/m²/mois.
La forte variation saisonnière de cette variable en fait une série particulièrement intéressante à représenter dans le temps.
À quoi sert cette couche ?
Elle peut être utilisée pour :
- comparer l’énergie solaire reçue selon les mois ;
- étudier la saisonnalité ;
- analyser les relations entre rayonnement, température et évaporation ;
- compléter une étude agricole ;
- effectuer un premier diagnostic territorial lié à l’énergie solaire.
Elle ne calcule pas directement la production d’un panneau photovoltaïque.
Orientation, inclinaison, température du module, ombrage et rendement de l’installation doivent être analysés séparément.
Évaporation totale mensuelle
Loading map…
Chaque pixel estime l’évaporation totale mensuelle du modèle, exprimée ici en millimètres par mois.
Une transformation importante a été appliquée pendant la préparation : le signe ECMWF a été inversé afin que les valeurs positives représentent une perte d’eau par évaporation.
Cette convention rend la couche plus intuitive à lire dans une carte hydrologique.
En mm/mois
Métadonnées Kharita — ERA5-Land, signe ECMWF inversé
▸ Voir les données
| Minimum détecté | -0,317 |
|---|---|
| Moyenne | 16,555 |
| Maximum détecté | 148,491 |
La moyenne de la collection est d’environ 16,56 mm/mois.
Le maximum détecté atteint environ 148,49 mm/mois.
Un minimum légèrement négatif, environ -0,32 mm/mois, reste présent dans les valeurs détectées malgré l’inversion de convention. Il doit être conservé comme valeur issue du modèle plutôt que corrigé artificiellement.
Lire l’évaporation avec les autres variables
L’évaporation est particulièrement intéressante lorsqu’elle est comparée à :
- la température ;
- le rayonnement solaire ;
- l’humidité relative ;
- le vent ;
- l’humidité du sol ;
- les précipitations.
Une forte température ne suffit pas à elle seule pour produire une forte évaporation : il faut notamment qu’une quantité suffisante d’eau soit disponible pour être transférée vers l’atmosphère.
Humidité volumique mensuelle du sol entre 0 et 7 cm
Loading map…
Cette série décrit la première couche de sol du modèle ERA5-Land, comprise entre 0 et 7 cm.
Chaque pixel estime la fraction volumique moyenne mensuelle d’eau dans cette couche.
L’unité est le m³ d’eau par m³ de sol — m³/m³.
En m³/m³
Métadonnées Kharita — ERA5-Land, 1950-02 à 2026-06
▸ Voir les données
| Minimum détecté | 0 |
|---|---|
| Moyenne | 0,077 |
| Maximum détecté | 0,49 |
Le minimum réel stocké dans les métadonnées est d’environ -1,28 × 10⁻²⁰ m³/m³, une valeur numériquement extrêmement proche de zéro. Elle est arrondie à 0 dans le graphique pour rester lisible.
La moyenne calculée sur la collection est d’environ 0,077 m³/m³, tandis que le maximum détecté atteint environ 0,490 m³/m³.
Que signifie une valeur de 0,20 ?
Une valeur de 0,20 m³/m³ correspond à environ 0,20 m³ d’eau pour 1 m³ de sol dans la représentation du modèle.
Elle ne signifie pas que le sol se trouve à 20 % de sa capacité maximale.
Cette dernière dépend notamment de la texture et des caractéristiques physiques du sol.
Une information superficielle
Les 7 premiers centimètres réagissent rapidement :
- aux précipitations ;
- à l’évaporation ;
- aux périodes chaudes ;
- aux variations saisonnières.
Un sol sec en surface peut toutefois conserver de l’eau plus profondément.
Cette couche ne doit donc pas être assimilée à l’ensemble de la réserve hydrique accessible aux racines.
Anomalie standardisée mensuelle d’humidité du sol
Loading map…
La quantité brute d’eau dans le sol ne répond pas toujours à la question la plus importante.
Un sol très sec dans une région aride peut se trouver dans une situation parfaitement normale pour le mois étudié.
L’anomalie standardisée pose donc une autre question :
le sol est-il plus sec ou plus humide que ce qui est normalement modélisé ici pendant le même mois de l’année ?
Pour chaque pixel, Kharita compare la valeur à la moyenne du même mois sur la période climatologique 1991–2020, puis exprime l’écart en nombre d’écarts-types.
L’unité est un z-score.
En écart-type
Métadonnées Kharita — référence climatologique mensuelle 1991–2020
▸ Voir les données
| Minimum détecté | -9,062 |
|---|---|
| Moyenne | 0,038 |
| Maximum détecté | 29,562 |
La moyenne globale de la collection est très proche de zéro, environ 0,038 écart-type.
C’est cohérent avec la nature d’un indicateur centré sur une climatologie, même si la moyenne exacte de toute la collection n’a pas à être strictement égale à zéro.
Des valeurs extrêmes de -9,06 à +29,56 écarts-types ont été détectées dans les fichiers. Ce sont des extrêmes de pixels dans l’ensemble de la collection et non des valeurs représentatives de la situation moyenne du Maroc.
Comment lire le signe ?
Une valeur négative indique un sol plus sec que la normale modélisée du même mois.
Une valeur positive indique une situation plus humide.
En écart-type
Lecture statistique simplifiée d’un indicateur standardisé
▸ Voir les données
| Très sec | -2 |
|---|---|
| Sec | -1 |
| Normal | 0 |
| Humide | 1 |
| Très humide | 2 |
Ces valeurs sont des repères de lecture, pas les seuils d’une classification officielle de sécheresse.
L’avantage essentiel de l’anomalie est qu’elle permet de comparer des territoires naturellement très différents.
Un territoire aride peut présenter une anomalie positive, tandis qu’une région habituellement humide peut connaître une anomalie fortement négative.
Toutes les cellules côtières sont conservées
Les six séries ERA5-Land et la série ERA5 du vent utilisent la même politique de bordure lors du découpage national.
Toutes les cellules de la grille source qui touchent la limite nationale validée sont conservées.
Cette méthode évite de créer un liseré vide artificiel le long du littoral ou de perdre des cellules simplement parce que leur centre se trouve légèrement à l’extérieur du polygone.
Les pixels NoData présents dans les sources restent toutefois NoData.
Ils ne sont jamais remplis ou interpolés pour donner artificiellement une couverture visuellement complète.
Les palettes servent à la visualisation, pas à l’analyse
Chaque collection utilise une palette adaptée à son type de variable :
| Variable | Palette de visualisation |
|---|---|
| Température | RdYlBu_r |
| Humidité relative | Blues |
| Vent | Viridis |
| Rayonnement solaire | Inferno |
| Évaporation | YlGnBu |
| Humidité du sol | YlGnBu |
| Anomalie d’humidité du sol | RdBu |
Les bornes d’affichage ne reposent pas simplement sur les minima et maxima absolus.
L’étirement est calculé à partir des distributions mensuelles afin d’éviter qu’un pixel extrême rende toutes les autres valeurs visuellement similaires.
Ces paramètres concernent le rendu cartographique. Ils ne modifient pas les valeurs stockées dans les COG.
Comment les sept variables interagissent-elles ?
Les datasets prennent tout leur intérêt lorsqu’ils sont mis en relation.
Le rayonnement solaire fournit de l’énergie à la surface.
La température décrit une partie de la réponse thermique de l’atmosphère proche du sol.
L’humidité relative renseigne sur l’état de l’air.
Le vent favorise les échanges entre la surface et l’atmosphère.
Lorsque de l’eau est disponible, ces conditions participent aux mécanismes représentés dans l’évaporation totale.
L’humidité volumique du sol renseigne ensuite sur l’état hydrique de la couche superficielle.
Enfin, l’anomalie standardisée permet de savoir si cet état est inhabituellement sec ou humide par rapport au même mois pendant la période 1991–2020.
Ce sont donc moins sept cartes indépendantes qu’un ensemble permettant d’examiner différentes parties du système climat–surface–sol.
Cinq analyses possibles au Maroc
1. Suivre un épisode de dessèchement
Commencez avec l’anomalie d’humidité du sol.
Repérez les territoires où les valeurs deviennent négatives pendant plusieurs mois.
Comparez ensuite :
- l’humidité volumique du sol ;
- l’évaporation ;
- la température ;
- l’humidité relative ;
- le rayonnement.
Ajoutez une série de précipitations pour compléter le bilan hydrique.
Une telle analyse est plus robuste qu’une carte de sécheresse construite à partir d’une seule variable.
2. Mesurer l’exposition climatique des terres agricoles
Croisez les rasters avec :
- terres agricoles ;
- vergers ;
- serres ;
- zones irriguées.
Des statistiques zonales permettent par exemple d’obtenir, pour chaque zone agricole, la température moyenne d’un mois, l’humidité superficielle du sol ou son anomalie.
Le résultat mesure une exposition climatique.
Il ne mesure pas directement le rendement ou les pertes agricoles.
3. Comparer littoral, montagnes et intérieur
Les mêmes séries peuvent être agrégées par région, province, bassin versant ou zone climatique.
On peut alors comparer plusieurs décennies de :
- température ;
- humidité ;
- vent ;
- rayonnement ;
- évaporation ;
- humidité du sol.
Une série temporelle calculée sur un territoire est souvent plus informative qu’une succession de cartes nationales.
4. Explorer les ressources solaire et éolienne
Le rayonnement solaire et le vent fournissent deux premières variables pour examiner spatialement les ressources énergétiques.
Ils doivent ensuite être combinés avec d’autres couches :
- relief ;
- pente ;
- occupation du sol ;
- réseau électrique ;
- routes ;
- contraintes environnementales.
Ils constituent des données de présélection, pas une étude de faisabilité finale.
5. Étudier l’effet du relief
Ajoutez le MNS Copernicus et ses dérivés.
Altitude, pente et orientation permettent de rechercher des relations entre relief et :
- température ;
- rayonnement ;
- vent ;
- humidité.
La combinaison des couches transforme une simple consultation cartographique en véritable analyse géographique.
Utilisation dans QGIS
Une série contenant 917 ou 1 038 COG ne doit pas nécessairement être chargée entièrement dans un projet QGIS.
Une méthode plus efficace consiste à :
- choisir la variable ;
- déterminer la période réellement nécessaire ;
- télécharger uniquement les mois concernés ;
- vérifier l’unité avant les calculs ;
- harmoniser les grilles lorsqu’on combine ERA5 et ERA5-Land ;
- utiliser les statistiques zonales pour résumer les rasters par territoire ;
- enregistrer année, mois et valeur dans une table ;
- construire ensuite une série temporelle.
Attention aux résolutions différentes
Les variables ERA5-Land sont sur une grille de 0,1°, tandis que le vent est sur une grille de 0,25°.
Il ne faut donc pas superposer les pixels et supposer qu’ils représentent exactement les mêmes surfaces.
Pour effectuer une opération raster pixel par pixel entre le vent et une variable ERA5-Land, il faut auparavant choisir explicitement une grille commune et une méthode de rééchantillonnage adaptée.
Pour de nombreuses analyses territoriales, calculer séparément des statistiques zonales sur chaque grille évite cette étape.
Une réanalyse n’est pas une station météorologique
Ces séries fournissent une couverture spatiale complète et cohérente sur plusieurs décennies.
C’est leur principal avantage.
Mais une cellule de grille représente les conditions modélisées sur une surface relativement importante.
Elle ne reproduit pas nécessairement :
- le microclimat d’une vallée ;
- une rue urbaine ;
- une parcelle agricole ;
- une station météorologique précise ;
- l’effet local d’un bâtiment ou d’une haie.
Les données conviennent particulièrement aux analyses :
- nationales ;
- régionales ;
- climatiques ;
- temporelles ;
- multi-sources.
Pour une décision locale exigeant une forte précision, elles doivent être complétées par des observations de terrain lorsque celles-ci sont disponibles.
Jusqu’où va réellement 2026 ?
Toutes les collections publiées ici s’arrêtent actuellement au 30 juin 2026.
Le titre « 1950–2026 » ou « 1940–2026 » signifie donc que l’année 2026 est présente, mais seulement de janvier ou février à juin selon la série.
Il ne faut pas comparer directement une moyenne calculée sur les six premiers mois de 2026 à une moyenne annuelle complète d’une autre année.
Pour les six séries ERA5-Land, il faut également garder à l’esprit l’absence de janvier 1950.
Sources et attribution
- ERA5-Land Monthly Aggregated — Google Earth Engine Data Catalog
- ERA5 hourly data on single levels — Copernicus Climate Data Store
- ECMWF Reanalysis v5 — ERA5
- Toubkal mountain peak — Wikimedia Commons
- Palmiers dattiers près de Zagora — Wikimedia Commons
.jpg){kind=link}
.jpg){kind=link}
Les fichiers utilisent la Copernicus C3S/CAMS License. L’attribution et les avertissements applicables aux données sources doivent être conservés.
Sources climatiques : ECMWF ERA5 et ERA5-Land. Accès via Google Earth Engine et, pour une partie historique du vent, archive publique Earthmover Icechunk sur AWS. Variables dérivées et préparation des COG : Kharita.
Discussion