AAC et Statistique Canada ont compilé cette série d’ensembles de données en combinant des données agroclimatiques et des données satellitaires d’indice de végétation par différence normalisée (IVDN) pour la saison de croissance en cours. Les prévisions sont obtenues au moyen d’un modèle statistique à partir de données de rendements historiques, de données climatiques et de données IVDN.

Ces données indiquent la sécheresse de la surface des terres mesurée selon l’état de la végétation. Les données sont produites chaque semaine à partir des renseignements hebdomadaires sur les anomalies de précipitation (nommément l’indice normalisé de précipitations ou INP), et l’état de la végétation mesurée par l’indice de végétation par différence normalisée (IVDN) obtenue grâce à l’instrument satellisé MODIS. Ces ensembles de données dynamiques ainsi que les ensembles de données statiques sur la couverture des terres, la capacité de rétention d’eau par le sol, l’irrigation, les écozones et l’altitude des terres sont utilisés pour modéliser la gravité de la sécheresse à l’aide de l’indice de sévérité de sécheresse de Palmer (ISSP). Le modèle mapcubist entraîné à l’aide de données historiques est exécuté en temps réel sur les données d’entrées changeantes pour produire des scores de gravité de la sécheresse. Ce modèle exécuté à une résolution de 1 km a été produit par l’AAC, la Commission géologique des États-Unis et le Moniteur des sécheresses aux États-Unis de l’Université du Nebraska à Lincoln.

AAC et Statistique Canada ont compilé cette série d’ensembles de données en combinant des données agroclimatiques et des données satellitaires d’indice de végétation par différence normalisée (IVDN) pour la saison de croissance en cours. Les prévisions sont obtenues au moyen d’un modèle statistique à partir de données de rendements historiques, de données climatiques et de données IVDN.

Ce jeu de données correspond au pourcentage de la couverture de neige quotidienne à une résolution de 1 km couvrant les terres du Canada de 2006 à 2010. Les données sont sous-échantillonnées aux 4 km afin de réduire le volume des données et de tenir compte de l’incertitude de la géolocalisation de l’imagerie satellite d’entrée. Les cartes quotidiennes sont produites en assimilant l’imagerie satellite AVHRR quotidienne de la NOAA avec filtrage des nuages et les champs de données sur l’épaisseur et la densité de la neige tirés de l’analyse du Centre météorologique canadien (CMC) dans une version hors ligne du modèle de l’épaisseur de neige quotidienne du CMC. Le modèle de l’épaisseur de la neige est modifié de façon à inclure le modèle de réflectance du manteau neigeux et un schéma de transfert radiatif de la surface qui met en relation la réflectance de la végétation et du manteau neigeux avec la réflectance bidirectionnelle du sommet du couvert forestier. Un modèle logistique de la phénologie de la végétation est utilisé pour paramétrer la dynamique temporelle de l’indice de surface foliaire du couvert forestier. Un filtrage de particules par pixel avec une fenêtre mobile de 30 jours est appliqué aux observations des données obtenues par l’assimilation correspondant à la réflectance directionnelle et à l’indice de végétation par différence normalisée dans la bande visible à résolution de 1 km et aux champs de données quotidiennes de l’épaisseur de la neige et mensuelles de la densité de la neige du CMC à résolution de 24 km. L’assimilation est forcée à l’aide des champs de données quotidiennes de la température de l’air et des précipitations. Les jeux de données ont été validés en comparant les cartes MODIS de la couverture de neige et les données de stations d’observation in situ de l’épaisseur de la neige à travers le Canada. Cette validation indique une exactitude similaire aux produits MODIS sur la couverture de neige en terrain relativement plat. La validation est en cours dans les régions montagneuses.

Cette série d’ensembles de données a été créée par le Service national d’information sur l’agroclimat (SNIA) d’Agriculture et Agroalimentaire Canada (AAC), Division de l’agroclimat, de la géomatique et de l’observation de la Terre (DAGOT), Direction générale des sciences et de la technologie. L'outil de surveillance des sécheresses au Canada (L'OSSC) est un produit composite élaboré à partir d'une vaste gamme de renseignements, comme l'indice de végétation par différence normalisée (IVDN), les valeurs de débit d'eau, l'indice Palmer de gravité de la sécheresse et les indices de sécheresse utilisés par les secteurs de l'agriculture, des forêts et de la gestion de l'eau. Les régions susceptibles d’être touchées par la sécheresse sont analysées en fonction des cartes sur les précipitations, la température, l'indice de modélisation des sécheresses ainsi que les données climatiques, et les résultats sont interprétés par des scientifiques fédéraux, provinciaux et universitaires. Une fois par mois, habituellement avant le 10 du mois courant, le Service national d’information sur l’agroclimat (SNIA) d’AAC met à jour la série de données avec celles correspondant à la fin du mois précédent; il verse ensuite ces données dans la grande base de surveillance des sécheresses de l’Amérique du Nord (NA-DM, North American Drought Monitor).Les zones de sécheresse sont classées commesuit :D0 (temps anormalement sec) – représente une situation qui survient une fois tous les trois à cinq ans.D1 (sécheresse modérée) – représente une situation qui survient tous les cinq à dix ansD2 (sécheresse grave) – représente une situation qui survient tous les 10 à 20 ansD3 (sécheresse extrême) - représente une situation qui survient tous les 20 à 25 ansD4 (sécheresse exceptionnelle) – représente une situation qui survient tous les 50 ans.Les lignes de répercussions découpent les zones qui ont été physiquement affectées par la sécheresse.Les étiquettes de répercussions spécifient la longitude et l'ampleur des répercussions.Les étiquettes de répercussions sont classées comme suit :S - court terme, généralement moins de 6 mois (par exemple, agriculture, prairies).L - À long terme, généralement plus de 6 mois (par exemple, hydrologie, écologie).

L’indice d’écart d’humidité (indice Z de Palmer) est une estimation des écarts d’humidité par rapport à la normale (moyenne sur 30 ans). Il tente d’exprimer les conditions pour le mois en cours, peu importe ce qui peut s’être passé avant le mois en question.

L’indice mixte (IM) est un modèle qui utilise de multiples indicateurs potentiels de sécheresse et d’humidité excessive, comme l’indice de sévérité de sécheresse de Palmer, les quantités de précipitations courantes et l’humidité du sol, et les combine en une valeur pondérée et normalisée entre 0 et 100. Les intrants et la pondération utilisés dans ce modèle sont sujets à changement de temps à autre, car ils sont optimisés de façon à représenter au mieux l’étendue, la durée et la sévérité des conditions météorologiques qui ont un effet. L’indice mixte est déployé sous forme de deux écarts : le court terme (ct) axé sur 1 à 3 mois, et le long terme (lt) axé sur 6 mois à 5 ans.

L’indice mixte (IM) est un modèle qui utilise de multiples indicateurs potentiels de sécheresse et d’humidité excessive, comme l’indice de sévérité de sécheresse de Palmer, les quantités de précipitations courantes et l’humidité du sol, et les combine en une valeur pondérée et normalisée entre 0 et 100. Les intrants et la pondération utilisés dans ce modèle sont sujets à changement de temps à autre, car ils sont optimisés de façon à représenter au mieux l’étendue, la durée et la sévérité des conditions météorologiques qui ont un effet. L’indice mixte est déployé sous forme de deux écarts : le court terme (ct) axé sur 1 à 3 mois, et le long terme (lt) axé sur 6 mois à 5 ans.

L’indice normalisé précipitations moins évapotranspiration (INPE) est calculé à peu près de la même façon que l’INP. La principale différence est que l’INP évalue la variance des précipitations, tandis que l’INPE tient également compte de la demande de l’évapotranspiration, qui est soustraite de toute accumulation de précipitations avant l’évaluation. Contrairement à l’INP, l’INPE saisit l’impact principal de l’augmentation des températures sur la demande en eau.

La fraction de couverture végétale (FCOVER) correspond à la quantité de surface du sol qui est couverte par la végétation, y compris le sous-étage, lorsqu'elle est vue verticalement (depuis le nadir). La fraction de couverture végétale est un indicateur de l'étendue spatiale de la végétation indépendamment de la classe de couverture terrestre. Il s'agit d'une grandeur sans dimension qui varie de 0 à 1 et, en tant que propriété intrinsèque de la canopée, ne dépend pas des conditions d'observation par satellite. Ce produit est constitué d'une couverture à l'échelle nationale (Canada) de cartes mensuelles de l'indicateur FCOVER pendant une saison de croissance (mai-juin-juillet-août-septembre) à une résolution de 20 m.Références :L. Brown, R. Fernandes, N. Djamai, C. Meier, N. Gobron, H. Morris, C. Canisius, G. Bai, C. Lerebourg, C. Lanconelli, M. Clerici, J. Dash. Validation of baseline and modified Sentinel-2 Level 2 Prototype Processor leaf area index retrievals over the United States IISPRS J. Photogramm. Remote Sens., 175 (2021), pp. 71-87, https://doi.org/10.1016/j.isprsjprs.2021.02.020. https://www.sciencedirect.com/science/article/pii/S0924271621000617Richard Fernandes, Luke Brown, Francis Canisius, Jadu Dash, Liming He, Gang Hong, Lucy Huang, Nhu Quynh Le, Camryn MacDougall, Courtney Meier, Patrick Osei Darko, Hemit Shah, Lynsay Spafford, Lixin Sun, 2023.Validation of Simplified Level 2 Prototype Processor Sentinel-2 fraction of canopy cover, fraction of absorbed photosynthetically active radiation and leaf area index products over North American forests,Remote Sensing of Environment, Volume 293, https://doi.org/10.1016/j.rse.2023.113600.https://www.sciencedirect.com/science/article/pii/S0034425723001517