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). **

Empreintespour toutes les images provenant de l'imagerie satellite à moyenne résolution du gouvernement du YukonService.Distribué depuis [GeoYukon] (https://yukon.ca/geoyukon) par le [gouvernement du Yukon] (https://yukon.ca/maps). Découvrez d'autres données cartographiques numériques et des cartes interactives issues de la collection de données cartographiques numériques du Yukon.Pourplus d'informations : [geomatics.help@yukon.ca] (mailto : geomatics.help@yukon.ca).

RADARSAT-1, en opération de 1995 à 2013, est le premier satellite canadien d’observation de la terre. Développé et opéré par l’Agence spatiale canadienne (ASC), il a permis de fournir des informations essentielles aux gouvernements, scientifiques et utilisateurs commerciaux.À terme, la mission RADARSAT-1 a généré la plus grande archive de données radars (SAR) du monde. En avril 2019, 36 000 images ont été rendues accessibles à travers le Système de données d'observation de la Terre (eodms-sgdot.nrcan-rncan.gc.ca).Une carte des concentrations d'images traitées a été produite par l'ASC afin de permettant la visualisation de la densité des images disponibles par secteur cartographié durant la mission RADARSAT-1.

La fraction de couverture végétale (FCOVER) correspond à la quantité de surface du sol qui est couverte par la végétation, y compris le sous-étage, lorsqu'elle est vue verticalement (depuis le nadir). La fraction de couverture végétale est un indicateur de l'étendue spatiale de la végétation indépendamment de la classe de couverture terrestre. Il s'agit d'une grandeur sans dimension qui varie de 0 à 1 et, en tant que propriété intrinsèque de la canopée, ne dépend pas des conditions d'observation par satellite. Ce produit est constitué d'une couverture à l'échelle nationale (Canada) de cartes mensuelles de l'indicateur FCOVER pendant une saison de croissance (mai-juin-juillet-août-septembre) à une résolution de 20 m.Références :L. Brown, R. Fernandes, N. Djamai, C. Meier, N. Gobron, H. Morris, C. Canisius, G. Bai, C. Lerebourg, C. Lanconelli, M. Clerici, J. Dash. Validation of baseline and modified Sentinel-2 Level 2 Prototype Processor leaf area index retrievals over the United States IISPRS J. Photogramm. Remote Sens., 175 (2021), pp. 71-87, https://doi.org/10.1016/j.isprsjprs.2021.02.020. https://www.sciencedirect.com/science/article/pii/S0924271621000617Richard Fernandes, Luke Brown, Francis Canisius, Jadu Dash, Liming He, Gang Hong, Lucy Huang, Nhu Quynh Le, Camryn MacDougall, Courtney Meier, Patrick Osei Darko, Hemit Shah, Lynsay Spafford, Lixin Sun, 2023.Validation of Simplified Level 2 Prototype Processor Sentinel-2 fraction of canopy cover, fraction of absorbed photosynthetically active radiation and leaf area index products over North American forests,Remote Sensing of Environment, Volume 293, https://doi.org/10.1016/j.rse.2023.113600.https://www.sciencedirect.com/science/article/pii/S0034425723001517

Les entités des caractéristiques du terrain sont : l'île, le rivage, la zone boisée, le sol saturé, la caractéristique du relief (esker, sable \...) et la ligne de coupe. CanVec est un produit de référence cartographique numérique de Ressources naturelles Canada (RNCan). Il provient des meilleures sources de données disponibles couvrant le territoire canadien, offre des informations topographiques de qualité en format vectoriel et est conforme aux normes géomatiques internationales. CanVec est un produit multisource provenant principalement de la Base nationale de données topographiques (NTDB), du processus de cartographie du Nord mené par le Centre canadien de cartographie et d'observation de la Terre (CCMEO), des données de l'Atlas du Canada, de l'initiative GéoBase et de la mise à jour des données à l'aide de la couverture par imagerie satellite (par exemple Landsat 7, Spot, Radarsat, etc.).Distribué depuis [GeoYukon] (https://yukon.ca/geoyukon) par le [gouvernement du Yukon] (https://yukon.ca/maps). Découvrez d'autres données cartographiques numériques et des cartes interactives issues de la collection de données cartographiques numériques du Yukon.Pour plus d'informations : [geomatics.help@yukon.ca] (mailto : geomatics.help@yukon.ca)

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)