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).

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).

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 ).

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. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. 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).

Ce jeu de données contient de nouvelles cartes détaillées des eaux de surface du Canada montrant où et à quelle fréquence les eaux de surface ont été présentes à chaque endroit du Canada, et comment elles ont évolué de 1984 à 2023. Des images archivées et librement disponibles de la série de satellites Landsat ont été utilisées pour cartographier l'eau pour des périodes bihebdomadaires et annuelles. Ces séries temporelles ont été utilisées pour créer des cartes dynamiques des eaux de surface à une résolution spatiale de 30 m à travers le Canada. **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).**

Ce jeu de données contient de nouvelles cartes détaillées des eaux de surface du Canada montrant où et à quelle fréquence les eaux de surface ont été présentes à chaque endroit du Canada, et comment elles ont évolué de 1984 à 2023. Des images archivées et librement disponibles de la série de satellites Landsat ont été utilisées pour cartographier l'eau pour des périodes bihebdomadaires et annuelles. Ces séries temporelles ont été utilisées pour créer des cartes dynamiques des eaux de surface à une résolution spatiale de 30 m à travers le Canada. **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).**

Ce jeu de données fournit des cartes continues de la structure des forêts à travers les 650 millions d'hectares d'écosystèmes forestiers du Canada pour l'année 2022, générées à une résolution spatiale de 30 m. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Les estimations de structure incluent des attributs clés tels que la hauteur du couvert forestier, la densité du couvert et la biomasse aérienne, dérivés à partir d'une combinaison de données lidar aéroportées et de composites spectraux issus de Landsat. Les modèles de structure ont été entraînés à l'aide du cadre « lidar-plot » (Wulder et al. 2012), qui intègre des données lidar aéroportées et des mesures de terrain co-localisées avec des composites de séries temporelles Landsat (Hermosilla et al. 2016). Une approche d'imputation par plus proche voisin a été appliquée pour estimer les attributs structurels sur l'ensemble du territoire forestier canadien. Ces produits, cohérents à l'échelle nationale, sont conçus pour appuyer la surveillance stratégique des forêts et les évaluations à grande échelle, mais ne sont pas destinés à la gestion opérationnelle des forêts. Pour plus de détails sur les méthodes, l'évaluation de l'exactitude et les sources de données, voir 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., 2018. 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. https://doi.org/10.1016/j.rse.2018.07.024 ( Matasci et al. 2018).

Ce jeu de données fournit des cartes continues de la structure des forêts à travers les 650 millions d'hectares d'écosystèmes forestiers du Canada pour l'année 2022, générées à une résolution spatiale de 30 m. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Les estimations de structure incluent des attributs clés tels que la hauteur du couvert forestier, la densité du couvert et la biomasse aérienne, dérivés à partir d'une combinaison de données lidar aéroportées et de composites spectraux issus de Landsat. Les modèles de structure ont été entraînés à l'aide du cadre « lidar-plot » (Wulder et al. 2012), qui intègre des données lidar aéroportées et des mesures de terrain co-localisées avec des composites de séries temporelles Landsat (Hermosilla et al. 2016). Une approche d'imputation par plus proche voisin a été appliquée pour estimer les attributs structurels sur l'ensemble du territoire forestier canadien. Ces produits, cohérents à l'échelle nationale, sont conçus pour appuyer la surveillance stratégique des forêts et les évaluations à grande échelle, mais ne sont pas destinés à la gestion opérationnelle des forêts. Pour plus de détails sur les méthodes, l'évaluation de l'exactitude et les sources de données, voir 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., 2018. 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. https://doi.org/10.1016/j.rse.2018.07.024 ( Matasci et al. 2018).