43:null 44:["$","title",null,{"children":"SAE 303 — Gr 06 | MMI Montbéliard | Observable"}] 4a:T62d,# 1 — Comprendre les données et vérifier leur qualité Avant d’étudier les températures maximales, nous examinons les sources, les séries disponibles et leur qualité. ## Séries mensuelles homogénéisées — SH_TX | | | |---|---| | **Jeu** | Longues Séries Homogénéisées (LSH) | | **Producteur** | Météo-France | | **Données utilisées** | SH_TX : moyennes mensuelles homogénéisées des températures maximales quotidiennes | | **Licence** | Licence Ouverte 2.0 / Etalab — réutilisation libre, **attribution obligatoire** | | **Page** | [Consulter le jeu LSH](https://defis.data.gouv.fr/datasets/6569b2c4f1937611d4c8b1a3) | ## Séries quotidiennes de référence — SQR_TX | | | |---|---| | **Jeu** | Séries Quotidiennes de Référence (SQR) | | **Producteur** | Météo-France | | **Données utilisées** | SQR_TX : températures maximales quotidiennes des séries de référence | | **Licence** | Licence Ouverte 2.0 / Etalab — réutilisation libre, **attribution obligatoire** | | **Page** | [Consulter le jeu SQR](https://defis.data.gouv.fr/datasets/6569b00fe24fc9e1e482f74e) | ## Informations sur les stations | | | |---|---| | **Jeu** | Informations sur les stations — métadonnées | | **Producteur** | Météo-France | | **Données utilisées** | Identifiants, coordonnées, altitude et historique des stations | | **Licence** | Licence Ouverte 2.0 / Etalab — réutilisation libre, **attribution obligatoire** | | **Page** | [Consulter les informations sur les stations](https://defis.data.gouv.fr/datasets/656dab84db1bdf627a40eaae) |4b:T4c1,temperatures = textesChoisis.flatMap(fichier => { const contenuCSV = fichier.texte .split(/\r?\n/) .filter(ligne => ligne.trim() !== "" && !ligne.trim().startsWith("#") ) .join("\n"); const lignes = d3.dsvFormat(";").parse(contenuCSV); return lignes.map(ligne => { const dateBrute = fichier.source === "SH_TX" ? ligne.YYYYMM : ligne.AAAAMMJJ; const annee = Number(dateBrute.slice(0, 4)); const mois = Number(dateBrute.slice(4, 6)); const valeur = (ligne.VALEUR ?? "").trim(); const nombre = Number(valeur.replace(",", ".")); return { station: fichier.station, serie: fichier.serie, source: fichier.source, frequence: fichier.source === "SH_TX" ? "Mensuelle" : "Quotidienne", date: fichier.source === "SH_TX" ? `${dateBrute.slice(0, 4)}-${dateBrute.slice(4, 6)}` : `${dateBrute.slice(0, 4)}-${dateBrute.slice(4, 6)}-${dateBrute.slice(6, 8)}`, annee, mois, tx: valeur !== "" && Number.isFinite(nombre) ? nombre : null, qualite: Number( fichier.source === "SH_TX" ? ligne.Q_HOM : ligne.Q_SQR ) }; }); })4c:T45c,controleDonnees = fichiersChoisis.map(fichier => { const lignes = temperatures2003_2022.filter(ligne => ligne.serie === fichier.serie && ligne.source === fichier.source ); const datesAttendues = fichier.source === "SH_TX" ? d3.utcMonth.range( new Date(Date.UTC(2003, 0, 1)), new Date(Date.UTC(2023, 0, 1)) ).map(d3.utcFormat("%Y-%m")) : d3.utcDay.range( new Date(Date.UTC(2003, 0, 1)), new Date(Date.UTC(2023, 0, 1)) ).map(d3.utcFormat("%Y-%m-%d")); const datesPresentes = new Set(lignes.map(ligne => ligne.date)); return { station: fichier.station, source: fichier.source, attendues: datesAttendues.length, lignes: lignes.length, valeursManquantes: lignes.filter(ligne => ligne.tx === null ).length, datesAbsentes: datesAttendues.filter(date => !datesPresentes.has(date) ).length, doublons: lignes.length - datesPresentes.size, qualite1: lignes.filter(ligne => ligne.qualite === 1 ).length, autresQualites: lignes.filter(ligne => ligne.qualite !== 1 ).length }; })4d:T679,evolutionTXMulhouse = { const nomsMois = [ "Janvier", "Février", "Mars", "Avril", "Mai", "Juin", "Juillet", "Août", "Septembre", "Octobre", "Novembre", "Décembre" ]; const frequences = d3.rollups( moisChaudsMulhouse, lignes => lignes.length, d => d.mois ).sort((a, b) => a[0] - b[0]) .map(([mois, nombre]) => ({ mois: nomsMois[mois - 1], nombre })); return Plot.plot({ title: "Mulhouse : quels mois sont le plus souvent les plus chauds ?", subtitle: "Nombre d’années où chaque mois arrive en tête · 2003–2022", width: 750, height: 380, marginLeft: 65, x: { label: null, domain: frequences.map(d => d.mois), tickPadding: 6, tickSize: 0 }, y: { label: "Nombre d’années", ticks: d3.range( 0, d3.max(frequences, d => d.nombre) + 1 ), grid: true, zero: true }, marks: [ Plot.ruleY([0]), Plot.ruleX(frequences, { x: "mois", y: "nombre", stroke: "#334155", strokeWidth: 2 }), Plot.dot(frequences, { x: "mois", y: "nombre", fill: "#334155", r: 6, tip: true, title: d => `${d.mois} : ${d.nombre} année(s)` }), Plot.text(frequences, { x: "mois", y: "nombre", text: d => String(d.nombre), dy: -15, fontWeight: "bold" }) ], caption: "Source : Météo-France, SH_TX. Sélection selon la moyenne mensuelle des TX ; les mois à égalité sont tous comptés. Seuls les mois sélectionnés sont affichés." }); }4e:T4bb,graphiqueExtremesMulhouse = Plot.plot({ title: "Mulhouse : les TX extrêmes de chaque année", subtitle: "2003–2022 · Températures en °C · Dates au survol", width: 1000, height: 280, marginLeft: 145, marginBottom: 60, x: { label: "Année", domain: d3.range(2003, 2023), tickFormat: d => String(d), tickRotate: -45, tickSize: 0 }, y: { label: null, domain: ["TX la plus élevée", "TX la plus basse"], tickSize: 0, padding: 0.2 }, color: { type: "linear", domain: d3.extent( [...extremesMulhouse, ...extremesMeyenheim], d => d.tx ), scheme: "RdYlBu", reverse: true, legend: true, label: "Température maximale quotidienne (°C)" }, marks: [ Plot.cell(extremesMulhouse, { x: "annee", y: "indicateur", fill: "tx", inset: 1, tip: true, title: d => `${d.annee} — ${d.indicateur}\n` + `${d.tx.toFixed(1)} °C\nDate(s) : ${d.dates}` }), Plot.text(extremesMulhouse, { x: "annee", y: "indicateur", text: d => d.tx.toFixed(1), fill: "#111", stroke: "white", strokeWidth: 2, fontSize: 10 }) ] })4f:T4bd,reponsesGrand2 = ` 1. La donnée — Météo-France, SH_TX et SQR_TX, 2003–2022. Les données mensuelles sont complètes ; février 2015 manque dans les données quotidiennes. 2. L’intention — Identifier les mois les plus souvent chauds et les TX quotidiennes extrêmes de chaque année à Mulhouse. 3. L’encodage — La hauteur des bâtons indique le nombre d’années. Les cases colorées indiquent les TX extrêmes en °C ; les dates apparaissent au survol. 4. La finition — Les titres, unités et sources distinguent les moyennes mensuelles des extrêmes quotidiens. La grille utilise la même échelle de couleurs que celle de Colmar-Meyenheim. 5. L’honnêteté — Les mois à égalité sont conservés. Les extrêmes de 2015 reposent sur une année incomplète. La TX la plus basse n’est pas une température minimale TN. Bilan — Juillet est le mois le plus souvent sélectionné comme le plus chaud : 9 années sur 20. Le maximum quotidien le plus élevé de la période atteint 39,4 °C en 2003. Ces indicateurs décrivent les mois dominants et les extrêmes, sans mesurer à eux seuls une tendance au réchauffement. Nous appliquons ensuite la même méthode à Colmar-Meyenheim. `50:T5c5,evolutionTXMeyenheim = { const nomsMois = [ "Janvier", "Février", "Mars", "Avril", "Mai", "Juin", "Juillet", "Août", "Septembre", "Octobre", "Novembre", "Décembre" ]; const frequences = d3.rollups( moisChaudsMeyenheim, lignes => lignes.length, d => d.mois ).sort((a, b) => a[0] - b[0]) .map(([mois, nombre]) => ({ mois: nomsMois[mois - 1], nombre })); return Plot.plot({ title: "Colmar-Meyenheim : quels mois sont le plus souvent les plus chauds ?", subtitle: "Nombre d’années où chaque mois arrive en tête · 2003–2022", width: 750, height: 380, marginLeft: 65, x: { label: null, domain: frequences.map(d => d.mois), tickPadding: 6, tickSize: 0 }, y: { label: "Nombre d’années", ticks: d3.range( 0, d3.max(frequences, d => d.nombre) + 1 ), grid: true, zero: true }, marks: [ Plot.ruleY([0]), Plot.ruleX(frequences, { x: "mois", y: "nombre", stroke: "#334155", strokeWidth: 2 }), Plot.dot(frequences, { x: "mois", y: "nombre", fill: "#334155", r: 6, tip: true, title: d => `${d.mois} : ${d.nombre} année(s)` }), Plot.text(frequences, { x: "mois", y: "nombre", text: d => String(d.nombre), dy: -15, fontWeight: "bold" }) ] }); }51:T4c6,graphiqueExtremesMeyenheim = Plot.plot({ title: "Colmar-Meyenheim : les TX extrêmes de chaque année", subtitle: "2003–2022 · Températures en °C · Dates au survol", width: 1000, height: 280, marginLeft: 145, marginBottom: 60, x: { label: "Année", domain: d3.range(2003, 2023), tickFormat: d => String(d), tickRotate: -45, tickSize: 0 }, y: { label: null, domain: ["TX la plus élevée", "TX la plus basse"], tickSize: 0, padding: 0.2 }, color: { type: "linear", domain: d3.extent( [...extremesMulhouse, ...extremesMeyenheim], d => d.tx ), scheme: "RdYlBu", reverse: true, legend: true, label: "Température maximale quotidienne (°C)" }, marks: [ Plot.cell(extremesMeyenheim, { x: "annee", y: "indicateur", fill: "tx", inset: 1, tip: true, title: d => `${d.annee} — ${d.indicateur}\n` + `${d.tx.toFixed(1)} °C\nDate(s) : ${d.dates}` }), Plot.text(extremesMeyenheim, { x: "annee", y: "indicateur", text: d => d.tx.toFixed(1), fill: "#111", stroke: "white", strokeWidth: 2, fontSize: 10 }) ] })52:T4ee,reponsesGrand3 = ` 1. La donnée — Météo-France, 2003–2022 : SH_TX pour les moyennes mensuelles et SQR_TX pour les extrêmes quotidiens. Les séries retenues sont complètes à Colmar-Meyenheim. 2. L’intention — Identifier les mois les plus souvent chauds et comparer les TX extrêmes de chaque année. Les titres indiquent ces questions. 3. L’encodage — La hauteur des bâtons représente le nombre d’années ; les cases représentent les extrêmes annuels par leur couleur et leur valeur. Les dates sont accessibles au survol. 4. La finition — Les titres, unités, sources et légendes précisent les indicateurs. Les deux grilles de stations utilisent la même échelle de couleurs. 5. L’honnêteté — Les égalités sont conservées. La TX la plus basse ne représente pas TN ; les records ne décrivent ni la fréquence ni la durée des épisodes chauds ou froids. Bilan — À Colmar-Meyenheim, août est le mois le plus souvent sélectionné comme le plus chaud : 10 années, contre 7 pour juillet et 4 pour juin. Le total atteint 21 car juin et août sont à égalité en 2017. À Mulhouse, juillet arrive en tête. Nous comparerons ensuite les anomalies et les écarts annuels pour examiner l’évolution des deux stations. `53:T87d,graphiqueAnomaliesComparaison = { const resume = d3.groups( comparaisonDecennies, d => d.station, d => d.periode ).flatMap(([station, periodes]) => periodes.map(([periode, lignes]) => ({ station, periode, total: lignes.length, chaudes: lignes.filter(d => d.anomalie > 0).length, moyenne: d3.mean(lignes, d => d.tx) })) ); return Plot.plot({ title: "Les années plus chaudes sont-elles plus nombreuses après 2012 ?", subtitle: "Un rond = une année · Orange : au-dessus de la référence", width: 800, height: 480, marginLeft: 110, marginRight: 20, marginTop: 40, marginBottom: 85, axis: null, fx: { domain: ["Mulhouse", "Colmar-Meyenheim"], padding: 0.15 }, fy: { domain: ["2003–2012", "2013–2022"], padding: 0.45 }, marks: [ Plot.axisFx({ anchor: "top", label: null, tickSize: 0, fontSize: 14, fontWeight: "bold" }), Plot.axisFy({ anchor: "left", label: null, tickSize: 0, fontSize: 13, fontWeight: "bold" }), Plot.waffleY(resume, { fx: "station", fy: "periode", y: "total", unit: 1, multiple: 5, gap: 5, rx: "100%", fill: "#e2e8f0" }), Plot.waffleY(resume, { fx: "station", fy: "periode", y: "chaudes", unit: 1, multiple: 5, gap: 5, rx: "100%", fill: "#ea580c" }), Plot.text(resume, { fx: "station", fy: "periode", text: d => `${d.chaudes} années sur ${d.total}`, frameAnchor: "bottom", lineAnchor: "top", dy: 10, fill: "#9a3412", fontSize: 22, fontWeight: "bold" }), Plot.text(resume, { fx: "station", fy: "periode", text: d => `Moyenne des TX : ${d.moyenne.toFixed(2).replace(".", ",")} °C`, frameAnchor: "bottom", lineAnchor: "top", dy: 39, fill: "#475569", fontSize: 12 }) ] }); }54:T4ff,lectureGraphiqueAnomalies = ` 1. La donnée — Météo-France, SH_TX : vingt moyennes annuelles complètes par station, réparties en deux périodes de dix ans. 2. L’intention — Vérifier si les années au-dessus de la référence sont plus nombreuses en 2013–2022 qu’en 2003–2012. 3. L’encodage — Les colonnes séparent les stations et les lignes les décennies. Un rond représente une année : orange au-dessus de la référence, gris sinon. 4. La finition — Les périodes et les stations identifient les quatre blocs. Les effectifs sont affichés en grand, accompagnés des moyennes décennales des TX. 5. L’honnêteté — Chaque station conserve sa propre référence 2003–2022. Les ronds indiquent un nombre d’années, sans montrer leur ordre ni l’intensité des anomalies. Chaque moyenne décennale repose sur dix valeurs annuelles. Bilan — Dans les deux stations, le nombre d’années au-dessus de la référence passe de 2 sur 10 à 7 sur 10. La moyenne des TX passe de 15,90 à 16,88 °C à Mulhouse et de 16,35 à 17,33 °C à Colmar-Meyenheim, soit environ +0,98 °C dans les deux cas. La seconde décennie est donc plus chaude selon cet indicateur ; cet écart ne constitue ni un rythme annuel de réchauffement ni une projection. `55:T780,graphiqueEcartsAnnuels = { const amplitude = Math.max( 0.5, Math.ceil( d3.max(ecartsAnnuelsComparaison, d => Math.abs(d.ecart)) * 2 ) / 2 ); const graphique = (debut, fin) => Plot.plot({ title: `Comparaison des records annuels · ${debut}–${fin}`, subtitle: "À gauche : Colmar-Meyenheim plus élevée · À droite : Mulhouse plus élevée", width: 900, height: 380, marginLeft: 65, marginBottom: 55, x: { label: "Écart Mulhouse − Colmar-Meyenheim (°C)", domain: [-amplitude, amplitude], tickFormat: d => d === 0 ? "0" : d3.format("+.1f")(d).replace(".", ","), grid: true }, y: { label: "Année", domain: d3.range(debut, fin + 1), tickFormat: d => String(d), tickSize: 0 }, color: { domain: [ "Record supérieur à Mulhouse", "Record supérieur à Colmar-Meyenheim" ], range: ["#dc4c46", "#2878b5"], legend: true, label: null }, marks: [ Plot.barX( ecartsAnnuelsComparaison.filter(d => d.annee >= debut && d.annee <= fin ), { x: "ecart", y: "annee", fill: d => d.ecart >= 0 ? "Record supérieur à Mulhouse" : "Record supérieur à Colmar-Meyenheim", insetTop: 3, insetBottom: 3, tip: true, title: d => `${d.annee}\n` + `Mulhouse : ${d.mulhouse.toFixed(1)} °C\n` + `Colmar-Meyenheim : ${d.meyenheim.toFixed(1)} °C\n` + `Écart : ${d3.format("+.1f")(d.ecart)} °C` } ), Plot.ruleX([0], { stroke: "#334155", strokeWidth: 2 }) ] }); return html`

${graphique(2003, 2012)} ${graphique(2013, 2022)}

`; }56:T4d2,reponsesGrand4 = ` 1. La donnée — Météo-France, SH_TX, 2003–2022 : moyennes annuelles issues des séries mensuelles homogénéisées complètes des deux stations. 2. L’intention — Comparer leurs variations annuelles, puis mesurer la différence de température entre Mulhouse et Colmar-Meyenheim. 3. L’encodage — Premier graphique : années et anomalies en °C, une case entière représentant 0,1 °C. Second graphique : une barre par année représentant l’écart Mulhouse − Colmar-Meyenheim. 4. La finition — Les titres, unités, légendes et lignes zéro distinguent les anomalies des écarts entre stations. Les valeurs exactes sont accessibles au survol. 5. L’honnêteté — Chaque anomalie utilise la référence propre à sa station. Les écarts directs comparent les mêmes années. Ils ne prouvent pas un effet ville-campagne ; les stations diffèrent aussi par leur altitude et leur environnement. Bilan — Les moyennes annuelles des TX sont plus basses à Mulhouse qu’à Colmar-Meyenheim pour chacune des vingt années étudiées. Cela n’empêche pas les deux stations de se réchauffer : leur différence de température et leur évolution dans le temps sont deux questions distinctes. `57:T4fb,# 5 — Synthèse et conclusion Notre étude répond à la question : **comment les températures maximales évoluent-elles à Mulhouse, en comparaison avec Colmar-Meyenheim, entre 2003 et 2022 ?** Les moyennes annuelles montrent des variations d’une année à l’autre. L’analyse des mois les plus souvent chauds et des TX quotidiennes extrêmes complète cette observation : les moyennes masquent les journées exceptionnelles. **La moyenne annuelle des TX est inférieure à Mulhouse pour chacune des vingt années étudiées.** Cet écart ne démontre toutefois pas un effet ville-campagne : les stations diffèrent également par leur altitude et leur environnement. Nos graphiques décrivent les variations des températures et les différences entre stations. **Ils ne suffisent pas, à eux seuls, à quantifier une tendance au réchauffement à Mulhouse.** Être plus fraîche qu’une station voisine n’empêche pas une station de se réchauffer. Les séries mensuelles homogénéisées permettent une comparaison dans le temps. Les extrêmes quotidiens reposent sur les mesures disponibles, avec février 2015 manquant à Mulhouse. Une période plus longue et l’étude de la fréquence des fortes chaleurs permettraient d’approfondir les résultats.58:T975,# 6 — Journal d’utilisation de l’IA Nous avons utilisé ChatGPT pour nous aider à organiser le notebook Observable, comprendre le code et construire les visualisations. | Utilisation | Exemple de demande | Apport et corrections | |---|---|---| | Comprendre les sources | « Que signifient TX, SH_TX et SQR_TX ? » | Distinguer les maximales quotidiennes, les moyennes mensuelles homogénéisées et les métadonnées des stations. | | Préparer les données | « Comment filtrer les deux stations sur 2003–2022 ? » | Aide au filtrage, à la lecture des CSV et au contrôle des valeurs manquantes et des doublons. | | Construire les graphiques | « Propose un graphique Plot plus lisible. » | Plusieurs propositions ont été modifiées : axes, couleurs, légendes et informations au survol. | | Corriger le notebook | « Pourquoi cette cellule affiche une erreur ? » | Identification des variables définies plusieurs fois et des références à des calculs supprimés. | | Comparer les stations | « Comment représenter leurs anomalies et leurs écarts ? » | Distinction entre l’évolution par rapport à une référence et la différence de température entre stations. | | Rédiger | « Raccourcis les explications et prépare une synthèse. » | Aide à la formulation des légendes, des limites et des transitions. | ## Choix et corrections Nous avons écarté plusieurs graphiques jugés peu lisibles et supprimé des tableaux redondants. Certaines propositions de l’IA changeaient la question étudiée : nous avons précisé les indicateurs avant de poursuivre. Nous avons également corrigé une confusion sur les écarts négatifs : ils indiquent une moyenne annuelle des TX plus basse à Mulhouse, et non une erreur de calcul. Les valeurs affichées sont calculées à partir des fichiers Météo-France chargés dans Observable. Les données manquantes n’ont pas été remplacées par des valeurs inventées. ## Limites de l’aide apportée L’IA a proposé du code et des formulations, mais ses réponses ont nécessité des ajustements. Elle ne remplace ni la documentation des sources ni la vérification des résultats. Nous distinguons notamment les TX des températures minimales TN, les records des moyennes, et les différences entre stations d’une tendance au réchauffement. Nous ne présentons pas les écarts observés comme une preuve d’un effet ville-campagne.59:[{"id":"fdec16d9bfda46e1e07b5d63cab477345d4b6bef35ba2e88b679950e325bebe8e898e44bef03579ce22f179bdfefcab6cdbd82dc7f7a2d6de0e8dbb39abb0369","href":"https://static.observableusercontent.com/files/fdec16d9bfda46e1e07b5d63cab477345d4b6bef35ba2e88b679950e325bebe8e898e44bef03579ce22f179bdfefcab6cdbd82dc7f7a2d6de0e8dbb39abb0369","name":"SQR_TX_metropole.zip","type":"application/x-zip-compressed","lastModified":1792394685833,"size":15927233},{"id":"7ac2a1743d25351c36e80fa5265310a5da5741d942ccfc82ae2461daf6c1b2cab7cec32c817f53b5509247fe3e3340e36cf9c6a77846fe0fd1930e919ae3347c","href":"https://static.observableusercontent.com/files/7ac2a1743d25351c36e80fa5265310a5da5741d942ccfc82ae2461daf6c1b2cab7cec32c817f53b5509247fe3e3340e36cf9c6a77846fe0fd1930e919ae3347c","name":"SH_TX_metropole.zip","type":"application/x-zip-compressed","lastModified":1792394829746,"size":1207520},{"id":"18f4e737631e19f3d64fcef0cfc404fdc0ae07f7fb3b946ad8648904207eef14b3c9ead7584f03b2a321d7b3d96a27dfd2132d5f22c43e54c67f2d06d245d22b","href":"https://static.observableusercontent.com/files/18f4e737631e19f3d64fcef0cfc404fdc0ae07f7fb3b946ad8648904207eef14b3c9ead7584f03b2a321d7b3d96a27dfd2132d5f22c43e54c67f2d06d245d22b","name":"fiches_type5.json","type":"application/json","lastModified":1792393396386,"size":5352935},{"id":"4fd37fa8906742923236e4e5b5a50684082d583f526b2dd782a02c170672bf006cf3066fd2b05fd77a7edd1163ede4f734f84f58a47aea6d7bcbf576e76460b5","href":"https://static.observableusercontent.com/files/4fd37fa8906742923236e4e5b5a50684082d583f526b2dd782a02c170672bf006cf3066fd2b05fd77a7edd1163ede4f734f84f58a47aea6d7bcbf576e76460b5","name":"fiches_partie_4.json","type":"application/json","lastModified":1792404824168,"size":38036735},{"id":"0fe702b357da1d0af5541c98a47b5acb75a70d4af561ccedc6a454c7bb8376d8cc1c413db5b5be98356204d7019053d22c747a3ccf7ada5581249b74da42d619","href":"https://static.observableusercontent.com/files/0fe702b357da1d0af5541c98a47b5acb75a70d4af561ccedc6a454c7bb8376d8cc1c413db5b5be98356204d7019053d22c747a3ccf7ada5581249b74da42d619","name":"fiches_partie_3.json","type":"application/json","lastModified":1792404816208,"size":49994816},{"id":"15b472375088149223f10dc16794ed5e6d661d1369f971d5c3c33e96bdc9041a81d8d88b579ebff7ead1acd4a29a3a7bad0c625d47d9cdc5a488d3b535328cba","href":"https://static.observableusercontent.com/files/15b472375088149223f10dc16794ed5e6d661d1369f971d5c3c33e96bdc9041a81d8d88b579ebff7ead1acd4a29a3a7bad0c625d47d9cdc5a488d3b535328cba","name":"fiches_partie_2.json","type":"application/json","lastModified":1792404812267,"size":49991864},{"id":"1e5c5874fe3087a9477b26a9fdadf950dc9cbada46bfb25a6764102d248f5d90a3596ed0d300a5f5c685dd762ba2bec5420eb301f9c5c9f9c393686a616825ae","href":"https://static.observableusercontent.com/files/1e5c5874fe3087a9477b26a9fdadf950dc9cbada46bfb25a6764102d248f5d90a3596ed0d300a5f5c685dd762ba2bec5420eb301f9c5c9f9c393686a616825ae","name":"fiches_partie_1.json","type":"application/json","lastModified":1792404805292,"size":49991442},{"id":"92bef411d5df6de21aed5523a58ca8df70c2a7fd2ffe1ea12b195ce2f26af9196ad9867cd4b6ae6b0437ff868f5e63359499838ac81c10517ac016e6673eeec7","href":"https://static.observableusercontent.com/files/92bef411d5df6de21aed5523a58ca8df70c2a7fd2ffe1ea12b195ce2f26af9196ad9867cd4b6ae6b0437ff868f5e63359499838ac81c10517ac016e6673eeec7","name":"haut_rhin.geojson","type":"application/octet-stream","lastModified":1792437182198,"size":18599},{"id":"7179255b269e7cd9c0c03c8a8162249183dbbd125b295c6c2499926648039c648674b6540686e40e88cad107266b2f7a67c19d90c20865b9ef6b9846984a91ce","href":"https://static.observableusercontent.com/files/7179255b269e7cd9c0c03c8a8162249183dbbd125b295c6c2499926648039c648674b6540686e40e88cad107266b2f7a67c19d90c20865b9ef6b9846984a91ce","name":"communes_haut_rhin.geojson","type":"application/octet-stream","lastModified":1792503971440,"size":1867050}] 48:{"id":"b99b01d97f4e1423","slug":"sae-303-gr-06","title":"SAE 303 — Gr 06","thumbnail":"e4de39bf57abedd799480368ac80132a0bb1aae8a95f04a5e1f7e961a407be09","access_level":"public","create_time":"$D2026-10-13T09:33:49.038Z","update_time":"$D2026-10-20T20:16:49.012Z","view_time":null,"first_public_time":"$D2026-10-20T09:27:32.906Z","has_unpublished_edits":null,"fork":false,"stars":0,"starred":false,"owner":{"type":"team","id":"29853dc62ffa3714","login":"mmi-montbeliard","name":"MMI Montbéliard","avatar_url":"https://avatars-next.observableusercontent.com/9297b8aeeda295f4db64a8d120219d0fff8dee572e0abb90500ea3732512b50b","tier":"education_2026","bio":"","following":false},"version":1221,"publish_version":1221,"role":null,"authored":false,"authors":[{"type":"individual","id":"9e994ecabe6cd753","login":"xaviersenente","name":"Xavier SENENTE","avatar_url":"https://avatars-next.observableusercontent.com/00724f3264dc62ce6303793b946b15214af84cf98487a4cdaa88dbdfea37786a","tier":null,"bio":"","following":false},{"type":"individual","id":"8b21122c0fba7193","login":"alex-ringenbach","name":"Ringenbach Alex","avatar_url":"https://avatars-next.observableusercontent.com/4c60b93f73f3d31c0b9ae258e7cbe65043fa6c101a532308db39843ffd2b1cdd","tier":null,"bio":"","following":false},{"type":"individual","id":"8a4599d7e5f97242","login":"philippon-melvyn","name":"Melvyn Philippon","avatar_url":"https://avatars-next.observableusercontent.com/ac74d3db003a00307eedf12c0dc5b5e075a79727de9e546eb239d0dad8de6809","tier":null,"bio":"","following":false}],"members":[{"type":"individual","id":"8b21122c0fba7193","login":"alex-ringenbach","name":"Ringenbach Alex","avatar_url":"https://avatars-next.observableusercontent.com/4c60b93f73f3d31c0b9ae258e7cbe65043fa6c101a532308db39843ffd2b1cdd","tier":null,"role":"editor"},{"type":"individual","id":"8a4599d7e5f97242","login":"philippon-melvyn","name":"Melvyn Philippon","avatar_url":"https://avatars-next.observableusercontent.com/ac74d3db003a00307eedf12c0dc5b5e075a79727de9e546eb239d0dad8de6809","tier":null,"role":"editor"},{"type":"individual","id":"9e994ecabe6cd753","login":"xaviersenente","name":"Xavier SENENTE","avatar_url":"https://avatars-next.observableusercontent.com/00724f3264dc62ce6303793b946b15214af84cf98487a4cdaa88dbdfea37786a","tier":null,"role":"editor"},{"type":"team","id":"29853dc62ffa3714","login":"mmi-montbeliard","name":"MMI Montbéliard","avatar_url":"https://avatars-next.observableusercontent.com/9297b8aeeda295f4db64a8d120219d0fff8dee572e0abb90500ea3732512b50b","tier":"education_2026","role":"viewer"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":0,"collection":null,"type":"notebook","body":{"titling":"auto","title":"SAE 303 — Gr 06","cells":[{"id":0,"value":"# SAE 303 — Gr 06","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"","database":"$undefined"},{"id":70,"value":"# L’évolution des températures maximales à Mulhouse et dans ses environs\n\n## Notre question\n\nComment les températures maximales ont-elles évolué au fil des années à Mulhouse, et comment cette évolution se compare-t-elle à celle de la station de Colmar-Meyenheim ?\n\nCette étude porte sur l’ensemble de l’année. Nous utilisons les températures maximales quotidiennes et les séries mensuelles homogénéisées de Météo-France.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":199,"value":"## Notre intention\n\n**Public visé :** les habitants de Mulhouse et de ses environs.\n\n**Angle :** comprendre l’évolution de la chaleur en journée à partir des températures maximales, en comparant deux stations proches : Mulhouse et Colmar-Meyenheim.\n\n**Territoires étudiés :**\n- Mulhouse : station 68224006.\n- Colmar-Meyenheim, située à Oberentzen : station 68205001.\n\n**Période étudiée :** de 2003 à 2022 inclus, soit 20 années.\n\n**Limite :** les résultats décrivent les mesures de ces deux stations. Leurs différences ne peuvent pas être attribuées uniquement à l’opposition ville–campagne.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":200,"value":"## Déroulement de l’étude\n\n1. Comprendre les données et vérifier leur qualité\n2. Comment les températures maximales évoluent-elles à Mulhouse ?\n3. Comment les températures maximales évoluent-elles à Colmar-Meyenheim ?\n4. Comparer Mulhouse et Colmar-Meyenheim\n5. Synthèse, limites et conclusion\n6. Journal IA","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":201,"value":"$4a","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":202,"value":"archiveSH = FileAttachment(\"SH_TX_metropole.zip\").zip()","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":203,"value":"archiveSQR = FileAttachment(\"SQR_TX_metropole.zip\").zip()","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":204,"value":"inventaireFichiers = [\n ...archiveSH.filenames\n .filter(nom => nom.toLowerCase().endsWith(\".csv\"))\n .map(nom => ({\n source: \"SH_TX\",\n fichier: nom,\n serie: nom.split(\"/\").pop()\n .replace(/^SH_/, \"\")\n .replace(/\\.csv$/i, \"\")\n })),\n ...archiveSQR.filenames\n .filter(nom => nom.toLowerCase().endsWith(\".csv\"))\n .map(nom => ({\n source: \"SQR_TX\",\n fichier: nom,\n serie: nom.split(\"/\").pop()\n .replace(/^SQR_/, \"\")\n .replace(/\\.csv$/i, \"\")\n }))\n]","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":205,"value":"Inputs.table(inventaireFichiers)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":206,"value":"## 1.1 — Sélectionner les séries des deux stations\n\nNous retenons les séries suivantes :\n\n- **Mulhouse — série MTX268224006** :\n - mensuelle : `SH_MTX268224006.csv` ;\n - quotidienne : `SQR_MTX268224006.csv`.\n\n- **Colmar-Meyenheim, située à Oberentzen — série MTX268205001** :\n - mensuelle : `SH_MTX268205001.csv` ;\n - quotidienne : `SQR_MTX268205001.csv`.\n\nPour chacune, nous recherchons la série mensuelle SH_TX et la série quotidienne SQR_TX. Le filtrage sur 2003–2022 sera effectué après leur chargement.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":207,"value":"stationsChoisies = [\n {\n station: \"Mulhouse\",\n numero: \"68224006\",\n serie: \"MTX268224006\"\n },\n {\n station: \"Colmar-Meyenheim\",\n numero: \"68205001\",\n serie: \"MTX268205001\"\n }\n]","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":208,"value":"fichiersChoisis = inventaireFichiers\n .filter(fichier =>\n stationsChoisies.some(station =>\n station.serie === fichier.serie\n )\n )\n .map(fichier => ({\n ...fichier,\n station: stationsChoisies.find(station =>\n station.serie === fichier.serie\n ).station\n }))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":209,"value":"Inputs.table(fichiersChoisis)","pinned":true,"hidden":false,"mode":"ts","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":210,"value":"## 1.2 — Examiner les fichiers avant le nettoyage\n\nAvant de lire les températures, nous consultons les explications placées\nau début des fichiers. Ces lignes commencent par « # » et indiquent\nla station ainsi que les périodes de référence.\n\nElles permettent de vérifier que les données choisies pour 2003–2022\nappartiennent bien aux séries de référence.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":211,"value":"textesChoisis = await Promise.all(\n fichiersChoisis.map(async fichier => ({\n ...fichier,\n texte: await (\n fichier.source === \"SH_TX\"\n ? archiveSH\n : archiveSQR\n ).file(fichier.fichier).text()\n }))\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":212,"value":"## 1.3 — Afficher les températures des deux stations\n\nCe tableau rassemble les mesures de Mulhouse et de Colmar-Meyenheim entre 2003 et 2022.\n\nAttention : une valeur SH représente une moyenne mensuelle des températures maximales quotidiennes ; une valeur SQR représente la température maximale d’une journée. Ces valeurs doivent être distinguées.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":213,"value":"$4b","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":214,"value":"temperatures2003_2022 = temperatures.filter(\n ligne => ligne.annee >= 2003 && ligne.annee <= 2022\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":215,"value":"Inputs.table(temperatures2003_2022, {\n columns: [\n \"station\",\n \"source\",\n \"frequence\",\n \"date\",\n \"tx\",\n \"qualite\"\n ],\n header: {\n station: \"Station\",\n source: \"Source\",\n frequence: \"Fréquence\",\n date: \"Date\",\n tx: \"TX (°C)\",\n qualite: \"Code qualité\"\n }\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":216,"value":"## 1.4 — Contrôler les données sélectionnées\n\nAvant de comparer les températures, nous vérifions :\n- le nombre de mesures disponibles ;\n- les températures manquantes ;\n- les dates absentes ou dupliquées ;\n- les codes de qualité.\n\nSur 2003–2022, chaque station devrait disposer de 240 valeurs mensuelles et de 7 305 valeurs quotidiennes.","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":217,"value":"$4c","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":218,"value":"Inputs.table(controleDonnees, {\n header: {\n station: \"Station\",\n source: \"Source\",\n attendues: \"Mesures attendues\",\n lignes: \"Lignes présentes\",\n valeursManquantes: \"TX manquantes\",\n datesAbsentes: \"Dates absentes\",\n doublons: \"Dates dupliquées\",\n qualite1: \"Code qualité = 1\",\n autresQualites: \"Autres codes qualité\"\n }\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":219,"value":"joursSansTemperature = temperatures2003_2022.filter(\n ligne => ligne.source === \"SQR_TX\" && ligne.tx === null\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":220,"value":"Inputs.table(joursSansTemperature, {\n columns: [\"station\", \"date\", \"tx\", \"qualite\"]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":221,"value":"manquesParMois = d3.rollups(\n joursSansTemperature,\n lignes => lignes.length,\n ligne => ligne.station,\n ligne => ligne.annee,\n ligne => ligne.mois\n).flatMap(([station, annees]) =>\n annees.flatMap(([annee, mois]) =>\n mois.map(([mois, nombre]) => ({\n station,\n annee,\n mois,\n joursManquants: nombre\n }))\n )\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":222,"value":"Inputs.table(manquesParMois, {\n header: {\n station: \"Station\",\n annee: \"Année\",\n mois: \"Mois\",\n joursManquants: \"Températures manquantes\"\n },\n format: {\n annee: valeur => String(valeur)\n }\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":223,"value":"## 1.5 — Préparer une comparaison sur les mêmes journées\n\nLes 28 températures quotidiennes manquantes à Mulhouse concernent février 2015.\n\nPour comparer les températures quotidiennes des deux stations sur les mêmes dates, nous conservons uniquement les journées avec une TX valide et un code qualité égal à 1 dans les deux séries.\n\nNous obtenons 7 277 journées communes par station. Les données originales restent conservées ; aucune valeur manquante n’est remplacée.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":224,"value":"sqrValides = temperatures2003_2022.filter(ligne =>\n ligne.source === \"SQR_TX\" &&\n Number.isFinite(ligne.tx) &&\n ligne.qualite === 1\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":225,"value":"datesCommunes = new Set(\n d3.rollups(\n sqrValides,\n lignes => new Set(lignes.map(ligne => ligne.serie)).size,\n ligne => ligne.date\n )\n .filter(([date, nombreStations]) => nombreStations === 2)\n .map(([date]) => date)\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":226,"value":"sqrComparables = sqrValides.filter(ligne =>\n datesCommunes.has(ligne.date)\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":227,"value":"Inputs.table(\n d3.rollups(\n sqrComparables,\n lignes => lignes.length,\n ligne => ligne.station\n ).map(([station, jours]) => ({\n station,\n jours\n }))\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":229,"value":"## 1.6 — Comment varient les moyennes annuelles des TX ?\n\nNous calculons, pour chaque station, la moyenne annuelle des TX à partir des séries mensuelles homogénéisées SH_TX.\n\nChaque mois est pondéré par son nombre de jours. Le total est divisé par 365 ou 366, et seules les années comportant douze mois valides sont conservées.\n\nLes deux graphiques utilisent les mêmes axes pour comparer les variations annuelles entre 2003 et 2022.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":230,"value":"txParAnnee = d3.rollups(\n temperatures2003_2022.filter(d =>\n d.source === \"SH_TX\" &&\n d.qualite === 1 &&\n Number.isFinite(d.tx)\n ),\n lignes => {\n if (\n lignes.length !== 12 ||\n new Set(lignes.map(d => d.mois)).size !== 12\n ) return null;\n\n const jours = d =>\n new Date(Date.UTC(d.annee, d.mois, 0)).getUTCDate();\n\n return d3.sum(lignes, d => d.tx * jours(d))\n / d3.sum(lignes, jours);\n },\n d => d.station,\n d => d.annee\n).flatMap(([station, annees]) =>\n annees.map(([annee, tx]) => ({ station, annee, tx }))\n).sort((a, b) => a.annee - b.annee)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":304,"value":"distributionTX = Plot.plot({\n title: \"Mulhouse : évolution des températures maximales\",\n subtitle: \"Moyenne annuelle des TX · 2003–2022\",\n width: 950,\n height: 540,\n marginLeft: 65,\n\n x: {\n label: \"Moyenne annuelle des TX (°C)\",\n domain: [12, 20],\n ticks: [12, 16, 20],\n grid: true,\n tickSize: 0\n },\n\n y: {\n label: \"Année\",\n domain: d3.range(2003, 2023),\n ticks: d3.range(2003, 2023),\n tickFormat: d => String(d),\n tickSize: 0\n },\n\n color: {\n scheme: \"YlOrRd\",\n legend: true,\n label: \"TX moyenne (°C)\"\n },\n\n marks: [\n Plot.barX(\n txParAnnee.filter(d => d.station === \"Mulhouse\"),\n {\n y: \"annee\",\n x1: 12,\n x2: \"tx\",\n fill: \"tx\",\n insetTop: 2,\n insetBottom: 2,\n tip: true,\n title: d => `${d.annee} : ${d.tx?.toFixed(2)} °C`\n }\n ),\n\n Plot.ruleX([12])\n ],\n\n caption:\n \"Source : Météo-France, SH_TX. Axe tronqué : les barres commencent à 12 °C.\"\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":370,"value":"Source : Météo-France, SH_TX, 2003–2022.\n\nChaque barre montre la moyenne annuelle des TX à Mulhouse. Valeurs au survol ; axe tronqué à 12 °C.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":305,"value":"distributionTXMeyenheim = Plot.plot({\n title: \"Colmar-Meyenheim : évolution des températures maximales\",\n subtitle: \"Moyenne annuelle des TX · 2003–2022\",\n width: 950,\n height: 540,\n marginLeft: 65,\n\n x: {\n label: \"Moyenne annuelle des TX (°C)\",\n domain: [12, 20],\n ticks: [12, 16, 20],\n grid: true,\n tickSize: 0\n },\n\n y: {\n label: \"Année\",\n domain: d3.range(2003, 2023),\n ticks: d3.range(2003, 2023),\n tickFormat: d => String(d),\n tickSize: 0\n },\n\n color: {\n scheme: \"Blues\",\n legend: true,\n label: \"TX moyenne (°C)\"\n },\n\n marks: [\n Plot.barX(\n txParAnnee.filter(d => d.station === \"Colmar-Meyenheim\"),\n {\n y: \"annee\",\n x1: 12,\n x2: \"tx\",\n fill: \"tx\",\n insetTop: 2,\n insetBottom: 2,\n tip: true,\n title: d => `${d.annee} : ${d.tx?.toFixed(2)} °C`\n }\n ),\n\n Plot.ruleX([12])\n ],\n\n caption:\n \"Source : Météo-France, SH_TX. Axe tronqué : les barres commencent à 12 °C.\"\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":306,"value":"Source : Météo-France, SH_TX, 2003–2022.\n\nChaque barre montre la moyenne annuelle des TX à Colmar-Meyenheim. Valeurs au survol ; axe tronqué à 12 °C.","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":307,"value":"reponsesGrand1 = `\n1. La donnée — Météo-France, SH_TX : séries mensuelles homogénéisées complètes sur 2003–2022. Les moyennes annuelles masquent les saisons et les extrêmes quotidiens.\n\n2. L’intention — Montrer l’évolution des moyennes annuelles des TX dans chaque station ; les titres précisent le lieu et la période.\n\n3. L’encodage — Une barre par année ; sa longueur et sa couleur indiquent la moyenne des TX. Les valeurs exactes apparaissent au survol.\n\n4. La finition — Titres, unités, légendes et sources expliquent la lecture. Les graphiques décrivent les variations sans affirmer une tendance démontrée.\n\n5. L’honnêteté — L’axe commence à 12 °C, ce qui amplifie visuellement les écarts. Les axes sont identiques, mais les palettes différentes : comparer les longueurs plutôt que les couleurs.\n\nBilan — Les évolutions semblent similaires. Nous examinerons ensuite les températures par mois et par jour pour mieux comprendre les saisons, les extrêmes et les différences entre stations.\n`","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":235,"value":"# 2 — Comment les températures maximales évoluent-elles à Mulhouse ?\n\nSur 2003–2022, nous examinons le mois le plus chaud de chaque année avec SH_TX, puis la journée la plus chaude avec SQR_TX.\n\nNous distinguons ainsi la plus forte moyenne mensuelle des TX du record quotidien annuel, pour approfondir les variations observées dans la partie 1.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":236,"value":"## 2.1 — Sélectionner les données mensuelles de Mulhouse","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":237,"value":"shMulhouse = temperatures2003_2022\n .filter(ligne =>\n ligne.serie === \"MTX268224006\" &&\n ligne.source === \"SH_TX\" &&\n ligne.qualite === 1 &&\n Number.isFinite(ligne.tx)\n )\n .sort((a, b) => a.date.localeCompare(b.date))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":239,"value":"## 2.2 — Identifier le mois le plus chaud de chaque année\n\nNous retenons, pour chaque année, le mois dont la moyenne des TX est la plus élevée. En cas d’égalité, tous les mois concernés sont conservés.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":241,"value":"moisChaudsMulhouse = d3.groups(\n shMulhouse,\n d => d.annee\n).flatMap(([annee, lignes]) => {\n if (\n lignes.length !== 12 ||\n new Set(lignes.map(d => d.mois)).size !== 12\n ) return [];\n\n const maximum = d3.max(lignes, d => d.tx);\n\n return lignes.filter(d => d.tx === maximum);\n}).sort((a, b) => a.date.localeCompare(b.date))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":371,"value":"Inputs.table(moisChaudsMulhouse, {\n columns: [\"annee\", \"mois\", \"tx\"],\n\n header: {\n annee: \"Année\",\n mois: \"Mois le plus chaud\",\n tx: \"Moyenne mensuelle des TX (°C)\"\n },\n\n format: {\n annee: d => String(d),\n mois: d => [\n \"Janvier\", \"Février\", \"Mars\", \"Avril\",\n \"Mai\", \"Juin\", \"Juillet\", \"Août\",\n \"Septembre\", \"Octobre\", \"Novembre\", \"Décembre\"\n ][d - 1],\n tx: d => d.toFixed(2)\n }\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":312,"value":"## 2.3 — Quels mois sont le plus souvent les plus chauds ?\n\nLa hauteur de chaque bâton indique le nombre d’années où le mois présente la plus forte moyenne des TX à Mulhouse.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":313,"value":"$4d","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":245,"value":"Source : Météo-France, SH_TX, station Mulhouse 68224006, 2003–2022.\n\nJuillet arrive en tête 9 fois, août 8 fois et juin 4 fois. Le total atteint 21 pour 20 années, car juillet et août sont à égalité en 2004.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":314,"value":"## 2.4 — Quelles sont les TX extrêmes de chaque année ?\n\nNous comparons la température maximale quotidienne la plus élevée et la plus basse observées chaque année à Mulhouse.","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":316,"value":"extremesMulhouse = d3.groups(\n temperatures2003_2022.filter(d =>\n d.station === \"Mulhouse\" &&\n d.source === \"SQR_TX\" &&\n d.qualite === 1 &&\n Number.isFinite(d.tx)\n ),\n d => d.annee\n).flatMap(([annee, lignes]) => {\n const maximum = d3.max(lignes, d => d.tx);\n const minimum = d3.min(lignes, d => d.tx);\n\n return [\n {\n annee,\n indicateur: \"TX la plus élevée\",\n tx: maximum,\n dates: lignes.filter(d => d.tx === maximum)\n .map(d => d.date).join(\", \")\n },\n {\n annee,\n indicateur: \"TX la plus basse\",\n tx: minimum,\n dates: lignes.filter(d => d.tx === minimum)\n .map(d => d.date).join(\", \")\n }\n ];\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":246,"value":"$4e","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":317,"value":"Source : Météo-France, SQR_TX, Mulhouse, 2003–2022.\n\nChaque case indique une TX extrême annuelle en °C ; les dates apparaissent au survol. La TX la plus basse est le maximum quotidien le plus bas, pas la température minimale TN. Février 2015 est manquant : les extrêmes portent sur les mesures disponibles.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":250,"value":"$4f","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":252,"value":"# 3 — Comment les températures maximales évoluent-elles à Colmar-Meyenheim ?\n\nNous appliquons la même méthode qu’à Mulhouse : identifier les mois les plus souvent chauds, puis les TX quotidiennes les plus élevées et les plus basses de chaque année, sur 2003–2022.\n\n## 3.1 — Sélectionner les données mensuelles\n\nNous conservons les valeurs SH_TX valides de la série MTX268205001.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":253,"value":"shMeyenheim = temperatures2003_2022\n .filter(ligne =>\n ligne.serie === \"MTX268205001\" &&\n ligne.source === \"SH_TX\" &&\n ligne.qualite === 1 &&\n Number.isFinite(ligne.tx)\n )\n .sort((a, b) => a.date.localeCompare(b.date))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":319,"value":"## 3.2 — Identifier le mois le plus chaud de chaque année\n\nNous retenons le mois dont la moyenne des TX est la plus élevée. Les égalités sont conservées.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":256,"value":"moisChaudsMeyenheim = d3.groups(\n shMeyenheim,\n d => d.annee\n).flatMap(([annee, lignes]) => {\n if (\n lignes.length !== 12 ||\n new Set(lignes.map(d => d.mois)).size !== 12\n ) return [];\n\n const maximum = d3.max(lignes, d => d.tx);\n\n return lignes.filter(d => d.tx === maximum);\n}).sort((a, b) => a.date.localeCompare(b.date))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":320,"value":"Inputs.table(moisChaudsMeyenheim, {\n columns: [\"annee\", \"mois\", \"tx\"],\n header: {\n annee: \"Année\",\n mois: \"Mois le plus chaud\",\n tx: \"Moyenne mensuelle des TX (°C)\"\n },\n format: {\n annee: d => String(d),\n mois: d => [\n \"Janvier\", \"Février\", \"Mars\", \"Avril\",\n \"Mai\", \"Juin\", \"Juillet\", \"Août\",\n \"Septembre\", \"Octobre\", \"Novembre\", \"Décembre\"\n ][d - 1],\n tx: d => d.toFixed(2)\n }\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":321,"value":"## 3.3 — Quels mois sont le plus souvent les plus chauds ?\n\nNous comptons le nombre d’années où chaque mois présente la plus forte moyenne des TX.","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":322,"value":"$50","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":323,"value":"Source : Météo-France, SH_TX, Colmar-Meyenheim, 2003–2022.\n\nLa hauteur indique le nombre d’années où le mois est le plus chaud selon la moyenne des TX. Les égalités sont comptées ; seuls les mois sélectionnés sont affichés.","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":324,"value":"## 3.4 — Quelles sont les TX extrêmes de chaque année ?\n\nNous comparons la température maximale quotidienne la plus élevée et la plus basse observées chaque année.","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":325,"value":"extremesMeyenheim = d3.groups(\n temperatures2003_2022.filter(d =>\n d.serie === \"MTX268205001\" &&\n d.source === \"SQR_TX\" &&\n d.qualite === 1 &&\n Number.isFinite(d.tx)\n ),\n d => d.annee\n).flatMap(([annee, lignes]) => {\n const maximum = d3.max(lignes, d => d.tx);\n const minimum = d3.min(lignes, d => d.tx);\n\n return [\n {\n annee,\n indicateur: \"TX la plus élevée\",\n tx: maximum,\n dates: lignes.filter(d => d.tx === maximum)\n .map(d => d.date).join(\", \")\n },\n {\n annee,\n indicateur: \"TX la plus basse\",\n tx: minimum,\n dates: lignes.filter(d => d.tx === minimum)\n .map(d => d.date).join(\", \")\n }\n ];\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":326,"value":"$51","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":327,"value":"Source : Météo-France, SQR_TX, Colmar-Meyenheim, 2003–2022.\n\nChaque case indique une TX extrême annuelle en °C ; les dates apparaissent au survol. La TX la plus basse est le maximum quotidien le plus bas, pas la température minimale TN.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":329,"value":"$52","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":269,"value":"# 4 — Comparer Mulhouse et Colmar-Meyenheim\n\nNous utilisons les moyennes annuelles des TX pour examiner les anomalies par rapport à la référence 2003–2022 de chaque station, puis les écarts de température entre les deux stations.\n\nUne carte interactive permet de situer les stations et de consulter leurs anomalies pour l’année choisie.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":331,"value":"## 4.1 — Les années plus chaudes se concentrent-elles dans la seconde décennie ?\n\nNous comparons 2003–2012 et 2013–2022. Chaque rond représente une année, comparée à la même référence 2003–2022 de sa station.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":333,"value":"referencesComparaison = new Map(\n d3.rollups(\n txParAnnee.filter(d => Number.isFinite(d.tx)),\n lignes => d3.mean(lignes, d => d.tx),\n d => d.station\n )\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":334,"value":"anomaliesComparaison = txParAnnee\n .filter(d => Number.isFinite(d.tx))\n .map(d => ({\n ...d,\n reference: referencesComparaison.get(d.station),\n anomalie: d.tx - referencesComparaison.get(d.station)\n }))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":335,"value":"amplitudeComparaison = Math.max(\n 0.5,\n Math.ceil(\n d3.max(anomaliesComparaison, d => Math.abs(d.anomalie)) * 2\n ) / 2\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":372,"value":"comparaisonDecennies = anomaliesComparaison.map(d => ({\n ...d,\n periode: d.annee <= 2012 ? \"2003–2012\" : \"2013–2022\",\n position: (d.annee - 2003) % 10,\n categorie: d.anomalie > 0\n ? \"Au-dessus de la référence\"\n : d.anomalie < 0\n ? \"En dessous de la référence\"\n : \"Égale à la référence\"\n}))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":336,"value":"$53","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":338,"value":"Source : Météo-France, SH_TX, 2003–2022.\n\nChaque colonne représente une station et chaque ligne une décennie. Un rond représente une année : orange si sa moyenne des TX dépasse la référence 2003–2022 de la station, gris sinon. Les ronds ne suivent pas l’ordre chronologique.\n\nLes nombres indiquent les années au-dessus de la référence et la moyenne des TX de chaque décennie. La référence reste identique entre les deux périodes pour une même station.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":344,"value":"$54","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":340,"value":"## 4.2 — Quelle station a les températures maximales moyennes les plus élevées ?\n\nPour chaque année, nous calculons l’écart entre les moyennes annuelles des TX : Mulhouse moins Colmar-Meyenheim.\n","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":341,"value":"ecartsAnnuelsComparaison = d3.groups(\n sqrComparables,\n d => d.annee\n).flatMap(([annee, lignes]) => {\n const mulhouse = d3.max(\n lignes.filter(d => d.station === \"Mulhouse\"),\n d => d.tx\n );\n\n const meyenheim = d3.max(\n lignes.filter(d => d.station === \"Colmar-Meyenheim\"),\n d => d.tx\n );\n\n if (\n !Number.isFinite(mulhouse) ||\n !Number.isFinite(meyenheim)\n ) return [];\n\n return [{\n annee,\n mulhouse,\n meyenheim,\n ecart: mulhouse - meyenheim\n }];\n}).sort((a, b) => a.annee - b.annee)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":342,"value":"$55","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":343,"value":"Source : Météo-France, SQR_TX, 2003–2022 ; dates communes valides.\n\nChaque barre indique l’écart entre les records annuels : Mulhouse − Colmar-Meyenheim. Rouge à droite : Mulhouse a le record supérieur ; bleu à gauche : Colmar-Meyenheim. Les deux décennies utilisent la même échelle.\n\nLes températures et leur différence apparaissent au survol. Février 2015 est exclu des deux stations ; les records peuvent avoir été atteints à des dates différentes.","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":345,"value":"## 4.3 — Explorer les températures sur une carte interactive\n\nChoisissez une année pour comparer les anomalies des TX à Mulhouse et Colmar-Meyenheim. Survolez les stations pour consulter leurs valeurs.","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":354,"value":"communesHautRhin = FileAttachment(\"communes_haut_rhin.geojson\").json()","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":355,"value":"fichesCarte = (\n await FileAttachment(\"fiches_partie_3.json\").json()\n).filter(d =>\n [\"68224006\", \"68205001\"].includes(String(d.id))\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":356,"value":"stationsCarteComparaison = stationsChoisies.map(station => {\n const fiche = fichesCarte.find(\n d => String(d.id) === station.numero\n );\n\n const position = [...(fiche?.positions ?? [])]\n .filter(d =>\n Number.isFinite(d.latitude) &&\n Number.isFinite(d.longitude)\n )\n .sort((a, b) =>\n (b.dateDebut ?? \"\").localeCompare(a.dateDebut ?? \"\")\n )[0];\n\n if (!position) {\n throw new Error(`Coordonnées introuvables : ${station.station}`);\n }\n\n return {\n station: station.station,\n longitude: position.longitude,\n latitude: position.latitude\n };\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":357,"value":"viewof anneeComparaison = Inputs.select(\n d3.range(2003, 2023),\n {\n label: \"Année à afficher\",\n value: 2022,\n format: d => String(d)\n }\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":358,"value":"viewof paletteCarte = Inputs.select(\n new Map([\n [\"Bleu et rouge\", \"RdBu\"],\n [\"Bleu, jaune et rouge\", \"RdYlBu\"]\n ]),\n {\n label: \"Palette\",\n value: \"RdBu\"\n }\n)","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":360,"value":"pointsCarteComparaison = anomaliesComparaison\n .filter(d => d.annee === anneeComparaison)\n .map(d => ({\n ...d,\n ...stationsCarteComparaison.find(\n station => station.station === d.station\n )\n }))","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":361,"value":"","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":365,"value":"carteComparaison = Plot.plot({\n title: `Anomalies des TX en ${anneeComparaison}`,\n width: 600,\n height: 520,\n\n projection: {\n type: \"mercator\",\n domain: communesHautRhin\n },\n\n color: {\n type: \"quantize\",\n n: 5,\n scheme: paletteCarte,\n reverse: true,\n domain: [-amplitudeComparaison, amplitudeComparaison],\n legend: true,\n label: \"Anomalie des TX (°C)\"\n },\n\n marks: [\n Plot.geo(communesHautRhin, {\n fill: \"#e8edf2\",\n stroke: \"white\",\n strokeWidth: 0.4\n }),\n\n Plot.geo(communesColorees, {\n fill: \"anomalie\",\n stroke: \"#334155\",\n strokeWidth: 1,\n tip: true,\n title: d => {\n const p = d.properties;\n\n return `${p.station} — ${p.annee}\\n` +\n `Moyenne des TX : ${p.tx.toFixed(2)} °C\\n` +\n `Anomalie : ${p.anomalie.toFixed(2)} °C`;\n }\n })\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":366,"value":"presentationCarte = html`\n

\n Filtres de la carte\n

${viewof anneeComparaison}

${viewof paletteCarte}

\n\n

${carteComparaison}

\n`\n","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":367,"value":"$56","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":368,"value":"$57","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"},{"id":369,"value":"$58","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","tool":"$undefined","providerMetadata":"$undefined","attachments":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W59","stdlib":"1"}} 49:"$48:body"