Accueil / Cartes / English

Le Système national de surveillance des écosystèmes terrestres (NTEMS) a été développé par le Service canadien des forêts pour fournir des informations de base à l'échelle nationale sur les écosystèmes forestiers du Canada. Fondé en grande partie sur les données de la série de satellites Landsat, sur un accès libre et ouvert à des données prêtes à être analysées et sur l'utilisation de calculs à haute performance, le NTEMS a permis de recréer l'histoire des forêts du Canada à un niveau de détail spatial et catégorique plus élevé que jamais auparavant. Grâce à la recherche NTEMS, des méthodes ont été développées pour la composition d'images, la détection des changements et l'attribution des changements à l'aide de données de séries chronologiques Landsat. Les résultats du NTEMS ont par la suite permis la caractérisation du rétablissement post-perturbation, un cube de données annuel sur la couverture terrestre et des représentations nationales de la structure forestière. 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).

Résumé des publications scientifiques du NTEMS

Imagerie mondiale (graphique d'arrière-plan) fournie par les services Web ESRI avec des sources d'Esri, DigitalGlobe, GeoEye, Earthstar Geographics, CNES/Airbus DS, USDA, USGS, AeroGRID, IGN et la communautè des utilisateurs SIG

La science et les méthodes mises en place pour générer les informations présentées ici, qui suivent et caractérisent l'histoire des forêts canadiennes, ont été dirigées par le Service canadien des forêts de Ressources naturelles Canada, en partenariat avec l'Université de la Colombie-Britannique et grâce à l'appui de l'Agence spatiale canadienne, et ont été renforcées par la capacité de traitement de l’Alliance (alliance​can​.ca/fr/).

Téléchargez les données ici:

Ensemble de données	La description	Lien de téléchargement
Image composite du Canada 2022	Image composite Landsat haute résolution en fausses couleurs des écosystèmes forestiers du Canada (2022). Ce produit d'imagerie nationale représente l'image composite proxy « Composite to Change » (C2C), dérivée de milliers d'images Landsat acquises entre le 1er juillet et le 30 août 2022. Le processus général suivi est décrit dans (Hermosilla et al. 2016 ), avec des détails sur la génération de composites sans lacunes de réflectance de surface dans ( Hermosilla et al. 2015). Conformément à la motivation et à la logique présentées dans (White et al. 2014), les images Landsat sont soumises à une série d'étapes de traitement visant à éliminer les nuages et les ombres, ainsi que le brouillard et d'autres effets atmosphériques indésirables. Les séries chronologiques annuelles d'images Landsat sont examinées afin d'éviter les valeurs manquantes et de garantir une couverture spatiale exhaustive des composites nationaux de réflectance de surface. Image en fausses couleurs à 3 canaux RVB (bandes: infrarouge à ondes courtes, SWIR1; infrarouge proche, NIR; rouge, ROUGE). Lorsque vous utilisez ces données, veuillez en identifier 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 (Hermosilla et al. 2016 ).	Image composite du Canada 2022, ( GeoTif 26.6 GB)
Inventaire Forestier par Satellite (IFS) du Canada en 2020	Inventaire forestier par satellite (IFS) donnant des renseignements sur la couverture, le rétablissement après perturbation, la structure, les espèces, l'âge des terres forestières au Canada en 2020 ainsi que sur les perturbations qui ont provoqué le remplacement des peuplements entre 1985 et 2020. Les polygones de l'IFS représentent des conditions forestières homogènes semblables à celles des peuplements établis dans un inventaire forestier stratégique. On a délimité plus de 25 millions de polygones dans l'IFS en appliquant un algorithme de segmentation multirésolution aux couches d'images composites Landsat du meilleur pixel disponible de 2020 basées sur la réflectance de surface (résolution spatiale de 30 m), des années de feu et des années de récolte dérivées du Landsat à l'aide de l'approche C2C. On a utilisé une unité cartographique minimale de 0,45 ha (5 pixels) pour les définir. On a cartographié la totalité des écosystèmes forestiers du Canada à l'aide des mêmes données, attributs et représentation temporelle, créant ainsi un système d'inventaire de la végétation commun pour l'ensemble des quelque 650 Mha d'écosystèmes forestiers au pays. Étant donné la taille et la diversité des zones forestières nationales, la force d'un IFS réside dans son utilisation d'une méthode et d'une source de données uniformes des deux côtés des frontières entre les provinces et les territoires, et pour les zones forestières gérées et non gérées, ce qui permet une production uniforme d'extrants informatifs synoptiques et spatialement explicites. Les données comprises dans l'ensemble reposent sur des produits d'information et des données satellites à l'accès libre et gratuit qui respectent les approches établies et communiquées. Lorsque vous utilisez ces données, prière d'en citer la source comme suit: Wulder, M.A., Hermosilla, T., White, J.C., Hobart, G.W., Bater, C.W., Bronson, S.C., 2024. Development and implementation of a stand-level Satellite-Based Forest Inventory for Canada. Forestry: An International Journal of Forest Research 97(4), 546-563. ( Wulder et al. 2024).	Inventaire Forestier par Satellite (IFS) du Canada en 2020 (GDB, 7GB)
CA Les Feux de Forêt de 1985-2022	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. 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 Feux de Forêt de 1985-2022 (GeoTif, 241MB)
CA Feu de Forêt dNBR 1985-2022	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. 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).	CA Feu de Forêt dNBR 1985-2022 (GeoTif,3.6GB)
Incendies de 2023 au Canada	Carte des zones brûlées des écosystèmes forestiers du Canada durant la saison des incendies de 2023 à une résolution spatiale de 30 m, cartographiées à l'aide des données des séries chronologiques des satellites Sentinel-2A, Sentinel-2B, Landsat 8 et Landsat 9 et au moyen de l'algorithme Tracking Intra- and Inter-year Change (TIIC). (Pelletier et al, 2024; https://doi.org/10.1016/j.rse.2023.113931). Les incendies sont regroupés dans deux catégories (incendies en été ou incendies en automne) selon la période de détection. Les pixels brûlés en été ont été détectés entre le 30 mai et le 17 septembre et les pixels brûlés en automne ont été détectés entre le 17 septembre et le 25 octobre. En ce qui concerne les incendies en été, l'algorithme TIIC a relevé un changement des pixels brûlés, puis il les a catégorisés comme incendies. Quant aux incendies en automne, l'algorithme TIIC n'a détecté des changements que dans une zone tampon de 4 km autour des périmètres d'incendie de Ressources naturelles Canada (RNCan) (https://cwfis.cfs.nrcan.gc.ca/datamart). L'approche utilisée visait à limiter les erreurs pouvant résulter des limites connues de la cartographie à partir de données optiques en automne en raison de la phénologie, de la couverture de neige et du faible angle solaire. Pour la saison des incendies de 2023, l'algorithme TIIC a détecté 12.74 millions d'hectares (Mha) de superficie brûlée dans les écozones forestières du Canada, ce qui représente 1.8 % des écozones forestières totales. De ces 12.74 Mha, 11.57 Mha (90.9 %) ont été brûlés au cours de l'été, et 1.16 Mha (9.1 %) durant l'automne (Pelletier et al., 2024). Lorsque vous utilisez ces données, veuillez citer la source comme suit: Pelletier, F., Cardille, J.A., Wulder, M.A., White, J.C., Hermosilla, T., 2024. Revisiting the 2023 wildfire season in Canada. Science of Remote Sensing. 10, 100145. https://doi.org/10.1016/j.srs.2024.100145 ( Pelletier et al. 2024).	Incendies de 2023 au Canada (GeoTif,98MB)
CA Les Récolte Forestière 1985-2022	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. 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) Harvest changes occurred from 1985 to 2022 displaying the year of greatest harvest disturbance. The information outcomes represent 38	Les Récolte Forestière 1985-2022 (GeoTif, 978MB)
Couverture de terres 1984-2022 Version 2	Cartes à haute résolution de la couverture terrestre forestière annuelle pour les écosystèmes forestiers du Canada (1984-2022). La série chronologique annuelle de cartes de la couverture terrestre forestière a une portée nationale (elle comprend les 650 millions d'hectares d'écosystèmes forestiers du Canada) et est le résultat de la caractérisation de la totalité de la couverture terrestre canadienne effectuée chaque année de 1984 à 2022. Les cartes de couverture terrestre de cette série chronologique ont été produites à partir d'une série chronologique annuelle d'images composites Landsat, de données sur les changements du couvert forestier et de données topographiques et hydrologiques auxiliaires, conformément au cadre décrit dans Hermosilla et al. (2022) et fondé sur l'approche présentée dans Hermosilla et al. (2018). Les innovations méthodologiques apportées comprennent (i) un ensemble de données d'entraînement précises obtenu à partir de produits de couverture terrestre existants à l'aide de mesures aériennes et spatiales de la structure forestière; (ii) une sélection des échantillons d'entraînement effectuée proportionnellement à la répartition de la couverture terrestre au moyen d'une approche pondérée en fonction de la distance; et (iii) la génération de modèles de classification régionale au moyen d'un système de pavés de 150 × 150 km. Les cartes sont post traitées à l'aide de données sur les perturbations afin de s'assurer que les transitions de classe dans le temps sont logiques, grâce à un modèle de Markov caché. Les modèles de Markov cachés évaluent les probabilités de classe pour chaque année afin de réduire la variabilité et le bruit possible dans les attributions de classe d'une année à l'autre (p. ex., lorsque les probabilités de classe sont du même ordre). Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., 2022. Land cover classification in an era of big and open data: Optimizing localized implementation and training data selection to improve mapping outcomes. Remote Sensing of Environment. 268, 112780. https://doi.org/10.1016/j.rse.2021.112780. ( Hermosilla et al. 2022) Hermosilla, T., M.A. Wulder, J.C. White, N.C. Coops, G. W. Hobart, (2018). Disturbance-Informed Annual Land Cover Classification Maps of Canada's Forested Ecosystems for a 29-Year Landsat Time Series. Canadian Journal of Remote Sensing. 44(1) 67-87. 10.1080/07038992.2018.1437719 ( Hermosilla et al. 2018).	1984 , 1985 , 1986 , 1987 , 1988 , 1989 , 1990 , 1991 , 1992 , 1993 , 1994 , 1995 , 1996 , 1997 , 1998 , 1999 , 2000 , 2001 , 2002 , 2003 , 2004 , 2005 , 2006 , 2007 , 2008 , 2009 , 2010 , 2011 , 2012 , 2013 , 2014 , 2015 , 2016 , 2017 , 2018 , 2019 , 2020 , 2021 , 2022 ,( GeoTif, 1.7 GB)
Essences d'Arbres 1984-2022	Dans cet ensemble de données, nous présentons, pour chaque année entre 1984 et 2022, des cartes des essences d'arbres dominantes (également appelées principales essences d'arbres) dans l'ensemble des 650 millions d'hectares d'écosystèmes forestiers du Canada à l'aide d'une série temporelle d'images Landsat à une résolution spatiale de 30 m. Les classifications sont fondées sur un modèle de forêts aléatoires représentatif à l'échelle régionale qui utilise des échantillons d'apprentissage locaux provenant de l'Inventaire forestier national du Canada (Hermosilla et al., 2024). Les mesures descriptives fournissent des renseignements sur les caractéristiques spectrales, géographiques, climatiques et topographiques. Pour améliorer la cohérence temporelle de la transition entre les essences d'arbres d'une année à l'autre, les classifications annuelles initiales des essences d'arbres ont fait l'objet d'un processus de post classification de série temporelle à l'aide d'un modèle de Markov caché soumis à la procédure forward backward. L'évaluation des cartes annuelles des essences à l'aide de données de validation indépendantes indique une précision globale de 86,1 ± 0,14 % (intervalle de confiance à 95 %). Ces données permettent d'effectuer une comparaison cohérente des tendances et des taux de variation de la composition en essences d'arbres à l'échelle nationale et entre les régions grâce à une résolution spatiale, à une approche analytique et à un cadre temporel communs. Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Bater, C.W., Hobart, G.W., 2024. Characterizing long-term tree species dynamics in Canada's forested ecosystems using annual time series remote sensing data. Forest Ecology and Management, 122313. https://doi.org/10.1016/j.foreco.2024.122313 (Hermosilla et al. 2024).	1984 , 1985 , 1986 , 1987 , 1988 , 1989 , 1990 , 1991 , 1992 , 1993 , 1994 , 1995 , 1996 , 1997 , 1998 , 1999 , 2000 , 2001 , 2002 , 2003 , 2004 , 2005 , 2006 , 2007 , 2008 , 2009 , 2010 , 2011 , 2012 , 2013 , 2014 , 2015 , 2016 , 2017 , 2018 , 2019 , 2020 , 2021 , 2022 ,( GeoTif, 1 GB)
CA Âge des Forêts 2022	Carte satellite de l'âge des forêts pour 2022 dans les écozones forestières du Canada à une résolution spatiale de 30 m. Les données de télédétection de Landsat (perturbations, composites de réflectance de surface, structure forestière) et MODIS (production primaire brute) sont utilisées pour déterminer l'âge. L'âge peut être déterminé là où la perturbation peut être détectée directement (approche de perturbation) ou déduite à l'aide de l'information spectrale (approche de rétablissement) ou à l'aide d'équations allométriques inversées pour modéliser l'âge lorsqu'il n'y a aucune preuve de perturbation (approche allométrique). L'approche de perturbation est fondée sur les données satellite et les changements cartographiés, et elle est la plus précise. L'approche de rétablissement s'appuie également sur les données satellite et la logique concernant la succession forestière, avec une précision supérieure à la modélisation pure. Étant donné l'absence de perturbations récentes à grande échelle sur les forêts du Canada, l'approche allométrique est requise sur la plus grande superficie (86,6%). À l'aide de renseignements concernant la modélisation des hauteurs, de la croissance et du rendement réalisée, on estime l'âge là où il n'est pas possible de le faire autrement. Les arbres de tous âges sont cartographiés, les arbres de plus de 150 ans étant regroupés dans la catégorie des «vieux arbres». Voir Maltman et al. (2023) pour un aperçu des méthodes, des données, du traitement des images, ainsi que de l'information sur l'évaluation des ententes à l'aide de l'Inventaire forestier national (IFN) du Canada. Maltman, J.C., Hermosilla, T., Wulder, M.A., Coops, N.C., White, J.C., 2023. Estimating and mapping forest age across Canada's forested ecosystems. Remote Sensing of Environment 290, 113529. ( Maltman et al. 2023).	Âge des Forêts 2022 (GeoTif, 5.8GB)
FAO Forêts 2022	Zones forestières du Canada calculées au moyen de données satellitaires et conformément à la définition de la FAO. Les zones forestières sont basées sur la définition de l'Organisation des Nations Unies pour l'alimentation et l'agriculture (FAO). La définition de la FAO tient compte de l'utilisation des terres; les arbres éliminés (p. ex. par le feu et la récolte) sont donc considérés comme des forêts puisque les arbres repousseront. La carte montre la couverture forestière actuelle pour une année donnée (c.-à-d. 2022), ainsi que les zones, tracées au moyen de données satellitaires temporelles, où le couvert forestier a été temporairement éliminé en raison de perturbations qui ont pour effet de remplacer les peuplements (c.-à-d. feu, récolte). Pour obtenir un aperçu des méthodes, des données, du traitement des images, ainsi que des informations sur l'évaluation de la précision, veuillez consulter Wulder et coll. (2020). (en anglais seulement). Wulder, M.A., T. Hermosilla, G. Stinson, F.A. Gougeon, J.C. White, D.A. Hill, B.P. Smiley. (2020). Satellite-based time series land cover and change information to map forest area consistent with national and international reporting requirements. Forestry: An International Journal of Forest Research 93(3), 331-34, https://doi.org/10.1093/forestry/cpaa0063 . ( Wulder et al. 2020)	FAO Forêts 2022 (GeoTif, 807 MB)
Eau Canada 2022	Carte mur à mur des plans d'eau à travers les écosystèmes forestiers du Canada pour l'année 2022, dérivée de la classe "eau" du produit annuel Virtual Land Cover of Engine (VLCE). Les cartes VLCE sont basées sur des composites d'images Landsat en séries temporelles et représentent des classifications annuelles de la couverture terrestre de 1984 à 2022, à une résolution spatiale de 30 m. Le processus de classification intègre des informations sur les changements forestiers ainsi que des variables topographiques et hydrologiques auxiliaires, en appliquant un cadre de modélisation régional basé sur un système de carrelage de 150 × 150 km ( Hermosilla et al., 2022). Les données d'apprentissage proviennent de multiples sources de couverture terrestre et sont sélectionnées proportionnellement aux distributions de couverture terrestre selon une approche pondérée par la distance. Les classifications sont affinées au fil du temps à l'aide d'un modèle de Markov caché afin d'assurer la cohérence et de réduire le bruit de classification entre les années. Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C. 2022. Land cover classification in an era of big and open data: Optimizing localized implementation and training data selection to improve mapping outcomes. Remote Sensing of Environment. 268, 112780. https://doi.org/10.1016/j.rse.2021.112780. ( Hermosilla et al., 2022) Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Hobart, G.W. 2018. Disturbance-Informed Annual Land Cover Classification Maps of Canada's Forested Ecosystems for a 29-Year Landsat Time Series. Canadian Journal of Remote Sensing. 44(1) 67-87. https://doi.org/10.1080/07038992.2018.1437719.( Hermosilla et al., 2018).	Eau Canada 2022 (GeoTif, 234 MB)
Zone Arborée au Canada 1984-2022	Ce jeu de données fournit des informations sur la dynamique des zones arborées à travers les 650 millions d'hectares d'écosystèmes forestiers du Canada entre 1984 et 2022, dérivées des couches annuelles de couverture terrestre basées sur les images Landsat, avec une résolution spatiale de 30 mètres. Ce jeu de données identifie les zones qui sont restées arborées, celles qui sont devenues arborées (nouvelles zones arborées) et celles qui ont été converties en une autre couverture non arborée (zones anciennement arborées). Les données permettent des évaluations nationales et régionales des changements à long terme dans les zones arborées, en capturant les tendances de l'évolution des surfaces forestières, la récupération après perturbation et les changements dans l'étendue des forêts. Lors de l'utilisation de ces données, veuillez citer comme suit: Hermosilla, T., Wulder, M.A., White, J.C., Bater, C.W., Baral, S.K., Leach, J.A., 2025. Expansion of treed area over Canada's forested ecosystems: Spatial and temporal trends. Forestry: An International Journal of Forest Research. https://doi.org/10.1093/forestry/cpaf015 (Hermosilla et al. 20250	Zone Arborée au Canada 1984-2022 (GeoTif, 9.7 GB)
CA Structure Forestière 2022	Ce jeu de données fournit des cartes continues de la structure des forêts à travers les 650 millions d'hectares d'écosystèmes forestiers du Canada pour l'année 2022, générées à une résolution spatiale de 30 m. Les estimations de structure incluent des attributs clés tels que la hauteur du couvert forestier, la densité du couvert et la biomasse aérienne, dérivés à partir d'une combinaison de données lidar aéroportées et de composites spectraux issus de Landsat. Les modèles de structure ont été entraînés à l'aide du cadre « lidar-plot » (Wulder et al. 2012), qui intègre des données lidar aéroportées et des mesures de terrain co-localisées avec des composites de séries temporelles Landsat (Hermosilla et al. 2016). Une approche d'imputation par plus proche voisin a été appliquée pour estimer les attributs structurels sur l'ensemble du territoire forestier canadien. Ces produits, cohérents à l'échelle nationale, sont conçus pour appuyer la surveillance stratégique des forêts et les évaluations à grande échelle, mais ne sont pas destinés à la gestion opérationnelle des forêts. Pour plus de détails sur les méthodes, l'évaluation de l'exactitude et les sources de données, voir Matasci et al. (2018). Matasci, G., Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C., Hobart, G.W., Bolton, D.K., Tompalski, P., Bater, C.W., 2018. Three decades of forest structural dynamics over Canada's forested ecosystems using Landsat time-series and lidar plots. Remote Sensing of Environment, 216, 697-714. https://doi.org/10.1016/j.rse.2018.07.024 ( Matasci et al. 2018).	Surface terrière 2022 (GeoTif, 9.5 GB), Couverture forestière (GeoTif, 9.5 GB), Hauteur du Couvert 2022 (GeoTif,10 GB), Elevation CoVar 2022 (GeoTif, 9.2 GB), Hauteur Moyenne 2022 (GeoTif, 10.1 GB), Écart-type de la hauteur 2022 (GeoTif, 10.1 GB), Volume brut de la tige 2022 (GeoTif, 9.4 GB), Hauteur de Loreys 2022 (GeoTif, 10 GB), % 1er Retours au-dessus de la Hauteur Moyenne 2022 (GeoTif, 9.7 GB), Total de la biomasse 2022 (GeoTif, 10 GB)
Données ouvertes sur le rétablissement des forêts après perturbation du Canada	Les données sur le rétablissement des forêts après perturbation recueillies pour les écosystèmes forestiers du Canada, d'une superficie totale d'environ 650 millions d'hectares, illustrent leur rétablissement après les incendies et les récoltes survenus entre 1986 et 2012. Ces extrants spatialement explicites représentent le taux de rétablissement spectral (le taux auquel un pixel revient à 80 % de sa valeur avant la perturbation) (White et al. 2017) au cours de la période d'observation (1985-2017) à l'aide de la mesure Y2R (Years-to-Recovery, ou années jusqu'au rétablissement) dérivée des données de la série chronologique de Landsat. Pour chacune des 12 écozones forestières du Canada, des taux de référence de rétablissement spectral (Y2R) ont été établis. Ces références ont ensuite été utilisées pour déterminer les regroupements spatiaux de pixels de rétablissement dans le paysage où les mesures Y2R étaient soit nettement plus élevées, soit plus faibles que leur référence par rapport à l'écozone. Enfin, les secteurs qui ont été perturbés par des incendies et des récoltes (1986-2012), mais qui ne s'étaient pas rétablis à la fin de la période d'observation (2017) sont également indiqués. À noter que ces secteurs sont toujours en cours de rétablissement. Ils n'étaient pas encore rétablis, selon notre mesure de rétablissement spectral, à la fin de la série chronologique en 2017. Pour une synthèse des méthodes, la validation de la mesure Y2R et l'interprétation des tendances dérivées, voir White et al. (2022) et White et al. (2017). White, J.C., Hermosilla, T., Wulder, M.A., Coops, N.C., 2022. Mapping, validating, and interpreting spatio-temporal trends in post-disturbance forest recovery. Remote Sensing of Environment, 271, 112904. https://doi.org/10.1016/j.rse.2022.112904 . ( White et al. 2022) White, J.C., Wulder, M.A., Hermosilla, T., Coops, N.C., Hobart, G.W. 2017. A nationwide annual characterization of 25 years of forest disturbance and recovery for Canada using Landsat time series. Remote Sensing of Environment, 194, pp. 303-321. DOI: https://doi.org/10.1016/j.rse.2017.03.035 . ( White et al. 2017)	Taux de Récupération Après un Incendie de Forêt ,(GeoTif, 73 MB) Taux de Récolte Forestière,(GeoTif, 411 MB) incendie de forêt années jusqu'au rétablissement ,(GeoTif, 30 MB) Années de Récolte Forestière Jusqu'au Rétablissement,(GeoTif, 256 MB)
	Produits Divers
Probabilité de brûlure projetée 2020-2100	Ces données montrent des projections détaillées de la probabilité que des feux de forêt se produisent dans les zones forestières du Canada, en fonction de différents scénarios climatiques futurs. Les cartes ont une précision de 30 mètres, ce qui permet de visualiser les risques à une échelle très fine. Les chercheurs ont étudié quatre scénarios climatiques possibles pour le 21ᵉ siècle afin de comprendre comment le risque d’incendie pourrait évoluer selon le climat, la végétation et la topographie ( Mulverhill et al. 2024). Les projections couvrent quatre périodes futures : 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence (1991-2020) qui reflète les conditions climatiques et le risque moyen observés récemment. Ces cartes indiquent la probabilité qu’un endroit présente des conditions similaires à celles des zones qui ont brûlé par le passé. Les variables comme la végétation et la topographie ont été gardées fixes, ce qui signifie que les projections montrent l’effet du climat futur sur les forêts actuelles (2020). Si vous utilisez ces données, veuillez citer Mulverhill et al. (2025). Mulverhill, C., Coops, N. C., Wulder, M. A., Hermosilla, T., White, J. C., & Bater, C. W. (2025). Projected Future Changes in Burn Probability in Canada’s Forests and Communities Under Different Climate Change Scenarios. Canadian Journal of Remote Sensing, 51(1). https://doi.org/10.1080/07038992.2025.2560347( Mulverhill et al. 2025). Pour une description détaillée des données sources et des méthodes appliquées à la période de référence, qui ont permis de produire les projections de Mulverhill et al. (2025), consultez : Mulverhill, C., Coops, N.C., Wulder, M.A., White, J.C., Hermosilla, T., and Bater, C.W. 2024. “Multidecadal mapping of status and trends in annual burn probability over Canada’s forested ecosystems.” ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 209 pp. 279–295. https://doi.org/10.1016/j.isprsjprs.2024.02.006( Mulverhill et al. 2024).	CA_Forest_Burn_Probability_baseline_1991-2020,(GeoTif, 18.4 , CA_Forest_Burn_Probability_SSP1-2.6_2021-2040,(GeoTif, 18.3 , CA_Forest_Burn_Probability_SSP1-2.6_2041-2060,(GeoTif, 18.3 , CA_Forest_Burn_Probability_SSP1-2.6_2061-2080,(GeoTif, 18.3 , CA_Forest_Burn_Probability_SSP1-2.6_2081-2100,(GeoTif, 19.0 , CA_Forest_Burn_Probability_SSP2-4.5_2021-2040,(GeoTif, 18.3 , CA_Forest_Burn_Probability_SSP2-4.5_2041-2060,(GeoTif, 18.3 , CA_Forest_Burn_Probability_SSP2-4.5_2061-2080,(GeoTif, 18.2 , CA_Forest_Burn_Probability_SSP2-4.5_2081-2100,(GeoTif, 19.1 , CA_Forest_Burn_Probability_SSP3-7.0_2021-2040,(GeoTif, 18.3 , CA_Forest_Burn_Probability_SSP3-7.0_2041-2060,(GeoTif, 18.3 , CA_Forest_Burn_Probability_SSP3-7.0_2061-2080,(GeoTif, 18.1 , CA_Forest_Burn_Probability_SSP3-7.0_2081-2100,(GeoTif, 18.9 , CA_Forest_Burn_Probability_SSP5-8.5_2021-2040,(GeoTif, 18.3 , CA_Forest_Burn_Probability_SSP5-8.5_2041-2060,(GeoTif, 18.2 , CA_Forest_Burn_Probability_SSP5-8.5_2061-2080,(GeoTif, 18.0 , CA_Forest_Burn_Probability_SSP5-8.5_2081-2100,(GeoTif, 18.9
Limite de la Forêt Nordique	Ce jeu de données fournit une carte pancanadienne de la hauteur de la végétation ainsi que la délimitation de la limite forestière nordique. Les estimations de hauteur de la végétation ont été dérivées des observations LiDAR d’ICESat-2, intégrées à des séries temporelles Landsat et à des variables topographiques pour modéliser la répartition spatiale de la hauteur. La limite forestière nordique représente la zone de transition entre la forêt boréale et la toundra, un écozone particulièrement importante pour le suivi des impacts des changements climatiques et de la biodiversité. La hauteur de la végétation a été modélisée pour six périodes temporelles : 1985-1995, 1990-2000, 1995-2005, 2000-2010, 2005-2015 et 2010-2021. Les prédictions pour chaque période représentent les conditions médianes de cette période. Les estimations de hauteur et de probabilité de présence de couvert forestier ont été générées à l’aide de modèles Random Forests entraînés à partir de données LiDAR spatiales recueillies par ICESat-2 entre 2019 et 2021, combinées à des images Landsat de 2010 à 2021. Ces modèles Random Forests ont ensuite été appliqués à l’ensemble de l’archive Landsat, couvrant une période d’environ 35 ans. Ce jeu de données fournit une prédiction spatialisée de la hauteur de la végétation (m) le long de la limite forestière nordique du Canada à une résolution spatiale de 30 m. Les pixels présentant une faible probabilité (< 50 %) de contenir un couvert végétal ont reçu une hauteur de 0 m. La science et les méthodes ayant mené à la création de ce jeu de données résultent d’une collaboration entre le Service canadien des forêts de Ressources naturelles Canada et le Integrated Remote Sensing Studio (IRSS) de la Faculté de foresterie de l’Université de la Colombie-Britannique. Lors de l’utilisation de ces données, veuillez citer: Travers-Smith, H., Coops, N. C., Mulverhill, C., Wulder, M. A., Ignace, D., Lantz, T. C. (2024). Mapping vegetation height and identifying the northern forest limit across Canada using ICESat-2, Landsat time series and topographic data. Remote Sensing of Environment, 305, 114097. ( Travers-Smith et al. 2024). Des informations supplémentaires décrivant l’application du modèle à la série chronologique des données Landsat sont disponibles ici: Travers-Smith, H., Coops, N., Mulverhill, C., Wulder, M. A., Lantz, T. C., Ignace, D. (2025). Satellite observations reveal stable forest limits and shrub expansion across the Canadian forest-tundra ecotone. Environmental Research Letters, 20(10). https://doi.org/10.1088/1748-9326/adfc7f ( Travers-Smith et al. 2025).	CA_northern_forest_structure_1995 (GeoTif, 4.8 GB) CA_northern_forest_structure_2000 (GeoTif, 4.8 GB) CA_northern_forest_structure_2005 (GeoTif, 5.0 GB) CA_northern_forest_structure_2010 (GeoTif, 5.2 GB) CA_northern_forest_structure_2015 (GeoTif, 5.1 GB) CA_northern_forest_structure_2021 (GeoTif, 5.0 GB) CA_northern_forest_limit (Shapefile, 41 KB)
Terres humides 2000-16	Les données binaires sur les terres humides présentées dans ce produit ont une étendue nationale (ensemble de l'écosystème forestier) et constituent une caractérisation entière pour la période s'étendant de 2001 à 2016 (Wulder et coll., 2018). Ce produit a été réalisé à l'aide d'images composites annuelles de la réflectance sans lacunes ainsi que de cartes annuelles des changements forestiers pour les 650 millions d'hectares d'écosystèmes forestiers du Canada, en suivant le processus du Virtual Land Cover Engine (VLCE) (voir Hermosilla et coll., 2018). La méthode de classification VLCE consiste notamment à inclure de l'information sur les perturbations dans les processus ainsi qu'à s'assurer que les transitions de classe dans le temps sont logiques. En outre, un automate de Markov à états cachés est utilisé pour évaluer les probabilités de classe pour chaque année afin de réduire la variabilité et le bruit possible dans les attributions de classe d'une année à l'autre (p. ex., lorsque les probabilités de classe sont du même ordre). Pour ce produit, afin qu'un pixel puisse être actuellement considéré comme une terre humide, il doit avoir été classé comme tel pendant au moins 80 % du temps entre 2001 et 2016 inclusivement ou pendant treize de ces années. Pour avoir un aperçu des données, du traitement des images et des méthodes appliquées pour la détection des changements dans les séries chronologiques, veuillez consulter Wulder et coll. (2018). Une description détaillée du processus VLCE et du produit résultant décrivant la couverture terrestre, y compris l'évaluation de l'exactitude, se trouve dans Hermosilla et coll. (2018). Lorsque vous utilisez ces données, veuillez en identifier la source comme suit : Wulder, M.A., Z. Li, E. Campbell, J.C. White, G. Hobart, T. Hermosilla, and N.C. Coops (2018). A National Assessment of Wetland Status and Trends for Canada's Forested Ecosystems Using 33 Years of Earth Observation Satellite Data. Remote Sensing.( Wulder et al. 2018). For a detailed description of the VLCE process and the subsequently generated land cover product, including an accuracy assessment, please see Hermosilla, T., M.A. Wulder, J.C.,White, N.C.,Coops, G. W.,Hobart, (2018). Disturbance-Informed Annual Land Cover Classification Maps of Canada's Forested Ecosystems for a 29-Year Landsat Time Series. Canadian Journal of Remote Sensing. Vol. 44. ( Hermosilla et al. 2018).	Terres humides 2000-2016 (GeoTif, 607MB)
Terres humides 84-16	Les données de dénombrement annuel des terres humides présentées dans ce produit ont une étendue nationale (ensemble de l'écosystème forestier) et constituent une caractérisation entière des terres humides pour la période 1984-2016 (Wulder et coll., 2018). Ce produit a été réalisé à l'aide d'images composites annuelles de la réflectance sans lacunes ainsi que de cartes annuelles des changements forestiers pour les 650 millions d'hectares d'écosystèmes forestiers du Canada, suivant le processus du Virtual Land Cover Engine (VLCE) (voir Hermosilla et coll., 2018). La méthode de classification VLCE consiste notamment à inclure de l'information sur les perturbations dans les processus ainsi qu'à s'assurer que les transitions de classe dans le temps sont logiques. En outre, un automate de Markov à états cachés est utilisé pour évaluer les probabilités de classe pour chaque année afin de réduire la variabilité et le bruit possible dans les attributions de classe d'une année à l'autre (p. ex., lorsque les probabilités de classe sont du même ordre). Les valeurs peuvent varier de 0 à 33, désignant le nombre d'années, entre 1984 et 2016, où un pixel a été classé « terre humide » ou « terre humide arborée » dans le cube de données VLCE. Pour avoir un aperçu des données, du traitement des images et des méthodes appliquées pour détecter des changements, dans les séries chronologiques, ainsi que de l'information sur l'évaluation indépendante de l'exactitude des données, voir Hermosilla et coll. (2016). Hermosilla et coll. (2018) donnent une description détaillée du processus VLCE et du produit de couverture terrestre résultant, y compris l'évaluation de l'exactitude. Wulder et coll. (2018) décrivent les analyses ciblées des terres humides. Lorsque vous utilisez ces données, veuillez 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, Vol. 9. ( Hermosilla et al. 2016). A detailed description of the VLCE process and the subsequently generated land cover product, including an accuracy assessment, please see Hermosilla, T., M.A. Wulder, J.C.,White, N.C.,Coops, G. W.,Hobart, (2018). Disturbance-Informed Annual Land Cover Classification Maps of Canada's Forested Ecosystems for a 29-Year Landsat Time Series. Canadian Journal of Remote Sensing. Vol. 44. ( Hermosilla et al. 2018). The focused wetland analyses can be found described in A National Assessment of Wetland Status and Trends for Canada's Forested Ecosystems Using 33 Years of Earth Observation Satellite Data. (2018) Wulder, M.A., Z Li, E. M. Campbell, J. C. White, G. Hobart, T. Hermosilla and N. C. Coops.,Remote Sensing, 10, 1263-1282, ( Wulder et al. 2018)	Dénombrement annuel des terres humides 1984-2016 (GeoTif, 1.7GB)
Carte d'espèce et la probabilité d'arbre pour la Colombie-Britannique en 2015	Des espèces d'arbres dominantes 2015 Les données représentant les espèces d'arbres dominantes des forêts de la Colombie-Britannique en 2015 sont fondées sur des données Landsat et leur modélisation, dont les résultats sont cartographiés à une résolution spatiale de 30 m. La carte a été produite par l'algorithme de classification des « forêts aléatoires » appliqué à des variables prédictives calculées à partir de séries chronologiques d'images Landsat, notamment la réflectance de la surface, la couverture terrestre, les perturbations forestières et la structure de la forêt, ainsi qu'à des variables accessoires décrivant la topographie et la position. Les échantillons d'entraînement et de validation ont été tirés de l'Inventaire des ressources végétales (Vegetation Resources Inventory), sélectionnés parmi un ensemble stratifié de polygones présentant des conditions internes homogènes et divergeant peu par rapport aux données de télédétection. Des modèles locaux ont été appliqués à des carrés de 100 km x 100 km et, pour éviter les effets de bordure, tenaient compte des échantillons d'entraînement pour les 5 x 5 carrés voisins. Pour les espèces d'arbres qui occupent 80 % de la superficie forestière, l'exactitude globale s'est chiffrée à 72 %. L'étude montre que les données satellitaires et leur modélisation peuvent servir à produire des cartes complètes et à jour des attributs forestiers à l'échelle des sous peuplements en Colombie Britannique (Canada). Probabilité d'espèce d'arbre 2015 Ce produit cartographique présente des données de distribution de probabilité d'appartenance à une classe d'espèce d'arbre en Colombie-Britannique d'après la modélisation de données Landsat donnant des résultats à résolution spatiale de 30 m. Les données représentent la probabilité d'appartenance à une classe d'espèce d'arbre en 2015. La carte a été produite par l'algorithme de classification des « forêts aléatoires » appliqué à des variables prédictives calculées à partir de séries chronologiques d'images Landsat, notamment la réflectance de la surface, la couverture terrestre, les perturbations forestières et la structure de la forêt, ainsi qu'à des variables accessoires décrivant la topographie et la position. Les échantillons d'entraînement et de validation ont été tirés de l'Inventaire des ressources végétales (Vegetation Resources Inventory), sélectionnés parmi un ensemble stratifié de polygones présentant des conditions internes homogènes et divergeant peu par rapport aux données de télédétection. Des modèles locaux ont été appliqués à des carrés de 100 km x 100 km et, pour éviter les effets de bordure, tenaient compte des échantillons d'entraînement pour les 5 x 5 carrés voisins. Pour les espèces d'arbres qui occupent 80 % de la superficie forestière, l'exactitude globale s'est chiffrée à 72 %. Un élément du processus de cartographie a consisté à obtenir les « votes » reçus pour chaque classe par les modèles de « forêts aléatoires ». Les votes sont analogues aux probabilités d'appartenance à une classe et renseignent davantage sur l'incertitude des classes de couverture terrestre à utiliser dans la modélisation. Les probabilités d'appartenance à une classe d'arbre inférieures à 5 % ont été masquées et converties à zéro. Lorsque vous utilisez ces données, veuillez en citer la source comme suit : Shang, C., Coops, N.C., Wulder, M.A., White, J.C., et Hermosilla, T. 2020. Update and spatial extension of strategic forest inventories using time series remote sensing and modeling. International Journal of Applied Earth Observation and Geoinformation 84, 101956. DOI: 10.1016/j.jag.2019.101956 ( Shang et al. 2020).	Carte d'espèce et la probabilité d'arbre pour la Colombie-Britannique 2015 (GeoTif, 1.5 GB)
La Couverture Terrestre Harmonisée 2015	La Couverture Terrestre Harmonisée 2015 La carte de la couverture terrestre harmonisée (CTH) est produite à partir des données d'Agriculture et Agroalimentaire Canada (AAC) et du Service canadien des forêts (SCF). La CTH est exhaustive pour toutes les zones allant de la limite nord des écosystèmes forestiers canadiens à la frontière sud. Les données de la couverture terrestre suivent les catégories du Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC), représentent l'année 2015 et ont une résolution spatiale de 30 m. Cette carte de la couverture terrestre harmonisée combine deux produits sur la couverture terrestre axés sur le secteur : le Virtual Land Cover Engine ou VLCE du SCF (Hermosilla et al. 2018) et l'Inventaire annuel des cultures (IAC) d'AAC (AAC 2018). Le processus d'harmonisation a été réalisé en utilisant un modèle d'allocation de Dirichlet latente (ADL). Le modèle d'ADL utilisé régionalise les cooccurrences de classe provenant de plusieurs cartes pour générer une étiquette de classe harmonisée pour chaque pixel en caractérisant statistiquement les attributs terrestres à partir des cooccurrences de la classe, en utilisant les renseignements fournis par les matrices d'erreur et les scores d'affinité sémantique. Pour un aperçu complet des données, des méthodes appliquées et des renseignements sur l'évaluation de l'exactitude indépendante, consulter Li et al. (2020; https://doi.org/10.1080/13658816.2020.1796131). Lorsque vous utiliserez ces données, veuillez les citer en tant que : Li Z., White J.C., Wulder M.A., Hermosilla T., Davidson A.M. et Comber A.J.; 2020; Land cover harmonization using Latent Dirichlet Allocation; International Journal of Geographical Information Science; DOI: https://doi.org/10.1080/13658816.2020.1796131 (accès libre). ( Li et al. 2020) Pour d'autres ressources sur les données utilisées et les méthodes appliquées, veuillez consulter : Hermosilla T., Wulder M.A., White J.C., Coops N.C. et Hobart G.W.; 2018; Disturbance-informed annual land cover classification maps of Canada's forested ecosystems for a 29-year Landsat time series; Canadian Journal of Remote Sensing, 44(1), p. 67-87. https://doi.org/10.1080/07038992.2018.1437719 (accès libre) ( Hermosilla et al. 2018). Agriculture et Agroalimentaire Canada; 2018; Inventaire annuel des cultures . ( AAFC 2018. Inventaire annuel des cultures).	La Couverture Terrestre Harmonisée 2015 (GeoTif, 1.3 GB)
Cote de verdure de la végétation urbaine pour 18 grandes zones urbaines canadiennes (1984-2016)	Cote de verdure de la végétation urbaine pour 18 grandes zones urbaines canadiennes (1984-2016) Les données relatives à la cote de verdure de la végétation urbaine, qui sont présentées dans ce produit couvrent 33 années et toutes les aires de diffusion de recensement contiguës pour 18 grandes zones urbaines canadiennes sélectionnées. Les 18 zones représentent plus de la moitié de la population du Canada en 2016 (Czekajlo et al. 2020). La cote de verdure de la végétation urbaine utilise des fractions de verdure dérivées de séries chronologiques annuelles d'images composites satellites Landsat auxquelles on a appliqué la méthode de démixage spectral (White et al. 2014; https://doi.org/10.1080/07038992.2014.945827; Hermosilla et al. 2016, https://doi.org/10.1080/17538947.2016.1187673) pour caractériser la cote de verdure et ses changements d'ensemble, dont le sommaire est présenté par aire de diffusion du recensement. Code d'image; cote de verdure de la végétation urbaine; Description 1; -L - Diminution du degré de verdure, d'où un degré de verdure final faible 2; 0L; Degré de verdure faible et stable 3; +L; Augmentation du degré de verdure; degré de verdure final faible 4; -M; Diminution du degré de verdure, d'où un degré de verdure final modéré 5; 0M; Degré de verdure stable modéré 6; +M; Augmentation du degré de verdure, d'où un degré de verdure final modéré 7; -H; Diminution du degré de verdure; degré de verdure final élevé 8; 0H; Degré de verdure élevé stable 9; +H; Augmentation du degré de verdure, d'où un degré de verdure final élevé Pour obtenir des renseignements supplémentaires sur les données, le traitement des images et les méthodes de démixage spectral appliquées, la conception de la cote de verdure de la végétation urbaine, ainsi que de l'information concernant l'évaluation exacte indépendante des données, et pour citer les présentes données, veuillez consulter la référence suivant e: Czekajlo, A., Coops, N.C., Wulder, M.A., Hermosilla, T., Lu, Y., White et J.C., van den Bosch, M., 2020. The urban greenness score: A satellite-based metric for multi-decadal characterization of urban land dynamics. International Journal of Applied Earth Observation and Geoinformation. 93, 102210. ( Czekajlo et al. 2020).	Cote de verdure de la végétation urbaine pour 18 grandes zones urbaines canadiennes (GeoTif, 51 MB)
Indice des habitats dynamiques. (2000-2005)	Indice des habitats dynamiques. (2000-2005) Des satellites comme MODIS nous permettent d'obtenir des estimations du rayonnement photosynthétiquement actif. Connaître la couverture terrestre permet de calculer quelle fraction du rayonnement solaire incident est absorbée par la végétation. La fraction absorbée par la végétation du rayonnement photosynthétiquement actif (fPAR) est une indication de la vitesse à laquelle la photosynthèse des tissus végétaux transforme le dioxyde de carbone et la lumière solaire en hydrates de carbone. L'addition de tout le carbone assimilé par le couvert végétal au fil du temps donne la productivité primaire brute d'un paysage. Nous utilisons l'imagerie quotidienne diffusée par MODIS pour produire des images composites périodiques et des produits de données mensuels. Nous calculons sur six ans (2000 à 2005) la somme cumulée moyenne annuelle de 72 mesures mensuelles de la fPAR, afin d'estimer toute production végétale annuelle du paysage, la mesure mensuelle de la fPAR mensuelle minimale moyenne intégrée sur un an, laquelle décrit la couverture verte annuelle minimum du paysage observé, et la moyenne intégrée de la covariance annuelle de fPAR, qui décrit la saisonnalité du paysage observé. Nous partageons également la combinaison des valeurs annuelles intégrées aux fins de visualisation et d'analyse comme l'indice des habitats dynamiques [IHD] (Coops et coll. 2008 donnent des informations supplémentaires sur le contexte et la description). Lorsque vous utilisez ces données, veuillez citer : Coops N.C., Wulder M.A., Duro D.C., Han T. et Berry S. 2008. « The development of a Canadian dynamic habitat index using multi-temporal satellite estimates of canopy light absorbance . Ecological Indicators, vol. 8, no 5, p. 754-766. DOI : https://doi.org/10.1016/j.ecolind.2008.01.007 .( Coops et al. 2008).	Indice des habitats dynamiques 2000-2006 (GeoTif, 138 MB)
Classification des domaines écologiques	Classification des domaines écologiques du Canada à partir de données satellitaires. Nous avons utilisé les données obtenues par des satellitaires, notamment 1) la topographie, 2) la productivité du paysage basée sur l'activité photosynthétique et 3) la couverture terrestre pour créer une régionalisation environnementale du territoire canadien qui couvre plus de dix millions de kilomètres carrés. Cette agrégation a produit trois résultats principaux. Un processus de classification multivariée en deux étapes a généré un premier regroupement de 100 classes. Nous avons ensuite appliqué une hiérarchie d'agglomération fondée sur une mesure de la log-vraisemblance de la distance pour créer une régionalisation en 40 puis en 14 classes, visant à regrouper de manière significative les composants écologiquement similaires du territoire canadien. Pour plus de renseignements (y compris un graphique de la hiérarchie des regroupements) et pour citer ces donnez, veuillez utiliser : Coops N.C., Wulder M.A. et Iwanicka D. 2009. « An environmental domain classification of Canada using earth observation data for biodiversity assessment ». Ecological Informatics, vol. 4, no 1, p 8-22, DO I: https://doi.org/10.1016/j.ecoinf.2008.09.005 ( Coops et al. 2009).	Classification des domaines écologiques (GeoTif, 42 MB)
	Produits Legal
Des Essences d'Arbres 2019	Cartes très détaillées (résolution spatiale de 30 m) de la présence et de la répartition des essences d'arbres dans les écosystèmes forestiers du Canada (2019). Les produits comprennent les essences dominantes ainsi que l'abondance pour 37 essences. Est aussi présentée la distance par rapport à la deuxième classe (D2SC), à titre d'indicateur de la confiance de classification. Ces couches ont été produites à partir d'une image composite de Landsat de 2019, de données géographiques et climatiques, de dérivés de l'altitude et de renseignements sur la phénologie dérivés de la télédétection, d'après le cadre décrit dans Hermosilla et al. (2022). Les modèles de classification régionale ont été produits à partir de l'inventaire forestier national du Canada (IFN), au moyen d'un système de pavés de 150 × 150 km. Un aperçu des données utilisées ainsi que du traitement des images et des méthodes appliquées est présenté dans Hermosilla et al. (2022), de même que des renseignements sur l'évaluation indépendante de l'exactitude des données. Hermosilla et al. (2022). Hermosilla, T., Bastyr, A., Coops, N.C., White, J.C., Wulder, M.A., 2022. Mapping the presence and distribution of tree species in Canada's forested ecosystems. Remote Sensing of Environment 282, 113276.( Hermosilla et al. 2022)	Espèces d arbres phares (GeoTif, 1.7 GB), Distance à la deuxième espèce d arbre (GeoTif, 1.7 GB), Probabilité des espèces d arbres (GeoTif, 1.7 GB)
Couverture de terres 2015 Version 1	Les données sur la couverture des terres forestières incluses dans ce produit ont une portée nationale (écosystème forestier complet) et représentent la caractérisation de la totalité de la couverture terrestre canadienne pour 2015. Ce produit a été réalisé à l'aide d'images de réflectance composites annuelles sans lacune au moyen du processus « Virtual Land Cover Engine » (VLCE) (voir Hermosilla et coll., 2018) appliqué aux 650 millions d'hectares d'écosystèmes forestiers du Canada. Les éléments de l'approche de classification VLCE sont l'inclusion d'informations de perturbation dans les processus ainsi que la garantie que les transitions de classes dans le temps sont logiques. En outre, un modèle de Markov caché est mis en Å“uvre pour évaluer les vraisemblances de classe d'années individuelles afin de réduire la variabilité et le bruit possible dans les affectations de classe d'année en année (pour les cas où les vraisemblances de classe sont similaires). 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). Pour consulter une description détaillée du processus VLCE et du produit de couverture terrestre généré par la suite, y compris une évaluation de la précision, veuillez consulter Hermosilla et al. (2018). Lorsque vous utilisez ces données, veuillez en identifier la source comme suit : White, 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. (White et al. 2017). 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, Vol. 9. ( Hermosilla et al. 2016). 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, Vol. 63. ( Hermosilla et al. 2017). Hermosilla, T., M.A. Wulder, J.C.,White, N.C.,Coops, G. W.,Hobart, (2018). Disturbance-Informed Annual Land Cover Classification Maps of Canada's Forested Ecosystems for a 29-Year Landsat Time Series. Canadian Journal of Remote Sensing. Vol. 44. ( Hermosilla et al. 2018).	Couverture de terres 2015 (GeoTif, 1.7GB)
Feu de Forêt Année/dNBR 1985-2015	Ampleur 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. 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). 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 1985-2015 (GeoTif, 1.2GB)
Des récolte forestière 1985-2015	Cartographie annuelle de la récolte forestière dans l'ensemble du Canada d'après des images satellites Landsat de 1985 à 2015 inclusivement Ce jeu de données est constitué de deux couches : 1) masque binaire des récolte forestière et 2) année de détection des perturbations par al récolte forestière. Représentant 31 ans du récolte forestière au Canada, les données sont cohérentes, spatialement explicites et obtenues de façon automatisée d'une seule source. Des séries chronologiques de données Landsat à résolution spatiale de 30 m ont été utilisées pour caractériser les tendances nationales des perturbations forestières renouvelant les peuplements, y compris celles attribuées à la récolte forestière, de 1985 à 2015 sur les 650 millions d'hectares d'écosystèmes forestiers du Canada (Hermosilla et al., 2016). On peut consulter les références ci dessous pour obtenir un aperçu des données, du traitement des images et des méthodes utilisées pour détecter les changements dans les séries temporelles, ainsi que des renseignements sur l'évaluation indépendante de l'exactitude des données. Lorsque vous utilisez ces données, veuillez 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. ( Hermosilla et al. 2016) For additional resources on the data used and methods applied, please see: 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., 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.( Hermosilla et al. 2017)	Des récolte forestièr 1985-2015 (GeoTif, 351 MB)
Changement 85-11	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. 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. Si vous utilisez les données, prière d'en citer la source comme suit : White, 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. (White et al. 2017). 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, Vol. 9. ( Hermosilla et al. 2016).	Changement 1985-2011 (GeoTif, 227MB)
Changer le type 85-11	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. 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). Si vous utilisez les données, prière d'en citer la source comme suit : White, 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.(White et al. 2017). 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, Vol. 9. ( Hermosilla et al. 2016).	Changer le type 1985-2011 (GeoTif, 249MB)
Changer d'année 85-11	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. 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). Si vous utilisez les données, prière d'en citer la source comme suit : White, 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.(White et al. 2017). 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, Vol. 9. ( Hermosilla et al. 2016).	Changer d'année 1985-2011 (GeoTif, 280MB)
Changement 12-15	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 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. 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) Si vous utilisez les données, prière d'en citer la source comme suit : White, 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.(White et al. 2017).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, Vol. 9. ( Hermosilla et al. 2016). 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, Vol. 63. ( Hermosilla et al. 2017).	Changement 2012-2015 (GeoTif, 82MB)
Changer le type 12-15	Des changements forestiers au Canada 2012-2015. 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 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. 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). Si vous utilisez les données, prière d'en citer la source comme suit : White, 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.(White et al. 2017). 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, Vol. 9. ( Hermosilla et al. 2016). 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, Vol. 63. ( Hermosilla et al. 2017).	Changer le type 2012-2015 (GeoTif, 90MB)
Changer d'année 12-15	Les données annuelles 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 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. 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). Si vous utilisez les données, prière d'en citer la source comme suit : White, J.C., M.A. Wulder, T. Hermosilla, N.C. Coops, and G. Hobart. (2017). ( White et al. 2017). 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, Vol. 9. ( Hermosilla et al. 2016). 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, Vol. 63. ( Hermosilla et al. 2017).	Changer d'année 2012-2015 (GeoTif, 92MB)