Cette série de cartes de susceptibilité aux inondations a été générée à partir d’un modèle d’apprentissage automatique XGBoost, entraîné sur les inondations majeures survenues entre 2005 et 2023. Le modèle entraîné a ensuite été appliqué à des scénarios climatiques futurs pour les années 2050, 2070 et 2100, selon deux scénarios SSP prospectifs : 245 et 585. Les données d’entrée intègrent des caractéristiques temporelles spécifiques de la température et des précipitations afin d’estimer la susceptibilité potentielle aux inondations futures.Cet ensemble de données fait partie d’une collection plus vaste d’ensembles de données sur la susceptibilité aux inondations, offrant des informations et des analyses connexes. La collection comprend une page de présentation accompagnée de publications associées, des valeurs historiques de susceptibilité, des tendances temporelles ainsi que des projections futures.- [Collection - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/1074f781-85d3-4c86-86cb-fd1c339197dc)- [Historique - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/ea1384df-bf4a-4743-97bb-870dc43f8d77)- [Tendances et extrêmes - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/3202e0a0-0afb-4120-b102-b0c41f0fb9eb)

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)

Ces données montrent des projections détaillées de la probabilité que des feux de forêt se produisent dans les zones forestières du Canada, en fonction de différents scénarios climatiques futurs. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Les cartes ont une précision de 30 mètres, ce qui permet de visualiser les risques à une échelle très fine. Les chercheurs ont étudié quatre scénarios climatiques possibles pour le 21ᵉ siècle afin de comprendre comment le risque d’incendie pourrait évoluer selon le climat, la végétation et la topographie ( Mulverhill et al. 2024). Les projections couvrent quatre périodes futures : 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence (1991-2020) qui reflète les conditions climatiques et le risque moyen observés récemment. Ces cartes indiquent la probabilité qu’un endroit présente des conditions similaires à celles des zones qui ont brûlé par le passé. Les variables comme la végétation et la topographie ont été gardées fixes, ce qui signifie que les projections montrent l’effet du climat futur sur les forêts actuelles (2020). Si vous utilisez ces données, veuillez citer Mulverhill et al. (2025). Mulverhill, C., Coops, N. C., Wulder, M. A., Hermosilla, T., White, J. C., & Bater, C. W. (2025). Projected Future Changes in Burn Probability in Canada’s Forests and Communities Under Different Climate Change Scenarios. Canadian Journal of Remote Sensing, 51(1). https://doi.org/10.1080/07038992.2025.2560347( Mulverhill et al. 2025). Pour une description détaillée des données sources et des méthodes appliquées à la période de référence, qui ont permis de produire les projections de Mulverhill et al. (2025), consultez : Mulverhill, C., Coops, N.C., Wulder, M.A., White, J.C., Hermosilla, T., and Bater, C.W. 2024. “Multidecadal mapping of status and trends in annual burn probability over Canada’s forested ecosystems.” ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 209 pp. 279–295. https://doi.org/10.1016/j.isprsjprs.2024.02.006( Mulverhill et al. 2024).

Le Système global de prévision déterministe de vague (SGPDV) produit les prévisions de vagues jusqu'à 120 heures dans le futur en utilisant le modèle spectral de prévision de vague de troisième génération WaveWatch III® (WW3). Le modèle est forcé par les vents à une élévation de 10 mètres et la concentration de glace du Système global de prévision déterministe (SGPD). La concentration de glace est utilisée par le modèle pour atténuer la croissance des vagues dans les zones couvertes par 25% à 75% de glace ou la supprimer lorsque la concentration dépasse 75%. Les éléments prévus incluent notamment la hauteur significative des vagues, la période pic ainsi que la hauteur, la direction et la période de la première houle.

Cette série de cartes de susceptibilité aux inondations a été générée à partir d’un modèle d’apprentissage automatique XGBoost, entraîné sur les inondations majeures survenues entre 2005 et 2023. Le modèle entraîné a ensuite été appliqué à des scénarios climatiques futurs pour les années 2050, 2070 et 2100, selon deux scénarios prospectifs : 245 et 585. Les données d’entrée intègrent des caractéristiques temporelles spécifiques de la température et des précipitations afin d’estimer la susceptibilité potentielle aux inondations futures. **Cet élément de métadonnées tiers suit la spécification Spatio Temporal Asset Catalog (STAC).** **Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Le Système régional de prévision déterministe de vague (SRPDV) produit les prévisions de vagues jusqu'à 48 heures dans le futur en utilisant le modèle spectral de prévision de vague de troisième génération WaveWatch III® (WW3). Le modèle est forcé par les vents à une élévation de 10 mètres du Système à haute résolution de prévision déterministe (SHRPD). Sur les Grands Lacs, une prévision de glace du Système de prévision du cycle de l'eau (SPCE) est utilisée par le modèle pour atténuer ou supprimer la croissance des vagues dans les zones couvertes par respectivement 25% à 75% et plus de 75% de glace. Sur l'océan, une prévision de glace du Système Régional de Prévision Glace-Océan (SRPOG) est utilisée : dans le Pacifique nord-est les vagues se propagent librement pour des concentrations de glace inférieures à 50%, au delà de ce seuil il n'y a aucune propagation; dans l'Atlantique nord-ouest la même logique est utilisée que dans les Grands Lacs. Les éléments prévus incluent la hauteur significative des vagues, la période pic, des paramètres partitionnés et autres. Ce système comprend plusieurs domaines : lac Supérieur, lac Huron-Michigan, lac Érié, Lac Ontario, Atlantique nord-ouest et Pacifique nord-est.

Cette série de cartes de susceptibilité aux inondations a été générée à partir d’un modèle d’apprentissage automatique XGBoost, entraîné sur les inondations majeures survenues entre 2005 et 2023. Le modèle entraîné a ensuite été appliqué à des scénarios climatiques futurs pour les années 2050, 2070 et 2100, selon deux scénarios prospectifs : 245 et 585. Les données d’entrée intègrent des caractéristiques temporelles spécifiques de la température et des précipitations afin d’estimer la susceptibilité potentielle aux inondations futures. **Cet élément de métadonnées tiers suit la spécification Spatio Temporal Asset Catalog (STAC).** **Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Le Système régional de prévision déterministe de vague (SRPDV) produit les prévisions de vagues jusqu'à 48 heures dans le futur en utilisant le modèle spectral de prévision de vague de troisième génération WaveWatch III® (WW3). Le modèle est forcé par les vents à une élévation de 10 mètres du Système à haute résolution de prévision déterministe (SHRPD). Sur les Grands Lacs, une prévision de glace du Système de prévision du cycle de l'eau (SPCE) est utilisée par le modèle pour atténuer ou supprimer la croissance des vagues dans les zones couvertes par respectivement 25% à 75% et plus de 75% de glace. Sur l'océan, une prévision de glace du Système Régional de Prévision Glace-Océan (SRPOG) est utilisée : dans le Pacifique nord-est les vagues se propagent librement pour des concentrations de glace inférieures à 50%, au delà de ce seuil il n'y a aucune propagation; dans l'Atlantique nord-ouest la même logique est utilisée que dans les Grands Lacs. Les éléments prévus incluent la hauteur significative des vagues, la période pic, des paramètres partitionnés et autres. Ce système comprend plusieurs domaines : lac Supérieur, lac Huron-Michigan, lac Érié, Lac Ontario, Atlantique nord-ouest et Pacifique nord-est.

Cette série de cartes de susceptibilité aux inondations a été générée à partir d’un modèle d’apprentissage automatique XGBoost, entraîné sur les inondations majeures survenues entre 2005 et 2023. Le modèle entraîné a ensuite été appliqué à des scénarios climatiques futurs pour les années 2050, 2070 et 2100, selon deux scénarios prospectifs : 245 et 585. Les données d’entrée intègrent des caractéristiques temporelles spécifiques de la température et des précipitations afin d’estimer la susceptibilité potentielle aux inondations futures. **Cet élément de métadonnées tiers suit la spécification Spatio Temporal Asset Catalog (STAC).** **Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Cette série de cartes de susceptibilité aux inondations a été générée à partir d’un modèle d’apprentissage automatique XGBoost, entraîné sur les inondations majeures survenues entre 2005 et 2023. Le modèle entraîné a ensuite été appliqué à des scénarios climatiques futurs pour les années 2050, 2070 et 2100, selon deux scénarios prospectifs : 245 et 585. Les données d’entrée intègrent des caractéristiques temporelles spécifiques de la température et des précipitations afin d’estimer la susceptibilité potentielle aux inondations futures. **Cet élément de métadonnées tiers suit la spécification Spatio Temporal Asset Catalog (STAC).** **Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**