Ces produits sont dérivés d'images RVB (rouge/vert/bleu), une technique de traitement satellitaire qui utilise une combinaison de bandes de capteurs satellitaires (également appelées canaux) et les applique chacune à un filtre rouge/vert/bleu (RVB). Il en résulte une image en fausses couleurs, c'est-à-dire une image qui ne correspond pas à ce que verrait l'œil humain, mais qui offre un contraste élevé entre les différents types de nuages et les caractéristiques de la surface. Le capteur embarqué à bord d'un satellite météorologique obtient deux types d'informations de base : les données de la lumière visible (lumière réfléchie) se reflétant sur les nuages et les différents types de surface, aussi appelée « réflectance », et les données infrarouges (radiation émise) qui sont des radiations à ondes longues et courtes émises par les nuages et les caractéristiques de surface. Les RVB sont spécialement conçus pour combiner ce type de données satellitaires, ce qui permet d'obtenir un produit final riche en informations.Les autres produits résultent d’un rehaussement des données d’un canal pour une longueur d’onde unique, visant aussi à mettre en évidence des caractéristiques météorologiques de la surface ou des nuages observés, mais de manière plus simple puisque ne mettant en jeu qu’une seule longueur d’onde. Cette façon de faire plus ancienne est toujours utile parce que sa simplicité facilite dans certains cas l’interprétation de l’image.

Ces produits sont dérivés d'images RVB (rouge/vert/bleu), une technique de traitement satellitaire qui utilise une combinaison de bandes de capteurs satellitaires (également appelées canaux) et les applique chacune à un filtre rouge/vert/bleu (RVB). Il en résulte une image en fausses couleurs, c'est-à-dire une image qui ne correspond pas à ce que verrait l'œil humain, mais qui offre un contraste élevé entre les différents types de nuages et les caractéristiques de la surface. Le capteur embarqué à bord d'un satellite météorologique obtient deux types d'informations de base : les données de la lumière visible (lumière réfléchie) se reflétant sur les nuages et les différents types de surface, aussi appelée « réflectance », et les données infrarouges (radiation émise) qui sont des radiations à ondes longues et courtes émises par les nuages et les caractéristiques de surface. Les RVB sont spécialement conçus pour combiner ce type de données satellitaires, ce qui permet d'obtenir un produit final riche en informations.Les autres produits résultent d’un rehaussement des données d’un canal pour une longueur d’onde unique, visant aussi à mettre en évidence des caractéristiques météorologiques de la surface ou des nuages observés, mais de manière plus simple puisque ne mettant en jeu qu’une seule longueur d’onde. Cette façon de faire plus ancienne est toujours utile parce que sa simplicité facilite dans certains cas l’interprétation de l’image.

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). **

Localisations des collectivités dans les Territoires du Nord-Ouest avec carte de base d'images satellites** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Collectivités et routes principales des Territoires du Nord-Ouest avec carte de base d'images satellites** 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 est la classification actuelle de la gravité des incendies par année d'incendie pour les grands incendies (supérieurs à 100 ha). La cartographie de la gravité des brûlures est réalisée à l'aide des meilleures images multispectrales satellitaires disponibles avant et après l'incendie, acquises par l'instrument multispectral (MSI) à bord du satellite Sentinel-2 ou par le capteur Operational Land Imager (OLI) à bord des satellites Landsat-8 et 9. Tout est mis en œuvre pour utiliser des images exemptes de nuages, de fumée, d'ombres et de neige acquises avant le 30 septembre. Cependant, à la fin de la saison des incendies, les images acquises après le 30 septembre peuvent être utilisées. Cette couche est considérée comme un produit provisoire pour l'ensemble de données sur la gravité des brûlures un an plus tard (WHSE_FOREST_VEGETATION.VEG_BURN_SEVERITY_SP). La cartographie réalisée au cours de la saison de croissance suivante bénéficie d'une meilleure disponibilité des images après les incendies et devrait être plus représentative de la mortalité des arbres. #### Méthodologie : • Sélectionnez des images appropriées avant et après les incendies ou créez un composite sans nuage/neige/sans fumée à partir de plusieurs scènes d'images • Calculez le ratio de gravité des brûlures (NBR) normalisé pour les images avant et après le feu • Calculez la différence NBR (DNBR) où DnBR = avant et après NBR • Appliquer une équation d'échelle (DNBR_Scaled = DNBr*1000 + 275) /5) • Appliquez des seuils BARC (76, 110, 187) pour créer une classe à 4 image (non brûlée, faible gravité, gravité moyenne et gravité élevée) • Masquez les plans d'eau à l'aide d'une couche d'eau dérivée des satellites • Appliquez des filtres régionaux pour réduire le bruit • Confirmez les résultats de l'analyse de la gravité des brûlures grâce à un contrôle visuel de la qualité • Produisez un jeu de données vectorielles et appliquez le lissage de distance euclidien** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Zones forestières du Canada calculées au moyen de données satellitaires et conformément à la définition de la FAO. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Les zones forestières sont basées sur la définition de l'Organisation des Nations Unies pour l'alimentation et l'agriculture (FAO). La définition de la FAO tient compte de l'utilisation des terres; les arbres éliminés (p. ex. par le feu et la récolte) sont donc considérés comme des forêts puisque les arbres repousseront. La carte montre la couverture forestière actuelle pour une année donnée (c.-à-d. 2022), ainsi que les zones, tracées au moyen de données satellitaires temporelles, où le couvert forestier a été temporairement éliminé en raison de perturbations qui ont pour effet de remplacer les peuplements (c.-à-d. feu, récolte). Pour obtenir un aperçu des méthodes, des données, du traitement des images, ainsi que des informations sur l'évaluation de la précision, veuillez consulter Wulder et coll. (2020).(en anglais seulement). Wulder, M.A., T. Hermosilla, G. Stinson, F.A. Gougeon, J.C. White, D.A. Hill, B.P. Smiley. (2020). Satellite-based time series land cover and change information to map forest area consistent with national and international reporting requirements. Forestry: An International Journal of Forest Research 93(3), 331-34, https://doi.org/10.1093/forestry/cpaa0063 . ( Wulder et al. 2020)

Zones forestières du Canada calculées au moyen de données satellitaires et conformément à la définition de la FAO. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Les zones forestières sont basées sur la définition de l'Organisation des Nations Unies pour l'alimentation et l'agriculture (FAO). La définition de la FAO tient compte de l'utilisation des terres; les arbres éliminés (p. ex. par le feu et la récolte) sont donc considérés comme des forêts puisque les arbres repousseront. La carte montre la couverture forestière actuelle pour une année donnée (c.-à-d. 2022), ainsi que les zones, tracées au moyen de données satellitaires temporelles, où le couvert forestier a été temporairement éliminé en raison de perturbations qui ont pour effet de remplacer les peuplements (c.-à-d. feu, récolte). Pour obtenir un aperçu des méthodes, des données, du traitement des images, ainsi que des informations sur l'évaluation de la précision, veuillez consulter Wulder et coll. (2020).(en anglais seulement). Wulder, M.A., T. Hermosilla, G. Stinson, F.A. Gougeon, J.C. White, D.A. Hill, B.P. Smiley. (2020). Satellite-based time series land cover and change information to map forest area consistent with national and international reporting requirements. Forestry: An International Journal of Forest Research 93(3), 331-34, https://doi.org/10.1093/forestry/cpaa0063 . ( Wulder et al. 2020)

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 ).

La Mosaïque de modèle numérique d’élévation de haute résolution offre une représentation unique et continue des données d’élévation haute résolution disponibles au pays. Le produit Modèle numérique d'élévation de haute résolution (MNEHR) utilisé est dérivé de données LiDAR aéroporté (principalement au sud) et d'images satellitaires au nord. La mosaïque est disponible pour le modèle numérique de terrain (MNT) et le modèle numérique de surface (MNS) à partir de services de cartographie web. Elle fait partie de la Série CanÉlévation créée pour appuyer la Stratégie nationale de données d’élévation mise en oeuvre par RNCan. Cette stratégie vise à accroître la couverture du Canada en données d’élévation de haute résolution et à augmenter l’accessibilité des produits.Contrairement au produit MNEHR de la même série qui est distribué par projet d’acquisition sans intégration entre les projets, la mosaïque est créée dans le but de fournir une représentation unique et continue des données de la stratégie. Les jeux de données les plus récents pour un territoire donné sont utilisés pour générer la mosaïque. Cette mosaïque est diffusée grâce à la Plateforme de cube de données, mis en place par RNCan et qui utilise des technologies de gestion de mégadonnées géospatiales. Ces technologies permettent une visualisation rapide et efficace de données géospatiales à haute résolution et permettent de générer rapidement des produits dérivés dynamiquement. La mosaïque est disponible à partir de services web cartographiques Web Map Services (WMS), Web Map Coverage (WCS) et collections SpatioTemporal Asset Catalog (STAC). Les données accessibles comprennent le modèle numérique de terrain (MNT), le modèle numérique de surface (MNS) ainsi que des produits dérivés tels que le relief ombragé et la pente.La mosaïque est référencée au Système canadien de référence altimétrique de 2013 (CGVD2013) qui est le standard de référence pour les altitudes orthométriques à travers le Canada.Les données sources du produit MNEHR ayant servi à créer la mosaïque sont acquises par des projets multiples de différents partenaires.La collaboration est un facteur clé dans le succès de la Stratégie nationale d'élévation. Référez-vous à la section « Document de soutien » pour accéder à la liste des différents partenaires incluant des liens à leurs données respectives.