Cette série de cartes historiques de la susceptibilité aux inondations provient d’un modèle d’apprentissage automatique XGBoost entraîné à partir des inondations majeures survenues entre 2005 et 2023. Le modèle ainsi entraîné est ensuite exécuté pour chaque année de 2000 à 2023, en intégrant les caractéristiques temporelles propres à la température, aux précipitations, à l’occupation du sol et à l’indice de végétation par différence normalisée (IVDP), afin de prédire la susceptibilité aux inondations pour chaque année.This dataset forms part of a broader collection of flood susceptibility datasets, offering related information and analyses. The collection includes an overview page with associated publications, historic susceptibility values, temporal trends, and future projections.- [Collection - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/1074f781-85d3-4c86-86cb-fd1c339197dc)- [Tendances et extrêmes - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/3202e0a0-0afb-4120-b102-b0c41f0fb9eb)- [Future - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/c00f95a3-7bab-4d28-b9cc-b30f06b5afd2)

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.Cet ensemble de données fait partie d’une collection plus vaste d’ensembles de données sur la susceptibilité aux inondations, offrant des informations et des analyses connexes. La collection comprend une page de présentation accompagnée de publications associées, des valeurs historiques de susceptibilité, des tendances temporelles ainsi que des projections futures.- [Collection - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/1074f781-85d3-4c86-86cb-fd1c339197dc)- [Historique - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/ea1384df-bf4a-4743-97bb-870dc43f8d77)- [Tendances et extrêmes - Cartographie de la susceptibilité aux inondations]( https://ouvert.canada.ca/data/fr/dataset/3202e0a0-0afb-4120-b102-b0c41f0fb9eb)

Cette collection de produits de susceptibilité aux inondations met en évidence les tendances temporelles des événements historiques d’inondation de 2000 à 2023, dérivées des cartes de susceptibilité aux inondations. Les couches sont conçues pour appuyer la prise de décision en fournissant de l’information facile à interpréter pour la planification, le filtrage et d’autres besoins de gestion.Cette collection contient plusieurs jeux de données qui examinent l’ensemble des rasters de 2000 à 2023 :- Années extrêmement humides et extrêmement sèches, ainsi que la moyenne de la susceptibilité aux inondations associée, calculées par unité de drainage du RCN (NHN WU), telles que déterminées par une analyse de valeurs extrêmes généralisées (GEV).- Enveloppe de susceptibilité aux inondations, dérivée des années humides et sèches mentionnées ci‑dessus.- Pente de la tendance : pour chaque pixel, la valeur de chaque année est extraite et une tendance linéaire est calculée. Une valeur supérieure à 1000 indique une augmentation de la susceptibilité aux inondations, tandis qu’une valeur inférieure à 1000 indique une diminution de la susceptibilité aux inondations.- Classe de tendance, définie selon les scores d’années humides et sèches, appliquée par unité de drainage du RCN (NHN WU).- Susceptibilité actuelle aux inondations, qui représente la valeur moyenne estimée de la susceptibilité aux inondations à l’époque actuelle.- Écart interquartile actuel, qui fournit une indication de la variabilité temporelle d’un pixel donné dans le régime hydrologique actuel.Cet ensemble de données fait partie d’une collection plus vaste d’ensembles de données sur la susceptibilité aux inondations, offrant des informations et des analyses connexes. La collection comprend une page de présentation accompagnée de publications associées, des valeurs historiques de susceptibilité, des tendances temporelles ainsi que des projections futures.- **[Collection - Cartographie de la susceptibilité aux inondations](https://ouvert.canada.ca/data/fr/dataset/1074f781-85d3-4c86-86cb-fd1c339197dc)**- **[Historique - Cartographie de la susceptibilité aux inondations](https://ouvert.canada.ca/data/fr/dataset/ea1384df-bf4a-4743-97bb-870dc43f8d77)**- **[Future - Cartographie de la susceptibilité aux inondations](https://ouvert.canada.ca/data/fr/dataset/c00f95a3-7bab-4d28-b9cc-b30f06b5afd2)**

La cartographie de la susceptibilité aux inondations est une série nationale de cartes qui montre dans quelle mesure différentes zones du Canada sont susceptibles d’être touchées par des inondations. Cette version mise à jour améliore une carte ponctuelle antérieure en intégrant des données annuelles et saisonnières, ainsi qu’un ensemble plus vaste de sites d’inondation connus utilisés pour entraîner le modèle. Ces améliorations permettent d’évaluer comment la susceptibilité aux inondations varie d’une année à l’autre, d’identifier les tendances à long terme et de repérer les années exceptionnellement humides ou sèches.Le système intègre un large éventail d’informations, notamment des caractéristiques du territoire comme l’altitude, le type de sol, l’occupation du sol et la végétation, ainsi que des variables météorologiques saisonnières comme les précipitations et la température. Il tient également compte du contexte géographique afin de mieux capter les structures spatiales.Plusieurs modèles d’intelligence artificielle (IA) ont été évalués, et l’algorithme XGBoost a été retenu pour sa précision et sa fiabilité. Le modèle a ensuite été ajusté afin que les probabilités qu’il produit correspondent mieux aux conditions réelles, avec des améliorations notables dans les zones de susceptibilité modérée aux inondations. Pour mieux caractériser l’incertitude, le modèle a été testé à plusieurs reprises à l’aide d’échantillons de données légèrement différents.Des cartes annuelles de susceptibilité aux inondations sont disponibles pour les années 2000 à 2023, ainsi que certaines cartes illustrant des conditions climatiques futures possibles.À partir des cartes annuelles, des indices « humides » et « secs » peuvent être calculés pour chaque bassin versant (zone de drainage) au Canada, et l’évolution de la susceptibilité aux inondations dans le temps a été évaluée. À l’échelle du pays, le nombre de zones présentant des conditions plus humides a généralement augmenté. Bon nombre des changements les plus importants sont survenus entre 2009 et 2020, l’année 2017 apparaissant souvent comme un point tournant.Cet collection contient : - Des **[cartes historiques annuelles](https://ouvert.canada.ca/data/fr/dataset/ea1384df-bf4a-4743-97bb-870dc43f8d77)** (2000–2023) montrant la probabilité calibrée de susceptibilité aux inondations.- Des **[scénarios climatiques futurs](https://ouvert.canada.ca/data/fr/dataset/c00f95a3-7bab-4d28-b9cc-b30f06b5afd2)** de susceptibilité aux inondations.- Une variété de **[cartes prêtes à l’utilisation](https://ouvert.canada.ca/data/fr/dataset/3202e0a0-0afb-4120-b102-b0c41f0fb9eb)**, montrant les tendances d’augmentation ou de diminution de la susceptibilité aux inondations (traitées par unité de travail du RHT), les années extrêmement humides et sèches, ainsi qu’une « enveloppe d’inondation » et la susceptibilité probable actuelle aux inondations.Les plans de développement futurs comprennent l’extension des cartes jusqu’en 1980 et l’examen des changements potentiels de la susceptibilité aux inondations selon différents scénarios climatiques futurs.Dans l’ensemble, cet ensemble de données offre une vue cohérente, à l’échelle du Canada, des lieux et des moments où la susceptibilité aux inondations a changé au cours des deux dernières décennies. Il est destiné à l’analyse des motifs et des tendances aux échelles régionale et nationale, plutôt qu’à la prédiction d’inondations pour des propriétés individuelles ou à l’appui de décisions d’ingénierie ou de conception de bâtiments.

Cette série de cartes historiques de la susceptibilité aux inondations provient d’un modèle d’apprentissage automatique XGBoost entraîné à partir des inondations majeures survenues entre 2005 et 2023. Le modèle ainsi entraîné est ensuite exécuté pour chaque année de 2000 à 2023, en intégrant les caractéristiques temporelles propres à la température, aux précipitations, à l’occupation du sol et à l’indice de végétation par différence normalisée (NDVI), afin de prédire la susceptibilité aux inondations pour chaque année. **Cet élément de métadonnées tiers suit la spécification Spatio Temporal Asset Catalog (STAC).** **Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

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 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. **Cet élément de métadonnées tiers suit la spécification Spatio Temporal Asset Catalog (STAC).** **Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Cette série de cartes historiques de la susceptibilité aux inondations provient d’un modèle d’apprentissage automatique XGBoost entraîné à partir des inondations majeures survenues entre 2005 et 2023. Le modèle ainsi entraîné est ensuite exécuté pour chaque année de 2000 à 2023, en intégrant les caractéristiques temporelles propres à la température, aux précipitations, à l’occupation du sol et à l’indice de végétation par différence normalisée (NDVI), afin de prédire la susceptibilité aux inondations pour chaque année. **Cet élément de métadonnées tiers suit la spécification Spatio Temporal Asset Catalog (STAC).** **Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Cette série de cartes historiques de la susceptibilité aux inondations provient d’un modèle d’apprentissage automatique XGBoost entraîné à partir des inondations majeures survenues entre 2005 et 2023. Le modèle ainsi entraîné est ensuite exécuté pour chaque année de 2000 à 2023, en intégrant les caractéristiques temporelles propres à la température, aux précipitations, à l’occupation du sol et à l’indice de végétation par différence normalisée (NDVI), afin de prédire la susceptibilité aux inondations pour chaque année. **Cet élément de métadonnées tiers suit la spécification Spatio Temporal Asset Catalog (STAC).** **Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

Cette collection de produits de susceptibilité aux inondations capture les tendances temporelles des événements d’inondation historiques de 2000 à 2023, dérivés des cartes de susceptibilité aux inondations. Les couches sont conçues pour soutenir la prise de décision en fournissant des informations facilement interprétables pour la planification, l’évaluation et d’autres activités de gestion. **Cet élément de métadonnées tiers suit la spécification Spatio Temporal Asset Catalog (STAC).** **Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**

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 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. **Cet élément de métadonnées tiers suit la spécification Spatio Temporal Asset Catalog (STAC).** **Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate).**