Des ensembles multimodèles de précipitations moyennes ont été générés pour la période 1901-2100 à partir des projections de 29 modèles climatiques mondiaux de la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). Plus précisément, les 5e, 25e, 50e, 75e et 95e percentiles des ensembles de précipitations moyennes (mm/jour) mensuels, saisonniers et annuels sont accessibles pour la période historique 1901-2005 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 permettrait vraisemblablement d’obtenir de meilleurs résultats en matière de projection des changements climatiques.

Des ensembles multimodèles de températures moyennes (°C) ont été générés pour la période 1901-2100 à partir des projections de 29 modèles climatiques mondiaux de la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). Plus précisément, les 5e, 25e, 50e, 75e et 95e percentiles des ensembles de températures moyennes mensuels, saisonniers et annuels sont accessibles pour la période historique 1901-2005 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 permettrait vraisemblablement d’obtenir de meilleurs résultats en matière de projection des changements climatiques.

Des ensembles multimodèles de concentrations de glace de mer ont été générés pour la période 1900-2100 à partir des projections de 28 modèles climatiques mondiaux de la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). Plus précisément, les 5e, 25e, 50e, 75e et 95e percentiles des ensembles de concentrations de glace de mer mensuels, saisonniers et annuels, exprimées en pourcentage (%) de superficie de cellule de grille, sont accessibles pour la période historique 1901-2005 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 permettrait vraisemblablement d’obtenir de meilleurs résultats en matière de projection des changements climatiques.

Des ensembles multimodèles de changements de température moyenne (°C) projetés (aussi appelés anomalies) ont été générés pour la période 1901-2100 à partir d’un ensemble de 29 modèles climatiques mondiaux de la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). Les changements de température moyenne projetés sont établis par rapport à la période de référence 1986-2005. Les 5e, 25e, 50e, 75e et 95e percentiles des ensembles de changements de température moyenne projetés sont accessibles pour la période historique 1901-2005 et pour les scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5 couvrant la période 2006-2100. Des moyennes sur 20 ans des changements de température moyenne (°C) ont aussi été calculées pour quatre périodes (2021-2040, 2041-2060, 2061-2080 et 2081-2100), à partir des scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5, par rapport à la période de référence 1986-2005. Elles sont accessibles en une variété de formats. La médiane des changements projetés sur l’ensemble des modèles climatiques du CMIP5 est incluse. 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 permettrait vraisemblablement d’obtenir de meilleurs résultats en matière de projection des changements climatiques.

Cet ensemble de données contient les prix du bétail sur le marché manitobain et les volumes vendus dans les centres de vente aux enchères locaux.Description des prix du bétail -source** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Analyse temporelle de changements de Victoria, Colombie-Britannique, à partir des entités GéoIA extraites automatiquement des images satellites acquises dans les décénies 2000, 2010 et 2020. Une simple analyse géospatiale croisant la base de données ouverte sur les immeubles de Statistique Canada, version 3 (BDOI v3), avec les bâtiments multi-dates de GéoIA, permet de détecter les bâtiments observés en 2000, 2010 et 2020. L'ajout de nouveaux bâtiments est un bon indicateur du développement urbain et/ou de l'étalement urbain. En utilisant la même approche, les routes multi-dates de GéoIA permettent de détecter les segments du Réseau Routier national (RRN) de Statistique Canada présents dans les années 2000, 2010 et 2020. Le développement de nouvelles routes est également un indicateur du développement urbain et/ou de l'étalement urbain. En complément, une analyse des changements dans la couverture forestière à partir des ensembles de données GéoIA est effectuée entre les années 2000 et 2020. Cette analyse reflète les gains et les pertes entre ces deux dates.GéoIA offre une couverture temporelle de diverses régions du Canada, offrant ainsi un outil utile pour la détection des changements et l'analyse des tendances à haute résolution. Bien que la série soit encore relativement nouvelle et que les exemples soient pour l'instant limités, RNCan s'efforce d'augmenter progressivement son offre de données GéoIA, tant sur le plan spatial que temporel.Pour plus d'informations sur le GéoIA - Série GéoBase, veuillez consulter le lien suivant: https://ouvert.canada.ca/data/fr/dataset/74738ff5-5367-5958-9aee-98fffdcd1876

L’ensemble de données regroupe les données sur l’abondance du pétoncle géant (Placopecten magellanicus) de taille commerciale (hauteur de coquille ≥ 80 mm) recueillies lors du relevé côtier ciblant le pétoncle mené dans la baie de Fundy de 2011 à 2023. Les données ont été regroupées en catégories représentant différentes plages de hauteur de coquille de 5 mm, et calculées au prorata pour un trait d’une longueur de 800 m et une drague d’une largeur de 17,5 pieds (5,334 m) (c.-à-d. une zone balayée d’une superficie de 4 267 m2). Les pétoncles ont été recueillis à l’aide de dragues non doublées. Chaque ligne représente un trait et contient des renseignements comme la date du trait, le nom de l’expédition, le type d’engin utilisé, les coordonnées géographiques (en degrés décimaux, WGS84) et la zone de production de pétoncles où le trait a été effectué. Les protocoles de relevé sont documentés dans le rapport de Glass (2017). L’ensemble de données contient des données sur les traits effectués lors d’un relevé comparatif mené en 2012 (Smith et al. 2013). Il contient aussi des données tirées de la publication de Hebert et al. (2025).RéférencesGlass, A. 2017. Maritimes Region Inshore Scallop Assessment Survey: Detailed Technical Description. Can. Tech. Rep. Fish. Aquat. Sci. 3231: v + 32 p.Hebert, N, Sameoto, J.A., Keith, D.M., Murphy, O.A., Brown, C.J., Flemming, J. 2025. Interannual variability in the length–weight relationship can disrupt the abundance–biomass correlation of sea scallop (Placopecten magellanicus). ICES. J. Mar. Sci.Smith, S.J., Glass, A., Sameoto. J., Hubley, B., Reeves, A., and Nasmith, L. 2013. Comparative survey between Digby and Miracle drag gear for scallop surveys in the Bay of Fundy. DFO Can. Sci. Advis. Sec. Res. Doc. 2012/161. iv + 20 p.Citer ces données comme suit: Sameoto, J. A. Données de: Données sur l’abondance du pétoncle géant de taille commerciale dans la baie de Fundy. Date de publication: Décembre 2025. Division des sciences de l'écologie des populations, Pêches et Océans Canada, Dartmouth (Nouvelle-Écosse). https://open.canada.ca/data/en/dataset/ecc09d98-56ed-4a27-ad62-5c3714a1d9b4

Le système d’identification automatique (SIA) est un système mondial de suivi des navires par moyen satellite et terrestre qui utilise de l’équipement embarqué pour suivre à distance l’identification des navires et les informations de position. Il est généralement requis sur des navires de plus de 300 tonnes lors d’un voyage international, ou un navire de 500 tonnes n’effectuant pas de voyage international, ainsi que les navires passagers de toutes tailles. Les technologies de suivi SIA sont principalement utilisées pour soutenir la connaissance du domaine maritime en temps réel et pour la sécurité maritime, ainsi que la sécurité de la vie en mer. Ce rapport décrit une analyse du système d’information géographique (SIG) des données SIA de 2019 pour produire des cartes de densité de navires annuelles et mensuelles pour toutes les classes de navires combinées et des cartes de densité annuelle pour chaque classe de navires. L’année 2019 a été choisie pour représenter les densités de navigation dans une représentation avant la pandémie COVID 19 du secteur de transport maritime dans l’Atlantique nord-ouest. Les applications cartographiques de densité des navires peuvent être utilisées dans l’analyse spatiale et à soutenir les décisions concernant la planification spatiale marine.En 2023, le processus a été appliqué aux années 2013 à 2022 et a été rendu disponible en utilisant les mêmes processus que ceux appliqués aux ensembles de données originaux de 2019.

Ce jeu de données fournit des prévisions de niveaux de retour sur 30 ans, 50 ans et 100 ans pour les ports de la Colombie-Britannique d’ici 2050 et 2100 dans le cadre d’un scénario à fortes émissions (SSP585), par rapport au niveau moyen de la mer sur la période 1993-2020. Les niveaux de retour sont une combinaison de l’estimation actuelle des niveaux de mer extrêmes et de la projection de l’élévation du niveau moyen de la mer. Les niveaux de mer extrêmes actuels sont dérivés des niveaux horaires de la mer côtière pour la période de 1993 à 2020, simulés à l’aide d’un modèle à haute résolution de l’océan Pacifique Nord-Est (NEPOM). L’élévation prévue du niveau moyen de la mer est dérivée des données relatives à l’élévation moyenne régionale du niveau de la mer figurant dans le 6e rapport d'évaluation du GIEC (SSP585), ajustées pour tenir compte du mouvement terrestre vertical local.

Description:Les données climatologiques saisonnières sur la salinité de l’océan Pacifique Nord-Est ont été calculées pour couvrir la période de 2001 à 2020. Les observations historiques comprenant toutes les données disponibles de conductivité-température-profondeur (CTD), de bouteilles et de flotteurs profileurs de la World Ocean Database du Centre national de données océanographiques (CNDO), du Marine Environmental Data Service (MEDS), de la section sur les propriétés de l’eau du site Web de l’Institut des sciences de la mer et du Système intégré d’observation des océans du Canada (SIOOC – Pacifique).Méthodes:L’interpolation a été réalisée pour cinquante-deux niveaux verticaux de la surface à 5 000 m. On a réalisé une interpolation spatiale de données par analyse variationnelle (DIVA) pendant toutes les années au cours de chaque saison et les estimations ont été présentées sur une grille cohérente. On a calculé la moyenne des nœuds de la grille pour obtenir les données climatologiques saisonnières. La méthode DIVA a de nouveau été utilisée pour obtenir les données climatologiques définitives, suivie par un filtre médian et un lissage en 5 points. Les mois de printemps étaient définis comme allant d’avril à juin, ceux d’été comme allant de juillet à septembre, ceux d’automne comme allant d’octobre à décembre et ceux d’hiver comme allant de janvier à mars. Les données disponibles ici contiennent des couches matricielles de données climatologiques saisonnières sur la salinité pour la zone économique exclusive (ZEE) canadienne de l’océan Pacifique, un sous-ensemble des données climatologiques saisonnières de l’océan Pacifique Nord-Est, en haute résolution spatiale de 1/300 degré.Sources de données:Données du CNDO, du MEDS, de l’IOS et du SIOOC – Pacifique.Incertitudes :Des incertitudes sont engendrées lorsque les données d’observation qui ont fait l’objet d’un contrôle de la qualité sont interpolées dans l’espace à des distances variables du point d’observation. Les moyennes climatologiques sont calculées à partir de ces valeurs interpolées.