Ces produits sont dérivés d'images RVB (rouge/vert/bleu), une technique de traitement satellitaire qui utilise une combinaison de bandes de capteurs satellitaires (également appelées canaux) et les applique chacune à un filtre rouge/vert/bleu (RVB). Il en résulte une image en fausses couleurs, c'est-à-dire une image qui ne correspond pas à ce que verrait l'œil humain, mais qui offre un contraste élevé entre les différents types de nuages et les caractéristiques de la surface. Le capteur embarqué à bord d'un satellite météorologique obtient deux types d'informations de base : les données de la lumière visible (lumière réfléchie) se reflétant sur les nuages et les différents types de surface, aussi appelée « réflectance », et les données infrarouges (radiation émise) qui sont des radiations à ondes longues et courtes émises par les nuages et les caractéristiques de surface. Les RVB sont spécialement conçus pour combiner ce type de données satellitaires, ce qui permet d'obtenir un produit final riche en informations.Les autres produits résultent d’un rehaussement des données d’un canal pour une longueur d’onde unique, visant aussi à mettre en évidence des caractéristiques météorologiques de la surface ou des nuages observés, mais de manière plus simple puisque ne mettant en jeu qu’une seule longueur d’onde. Cette façon de faire plus ancienne est toujours utile parce que sa simplicité facilite dans certains cas l’interprétation de l’image.

IBL - Imagerie, fonds de carte et fonds de carte de couverture du sol (ImageryBaseMapsEarthCover). Par exemple, des ressources décrivant la couverture du sol, des cartes topographiques et des images classées et non classées** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Ces produits sont dérivés d'images RVB (rouge/vert/bleu), une technique de traitement satellitaire qui utilise une combinaison de bandes de capteurs satellitaires (également appelées canaux) et les applique chacune à un filtre rouge/vert/bleu (RVB). Il en résulte une image en fausses couleurs, c'est-à-dire une image qui ne correspond pas à ce que verrait l'œil humain, mais qui offre un contraste élevé entre les différents types de nuages et les caractéristiques de la surface. Le capteur embarqué à bord d'un satellite météorologique obtient deux types d'informations de base : les données de la lumière visible (lumière réfléchie) se reflétant sur les nuages et les différents types de surface, aussi appelée « réflectance », et les données infrarouges (radiation émise) qui sont des radiations à ondes longues et courtes émises par les nuages et les caractéristiques de surface. Les RVB sont spécialement conçus pour combiner ce type de données satellitaires, ce qui permet d'obtenir un produit final riche en informations.Les autres produits résultent d’un rehaussement des données d’un canal pour une longueur d’onde unique, visant aussi à mettre en évidence des caractéristiques météorologiques de la surface ou des nuages observés, mais de manière plus simple puisque ne mettant en jeu qu’une seule longueur d’onde. Cette façon de faire plus ancienne est toujours utile parce que sa simplicité facilite dans certains cas l’interprétation de l’image.

Ampleur des changements dans les feux de forêt de 1985 à 2022 Ampleur du changement spectral pour les feux de forêt qui se sont produits de 1985 à 2022. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. La valeur de l'ampleur du changement est exprimée par la différence normalisée du ratio de brûlage (dNBR), qui est calculée comme la variation entre les valeurs spectrales avant et après le feu à l'origine du changement. Plus la dNBR est élevée, plus le feu a été intense. En effet, des séries chronologiques de données Landsat à résolution spatiale de 30 m ont permis de caractériser les tendances nationales des perturbations de renouvellement de peuplement causées par les feux de forêt de 1985 à 2022 sur les 650 millions d'hectares d'écosystèmes forestiers du Canada. Si vous utilisez ces données, veuillez les citer comme suit: Hermosilla, T., M.A. Wulder, J.C. White, N.C. Coops, G.W. Hobart, L.B. Campbell, 2016. Mass data processing of time series Landsat imagery: pixels to data products for forest monitoring. International Journal of Digital Earth 9(11), 1035-1054. (Hermosilla et al. 2016).Voir les références ci'dessous pour un aperçu des données, du traitement des images et des méthodes de détection des changements dans les séries chronologiques utilisées, ainsi que pour des renseignements sur l'évaluation indépendante de l'exactitude des données. Hermosilla, T., Wulder, M. A., White, J. C., Coops, N.C., Hobart, G.W., 2015. An integrated Landsat time series protocol for change detection and generation of annual gap-free surface reflectance composites. Remote Sensing of Environment 158, 220-234 (Hermosilla et al. 2015a).Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Hobart, G.W., 2015. Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment 170, 121-132 ( Hermosilla et al. 2015b).Hermosilla, T., M.A. Wulder, J.C. White, N.C. Coops, G. W. Hobart, (2017). Updating Landsat time series of surface-reflectance composites and forest change products with new observations. International Journal of Applied Earth Observation and Geoinformation. 63,104-111.. (Hermosilla et al. 2017).

Changements causés par les feux de forêt de 1985-2022, avec indication de l'année où le plus de perturbations dues aux feux de forêt ont été détectées. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Les informations recueillies représentent 38 années de feux de forêt au Canada et sont calculées de manière entièrement automatisée à partir d'une source unique de données spatiales explicites recueillies de façon constante. En effet, des séries chronologiques de données Landsat à résolution spatiale de 30 m ont permis de caractériser les tendances nationales des perturbations de renouvellement de peuplement causées par les feux de forêt de 1985 à 2022 sur les 650 millions d'hectares d'écosystèmes forestiers du Canada. Si vous utilisez ces données, prière d'en citer la source comme suit : Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, L. B. Campbell, 2016. Mass data processing of time series Landsat imagery: pixels to data products for forest monitoring. International Journal of Digital Earth 9(11), 1035-1054. https://doi.org/10.1080/17538947.2016.1187673 (Hermosilla et al. 2016).Voir les références ci-dessous pour un aperçu du traitement des données, du calcul des mesures, de la détermination des causes des changements et des méthodes de détection des changements dans les séries chronologiques, ainsi que pour des renseignements sur l'évaluation indépendante de l'exactitude des données.Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2015. An integrated Landsat time series protocol for change detection and generation of annual gap-free surface reflectance composites. Remote Sensing of Environment 158, 220-234. https://doi.org/10.1016/j.rse.2014.11.005 (Hermosilla et al. 2015a).Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2015. Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment 170, 121-132. https://doi.org/10.1016/j.rse.2015.09.004. (Hermosilla et al. 2015b).Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2017. Updating Landsat time series of surface-reflectance composites and forest change products with new observations. International Journal of Applied Earth Observation and Geoinformation. 63, 104-111. https://doi.org/10.1016/j.jag.2017.07.013 (Hermosilla et al. 2017).

Changements causés par les récolte forestière de 1985 à 2022, avec indication de l'année où le plus de perturbations dues aux récolte forestière ont été détectées. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. Les informations recueillies représentent 38 années de récolte forestière au Canada et sont calculées de manière entièrement automatisée à partir d'une source unique de données spatiales explicites recueillies de façon constante. En effet, des séries chronologiques de données Landsat à résolution spatiale de 30 m ont permis de caractériser les tendances nationales des perturbations de renouvellement de peuplement causées par les récolte forestière de 1985 à 2022 sur les 650 millions d'hectares d'écosystèmes forestiers du Canada.Si vous utilisez ces données, prière d'en citer la source comme suit : Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, L. B. Campbell, 2016. Mass data processing of time series Landsat imagery: pixels to data products for forest monitoring. International Journal of Digital Earth 9(11), 1035-1054. https://doi.org/10.1080/17538947.2016.1187673 ( Hermosilla et al. 2016).Voir les références ci-dessous pour un aperçu du traitement des données, du calcul des mesures, de la détermination des causes des changements et des méthodes de détection des changements dans les séries chronologiques, ainsi que pour des renseignements sur l'évaluation indépendante de l'exactitude des données. Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2015. An integrated Landsat time series protocol for change detection and generation of annual gap-free surface reflectance composites. Remote Sensing of Environment 158, 220-234. https://doi.org/10.1016/j.rse.2014.11.005 ( Hermosilla et al. 2015a).Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2015. Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment 170, 121-132. https://doi.org/10.1016/j.rse.2015.09.004 ( Hermosilla et al. 2015b).Hermosilla, T., M. A. Wulder, J. C. White, N. C. Coops, G. W. Hobart, 2017. Updating Landsat time series of surface-reflectance composites and forest change products with new observations. International Journal of Applied Earth Observation and Geoinformation. 63, 104-111. https://doi.org/10.1016/j.jag.2017.07.013 (Hermosilla et al. 2017).

Feu de Forêt Année/dNBR 1985-2015Ampleur des changements dans les feux de forêt de 1985 à 2015 Ampleur du changement spectral pour les feux de forêt qui se sont produits de 1985 à 2015. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada. La valeur de l'ampleur du changement est exprimée par la différence normalisée du ratio de brûlage (dNBR), qui est calculée comme la variation entre les valeurs spectrales avant et après le feu à l'origine du changement. Le jeu de données est constitué de trois couches : 1) masque binaire des feux de forêt, 2) année où le plus de perturbation due aux feux de forêt a été détectée et 3) différence normalisée du ratio de brûlage (dNBR), transformée en une valeur de 0 à 200 pour un stockage efficace des données. La valeur réelle de la dNBR se calcule comme suit : dNBR = valeur / 100. Plus la dNBR est élevée, plus le feu a été intense. Le jeu de données représente 30 années de feux de forêt au Canada et est calculé de manière entièrement automatisée à partir d'une source unique de données spatiales explicites recueillies de façon constante. En effet, des séries chronologiques de données Landsat à résolution spatiale de 30 m ont permis de caractériser les tendances nationales des perturbations de renouvellement de peuplement causées par les feux de forêt de 1985 à 2015 sur les 650 millions d'hectares d'écosystèmes forestiers du Canada.Si vous utilisez ces données, veuillez les citer comme suit : Hermosilla, T., M.A. Wulder, J.C. White, N.C. Coops, G.W. Hobart, L.B. Campbell, 2016. Mass data processing of time series Landsat imagery: pixels to data products for forest monitoring. International Journal of Digital Earth 9(11), 1035-1054. (Hermosilla et al. 2016).Voir les références ci'dessous pour un aperçu des données, du traitement des images et des méthodes de détection des changements dans les séries chronologiques utilisées, ainsi que pour des renseignements sur l'évaluation indépendante de l'exactitude des données.Hermosilla, T., Wulder, M. A., White, J. C., Coops, N.C., Hobart, G.W., 2015. An integrated Landsat time series protocol for change detection and generation of annual gap-free surface reflectance composites. Remote Sensing of Environment 158, 220-234. (Hermosilla et al. 2015a).Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Hobart, G.W., 2015. Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment 170, 121-132. (Hermosilla et al., 2015b). (Hermosilla et al. 2015b).

La Base de données sur l’énergie dans les collectivités éloignées (BDECE) est une ressource publique qui donne des renseignements factuels pertinents sur la production et la consommation d’électricité et d’autres sources d’énergie pour toutes les collectivités éloignées au Canada. Les collectivités sont indiquées comme étant éloignées si elles ne sont pas actuellement connectées au réseau électrique nord américain ni au réseau de canalisation de gaz naturel et qu’il s’agit d’un établissement permanent ou à long terme (cinq ans ou plus) d’au moins dix logements.La Base de données sur l’énergie dans les collectivités éloignées est la seule source nationale de données sur l’énergie dans les collectivités éloignées qui est disponible au public sur un site centralisé. La BDECE permet aux utilisateurs d’effectuer des recherches et des analyses sur les collectivités éloignées et leur contexte énergétique. Les utilisateurs peuvent aussi télécharger les données des jeux de données de la BDECE en format CSV (c. à d. compatible avec Excel).Ces données proviennent de diverses sources, dont les collectivités éloignées, les services publics locaux, les gouvernements provinciaux et territoriaux, Affaires autochtones et du Nord Canada (AANC), Statistique Canada, Ressources naturelles Canada (RNCan) et divers autres intervenants.

Empreintes pour toutes les images du gouvernement du Yukon [Service d'imagerie aérienne] (https://open.yukon.ca/data/yukon-aerial-imagery-most-recent).Distribuéde [GeoYukon] (https://yukon.ca/geoyukon) par le [gouvernement du Yukon] (https://yukon.ca/maps). Découvrez plus de cartes numériquesdes données et des cartes interactives provenant de la collection de données cartographiques numériques du Yukon.Pour en savoir plusinformations : [geomatics.help@yukon.ca] (mailto : geomatics.help@yukon.ca).

Le 1 cm modèle de hauteur numérique de la végétation du nord a été extrait à l'aide d'un modèle à surface nue de et d'un modèle numérique de surface (DSM) à partir d'images d'un véhicule aérien non habité (UAV) acquises à partir d'une seule journée le 28 juillet 2016 à Cambridge Bay, au Nunavut. Le produit cartographique couvre 525m2 et a été produite par le Centre canadien de télédétection / Centre canadien de cartographie et d'observation de la Terre. L'enquête sur les UAV a été menée en collaboration avec La Station canadienne de recherche dans l’Extrême-Arctique (SCREA) pour la recherche sur la surveillance végétation du Nord.Pour plus de renseignements, consultez nos travaux de recherche actuels:Fraser et al; "UAV photogrammetry for mapping vegetation in the low-Arctic" Arctic Science, 2016, 2(3): 79-102 http://www.nrcresearchpress.com/doi/abs/10.1139/AS-2016-0008