11 Rorquals bleus marqués (Balaenoptera musculus) ont été suivis pendant les déplacements diurnes de même que le comportement alimentaire dans l'estuaire du fleuve Saint-Laurent. Une Densité de noyau a été appliquée à tous les individus combinés pour déterminer les zones de haute densité d'alimentation (30, 40, 50, 60, 75, 95 %).Doniol-Valcroze T, Lesage V, Giard J, Michaud R, 2012. Challenges in marine mammal habitat modelling: evidence of multiple foraging habitats from the identification of feeding events in blue whales. Endang Species Res, Vol. 17 : 255–268, doi : 10.3354/esr00427(Version Anglaise seulement)

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.

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

Des ensembles multimodèles à échelle statistiquement réduite des changements projetés des températures moyennes (°C) ont été générés à une résolution spatiale de 10 km pour la période 1951-2100, à partir des résultats de 24 modèles climatiques mondiaux (MCM) de la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). L’échelle des températures moyennes quotidiennes issues des MCM a été statistiquement réduite par la méthode des analogues avec correction de biais et cartographie des quantiles, version 2 (BCCAQv2). Un ensemble de données historiques interpolées sur les températures moyennes pour le Canada (ANUSPLIN) a servi de cible pour la réduction d’échelle. Les changements des températures moyennes sont projetés par rapport à la période de référence 1986-2005. Des moyennes annuelles et saisonnières des changements projetés des températures moyennes par rapport à 1986-2005 sont incluses. Plus précisément, les 5e, 25e, 50e, 75e et 95e percentiles des ensembles à échelle statistiquement réduite de changements projetés des températures moyennes sont accessibles pour la période historique 1901-2005 et pour les scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5 couvrant la période 2006-2100. Des moyennes sur 20 ans des changements projetés des températures moyennes (°C) ont aussi été calculées pour quatre périodes (2021-2040, 2041-2060, 2061-2080 et 2081-2100), par rapport à la période de référence 1986-2005 et pour les scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5. Elles sont accessibles en une variété de formats. La médiane des changements projetés sur l’ensemble des modèles climatiques du CMIP5 est incluse. Remarque : Les projections peuvent varier d’un modèle climatique à l’autre en raison des différences dans la façon de représenter les processus du système terrestre. Toutefois, il a démontré dans la littérature scientifique récente que l’utilisation d’une méthode faisant intervenir des ensembles multimodèles permettrait vraisemblablement d’obtenir de meilleurs résultats en matière de projection des changements climatiques.

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.

Des ensembles multimodèles à échelle statistiquement réduite des changements projetés des températures maximales(°C) ont été générés à une résolution spatiale de 10 km par rapport à 1951-2100, à partir des résultats de 24 modèles climatiques mondiaux (MCM) de la phase 5 du Projet d’intercomparaison des modèles couplés (CMIP5). L’échelle des températures maximales quotidiennes issues des MCM a été statistiquement réduite par la méthode des analogues avec correction de biais et cartographie des quantiles, version 2 (BCCAQv2). Un ensemble de données historiques interpolées sur les températures maximales pour le Canada (ANUSPLIN) a servi de cible pour la réduction d’échelle. Les changements des températures maximales sont projetés par rapport à la période de référence 1986-2005. Des moyennes annuelles et saisonnières des changements projetés des températures maximales pour la période 1986-2005 sont incluses. Plus précisément, les 5e, 25e, 50e, 75e et 95e percentiles des ensembles à échelle statistiquement réduite de changements projetés des températures maximales sont accessibles pour la période historique 1901-2005 et pour les scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5 couvrant la période 2006-2100. Des moyennes sur 20 ans des changements projetés des températures maximales moyennes (°C) ont aussi été calculées pour quatre périodes (2021-2040, 2041-2060, 2061-2080 et 2081-2100), par rapport à la période de référence 1986-2005, et pour les scénarios d’émissions RCP2.6, RCP4.5 et RCP8.5. Elles sont accessibles en une variété de formats. La médiane des changements projetés sur l’ensemble des modèles climatiques du CMIP5 est incluse. Remarque : Les projections peuvent varier d’un modèle climatique à l’autre en raison des différences dans la façon de représenter les processus du système terrestre. Toutefois, il a été démontré dans la littérature scientifique récente que l’utilisation d’une méthode faisant intervenir des ensembles multimodèles permettrait vraisemblablement d’obtenir de meilleurs résultats en matière de projection des changements climatiques.

Cette série de cartes de susceptibilité aux inondations a été générée à partir d’un modèle d’apprentissage automatique XGBoost, entraîné sur les inondations majeures survenues entre 2005 et 2023. Le modèle entraîné a ensuite été appliqué à des scénarios climatiques futurs pour les années 2050, 2070 et 2100, selon deux scénarios SSP prospectifs : 245 et 585. Les données d’entrée intègrent des caractéristiques temporelles spécifiques de la température et des précipitations afin d’estimer la susceptibilité potentielle aux inondations futures.

Inventaire des empreintes de bâtiments de la Ville de Rouyn-Noranda.

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.

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