Dans les régions dominées par le pergélisol, une lacune persiste dans notre compréhension des ressources en eau, de l'influence des eaux souterraines et de l'impact du changement climatique à l'échelle régionale. La modélisation à l'échelle régionale peut contribuer à une meilleure compréhension de ces impacts en s'intégrant aux modèles climatiques régionaux. Pour que la modélisation régionale soit viable, un développement continu des méthodes et des conceptualisations de modélisation est nécessaire. En développant un modèle climatique numérique entièrement intégré des eaux souterraines et de surface à l'aide d'HydroGeoSphere (HGS) (Aquanty 2021) pour un bassin jaugé dans la zone de pergélisol discontinu, cet ensemble de données permet de vérifier les méthodes numériques existantes et de tester diverses conceptualisations de l'écoulement intégré des eaux souterraines et de surface dans les régions de pergélisol à l'échelle régionale. Ces travaux éclairent la modélisation et la prévision futures des ressources en eau régionales dans les régimes de pergélisol.

Ce modèle est dérivé de données géologiques, géophysiques et autres. L'extraction des caractéristiques a été réalisée par apprentissage profond. La modélisation prédictive a utilisé la méthode des ensembles profonds. La carte de probabilité pancanadienne du potentiel minéral du graphite est présentée. Cette carte a été générée à partir des gisements et des occurrences de graphite connus et de leurs caractéristiques associées. Les valeurs de probabilité les plus élevées mettent en évidence les zones où la probabilité de systèmes minéraux de graphite est plus élevée.

L'indice de surface foliaire (ISF) quantifie la densité de la végétation indépendamment du couvert terrestre. L’ISF quantifie la surface totale du feuillage par surface du sol. L’ISF a été identifiée par le Système mondial d'observation du climat comme une variable climatique essentielle requise pour la modélisation et la surveillance des écosystèmes, des conditions météorologiques et du climat. Ce produit consiste en des cartes annuelles de l’ISF maximale pendant une saison de croissance (juin-juillet-août) à une résolution de 100 m couvrant la masse terrestre du Canada.

Statistique Canada, en collaboration avec l'Agence de la santé publique du Canada et Ressources naturelles Canada, présente des données sélectionnées du recensement qui permettront d'informer les Canadiens sur le risque pour la santé publique associé à la pandémie de COVID-19 et qui serviront à la modélisation et à l'analyse. Les données fournies ici offrent les chiffres de population et la répartition en pourcentage pour divers niveaux géographiques selon les grands groupes d'âge, le sexe masculin, le sexe féminin et les deux sexes, à partir du recensement de 2016.

L'indice de surface foliaire (ISF) quantifie la densité de la végétation indépendamment du couvert terrestre. L’ISF quantifie la surface totale du feuillage par surface du sol. L’ISF a été identifiée par le Système mondial d'observation du climat comme une variable climatique essentielle requise pour la modélisation et la surveillance des écosystèmes, des conditions météorologiques et du climat. Ce produit comprend des séries chronologiques de l'ISF observés entre 2016 et 2025 sur des sites de remise en état en Alberta, au Canada, entre mai et octobre. La fréquence temporelle dépend de la nébulosité.

Ce modèle de type de fond à substrat en eau profonde a été créé pour faciliter la modélisation de l’habitat et pour compléter les parcelles de fond du littoral. Il a été créé à partir d’une combinaison de couches dérivées de la bathymétrie en plus des observations du type de fond. À l’aide d’une classification par forêt d’arbres décisionnels, la relation entre les substrats observés et les dérivés bathymétriques a été estimée dans l’ensemble du site d’intérêt.La trame est classée en : 1) Roche, 2) Mélange, 3) Sable, 4) Vase

La cartographie illustre l'abondance relative de la glace de segrégation dans le pergélisol supérieur à l'échelle nationale. La cartographie est basée sur la modélisation d'O'Neill et al. (2019) (https://doi.org/10.5194/tc-13-753-2019). La cartographie offre une représentation améliorée de la glace de sol au Canada à grande échelle, intégrant les connaissances actuelles sur les associations entre les conditions géologiques et environnementales et le type et l'abondance de la glace de sol. Il fournit une base pour les tests d'hypothèse liés aux contrôles à grande échelle sur la formation, la préservation et la fonte de la glace de sol.

La cartographie illustre l'abondance relative de la glace de fente en coin dans le pergélisol supérieur à l'échelle nationale. La cartographie est basée sur la modélisation d'O'Neill et al. (2019) (https://doi.org/10.5194/tc-13-753-2019). La cartographie offre une représentation améliorée de la glace de sol au Canada à grande échelle, intégrant les connaissances actuelles sur les associations entre les conditions géologiques et environnementales et le type et l'abondance de la glace de sol. Il fournit une base pour les tests d'hypothèse liés aux contrôles à grande échelle sur la formation, la préservation et la fonte de la glace de sol.

Cet ensemble de données est un enregistrement de localisation des fichiers d'entrée météorologiques accessibles au public sur Saskatchewan GeoHub qui peuvent être utilisés avec le modèle de réglementation approuvé par l'Agence de protection de l'environnement (AERMOD). Chaque fichier représente la météorologie d'une région de la province tout en minimisant l'influence du terrain local sur la circulation de l'air. Les informations d'attributs supplémentaires pour chaque emplacement incluent les coordonnées et un lien pour télécharger les données AERMOD sous forme de fichier zip.La Section de la qualité de l'air du ministère de l'Environnement utilise la modélisation de la qualité de l'air pour simuler la façon dont les polluants atmosphériques se dispersent dans l'atmosphère ambiante afin d'aider à gérer la qualité de l'air dans la province. Les modèles sont utilisés pour estimer l'impact des polluants atmosphériques émis par les sources d'émission et sont généralement utilisés pour déterminer si les installations industrielles existantes ou nouvelles proposées sont ou seront conformes aux normes de qualité de l'air ambiant décrites dans le tableau 20 du Code environnemental de la province du 1er juin 2015 en vertu de la Loi sur la gestion et la protection de l'environnement de 2010. Les informations nécessaires pour exécuter des modèles de dispersion se composent principalement de données météorologiques et d'émissions. Cinq ans (2012-2016) d'ensembles de données météorologiques prétraités dans un format prêt pour AERMOD sont accessibles au public. Ce fichier est contenu dans le fichier zippé téléchargeable. Le fichier compressé contient cinq fichiers : les fichiers SFC et PFL sont les fichiers prêts pour AERMOD nécessaires à l'exécution d'AERMOD (données, flux de chaleur sensible, vitesse de friction, gradient de température potentiel, vitesse verticale, hauteur de mélange, longueur de monin-obukhov, rugosité de surface, coefficient de Bowen, albédo, vitesse scalaire du vent, direction du vent, température ambiante, précipitations, taux de précipitation, humidité relative, pression de surface et quantités totales de nuages) ; le fichier DAT contient les informations sur l'utilisation des sols (rugosité de surface, ratio de Bowen et albédo) choisies pour chaque mois dans le Fichier SFC ; le fichier KMZ contient la rose des vents de cet endroit, qui peut être utilisée sur Google Earth ; et le fichier PNG contient divers graphiques de la distribution météorologique mensuelle ou diurne (température, vitesse du vent, hauteurs de mélange diurnes, flux de chaleur sensible et stabilité) qui peuvent être utilisés pour déterminer si cet emplacement est représentatif de la zone proposée pour la modélisation. Remarque : étant donné que ces données sont récemment développées, il est possible qu'elles présentent des problèmes au fur et à mesure de leur utilisation dans un plus grand nombre d'applications. Des modifications, des modifications et des mises à jour continues peuvent être apportées par la section de la qualité de l'air du ministère de l'Environnement. Pour toute modélisation future, il est recommandé de télécharger la dernière version des fichiers d'entrée et de ne pas archiver de fichiers d'entrée sur votre propre serveur pour une utilisation future, à moins que cette notification n'existe plus. Si des problèmes sont découverts avec les données du fichier compressé, veuillez contacter Dennis Fudge à l'adresse dennis.fudge@gov.sk.ca ou au 306-519-7105. Votre soutien sera grandement apprécié. Il peut arriver que vous ayez l'impression que les fichiers d'entrée ne sont pas représentatifs du domaine de modélisation proposé en raison des caractéristiques environnantes (c'est-à-dire forestière/agricole ou rurale/urbaine) qui sont différentes de celles utilisées pour générer les fichiers d'entrée. Si tel est le cas, le modeleur peut générer lui-même les fichiers de modélisation en entrée. Les fichiers nécessaires à la génération de ces fichiers d'entrée sont disponibles sur demande. Veuillez contacter Dennis Fudge à dennis.fudge@gov.sk.ca ou au 306-519-7105. ** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Des espèces d’arbres dominantes 2015Les données représentant les espèces d’arbres dominantes des forêts de la Colombie-Britannique en 2015 sont fondées sur des données Landsat et leur modélisation, dont les résultats sont cartographiés à une résolution spatiale de 30 m. La carte a été produite par l’algorithme de classification des « forêts aléatoires » appliqué à des variables prédictives calculées à partir de séries chronologiques d’images Landsat, notamment la réflectance de la surface, la couverture terrestre, les perturbations forestières et la structure de la forêt, ainsi qu’à des variables accessoires décrivant la topographie et la position. Les échantillons d’entraînement et de validation ont été tirés de l’Inventaire des ressources végétales (Vegetation Resources Inventory), sélectionnés parmi un ensemble stratifié de polygones présentant des conditions internes homogènes et divergeant peu par rapport aux données de télédétection. Des modèles locaux ont été appliqués à des carrés de 100 km x 100 km et, pour éviter les effets de bordure, tenaient compte des échantillons d’entraînement pour les 5 x 5 carrés voisins. Pour les espèces d’arbres qui occupent 80 % de la superficie forestière, l’exactitude globale s’est chiffrée à 72 %. L’étude montre que les données satellitaires et leur modélisation peuvent servir à produire des cartes complètes et à jour des attributs forestiers à l’échelle des sous peuplements en Colombie Britannique (Canada).Probabilité d’espèce d’arbre 2015Ce produit cartographique présente des données de distribution de probabilité d’appartenance à une classe d’espèce d’arbre en Colombie-Britannique d’après la modélisation de données Landsat donnant des résultats à résolution spatiale de 30 m. Les données représentent la probabilité d’appartenance à une classe d’espèce d’arbre en 2015. La carte a été produite par l’algorithme de classification des « forêts aléatoires » appliqué à des variables prédictives calculées à partir de séries chronologiques d’images Landsat, notamment la réflectance de la surface, la couverture terrestre, les perturbations forestières et la structure de la forêt, ainsi qu’à des variables accessoires décrivant la topographie et la position. Les échantillons d’entraînement et de validation ont été tirés de l’Inventaire des ressources végétales (Vegetation Resources Inventory), sélectionnés parmi un ensemble stratifié de polygones présentant des conditions internes homogènes et divergeant peu par rapport aux données de télédétection. Des modèles locaux ont été appliqués à des carrés de 100 km x 100 km et, pour éviter les effets de bordure, tenaient compte des échantillons d’entraînement pour les 5 x 5 carrés voisins. Pour les espèces d’arbres qui occupent 80 % de la superficie forestière, l’exactitude globale s’est chiffrée à 72 %. Un élément du processus de cartographie a consisté à obtenir les « votes » reçus pour chaque classe par les modèles de « forêts aléatoires ». Les votes sont analogues aux probabilités d’appartenance à une classe et renseignent davantage sur l’incertitude des classes de couverture terrestre à utiliser dans la modélisation. Les probabilités d’appartenance à une classe d’arbre inférieures à 5 % ont été masquées et converties à zéro.Lorsque vous utilisez ces données, veuillez en citer la source comme suit : Shang, C., Coops, N.C., Wulder, M.A., White, J.C., et Hermosilla, T. 2020. Update and spatial extension of strategic forest inventories using time series remote sensing and modeling. International Journal of Applied Earth Observation and Geoinformation 84, 101956. DOI: 10.1016/j.jag.2019.101956 ( Shang et al. 2020).