Nos cartes de base d'imagerie et nos mosaïques d'un certain nombre de jeux de données raster. Cela inclut les ensembles de données ASTER DEM, CDED et Shaded Relief. Ainsi qu'un certain nombre de mosaïques, dont les données SPOT, RapidEye, Landsat et MVI Landcover.** 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 représente les polygones d'utilisation des sols tels que déterminés par une combinaison de techniques analytiques, principalement à l'aide de mosaïques d'images Landsat 5. Le BTM 1 a été réalisé sur une base d'images satellite fédérale qui n'était précise qu'à environ 250 m. Les images ont été géo-corrigées, et non orthocorrigées, de sorte qu'il y a une distorsion dans les zones à haut relief. Il ne s'agit pas d'une fonctionnalité en plusieurs parties** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Image composite Landsat haute résolution en fausses couleurs des écosystèmes forestiers du Canada (2022). Ce produit d'imagerie nationale représente l'image composite proxy « Composite to Change » (C2C), dérivée de milliers d'images Landsat acquises entre le 1er juillet et le 30 août 2022. Le processus général suivi est décrit dans (Hermosilla et al. 2016 ), avec des détails sur la génération de composites sans lacunes de réflectance de surface dans ( Hermosilla et al. 2015). Conformément à la motivation et à la logique présentées dans (White et al. 2014), les images Landsat sont soumises à une série d'étapes de traitement visant à éliminer les nuages et les ombres, ainsi que le brouillard et d'autres effets atmosphériques indésirables. Les séries chronologiques annuelles d'images Landsat sont examinées afin d'éviter les valeurs manquantes et de garantir une couverture spatiale exhaustive des composites nationaux de réflectance de surface. Image en fausses couleurs à 3 canaux RVB (bandes: infrarouge à ondes courtes, SWIR1; infrarouge proche, NIR; rouge, ROUGE). Lorsque vous utilisez ces données, veuillez en identifier 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 (Hermosilla et al. 2016 ).

Les capteurs d’images du Thematic Mapper (TM) et de l’Enhanced Thematic Mapper (ETM+) du satellite LANDSAT ont été utilisés pour générer la mosaïque du Canada vers 2010, avec une résolution spatiale de 30 m. Toutes les scènes ont été traitées en fonction d’un niveau de correction de terrain standard 1T par le United States Geological Survey (USGS). Les autres traitements effectués par le Centre canadien de télédétection englobaient la conversion des mesures prises par les capteurs de la réflectance au sommet de l’atmosphère, la détection des nuages et des ombres de nuage, la reprojection, la sélection des meilleures mesures, la génération d’une mosaïque, l’élimination du bruit et le contrôle de la qualité. On a privilégié les données de l’année 2010, mais celles des années 2009 et 2011 ont également été utilisées pour fournir une mesure du ciel dégagé à chaque emplacement du Canada. Les bandes 3 (0,63-0,69 µm), 4 (0,76-0,90 µm), 5 (1,55-1,75 µm) et 7 (2,08-2,35 µm) sont fournies dans cette version, car les effets considérables de l’atmosphère limitent de façon importante la qualité des bandes bleue (0,45-0,52 µm) et verte (0,52-0,60 µm). La composition à critères multiples a été utilisée en vue de la sélection du pixel le plus représentatif. Pour le capteur embarqué ETM+ de Landsat 7, une défaillance du balayage linéaire est responsable de l’absence de certaines lignes de données dans toutes les scènes recueillies après le mois de mai 2003. La variabilité de l’atmosphère et des cibles entre les scènes fait en sorte que ces lignes entrainent dans certains cas d’importants écarts radiométriques. Une formule reposant sur la transformée de Fourier a été appliquée pour corriger cette situation. Cette mosaïque a été préparée pour des applications touchant à la couverture terrestre et à la cartographie biophysique des différentes régions du Canada. Ces données peuvent aussi se prêter à d’autres applications, mais il faudra tenir compte des contraintes spectrales et temporelles du produit. Des recherches sont en cours afin d’améliorer les aspects spectraux et spatio-temporels des versions à venir de produits à résolution moyenne découlant de données historiques recueillies au moyen des capteurs LANDSAT et des satellites LANDSAT 8 et Sentinel 2.

Les mosaïques annuelles Landsat offrent un portrait unique de l’ensemble du territoire québécois. Elles permettent d’analyser les changements environnementaux et territoriaux sur plus de 40 ans, notamment l’évolution des milieux naturels, l’étalement urbain, les activités agricoles et forestières, les transformations des zones protégées ainsi que les modifications des réseaux hydriques, comme les réservoirs et les barrages.###Principales caractéristiques des mosaïques###* Résolution de 30 m* Format GeoTIFF* Images acquises entre juillet et août * Série temporelle couvrant 1984 à aujourd’hui * Production basée sur la sélection du pixel de meilleure qualité optique* Conçues pour offrir une représentation homogène d’année en annéeCes mosaïques sont produites en collaboration avec le Centre de foresterie des Laurentides du Service canadien des forêts (SCF). Le SCF produit les mosaïques et la Direction générale de l’information géospatiale du ministère des Ressources naturelles et des Forêts en assure la préparation pour la diffusionLes grandes composantes sont les suivantes :####Images GeoTIFF par bandes spectrales####* Mosaïques non rehaussées disponibles par bandes spectrales en format GeoTIFF 16 bits (ex. : SR_L5789_HARM_BP_2013_B1_gapfill_mrnf_masked.tif). Chaque mosaïque comprend les bandes 1 (Bleu), 2 (vert), 3 (rouge), 4 (proche infrarouge), 5 (moyen infrarouge) et 7 (moyen infrarouge);* Matrice indiquant l’année des images où les pixels de meilleure qualité ont été extraits (ex. : SR_L5789_HARM_BP_2013_year_gapfill_mrnf_masked.tif);* Matrice indiquant les jours juliens des pixels de meilleure qualité extraits. Les jours juliens démarrent le 1er janvier 1970, d’où le libellé JJ70 (ex. : SR_L5789_HARM_BP_2013_JJ70_gapfill_mrnf_masked.tif). Ils permettent de retrouver la date exacte où les pixels ont été captés dans chaque mosaïque;* Matrice indiquant le satellite Landsat correspondant à chaque pixel de meilleure qualité extraits (ex. : SR_L5789_HARM_BP_2013_sensor_gapfill_mrnf_masked.tif).####Images mosaïques rehaussées####Mosaïques GeoTIFF rassemblant les six bandes spectrales rehaussées par égalisation d’histogramme adaptatif à contraste limité (Contrast Limited Adaptive Histogram Equalization, CLAHE) pour chaque année (ex. : Mosaique_Landsat_2013_CLAHE.tif). Notes à l’usager ou l’usagère : 1. Certains artefacts peuvent être présents aux endroits où aucune image Landsat acquise durant une même année n’était exempte de nuages, de voiles atmosphériques ou d’ombres. 2. Les mosaïques de 1984 à 1989 comportent certaines zones d’absence de donnée (no data) en raison d’une capacité d’acquisition limitée. Le nombre de satellites Landsat en orbite à cette époque n’était pas suffisant pour assurer une couverture complète en imagerie durant les mois de juillet et d’août.3. Utilisation des images : Ce n’est pas une obligation, mais la mention de source suivante peut être utilisée dans des publications ou des supports de présentation pour reconnaître l’Institut d'études géologiques des États-Unis (United States Geological Survey). Landsat Collection 2 Surface Reflectance (SR) courtesy of the U.S. Geological Survey.

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.

Ces trois mosaïques satellitaires couvrent tout le territoire du Québec et comprennent des images captées en 2018, en 2019 et en 2020. Les bandes spectrales sont le bleu (bande 2), le proche infrarouge (bande 8) et l’infrarouge à ondes courtes (bande 11).La mission Copernicus Sentinel-2 comprend une constellation de deux satellites en orbite qui sont en tandem et séparés de 180° l’un de l’autre. La configuration orbitale permet une couverture avec un taux de nouvelle visite variant de deux à dix jours selon la latitude. La constellation Sentinel-2 capte des images satellitaires multispectrales à une résolution de 10 m pour la prochaine génération de produits opérationnels, telles que des cartes d'occupation des sols, des cartes de détection des changements de terres et des variables géophysiques. [Caractéristiques techniques du produit](https://diffusion.mern.gouv.qc.ca/diffusion/RGQ/Matriciel/Satellite/Regional/Mosaiques_Sentinel-2/Document/Sentinel-2_User_Handbook.pdf)

Ampleur des changements dans les feux de forêt de 1985 à 2022 Ampleur du changement spectral pour les feux de forêt qui se sont produits de 1985 à 2022. 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. Plus la dNBR est élevée, plus le feu a été intense. 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, 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, 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.. (Hermosilla et al. 2017).

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).

Changements causés par les récolte forestière de 1985 à 2022, avec indication de l'année où le plus de perturbations dues aux récolte forestière 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 récolte forestière 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 récolte forestière 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).