Cette publication de données contient un ensemble de fichiers dans lesquels les feux et les coupes au travers du Canada de 1984 à 2015 sont identifiés au niveau des pixels individuels de 30 m sur la grille Landsat. Les détails sur la création de ce produit sont disponibles dans Guindon et al (2018). La détection des changements est basée sur les mosaïques Landsat corrigées par la réflectance (juillet et août) de 1984 à 2015 et développées à partir des produits de réflectance pour des scènes individuelles de la USGS (Masek et al, 2006; Vermote et al, 2006). En bref, la méthode de détection des changements utilise une signature temporelle de six ans centrée sur l'année de la perturbation pour identifier le feu, les coupes et le non-changement. Les signatures temporelles proviennent de perturbations visuellement interprétées ou de polygones sans changement et sont utilisées pour adapter un modèle d'arbre de décision. La méthode détecte environ 91% des superficies coupées et 85% des superficies brûlées dans les forêts du Canada pendant la période d'étude, mais surestime les zones perturbées des deux premières et des deux dernières années de la série chronologique 1985 à 2015 en raison de l'absence de données pré-perturbation et post-perturbation, qui sont nécessaires au modèle de détection et d'attribution. Les résultats pour ces quatre années devraient donc être utilisés avec prudence. Comme dans Guindon et al (2014), la méthode a été conçue pour minimiser les erreurs de commission et a un taux de réussite d'attribution d'environ 98%. Le taux de réussite de l'attribution de l'année de perturbation est d'environ 69% pour l'année exacte et d'environ 99% lorsque les détections valides faites l'année suivante sont aussi considérées. Ainsi par exemple, un feu qui a eu lieu au printemps 2004 (avant juillet et août), sera capturé et attribué à l’année 2004, lorsque des images sont bien sûr disponibles pour ce territoire. Par contre un feu à l’automne 2004, sera capturé et attribué à l’année 2005. Cette fenêtre de correspondance de deux ans découle en grande partie de l'utilisation des images de mi-été pour la création de la mosaïque, ce qui donne des années différentes pour les événements de printemps et d'automne. De plus , la présence de nuages et d’ombres et disponibilité d’images, qui causent 10% de données manquantes dans les mosaïques annuelles, sera aussi responsable d’une partie de ces délais de détection. Les données sont destinées à des analyses de niveau stratégique car elles fournissent des informations uniformes et régulières sur les feux de forêts et les récoltes au travers des provinces et territoires du Canada. Comme aucune attention n'a été accordée à d'autres perturbations mineures telles que l'exploitation minière, la construction de routes ou les inondations, le produit ne doit pas être utilisé pour leur identification. Enfin, des jeux de calibration ont été développés pour seulement trois principaux ravageurs de la forêt (le charançon du pin ponderosa, la tordeuse de l'épinette de l'Est et la livrée des forêts) et ont été inclus dans la classe «sans changement», afin de minimiser les erreurs de commission lors de la détection et l’identification des feux et des coupes. Les ravageurs moins fréquents pour lesquels les ensembles de données de validation sont difficiles à développer n'ont pas été pris en considération et, par conséquent, pourraient dans de rares cas générer de faux incendies. Considérant que les endroits ayant subis deux ou trois perturbations sont peu fréquents (respectivement 3.3% et moins de 1%), seules les perturbations les plus récentes sont diffusées dans le produit final, allant de 2015 à 1984, les perturbations les plus récentes étant superposées aux anciennes pour ces rares cas. ## Citation pour ce jeu de données: Guindon, L., P. Villemaire, R. St-Amant, P.Y. Bernier, A. Beaudoin, F. Caron, M. Bonucelli and H. Dorion. 2017. Canada Landsat Disturbance (CanLaD): a Canada-wide Landsat-based 30-m resolution product of fire and harvest detection and attribution since 1984. https://doi.org/10.23687/add1346b-f632-4eb9-a83d-a662b38655ad ## Citation de l'article scientifique: La création, la validation et les limites du produit CanLaD sont décrites dans le fichier « Supplementary Information » associé à l’article suivant: Guindon, L.; Bernier, P.Y.; Gauthier, S.; Stinson, G.; Villemaire, P.; Beaudoin, A. 2018. Missing forest cover gains in boreal forests explained. Ecosphere, 9 (1) Article e02094. doi:10.1002/ecs2.2094. ## Références citées: Masek, J.G., Vermote, E.F., Saleous N.E., Wolfe, R., Hall, F.G., Huemmrich, K.F., Gao, F., Kutler, J., and Lim, T-K. (2006). A Landsat surface reflectance dataset for North America, 1990–2000. IEEE Geoscience and Remote Sensing Letters 3(1):68-72. http://dx.doi.org/10.1109/LGRS.2005.857030. Vermote, E., Justice, C., Claverie, M., & Franch, B. (2016). Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment. http://dx.doi.org/10.1016/j.rse.2016.04.008.

En 2013, l'équipe d'observation de la Terre de la Direction générale des sciences et de la technologie (DGST) d'Agriculture et Agroalimentaire Canada (AAC) a répété le processus visant à produire des cartes numériques de l'inventaire annuel des cultures à l'aide d'images satellitaires pour l'ensemble du Canada, afin de soutenir la réalisation d’un inventaire national des cultures. Une méthodologie par arbre de décision a été utilisée à l'aide d'images satellitaires optiques (Landsat-8) et radar (RADARSAT-2), avec une résolution spatiale finale de 30 m. En même temps que les acquisitions par satellite, des données de réalité de terrain ont été fournies par des sociétés d’assurance-récolte provinciales, tandis que des observations ponctuelles provenaient de nos collègues d'AAC des régions.

En 2014, l'équipe d'observation de la Terre de la Direction générale des sciences et de la technologie (DGST) d'Agriculture et Agroalimentaire Canada (AAC) a répété le processus visant à produire des cartes numériques de l'inventaire annuel des cultures à l'aide d'images satellitaires pour l'ensemble du Canada, afin de soutenir la réalisation d’un inventaire national des cultures. Une méthodologie par arbre de décision a été utilisée à l'aide d'images satellitaires optiques (Landsat-8) et radar (RADARSAT-2), avec une résolution spatiale finale de 30m. En même temps que les acquisitions par satellites, des données de réalité de terrain ont été fournies par des sociétés d’assurance-récolte provinciales, par le Ministère de l’Agriculture de la Colombie Britannique et par le personnel d’AAC en régions.

En 2015, l'équipe d'observation de la Terre de la Direction générale des sciences et de la technologie (DGST) d'Agriculture et Agroalimentaire Canada (AAC) a répété le processus visant à produire des cartes numériques de l'inventaire annuel des cultures à l'aide d'images satellitaires pour l'ensemble du Canada, afin de soutenir la réalisation d’un inventaire national des cultures. Une méthodologie par arbre de décision a été utilisée à l'aide d'images satellitaires optiques (Landsat-8) et radar (RADARSAT-2), avec une résolution spatiale finale de 30m. En même temps que les acquisitions par satellites, des données de réalité de terrain ont été fournies par des sociétés d’assurance-récolte provinciales, par le Ministère de l’Agriculture de la Colombie Britannique et par le personnel d’AAC en régions.

En 2017, l'équipe d'observation de la Terre de la Direction générale des sciences et de la technologie (DGST) d'Agriculture et Agroalimentaire Canada (AAC) a répété le processus visant à produire des cartes numériques de l'inventaire annuel des cultures à l'aide d'images satellitaires pour l'ensemble du Canada, afin de soutenir la réalisation d’un inventaire national des cultures. Une méthodologie par arbre de décision a été utilisée à l'aide d'images satellitaires optiques (Landsat-8, Sentinel-2, Gaofen-1) et radar (RADARSAT-2), avec une résolution spatiale finale de 30 m. En même temps que les acquisitions par satellite, des données de réalité de terrain ont été fournies par des sociétés d’assurance-récolte provinciales (Alberta, Saskatchewan, Manitoba et Québec), tandis que des observations ponctuelles provenaient du Ministère de l’Agriculture de la Colombie-Britannique et du Ministère de l’Agriculture, de l’Alimentation et des Affaires rurales de l’Ontario. L’acquisition de données a aussi été supportée par les centres régionaux de recherches et développement d’AAC à Saint-Jean de Terre-Neuve, Kentville, Charlottetown, Fredericton, Guelph et Summerland.

En 2016, l'équipe d'observation de la Terre de la Direction générale des sciences et de la technologie (DGST) d'Agriculture et Agroalimentaire Canada (AAC) a répété le processus visant à produire des cartes numériques de l'inventaire annuel des cultures à l'aide d'images satellitaires pour l'ensemble du Canada, afin de soutenir la réalisation d’un inventaire national des cultures. Une méthodologie par arbre de décision a été utilisée à l'aide d'images satellitaires optiques (Landsat-8, Sentinel-2, Gaofen-1) et radar (RADARSAT-2), avec une résolution spatiale finale de 30 m. En même temps que les acquisitions par satellite, des données de réalité de terrain ont été fournies par des sociétés d’assurance-récolte provinciales (Alberta, Saskatchewan, Manitoba et Québec), tandis que des observations ponctuelles provenaient du Ministère de l’Agriculture de la Colombie-Britannique et du Ministère de l’Agriculture, de l’Alimentation et des Affaires rurales de l’Ontario. L’acquisition de données a aussi été supportée par les centres régionaux de recherches et développement d’AAC à Saint-Jean de Terre-Neuve, Kentville, Charlottetown, Fredericton, Guelph et Summerland.

En 2010, l'équipe d'observation de la Terre de la Direction générale des sciences et de la technologie (DGST) d'Agriculture et Agroalimentaire Canada (AAC) a poursuivi le processus visant à produire des cartes numériques de l'inventaire annuel des cultures à l'aide d'images satellitaires. Portant principalement sur les provinces des Prairies, une méthodologie par arbre de décision a été utilisée à l'aide de l'imagerie satellite optique (AWiFS, Landsat-5, DMC) et radar (RADARSAT-2), avec une résolution spatiale finale de 56 m. Des méthodes ont également été mises au point pour améliorer la classification optique à l'aide de l'imagerie RADARSAT-2, en vue de résoudre des problèmes liés à la couverture nuageuse. En même temps que les acquisitions par satellite, des données de réalité de terrain ont été fournies par des sociétés d’assurance-récolte provinciales, tandis que des observations ponctuelles provenaient de nos collègues d'AAC des régions. Le processus global pour la réalisation de la Carte de l'inventaire des cultures comprend les étapes suivantes : acquisition de données par satellite; acquisition de données sur le terrain en vue du processus d'entraînement à la classification et de l'évaluation de l'exactitude; mise en œuvre opérationnelle de la méthode de classification.

En 2009, l'équipe d'observation de la Terre de la Direction générale des sciences et de la technologie (DGST) d'Agriculture et Agroalimentaire Canada (AAC) a entrepris un processus visant à produire des cartes numériques de l'inventaire annuel des cultures à l'aide d'images satellitaires. Portant principalement sur les provinces des Prairies, une méthodologie par arbre de décision a été utilisée à l'aide de l'imagerie satellite optique (AWiFS, Landsat-5) et radar (RADARSAT­2), avec une résolution spatiale finale de 56 m. Des méthodes ont également été mises au point pour améliorer la classification optique à l'aide de l'imagerie RADARSAT-2, en vue de résoudre des problèmes liés à la couverture nuageuse. En même temps que les acquisitions par satellite, des données de réalité de terrain ont été fournies par des sociétés d’assurance-récolte provinciales, tandis que des observations ponctuelles provenaient de nos collègues d'AAC des régions. Le processus global pour la réalisation de la Carte de l'inventaire des cultures comprend les étapes suivantes : acquisition de données par satellite; acquisition de données sur le terrain en vue du processus d'entraînement à la classification et de l'évaluation de l'exactitude; mise en œuvre opérationnelle de la méthode de classification.La méthodologie initiale a été élaborée en partenariat avec la Direction générale de la recherche d'AAC, et soutenue en partie par l'Agence spatiale canadienne. L'objectif à long terme consistait à étendre cette initiative, à partir de l'expérience dans les Prairies, et de produire un inventaire annuel des cultures pour tout le territoire agricole du Canada.

Suivi haute résolution des changements forestiers au Canada (Binaire Changement/Aucun Changement)Les données relatives aux changements forestiers que renferme ce produit ont une portée nationale (écosystème forestier entier) et offrent la première caractérisation complète des feux de forêt et des récoltes au Canada à une résolution spatiale en rapport avec l’impact humain. Les informations recueillies représentent vingt-cinq années de renouvellement des peuplements dans les forêts du pays. Elles proviennent d’une source unique de données cohérentes et spatialement explicites, obtenues de manière entièrement automatisée. La capacité démontrée de caractériser les forêts à une résolution qui saisit l’impact humain est essentielle pour établir la base de référence destinée à la surveillance détaillée des écosystèmes forestiers des points de vue des sciences et de la gestion. Des séries chronologiques de données Landsat ont servi à caractériser les tendances nationales des perturbations causées par le feu et la récolte qui renouvellent les peuplements pour la période de 1985 à 2010 sur les 650 millions d’hectares forestiers du Canada (https://authors.elsevier.com/sd/article/S0034425717301360). Les données Landsat ont une résolution de 30 m, de sorte que les informations relatives aux changements sont très détaillées et en rapport avec l’impact humain. Elles permettent de suivre les changements forestiers annuels qui renouvellent les peuplements. Les types de perturbation renouvelant les peuplements sont étiquetés feu de forêt et récolte, le niveau inférieur de confiance étant aussi fourni. La distinction et la communication des probabilités d’appartenance à une classe inférieure servent à indiquer aux utilisateurs que certains changements étaient difficiles à attribuer à un type, mais qu’ils sont considérés comme correctement catégorisés, de façon générale. Pour avoir un aperçu des données, du traitement des images et des méthodes de détection des changements dans les séries chronologiques, ainsi que des renseignements sur l’évaluation indépendante de l’exactitude des données, voir Hermosilla et coll. (2016; http://www.tandfonline.com/doi/full/10.1080/17538947.2016.1187673).Les données offertes sont : 1. changement binaire/aucun changement, 2. année du changement et 3. type de changement. Si vous utilisez les données, prière d’en citer la source comme suit : White, J.C., M.A. Wulder, T. Hermosilla, N.C. Coops, and G. Hobart. (2017). A nationwide annual characterization of 25 years of forest disturbance and recovery for Canada using Landsat time series. Remote Sensing of Environment. 192: 303-321. DOI: 10.1016/j.rse.2017.03.035. https://authors.elsevier.com/sd/article/S0034425717301360Étendue géographique : Écosystèmes forestiers du Canada (environ 650 Mha).

Polygones contenant la date de capture des images Landsat utilisées pour créer la première version de la cartographie thématique de référence v1 (BTM1). Cette vue spatiale n'a de sens qu'en conjonction avec les images satellites ou les données BTM dérivées des images satellites. Les images ont été prises de 1990 à 1997** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **