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.

ca_change_nochange_fra (changenochange)

Les données relatives aux changements forestiers que renferme ce produit ont une portée nationale (écosystème forestier entier) et offrent la première caractérisation complète des feux de forêt et des récoltes au Canada à une résolution spatiale en rapport avec l'impact humain. Les informations recueillies représentent vingt-cinq années de renouvellement des peuplements dans les forêts du pays. Elles proviennent d'une source unique de données cohérentes et spatialement explicites, obtenues de manière entièrement automatisée. La capacité démontrée de caractériser les forêts à une résolution qui saisit l'impact humain est essentielle pour établir la base de référence destinée à la surveillance détaillée des écosystèmes forestiers des points de vue des sciences et de la gestion. Des séries chronologiques de données Landsat ont servi à caractériser les tendances nationales des perturbations causées par le feu et la récolte qui renouvellent les peuplements pour la période de 1985 à 2010 sur les 650 millions d'hectares forestiers du Canada. Les données Landsat ont une résolution de 30 m, de sorte que les informations relatives aux changements sont très détaillées et en rapport avec l'impact humain. Elles permettent de suivre les changements forestiers annuels qui renouvellent les peuplements. Les types de perturbation renouvelant les peuplements sont étiquetés feu de forêt et récolte, le niveau inférieur de confiance étant aussi fourni. La distinction et la communication des probabilités d'appartenance à une classe inférieure servent à indiquer aux utilisateurs que certains changements étaient difficiles à attribuer à un type, mais qu'ils sont considérés comme correctement catégorisés, de façon générale. Pour avoir un aperçu des données, du traitement des images et des méthodes de détection des changements dans les séries chronologiques, ainsi que des renseignements sur l'évaluation indépendante de l'exactitude des données, voir Hermosilla et coll. Si vous utilisez les données, prière d'en citer la source comme suit : White, J.C., M.A. Wulder, T. Hermosilla, N.C. Coops, and G. Hobart. (2017). A nationwide annual characterization of 25 years of forest disturbance and recovery for Canada using Landsat time series. Remote Sensing of Environment. 192: 303-321. 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.

ca_change_year_fra (changeyear)

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.

ca_change_nochange_r2012 (changenochange2)

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_change_type_r2012 (changetype2)

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_vlce_1984_wkg_fra (land_cover_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_vlce_1986_wkg_fra (land_cover_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_vlce_1988_wkg_fra (land_cover_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_vlce_1990_wkg_fra (land_cover_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_vlce_1992_wkg_fra (land_cover_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_vlce_1994_wkg_fra (land_cover_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_vlce_1996_wkg_fra (land_cover_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_vlce_1998_wkg_fra (land_cover_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_vlce_2000_wkg_fra (land_cover_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_vlce_2002_wkg_fra (land_cover_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_vlce_2004_wkg_fra (land_cover_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_vlce_2006_wkg_fra (land_cover_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_vlce_2008_wkg_fra (land_cover_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_vlce_2010_wkg_fra (land_cover_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_vlce_2012_wkg_fra (land_cover_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_vlce_2014_wkg_fra (land_cover_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_vlce_2016_wkg_fra (land_cover_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_vlce_2018_wkg_fra (land_cover_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_vlce_2015_v1_wkg_r (land_cover_2015_v1)

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 .

wetlands_year_sum_wkg_r (wetlands_year_sum_r)

Les données de dénombrement annuel des terres humides présentées dans ce produit ont une étendue nationale (ensemble de l'écosystème forestier) et constituent une caractérisation entière des terres humides pour la période 1984-2016 (Wulder et coll., 2018). Ce produit a été réalisé à l'aide d'images composites annuelles de la réflectance sans lacunes ainsi que de cartes annuelles des changements forestiers pour les 650 millions d'hectares d'écosystèmes forestiers du Canada, suivant le processus du Virtual Land Cover Engine (VLCE) (voir Hermosilla et coll., 2018). La méthode de classification VLCE consiste notamment à inclure de l'information sur les perturbations dans les processus ainsi qu'à s'assurer que les transitions de classe dans le temps sont logiques. En outre, un automate de Markov à états cachés est utilisé pour évaluer les probabilités de classe pour chaque année afin de réduire la variabilité et le bruit possible dans les attributions de classe d'une année à l'autre (p. ex., lorsque les probabilités de classe sont du même ordre). Les valeurs peuvent varier de 0 à 33, désignant le nombre d'années, entre 1984 et 2016, où un pixel a été classé « terre humide » ou « terre humide arborée » dans le cube de données VLCE. Pour avoir un aperçu des données, du traitement des images et des méthodes appliquées pour détecter des changements, dans les séries chronologiques, ainsi que de l'information sur l'évaluation indépendante de l'exactitude des données, voir Hermosilla et coll. (2016). Hermosilla et coll. (2018) donnent une description détaillée du processus VLCE et du produit de couverture terrestre résultant, y compris l'évaluation de l'exactitude. Wulder et coll. (2018) décrivent les analyses ciblées des terres humides. Lorsque vous utilisez ces données, veuillez en citer la source comme suit : Hermosilla, T., M.A. Wulder, J.C.,White, N.C.,Coops, G. W.,Hobart, L.B.,Campbell, (2016). Mass data processing of time series Landsat imagery: pixels to data products for forest monitoring. International Journal of Digital Earth, Vol. 9. https://doi.org/10.1080/17538947.2016.1187673 . 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 . The focused wetland analyses can be found described in A National Assessment of Wetland Status and Trends for Canada's Forested Ecosystems Using 33 Years of Earth Observation Satellite Data. (2018) Wulder, M.A., Z Li, E. M. Campbell, J. C. White, G. Hobart, T. Hermosilla and N. C. Coops.,Remote Sensing, 10, 1263-1282, https://doi.org/10.3390/rs10101623

elev_cv_fra (elev_cv_fra)

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).

stem_vol_fra (stem_vol_fra)

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).

pct_2m_fra (pct_2m_fra)

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).

95pct_mean_fra (95pct_mean_fra)

95e centile de la hauteur des premiers retours (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).

basal_area_fra (basal_area_fra)

Surface terrière. Surface transversale de la tige d'un arbre à hauteur de poitrine. La somme de la surface transversale (c'est-à-dire la surface terrière) de chaque arbre en mètres carrés dans une placette, divisée par la surface de la placette (ha) (unités = m2ha). 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).

Taux de Récupération du Récolte (HarvRec_fra)

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).

Années de Récupération du Récolte (HarvY2R_fra)

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).

wildfire_year_fra (wildfire_year_fra)

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.

harvest_fra (harvest_fra)

Représentant 31 ans du recolté 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 l'exploitation 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.

DHI_lyr_fra (DHI_lyr_fra)

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

eco40_fra (eco40_fra)

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

bc_tree_spec_fra (bctreespec)

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).

green_fra (Greenness_fra)

Cote de verdure de la végétation urbaine pour 18 grandes zones urbaines canadiennes (1984-2016) Les données relatives à la cote de verdure de la végétation urbaine, qui sont présentées dans ce produit couvrent 33 années et toutes les aires de diffusion de recensement contiguës pour 18 grandes zones urbaines canadiennes sélectionnées. Les 18 zones représentent plus de la moitié de la population du Canada en 2016 (Czekajlo et al. 2020). La cote de verdure de la végétation urbaine utilise des fractions de verdure dérivées de séries chronologiques annuelles d'images composites satellites Landsat auxquelles on a appliqué la méthode de démixage spectral (White et al. 2014; https://doi.org/10.1080/07038992.2014.945827; Hermosilla et al. 2016, https://doi.org/10.1080/17538947.2016.1187673) pour caractériser la cote de verdure et ses changements d'ensemble, dont le sommaire est présenté par aire de diffusion du recensement. Code d'image; cote de verdure de la végétation urbaine; Description 1; -L – Diminution du degré de verdure, d'où un degré de verdure final faible 2; 0L; Degré de verdure faible et stable 3; +L; Augmentation du degré de verdure; degré de verdure final faible 4; -M; Diminution du degré de verdure, d'où un degré de verdure final modéré 5; 0M; Degré de verdure stable modéré 6; +M; Augmentation du degré de verdure, d'où un degré de verdure final modéré 7; -H; Diminution du degré de verdure; degré de verdure final élevé 8; 0H; Degré de verdure élevé stable 9; +H; Augmentation du degré de verdure, d'où un degré de verdure final élevé Pour obtenir des renseignements supplémentaires sur les données, le traitement des images et les méthodes de démixage spectral appliquées, la conception de la cote de verdure de la végétation urbaine, ainsi que de l'information concernant l'évaluation exacte indépendante des données, et pour citer les présentes données, veuillez consulter la référence suivant e: Czekajlo, A., Coops, N.C., Wulder, M.A., Hermosilla, T., Lu, Y., White et J.C., van den Bosch, M., 2020. The urban greenness score: A satellite-based metric for multi-decadal characterization of urban land dynamics. International Journal of Applied Earth Observation and Geoinformation. 93, 102210. https://doi.org/10.1016/j.jag.2020.10221

LeadTreeSpec (LeadingTreeSpecies_fra)

harvestTo2020_wms (harvestTo2020_fra)

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).

age_2019_fra (Age_2019_fra)

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_tree_sp_1984 (Espèces_DArbres_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.

ca_tree_sp_1986 (Espèces_DArbres_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.

ca_tree_sp_1988 (Espèces_DArbres_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.

ca_tree_sp_1990 (Espèces_DArbres_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.

ca_tree_sp_1992 (Espèces_DArbres_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.

ca_tree_sp_1994 (Espèces_DArbres_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.

ca_tree_sp_1996 (Espèces_DArbres_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.

ca_tree_sp_1998 (Espèces_DArbres_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.

ca_tree_sp_2000 (Espèces_DArbres_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.

ca_tree_sp_2002 (Espèces_DArbres_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.

ca_tree_sp_2004 (Espèces_DArbres_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.

ca_tree_sp_2006 (Espèces_DArbres_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.

ca_tree_sp_2008 (Espèces_DArbres_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.

ca_tree_sp_2010 (Espèces_DArbres_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.

ca_tree_sp_2012 (Espèces_DArbres_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.

ca_tree_sp_2014 (Espèces_DArbres_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.

ca_tree_sp_2016 (Espèces_DArbres_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.

ca_tree_sp_2018 (Espèces_DArbres_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.

ca_tree_sp_2020 (Espèces_DArbres_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.

ca_tree_sp_2022 (Espèces_DArbres_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.