Skip to contentKHARITA CHALLENGES LAUNCHđ Kharita Challenges is live â Solve real GIS challenges, build your skills, earn verifiable certifications, and showcase your work.
Explore Kharita Challenges Données ouvertesFrançais··17 min read·By Kharita
Climat du Maroc depuis 1940 : température, vent, rayonnement, évaporation et humidité du sol
Explorez 7 sĂ©ries climatiques mensuelles ERA5 et ERA5-Land au Maroc : tempĂ©rature, humiditĂ©, vent, rayonnement solaire, Ă©vaporation et humiditĂ© du sol jusquâen 2026.
âșSommaire33 sections33 sections
TempĂ©rature, humiditĂ© de lâair, vent, rayonnement solaire, Ă©vaporation et eau prĂ©sente dans le sol dĂ©crivent diffĂ©rentes composantes dâun mĂȘme systĂšme climatique.
Les analyser sĂ©parĂ©ment est utile. Les croiser dans le temps et dans lâespace permet dâaller beaucoup plus loin : suivre le dessĂšchement des sols, comparer les conditions atmosphĂ©riques entre rĂ©gions, Ă©tudier les facteurs favorisant lâĂ©vaporation ou replacer un mois anormalement sec dans plus de sept dĂ©cennies dâarchives.
Kharita publie une collection de 7 séries climatiques mensuelles, préparées à partir des réanalyses ECMWF ERA5 et ERA5-Land.
Au total, elles reprĂ©sentent 6 540 fichiers Cloud Optimized GeoTIFF â COG couvrant tout le Maroc dans une emprise nationale continue, rĂ©gions du Sud incluses.
La collection climatique en quelques chiffres- SĂ©ries climatiques
- 7
- COG mensuels
- 6âŻ540
- SĂ©ries ERA5-Land
- 6
- SĂ©rie ERA5
- 1
Métadonnées des séries Kharita, août 2026
Le relief marocain contribue Ă de forts contrastes de tempĂ©rature, dâhumiditĂ© et de circulation atmosphĂ©rique. Les rĂ©analyses permettent de les Ă©tudier avec une grille et une mĂ©thode cohĂ©rentes dans le temps.Dan Gold, CC0 1.0, Wikimedia Commons
Sept séries, deux réanalyses
Six sĂ©ries utilisent ERA5-Land Monthly Aggregated et remontent jusquâen fĂ©vrier 1950.
La sĂ©rie consacrĂ©e Ă la vitesse du vent repose sur ERA5 Hourly et remonte jusquâen janvier 1940.
| Variable | Source | Période publiée | Fichiers | Unité |
|---|
| TempĂ©rature moyenne de lâair Ă 2 m | ERA5-Land | 1950-02 Ă 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 Ă 2026-06 | 917 | kWh/mÂČ/mois |
| Ăvaporation totale | ERA5-Land | 1950-02 Ă 2026-06 | 917 | mm/mois |
| HumiditĂ© volumique du sol 0â7 cm | ERA5-Land | 1950-02 Ă 2026-06 | 917 | mÂł/mÂł |
| Anomalie standardisĂ©e dâhumiditĂ© du sol | ERA5-Land, dĂ©rivĂ©e Kharita | 1950-02 Ă 2026-06 | 917 | z-score |
| Vitesse moyenne du vent Ă 10 m | ERA5 | 1940-01 Ă 2026-06 | 1038 | m/s |
Nombre de rasters mensuels disponibles par variableEn COG
MĂ©tadonnĂ©es des sĂ©ries Kharita, collections arrĂȘtĂ©es au 30 juin 2026
➠Voir les données
| Vent Ă 10 m | 1âŻ038 |
|---|
| Température | 917 |
|---|
| Humidité relative | 917 |
|---|
| Rayonnement solaire | 917 |
|---|
| Ăvaporation | 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.
Répartition des séries par famille de réanalyseEn 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 sĂ©ries nâa nĂ©cessitĂ© de rĂ©Ă©chantillonnage supplĂ©mentaire depuis la grille source utilisĂ©e pour la collection.
La série du vent utilise une grille plus grossiÚre 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 |
Pas spatial des grilles utiliséesEn 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 Ă mai 1943, proviennent de lâarchive publique Earthmover Icechunk sur AWS et ont Ă©tĂ© rĂ©Ă©chantillonnĂ©s en bilinĂ©aire vers la grille temporelle commune du dataset.
Les autres mois nâont pas subi ce rĂ©Ă©chantillonnage supplĂ©mentaire.
Comment lire les statistiques de cet article ?
Chaque dataset possÚde 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 ĂȘtre interprĂ©tĂ©e comme une moyenne nationale pondĂ©rĂ©e prĂ©cisĂ©ment par la superficie de chaque cellule.
Les minima et maxima montrent les valeurs extrĂȘmes dĂ©tectĂ©es dans la collection. Ils ne dĂ©crivent pas nĂ©cessairement une condition reprĂ©sentative de lâensemble du territoire.
TempĂ©rature moyenne mensuelle de lâair Ă 2 m
Chaque pixel estime la tempĂ©rature moyenne mensuelle de lâair Ă 2 mĂštres, exprimĂ©e en degrĂ©s Celsius.
Il sâagit dâune valeur issue dâune rĂ©analyse climatique, et non de la mesure dâune station situĂ©e au centre de chaque pixel.
La collection contient 917 mois, de février 1950 à juin 2026.
RepÚres statistiques de la température mensuelleEn °C
MĂ©tadonnĂ©es Kharita â ERA5-Land, 1950-02 Ă 2026-06
➠Voir les données
| Minimum détecté | -5,758 |
|---|
| Moyenne | 19,298 |
|---|
| Maximum détecté | 38,676 |
|---|
La moyenne calculĂ©e sur les moyennes spatiales mensuelles de la collection est dâenviron 19,30 °C.
Les valeurs extrĂȘmes dĂ©tectĂ©es sâĂ©tendent dâenviron -5,76 °C Ă 38,68 °C.
Ces extrĂȘmes ne doivent pas ĂȘtre interprĂ©tĂ©s comme les records absolus de tempĂ©rature du Maroc : chaque raster reprĂ©sente dĂ©jĂ une moyenne mensuelle.
Une vague de chaleur de quelques jours peut donc atteindre des températures nettement supérieures à la moyenne du mois sans apparaßtre directement dans cette série.
Ce que cette sĂ©rie permet dâĂ©tudier
Elle est particuliÚrement adaptée pour :
- comparer les saisons ;
- calculer des normales climatiques ;
- Ă©tudier les variations interannuelles ;
- comparer les tempĂ©ratures selon lâaltitude ;
- analyser des pĂ©riodes chaudes ou froides Ă lâĂ©chelle mensuelle ;
- croiser température et humidité du sol.
Humidité relative mensuelle à 2 m
Cette sĂ©rie nâest pas une variable ERA5-Land publiĂ©e directement sous cette forme.
LâhumiditĂ© relative Ă 2 m est calculĂ©e par Kharita avec la formule de Magnus, Ă partir des moyennes mensuelles de tempĂ©rature de lâair et de tempĂ©rature du point de rosĂ©e.
Elle est exprimée en pourcentage.
RepĂšres statistiques de lâhumiditĂ© relative mensuelleEn %
MĂ©tadonnĂ©es Kharita â variable dĂ©rivĂ©e dâERA5-Land, 1950-02 Ă 2026-06
➠Voir les données
| Minimum détecté | 8,105 |
|---|
| Moyenne | 46,09 |
|---|
| Maximum détecté | 92,133 |
|---|
La moyenne de la collection est dâenviron 46,09 %, avec des valeurs dĂ©tectĂ©es allant dâenviron 8,10 % Ă 92,13 %.
Une précaution importante
LâhumiditĂ© relative est calculĂ©e ici Ă partir des moyennes mensuelles de tempĂ©rature et de point de rosĂ©e.
Le rĂ©sultat nâest donc pas exactement Ă©gal Ă la moyenne des humiditĂ©s relatives calculĂ©es 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 humiditĂ© de lâair et humiditĂ© du sol
Une humiditĂ© relative de 70 % dĂ©crit lâatmosphĂšre.
Elle ne signifie pas que le sol contient 70 % dâeau.
Les deux variables répondent à des mécanismes physiques différents et sont publiées séparément dans cette collection.
Vitesse moyenne mensuelle du vent Ă 10 m
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.
RepĂšres statistiques de la vitesse moyenne mensuelle du ventEn m/s
MĂ©tadonnĂ©es Kharita â ECMWF ERA5, 1940-01 Ă 2026-06
➠Voir les données
| Minimum détecté | 0,567 |
|---|
| Moyenne | 3,887 |
|---|
| Maximum détecté | 10,296 |
|---|
La moyenne calculĂ©e sur lâensemble de la collection est dâenviron 3,89 m/s.
Les valeurs mensuelles dĂ©tectĂ©es dans les pixels sâĂ©tendent approximativement de 0,57 Ă 10,30 m/s.
Le relief local est lissé
La grille du dataset est de 0,25 degrĂ©, soit nettement plus grossiĂšre que les phĂ©nomĂšnes locaux produits par une vallĂ©e, un bĂątiment, une crĂȘte ou la vĂ©gĂ©tation.
La couche convient donc Ă une lecture climatique rĂ©gionale du vent, mais pas Ă lâĂ©tude dâun emplacement prĂ©cis pour une Ă©olienne.
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 Ă la surface
Chaque pixel reprĂ©sente lâĂ©nergie solaire directe et diffuse reçue par une surface horizontale pendant le mois.
Les donnĂ©es publiĂ©es sur Kharita sont exprimĂ©es en kWh/mÂČ/mois.
RepĂšres statistiques du rayonnement solaire mensuelEn kWh/mÂČ/mois
MĂ©tadonnĂ©es Kharita â ERA5-Land, 1950-02 Ă 2026-06
➠Voir les données
| Minimum détecté | 0 |
|---|
| Moyenne | 180,299 |
|---|
| Maximum détecté | 264,134 |
|---|
La moyenne calculĂ©e pour la collection atteint environ 180,30 kWh/mÂČ/mois.
Le maximum dĂ©tectĂ© est dâenviron 264,13 kWh/mÂČ/mois.
La forte variation saisonniÚre de cette variable en fait une série particuliÚrement intéressante à représenter dans le temps.
Ă quoi sert cette couche ?
Elle peut ĂȘtre utilisĂ©e pour :
- comparer lâĂ©nergie 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 liĂ© Ă lâĂ©nergie solaire.
Elle ne calcule pas directement la production dâun panneau photovoltaĂŻque.
Orientation, inclinaison, tempĂ©rature du module, ombrage et rendement de lâinstallation doivent ĂȘtre analysĂ©s sĂ©parĂ©ment.
Ăvaporation totale mensuelle
Chaque pixel estime lâĂ©vaporation totale mensuelle du modĂšle, exprimĂ©e ici en millimĂštres par mois.
Une transformation importante a Ă©tĂ© appliquĂ©e pendant la prĂ©paration : le signe ECMWF a Ă©tĂ© inversĂ© afin que les valeurs positives reprĂ©sentent une perte dâeau par Ă©vaporation.
Cette convention rend la couche plus intuitive Ă lire dans une carte hydrologique.
RepĂšres statistiques de lâĂ©vaporation totale mensuelleEn mm/mois
MĂ©tadonnĂ©es Kharita â ERA5-Land, signe ECMWF inversĂ©
➠Voir les données
| Minimum détecté | -0,317 |
|---|
| Moyenne | 16,555 |
|---|
| Maximum détecté | 148,491 |
|---|
La moyenne de la collection est dâenviron 16,56 mm/mois.
Le maximum détecté atteint environ 148,49 mm/mois.
Un minimum lĂ©gĂšrement nĂ©gatif, environ -0,32 mm/mois, reste prĂ©sent dans les valeurs dĂ©tectĂ©es malgrĂ© lâinversion de convention. Il doit ĂȘtre conservĂ© comme valeur issue du modĂšle plutĂŽt que corrigĂ© artificiellement.
Lire lâĂ©vaporation avec les autres variables
LâĂ©vaporation est particuliĂšrement intĂ©ressante lorsquâelle est comparĂ©e Ă :
- la température ;
- le rayonnement solaire ;
- lâhumiditĂ© relative ;
- le vent ;
- lâhumiditĂ© du sol ;
- les précipitations.
Une forte tempĂ©rature ne suffit pas Ă elle seule pour produire une forte Ă©vaporation : il faut notamment quâune quantitĂ© suffisante dâeau soit disponible pour ĂȘtre transfĂ©rĂ©e vers lâatmosphĂšre.
Humidité volumique mensuelle du sol entre 0 et 7 cm
Cette série décrit la premiÚre couche de sol du modÚle ERA5-Land, comprise entre 0 et 7 cm.
Chaque pixel estime la fraction volumique moyenne mensuelle dâeau dans cette couche.
LâunitĂ© est le mÂł dâeau par mÂł de sol â mÂł/mÂł.
RepĂšres statistiques de lâhumiditĂ© du sol entre 0 et 7 cmEn mÂł/mÂł
MĂ©tadonnĂ©es Kharita â ERA5-Land, 1950-02 Ă 2026-06
➠Voir les données
| Minimum détecté | 0 |
|---|
| Moyenne | 0,077 |
|---|
| Maximum détecté | 0,49 |
|---|
Le minimum rĂ©el stockĂ© dans les mĂ©tadonnĂ©es est dâenviron -1,28 Ă 10â»ÂČâ° mÂł/mÂł, une valeur numĂ©riquement extrĂȘmement proche de zĂ©ro. Elle est arrondie Ă 0 dans le graphique pour rester lisible.
La moyenne calculĂ©e sur la collection est dâenviron 0,077 mÂł/mÂł, tandis que le maximum dĂ©tectĂ© atteint environ 0,490 mÂł/mÂł.
Que signifie une valeur de 0,20 ?
Une valeur de 0,20 mÂł/mÂł correspond Ă environ 0,20 mÂł dâeau pour 1 mÂł de sol dans la reprĂ©sentation du modĂšle.
Elle ne signifie pas que le sol se trouve à 20 % de sa capacité maximale.
Cette derniÚre dépend notamment de la texture et des caractéristiques physiques du sol.
Les 7 premiers centimÚtres réagissent rapidement :
- aux précipitations ;
- Ă lâĂ©vaporation ;
- aux périodes chaudes ;
- aux variations saisonniĂšres.
Un sol sec en surface peut toutefois conserver de lâeau plus profondĂ©ment.
Cette couche ne doit donc pas ĂȘtre assimilĂ©e Ă lâensemble de la rĂ©serve hydrique accessible aux racines.
Dans les rĂ©gions arides et oasiennes, lâĂ©tat du sol rĂ©sulte des interactions entre climat, vĂ©gĂ©tation et accĂšs Ă lâeau. Une carte mensuelle dâhumiditĂ© du sol fournit un indicateur rĂ©gional, pas une mesure directe dans une parcelle.Richard Allaway, CC BY 2.0, Wikimedia Commons
Anomalie standardisĂ©e mensuelle dâhumiditĂ© du sol
La quantitĂ© brute dâeau dans le sol ne rĂ©pond pas toujours Ă la question la plus importante.
Un sol trÚs sec dans une région aride peut se trouver dans une situation parfaitement normale pour le mois étudié.
Lâanomalie standardisĂ©e pose donc une autre question :
le sol est-il plus sec ou plus humide que ce qui est normalement modĂ©lisĂ© ici pendant le mĂȘme mois de lâannĂ©e ?
Pour chaque pixel, Kharita compare la valeur Ă la moyenne du mĂȘme mois sur la pĂ©riode climatologique 1991â2020, puis exprime lâĂ©cart en nombre dâĂ©carts-types.
LâunitĂ© est un z-score.
RepĂšres statistiques de lâanomalie dâhumiditĂ© du solEn Ă©cart-type
MĂ©tadonnĂ©es Kharita â rĂ©fĂ©rence climatologique mensuelle 1991â2020
➠Voir les données
| Minimum détecté | -9,062 |
|---|
| Moyenne | 0,038 |
|---|
| Maximum détecté | 29,562 |
|---|
La moyenne globale de la collection est trÚs proche de zéro, environ 0,038 écart-type.
Câest cohĂ©rent avec la nature dâun indicateur centrĂ© sur une climatologie, mĂȘme si la moyenne exacte de toute la collection nâa pas Ă ĂȘtre strictement Ă©gale Ă zĂ©ro.
Des valeurs extrĂȘmes de -9,06 Ă +29,56 Ă©carts-types ont Ă©tĂ© dĂ©tectĂ©es dans les fichiers. Ce sont des extrĂȘmes de pixels dans lâensemble de la collection et non des valeurs reprĂ©sentatives de la situation moyenne du Maroc.
Une valeur nĂ©gative indique un sol plus sec que la normale modĂ©lisĂ©e du mĂȘme mois.
Une valeur positive indique une situation plus humide.
RepĂšres simples pour lire un z-score dâhumiditĂ© du solEn Ă©cart-type
Lecture statistique simplifiĂ©e dâun indicateur standardisĂ©
➠Voir les données
| TrĂšs sec | -2 |
|---|
| Sec | -1 |
|---|
| Normal | 0 |
|---|
| Humide | 1 |
|---|
| TrĂšs humide | 2 |
|---|
Ces valeurs sont des repĂšres de lecture, pas les seuils dâune classification officielle de sĂ©cheresse.
Lâavantage essentiel de lâanomalie est quâelle permet de comparer des territoires naturellement trĂšs diffĂ©rents.
Un territoire aride peut prĂ©senter une anomalie positive, tandis quâune rĂ©gion habituellement humide peut connaĂźtre une anomalie fortement nĂ©gative.
Toutes les cellules cÎtiÚres sont conservées
Les six sĂ©ries ERA5-Land et la sĂ©rie ERA5 du vent utilisent la mĂȘme politique de bordure lors du dĂ©coupage national.
Toutes les cellules de la grille source qui touchent la limite nationale validée sont conservées.
Cette mĂ©thode Ă©vite de crĂ©er un liserĂ© vide artificiel le long du littoral ou de perdre des cellules simplement parce que leur centre se trouve lĂ©gĂšrement Ă lâextĂ©rieur 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 complÚte.
Les palettes servent Ă la visualisation, pas Ă lâanalyse
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 |
| Ăvaporation | YlGnBu |
| Humidité du sol | YlGnBu |
| Anomalie dâhumiditĂ© du sol | RdBu |
Les bornes dâaffichage ne reposent pas simplement sur les minima et maxima absolus.
LâĂ©tirement est calculĂ© Ă partir des distributions mensuelles afin dâĂ©viter quâun pixel extrĂȘme rende toutes les autres valeurs visuellement similaires.
Ces paramÚtres concernent le rendu cartographique. Ils ne modifient pas les valeurs stockées dans les COG.
Les datasets prennent tout leur intĂ©rĂȘt lorsquâils sont mis en relation.
Le rayonnement solaire fournit de lâĂ©nergie Ă la surface.
La tempĂ©rature dĂ©crit une partie de la rĂ©ponse thermique de lâatmosphĂšre proche du sol.
LâhumiditĂ© relative renseigne sur lâĂ©tat de lâair.
Le vent favorise les Ă©changes entre la surface et lâatmosphĂšre.
Lorsque de lâeau est disponible, ces conditions participent aux mĂ©canismes reprĂ©sentĂ©s dans lâĂ©vaporation totale.
LâhumiditĂ© volumique du sol renseigne ensuite sur lâĂ©tat hydrique de la couche superficielle.
Enfin, lâanomalie standardisĂ©e permet de savoir si cet Ă©tat est inhabituellement sec ou humide par rapport au mĂȘme mois pendant la pĂ©riode 1991â2020.
Ce sont donc moins sept cartes indĂ©pendantes quâun ensemble permettant dâexaminer diffĂ©rentes parties du systĂšme climatâsurfaceâsol.
Cinq analyses possibles au Maroc
1. Suivre un Ă©pisode de dessĂšchement
Commencez avec lâanomalie dâhumiditĂ© du sol.
RepĂ©rez les territoires oĂč les valeurs deviennent nĂ©gatives pendant plusieurs mois.
- lâhumiditĂ© volumique du sol ;
- lâĂ©vaporation ;
- la température ;
- lâhumiditĂ© relative ;
- le rayonnement.
Ajoutez une série de précipitations pour compléter le bilan hydrique.
Une telle analyse est plus robuste quâune carte de sĂ©cheresse construite Ă partir dâune seule variable.
2. Mesurer lâexposition climatique des terres agricoles
Croisez les rasters avec :
- terres agricoles ;
- vergers ;
- serres ;
- zones irriguées.
Des statistiques zonales permettent par exemple dâobtenir, pour chaque zone agricole, la tempĂ©rature moyenne dâun mois, lâhumiditĂ© 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 mĂȘmes sĂ©ries peuvent ĂȘtre agrĂ©gĂ©es par rĂ©gion, province, bassin versant ou zone climatique.
On peut alors comparer plusieurs décennies de :
- température ;
- humidité ;
- vent ;
- rayonnement ;
- Ă©vaporation ;
- humidité du sol.
Une sĂ©rie temporelle calculĂ©e sur un territoire est souvent plus informative quâune succession de cartes nationales.
4. Explorer les ressources solaire et Ă©olienne
Le rayonnement solaire et le vent fournissent deux premiÚres variables pour examiner spatialement les ressources énergétiques.
Ils doivent ensuite ĂȘtre combinĂ©s avec dâautres couches :
- relief ;
- pente ;
- occupation du sol ;
- réseau électrique ;
- routes ;
- contraintes environnementales.
Ils constituent des données de présélection, pas une étude de faisabilité finale.
5. Ătudier lâeffet 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 sĂ©rie contenant 917 ou 1 038 COG ne doit pas nĂ©cessairement ĂȘtre chargĂ©e entiĂšrement dans un projet QGIS.
Une méthode plus efficace consiste à :
- choisir la variable ;
- déterminer la période réellement nécessaire ;
- télécharger uniquement les mois concernés ;
- vĂ©rifier lâunitĂ© avant les calculs ;
- harmoniser les grilles lorsquâon 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 quâils reprĂ©sentent exactement les mĂȘmes 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 rĂ©analyse nâest pas une station mĂ©tĂ©orologique
Ces séries fournissent une couverture spatiale complÚte et cohérente sur plusieurs décennies.
Câest leur principal avantage.
Mais une cellule de grille représente les conditions modélisées sur une surface relativement importante.
Elle ne reproduit pas nécessairement :
- le microclimat dâune vallĂ©e ;
- une rue urbaine ;
- une parcelle agricole ;
- une station météorologique précise ;
- lâeffet local dâun bĂątiment ou dâune haie.
Les données conviennent particuliÚrement aux analyses :
- nationales ;
- régionales ;
- climatiques ;
- temporelles ;
- multi-sources.
Pour une dĂ©cision locale exigeant une forte prĂ©cision, elles doivent ĂȘtre complĂ©tĂ©es par des observations de terrain lorsque celles-ci sont disponibles.
JusquâoĂč va rĂ©ellement 2026 ?
Toutes les collections publiĂ©es ici sâarrĂȘtent actuellement au 30 juin 2026.
Le titre « 1950â2026 » ou « 1940â2026 » signifie donc que lâannĂ©e 2026 est prĂ©sente, mais seulement de janvier ou fĂ©vrier Ă juin selon la sĂ©rie.
Il ne faut pas comparer directement une moyenne calculĂ©e sur les six premiers mois de 2026 Ă une moyenne annuelle complĂšte dâune autre annĂ©e.
Pour les six sĂ©ries ERA5-Land, il faut Ă©galement garder Ă lâesprit lâabsence de janvier 1950.
Sources et attribution
Les fichiers utilisent la Copernicus C3S/CAMS License. Lâattribution et les avertissements applicables aux donnĂ©es sources doivent ĂȘtre conservĂ©s.
Sources climatiques : ECMWF ERA5 et ERA5-Land. AccÚs via Google Earth Engine et, pour une partie historique du vent, archive publique Earthmover Icechunk sur AWS. Variables dérivées et préparation des COG : Kharita.
.jpg){kind=link}
.jpg){kind=link}