Ce modèle est dérivé de données géologiques et géophysiques, traitées à l'aide de techniques d'apprentissage profond et de traitement du langage naturel. Voici une carte de probabilité pancanadienne indiquant la probabilité de découvrir des pegmatites au lithium-césium-tantale (LCT) de nouvelle génération. Cette carte a été générée à partir de pegmatites LCT connues au Canada et de leurs caractéristiques géospatiales associées, en intégrant des données géologiques et géophysiques analysées à l'aide de techniques d'apprentissage profond et de traitement du langage naturel. Les valeurs de probabilité élevées mettent en évidence les zones présentant une probabilité accrue d'abriter des gisements de nouvelle génération, faisant de cette carte un outil précieux pour la prise de décision.

Ensemble de données sur l'empreinte des bâtiments dans le Territoire du Yukon. Les empreintes de bâtiments ont été extraites d'orthophotos LiDAR à l'aide d'un apprentissage en profondeur. Des corrections manuelles ont été appliquées aux extractions de bâtiments erronées et manquées. L'outil Regularize Building Footprint a été utilisé pour réduire les sommets et simplifier les empreintes. Une tolérance de 1 a été utilisée, avec une précision de 0,25.Distribué depuis [GeoYukon] (https://yukon.ca/geoyukon) par le [gouvernement du Yukon] (https://yukon.ca/maps). Découvrez d'autres données cartographiques numériques et des cartes interactives issues de la collection de données cartographiques numériques du Yukon.Pour plus d'informations : [geomatics.help@yukon.ca] (mailto : geomatics.help@yukon.ca)

Ce modèle est dérivé de données géologiques, géophysiques et autres. L'extraction des caractéristiques a été réalisée par apprentissage profond. La modélisation prédictive a utilisé la méthode des ensembles profonds. La carte de probabilité pancanadienne du potentiel minéral du graphite est présentée. Cette carte a été générée à partir des gisements et des occurrences de graphite connus et de leurs caractéristiques associées. Les valeurs de probabilité les plus élevées mettent en évidence les zones où la probabilité de systèmes minéraux de graphite est plus élevée.

Un modèle prédictif pour les gisements canadiens de terres rares (REE ± Nb) associés aux carbonatites est présenté ici. Ce modèle a été élaboré en intégrant diverses couches de données provenant de sources géophysiques, géochronologiques et géologiques. Ces couches représentent les principaux composants des systèmes minéralisés associés aux carbonatites, notamment la source, les mécanismes de transport, les pièges géologiques et les processus de préservation. Des algorithmes d'apprentissage profond ont été utilisés pour intégrer ces couches dans un cadre prédictif complet. Voici un lien vers la publication décrivant ce produit :https://link.springer.com/article/10.1007/s11053-024-10369-7

Ce modèle de type de fond à substrat en eau profonde a été créé pour faciliter la modélisation de l’habitat et pour compléter les parcelles de fond du littoral. Il a été créé à partir d’une combinaison de couches dérivées de la bathymétrie en plus des observations du type de fond. À l’aide d’une classification par forêt d’arbres décisionnels, la relation entre les substrats observés et les dérivés bathymétriques a été estimée dans l’ensemble du site d’intérêt.La trame est classée en : 1) Roche, 2) Mélange, 3) Sable, 4) Vase

Les données GéoIA sont composées de bâtiments, hydrographie, forêts et routes extraits automatiquement via des modèles d'apprentissage profond appliqués à un ensemble de données source (généralement des images aériennes ou satellitaires). L'objectif principal de GéoIA est d'augmenter la couverture spatiale et temporelle de données géospatiales fondamentales à haute résolution.L'infrastructure et l'expertise mises en place par RNCan permettent un processus de création de données rapide, efficace et évolutif grâce à l'utilisation de technologies de pointe et de modèles d'intelligence artificielle. Les jeux de données extraits et publiés à partir d’une donnée source peuvent être revisités ultérieurement à mesure que des modèles plus précis sont développés et mis en production. Pour l'instant, seuls les fichiers statiques sont disponibles, mais au fur et à mesure du développement de la série, de nouveaux produits et services seront ajoutés.

L’ensemble de données en question contient les données de sortie pour le bras Bute issues de deux simulations présentées dans la publication Fjord circulation permits persistent subsurface water mass in a long, deep mid-latitude inlet (La circulation dans un fjord permet la présence constante d’une masse d’eau sous la surface dans un bras long et profond situé à une latitude moyenne) rédigée par Laura Bianucci et ses collaborateurs de la Division des sciences océaniques de la région du Pacifique de Pêches et Océans Canada, et publiée dans le journal Ocean Science en 2024. Le modèle des volumes finis d’océanologie côtière (FVCOM v4.1) a été exécuté avec deux ensembles différents de conditions initiales pour la région des îles Discovery de la Colombie-Britannique, au Canada, du 24 mai au 27 juin 2019. La simulation de référence a été effectuée au moyen des conditions initiales observées, tandis que pour la simulation de sensibilité, les observations de la masse d’eau froide sous la surface ont été retirées des profils initiaux. Dans cet ensemble de données, nous fournissons les moyennes possibles sur 29 jours des variables suivantes le long d’un transect longeant le bras Bute : température, densité, vitesse le long de bras et fréquence de Brunt-Väisälä (N2). Le calcul de la moyenne élimine correctement les effets des marées.

Cette série de cartes historiques de la susceptibilité aux inondations provient d’un modèle d’apprentissage automatique XGBoost entraîné à partir des inondations majeures survenues entre 2005 et 2023. Le modèle ainsi entraîné est ensuite exécuté pour chaque année de 2000 à 2023, en intégrant les caractéristiques temporelles propres à la température, aux précipitations, à l’occupation du sol et à l’indice de végétation par différence normalisée (IVDP), afin de prédire la susceptibilité aux inondations pour chaque année.This dataset forms part of a broader collection of flood susceptibility datasets, offering related information and analyses. The collection includes an overview page with associated publications, historic susceptibility values, temporal trends, and future projections.- [Collection - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/1074f781-85d3-4c86-86cb-fd1c339197dc)- [Tendances et extrêmes - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/3202e0a0-0afb-4120-b102-b0c41f0fb9eb)- [Future - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/c00f95a3-7bab-4d28-b9cc-b30f06b5afd2)

Ce produit de données fait actuellement l’objet d’une évaluation et d’un examen. Il peut contenir des inexactitudes ou être sujet à changement. Les utilisateurs doivent faire preuve de prudence et de discrétion lorsqu’ils interprètent ou se fondent sur cette information. Le gouvernement n’assume aucune responsabilité pour les erreurs ou décisions fondées sur ces données préliminaires. Pour plus de détails, veuillez consulter la licence Open Commons du gouvernement du Canada (https://ouvert.canada.ca/fr/licence-du-gouvernement-ouvert-canada).Cet ensemble de données est aligné sur une grille et comprend un ensemble de données sur les attributs des sols rLe Service d’information sur les sols du Canada a élaboré un ensemble de données détaillé sur les sols canadiens et leurs propriétés connexes au moyen de techniques avancées d’apprentissage automatique. Les grilles des pédopaysages du Canada sont produites à partir d’une combinaison de données antérieures et actuelles provenant de l’échantillonnage des sols et de la télédétection. Le modèle d’apprentissage automatique est entraîné à l’aide de plus de 10 000 pédons provenant de l’ensemble du Canada et de 70 ensembles de données sur les covariables. Le nouvel ensemble de données est essentiel pour combler les lacunes laissées par les anciens levés pédologiques et faciliter des évaluations plus complètes à l’échelle nationale. Au fur et à mesure que de nouvelles données sont disponibles et que les techniques d’apprentissage automatique évoluent, il est possible de mettre à jour ces renseignements beaucoup plus rapidement qu’avec les méthodes classiques de levé pédologique.

Cet ensemble de données a été créé à la demande du gouvernement du Yukon, du MAINC, de la région du Yukon et de la CYFN à la suite de consultations avec les citoyens de Carcross, Ross River, Old Crow et Beaver Creek. Les cartes de Burwash Landing, Destruction Bay, Pelly Crossing et Deep Creek reflètent les limites des communautés définies dans les accords définitifs des Premières nations respectives.Distribué depuis [GeoYukon] (https://yukon.ca/geoyukon) par le [gouvernement du Yukon] (https://yukon.ca/maps). Découvrez d'autres données cartographiques numériques et des cartes interactives issues de la collection de données cartographiques numériques du Yukon.Pour plus d'informations : [geomatics.help@yukon.ca] (mailto : geomatics.help@yukon.ca)