Produit Sévérité des feux au Canada avec données Landsat 1985-2015 (CanLaBS)

Produit Sévérité des feux au Canada avec données Landsat 1985-2015 (CanLaBS) Cette publication de données contient un ensemble de fichiers dans lesquels différentes variables en lien avec la sévérité des feux de forêt (Canada Landsat Burned Severity, CanLaBS) ont été calculées pour tous les évènements au Canada entre 1985 à 2015 détectés par le produit Canada Landsat Disturbance (CanLaD (Guindon et al. 2017 et 2018). Les détails sur la création de ce produit sont disponibles dans Guindon et al. 2020 (https://doi.org/10.1139/cjfr-2020-0353 ) et dans les matériels supplémentaires accompagnant la publication. Le document actuel est donc un complément à l’article et aux matériels supplémentaires. Les matériels supplémentaires sont référencés dans la publication (cjfr-2020-0353suppla, cjfr-2020-0353supplb etc…) en version anglaise seulement. Ce produit se veut une première version pan canadienne qui vise à favoriser la recherche sur la sévérité des feux au Canada en rendant disponibles les données utilisées dans l’article. Les données sont sous forme de grille composée de pixels à une résolution de 30m. Pour simplifier la distribution et la manipulation des données et considérant que les endroits ayant subies deux ou trois perturbations sont peu fréquents (respectivement 2.3% et moins de 0.01%), seulement les données sur les feux plus récents sont diffusées dans le produit final, allant de 2015 à 1985, les données pour les zones brûlées les plus récentes étant superposées aux anciennes pour ces très rares cas. Ces zones de feux superposés ont des valeurs égales ou supérieures à deux dans la couche suivante (CanLaBS_Nbdisturb_v0). Les valeurs radiométriques de Landsat pour calculer l’indice NBR ont été dérivées à partir des mosaïques Landsat de juillet et août, de 1984 à 2015 (Guindon et al. 2018). Ces mosaïques ont été développées à partir des scènes individuelles de la USGS avec la correction de réflectance au sol (Masek et al, 2006; Vermote et al, 2006). Pour chaque composé annuel, le pixel ayant l’opacité atmosphérique la plus basse a été retenu. Un algorithme a aussi été développé pour enlever les nuages qui n’avaient pas été détectés par les masques de nuages fournis avec les données de la USGS. Voici une description générale des couches fournies et une description plus technique se trouve à la table 1 (voir la section "Ressources" ci-dessous) : 1. NBR et dNBR. Toutes ces valeurs ont été multipliées par 1000. La valeur de dNBR représente la valeur obtenue pour NBRpre – NBRpost. Il est calculé pour chaque pixel ayant été classé comme étant un feu dans CanLaD et selon l’année corrigée (voir cjfr-2020-0353suppla). 2. Année du feu. Les années des feux détectés dans CanLaD (Guindon et al 2018) ont été corrigées à l’aide de différentes bases de données sur les feux et c’est cette correction qui est offerte ici. (voir cjfr-2020-0353suppla) 3. Jours Julien du début du feu, basé sur différents produits haute résolution. Cette variable n’est cependant disponible qu’à partir de 1989. 4. Présence de coupe de récupération un an après le feu. Classification d’images satellitaires détectant les sols ayant eu de la scarification (voir cjfr-2020-0353suppld). 5. Attributs forestiers préfeu : Des valeurs d’attribut forestier avant feu ont été calculées pour des mosaïques médianes de 1985 et de 2000. Ces valeurs d’attributs ont été dérivées à partir d’attributs de l’IFN (Inventaire Forestier National) et ont été spatialisées. Les valeurs d’attributs pré feu ont été créés afin de stratifier les analyses (voir cjfr-2020-0353supplc). Voici les variables prédites : • Densité de la canopée en pourcentage. • Biomasse vivante prédite en tonnes par hectare. • Proportion en pourcentage de la biomasse de conifère sur la biomasse totale. • Proportion en pourcentage de la biomasse de feuillus sur la biomasse totale. • Proportion en pourcentage de la biomasse d’essence indéterminée sur la biomasse totale. Note, présence d’essences indéterminées surtout dans les zones nordiques, elles sont considérées comme étant conifériennes pour l’article. 6. Données satellitaires manquantes un an après feu. Pour l’estimation de la sévérité un an après le feu, il est normalement possible dans 91% des cas d’obtenir un NBR post feu, mais dans 9% des cas, aucune donnée n’était disponible dû à la présence de nuages. Pour ces cas, les données satellitaires de l’année subséquente ont été utilisées avec une correction de la radiométrie par régression, ce qui a permis de dériver les valeurs de l’année suivant le feu. Dans cette couche se trouvent les valeurs de 1= un an après le feu (aucune régression), 2= deux ans après le feu (régression), 3= trois ans après le feu (régression) et 4= quatre ans après le feu (aucune régression, données manquantes). (voir cjfr-2020-0353supplb) 7. Zones ayant connues plus d’une perturbation de nature feu entre 1985 et 2015 (1= une seule perturbation, 2=deux et plus, 3=trois ou plus). ## Citation pour ce jeu de données: 1. Guindon, L., Villemaire P., Manka F., Dorion H. , Skakun R., St-Amant R., Gauthier S. : Canada Landsat Burned Severity (CanLaBS): a Canada-wide Landsat-based 30-m resolution product of burned severity since 1985 https://doi.org/10.23687/b1f61b7e-4ba6-4244-bc79-c1174f2f92cd 2. La création, la validation et les limites du produit CanLaBS sont décrites dans le texte et dans le fichier « Supplementary Information » associé à l’article suivant: Guindon, L., Gauthier, S., Manka, F., Parisien, MA, Whitman, E., Bernier, P., Beaudoin, A., Villemaire P., Skakun R. Trends in wildfire burn severity across Canada, 1985 to 2015 https://doi.org/10.1139/cjfr-2020-0353 ## Références citées: 1. Guindon, L., Villemaire, P., St-Amant, R., Bernier, P.Y., Beaudoin, A., Caron, F., Bonucelli, M.,and Dorion, H. 2017. Canada Landsat Disturbance (CanLaD): a Canada-wide Landsat-based 30m resolution product of fire and harvest detection and attribution since 1984. https://doi.org/10.23687/add1346b-f632-4eb9-a83d-a662b38655ad 2. Guindon, L., Bernier, P., Gauthier, S., Stinson, G., Villemaire, P., & Beaudoin, A. (2018). Missing forest cover gains in boreal forests explained. Ecosphere, 9(1), e02094. https://doi.org//10.1002/ecs2.2094 3. Masek, J.G., Vermote, E.F., Saleous N.E., Wolfe, R., Hall, F.G., Huemmrich, K.F., Gao, F., Kutler, J., and Lim, T-K. (2006). A Landsat surface reflectance dataset for North America, 1990–2000. IEEE Geoscience and Remote Sensing Letters 3(1):68-72. http://dx.doi.org/10.1109/LGRS.2005.857030. 4. Vermote, E., Justice, C., Claverie, M., & Franch, B. (2016). Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment. http://dx.doi.org/10.1016/j.rse.2016.04.008. 2020-12-09 Ressources naturelles Canada luc.guindon@canada.ca FormatNature et environnementSciences et technologiecartes de sévérité des feux de forêtsIncendie de forêtTélédétection cjfr-2020-0353suppla.pdfPDF https://ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS-Burned_Severity-Severite_des_feux/cjfr-2020-0353suppla.pdf cjfr-2020-0353supplb.pdfPDF https://ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS-Burned_Severity-Severite_des_feux/cjfr-2020-0353supplb.pdf cjfr-2020-0353supplc.pdfPDF https://ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS-Burned_Severity-Severite_des_feux/cjfr-2020-0353supplc.pdf cjfr-2020-0353suppld.pdfPDF https://ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS-Burned_Severity-Severite_des_feux/cjfr-2020-0353suppld.pdf cjfr-2020-0353supple.pdfPDF https://ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS-Burned_Severity-Severite_des_feux/cjfr-2020-0353supple.pdf cjfr-2020-0353supplf.pdfPDF https://ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS-Burned_Severity-Severite_des_feux/cjfr-2020-0353supplf.pdf cjfr-2020-0353supplg.pdfPDF https://ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS-Burned_Severity-Severite_des_feux/cjfr-2020-0353supplg.pdf Répertoire de téléchargement des fichiers matricielsTIFF https://ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS-Burned_Severity-Severite_des_feux/ TABLE 1. Description des fichiers (table en format CSV)CSV https://ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS-Burned_Severity-Severite_des_feux/CanLaBs_Metada_v13_Francais_lgpv_TABLE1.csv TABLE 1. Description des fichiers (table en format CSV)CSV https://ftp.maps.canada.ca/pub/nrcan_rncan/Forest-fires_Incendie-de-foret/CanLaBS-Burned_Severity-Severite_des_feux/CanLaBs_Metada_v13_Anglais_lgpv_TABLE1.csv

Cette publication de données contient un ensemble de fichiers dans lesquels différentes variables en lien avec la sévérité des feux de forêt (Canada Landsat Burned Severity, CanLaBS) ont été calculées pour tous les évènements au Canada entre 1985 à 2015 détectés par le produit Canada Landsat Disturbance (CanLaD (Guindon et al. 2017 et 2018). Les détails sur la création de ce produit sont disponibles dans Guindon et al. 2020 (https://doi.org/10.1139/cjfr-2020-0353 ) et dans les matériels supplémentaires accompagnant la publication. Le document actuel est donc un complément à l’article et aux matériels supplémentaires. Les matériels supplémentaires sont référencés dans la publication (cjfr-2020-0353suppla, cjfr-2020-0353supplb etc…) en version anglaise seulement.

Ce produit se veut une première version pan canadienne qui vise à favoriser la recherche sur la sévérité des feux au Canada en rendant disponibles les données utilisées dans l’article. Les données sont sous forme de grille composée de pixels à une résolution de 30m. Pour simplifier la distribution et la manipulation des données et considérant que les endroits ayant subies deux ou trois perturbations sont peu fréquents (respectivement 2.3% et moins de 0.01%), seulement les données sur les feux plus récents sont diffusées dans le produit final, allant de 2015 à 1985, les données pour les zones brûlées les plus récentes étant superposées aux anciennes pour ces très rares cas. Ces zones de feux superposés ont des valeurs égales ou supérieures à deux dans la couche suivante (CanLaBS_Nbdisturb_v0).

Les valeurs radiométriques de Landsat pour calculer l’indice NBR ont été dérivées à partir des mosaïques Landsat de juillet et août, de 1984 à 2015 (Guindon et al. 2018). Ces mosaïques ont été développées à partir des scènes individuelles de la USGS avec la correction de réflectance au sol (Masek et al, 2006; Vermote et al, 2006). Pour chaque composé annuel, le pixel ayant l’opacité atmosphérique la plus basse a été retenu. Un algorithme a aussi été développé pour enlever les nuages qui n’avaient pas été détectés par les masques de nuages fournis avec les données de la USGS.

Voici une description générale des couches fournies et une description plus technique se trouve à la table 1 (voir la section "Ressources" ci-dessous) :

  1. NBR et dNBR. Toutes ces valeurs ont été multipliées par 1000. La valeur de dNBR représente la valeur obtenue pour NBRpre – NBRpost. Il est calculé pour chaque pixel ayant été classé comme étant un feu dans CanLaD et selon l’année corrigée (voir cjfr-2020-0353suppla).

  2. Année du feu. Les années des feux détectés dans CanLaD (Guindon et al 2018) ont été corrigées à l’aide de différentes bases de données sur les feux et c’est cette correction qui est offerte ici. (voir cjfr-2020-0353suppla)

  3. Jours Julien du début du feu, basé sur différents produits haute résolution. Cette variable n’est cependant disponible qu’à partir de 1989.

  4. Présence de coupe de récupération un an après le feu. Classification d’images satellitaires détectant les sols ayant eu de la scarification (voir cjfr-2020-0353suppld).

  5. Attributs forestiers préfeu : Des valeurs d’attribut forestier avant feu ont été calculées pour des mosaïques médianes de 1985 et de 2000. Ces valeurs d’attributs ont été dérivées à partir d’attributs de l’IFN (Inventaire Forestier National) et ont été spatialisées. Les valeurs d’attributs pré feu ont été créés afin de stratifier les analyses (voir cjfr-2020-0353supplc). Voici les variables prédites :

• Densité de la canopée en pourcentage.

• Biomasse vivante prédite en tonnes par hectare.

• Proportion en pourcentage de la biomasse de conifère sur la biomasse totale.

• Proportion en pourcentage de la biomasse de feuillus sur la biomasse totale.

• Proportion en pourcentage de la biomasse d’essence indéterminée sur la biomasse totale. Note, présence d’essences indéterminées surtout dans les zones nordiques, elles sont considérées comme étant conifériennes pour l’article.

  1. Données satellitaires manquantes un an après feu. Pour l’estimation de la sévérité un an après le feu, il est normalement possible dans 91% des cas d’obtenir un NBR post feu, mais dans 9% des cas, aucune donnée n’était disponible dû à la présence de nuages. Pour ces cas, les données satellitaires de l’année subséquente ont été utilisées avec une correction de la radiométrie par régression, ce qui a permis de dériver les valeurs de l’année suivant le feu. Dans cette couche se trouvent les valeurs de 1= un an après le feu (aucune régression), 2= deux ans après le feu (régression), 3= trois ans après le feu (régression) et 4= quatre ans après le feu (aucune régression, données manquantes). (voir cjfr-2020-0353supplb)

  2. Zones ayant connues plus d’une perturbation de nature feu entre 1985 et 2015 (1= une seule perturbation, 2=deux et plus, 3=trois ou plus).

## Citation pour ce jeu de données:

  1. Guindon, L., Villemaire P., Manka F., Dorion H. , Skakun R., St-Amant R., Gauthier S. : Canada Landsat Burned Severity (CanLaBS): a Canada-wide Landsat-based 30-m resolution product of burned severity since 1985

https://doi.org/10.23687/b1f61b7e-4ba6-4244-bc79-c1174f2f92cd

  1. La création, la validation et les limites du produit CanLaBS sont décrites dans le texte et dans le fichier « Supplementary Information » associé à l’article suivant: Guindon, L., Gauthier, S., Manka, F., Parisien, MA, Whitman, E., Bernier, P., Beaudoin, A., Villemaire P., Skakun R. Trends in wildfire burn severity across Canada, 1985 to 2015

https://doi.org/10.1139/cjfr-2020-0353

## Références citées:

  1. Guindon, L., Villemaire, P., St-Amant, R., Bernier, P.Y., Beaudoin, A., Caron, F., Bonucelli, M.,and

Dorion, H. 2017. Canada Landsat Disturbance (CanLaD): a Canada-wide Landsat-based 30m

resolution product of fire and harvest detection and attribution since 1984.

https://doi.org/10.23687/add1346b-f632-4eb9-a83d-a662b38655ad

  1. Guindon, L., Bernier, P., Gauthier, S., Stinson, G., Villemaire, P., & Beaudoin, A. (2018). Missing forest cover gains in boreal forests explained. Ecosphere, 9(1), e02094.

https://doi.org//10.1002/ecs2.2094

  1. Masek, J.G., Vermote, E.F., Saleous N.E., Wolfe, R., Hall, F.G., Huemmrich, K.F., Gao, F., Kutler, J., and Lim, T-K. (2006). A Landsat surface reflectance dataset for North America, 1990–2000. IEEE Geoscience and Remote Sensing Letters 3(1):68-72.

http://dx.doi.org/10.1109/LGRS.2005.857030.

  1. Vermote, E., Justice, C., Claverie, M., & Franch, B. (2016). Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment.

http://dx.doi.org/10.1016/j.rse.2016.04.008.

Données et ressources

Renseignements géographiques

Élément spatial

Coordonnées

Adresse de courrier électronique: sylvie.gauthier2@canada.ca

Dossiers similaires