Hauteur moyenne 2015Hauteur moyenne des premiers retours lidar (m). Représente la hauteur moyenne du couvert. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Des produits relatifs à la structure des écosystèmes forestiers du Canada ont été créés et rendus accessibles à tous. Les produits partagés sont fondés sur des données scientifiques examinées par des pairs et relient des aspects de la structure de la forêt, notamment : (i) des mesures calculées directement à partir du nuage de points lidar avec des hauteurs normalisées par rapport à la surface du sol (p. ex. densité, hauteur du couvert) et (ii) des attributs d'inventaire modélisés, obtenus selon une approche fondée sur la superficie et produits à partir de données de placettes au sol et de balayage par laser aéroporté (volume, biomasse). Les estimations de la structure forestière ont été générées en combinant l'information provenant des « parcelles lidar » (Wulder et coll., 2012) avec les composites à base de pixels Landsat (White et al. 2014; Hermosilla et al. 2016 ) en utilisant l'imputation selon la méthode du plus proche voisin avec une mesure de distance basée sur les forêts aléatoires. Ces produits ont été créés pour répondre aux besoins d'information de la surveillance stratégique des forêts et ne sont pas destinés à appuyer la gestion opérationnelle des forêts. Tous les produits ont une résolution spatiale de 30 m. Pour une description détaillée des données, des méthodes appliquées et des résultats de l'évaluation de la précision, Matasci et al. (2018). Matasci, G., Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Hobart, G.W., Bolton, D.K., Tompalski, P., Bater, C.W., 2018b. Three decades of forest structural dynamics over Canada's forested ecosystems using Landsat time-series and lidar plots. Remote Sensing of Environment 216, 697-714. Matasci et al. 2018)

Les degrés-jours de croissance (DJC) servent à estimer la croissance et le développement des plantes et des insectes pendant la saison de croissance. Les DJC sont calculés en soustrayant une température de base de la température moyenne d’une journée (si le résultat est négatif, le DJC quotidien est fixé à zéro). La température de base est le point sous lequel le développement de l’organisme cesse. Les produits de DJC sont générés pour 0 (base), 5, 10 et 15 degrés Celsius. Les valeurs de DJC s’accumulent uniquement durant la saison de croissance, du 1er avril au 31 octobre.

Limites identifiant des écotypes comportementaux similaires et des sous-populations de grizzlis. Cet ensemble de données contient des versions de plusieurs années. À compter de 2018, les catégories de classement des préoccupations de conservation de NatureServe (par exemple, très faible, faible, modérée, élevée, extrême) remplacent les catégories de statut de la population antérieures à 2018 (par exemple, viable, menacée, disparue) contenues dans le champ STATUT. Les catégories de classement des préoccupations en matière de conservation de NatureServe reflètent la taille et les tendances de la population, l'isolement génétique et démographique, ainsi que les menaces qui pèsent sur les ours et leurs habitats. Les champs de classement des préoccupations de conservation de NatureServe sont nommés CONSERVATION_CONCERN_RANK et CONSERVATION_CONCERN_DESC. Veuillez consulter le fichier PDF ci-joint pour un résumé des modifications apportées à cet ensemble de données à partir de 2012. Pour télécharger uniquement les unités de 2018, dans le lien ci-dessous, sélectionnez l'onglet « Exporter », puis cliquez sur le bouton « Téléchargement de la couche provinciale » : https://maps.gov.bc.ca/ess/hm/imap4m/?catalogLayers=7744,7745 Le tableau des résultats du classement de conservation des grizzlis est disponible ici : https://catalogue.data.gov.bc.ca/dataset/e08876a1-3f9c-46bf-b69a-3d88de1da725 Les estimations de la population de grizzlis de différentes années sont disponibles ici : https://catalogue.data.gov.bc.ca/dataset/2bf91935-9158-4f77-9c2c-4310480e6c29 Les rapports sur les grizzlis sont disponibles ici : https://www2.gov.bc.ca/gov/content/environment/plants-animals-ecosystems/wildlife/wildlife-conservation/grizzly-bear** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Cette couche est la classification actuelle de la gravité des incendies par année d'incendie pour les grands incendies (supérieurs à 100 ha). La cartographie de la gravité des brûlures est réalisée à l'aide des meilleures images multispectrales satellitaires disponibles avant et après l'incendie, acquises par l'instrument multispectral (MSI) à bord du satellite Sentinel-2 ou par le capteur Operational Land Imager (OLI) à bord des satellites Landsat-8 et 9. Tout est mis en œuvre pour utiliser des images exemptes de nuages, de fumée, d'ombres et de neige acquises avant le 30 septembre. Cependant, à la fin de la saison des incendies, les images acquises après le 30 septembre peuvent être utilisées. Cette couche est considérée comme un produit provisoire pour l'ensemble de données sur la gravité des brûlures un an plus tard (WHSE_FOREST_VEGETATION.VEG_BURN_SEVERITY_SP). La cartographie réalisée au cours de la saison de croissance suivante bénéficie d'une meilleure disponibilité des images après les incendies et devrait être plus représentative de la mortalité des arbres. #### Méthodologie : • Sélectionnez des images appropriées avant et après les incendies ou créez un composite sans nuage/neige/sans fumée à partir de plusieurs scènes d'images • Calculez le ratio de gravité des brûlures (NBR) normalisé pour les images avant et après le feu • Calculez la différence NBR (DNBR) où DnBR = avant et après NBR • Appliquer une équation d'échelle (DNBR_Scaled = DNBr*1000 + 275) /5) • Appliquez des seuils BARC (76, 110, 187) pour créer une classe à 4 image (non brûlée, faible gravité, gravité moyenne et gravité élevée) • Masquez les plans d'eau à l'aide d'une couche d'eau dérivée des satellites • Appliquez des filtres régionaux pour réduire le bruit • Confirmez les résultats de l'analyse de la gravité des brûlures grâce à un contrôle visuel de la qualité • Produisez un jeu de données vectorielles et appliquez le lissage de distance euclidien** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

L'Inventaire forestier national (IFN) du Canada est un programme d'échantillonnage conçu pour appuyer la production de rapports sur les forêts á l'échelle nationale. D'autre part, les cartes continues d'attributs forestiers sont nécessaires pour appuyer les analyses stratégiques des problématiques régionales de politique et d'aménagement. Nous avons donc produit des cartes couvrant 4,03 × 106 km2 de surface forestiére inventorièe en 2001 à partir d'observations normalisées provenant des placettes photos de l'IFN utilisées comme données de référence. Nous avons utilisé la méthode des k plus proches voisins (kNN) avec 26 couches de données géospatiales, y compris les données spectrales MODIS et les variables climatiques et topographiques, pour produire les cartes de 127 attributs forestiers à une résolution de 250 × 250 m. Les attributs à l'échelle du peuplement comprennent le type de couverture terrestre, la structure et l'abondance relative des espéces ďarbres. Dans cet article, nous rapportons seulement la biomasse totale aérienne et vivante des arbres. Tous les autres attributs abordés sont présentés dans la section matériel supplémentaire (http://nrcresearchpress.com/doi/suppl/10.1139/cjfr-2013-0401). En général, les écarts des valeurs prédites à l'échelle du pixel par rapport à celles des placettes photos de validation, sont plus importants dans les régions montagneuses et dans les zones où, soit la biomasse, soit le taux d'échantillonnage de placettes photos est faible. Les valeurs prédites à l'échelle du pixel sont surestimées lorsque les valeurs observées sont petites et sous-estimées lorsqu'elles sont grandes. Les mesures de précision sont améliorées grâce à l'agrégation spatiale des pixels sur 1 km2 et plus. Dans l'ensemble, ces nouveaux produits fournissent des informations de base uniques pour les analyses stratégiques des forêts (https://nfi.nfis.org).Collection:- **[L'Inventaire forestier national (IFN) du Canada de 2006](https://ouvert.canada.ca/data/fr/dataset/e2fadaeb-3106-4111-9d1c-f9791d83fbf4)**

Zone délimitant la zone de récupération du dendroctone du pin ponderosa** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Veuillez noter qu’un service web est présentement en développement et sera lancé à l’automne 2026 . Restez à l’affût!###Avertissement :#######Le diffuseur ne peut garantir l’exactitude, la précision ou l’intégralité des données ni ne peut être tenu responsable des conclusions qui découlent de leur utilisation. Ces données n’ont aucune valeur légale.####La Géobase du réseau hydrographique du Québec à haute résolution (GRHQ-HR) propose une représentation à jour de très grande précision du réseau hydrographique (échelle de 1/2 000). Ce référentiel, produit à partir des données lidar, est offert par unité de découpage hydrographique (UDH). Le déploiement de cette géobase est réalisé progressivement par niveaux de complétude (NC). À terme, elle couvrira le territoire du Québec méridional. Durant la phase de déploiement du référentiel, [la Géobase du réseau hydrographique du Québec (GRHQ)](https://www.donneesquebec.ca/recherche/fr/dataset/grhq), la GRHQ-HR ainsi que [les lits d’écoulement potentiels](https://www.donneesquebec.ca/recherche/dataset/lits-d-ecoulements-potentiels-issus-du-lidar) issus du lidar seront simultanément disponibles sur Données Québec pour cette portion du territoire.La GRHQ-HR comprend un réseau géométrique linéaire 3D, qui représente la continuité et le sens de l’écoulement dans tous les types d’entités aquatiques (cours d’eau, lacs, milieux humides, etc.). Ce réseau est créé par la modélisation des lits d’écoulement potentiels et complété par les lignes centrales d’écoulement (représentation simplifiée des surfaces hydrographiques en lignes centrales). Cette géobase s’inscrit dans une stratégie de mise à jour cartographique de l’hydrographie du Québec. Elle a été réalisée en partenariat avec le ministère de l’Environnement, de la Lutte contre les changements climatiques, de la Faune et des Parcs (MELCCFP). ##Caractéristiques des niveaux de complétude des UDH##Chaque niveau de complétude caractérise le niveau de travail d’édition, de validation et de contenu descriptif des jeux de données. Des données thématiques et toponymiques viendront bonifier les jeux de données. ####NC-1 (réseau géométrique primaire)####* Lits d’écoulement potentiels et filamentaires dérivés des surfaces hydrographiques, orientés et topologiques.* Niveau de priorité défini (permet des analyses de réseau).* Présence de certains attributs de base (pérennité, connexion réseau, accumulation de flux, ordres de Strahler et Horton, distance de l’amont, distance de l’aval).* Système de référence linéaire (numéros des routes, coordonnées M des vertex).* Surfaces hydrographiques de la GRHQ à l’échelle de 1/20 000 (2D).* Présence de certains toponymes en attribut.* Modèles numériques de terrain hydrocohérents (GeoTIFF).* Matrices d’accumulation de flux (GeoTIFF).* Matrices de direction de flux (GeoTIFF).####NC-2 (réseau géométrique bonifié)####* Caractéristiques du NC-1.* Mise à jour des surfaces hydrographiques par photogrammétrie.* Correction des erreurs de parcours des lits d’écoulement potentiels et mise à jour des filamentaires en aval.* Ajout partiel de données thématiques hydrographiques (barrages, chutes, écueils, îles, milieux humides, rapides).* Index de date de levé lidar.* Imbrication topologique des matrices.* Mise à jour des modèles numériques de terrain hydrocohérents.* Mise à jour des matrices de direction de flux.* Mise à jour des matrices d’accumulation de flux.####NC-3 (bonification thématique)####* Caractéristiques du NC-2.* Thématiques hydrographiques complétées (brise-lames, quais).* Ajout de toponymes.####NC-4 (bonification du contenu toponymique)####* Caractéristiques du NC-3.* Continuité des données toponymiques sur les géométries.* Ajouts des entités nommées.

Feu de Forêt Année/dNBR 1985-2015Ampleur des changements dans les feux de forêt de 1985 à 2015 Ampleur du changement spectral pour les feux de forêt qui se sont produits de 1985 à 2015. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. La valeur de l'ampleur du changement est exprimée par la différence normalisée du ratio de brûlage (dNBR), qui est calculée comme la variation entre les valeurs spectrales avant et après le feu à l'origine du changement. Le jeu de données est constitué de trois couches : 1) masque binaire des feux de forêt, 2) année où le plus de perturbation due aux feux de forêt a été détectée et 3) différence normalisée du ratio de brûlage (dNBR), transformée en une valeur de 0 à 200 pour un stockage efficace des données. La valeur réelle de la dNBR se calcule comme suit : dNBR = valeur / 100. Plus la dNBR est élevée, plus le feu a été intense. Le jeu de données représente 30 années de feux de forêt au Canada et est calculé de manière entièrement automatisée à partir d'une source unique de données spatiales explicites recueillies de façon constante. En effet, des séries chronologiques de données Landsat à résolution spatiale de 30 m ont permis de caractériser les tendances nationales des perturbations de renouvellement de peuplement causées par les feux de forêt de 1985 à 2015 sur les 650 millions d'hectares d'écosystèmes forestiers du Canada.Si vous utilisez ces données, veuillez les citer comme suit : Hermosilla, T., M.A. Wulder, J.C. White, N.C. Coops, G.W. Hobart, L.B. Campbell, 2016. Mass data processing of time series Landsat imagery: pixels to data products for forest monitoring. International Journal of Digital Earth 9(11), 1035-1054. (Hermosilla et al. 2016).Voir les références ci'dessous pour un aperçu des données, du traitement des images et des méthodes de détection des changements dans les séries chronologiques utilisées, ainsi que pour des renseignements sur l'évaluation indépendante de l'exactitude des données.Hermosilla, T., Wulder, M. A., White, J. C., Coops, N.C., Hobart, G.W., 2015. An integrated Landsat time series protocol for change detection and generation of annual gap-free surface reflectance composites. Remote Sensing of Environment 158, 220-234. (Hermosilla et al. 2015a).Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Hobart, G.W., 2015. Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment 170, 121-132. (Hermosilla et al., 2015b). (Hermosilla et al. 2015b).

Le régime des feux désigne les patrons de saisonnalité, de fréquence, d’étendue, de continuité spatiale, d’intensité, de type (p. ex., feu de cime ou de surface) et de gravité des feux dans une région ou un écosystème donné.Le nombre de grands feux est la somme annuelle du nombre de feux de plus de 200 hectares (ha) survenant par unité de 100 000 ha. Celui-ci a été calculé à l’aide de zones homogènes de régime (ZHR) des feux. Ces zones ZHR représentent des régions où le régime de feux est similaire sur une vaste échelle spatiale (Boulanger et al. 2014). Cette zonation permet de reconnaître les régions où les régimes des feux ont été inhabituels. Ces régimes inhabituels passent souvent inaperçus lorsque les feux sont regroupés en fonction de classifications administratives ou écologiques.Les données sur les feux proviennent de la Base nationale de données sur les feux de forêt du Canada couvrant 1959-1999 (pour l’établissement des ZHR) et 1959-1995 (pour l’établissement du modèle). La modélisation Régression multivariée par spline adaptative (en anglais MARS pour « Multivariate adaptive regression splines ») a été utilisée pour relier les attributs mensuels du régime des feux avec les variables mensuelles climatiques/feu-météo pour chaque ZHR. Les données projetées ont été simulées au moyen du modèle canadien du système terrestre, version 2 (Canadian Earth System Model version 2 [CanESM2]), et leur échelle a été réduite au moyen d’ANUSPLIN pour deux profils représentatifs d’évolution de concentration (“Representative Concentration Pathways” ou RCP). Ces RCP découlent de quatre scénarios relatifs à l’évolution de la concentration en gaz à effet de serre établis par le Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) dans son cinquième rapport d'évaluation. Le RCP 2.6 (appelé réduction rapide des émissions) suppose que les gaz à effet de serre atteindront leur concentration maximale au cours de la période 2010-2020 avant d’entamer leur déclin. Selon le scénario RCP 8.5 (appelé augmentation continue des émissions), la concentration en gaz à effet de serre continuera de croître tout au long du 21e siècle. Couche de données fournie : le nombre de grands feux (>200 ha) au Canada pour la période de référence (1981-2010).Référence : Boulanger, Y., Gauthier, S., et coll. 2014. A refinement of models projecting future Canadian fire regimes using homogeneous fire regime zones. Revue canadienne de recherche forestière 44, 365-376.

Changements causés par les feux de forêt de 1985-2022, avec indication de l'année où le plus de perturbations dues aux feux de forêt ont été détectées. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Les informations recueillies représentent 38 années de feux de forêt au Canada et sont calculées de manière entièrement automatisée à partir d'une source unique de données spatiales explicites recueillies de façon constante. En effet, des séries chronologiques de données Landsat à résolution spatiale de 30 m ont permis de caractériser les tendances nationales des perturbations de renouvellement de peuplement causées par les feux de forêt de 1985 à 2022 sur les 650 millions d'hectares d'écosystèmes forestiers du Canada. Si vous utilisez ces données, prière d'en citer la source comme suit : Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, L. B. Campbell, 2016. Mass data processing of time series Landsat imagery: pixels to data products for forest monitoring. International Journal of Digital Earth 9(11), 1035-1054. https://doi.org/10.1080/17538947.2016.1187673 (Hermosilla et al. 2016).Voir les références ci-dessous pour un aperçu du traitement des données, du calcul des mesures, de la détermination des causes des changements et des méthodes de détection des changements dans les séries chronologiques, ainsi que pour des renseignements sur l'évaluation indépendante de l'exactitude des données.Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2015. An integrated Landsat time series protocol for change detection and generation of annual gap-free surface reflectance composites. Remote Sensing of Environment 158, 220-234. https://doi.org/10.1016/j.rse.2014.11.005 (Hermosilla et al. 2015a).Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2015. Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment 170, 121-132. https://doi.org/10.1016/j.rse.2015.09.004. (Hermosilla et al. 2015b).Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2017. Updating Landsat time series of surface-reflectance composites and forest change products with new observations. International Journal of Applied Earth Observation and Geoinformation. 63, 104-111. https://doi.org/10.1016/j.jag.2017.07.013 (Hermosilla et al. 2017).