NFIS Suivi haute résolution des changements forestiers au Canada

NFIS Suivi haute résolution des changements forestiers au Canada (NFIS Project Office WMS)

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.

Changements 1985-2011 (Changements 1985-2011)

Changements 1985-2011

C2C_change_year_1985_2011 (C2C_change_year_1985_2011)

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. https://doi.org/10.1016/j.rse.2017.03.035. 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. https://doi.org/10.1080/17538947.2016.1187673.

Divers (Divers)

Divers

CA_RGB_2015_CC_LCC (CA_RGB_2015_CC_LCC)

Image composite Landsat RVB haute résolution du Canada (2015). Ce produit d’image national représente l’image composite de substitution « Composite to Change » (C2C) dérivée de milliers d’images Landsat acquises entre le 1er juillet et le 30 août 2015. Le processus global suivi est décrit dans Hermosilla et coll. (2016). avec les détails concernant la génération de composites de réflectance de surface sans lacune trouvés dans Hermosilla et coll.( 2015). Suivant la motivation et la justification présentées dans White et coll. (2014), l’imagerie Landsat a été soumise à une série d’étapes de traitement visant à éliminer les nuages et les ombres ainsi que la brume et d’autres effets atmosphériques indésirables. Des séries temporelles d’images Landsat d’une année à l’autre sont interrogées pour éviter d’avoir des emplacements pour lesquels il manque des valeurs pour assurer une couverture spatiale exhaustive des composites de réflectance de surface à l’échelle nationale. Lorsque vous utilisez ces données, veuillez en identifier la source comme suit : Hermosilla, T., Wulder, M.A., White, J.C., Coops, N.C. et 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, p. 220-234. https://doi.org/10.1016/j.rse.2014.11.005 . 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. https://doi.org/10.1080/17538947.2016.1187673 . 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. https://doi.org/10.1016/j.jag.2017.07.013 .

CA_treed_area_1984-2022 (CA_treed_area_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

CA_Image_Composite_SWIR1_NIR_RED_2022 (CA_Image_Composite_SWIR1_NIR_RED_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).

C2C_change_no_change_2012_2015 (C2C_change_no_change_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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673 . 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. https://doi.org/10.1016/j.jag.2017.07.013

C2C_change_type_2012_2015 (C2C_change_type_2012_2015)

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. https://doi.org/10.1016/j.rse.2017.03.035 . 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. https://doi.org/10.1080/17538947.2016.1187673 . 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. https://doi.org/10.1016/j.jag.2017.07.013.

CA_forest_VLCE2_1984 (CA_forest_VLCE2_1984)

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 1984. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_1986 (CA_forest_VLCE2_1986)

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 1986. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_1988 (CA_forest_VLCE2_1988)

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 1988. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_1990 (CA_forest_VLCE2_1990)

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 1990. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_1992 (CA_forest_VLCE2_1992)

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 1992. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_1994 (CA_forest_VLCE2_1994)

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 1994. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_1996 (CA_forest_VLCE2_1996)

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 1996. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_1998 (CA_forest_VLCE2_1998)

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 1998. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2000 (CA_forest_VLCE2_2000)

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 2000. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2002 (CA_forest_VLCE2_2002)

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 2002. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2004 (CA_forest_VLCE2_2004)

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 2004. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2006 (CA_forest_VLCE2_2006)

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 2006. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2008 (CA_forest_VLCE2_2008)

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 2008. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2010 (CA_forest_VLCE2_2010)

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 2010. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2012 (CA_forest_VLCE2_2012)

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 2012. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2014 (CA_forest_VLCE2_2014)

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 2014. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2016 (CA_forest_VLCE2_2016)

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 2016. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2018 (CA_forest_VLCE2_2018)

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 2018. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE_2015 (CA_forest_VLCE_2015)

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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_forest_VLCE2_2021 (CA_forest_VLCE2_2021)

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 1984. 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 œuvre 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. https://doi.org/10.1016/j.rse.2017.03.035 .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. https://doi.org/10.1080/17538947.2016.1187673. 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. https:/doi.org/10.1016/j.jag.2017.07.013 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_wetlands_post2000 (CA_wetlands_post2000)

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. https://doi.org/10.3390/rs10101623 . 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. https://doi.org/10.1080/07038992.2018.1437719 .

CA_Harmonized_Ag_Forest_Land_Cover_Map_2015 (CA_Harmonized_Ag_Forest_Land_Cover_Map_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). 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) Agriculture et Agroalimentaire Canada; 2018; Inventaire annuel des cultures [document WWW].

Structure Forestière 2015 (Structure Forestière 2015)

Structure Forestière 2015

CA_forest_elev_cv_2015_NN (CA_forest_elev_cv_2015_NN)

Coefficient de variation de la hauteur des premiers retours (%). Représente la variabilité des hauteurs du couvert par rapport à la hauteur moyenne du couvert. Des produits relatifs à la structure des écosystèmes forestiers du Canada ont été créés et rendus accessibles à tous. Les produits partagés sont fondés sur des données scientifiques examinées par des pairs et relient des aspects de la structure de la forêt, notamment : (i) des mesures calculées directement à partir du nuage de points lidar avec des hauteurs normalisées par rapport à la surface du sol (p. ex. densité, hauteur du couvert) et (ii) des attributs d'inventaire modélisés, obtenus selon une approche fondée sur la superficie et produits à partir de données de placettes au sol et de balayage par laser aéroporté (volume, biomasse). Les estimations de la structure forestière ont été générées en combinant l'information provenant des « parcelles lidar » (Wulder et coll., 2012) avec les composites à base de pixels Landsat (White et coll. 2014; Hermosilla et coll. 2016 ) en utilisant l'imputation selon la méthode du plus proche voisin avec une mesure de distance basée sur les forêts aléatoires. Ces produits ont été créés pour répondre aux besoins d'information de la surveillance stratégique des forêts et ne sont pas destinés à appuyer la gestion opérationnelle des forêts. Tous les produits ont une résolution spatiale de 30 m. Pour une description détaillée des données, des méthodes appliquées et des résultats de l'évaluation de la précision, voir Matasci et al. (2018).

CA_forest_gross_stem_volume_2015_NN (CA_forest_gross_stem_volume_2015_NN)

Volume brut de la tige. Le volume brut de l'arbre est calculé à l'aide d'équations allométriques propres à chaque espèce. Dans les placettes terrain mesurées, le volume total brut par hectare est calculé en additionnant le volume total brut de tous les arbres et en divisant par la superficie de la placette (unités = m3ha-1). Des produits relatifs à la structure des écosystèmes forestiers du Canada ont été créés et rendus accessibles à tous. Les produits partagés sont fondés sur des données scientifiques examinées par des pairs et relient des aspects de la structure de la forêt, notamment : (i) des mesures calculées directement à partir du nuage de points lidar avec des hauteurs normalisées par rapport à la surface du sol (p. ex. densité, hauteur du couvert) et (ii) des attributs d'inventaire modélisés, obtenus selon une approche fondée sur la superficie et produits à partir de données de placettes au sol et de balayage par laser aéroporté (volume, biomasse). Les estimations de la structure forestière ont été générées en combinant l'information provenant des « parcelles lidar » (Wulder et coll., 2012) avec les composites à base de pixels Landsat (White et coll. 2014; Hermosilla et coll. 2016 ) en utilisant l'imputation selon la méthode du plus proche voisin avec une mesure de distance basée sur les forêts aléatoires. Ces produits ont été créés pour répondre aux besoins d'information de la surveillance stratégique des forêts et ne sont pas destinés à appuyer la gestion opérationnelle des forêts. Tous les produits ont une résolution spatiale de 30 m. Pour une description détaillée des données, des méthodes appliquées et des résultats de l'évaluation de la précision, voir Matasci et al. (2018).

CA_forest_percentage_first_returns_above_2m_2015 (CA_forest_percentage_first_returns_above_2m_2015)

Pourcentage des premiers retours à plus de 2 m (%). Représente la densité du couvert. Des produits relatifs à la structure des écosystèmes forestiers du Canada ont été créés et rendus accessibles à tous. Les produits partagés sont fondés sur des données scientifiques examinées par des pairs et relient des aspects de la structure de la forêt, notamment : (i) des mesures calculées directement à partir du nuage de points lidar avec des hauteurs normalisées par rapport à la surface du sol (p. ex. densité, hauteur du couvert) et (ii) des attributs d'inventaire modélisés, obtenus selon une approche fondée sur la superficie et produits à partir de données de placettes au sol et de balayage par laser aéroporté (volume, biomasse). Les estimations de la structure forestière ont été générées en combinant l'information provenant des « parcelles lidar » (Wulder et coll., 2012) avec les composites à base de pixels Landsat (White et coll. 2014; Hermosilla et coll. 2016 ) en utilisant l'imputation selon la méthode du plus proche voisin avec une mesure de distance basée sur les forêts aléatoires. Ces produits ont été créés pour répondre aux besoins d'information de la surveillance stratégique des forêts et ne sont pas destinés à appuyer la gestion opérationnelle des forêts. Tous les produits ont une résolution spatiale de 30 m. Pour une description détaillée des données, des méthodes appliquées et des résultats de l'évaluation de la précision, voir Matasci et al. (2018).

CA_forest_loreys_height_2015_NN (CA_forest_loreys_height_2015_NN)

Hauteur moyenne de Lorey. Hauteur moyenne des arbres pondérée par leur surface terrière (m). Des produits relatifs à la structure des écosystèmes forestiers du Canada ont été créés et rendus accessibles à tous. Les produits partagés sont fondés sur des données scientifiques examinées par des pairs et relient des aspects de la structure de la forêt, notamment : (i) des mesures calculées directement à partir du nuage de points lidar avec des hauteurs normalisées par rapport à la surface du sol (p. ex. densité, hauteur du couvert) et (ii) des attributs d'inventaire modélisés, obtenus selon une approche fondée sur la superficie et produits à partir de données de placettes au sol et de balayage par laser aéroporté (volume, biomasse). Les estimations de la structure forestière ont été générées en combinant l'information provenant des « parcelles lidar » (Wulder et coll., 2012) avec les composites à base de pixels Landsat (White et coll. 2014; Hermosilla et coll. 2016 ) en utilisant l'imputation selon la méthode du plus proche voisin avec une mesure de distance basée sur les forêts aléatoires. Ces produits ont été créés pour répondre aux besoins d'information de la surveillance stratégique des forêts et ne sont pas destinés à appuyer la gestion opérationnelle des forêts. Tous les produits ont une résolution spatiale de 30 m. Pour une description détaillée des données, des méthodes appliquées et des résultats de l'évaluation de la précision, voir Matasci et al. (2018).

CA_forest_percentage_first_returns_above_mean_2015 (CA_forest_percentage_first_returns_above_mean_2015)

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.

CA_forest_fire_recovery_rate (CA_forest_fire_recovery_rate)

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).

CA_forest_fire_years2recovery (CA_forest_fire_years2recovery)

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).

Incendie de Forêt (Incendie de Forêt)

Incendie de Forêt

CA_wildfire_year (CA_wildfire_year)

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 l'année où le plus de perturbation due aux feux de forêt a été détectée. 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 (Hermosilla et al., 2017). 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.

CA_Forest_Wildfire_dNBR_1985_2020 (CA_Forest_Wildfire_dNBR_1985_2020)

Ampleur des changements dans les feux de forêt de 1985 à 2020 Ampleur du changement spectral pour les feux de forêt qui se sont produits de 1985 à 2020. 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. 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. 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 2020 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).

Changements 1985-2015 (Changements 1985-2015)

Changements 1985-2015

CA_harvest_year_1985_2015 (CA_harvest_year_1985_2015)

Représentant 31 ans de la 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 recolté 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.

CA_DHI_Composite_2000_2005_RGB (CA_DHI_Composite_2000_2005_RGB)

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

CA_EcoDom_40Class (CA_EcoDom_40Class)

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

CA_DHI_covar_2000_2005 (CA_DHI_covar_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 .

CA_DHI_mean_2000_2005 (CA_DHI_mean_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 .

BC_tree_species_map_2015 (BC_tree_species_map_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).

CA_Forest_Tree_Species_1984 (CA_Forest_Tree_Species_1984)

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 coll., 2022). 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)

CA_Forest_Tree_Species_1986 (CA_Forest_Tree_Species_1986)

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 coll., 2022). 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)

CA_Forest_Tree_Species_1988 (CA_Forest_Tree_Species_1988)

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 coll., 2022). 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)

CA_Forest_Tree_Species_1990 (CA_Forest_Tree_Species_1990)

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 coll., 2022). 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)

CA_Forest_Tree_Species_1992 (CA_Forest_Tree_Species_1992)

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 coll., 2022). 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)

CA_Forest_Tree_Species_1994 (CA_Forest_Tree_Species_1994)

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 coll., 2022). 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)

CA_Forest_Tree_Species_1996 (CA_Forest_Tree_Species_1996)

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 coll., 2022). 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)

CA_Forest_Tree_Species_1998 (CA_Forest_Tree_Species_1998)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2000 (CA_Forest_Tree_Species_2000)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2002 (CA_Forest_Tree_Species_2002)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2004 (CA_Forest_Tree_Species_2004)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2006 (CA_Forest_Tree_Species_2006)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2008 (CA_Forest_Tree_Species_2008)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2010 (CA_Forest_Tree_Species_2010)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2012 (CA_Forest_Tree_Species_2012)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2014 (CA_Forest_Tree_Species_2014)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2016 (CA_Forest_Tree_Species_2016)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2018 (CA_Forest_Tree_Species_2018)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2020 (CA_Forest_Tree_Species_2020)

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 coll., 2022). 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)

CA_Forest_Tree_Species_2022 (CA_Forest_Tree_Species_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 coll., 2022). 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)

Changements 1985-2020 (Changements 1985-2020)

Changements 1985-2020

CA_Forest_Harvest_1985-2020 (CA_Forest_Harvest_1985-2020)

Les données relatives aux changements forestiers annuels que renferme ce produit ont une portée nationale (écosystème forestier entier) et offrent une caractérisation complète des récolte forestière au Canada à une résolution spatiale de 30 m. Les informations recueillies représentent 36 années de changements causés par les 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. La capacité démontrée de caractériser les forêts à une résolution qui saisit les effets des activités anthropiques 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 2020 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 informatives en ce qui concerne les changements d’origine naturelle et anthropique. Elles permettent de suivre les changements forestiers annuels qui renouvellent les peuplements. Les types de perturbations renouvelant les peuplements sont étiquetés comme étant des feux de forêt ou des récoltes, 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; https://doi.org/10.1080/17538947.2016.1187673).

CA_forest_age_2019 (CA_forest_age_2019)

Carte satellite de l’âge des forêts pour 2019 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.

CA_forest_age_2022 (CA_forest_age_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).

CA_Forest_Burn_Probability_baseline_1991-2020 (CA_Forest_Burn_Probability_baseline_1991-2020)

Probabilité de brûlage projetée 2020-2100. Les données présentées offrent des projections spatialement explicites de la probabilité de brûlage des feux de forêt à travers les écozones forestières du Canada, sous plusieurs scénarios climatiques futurs et à une résolution spatiale de 30 m. Quatre scénarios climatiques futurs ont été utilisés pour examiner la distribution spatiotemporelle de la probabilité de brûlage au cours du XXIe siècle, en fonction des conditions climatiques, de la végétation et de la topographie (Mulverhill et al., 2024). La probabilité de brûlage projetée est fournie pour quatre trajectoires socio-économiques partagées (SSP1-2.6, SSP2-4.5, SSP3-7.0 et SSP5-8.5) et pour quatre périodes futures, soit 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence représentant les conditions climatiques moyennes et la probabilité de brûlage entre 1991 et 2020. Les résultats représentent la probabilité que les conditions (climat, végétation, topographie) d’un pixel donné ressemblent à celles des zones historiquement brûlées. Toutes les variables non climatiques ont été maintenues constantes; les projections représentent donc la probabilité de brûlage sous de futurs scénarios climatiques, compte tenu des conditions forestières contemporaines (2020). Lors de l’utilisation de ce jeu de données, veuillez citer Mulverhill et al. (2025), tel qu’indiqué ci-dessous.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.Pour une description détaillée des données sources et des méthodes appliquées à la période de référence permettant les projections de Mulverhill et al. (2025), voir: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.

CA_Forest_Burn_Probability_SSP1-2.6_2041-2060 (CA_Forest_Burn_Probability_SSP1-2.6_2041-2060)

Probabilité de brûlage projetée 2020-2100. Les données présentées offrent des projections spatialement explicites de la probabilité de brûlage des feux de forêt à travers les écozones forestières du Canada, sous plusieurs scénarios climatiques futurs et à une résolution spatiale de 30 m. Quatre scénarios climatiques futurs ont été utilisés pour examiner la distribution spatiotemporelle de la probabilité de brûlage au cours du XXIe siècle, en fonction des conditions climatiques, de la végétation et de la topographie (Mulverhill et al., 2024). La probabilité de brûlage projetée est fournie pour quatre trajectoires socio-économiques partagées (SSP1-2.6, SSP2-4.5, SSP3-7.0 et SSP5-8.5) et pour quatre périodes futures, soit 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence représentant les conditions climatiques moyennes et la probabilité de brûlage entre 1991 et 2020. Les résultats représentent la probabilité que les conditions (climat, végétation, topographie) d’un pixel donné ressemblent à celles des zones historiquement brûlées. Toutes les variables non climatiques ont été maintenues constantes; les projections représentent donc la probabilité de brûlage sous de futurs scénarios climatiques, compte tenu des conditions forestières contemporaines (2020). Lors de l’utilisation de ce jeu de données, veuillez citer Mulverhill et al. (2025), tel qu’indiqué ci-dessous.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.Pour une description détaillée des données sources et des méthodes appliquées à la période de référence permettant les projections de Mulverhill et al. (2025), voir: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.

CA_Forest_Burn_Probability_SSP1-2.6_2081-2100 (CA_Forest_Burn_Probability_SSP1-2.6_2081-2100)

Probabilité de brûlage projetée 2020-2100. Les données présentées offrent des projections spatialement explicites de la probabilité de brûlage des feux de forêt à travers les écozones forestières du Canada, sous plusieurs scénarios climatiques futurs et à une résolution spatiale de 30 m. Quatre scénarios climatiques futurs ont été utilisés pour examiner la distribution spatiotemporelle de la probabilité de brûlage au cours du XXIe siècle, en fonction des conditions climatiques, de la végétation et de la topographie (Mulverhill et al., 2024). La probabilité de brûlage projetée est fournie pour quatre trajectoires socio-économiques partagées (SSP1-2.6, SSP2-4.5, SSP3-7.0 et SSP5-8.5) et pour quatre périodes futures, soit 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence représentant les conditions climatiques moyennes et la probabilité de brûlage entre 1991 et 2020. Les résultats représentent la probabilité que les conditions (climat, végétation, topographie) d’un pixel donné ressemblent à celles des zones historiquement brûlées. Toutes les variables non climatiques ont été maintenues constantes; les projections représentent donc la probabilité de brûlage sous de futurs scénarios climatiques, compte tenu des conditions forestières contemporaines (2020). Lors de l’utilisation de ce jeu de données, veuillez citer Mulverhill et al. (2025), tel qu’indiqué ci-dessous.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.Pour une description détaillée des données sources et des méthodes appliquées à la période de référence permettant les projections de Mulverhill et al. (2025), voir: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.

CA_Forest_Burn_Probability_SSP2-4.5_2041-2060 (CA_Forest_Burn_Probability_SSP2-4.5_2041-2060)

Probabilité de brûlage projetée 2020-2100. Les données présentées offrent des projections spatialement explicites de la probabilité de brûlage des feux de forêt à travers les écozones forestières du Canada, sous plusieurs scénarios climatiques futurs et à une résolution spatiale de 30 m. Quatre scénarios climatiques futurs ont été utilisés pour examiner la distribution spatiotemporelle de la probabilité de brûlage au cours du XXIe siècle, en fonction des conditions climatiques, de la végétation et de la topographie (Mulverhill et al., 2024). La probabilité de brûlage projetée est fournie pour quatre trajectoires socio-économiques partagées (SSP1-2.6, SSP2-4.5, SSP3-7.0 et SSP5-8.5) et pour quatre périodes futures, soit 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence représentant les conditions climatiques moyennes et la probabilité de brûlage entre 1991 et 2020. Les résultats représentent la probabilité que les conditions (climat, végétation, topographie) d’un pixel donné ressemblent à celles des zones historiquement brûlées. Toutes les variables non climatiques ont été maintenues constantes; les projections représentent donc la probabilité de brûlage sous de futurs scénarios climatiques, compte tenu des conditions forestières contemporaines (2020). Lors de l’utilisation de ce jeu de données, veuillez citer Mulverhill et al. (2025), tel qu’indiqué ci-dessous.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.Pour une description détaillée des données sources et des méthodes appliquées à la période de référence permettant les projections de Mulverhill et al. (2025), voir: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.

CA_Forest_Burn_Probability_SSP2-4.5_2081-2100 (CA_Forest_Burn_Probability_SSP2-4.5_2081-2100)

Probabilité de brûlage projetée 2020-2100. Les données présentées offrent des projections spatialement explicites de la probabilité de brûlage des feux de forêt à travers les écozones forestières du Canada, sous plusieurs scénarios climatiques futurs et à une résolution spatiale de 30 m. Quatre scénarios climatiques futurs ont été utilisés pour examiner la distribution spatiotemporelle de la probabilité de brûlage au cours du XXIe siècle, en fonction des conditions climatiques, de la végétation et de la topographie (Mulverhill et al., 2024). La probabilité de brûlage projetée est fournie pour quatre trajectoires socio-économiques partagées (SSP1-2.6, SSP2-4.5, SSP3-7.0 et SSP5-8.5) et pour quatre périodes futures, soit 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence représentant les conditions climatiques moyennes et la probabilité de brûlage entre 1991 et 2020. Les résultats représentent la probabilité que les conditions (climat, végétation, topographie) d’un pixel donné ressemblent à celles des zones historiquement brûlées. Toutes les variables non climatiques ont été maintenues constantes; les projections représentent donc la probabilité de brûlage sous de futurs scénarios climatiques, compte tenu des conditions forestières contemporaines (2020). Lors de l’utilisation de ce jeu de données, veuillez citer Mulverhill et al. (2025), tel qu’indiqué ci-dessous.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.Pour une description détaillée des données sources et des méthodes appliquées à la période de référence permettant les projections de Mulverhill et al. (2025), voir: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.

CA_Forest_Burn_Probability_SSP3-7.0_2041-2060 (CA_Forest_Burn_Probability_SSP3-7.0_2041-2060)

Probabilité de brûlage projetée 2020-2100. Les données présentées offrent des projections spatialement explicites de la probabilité de brûlage des feux de forêt à travers les écozones forestières du Canada, sous plusieurs scénarios climatiques futurs et à une résolution spatiale de 30 m. Quatre scénarios climatiques futurs ont été utilisés pour examiner la distribution spatiotemporelle de la probabilité de brûlage au cours du XXIe siècle, en fonction des conditions climatiques, de la végétation et de la topographie (Mulverhill et al., 2024). La probabilité de brûlage projetée est fournie pour quatre trajectoires socio-économiques partagées (SSP1-2.6, SSP2-4.5, SSP3-7.0 et SSP5-8.5) et pour quatre périodes futures, soit 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence représentant les conditions climatiques moyennes et la probabilité de brûlage entre 1991 et 2020. Les résultats représentent la probabilité que les conditions (climat, végétation, topographie) d’un pixel donné ressemblent à celles des zones historiquement brûlées. Toutes les variables non climatiques ont été maintenues constantes; les projections représentent donc la probabilité de brûlage sous de futurs scénarios climatiques, compte tenu des conditions forestières contemporaines (2020). Lors de l’utilisation de ce jeu de données, veuillez citer Mulverhill et al. (2025), tel qu’indiqué ci-dessous.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.Pour une description détaillée des données sources et des méthodes appliquées à la période de référence permettant les projections de Mulverhill et al. (2025), voir: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.

CA_Forest_Burn_Probability_SSP3-7.0_2081-2100 (CA_Forest_Burn_Probability_SSP3-7.0_2081-2100)

Probabilité de brûlage projetée 2020-2100. Les données présentées offrent des projections spatialement explicites de la probabilité de brûlage des feux de forêt à travers les écozones forestières du Canada, sous plusieurs scénarios climatiques futurs et à une résolution spatiale de 30 m. Quatre scénarios climatiques futurs ont été utilisés pour examiner la distribution spatiotemporelle de la probabilité de brûlage au cours du XXIe siècle, en fonction des conditions climatiques, de la végétation et de la topographie (Mulverhill et al., 2024). La probabilité de brûlage projetée est fournie pour quatre trajectoires socio-économiques partagées (SSP1-2.6, SSP2-4.5, SSP3-7.0 et SSP5-8.5) et pour quatre périodes futures, soit 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence représentant les conditions climatiques moyennes et la probabilité de brûlage entre 1991 et 2020. Les résultats représentent la probabilité que les conditions (climat, végétation, topographie) d’un pixel donné ressemblent à celles des zones historiquement brûlées. Toutes les variables non climatiques ont été maintenues constantes; les projections représentent donc la probabilité de brûlage sous de futurs scénarios climatiques, compte tenu des conditions forestières contemporaines (2020). Lors de l’utilisation de ce jeu de données, veuillez citer Mulverhill et al. (2025), tel qu’indiqué ci-dessous.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.Pour une description détaillée des données sources et des méthodes appliquées à la période de référence permettant les projections de Mulverhill et al. (2025), voir: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.

CA_Forest_Burn_Probability_SSP5-8.5_2041-2060 (CA_Forest_Burn_Probability_SSP5-8.5_2041-2060)

Probabilité de brûlage projetée 2020-2100. Les données présentées offrent des projections spatialement explicites de la probabilité de brûlage des feux de forêt à travers les écozones forestières du Canada, sous plusieurs scénarios climatiques futurs et à une résolution spatiale de 30 m. Quatre scénarios climatiques futurs ont été utilisés pour examiner la distribution spatiotemporelle de la probabilité de brûlage au cours du XXIe siècle, en fonction des conditions climatiques, de la végétation et de la topographie (Mulverhill et al., 2024). La probabilité de brûlage projetée est fournie pour quatre trajectoires socio-économiques partagées (SSP1-2.6, SSP2-4.5, SSP3-7.0 et SSP5-8.5) et pour quatre périodes futures, soit 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence représentant les conditions climatiques moyennes et la probabilité de brûlage entre 1991 et 2020. Les résultats représentent la probabilité que les conditions (climat, végétation, topographie) d’un pixel donné ressemblent à celles des zones historiquement brûlées. Toutes les variables non climatiques ont été maintenues constantes; les projections représentent donc la probabilité de brûlage sous de futurs scénarios climatiques, compte tenu des conditions forestières contemporaines (2020). Lors de l’utilisation de ce jeu de données, veuillez citer Mulverhill et al. (2025), tel qu’indiqué ci-dessous.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.Pour une description détaillée des données sources et des méthodes appliquées à la période de référence permettant les projections de Mulverhill et al. (2025), voir: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.

CA_Forest_Burn_Probability_SSP5-8.5_2081-2100 (CA_Forest_Burn_Probability_SSP5-8.5_2081-2100)

Probabilité de brûlage projetée 2020-2100. Les données présentées offrent des projections spatialement explicites de la probabilité de brûlage des feux de forêt à travers les écozones forestières du Canada, sous plusieurs scénarios climatiques futurs et à une résolution spatiale de 30 m. Quatre scénarios climatiques futurs ont été utilisés pour examiner la distribution spatiotemporelle de la probabilité de brûlage au cours du XXIe siècle, en fonction des conditions climatiques, de la végétation et de la topographie (Mulverhill et al., 2024). La probabilité de brûlage projetée est fournie pour quatre trajectoires socio-économiques partagées (SSP1-2.6, SSP2-4.5, SSP3-7.0 et SSP5-8.5) et pour quatre périodes futures, soit 2021-2040, 2041-2060, 2061-2080 et 2081-2100, ainsi qu’une période de référence représentant les conditions climatiques moyennes et la probabilité de brûlage entre 1991 et 2020. Les résultats représentent la probabilité que les conditions (climat, végétation, topographie) d’un pixel donné ressemblent à celles des zones historiquement brûlées. Toutes les variables non climatiques ont été maintenues constantes; les projections représentent donc la probabilité de brûlage sous de futurs scénarios climatiques, compte tenu des conditions forestières contemporaines (2020). Lors de l’utilisation de ce jeu de données, veuillez citer Mulverhill et al. (2025), tel qu’indiqué ci-dessous.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.Pour une description détaillée des données sources et des méthodes appliquées à la période de référence permettant les projections de Mulverhill et al. (2025), voir: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.

CA_Forest_Fire_1985-2022 (CA_Forest_Fire_1985-2022)

Les données relatives aux changements forestiers annuels que renferme ce produit ont une portée nationale (écosystème forestier entier) et offrent une caractérisation complète des feux de forêt au Canada à une résolution spatiale de 30 m. Les informations recueillies représentent 36 années de changements causés par les 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. La capacité démontrée de caractériser les forêts à une résolution qui saisit les effets des activités anthropiques 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 2020 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 informatives en ce qui concerne les changements d'origine naturelle et anthropique. Elles permettent de suivre les changements forestiers annuels qui renouvellent les peuplements. Les types de perturbations renouvelant les peuplements sont étiquetés comme étant des feux de forêt ou des récoltes, 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; https://doi.org/10.1080/17538947.2016.1187673).

Structure Forestière 2022 (Structure Forestière 2022)

Structure Forestière 2022

CA_elev_cv_2022 (CA_elev_cv_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.

CA_elev_stddev_2022 (CA_elev_stddev_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.

CA_total_biomass_2022 (CA_total_biomass_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.

CA_canopy_height_2022 (CA_canopy_height_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.

CA_basal_area_2022 (CA_basal_area_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.

CA_northern_forest_structure_1995 (CA_northern_forest_structure_1995)

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. https://doi.org/10.1016/j.rse.2024.114097. 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.

CA_northern_forest_structure_2005 (CA_northern_forest_structure_2005)

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. https://doi.org/10.1016/j.rse.2024.114097. 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.

CA_northern_forest_structure_2015 (CA_northern_forest_structure_2015)

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. https://doi.org/10.1016/j.rse.2024.114097. 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.