Cet ensemble de données contient des piles de rasters de densité d'allumage moyenne et annuelle des incendies de forêt des années 1980 à 2023 inclus. Les rasters sont séparées par cause: humaine, naturelle (foudre). Le flux de travail a été modifié à partir de Gralewicz et al. (2012) et des rasters récapitulatifs moyens et moyens normalisés ont été générés à la fois pour les causes humaines et les causes de la foudre.

Périmètres des feux de forêt pour la saison des feux de forêt en cours, y compris les feux actifs et inactifs, fournis par diverses sources. Les données sont actualisées à partir des systèmes opérationnels toutes les 15 minutes. Ces périmètres sont transférés aux polygones historiques d'incendie le 1er avril de chaque année. Les données relatives aux feux de forêt peuvent ne pas refléter la situation d'incendie la plus récente et ne doivent donc être utilisées qu'à des fins de référence. Les données sur les feux de forêt sont actualisées dans la mesure du possible et la fréquence de mise à jour individuelle des feux peut varier. Les informations sont destinées à des fins générales uniquement et ne doivent pas être considérées comme exactes car les incendies sont dynamiques et les circonstances peuvent changer rapidement.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Points de localisation des feux de forêt pour la saison des feux de forêt en cours. Cela inclut les feux actifs et inactifs. Les données proviennent de différentes sources et sont mises à jour par les systèmes opérationnels toutes les 15 minutes. Ces points sont transférés aux points d'incendie historiques le 1er avril de chaque année. Les données sur les feux de forêt peuvent ne pas refléter la situation d'incendie la plus récente et ne doivent donc être utilisées qu'à des fins de référence. Les données sur les feux de forêt sont actualisées dans la mesure du possible et la fréquence de mise à jour individuelle des feux peut varier. Les informations sont destinées à des fins générales uniquement et ne doivent pas être considérées comme exactes car les incendies sont dynamiques et les circonstances peuvent changer rapidement.** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Emplacements des points d'incident historiques des feux de forêt pour toutes les saisons d'incendie avant la saison en cours. Fourni par diverses sources. Ne doit pas être utilisé à des fins légales. Ces données incluent tous les incidents recensés par le BC Wildfire Service, c'est-à-dire les incendies réels, les incendies présumés, les feux nuisibles, les poursuites contre la fumée, etc. Le 1er avril de chaque année, cette couche est mise à jour avec les données de la saison d'incendie précédente** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

Périmètres des feux de forêt pour toutes les saisons d'incendie avant l'année en cours. Fourni par diverses sources. Ne doit pas être utilisé à des fins légales. Ces périmètres peuvent être mis à jour périodiquement au cours de l'année. Le 1er avril de chaque année, les périmètres d'incendie de l'année précédente sont fusionnés dans cet ensemble de données** Cet élément de métadonnées provenant d’une tierce partie a été traduit à l'aide d'un outil de traduction automatisée (Amazon Translate). **

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).

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).

Les points chauds représentent les feux de forêts et de broussailles actifs. Ils sont identifiés par le Système canadien d’information sur les feux de végétation de Ressources naturelles Canada en analysant des images infra-rouge acquises par satellite. Cette couche représente les points chauds qui sont sélectionnés pour alimenter le Système régional de prévision déterministe de la qualité de l'air FireWork (SRPDQA-FW) qui effectue la prévision de la qualité de l'air en tenant compte des feux de forêts et de broussailles. La couverture géographique est le Canada et les États-Unis. Les produits sont présentés sous forme de compilations annuelles historiques qui soulignent les tendances à long terme des effets cumulatifs sur l'environnement.

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).

Les données type des changements forestiers décrites ici sont une mise à jour des données ouvertes publiées précédemment. La plage de dates pour ces données est de 2012 à 2015. Les données avec changement et sans changement pour la période antérieure de 1985 à 2011 se trouvent ici : https://opendata.nfis.org/mapserver/nfis-change_fra.html ou https://gcgeo.gc.ca/geonetwork/search/fre. Rechercher « changements forestiers », mais vous devez ouvrir une session pour voir les données. Il a été développé dans le cadre du Système national de surveillance des écosystèmes terrestres (NTEMS) du Canada.Les données relatives aux changements forestiers que renferme ce produit ont une portée nationale (écosystème forestier entier) et offrent la première caractérisation complète des feux de forêt et des récoltes au Canada à une résolution spatiale en rapport avec l’impact humain. Les informations recueillies représentent vingt-cinq années de renouvellement des peuplements dans les forêts du pays. Elles proviennent d’une source unique de données cohérentes et spatialement explicites, obtenues de manière entièrement automatisée. La capacité démontrée de caractériser les forêts à une résolution qui saisit l’impact humain est essentielle pour établir la base de référence destinée à la surveillance détaillée des écosystèmes forestiers des points de vue des sciences et de la gestion. Des séries chronologiques de données Landsat ont servi à caractériser les tendances nationales des perturbations causées par le feu et la récolte qui renouvellent les peuplements pour la période de 1985 à 2010 sur les 650 millions d’hectares forestiers du Canada (https://authors.elsevier.com/sd/article/S0034425717301360). Les données Landsat ont une résolution de 30 m, de sorte que les informations relatives aux changements sont très détaillées et en rapport avec l’impact humain. Elles permettent de suivre les changements forestiers annuels qui renouvellent les peuplements. Les types de perturbation renouvelant les peuplements sont étiquetés feu de forêt et récolte, le niveau inférieur de confiance étant aussi fourni. La distinction et la communication des probabilités d’appartenance à une classe inférieure servent à indiquer aux utilisateurs que certains changements étaient difficiles à attribuer à un type, mais qu’ils sont considérés comme correctement catégorisés, de façon générale. Pour avoir un aperçu des données, du traitement des images et des méthodes de détection des changements dans les séries chronologiques, ainsi que des renseignements sur l’évaluation indépendante de l’exactitude des données, voir Hermosilla et coll. (2016; http://www.tandfonline.com/doi/full/10.1080/17538947.2016.1187673).Les données offertes sont : 1. changement binaire/aucun changement, 2. année du changement et 3. type de changement. Si vous utilisez les données, prière d’en citer la source comme suit : Hermosilla, T.,Wulder, M. A.,White, J. C.,Coops, N. C.,Hobart, G. W., (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. DOI: 10.1016/j.jag.2017.07.013White, J.C., M.A. Wulder, T. Hermosilla, N.C. Coops, and G. Hobart. (2017). A nationwide annual characterization of 25 years of forest disturbance and recovery for Canada using Landsat time series. Remote Sensing of Environment. 192: 303-321. DOI: 10.1016/j.rse.2017.03.035. https://authors.elsevier.com/sd/article/S0034425717301360