Couche linéaire illustrant les divisions de lots présentes dans la matrice graphique dans le cas de propriétés contenant plusieurs lots.**Contexte de collecte** Processus de maintien en collaboration avec le service de l'évaluation.**Méthode de collecte** Cartographie assistée par ordinateur.**Attributs*** `ID_MAT_DIV` (`integer`) : Identifiant* `DATE_CREATION` (`smalldatetime`) : Créé le* `DATE_MODIFICATION` (`smalldatetime`) : Modifié le* `USER_MODIFICATION` (`varchar`) : Modifié par* `MAT10` (`varchar`) : Matricule* `ID_MAT_DIV_OLD` (`varchar`) : Ancien identifiantPour plus d’informations, consultez la métadonnée sur le catalogue Isogeo (lien OpenCatalog).

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.

Ensemble des unités d'évaluation de la matrice graphique de la Ville de Rouyn-Noranda.

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 pois au Canada. Les régions où les densités spatiales calculées sont les plus élevées représentent les régions agricoles du Canada où les cultures de pois 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 pois 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 canola au Canada. Les régions où les densités spatiales calculées sont les plus élevées représentent les régions agricoles du Canada où les cultures de canola 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 canola, 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 maïs au Canada. Les régions où les densités spatiales calculées sont les plus élevées représentent les régions agricoles du Canada où les cultures de maïs 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 maïs, 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 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 pommes de terre au Canada. Les régions où les densités spatiales calculées sont les plus élevées représentent les régions agricoles du Canada où les pommes de terre 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 pommes de terre, selon une analyse des données de l’inventaire annuel des cultures d’AAC de 2009 à 2021.