Quelques données appréciables* sur l’Homme dans son milieu

* par appréciable, j’entends que les graphiques ci-dessous permettent d’apprécier (voir) les données directement et simplement. Vous pouvez toutefois les trouver appréciables, au sens d’utiles et agréables, si elles vous apportent un éclairage sur notre fragile situation.

Je poursuis ici ma recherche sur le Data Art, avec l’envie profonde de produire à nouveau des représentations originales à partir de données réelles du monde.

Je pars ainsi en quête de données globales et mondiales (population, météo, économie…), sous forme de séries temporelles, annuelles, depuis 1901 à nos jours. Comme j’ai pu le souligner précédemment, trois phases sont nécessaires pour produire une forme à partir de données : l’extraction, la subjectivation et l’esthétisation. Dans cet article, je me cantonne la première phase : recherche de données et mise en forme de graphiques « classiques » (des courbes en 2D). La méthode que j’ai utilisée pour produire ces courbes sera présentée dans un article ultérieur, sachez juste que j’ai développé avec Blender un outil simple et ludique, quelque chose de l’ordre du jouet, me permettant de croiser 3 séries entre elles et d’obtenir les représentations qui parsèment ce texte.

Que quelqu’un me montre des données manquantes !

Le web nous donne accès facilement à des données mondiales, moyennes, sur l’ensemble de la terre. Plusieurs instituts donnent à la fois des données agrégées et des données brutes telles qu’elles ont été prélevées.

Il est étonnant de lire ou d’entendre des climato-sceptiques affirmant que de telles données n’existent pas ! Voici par exemple une critique habile d’un discours de M Courtillot par « le réveilleur ».

Bien sur, la majorité des entreprises conservent leurs datas pour elles-mêmes, mais il n’en va pas de même dans la recherche publique. Et oui, beaucoup d’universités ont encore une éthique universalistes. Partageons nos connaissances pour le bien de tous.

Ces données brutes existent bien puisque j’ai pu les utiliser pour construire par exemple « Ascendance » en utilisant plus de 7 millions de mesures. Voici la vidéo de modélisation :

De quelles données disposons nous ? J’ai trouvé trois sources intéressantes couvrant année par année la période 1901- 2016 :

• Le CRU CY 4.01 apporte la couverture nuageuse, la température moyenne du jour et de la nuit, le nombre de jours dont la température reste inférieure à 0, l’évapotranspiration, les précipitation, la pression atmosphérique et le nombre de jours de pluie.
• Our World In Data apporte la concentration en CO² (qui induit pour partie le réchauffement planétaire par effet de serre).
• World Population History fournit une estimation de la population humaine sur terre. J’ai recopié les données à la main car je n’ai pas trouvé d’export.

Deux séries me manquent encore, celle du PIB moyen mondial et la production d’énergie sur cette période de 116 ans. Je recherche également le nombre d’arbres par habitant. Sauriez-vous où les trouver ?

Se faire graphiquement plaisir

En s’amusant à croiser des données, j’obtiens par exemple le graphique qui suit. Le temps s’écoule en abscisse (axe horizontal). En ordonnée nous avons le nombre de jours dont la température est inférieure à 0. Enfin, la couleur et la taille des bulles sont déterminées par la troisième variable, la température moyenne dans cet exemple.

Date x Nb Jours de gel x Température

Le graphique permet de bien observer la diminution du nombre de jours de gel en moyenne sur terre. J’ai mis en bas à gauche la courbe simple afin de bien voir le mouvement général. On constate que le gradient de couleur du bleu au rouge va du haut vers le bas, de la gauche vers la droite : le nombre de jours de gel diminue logiquement quand la température augmente. Il est aisé de voir cette corrélation en croisant directement la température et le nombre de jours de gel :

Température x Nb jours de gel x Date

Attention, une pause s’impose. Bien que ces données sont clairement corrélées, cela ne signifie pas pour autant qu’il y a une relation de cause à effet entre les deux. Cette corrélation ne prouve pas :

• que l’augmentation de la température induirait la diminution du nombre de jours de gel. (en plus, le nombre de jours de gel pourrait être constant si l’écart entre les températures minimales et maximales augmentait),
• que la diminution du nombre de jours de gel causerait l’augmentation de la température moyenne,
• qu’une cause unique et commune induise l’augmentation de la température ET la diminution du nombre de jours de gel.

Pour étudier les relations de cause à effet, je vous renvoie sur le blog de Jean-Marc Jancovici (https://jancovici.com/) ou toutes autres sources passionnantes du web.

Revenons à la visualisation brute de nos données. Voici une vue d’ensemble de paramètres croisés. On peut voir d’un coup d’œil que certaines valeurs semblent corrélées et d’autres non.

Jean-Pascal Martin (2018). Data: CRU TS 4.01, World Population History

Il est intéressant d’en détailler quelques-uns. Sans surprise, on voit ci-dessous que la température moyenne de 1901 à 2016 augmente, le phénomène s’accélérant.

Température x Date x Température

D’autres corrélations sont moins évidentes, par exemple l’augmentation de la couverture nuageuse (ci-dessous). Pourtant, il semble bien y avoir un effet, ce qu’une corrélation linéaire montrerait facilement. Pour l’augmentation des précipitations, la prudence s’impose davantage car la dispersion des données augmente encore. La courbe disparait dans un nuage de points.

Date x Couverture nuageuse x Température

Date x Précipitations x Température

Je n’ai pas fait de calcul de régression, principalement parce que cela nous éloignerait de la perception brute et directe des données. Je laisse pour l’instant ces calculs au GIEC car ce n’est pas mon propos immédiat. Mais si j’ai l’énergie (tout est affaire d’énergie) je le ferai plus tard, notamment pour réaliser mes propres prédictions pour les années 2030, 2050 ou 2100. Si vous souhaitez me proposer vos projections, je peux vous transmettre mes données bien sûr.

Revenons au graphique. Une première cause possible à l’augmentation de température serait l’augmentation de l’activité humaine, qui est logiquement liée au nombre d’humains sur terre. Voyons le lien entre population et température :

Population x Température x Température

La relation est visible, non ? Alors, est-ce que c’est l’augmentation de la population qui génère l’augmentation de la température à l’échelle mondiale ?

Une équation simple pourrait nous aider à continuer cette réflexion. Il s’agit d’une équation étrange, dite équation de Kaya, qui fait le lien entre taille de la population, émissions de CO², Consommation d’énergie et PIB. En gros, l’équation nous apprend que pour diviser le CO² par deux, il faut diviser la partie droite de l’équation par 2.

Equation de Kaya, source https://madeinearth.wordpress.com/2009/05/14/lequation-de-kaya/

Pour plus de détails, je vous renvoie à l’article wikipedia : Equation de Kaya , ou au site Made In Earth.

De plus, les scientifiques expliquent très bien l’effet de serre provoqué par certains gaz, le CO² en tête (à 76%, le méthane participant à 16% selon le C2ES). Heureusement, j’ai pu récupérer les émissions de CO² communiquées par Our World In Data. OurWorldInData fournit à la fois la quantité de CO² présente dans l’atmosphère et celle émise dans l’année. Il est à noter que le CO² émis se désagrège très lentement, sur plus d’un siècle (cf Blog de Jean-Marc Jancovici) : ainsi le CO² émis au début de l’ère industrielle est toujours en grande partie présent dans notre atmosphère et participe toujours au réchauffement.

Les deux graphiques qui suivent illustrent le lien entre CO² présent, population et température :

CO² présent dans l’atmophère x Population mondiale

CO² présent dans l’atmosphère et température moyenne mondiale

En synthèse, je note que les données sont cohérentes avec les constations d’experts :

• La température augmente avec le temps
• La couverture nuageuse augmente avec le temps
• La surface de glaciation diminue avec le temps
• La variété et les pics des précipitations augmentent avec le temps
• La quantité de vapeur d’eau dans l’air augmente avec le temps
• La population humaine augmente avec le temps
• La population humaine croit en corrélation avec l’augmentation de la température.
• La quantité de CO² dans l’atmosphère augmente avec le temps
• La population humaine croit en corrélation avec l’augmentation de CO² dans l’atmosphère
• …

J’arrête ici ces réflexions même si j’aimerai intégrer les données de consommation annuelle d’énergie et celles de PIB par la suite. Mais la matière est suffisante pour envisager de produire des sculptures ou autres tableaux numériques à partir des données récoltées.

Je propose pour la suite de présenter un paysage de bord de mer qui évolue selon certaines de ces variables. J’ai commencé à publier certains de ces paysages sur twitter avec le compte @GlobalDatascape.

A bientôt donc.

Vous pouvez aussi consulter mes autres articles sur le Data Art et le Generative Design :

1. Processing et le Generative Design
2. Cartographier Wikipedia avec Processing
3. Variations de formes avec Blender et Sverchok
4. Micromega City – Empilement d’habitats (Blender/Python)
5. Paramétrez votre biosphère
6. Perfume Lifeforme : les coulisses
7. Générateur d’iris, à l’infini
8. Perfume Danse VR
9. Générateur de peintures façon J. Pollock
10. Data Art (Partie 1) = OpenData + Design génératif
11. Data Art (Partie 2) – de la data visualization au data art
12. Data Art (3/3) – Information, interprétation, représentation
13. « Gouttes de pollution » – Voir la pollution de grandes agglomérations en peinture.
14. L’humanité fossilisée – le choc des sculptures (1/2)
15. L’humanité fossilisée – le choc de sculptures (2/2)
16. Quelques données appréciables* sur l’Homme dans son milieu
17. Datascape – Évolution d’un bord de mer à partir d’un siècle de données
18. Ascendance 2018 – Qu’est ce qui monte, qui monte, qui monte ?
19. Algorave – Live-Coding Generative Music with a LapTop
20. Défoncer la Nature à 68%
21. Défoncer le vivant à 68% [Biocide #2]
22. Construction d’une serre géodésique, les plans
23. Ascendance 2021 – Toucher le réchauffement planétaire