__Le lien : *Accéder au répertoire de données* est disponible à la section *Fiches descriptives du jeu de données ; Informations complémentaires*__.Deux produits sont offerts pour connaitre le volume marchand brut d'un arbre en fonction de son diamètre à hauteur de poitrine (DHP) et de sa hauteur. Leurs contenus ainsi que la façon de les utiliser sont différents, mais ils permettent autant l'un que l'autre d'obtenir des valeurs de volume marchand brut par arbre. Le premier produit est le **tarif de cubage LIN3**. Il se présente sous la forme d’une table où les valeurs du volume marchand brut peuvent être extraites directement. Il s’agit de tarifs locaux, c’est-à-dire que la hauteur utilisée dans l’équation du tarif général (modèles de prédiction du volume) est prédite par des relations hauteur-DHP développées par unité de sondage.Le deuxième produit offre une précision accrue. Il se présente sous la forme de plusieurs tables où les valeurs du volume marchand brut n'apparaissent pas directement. Le contenu de ces tables sert plutôt à appliquer des **modèles de prédiction de la hauteur et du volume marchand brut** d'un arbre. Les modèles de prédiction de la hauteur sont aussi développés localement à l’échelle d’unités de sondage. L’utilisation du produit nécessite la consultation du document [ « Modèles de prédiction de la hauteur et du volume marchand brut des arbres - Méthode et utilisation » ]( https://mrnf.gouv.qc.ca/nos-publications/modele-prediction-hauteur-volume/).__ 📣 Recommandation de la Direction des inventaires forestiers : __ il est préférable d’utiliser les modèles de prédiction de la hauteur et du volume marchand brut dans les territoires où ils sont disponibles. Un nouveau modèle de prédiction de la hauteur est disponible lorsqu’un territoire obtient des résultats de compilations forestières. En l'absence de ces modèles, il est toujours possible de recourir au tarif de cubage LIN3.

Des ensembles multimodèles pour une série de variables basées sur les projections des modèles climatiques mondiaux (MCM) de la phase 6 du Projet d’intercomparaison des modèles couplés (CMIP6) sont disponibles pour 1850 à 2100 sur une grille mondiale commune de 1 x 1 degré.Les projections climatiques varient entre les MCM en raison des différences dans la représentation et l’approximation des systèmes et des processus terrestres, ainsi que de la variabilité naturelle et de l’incertitude concernant les futurs facteurs climatiques. Ainsi, aucun modèle climatique n’est meilleur que les autres. À la place, l’utilisation des résultats d’un ensemble de modèles (p. ex. en utilisant la moyenne) constitue une pratique exemplaire puisqu’un ensemble tient compte de l’incertitude dans les projections des modèles et offre des projections climatiques plus fiables.Le site Données et scénarios climatiques canadiens (DSCC) offre quatre types de produits basés sur les ensembles multimodèles du CMIP6 : des ensembles de données et des graphiques de séries chronologiques, des cartes et des ensembles de données connexes, des ensembles de données tabulaires et des ensembles de données maillées à l’échelle mondiale. Des ensembles mensuels, saisonniers et annuels sont disponibles pour un maximum de six profils socioéconomiques partagés (SSP) [SSP1 1.9, SSP1 2.6, SSP2 4.5, SSP3 7.0, SSP4 6.0 et SSP5 8. 5], quatre périodes futures (court terme [2021-2040], moyen terme [2041-2060 et 2061-2080], fin du siècle [2081-2100]) et un maximum de cinq percentiles (5e, 25e, 50e [médiane], 75e et 95e) de la distribution de l’ensemble du CMIP6.Le nombre de modèles dans chaque ensemble diffère selon la disponibilité des modèles pour chaque SSP et variable; consultez la liste des modèles pour plus de détails sur les modèles inclus dans chaque ensemble. La majorité des produits indiquent les changements prévus sous forme d’anomalies selon une période de référence historique (1995 à 2014). Les produits fournis comprennent des ensembles de données et des graphiques à l’échelle mondiale, nationale, provinciale et territoriale. Pour de plus amples renseignements sur les ensembles multimodèles du CMIP6, veuillez consulter la documentation technique.

Données issues de l’analyse de la température de la surface de la mer, de la salinité de la surface de la mer, de la température au fond et de la salinité au fond, dans le golfe du Maine et sur le plateau néo-écossais, pour 23 modèles de la phase 6 du Projet d’intercomparaison des modèles couplés (CMIP6). L’analyse comprend une évaluation de la performance des modèles de la CMIP6 pour l’expérience historique de la CMIP6 (1950-2014). Les projections futures sont résumées pour les scénarios SSP245 et SSP370 de la CMIP6 avec le calcul des changements annuels et saisonniers relatifs entre la période historique (1950-2014) et trois périodes futures (2030-2039, 2040-2049 et 2030-2049).Wang, Z., DeTracey, B., Maniar, A., Greenan, B., Gilbert, D. et Brickman, D., État hydrographique futur du plateau néo-écossais et du golfe du Maine selon 23 modèles de la CMIP6. Rapp. tech. can. hydrogr. sci. océan. XXX : vii + XXX p.Citer ces données comme: Wang, Z., DeTracey, B., Maniar, A., Greenan, B., Gilbert, D. and Brickman, D. État hydrographique futur du plateau néo-écossais et du golfe du Maine selon 23 modèles de la CMIP6. Publié en Juillet 2022. Secteur des sciences des écosystèmes et des océans, Pêches et Océans Canada, Dartmouth, (N-É). https://open.canada.ca/data/en/dataset/6247bb5a-14b3-461d-9ed3-b42553107bbc

Ce jeu de données fournit des cartes continues de la structure des forêts à travers les 650 millions d'hectares d'écosystèmes forestiers du Canada pour l'année 2022, générées à une résolution spatiale de 30 m. Les estimations de structure incluent des attributs clés tels que la hauteur du couvert forestier, la densité du couvert et la biomasse aérienne, dérivés à partir d'une combinaison de données lidar aéroportées et de composites spectraux issus de Landsat. Les modèles de structure ont été entraînés à l'aide du cadre « lidar-plot » (Wulder et al. 2012), qui intègre des données lidar aéroportées et des mesures de terrain co-localisées avec des composites de séries temporelles Landsat (Hermosilla et al. 2016). Une approche d'imputation par plus proche voisin a été appliquée pour estimer les attributs structurels sur l'ensemble du territoire forestier canadien. Ces produits, cohérents à l'échelle nationale, sont conçus pour appuyer la surveillance stratégique des forêts et les évaluations à grande échelle, mais ne sont pas destinés à la gestion opérationnelle des forêts. Pour plus de détails sur les méthodes, l'évaluation de l'exactitude et les sources de données, voir Matasci et al. (2018).Matasci, G., Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Hobart, G.W., Bolton, D.K., Tompalski, P., Bater, C.W., 2018. Three decades of forest structural dynamics over Canada's forested ecosystems using Landsat time-series and lidar plots. Remote Sensing of Environment, 216, 697-714. https://doi.org/10.1016/j.rse.2018.07.024 ( Matasci et al. 2018).

Le jeu de données montre la distribution et l'extension spatiales des modèles 3D produits dans le cadre des projets de cartographie des aquifères canadiens de la Commission géologique du Canada.

Les données GéoIA sont composées de bâtiments, hydrographie, forêts et routes extraits automatiquement via des modèles d'apprentissage profond appliqués à un ensemble de données source (généralement des images aériennes ou satellitaires). L'objectif principal de GéoIA est d'augmenter la couverture spatiale et temporelle de données géospatiales fondamentales à haute résolution.L'infrastructure et l'expertise mises en place par RNCan permettent un processus de création de données rapide, efficace et évolutif grâce à l'utilisation de technologies de pointe et de modèles d'intelligence artificielle. Les jeux de données extraits et publiés à partir d’une donnée source peuvent être revisités ultérieurement à mesure que des modèles plus précis sont développés et mis en production. Pour l'instant, seuls les fichiers statiques sont disponibles, mais au fur et à mesure du développement de la série, de nouveaux produits et services seront ajoutés.

Cette couche polygonale fournit des prévisions de précipitations cumulées à moyen terme (jusqu'à 10 jours) à partir du Système mondial de prévisions déterministes (GDPS), un modèle météorologique numérique mondial géré par Environnement et Changement climatique Canada. Il traite des systèmes météorologiques à grande échelle et fournit des conditions limites pour les modèles régionaux imbriqués.Portée mondiale : Le GDPS couvre la planète entière à une résolution d'environ 15 km et projette les développements atmosphériques à grande échelle sur une période de 240 heures. Modèle couplé : intègre les interactions atmosphériques et océaniques, améliorant ainsi la précision des prévisions pour les cyclones, les systèmes frontaux et les modèles de tempêtes à longue distance. Base opérationnelle : fréquemment utilisée comme référence pour les modèles régionaux ou locaux (par exemple, le RDPS) et pour la planification à moyen terme de la gestion des ressources en eau ou de l'agriculture. Fréquence des prévisions : fonctionne deux fois par jour et produit des résultats déterministes qui guident les météorologues, les hydrologues et les équipes de préparation aux situations d'urgence.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

La Division de la recherche climatique (DRC) d’Environnement et Changement climatique Canada (ECCC) et le Pacific Climate Impacts Consortium (PCIC) ont déjà produit des scénarios mis à l’échelle statistique et fondés sur des simulations de modèles climatiques qui faisaient partie de la phase 5 du Projet d’intercomparaison de modèles couplés (CMIP5) en 2015. ECCC et le PCIC ont mis à jour les scénarios à échelle réduite fondés sur la CMIP5 en ajoutant deux nouveaux ensembles de scénarios à échelle réduite fondés sur la prochaine génération de projections climatiques de la phase 6 du Projet d’intercomparaison de modèles couplés (CMIP6). Les scénarios appelés scénarios climatiques canadiens à échelle réduite – méthode univariée de la CMIP6 (CanDCS-U6) (« Canadian Downscaled Climate Scenarios–Univariate method from CMIP6 ») et scénarios climatiques canadiens à échelle réduite – méthode multivariée de la CMIP6 (CanDCS-M6) (« Canadian Downscaled Climate Scenarios–Multivariate method from CMIP6 »).Les projections climatiques du CMIP6 sont fondées à la fois sur des modèles climatiques mondiaux actualisés et sur de nouveaux scénarios d’émissions appelés « trajectoires socioéconomiques partagées » (SSP, pour « Shared Socioeconomic Pathways »). Des ensembles de données statistiquement mis à l’échelle ont été produits à partir de 26 modèles climatiques mondiaux (MCM) de la CMIP6 et selon trois scénarios d’émissions différents (c.-à-d. SSP1-2.6, SSP2-4.5 et SSP5-8.5), et le PCIC a ajouté plus tard le SSP3-7.0 à l’ensemble de données CanDCS-M6. La procédure de correction des biais et analogues construits avec cartographie des quantiles, version 2 (BCCAQv2) a été utilisée pour l’ensemble CanDCS-U6, tandis que la méthode multivariée de correction des biais à N dimensions (MBCn) a été utilisée pour l’ensemble CanDCS-M6. L’ensemble CanDCS-U6 a été produit au moyen des mêmes données cibles de réduction (NRCANmet) que les scénarios à échelle réduite fondés sur la CMIP5, tandis l’ensemble CanDCS-M6 utilise un nouvel ensemble cible (mêlant les ensembles ANUSPLIN et PNWNAmet).Des extrants des modèles individuels et des ensembles de modèles statistiquement mis à l’échelle peuvent être téléchargés. Les indices climatiques mis à échelle de manière statistique réduite sont disponibles partout au Canada à une résolution spatiale de grille de 10 km pour la période antérieure 1950 2014 et la période 2015 2100 suivant chacun des trois scénarios d’émissions.Remarque : les changements projetés par les produits mis à l’échelle sur le plan statistique ne sont pas nécessairement plus crédibles que ceux des résultats du modèle climatique sous-jacent. Souvent, surtout pour les indices fondés sur des seuils absolus, l’écart des projections fondées sur des données mises à l’échelle est plus faible en raison de l’élimination des biais du modèle. Or ce n’est pas le cas pour tous les indices. La mise à l’échelle de la résolution du MCM pour qu’elle soit haute, ce qui est nécessaire pour l’évaluation des répercussions, augmente le niveau de détail spatial et de variabilité temporelle pour mieux correspondre aux observations. Étant donné que ces ajustements dépendent du MCM, les indices qui en résultent pourraient avoir un écart plus grand lorsqu’ils sont calculés à partir de données mises à l’échelle comparativement à ceux qui sont directement calculés à partir des résultats du MCM. Dans ce dernier cas, ce n’est pas la procédure de mise à l’échelle qui rend la projection plus incertaine, il s’agit plutôt d’une plus grande variabilité associée à une échelle spatiale plus haute.Les ensembles de données de modèles individuels et tous les produits dérivés connexes sont assujettis aux conditions d'utilisation (https://pcmdi.llnl.gov/CMIP6/TermsOfUse/TermsOfUse6-1.html) de l'organisation source.

Pour être efficaces, les processus de gestion des pêches et de l'habitat exigent la connaissance de la répartition des zones de grande importance sur le plan écologique ou biologique. Sur le plateau et le talus néo-écossais, un certain nombre de zones benthiques d'importance écologique ou biologique composées d'espèces faisant office d'habitat, telles que les éponges et les coraux en eau profonde, ont été désignées. Toutefois, la connaissance de leur répartition spatiale se fonde en grande partie sur des relevés ciblés dont l'étendue spatiale est limitée. Nous nous sommes servis d'une approche de modélisation de la répartition des espèces appelée modèle de forêts aléatoires (RF) pour prévoir la probabilité de la présence et la biomasse des éponges, des pennatules et des grandes et petites gorgones dans l'ensemble de l'étendue spatiale de la Région des Maritimes de Pêches et Océans Canada (MPO). Nous avons aussi modélisé Vazella pourtalesi, une éponge rare qui forme la plus grande concentration connue du genre sur le plateau néo-écossais. Nous avons utilisé un certain nombre de sources de données, y compris les données sur les prises des relevés plurispécifiques au chalut du MPO et celles provenant des observations in situ par imagerie benthique. La plupart des modèles avaient une excellente efficacité de prévision selon des valeurs contre-validées de l'aire sous la courbe de la fonction d'efficacité du récepteur variant de 0,760 à 0,977. Les zones d'habitat propice ont été désignées pour chaque taxon et ont été comparées à l'aire de répartition de l'espèce et, le cas échéant, aux emplacements des zones de fermeture visant sa protection. Des modèles additifs généralisés ont été élaborés pour prédire la répartition de la biomasse de chaque groupe taxonomique et servent de points de comparaison aux modèles RF. Les résultats obtenus par les modèles RF et les modèles additifs généralisés étaient similaires, cependant les prévisions de la biomasse par les modèles additifs généralisés étaient meilleures pour certains groupes taxonomiques le long de la pente continentale. En l'absence de données d'observation, les résultats de la présente étude pourraient servir à déterminer l'aire de répartition potentielle des taxons benthiques vulnérables aux fins d'utilisation dans les applications de gestion des pêches et de l'habitat. Ces résultats pourraient aussi être utilisés pour mieux définir les concentrations importantes de ces taxons repérées dans le cadre des analyses de noyaux de densité.Citer ces données comme: Beazley, Lindsay; Kenchington, Ellen; Murillo-Perez, Javier; Lirette, Camille; Guijarro-Sabaniel, Javier; McMillan, Andrew; Knudby, Anders (2019). Modélisation de la répartition des espèces de coraux et d’éponges présentes dans la région des Maritimes à utiliser pour déterminer les zones benthiques importantes. 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/356e92f3-5bf3-4810-98b1-3e10cd7742aa

Cette couche polygonale affiche les précipitations moyennes au niveau du sous-bassin dérivées du modèle ECMWF (Centre européen pour les prévisions météorologiques à moyen terme). Cette couche permet aux hydrologues, aux prévisionnistes et aux planificateurs de déterminer la quantité de pluie/neige prévue ou survenue dans chaque sous-bassin, ce qui favorise la gestion des ressources en eau et des inondations à moyen terme. Nous sommes intéressés par la période de prévision de 7 jours.Cette couche regroupe les prévisions de précipitations de l'ECMWF sur des sous-bassins polygonaux. Chaque caractéristique comprend des attributs pour les précipitations accumulées moyennes, les périodes de validité et de validité prévues et les identifiants des sous-bassins. L'ECMWF est un modèle mondial de premier plan proposant des prévisions à moyen terme (jusqu'à 10 jours) à un niveau de compétence élevé. En se concentrant sur les sous-bassins, cette couche facilite la prise de décisions à l'échelle locale, ce qui permet des évaluations plus précises des risques d'inondation, des estimations du débit des réservoirs et une planification des ressources en eau dans la région d'intérêt.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**