Ce catalogue présente, à une résolution spatiale de 30 m, les indicateurs annuels de la dynamique de la neige pour chaque hiver de 2018-2019 à 2023-2024, pour tout le Canada. Nous rassemblons toutes les images Landsat et Sentinel-2 acquises au-dessus du Canada et déterminons pour chaque pixel observe à la date de collecte, son état: neige (et glace), sans neige (c.-à-d. sol, eau) ou indéterminé (c.-à-d. nuages, ombres). Nous avons conçu un algorithme pour calculer, pour chaque pixel et pour chaque hiver, des indicateurs de couverture nivale : la date de début de la première (et de la plus grande) période de neige [startF, startB], la date de fin de la dernière (et de la plus grande) période de neige [endL, endB], le nombre total de jours avec couverture de neige (ou durant la plus grande période de neige) [lengthT, lengthB], le nombre de périodes de neige (c.-à-d. des intervalles distincts avec plusieurs observations confirmées de neige) [periods], ainsi qu’une classification de l’état (p. ex., neige continue, sans neige) [status]. Nous n’obtenons pas d’observation claire chaque jour en raison des fréquences orbitales des satellites et de la presence de nuages. Cela signifie que les indicateurs temporels sont déterminés par la date médiane entre deux observations claires, l’incertitude étant quantifiée comme la moitié de la durée de l’intervalle (c.-à-d., ± jours) [startF_u, startB_u, endL_u, endB_u, lengthT_u, lengthB_u].

Des ensembles multimodèles d’épaisseur de la couche de neige 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 d’épaisseur de la couche de neige (m) mensuels, saisonniers et annuels sont accessibles pour la période historique 1900-2005 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.

Localisations de relevés neigeux manuels (actifs et inactifs) dans le cadre du programme BC Snow Survey.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Un relevé de recherche sur le crabe des neiges (Chionoecetes opilio) a été réalisé du 7 au 26 juillet 2019 dans l'estuaire du Saint-Laurent entre Forestville, Baie-Comeau et Matane. L’objectif principal de ce relevé était d’évaluer l’abondance du crabe des neiges et des espèces benthiques associées à l’habitat du crabe des neiges. Seules les données des espèces benthiques associées à l’habitat du crabe des neiges sont présentées dans ce jeu de données.Les données ont été récoltées selon un plan d'échantillonnage à stations fixes constitué de 66 stations, entre 31 et 279 mètres de profondeur. Les spécimens ont été récoltés à l’aide d’un chalut à perche d’une largeur totale de 2.8 mètres et une hauteur totale de 0.76 mètre. Le cul du chalut était doublé avec un filet de maille étirée de 16 millimètres afin de récolter les petits individus. Les traits ont été réalisés à une vitesse visée de 2 nœuds et d'une durée visée de 15 minutes. Les positions début et fin ont été notées pour calculer la distance parcourue à chaque trait à l'aide de la bibliothèque geosphere de R. """La distance moyenne des traits était d’environ 25 m.""" La superficie couverte à chaque trait était le produit de l’ouverture du chalut et de la distance parcourue.Les deux fichiers fournis (format DarwinCore) sont complémentaires et sont reliés par la clé « IDactivité ». Le fichier «Information_activité» comprend les informations génériques de l'activité, notamment la date et la localisation. Le fichier «occurrence_taxon» comprend la taxonomie des espèces observées, identifiées à l’espèce ou au niveau taxonomique le plus bas possible. Pour obtenir l’évaluation de l’abondance et de la biomasse, communiquez avec Cédric Juillet (cedric.juillet@dfo-mpo.gc.ca).Pour les contrôles de qualité, tous les noms taxonomiques ont été vérifiés sur le registre mondial des espèces marines (WoRMS) pour correspondre aux normes reconnues. La correspondance WoRMS a été placée dans le champ « IDnomScientifique » du fichier d'occurrence. Les contrôles de la qualité des données ont été effectués à l'aide des bibliothèques R obistools et worrms. Tous les emplacements d'échantillonnage ont été validés spatialement.

Les données sur l'étendue minimale annuelle de neige et de glace (MNG) de l'Atlas du Canada à l'échelle nationale sont des ensembles de données compilées contenant des données annuelles de 2000 à aujourd'hui. Les ensembles de données sont dérivés d'une recherche publiée par le Centre canadien de télédétection qui se basait sur de l’imagerie satellitaire du Canada et des régions avoisinantes classée selon la présence ou l'absence continue de neige et de glace du 1er avril au 20 septembre de chaque année. Les produits MNG de l'Atlas du Canada consistent en un jeu de données vectorielles et une application d'animation de séries chronologiques matricielles. Jeu de données vectorielles Le jeu de données vectorielles a été généralisé pour être affiché à l'échelle de 1:1 000 000. Application d'animation de séries temporelles L'application d'animation de séries chronologiques n'a pas été généralisée à partir de son échelle originale (250 m pixels). L'application est diffusée par la plateforme Cube de données, mise en place par le Centre canadien de cartographie et d'observation de la Terre de Ressources naturelles Canada, qui utilise des techniques de gestion de données géospatiales massives. Ces technologies permettent la visualisation rapide et efficace de données géospatiales à haute résolution et permettent la génération rapide de produits dérivés dynamiques. La série chronologique est également disponible en tant que service de carte Web (WMS) et service de couverture Web (WCS). ReconnaissanceDonnées sources fournies par Alexander P. Trishchenko, Centre canadien de télédétection, Ressources naturelles Canada. Enregistrement de métadonnées : https://open.canada.ca/data/fr/dataset/808b84a1-6356-4103-a8e9-db46d5c20fcf

Cet ensemble de données contient des renseignements sur deux emplacements des réseaux de surveillance de la neige de l’Ontario : * Centre de contrôle des eaux de surface (CCES) * Réseau Snow Network for Ontario Wildlife (SNOW), administré par la Section de la recherche et de la surveillance en matière de faune Les données sur les parcours de neige sont recueillies par les organismes suivants : * Offices de protection de la nature * Districts du ministère des Richesses naturelles (MRN) * Ontario Power Generation Les données du CCES sont recueillies deux fois par mois, du 15 novembre au 15 mai. Les données du réseau SNOW sont recueillies une fois par semaine à partir de la première chute de neige jusqu’à la fonte des neiges. Le Centre de surveillance des eaux de surface utilise les données pour évaluer : * la couverture de neige actuelle * les conditions de sol gelé * l’accumulation de neige * le potentiel de fonte des neiges * les contributions à l’écoulement fluvial La Direction des sciences de l’environnement et de la recherche du MRN utilise les données pour : * gérer les espèces sauvages, y compris le cerf, l’orignal, le dindon sauvage, le wapiti, le loup et le coyote; * aider les gestionnaires des ressources du Ministère et les scientifiques à administrer les programmes et à mener des recherches; * éclairer les décisions de gestion du gibier, comme les quotas de chasse au cerf de Virginie; * appuyer la planification des vols pour le programme d’inventaire aérien de l’orignal.** Cet élément de métadonnées provenant d’une tierce partie. Les valeurs françaises pour le titre et la description du jeu de données proviennent de la province de l’Ontario alors que celles des mots-clés et des noms des ressources sont le résultat d'une traduction automatique (Amazon Translate) **

Ce catalogue présente, à une résolution spatiale de 30 m, les indicateurs annuels de la dynamique de la neige pour chaque hiver de 2018-2019 à 2023-2024, pour tout le Canada. Nous rassemblons toutes les images Landsat et Sentinel-2 acquises au-dessus du Canada et déterminons pour chaque pixel observe à la date de collecte, son état: neige (et glace), sans neige (c.-à-d. sol, eau) ou indéterminé (c.-à-d. nuages, ombres). Nous avons conçu un algorithme pour calculer, pour chaque pixel et pour chaque hiver, des indicateurs de couverture nivale : la date de début de la première (et de la plus grande) période de neige [startF, startB], la date de fin de la dernière (et de la plus grande) période de neige [endL, endB], le nombre total de jours avec couverture de neige (ou durant la plus grande période de neige) [lengthT, lengthB], le nombre de périodes de neige (c.-à-d. des intervalles distincts avec plusieurs observations confirmées de neige) [periods], ainsi qu’une classification de l’état (p. ex., neige continue, sans neige) [status]. Nous n’obtenons pas d’observation claire chaque jour en raison des fréquences orbitales des satellites et de la presence de nuages. Cela signifie que les indicateurs temporels sont déterminés par la date médiane entre deux observations claires, l’incertitude étant quantifiée comme la moitié de la durée de l’intervalle (c.-à-d., ± jours) [startF_u, startB_u, endL_u, endB_u, lengthT_u, lengthB_u]. **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 catalogue présente, à une résolution spatiale de 30 m, les indicateurs annuels de la dynamique de la neige pour chaque hiver de 2018-2019 à 2023-2024, pour tout le Canada. Nous rassemblons toutes les images Landsat et Sentinel-2 acquises au-dessus du Canada et déterminons pour chaque pixel observe à la date de collecte, son état: neige (et glace), sans neige (c.-à-d. sol, eau) ou indéterminé (c.-à-d. nuages, ombres). Nous avons conçu un algorithme pour calculer, pour chaque pixel et pour chaque hiver, des indicateurs de couverture nivale : la date de début de la première (et de la plus grande) période de neige [startF, startB], la date de fin de la dernière (et de la plus grande) période de neige [endL, endB], le nombre total de jours avec couverture de neige (ou durant la plus grande période de neige) [lengthT, lengthB], le nombre de périodes de neige (c.-à-d. des intervalles distincts avec plusieurs observations confirmées de neige) [periods], ainsi qu’une classification de l’état (p. ex., neige continue, sans neige) [status]. Nous n’obtenons pas d’observation claire chaque jour en raison des fréquences orbitales des satellites et de la presence de nuages. Cela signifie que les indicateurs temporels sont déterminés par la date médiane entre deux observations claires, l’incertitude étant quantifiée comme la moitié de la durée de l’intervalle (c.-à-d., ± jours) [startF_u, startB_u, endL_u, endB_u, lengthT_u, lengthB_u]. **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 catalogue présente, à une résolution spatiale de 30 m, les indicateurs annuels de la dynamique de la neige pour chaque hiver de 2018-2019 à 2023-2024, pour tout le Canada. Nous rassemblons toutes les images Landsat et Sentinel-2 acquises au-dessus du Canada et déterminons pour chaque pixel observe à la date de collecte, son état: neige (et glace), sans neige (c.-à-d. sol, eau) ou indéterminé (c.-à-d. nuages, ombres). Nous avons conçu un algorithme pour calculer, pour chaque pixel et pour chaque hiver, des indicateurs de couverture nivale : la date de début de la première (et de la plus grande) période de neige [startF, startB], la date de fin de la dernière (et de la plus grande) période de neige [endL, endB], le nombre total de jours avec couverture de neige (ou durant la plus grande période de neige) [lengthT, lengthB], le nombre de périodes de neige (c.-à-d. des intervalles distincts avec plusieurs observations confirmées de neige) [periods], ainsi qu’une classification de l’état (p. ex., neige continue, sans neige) [status]. Nous n’obtenons pas d’observation claire chaque jour en raison des fréquences orbitales des satellites et de la presence de nuages. Cela signifie que les indicateurs temporels sont déterminés par la date médiane entre deux observations claires, l’incertitude étant quantifiée comme la moitié de la durée de l’intervalle (c.-à-d., ± jours) [startF_u, startB_u, endL_u, endB_u, lengthT_u, lengthB_u]. **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 catalogue présente, à une résolution spatiale de 30 m, les indicateurs annuels de la dynamique de la neige pour chaque hiver de 2018-2019 à 2023-2024, pour tout le Canada. Nous rassemblons toutes les images Landsat et Sentinel-2 acquises au-dessus du Canada et déterminons pour chaque pixel observe à la date de collecte, son état: neige (et glace), sans neige (c.-à-d. sol, eau) ou indéterminé (c.-à-d. nuages, ombres). Nous avons conçu un algorithme pour calculer, pour chaque pixel et pour chaque hiver, des indicateurs de couverture nivale : la date de début de la première (et de la plus grande) période de neige [startF, startB], la date de fin de la dernière (et de la plus grande) période de neige [endL, endB], le nombre total de jours avec couverture de neige (ou durant la plus grande période de neige) [lengthT, lengthB], le nombre de périodes de neige (c.-à-d. des intervalles distincts avec plusieurs observations confirmées de neige) [periods], ainsi qu’une classification de l’état (p. ex., neige continue, sans neige) [status]. Nous n’obtenons pas d’observation claire chaque jour en raison des fréquences orbitales des satellites et de la presence de nuages. Cela signifie que les indicateurs temporels sont déterminés par la date médiane entre deux observations claires, l’incertitude étant quantifiée comme la moitié de la durée de l’intervalle (c.-à-d., ± jours) [startF_u, startB_u, endL_u, endB_u, lengthT_u, lengthB_u]. **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).**