Des ensembles multimodèles pour une série de variables basées sur les projections des modèles climatiques mondiaux (MCM) de la phase 6 du Projet d’intercomparaison des modèles couplés (CMIP6) sont disponibles pour 1850 à 2100 sur une grille mondiale commune de 1 x 1 degré.Les projections climatiques varient entre les MCM en raison des différences dans la représentation et l’approximation des systèmes et des processus terrestres, ainsi que de la variabilité naturelle et de l’incertitude concernant les futurs facteurs climatiques. Ainsi, aucun modèle climatique n’est meilleur que les autres. À la place, l’utilisation des résultats d’un ensemble de modèles (p. ex. en utilisant la moyenne) constitue une pratique exemplaire puisqu’un ensemble tient compte de l’incertitude dans les projections des modèles et offre des projections climatiques plus fiables.Le site Données et scénarios climatiques canadiens (DSCC) offre quatre types de produits basés sur les ensembles multimodèles du CMIP6 : des ensembles de données et des graphiques de séries chronologiques, des cartes et des ensembles de données connexes, des ensembles de données tabulaires et des ensembles de données maillées à l’échelle mondiale. Des ensembles mensuels, saisonniers et annuels sont disponibles pour un maximum de six profils socioéconomiques partagés (SSP) [SSP1 1.9, SSP1 2.6, SSP2 4.5, SSP3 7.0, SSP4 6.0 et SSP5 8. 5], quatre périodes futures (court terme [2021-2040], moyen terme [2041-2060 et 2061-2080], fin du siècle [2081-2100]) et un maximum de cinq percentiles (5e, 25e, 50e [médiane], 75e et 95e) de la distribution de l’ensemble du CMIP6.Le nombre de modèles dans chaque ensemble diffère selon la disponibilité des modèles pour chaque SSP et variable; consultez la liste des modèles pour plus de détails sur les modèles inclus dans chaque ensemble. La majorité des produits indiquent les changements prévus sous forme d’anomalies selon une période de référence historique (1995 à 2014). Les produits fournis comprennent des ensembles de données et des graphiques à l’échelle mondiale, nationale, provinciale et territoriale. Pour de plus amples renseignements sur les ensembles multimodèles du CMIP6, veuillez consulter la documentation technique.

Courbes de niveau d'une équidistance de 1 m dérivées d'un relevé lidar réalisé en 2024.Attributs :ID - Identifiant uniqueSOUSTYPE - Courbe de niveau maîtresse (1) ou secondaire (2)COTE - Valeur d'élévation (m)Le produit Modèle numérique d'élévation de haute résolution (MNEHR) est disponible sur le site Web du Gouvernement ouvert.

Des ensembles multimodèles à échelle statistiquement réduite des températures moyennes ont été générés à une résolution spatiale de 10 km pour la période 1951-2100, à partir des résultats de 24 modèles climatiques mondiaux (MCM) de la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). L’échelle des températures moyennes quotidiennes issues des MCM a été statistiquement réduite par la méthode des analogues avec correction de biais et cartographie des quantiles, version 2 (BCCAQv2). Un ensemble de données historiques interpolées sur les températures moyennes pour le Canada (ANUSPLIN) a servi de cible pour la réduction d’échelle. Les 5e, 25e, 50e, 75e et 95e percentiles des ensembles à échelle statistiquement réduite des températures moyennes (°C) mensuels, saisonniers et annuels sont accessibles pour la période historique 1951-2005 et pour les scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5 couvrant la période 2006-2100. Remarque : Les projections peuvent varier d’un modèle climatique à l’autre en raison des différences dans la façon de représenter les processus du système terrestre. Toutefois, il a été démontré dans la littérature scientifique récente que l’utilisation d’une méthode faisant intervenir des ensembles multimodèles permetttrait vraisemblablement d’obtenir de meilleurs résultats en matière de projection des changements climatiques.

Ce modèle est dérivé de données géologiques, géophysiques et autres. L'extraction des caractéristiques a été réalisée par apprentissage profond. La modélisation prédictive a utilisé la méthode des ensembles profonds. La carte de probabilité pancanadienne du potentiel minéral du graphite est présentée. Cette carte a été générée à partir des gisements et des occurrences de graphite connus et de leurs caractéristiques associées. Les valeurs de probabilité les plus élevées mettent en évidence les zones où la probabilité de systèmes minéraux de graphite est plus élevée.

Les modèles de prospectivité mettent en évidence les régions du Canada présentant le plus grand potentiel pour les gisements de nickel magmatique. Le modèle de prospectivité préféré est basé sur des ensembles de données géologiques, géochimiques et géophysiques publiques qui ont été indexés spatialement à l'aide du système de grille globale discrète H3. Chaque cellule H3 est associée à une valeur de prospectivité, ou probabilité de classe, calculée à partir du modèle de machines d'amplification de gradient le plus performant. Les résultats du modèle sont filtrés pour inclure les 20 % supérieurs des valeurs de prospectivité à des fins de visualisation.

Le modèle numérique de canopée (MNC) est une représentation de l’altitude de la canopée. Cette représentation 3D de la végétation arboricole correspond à la canopée 2D 2015.Au besoin, le MNC peut être couplé avec le [modèle numérique de surface (MNS)](/ville-de-montreal/modele-numerique-de-surface-mns) 2015 afin d'obtenir une couverture plus détaillée.

Les modèles de prospectivité mettent en évidence les régions du Canada présentant le plus grand potentiel pour les gisements de zinc à dominance clastique. Le modèle de prospectivité préféré est basé sur des ensembles de données géologiques, géochimiques et géophysiques publiques qui ont été indexés spatialement à l'aide du système de grille globale discrète H3. Chaque cellule H3 est associée à une valeur de prospectivité, ou probabilité de classe, calculée à partir du modèle de machines d'amplification de gradient le plus performant. Les résultats du modèle sont filtrés pour inclure les 20 % supérieurs des valeurs de prospectivité à des fins de visualisation.

Les modèles de prospective mettent en évidence les régions du Canada présentant le plus grand potentiel degisements de zinc de type Mississippi Valley. Le modèle de prospectivité préféré est basé sur des ensembles de données géologiques, géochimiques et géophysiques publiques qui ont été indexés spatialement à l'aide du système de grille globale discrète H3. Chaque cellule H3 est associée à une valeur de prospectivité, ou probabilité de classe, calculée à partir du modèle de machines d'amplification de gradient le plus performant. Les résultats du modèle sont filtrés pour inclure les 20 % supérieurs des valeurs de prospectivité à des fins de visualisation.

Modèle d'habitat forestier estival, hivernal et hivernal pour le caribou dans les montagnes Itcha, Ilgachuz et Rainbow, dans le centre-ouest de la Colombie-Britannique. Ce modèle d'habitat a été développé à l'aide de la télémétrie des troupeaux d'Itcha-Ilgachuz, de Rainbow et de Charlotte Alplands. Le champ [Saison] doit être utilisé pour répartir les données en modèles distincts d'habitat forestier estival, hivernal alpin et hivernal. Le développement du modèle est décrit en détail dans _Apps, C. D., T. A. Kinley et J. A. Young. 2001. Modélisation multi-échelle de l'habitat du caribou des bois dans les montagnes Itcha, Ilgachuz et Rainbow, dans le centre-ouest de la Colombie-Britannique. Section de la faune, ministère de la Protection de l'eau, des terres et de l'air, Williams Lake, Colombie-Britannique, Canada_. Voir également : https://catalogue.data.gov.bc.ca/dataset/caribou-habitat-model-for-the-western-cariboo-region-2017 -. __Remarque : Le modèle d'habitat de 2017 couvre une zone similaire, mais ne remplace pas le modèle d'habitat de 2001. __** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Une série d'ensembles de données spatiales pertinents ont été compilés pour construire un modèle d'indice du potentiel agricole qui combine plusieurs critères influant sur l'adéquation agricole. Pour plus d'informations sur le modèle d'indice du potentiel agricole, veuillez consulter le lien des métadonnées.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**