Densité apparente prévue (g/cm3) à des profondeurs définies (0–5 cm, 5–15 cm, 15–30 cm, 30–60 cm, 60–100 cm). La masse de sol sec par unité de volume en vrac.

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.

Cette couche représente la densité relative des bélugas dans l’estuaire du Saint-Laurent en été basée sur 35 inventaires aériens effectués de 1990 à 2009. La délimitation des zones se fait en intégrant les densités les plus élevées jusqu’à regrouper la proportion de la population voulue par la méthode des kernels (estimation par noyau), afin d’obtenir une distribution de densité lisse et continue.Au sein de Pêches et Océans Canada (MPO), l’approche écosystémique est envisagée comme un outil pour la planification des opérations, la réalisation des projets et la préparation d’avis. En réponse à cette orientation stratégique, le secteur des sciences du MPO s’est engagé à implanter l’approche écosystémique dans ses activités sous la forme d’initiatives de recherche écosystémique (IRÉ) dans chacune des six régions administratives du MPO. Dans la région du Québec, deux projets pilotes ont été mis en place, dont l’un vise à définir et caractériser l’habitat du béluga du Saint-Laurent, Delphinapterus leucas.Sources de données et références:Mosnier, A., R. Larocque, M. Lebeuf, J.-F. Gosselin, S. Dubé, V. Lapointe, V. Lesage, V., H. Bourdages, D. Lefaivre, S. Senneville et C. Chion. 2016. Définition et caractérisation de l'habitat du béluga (Delphinapterus leucas) de l'estuaire du Saint-Laurent selon une approche écosystémique. Secr. can. de consult. sci. du MPO. Doc. de rech. 2016/052. vi + 93 p.MPO. 2016. Initiative de Recherche Écosystémique (IRÉ) : avis intégré sur l’habitat estival du béluga (Delphinapterus leucas) de l’estuaire du Saint-Laurent. Secr. can. de consult. sci. du MPO, Avis sci. 2016/030.

Cette couche représente la densité relative des veaux de bélugas dans l’estuaire du Saint-Laurent en été basée sur 35 inventaires aériens effectués de 1990 à 2009. La délimitation des zones se fait en intégrant les densités les plus élevées jusqu’à regrouper la proportion de la population voulue par la méthode des kernels (estimation par noyau), afin d’obtenir une distribution de densité lisse et continue.Au sein de Pêches et Océans Canada (MPO), l’approche écosystémique est envisagée comme un outil pour la planification des opérations, la réalisation des projets et la préparation d’avis. En réponse à cette orientation stratégique, le secteur des sciences du MPO s’est engagé à implanter l’approche écosystémique dans ses activités sous la forme d’initiatives de recherche écosystémique (IRÉ) dans chacune des six régions administratives du MPO. Dans la région du Québec, deux projets pilotes ont été mis en place, dont l’un vise à définir et caractériser l’habitat du béluga du Saint-Laurent, Delphinapterus leucas.Sources de données et références:Mosnier, A., R. Larocque, M. Lebeuf, J.-F. Gosselin, S. Dubé, V. Lapointe, V. Lesage, V., H. Bourdages, D. Lefaivre, S. Senneville et C. Chion. 2016. Définition et caractérisation de l'habitat du béluga (Delphinapterus leucas) de l'estuaire du Saint-Laurent selon une approche écosystémique. Secr. can. de consult. sci. du MPO. Doc. de rech. 2016/052. vi + 93 p.MPO. 2016. Initiative de Recherche Écosystémique (IRÉ) : avis intégré sur l’habitat estival du béluga (Delphinapterus leucas) de l’estuaire du Saint-Laurent. Secr. can. de consult. sci. du MPO, Avis sci. 2016/030.

L’estimation de la densité par la méthode du noyau utilise des données spatialement explicites pour modéliser la distribution d’une variable d’intérêt. Il s’agit d’une simple fonction de lissage non paramétrique fondée sur la proximité qui repose sur quelques hypothèses quant à la structure des données observées. Elle a été utilisée en écologie pour déterminer des zones névralgiques, c’est-à-dire des zones où la biomasse ou l’abondance sont relativement élevées, et, en 2010, elle a été utilisée par Pêches et Océans Canada pour délimiter les concentrations importantes de coraux et d’éponges. La même approche a été utilisée avec succès dans la zone réglementaire de l’Organisation des pêches de l’Atlantique Nord-Ouest (OPANO). Dans le présent document, nous mettons à jour les analyses précédentes avec les registres des prises représentant jusqu’à cinq années de données supplémentaires tirées des relevés au chalut dans l’Est du Canada, y compris dans le golfe du Saint-Laurent. Nous avons appliqué l’estimation de la densité par la méthode du noyau afin de créer une surface de biomasse modélisée pour chacune des éponges, des petites et grandes gorgones et des pennatules, et appliqué une méthode d’expansion aérienne pour déterminer les concentrations importantes de ces taxons. Nous avons comparé nos résultats avec ceux obtenus antérieurement, et fourni des cartes des concentrations importantes ainsi que des coordonnées de données ponctuelles pour les prises dépassant les valeurs de seuil utilisées pour construire les zones polygones importantes. Les limites des polygones peuvent être affinées à l’aide de la connaissance des captures nulles et des modèles de répartition de la présence ou de l’absence des espèces ou de la biomasse.

Production d’une couche regroupant l’information connue des zones de densité moyenne à élevée d'algues dans la Baie des Chaleurs, l'estuaire et le golfe du Saint-Laurent selon une revue de littérature de documents réalisés entre 1995 et 1999.Information additionnelleLes zones de densité d'algues ont été produites à partir d'une revue de littérature des documents suivants:Mariculture de Percé inc. 1995. Essai d'augmentation de la biomasse du homard "Récifs artificiels", Rapport no 95, Programme d'essai et d'expérimentation halieutiques et aquicoles.Lemieux, C. 1995. Acquisition de connaissances des habitats côtiers dans la région de Rimouski (1995). Rapport du Groupe-Conseil GENIVAR présenté au Ministère des Pêches et des Océans du Canada, Division de la Gestion de l’Habitat du Poisson, 52 pages + 2 annexes.Belzile, L., Lalumière, R., Cloutier, O. et J.F. Martel. 1997. Inventaire des laminaires dans la Baie des Chaleurs entre Miguasha et Bonaventure. Rapport conjoint Groupe-conseil Génivar inc. et Regroupement des pêcheurs professionnels du sud de la Gaspésie pour le compte de Pêches et Océans Canada, Québec. 13 pagesVaillancourt, M.-A. et C. Lafontaine. 1999. Caractérisation de la Baie Mitis. Jardins de Métis et Pêches et Océans Canada. Grand-Métis. 185 p.Calderón, I. 1996. Caractérisation de la végétation et de la faune ichtyenne de la baie de Sept-Îles. Document réalisé par la Corporation de protection de l'environnement de Sept-Îles pour Pêches et Océans Canada. 26p. + 5 annexes.Calderón, I. 1996. Caractérisation des habitats du poisson de la baie de Sept-Îles - Phase II. Corporation de protection de l'environnement de Sept-Îles. 37 pages.

Classe d’entités polygonales contenant la valeur de la densité moyenne de chacun des carrés du quadrillage, en fonction de l’espèce/du groupe et de la saison.

Ces données montrent la densité spatiale des cultures de soja au Canada. Les régions où les densités spatiales calculées sont les plus élevées représentent les régions agricoles du Canada où les cultures de soja sont les plus susceptibles de se trouver. Les résultats sont présentés sous forme de matrices auxquelles s’assortissent des valeurs numériques pour chaque pixel indiquant la densité spatiale calculée pour l’endroit visé. Des valeurs de densité spatiale plus élevées indiquent une probabilité plus élevée de trouver des cultures de soja, selon une analyse des données de l’inventaire annuel des cultures d’AAC de 2009 à 2021.

Ces données montrent la densité spatiale des cultures de tournesol au Canada. Les régions où les densités spatiales calculées sont les plus élevées représentent les régions agricoles du Canada où les cultures de tournesol sont les plus susceptibles de se trouver. Les résultats sont présentés sous forme de matrices auxquelles s’assortissent des valeurs numériques pour chaque pixel indiquant la densité spatiale calculée pour l’endroit visé. Des valeurs de densité spatiale plus élevées indiquent une probabilité plus élevée de trouver des cultures de tournesol selon une analyse des données de l’inventaire annuel des cultures d’AAC de 2009 à 2021.

Ces données montrent la densité spatiale des cultures de seigle au Canada. Les régions où les densités spatiales calculées sont les plus élevées représentent les régions agricoles du Canada où les cultures de seigle sont les plus susceptibles de se trouver. Les résultats sont présentés sous forme de matrices auxquelles s’assortissent des valeurs numériques pour chaque pixel indiquant la densité spatiale calculée pour l’endroit visé. Des valeurs de densité spatiale plus élevées indiquent une probabilité plus élevée de trouver des cultures de seigle selon une analyse des données de l’inventaire annuel des cultures d’AAC de 2009 à 2021.