Sites de limnologie hivernale (teneur moyenne en oxygène) dans la région de Cariboo** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Le régime des feux désigne les patrons de saisonnalité, de fréquence, d’étendue, de continuité spatiale, d’intensité, de type (p. ex., feu de cime ou de surface) et de gravité des feux dans une région ou un écosystème donné.Le nombre de grands feux est la somme annuelle du nombre de feux de plus de 200 hectares (ha) survenant par unité de 100 000 ha. Celui-ci a été calculé à l’aide de zones homogènes de régime (ZHR) des feux. Ces zones ZHR représentent des régions où le régime de feux est similaire sur une vaste échelle spatiale (Boulanger et al. 2014). Cette zonation permet de reconnaître les régions où les régimes des feux ont été inhabituels. Ces régimes inhabituels passent souvent inaperçus lorsque les feux sont regroupés en fonction de classifications administratives ou écologiques.Les données sur les feux proviennent de la Base nationale de données sur les feux de forêt du Canada couvrant 1959-1999 (pour l’établissement des ZHR) et 1959-1995 (pour l’établissement du modèle). La modélisation Régression multivariée par spline adaptative (en anglais MARS pour « Multivariate adaptive regression splines ») a été utilisée pour relier les attributs mensuels du régime des feux avec les variables mensuelles climatiques/feu-météo pour chaque ZHR. Les données projetées ont été simulées au moyen du modèle canadien du système terrestre, version 2 (Canadian Earth System Model version 2 [CanESM2]), et leur échelle a été réduite au moyen d’ANUSPLIN pour deux profils représentatifs d’évolution de concentration (“Representative Concentration Pathways” ou RCP). Ces RCP découlent de quatre scénarios relatifs à l’évolution de la concentration en gaz à effet de serre établis par le Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) dans son cinquième rapport d'évaluation. Le RCP 2.6 (appelé réduction rapide des émissions) suppose que les gaz à effet de serre atteindront leur concentration maximale au cours de la période 2010-2020 avant d’entamer leur déclin. Selon le scénario RCP 8.5 (appelé augmentation continue des émissions), la concentration en gaz à effet de serre continuera de croître tout au long du 21e siècle.Couche de données fournie : le nombre de grands feux (>200 ha) projeté à long terme (2071-2100) selon le RCP 2.6 (réduction rapide des émissions) au Canada.Référence : Boulanger, Y., Gauthier, S., et coll. 2014. A refinement of models projecting future Canadian fire regimes using homogeneous fire regime zones. Revue canadienne de recherche forestière 44, 365-376.

Le régime des feux désigne les patrons de saisonnalité, de fréquence, d’étendue, de continuité spatiale, d’intensité, de type (p. ex., feu de cime ou de surface) et de gravité des feux dans une région ou un écosystème donné.Le nombre de grands feux est la somme annuelle du nombre de feux de plus de 200 hectares (ha) survenant par unité de 100 000 ha. Celui-ci a été calculé à l’aide de zones homogènes de régime (ZHR) des feux. Ces zones ZHR représentent des régions où le régime de feux est similaire sur une vaste échelle spatiale (Boulanger et al. 2014). Cette zonation permet de reconnaître les régions où les régimes des feux ont été inhabituels. Ces régimes inhabituels passent souvent inaperçus lorsque les feux sont regroupés en fonction de classifications administratives ou écologiques.Les données sur les feux proviennent de la Base nationale de données sur les feux de forêt du Canada couvrant 1959-1999 (pour l’établissement des ZHR) et 1959-1995 (pour l’établissement du modèle). La modélisation Régression multivariée par spline adaptative (en anglais MARS pour « Multivariate adaptive regression splines ») a été utilisée pour relier les attributs mensuels du régime des feux avec les variables mensuelles climatiques/feu-météo pour chaque ZHR. Les données projetées ont été simulées au moyen du modèle canadien du système terrestre, version 2 (Canadian Earth System Model version 2 [CanESM2]), et leur échelle a été réduite au moyen d’ANUSPLIN pour deux profils représentatifs d’évolution de concentration (“Representative Concentration Pathways” ou RCP). Ces RCP découlent de quatre scénarios relatifs à l’évolution de la concentration en gaz à effet de serre établis par le Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) dans son cinquième rapport d'évaluation. Le RCP 2.6 (appelé réduction rapide des émissions) suppose que les gaz à effet de serre atteindront leur concentration maximale au cours de la période 2010-2020 avant d’entamer leur déclin. Selon le scénario RCP 8.5 (appelé augmentation continue des émissions), la concentration en gaz à effet de serre continuera de croître tout au long du 21e siècle. Couche de données fournie : le nombre de grands feux (>200 ha) projeté à long terme (2071-2100) selon le RCP 8.5 (augmentation continue des émissions) au Canada.Référence : Boulanger, Y., Gauthier, S., et coll. 2014. A refinement of models projecting future Canadian fire regimes using homogeneous fire regime zones. Revue canadienne de recherche forestière 44, 365-376.

Le régime des feux désigne les patrons de saisonnalité, de fréquence, d’étendue, de continuité spatiale, d’intensité, de type (p. ex., feu de cime ou de surface) et de gravité des feux dans une région ou un écosystème donné.Le nombre de grands feux est la somme annuelle du nombre de feux de plus de 200 hectares (ha) survenant par unité de 100 000 ha. Celui-ci a été calculé à l’aide de zones homogènes de régime (ZHR) des feux. Ces zones ZHR représentent des régions où le régime de feux est similaire sur une vaste échelle spatiale (Boulanger et al. 2014). Cette zonation permet de reconnaître les régions où les régimes des feux ont été inhabituels. Ces régimes inhabituels passent souvent inaperçus lorsque les feux sont regroupés en fonction de classifications administratives ou écologiques.Les données sur les feux proviennent de la Base nationale de données sur les feux de forêt du Canada couvrant 1959-1999 (pour l’établissement des ZHR) et 1959-1995 (pour l’établissement du modèle). La modélisation Régression multivariée par spline adaptative (en anglais MARS pour « Multivariate adaptive regression splines ») a été utilisée pour relier les attributs mensuels du régime des feux avec les variables mensuelles climatiques/feu-météo pour chaque ZHR. Les données projetées ont été simulées au moyen du modèle canadien du système terrestre, version 2 (Canadian Earth System Model version 2 [CanESM2]), et leur échelle a été réduite au moyen d’ANUSPLIN pour deux profils représentatifs d’évolution de concentration (“Representative Concentration Pathways” ou RCP). Ces RCP découlent de quatre scénarios relatifs à l’évolution de la concentration en gaz à effet de serre établis par le Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) dans son cinquième rapport d'évaluation. Le RCP 2.6 (appelé réduction rapide des émissions) suppose que les gaz à effet de serre atteindront leur concentration maximale au cours de la période 2010-2020 avant d’entamer leur déclin. Selon le scénario RCP 8.5 (appelé augmentation continue des émissions), la concentration en gaz à effet de serre continuera de croître tout au long du 21e siècle. Couche de données fournie : le nombre de grands feux (>200 ha) projeté à court terme (2011-2040) selon le RCP 8.5 (augmentation continue des émissions) au Canada.  Référence : Boulanger, Y., Gauthier, S., et coll. 2014. A refinement of models projecting future Canadian fire regimes using homogeneous fire regime zones. Revue canadienne de recherche forestière 44, 365-376.

Le régime des feux désigne les patrons de saisonnalité, de fréquence, d’étendue, de continuité spatiale, d’intensité, de type (p. ex., feu de cime ou de surface) et de gravité des feux dans une région ou un écosystème donné.Le nombre de grands feux est la somme annuelle du nombre de feux de plus de 200 hectares (ha) survenant par unité de 100 000 ha. Celui-ci a été calculé à l’aide de zones homogènes de régime (ZHR) des feux. Ces zones ZHR représentent des régions où le régime de feux est similaire sur une vaste échelle spatiale (Boulanger et al. 2014). Cette zonation permet de reconnaître les régions où les régimes des feux ont été inhabituels. Ces régimes inhabituels passent souvent inaperçus lorsque les feux sont regroupés en fonction de classifications administratives ou écologiques.Les données sur les feux proviennent de la Base nationale de données sur les feux de forêt du Canada couvrant 1959-1999 (pour l’établissement des ZHR) et 1959-1995 (pour l’établissement du modèle). La modélisation Régression multivariée par spline adaptative (en anglais MARS pour « Multivariate adaptive regression splines ») a été utilisée pour relier les attributs mensuels du régime des feux avec les variables mensuelles climatiques/feu-météo pour chaque ZHR. Les données projetées ont été simulées au moyen du modèle canadien du système terrestre, version 2 (Canadian Earth System Model version 2 [CanESM2]), et leur échelle a été réduite au moyen d’ANUSPLIN pour deux profils représentatifs d’évolution de concentration (“Representative Concentration Pathways” ou RCP). Ces RCP découlent de quatre scénarios relatifs à l’évolution de la concentration en gaz à effet de serre établis par le Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) dans son cinquième rapport d'évaluation. Le RCP 2.6 (appelé réduction rapide des émissions) suppose que les gaz à effet de serre atteindront leur concentration maximale au cours de la période 2010-2020 avant d’entamer leur déclin. Selon le scénario RCP 8.5 (appelé augmentation continue des émissions), la concentration en gaz à effet de serre continuera de croître tout au long du 21e siècle. Couche de données fournie : le nombre de grands feux (>200 ha) projeté à moyen terme (2041-2070) selon le RCP 8.5 (augmentation continue des émissions) au Canada. Référence : Boulanger, Y., Gauthier, S., et coll. 2014. A refinement of models projecting future Canadian fire regimes using homogeneous fire regime zones. Revue canadienne de recherche forestière 44, 365-376.

Données modélisées montrant la distribution probable des otaries de Steller. Le CRIMS est un ancien ensemble de données sur les ressources côtières de la Colombie-Britannique qui a été acquis de manière systématique et synoptique à partir de 1979 et qui a été mis à jour par intermittence au fil des ans. L'information sur les ressources a été collectée dans neuf zones d'étude par le biais d'un comité provincial des normes d'information sur les ressources évalué par des pairs, composé d'agents des pêches du MPO, des Premières nations et d'autres experts en la matière. Il n'est actuellement pas prévu de mettre à jour ces anciennes données.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Les zones de protection marine doivent faire l’objet d’un suivi complet pour garantir la réalisation de leurs objectifs. Toutefois, le suivi des écosystèmes naturels à grande échelle est compliqué par la biodiversité qu’il vise à mesurer. Le métacodage à barres de l’ADN environnemental (ADNe) est une solution prometteuse pour relever ce défi de surveillance. Nous avons procédé à un échantillonnage jumelé sur 54 sites pour les assemblages de poissons et d’invertébrés dans l’Atlantique nord-ouest en utilisant des chaluts à poissons de fond et un métacodage à barres de l’ADNe de l’eau de mer benthique en utilisant quatre marqueurs génétiques (ARNr 12S, ARNr 16S, ARNr 18S, et CO1). Par rapport au chalutage, l’ADNe a permis de détecter des schémas similaires de renouvellement des espèces, des estimations plus importantes de la diversité gamma et des estimations plus faibles de la diversité alpha. Au total, 63,6 % (42/66) des espèces de poissons capturées par chalutage ont été détectées par l’ADNe, ainsi que 26 espèces supplémentaires. Sur les 24 détections manquées par l’ADNe, 12 étaient inévitables, car elles manquaient de séquences de référence. Si l’on exclut les taxons classés à un niveau supérieur à celui de l’espèce et ceux qui n’ont pas de nom d’espèce, 23,6 % (17/72) des espèces d’invertébrés capturées par le chalutage ont été détectées par CO1, qui a détecté 98 espèces supplémentaires. Nous démontrons que l’ADNe est capable de détecter des schémas d’assemblage de communautés et de renouvellement des espèces dans un environnement extracôtier en soulignant son fort potentiel en tant qu’outil non invasif, complet et évolutif pour la surveillance de la biodiversité qui soutient les programmes de conservation marine.Citer ces données comme suit: Jeffery, N., Rubidge, E., Abbott, C., Westfall, K., Stanley, R. (2024).Données de Le métacodage à barres de l’ADNe enrichit les données des relevés au chalut traditionnels pour le suivi de la biodiversité dans l’environnement marin. Date de publication Août 2024. Division de la science des écosystèmes côtiers, Pêches et Océans Canada, Dartmouth, (N-É).https://open.canada.ca/data/en/dataset/43a91ba7-8025-4330-88db-db14022d729d

Description:Unités biophysiques:Dans le Système de classification écologique marine du Pacifique (PMECS; DFO 2016; Rubidge et al. 2016), les unités biophysiques sont des zones de conditions et de processus physiographiques et océanographiques distincts qui forment la composition des espèces dans des étendues spatiales de milliers de kilomètres. Unités géomorphologiques:Les unités géomorphologiques, ou géozones, sont des structures géomorphologiques discrètes à une échelle de centaine de kilomètres qui sont présumées contenir des assemblages biologiques distincts (ex. plateaux, dorsales, monts, canyons). Alors que l’échelle spatiale des unités géomorphologiques s’inscrit dans les unités biophysiques, une seule unité géomorphologique, par exemple une dépression, peut regrouper plus d’une unité biophysique. Les cinq couches suivantes sont comprises dans cette géodatabase:Unités_Biophysiques_L4A – Extrant prévu d’unités biophysiques (niveau 4A) du SCEMP à partir de l’analyse en forêt aléatoireUnités_ Biophysiques_L4B – Extrant prévu d’unités biophysiques (niveau 4B) du SCEMP à partir de l’analyse en forêt aléatoireUnités_Biophysiques_AttribProb_L4AB – Couche montrant la probabilité qu’une cellule de grille a été assignée à une unité biophysique donnée à la dernière étape de modélisation prédictive en forêt aléatoireCluster_L4AB – Couche montrant l’extrant de l’analyse du groupement de l’assemblage d’espècesUnités morphologiques – Geomorphic units for the BC coast that combines geomorphic units produced by Rubidge et al. 2016) and Proudfoot and Robb (2022).Méthodes :Unités biophysiques:Rubidge et al. (2016) ont utilisé un processus en deux étapes pour identifier les unités biophysiques en Colombie-Britannique. Une analyse de groupement fondée sur la similarité de la composition des espèces a d’abord été utilisée pour regrouper les sites d’espèces similaires en assemblages biologiques distincts. Ensuite, une analyse en forêt aléatoire a servi à identifier les corrélats environnementaux des assemblages biologiques identifiés au moyen de l’analyse par groupement et à prédire et à attribuer l’assemblage biologique présent dans les zones où il y a trop peu de données biologiques. Deux seuils de similarité ont été utilisés pour identifier deux niveaux (4A, 4B) d’unités biophysiques; consulter Rubidge et al. (2016) pour obtenir des détails. Les espèces indicatrices pour chaque assemblage (unité biophysique) ont aussi été identifiées.Unités géomorphologiques:Rubidge et al. (2016) ont utilisé l’outil de modélisation de terrain benthique (BTM) et des paramètres d’indice de position benthique (BPI) à grande et à petite échelles pour définir des unités géomorphologiques sur le plateau continental dans la biorégion du plateau continental du Nord, ainsi que sur le talus continental dans les biorégions des plateaux du Nord et du Sud. En 2022, des unités géomorphologiques ont été produites pour les biorégions du détroit de Georgia et du plateau Sud en appliquant les mêmes méthodes que Rubidge et al. (2016) (Proudfoot et Robb 2022). Les unités géomorphologiques produites dans le cadre du processus du Système de classification écologique marine du Pacifique ont été fusionnées avec les unités géomorphologiques produites pour les biorégions du détroit de Georgia et du plateau Sud afin de générer un produit de données spatiales continues représentant les unités géomorphologiques du plateau continental et du talus continental du Pacifique canadien. Après la fusion, les unités géomorphologiques produites en 2016 sont demeurées inchangées (c.-à-d. qu’elles sont conformes aux unités géomorphologiques initialement décrites dans Rubidge et al. 2016).Sources de données :Tiré de Rubidge et al. 2016 : Les données sur les espèces ont été tirées des relevés de recherche normalisés indépendants des pêches de Pêches et Océans Canada (MPO) : poissons de fond au chalut et à la palangre (2003-2013), crabe de Tanner au chalut et au casier (2000-2006) et crabe dormeur au casier (2000-2014). Les données environnementales proviennent de la NASA, du Service hydrographique du Canada, de Pêches et Océans Canada, de Bio-ORACLE et d’ailleurs (détails dans Rubidge et al. 2016). Tiré de Proudfoot et Robb (2022) : Les données de bathymétrie provenaient de Ressources naturelles Canada (détails dans Proudfoot et Robb 2022).Incertitudes :Les données sont destinées à être utilisées à l’échelle de la biorégion, et il convient de faire preuve de prudence pour les analyses à une échelle plus petite.

Données modélisées montrant la distribution probable des loutres de mer. Le CRIMS est un ancien ensemble de données sur les ressources côtières de la Colombie-Britannique qui a été acquis de manière systématique et synoptique à partir de 1979 et qui a été mis à jour par intermittence au fil des ans. L'information sur les ressources a été collectée dans neuf zones d'étude par le biais d'un comité provincial des normes d'information sur les ressources évalué par des pairs, composé d'agents des pêches du MPO, des Premières nations et d'autres experts en la matière. Il n'est actuellement pas prévu de mettre à jour ces anciennes données.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Les modèles de répartition des espèces sont des outils qui fusionnent des observations d’espèces (l’occurrence, l’abondance ou la biomasse) avec des variables environnementales pour prédire l’aire de répartition d’une espèce dans des emplacements non échantillonnés. Afin de produire des prévisions exactes de l’occurrence, de l’abondance ou de la répartition de la biomasse, il est souhaitable d’obtenir une vaste gamme de variables physiques ou biologiques (ou les deux). Ces données sont souvent recueillies à des échelles spatiales limitées ou irrégulières et nécessitent l’application de techniques géospatiales pour produire des surfaces environnementales en continu qui peuvent être utilisées pour la modélisation à toutes les échelles spatiales. Nous présentons ici un examen de 102 couches de données environnementales qui ont été compilées pour toute l’étendue spatiale de la région des Maritimes de Pêches et Océans Canada (MPO). Les variables ont été obtenues à partir d’une vaste gamme de sources de données physiques et biologiques interpolées sur le plan spatial à l’aide de méthodes géostatistiques. Pour chaque variable, nous documentons la répartition des données sous-jacentes, fournissons des analyses pertinentes des modèles de répartition et une évaluation du rendement des modèles. Nous présentons l’erreur type et les surfaces interpolées définitives. Ces couches de données ont été archivées dans un format commun (trame) à l’Institut océanographique de Bedford afin de simplifier leur utilisation future. À partir des résumés analytiques du présent rapport, un sous-ensemble de ces variables a par la suite été utilisé dans des modèles de répartition des espèces pour prévoir la répartition, en eau profonde, des coraux, des éponges et d’autres taxons benthiques importants dans la région des Maritimes.Citer ces données comme: Beazley, Lindsay; Guijarro, Javier; Lirette, Camille; Wang, Zeliang; Kenchington, Ellen (2020). Caractéristiques des couches de données environnementales à utiliser dans la modélisation de la répartition des espèces dans la région des Maritimes. Publié en Juillet 2023. Secteur des sciences des écosystèmes et des océans, Pêches et Océans Canada, Dartmouth, (N-É). https://open.canada.ca/data/en/dataset/34a917cb-a0e3-403c-91c7-af3dc20628b1