Ampleur des changements dans les feux de forêt de 1985 à 2022 Ampleur du changement spectral pour les feux de forêt qui se sont produits de 1985 à 2022. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. La valeur de l'ampleur du changement est exprimée par la différence normalisée du ratio de brûlage (dNBR), qui est calculée comme la variation entre les valeurs spectrales avant et après le feu à l'origine du changement. Plus la dNBR est élevée, plus le feu a été intense. En effet, des séries chronologiques de données Landsat à résolution spatiale de 30 m ont permis de caractériser les tendances nationales des perturbations de renouvellement de peuplement causées par les feux de forêt de 1985 à 2022 sur les 650 millions d'hectares d'écosystèmes forestiers du Canada. Si vous utilisez ces données, veuillez les citer 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).Voir les références ci'dessous pour un aperçu des données, du traitement des images et des méthodes de détection des changements dans les séries chronologiques utilisées, ainsi que pour des renseignements sur l'évaluation indépendante de l'exactitude des données. Hermosilla, T., Wulder, M. A., White, J. C., Coops, N.C., Hobart, G.W., 2015. An integrated Landsat time series protocol for change detection and generation of annual gap-free surface reflectance composites. Remote Sensing of Environment 158, 220-234 (Hermosilla et al. 2015a).Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Hobart, G.W., 2015. Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment 170, 121-132 ( Hermosilla et al. 2015b).Hermosilla, T., M.A. Wulder, J.C. White, N.C. Coops, G. W. Hobart, (2017). Updating Landsat time series of surface-reflectance composites and forest change products with new observations. International Journal of Applied Earth Observation and Geoinformation. 63,104-111.. (Hermosilla et al. 2017).

Changements causés par les récolte forestière de 1985 à 2022, avec indication de l'année où le plus de perturbations dues aux récolte forestière ont été détectées. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Les informations recueillies représentent 38 années de récolte forestière au Canada et sont calculées de manière entièrement automatisée à partir d'une source unique de données spatiales explicites recueillies de façon constante. En effet, des séries chronologiques de données Landsat à résolution spatiale de 30 m ont permis de caractériser les tendances nationales des perturbations de renouvellement de peuplement causées par les récolte forestière de 1985 à 2022 sur les 650 millions d'hectares d'écosystèmes forestiers du Canada.Si vous utilisez ces données, prière d'en citer 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. https://doi.org/10.1080/17538947.2016.1187673 ( Hermosilla et al. 2016).Voir les références ci-dessous pour un aperçu du traitement des données, du calcul des mesures, de la détermination des causes des changements et des méthodes de détection des changements dans les séries chronologiques, ainsi que pour des renseignements sur l'évaluation indépendante de l'exactitude des données. Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2015. An integrated Landsat time series protocol for change detection and generation of annual gap-free surface reflectance composites. Remote Sensing of Environment 158, 220-234. https://doi.org/10.1016/j.rse.2014.11.005 ( Hermosilla et al. 2015a).Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2015. Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment 170, 121-132. https://doi.org/10.1016/j.rse.2015.09.004 ( Hermosilla et al. 2015b).Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2017. Updating Landsat time series of surface-reflectance composites and forest change products with new observations. International Journal of Applied Earth Observation and Geoinformation. 63, 104-111. https://doi.org/10.1016/j.jag.2017.07.013 (Hermosilla et al. 2017).

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.

TA_CROWN_INCLUSIONS_SVW contient la représentation spatiale (polygone) des inclusions de terres publiques actives et appliquées. Les inclusions sont un mécanisme par lequel un titulaire d'intérêts peut étendre pour inclure ses avoirs sur la base des dispositions légales des lois sur les titres fonciers et fonciers. La vue a été créée pour fournir une présentation simplifiée de ce type de tenure unique à partir des informations de disposition du système opérationnel Tantalis. Le même contenu pourrait être dérivé du TA_CROWN_TENURES_SVW en filtrant uniquement sur ce type de tenure** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Changements causés par les feux de forêt de 1985-2022, avec indication de l'année où le plus de perturbations dues aux feux de forêt ont été détectées. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Les informations recueillies représentent 38 années de feux de forêt au Canada et sont calculées de manière entièrement automatisée à partir d'une source unique de données spatiales explicites recueillies de façon constante. En effet, des séries chronologiques de données Landsat à résolution spatiale de 30 m ont permis de caractériser les tendances nationales des perturbations de renouvellement de peuplement causées par les feux de forêt de 1985 à 2022 sur les 650 millions d'hectares d'écosystèmes forestiers du Canada. Si vous utilisez ces données, prière d'en citer 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. https://doi.org/10.1080/17538947.2016.1187673 (Hermosilla et al. 2016).Voir les références ci-dessous pour un aperçu du traitement des données, du calcul des mesures, de la détermination des causes des changements et des méthodes de détection des changements dans les séries chronologiques, ainsi que pour des renseignements sur l'évaluation indépendante de l'exactitude des données.Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2015. An integrated Landsat time series protocol for change detection and generation of annual gap-free surface reflectance composites. Remote Sensing of Environment 158, 220-234. https://doi.org/10.1016/j.rse.2014.11.005 (Hermosilla et al. 2015a).Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2015. Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment 170, 121-132. https://doi.org/10.1016/j.rse.2015.09.004. (Hermosilla et al. 2015b).Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2017. Updating Landsat time series of surface-reflectance composites and forest change products with new observations. International Journal of Applied Earth Observation and Geoinformation. 63, 104-111. https://doi.org/10.1016/j.jag.2017.07.013 (Hermosilla et al. 2017).

Installations qui séparent et transforment le pétrole brut ou d'autres matières premières en produits pétroliers liquides, y compris les usines de valorisation et les raffineries d'asphalte.Ressources cartographiques mises en oeuvre dans le cadre de la Coopération nord-américaine en matière d'information sur l'énergie (CNAIE) entre le département de l’Énergie des États‑Unis d’Amérique, le ministère des Ressources naturelles du Canada et le ministère de l’Énergie des États‑Unis du Mexique.Les agences et institutions participantes ne peuvent être tenues responsable de l'utilisation inappropriée ou incorrecte des données décrites et /ou contenues dans les présentes. Ces données n'ont pas de teneurs légales et ne sont pas destinées à être utilisées en tant que tels. L'information contenue dans ces données est dynamique et peut changer au fil du temps et peut différer d'autres informations officielles. Les agences et institutions participantes ne donnent aucune garantie, expresse ou implicite, quant à l'exactitude, la fiabilité, ou l'exhaustivité de ces données.

Bioterrain (TBT) contient des polygones dotés d'attributs clés et d'attributs fusionnés (concaténés) dérivés des attributs standard du RISC (Resource Inventory Standards Committee). Le TBT divise le paysage en unités à l'aide du système de classification du terrain de la Colombie-Britannique et de critères écologiques. Les attributs des polygones incluent (sans toutefois s'y limiter) les matériaux de surface, l'expression de la surface, les processus géomorphologiques, la classe de drainage et l'aspect. Les méthodes TBT comprennent l'interprétation manuelle de photos aériennes appuyée par une vérification sélective sur le terrain. La cartographie du bioterrain fait partie intégrante de la cartographie des écosystèmes et de ses produits dérivés. Cette couche est dérivée de la couche STE_TEI_ATTRIBUTE_POLYS_SP en filtrant sur l'attribut PROJECT_TYPE. Les types de projets incluent : TEM, TEMNSS, TEMPRE, TEMSEI, TEMSET, TEMTSM, TBS, TBT, TEMWHR, TEMSDM, TEMPRW et TEMSEW. Version actuelle : v11 (publiée le 03/10/2024) Versions précédentes : v10 (publiée le 14/11/2020), v9 (publiée le 01/05/2021), v8 (publiée le 01/09/2016)** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

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.

État des glaces des rivières des trois derniers jours dans certaines régions canadiennes qui ont été désignées pour observation, surveillés par Ressources naturelles Canada à l'aide d'images satellites pour les interventions d'urgence. La couverture n'est pas exhaustive à l'échelle nationale.Afin de réduire le risque posé par les inondations causées par des embâcles de glace de rivière, les services de géomatique d’urgence (SGU) de Ressources naturelles Canada peuvent être activés par les protocoles de gestion des urgences du Canada. Lorsque de nouvelles images satellites deviennent accessibles, RNCan fait l’analyse de l’état des glaces de rivières et met à jour cette couche en temps quasi réel (4 heures). Cet item est composé des produits de cartographies des glaces de rivière générés depuis les trois derniers jours. Pour toute donnée antérieure à 72 heures, veuillez-vous référer à l’entrée du catalogue intitulée: [Glace de rivière au Canada - Année courante]( https://ouvert.canada.ca/data/fr/dataset/8ca6f047-ddef-43d7-81c2-47654f4c69bd)Le produit d’état des glaces de rivières est validé au meilleur des informations accessibles. Divers facteurs peuvent affecter les résultats de classification de rugosité de la glace de rivière. Ces facteurs incluent, sans s'y limiter, les conditions environnementales au moment de l’acquisition, la résolution de l'image ou les limites de la méthodologie utilisée. Pour visualiser un produit spécifique dans les services Web, filtrer les données par date (Date UTC) et zone d'intérêt (AOI). Un lien pour télécharger directement chacun des produits du SGU est disponible dans la section Ressources.Avis de non-responsabilité : Les autorités d’intervention d’urgence sont les principaux utilisateurs des produits cartographiques d'état des glaces de rivières, générées à partir de données satellitaires. Ces produits sont créés pour rendre compte de la situation, permettre de l’analyser et faciliter le processus décisionnel pour les interventions d’urgence lors d’inondations importantes. Les produits sont générés rapidement, ce qui laisse peu de temps pour leur édition et leur validation. Ils montrent la rugosité de surface de la glace de rivière à la date et à l’heure de l’acquisition des images. Bien que tout soit fait pour en garantir la qualité, ces produits en temps quasi réel peuvent contenir des erreurs. Limitation de responsabilité : En conséquence, les renseignements présentés sur ce site Web sont fournis tels quels, ainsi Ressources naturelles Canada ne fait aucune déclaration et ne donne aucune garantie découlant de la loi ou d’une autre source, ni implicitement ni explicitement, notamment quant à leur efficacité, leur intégralité, leur exactitude ou leur justesse pour une fin particulière. Ressources naturelles Canada ne sera pas responsable des dommages ou des pertes subis à la suite de l’utilisation des renseignements présentés par ce site Web. En aucun cas, Ressources naturelles Canada ne pourra être tenu responsable relativement aux conséquences directes, indirectes, spéciales ou accessoires ou à d’autres dommages découlant de l’usage de ce site Web ou de tout autre site Web auquel il est lié, y compris, mais sans s’y limiter, toute perte de profits ou de revenus ou toute interruption d’activités commerciales.Ensemble apparenté:- **[État des glaces de rivière au Canada - collections de produits cartographiques](https://ouvert.canada.ca/data/fr/dataset/d1fcb44f-5f86-4957-bdb4-e6fd1aa69283)**

L'ensemble de données comprend deux produits de données dérivés de l'imageur Visible Infrared Imaging Radiometer Suite (VIIRS) exploité par la National Oceanic and Atmospheric Administration (NOAA) des États-Unis à bord du satellite Suomi National Polar-Orbiting Partnership (SNPP):1) Indice de végétation par différence normalisée (IVDN)2) Masque de neige (Neige) avec des informations supplémentaires sur la qualité des données et l'identification de la scèneChaque produit, IVDN et Neige, a été dérivé à deux résolutions spatiales:1) Résolution en bande I pour une grille spatiale de 250 m (bandes d'image I1 et I2 du VIIRS)2) Résolution en bande M pour une grille spatiale de 500 m (bandes de résolution moyenne du VIIRS M5 et M7)Les jeux de données sont produits avec une fréquence temporelle quotidienne, soit un fichier par jour. La zone d'étude d'une taille de 5 700 km × 4 800 km couvre le Canada et les régions voisines (Trishchenko, 2019). Les séries chronologiques VIIRS sont produites à partir des images VIIRS/SNPP au CCT depuis le 1er janvier 2017.