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 entités des caractéristiques du terrain sont : l'île, le rivage, la zone boisée, le sol saturé, la caractéristique du relief (esker, sable \...) et la ligne de coupe. CanVec est un produit de référence cartographique numérique de Ressources naturelles Canada (RNCan). Il provient des meilleures sources de données disponibles couvrant le territoire canadien, offre des informations topographiques de qualité en format vectoriel et est conforme aux normes géomatiques internationales. CanVec est un produit multisource provenant principalement de la Base nationale de données topographiques (NTDB), du processus de cartographie du Nord mené par le Centre canadien de cartographie et d'observation de la Terre (CCMEO), des données de l'Atlas du Canada, de l'initiative GéoBase et de la mise à jour des données à l'aide de la couverture par imagerie satellite (par exemple Landsat 7, Spot, Radarsat, etc.).Distribué depuis [GeoYukon] (https://yukon.ca/geoyukon) par le [gouvernement du Yukon] (https://yukon.ca/maps). Découvrez d'autres données cartographiques numériques et des cartes interactives issues de la collection de données cartographiques numériques du Yukon.Pour plus d'informations : [geomatics.help@yukon.ca] (mailto : geomatics.help@yukon.ca)

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.

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.

CanLaBS v2 est une mise à jour du produit de données Sévérité des feux au Canada avec données Landsat (CanLaBS) s'appuie sur la méthodologie initialement décrite dans Guindon et al. (2021), intitulée “Trends in wildfire burn severity across Canada, 1985 to 2015” et publiée dans le Canadian Journal of Forest Research (https://doi.org/10.1139/cjfr-2020-0353) .CanLaBS v2 introduit plusieurs améliorations importantes touchant les sources de données d'entrée, à la couverture temporelle et aux approches de modélisation.**1. Principales mises à jour dans CanLaBS v2****1.1. Transition vers la Collection 2 de Landsat**Toutes les données d'entrée Landsat utilisées pour dériver les mesures de sévérité des feux ont été mises à jour de la Collection 1 de Landsat à la Collection 2 (Earth Observation and Science, 2020a, 2020b, 2020c). La Collection 2 de Landsat offre une calibration radiométrique améliorée, une correction atmosphérique raffinée et une précision géométrique accrue, ce qui se traduit par une plus grande cohérence temporelle et une détection des changements spectraux plus fiable à travers les capteurs et les années.**1.2. Utilisation des périmètres de feux NBAC**Le produit mis à jour couvre désormais tous les périmètres de feux inclus dans le Composite National des Zones Brûlées (NBAC; Skakun et al., 2022) de 1985 à 2024. Cela étend considérablement la plage temporelle du jeu de données par rapport à la version originale et assure la cohérence avec l'enregistrement des périmètres de feux nationaux le plus à jour utilisé dans les analyses de perturbation à l'échelle du Canada.**1.3. Modèle de forêt aléatoire amélioré pour la détection de la coupe de récupération**La détection de la coupe de récupération a été mise à jour à l'aide d'un modèle de classification par forêt aléatoire (RF) amélioré, entraîné sur 3614 points de référence photo-interprétés. Le modèle utilise un ensemble raffiné de prédicteurs spectraux dérivés de l'imagerie Landsat, incluant les bandes 3 pré- et post-feu, les bandes 4, 5 et 7 post-feu (selon la nomenclature de Landsat 7), les différences spectrales interannuelles (ΔB3, ΔB4, ΔB5), ainsi que l'indice de végétation par différence normalisée (NDVI) pré- et post-feu. Les performances du modèle ont été évaluées à l'aide d'une division entraînement-test (80 %, 20 %, respectivement). Cette analyse a révélé une précision globale de 90,6 % et un kappa de Cohen de 0,87 (voir le **Tableau 1 dans le rapport de mise à jour**, dans la section téléchargement ci-dessous). Il y avait une certaine confusion entre les feux de végétation peu dense et la coupe de récupération (la principale classe d'intérêt); cependant, les performances globales demeurent élevées, avec une précision de 95,49 %, un rappel de 75,6 % et un score F1 de 84,39 %.**1.4. Stratégie de comblement des données manquantes révisée**Comme dans le produit original, le comblement des données manquantes Landsat pré-feu est maintenu pour assurer une caractérisation complète des conditions de pré-perturbation. Cependant, le comblement des données manquantes Landsat post-feu n'est plus appliqué dans cette version. Cette approche entraîne la présence de données manquantes, mais évite l'introduction d'incertitudes associées au comblement par régression radiométrique. Au total, 6,9 % de tous les pixels brûlés du NBAC présentent des données manquantes. Cette proportion a diminué au fil du temps en raison de l'amélioration de la couverture des données Landsat, passant de 12,7 % pour les feux antérieurs à 2000 (pré-Landsat 7) à 2,59 % pour les feux postérieurs à 2012 (post-lancement de Landsat 8).**1.5. Retrait des couches d'attributs forestiers pré-feu**Les couches d'attributs forestiers pré-feu (p. ex., densité de la canopée, biomasse aérienne sèche des arbres vivants, composition des espèces) ne sont plus incluses dans cette version de CanLaBS. Ces attributs sont maintenant fournis par l'Inventaire forestier national canadien spatialisé (SCANFI v2; Guindon et al., 2026), qui offre une source d'information forestière de pré-perturbation plus complète, cohérente et régulièrement mise à jour. Les utilisateurs sont encouragés à combiner CanLaBS avec SCANFI v2 (Guindon et al., 2026) pour leurs analyses. Il est recommandé que les utilisateurs utilisent les attributs forestiers datant de 2 ans avant le feu pour éviter les données sur-lissées qui sous-estiment artificiellement la végétation forestière pré-feu lorsque les données Landsat de l'année pré-feu ne sont pas disponibles. Les dates de début de chaque feu sont disponibles à partir de NBAC (https://cwfis.cfs.nrcan.gc.ca/datamart).**2. Limitations d'utilisation****2.1.** Cette base de données n’a pas été conçue pour l’étude d’un seul feu ou d’un nombre restreint de feux, mais porte plutôt sur l’étude de grandes régions avec plusieurs feux. Aucune correction ou changement radiométriques n’a été effectué par feu telle que la méthode d'offset ou une approche de moyenne ou médiane pour les pixels d’une même année (voir cjfr-2020-0353supplb à https://doi.org/10.1139/cjfr-2020-0353). Même si la réflectance des images utilisées est corrigée au niveau du sol, il peut y avoir des différences radiométriques à l’intérieur d’un même feu dues à l’utilisation de différentes scènes Landsat. Par conséquent, les différences de correction atmosphérique entre scènes adjacentes peuvent parfois être perceptibles. Les raisons de ne pas appliquer de corrections supplémentaires pour ces cas tiennent principalement au nombre trop faible de pixels disponibles par feu à l’échelle du Canada, durant les mois de juillet et août, en particulier dans certaines régions et pour certaines périodes. Pour obtenir une base de données standardisée et cohérente dans l’espace et dans le temps, tous les pixels devaient être traités de la même façon. Ces points sont discutés dans l’article et dans le matériel supplémentaire (voir cjfr-2020-0353supplb à https://doi.org/10.1139/cjfr-2020-0353).**2.2.** Les zones brûlées ayant subi de la coupe de récupération ont été détectées avec une approche de classification. Il ne s’agit pas d’une cartographie exhaustive de tous les endroits ayant subi de la coupe de récupération au-delà d’un an après le feu, mais simplement d’endroits à éliminer des analyses, car la valeur post-feu y serait biaisée par l’absence d’arbres et par la présence d’un sol scarifié.**2.3.**  Les feux survenus dans des forêts sévèrement affectées par le dendroctone du pin ponderosa (Dendroctonus ponderosae), la tordeuse des bourgeons d’épinette (Choristoneura fumiferana) ou d’autres défoliateurs ne devraient idéalement pas être inclus dans les analyses, car les valeurs de NBR avant feu y sont déjà très faibles, ce qui peut introduire un biais dans les études portant sur le dNBR. Ces secteurs sont désormais localisés dans le produit CanLaD(Perbet et al., 2025) (disponible à https://doi.org/10.23687/902801fd-4d9d-4df4-9e95-319e429545cc).**2.4.** Les feux de 1985 et 2024 représentent les années du début et de la fin de la série temporelle traitée. Il est possible que certains feux soient incomplets pour ces années, et peut-être même aussi, dans une proportion moins importante, pour les feux de 1986 et 2023.**3. Résumé**Dans l'ensemble, cette mise à jour améliore la précision et la couverture temporelle du produit de données CanLaBS en tirant parti de la Collection 2 de Landsat, des polygones de périmètres de feux nationaux mis à jour et d’une méthode raffinée de détection des coupes de récupération. Ces améliorations augmentent la pertinence du jeu de données pour les analyses à l'échelle nationale des effets des feux, de la gestion forestière post-feu et de la dynamique des perturbations à long terme dans les forêts canadiennes.**4. Description des couches**Le produit comprend trois couches :- CanLaBS_1985_2024_v20251215.tif - Valeurs de dNBR pour tous les pixels brûlés selon NBAC- CanLaBS_salvageMask_1985_2024_v20251215.tif - Couche binaire où la valeur « 1 » identifie les pixels ayant fait l’objet de coupes de récupération- NBAC_MRB_1972to2024_reproj.tif - Année du feu selon NBAC**5. Téléchargement des données**Les données sont disponibles sur le serveur FTP (ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS_v2-Burned_Severity-Severite_des_feux) mentionné dans la section « Données et ressources » et peuvent être téléchargées à l’aide d’une extension de téléchargement pour navigateur, telle que DownThemAll, ou d’un client FTP externe, tel que FileZilla.**6. Citation pour ce jeu de données**- Guindon L., Correia D., Perbet P. 2026. Canada Landsat Burned Severity (CanLaBS v2): a Canada-wide Landsat-based 30-m resolution product of burned severity since 1985. https:/doi.org/10.23687/2af751e7-79f9-4da8-9b45-14688818dca3**7. Références**- Earth Resources Observation and Science (EROS) Center. 2020a. Landsat 4–5 Thematic Mapper Level-2, Collection 2. Dataset. U.S. Geological Survey. https://doi.org/10.5066/P9IAXOVV- Earth Resources Observation and Science (EROS) Center. 2020b. Landsat 7 Enhanced Thematic Mapper Plus Level-2, Collection 2. Dataset. U.S. Geological Survey. https://doi.org/10.5066/P9C7I13B- Earth Resources Observation and Science (EROS) Center. 2020c. Landsat 8–9 Operational Land Imager / Thermal Infrared Sensor Level-2, Collection 2. Dataset. U.S. Geological Survey. https://doi.org/10.5066/P9OGBGM6- Guindon, L., S. Gauthier, F. Manka, M. A. Parisien, E. Whitman, P. Bernier, A. Beaudoin, P. Villemaire, and R. Skakun. 2021. “Trends in Wildfire Burn Severity across Canada, 1985 to 2015.” Canadian Journal of Forest Research 51 (9): 1230–1244. https://doi.org/10.1139/cjfr-2020-0353- Guindon, L., P. Villemaire, D. L. P. Correia, F. Manka, S. Lacarte, and B. Smiley. 2023. SCANFI: Spatialized CAnadian National Forest Inventory Data Product. Natural Resources Canada, Canadian Forest Service, Laurentian Forestry Centre, Quebec, Canada. https://doi.org/10.23687/18e6a919-53fd-41ce-b4e2-44a9707c52dc- Guindon, L., D. L. P. Correia, F. Manka, and B. Smiley. 2026. SCANFI v2: Spatialized Canadian National Forest Inventory Data Product. Quebec, Canada: Natural Resources Canada, Canadian Forest Service, Laurentian Forestry Centre. https://doi.org/10.23687/07653869-f303-46c2-a04e-9ab479b73cbf- Perbet, P., L. Guindon, D. L. P. Correia, et al. 2025. “Historical Insect Disturbance Maps from 1985 Onwards for Canadian Forests Derived Using Earth Observation Data.” Scientific Data 12: 2012. https://doi.org/10.1038/s41597-025-06269-x- Perbet, P., L. Guindon, D. L. P. Correia, P. Villemaire, O. Reisi Gahrouei, and R. St-Amant. Canada Landsat Disturbance with Pest (CanLaD): A Canada-Wide Landsat-Based 30-m Resolution Product of Fire, Harvest and Pest Outbreak Detection and Attribution since 1987. https://doi.org/10.23687/902801fd-4d9d-4df4-9e95-319e429545cc- Skakun, R., G. Castilla, J. Metsaranta, E. Whitman, S. Rodrigue, J. Little, K. Groenewegen, and M. Coyle. 2022. “Extending the National Burned Area Composite Time Series of Wildfires in Canada.” Remote Sensing 14 (13): 3050.

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 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 2014, l'Alberta Energy Regulator (AER) a lancé un projet pilote de réglementation basée sur le jeu (PBR) comme étape vers la mise en œuvre du cadre réglementaire non conventionnel. L'un des objectifs du projet pilote PBR est d'encourager les entreprises de l'aire de jeux non conventionnelle à travailler ensemble sur des plans d'aménagement de la surface afin de minimiser le nombre d'installations et les impacts de surface. Cet ensemble de données fait partie d'une série créée à l'aide d'images d'observation de la Terre pour évaluer les changements de surface causés par l'exploration énergétique. La zone PBR s'étend du canton 52, Rge. 7, W 5th Mer. au Twp. 70, Rge. 5, W 6th Mer., couvrant les villes d'Edson, Fox Creek, Mayerthorpe, Whitecourt, Swan Hills et Valleyview. Pour cette publication de données numériques, un ensemble de données de classification de l'utilisation des sols et de la couverture du sol a été dérivé à partir de l'imagerie multispectrale Landsat de 2005 pour la zone pilote PBR. La classification comprend 13 classes : 0 - non classée, 1 - terres exposées/blocs découpés/zones récoltées, 2 - plans d'eau, 3 - surfaces nues de transition, 4 - zones aménagées mixtes, 5 - zones aménagées, 6 - hauts-fonds, 7 - terres arbustives, 8 - prairies, 9 - zones agricoles, 10 - forêts de conifères, 11 - forêts de feuillus et 12 - forêts mixtes. Ces catégories peuvent être utilisées comme données de référence pour la planification, la gestion et le suivi des besoins et des impacts des infrastructures de surface.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

En 2014, l'Alberta Energy Regulator (AER) a lancé un projet pilote de réglementation basée sur le jeu (PBR) comme étape vers la mise en œuvre du cadre réglementaire non conventionnel. L'un des objectifs du projet pilote PBR est d'encourager les entreprises de l'aire de jeux non conventionnelle à travailler ensemble sur des plans d'aménagement de la surface afin de minimiser le nombre d'installations et les impacts de surface. Cet ensemble de données fait partie d'une série créée à l'aide d'images d'observation de la Terre pour évaluer les changements de surface causés par l'exploration énergétique. La zone PBR s'étend du canton 52, Rge. 7, W 5th Mer. au Twp. 70, Rge. 5, W 6th Mer., couvrant les villes d'Edson, Fox Creek, Mayerthorpe, Whitecourt, Swan Hills et Valleyview. Pour cette publication de données numériques, un ensemble de données de classification de l'utilisation des sols et de la couverture du sol a été dérivé à partir de l'imagerie multispectrale Landsat de 2005 pour la zone pilote PBR. La classification comprend 13 classes : 0 - non classée, 1 - terres exposées/blocs découpés/zones récoltées, 2 - plans d'eau, 3 - surfaces nues de transition, 4 - zones aménagées mixtes, 5 - zones aménagées, 6 - hauts-fonds, 7 - terres arbustives, 8 - prairies, 9 - zones agricoles, 10 - forêts de conifères, 11 - forêts de feuillus et 12 - forêts mixtes. Ces catégories peuvent être utilisées comme données de référence pour la planification, la gestion et le suivi des besoins et des impacts des infrastructures de surface.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

En 2014, l'Alberta Energy Regulator (AER) a lancé un projet pilote de réglementation basée sur le jeu (PBR) comme étape vers la mise en œuvre du cadre réglementaire non conventionnel. L'un des objectifs du projet pilote PBR est d'encourager les entreprises de l'aire de jeux non conventionnelle à travailler ensemble sur des plans d'aménagement de la surface afin de minimiser le nombre d'installations et les impacts de surface. Cet ensemble de données fait partie d'une série créée à l'aide d'images d'observation de la Terre pour évaluer les changements de surface causés par l'exploration énergétique. La zone PBR s'étend du canton 52, Rge. 7, W 5th Mer. au Twp. 70, Rge. 5, W 6th Mer., couvrant les villes d'Edson, Fox Creek, Mayerthorpe, Whitecourt, Swan Hills et Valleyview. Pour cette publication de données numériques, un ensemble de données de classification de l'utilisation des sols et de la couverture du sol a été dérivé à partir de l'imagerie multispectrale Landsat de 2005 pour la zone pilote PBR. La classification comprend 13 classes : 0 - non classée, 1 - terres exposées/blocs découpés/zones récoltées, 2 - plans d'eau, 3 - surfaces nues de transition, 4 - zones aménagées mixtes, 5 - zones aménagées, 6 - hauts-fonds, 7 - terres arbustives, 8 - prairies, 9 - zones agricoles, 10 - forêts de conifères, 11 - forêts de feuillus et 12 - forêts mixtes. Ces catégories peuvent être utilisées comme données de référence pour la planification, la gestion et le suivi des besoins et des impacts des infrastructures de surface.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**