07653869-f303-46c2-a04e-9ab479b73cbf eng; CAN utf8; utf8 18e6a919-53fd-41ce-b4e2-44a9707c52dc dataset; jeuDonnées Philippe Villemaire Government of Canada;Natural Resources Canada;Canadian Forest Service Gouvernement du Canada;Ressources naturelles Canada;Service canadien des forêts Geomatics Specialist Spécialiste en géomatique voice; 1 (418) 648-4492 voix; 1 (418) 648-4492 1 (418) 648-5849 1055 du P.E.P.S., P.O. Box 10380, Stn. Sainte-Foy 1055 du P.E.P.S., P.O. Box 10380, Stn. Sainte-Foy Québec Quebec Québec G1V 4C7 Canada Canada philippe.villemaire@nrcan-rncan.gc.ca philippe.villemaire@nrcan-rncan.gc.ca http publisher; éditeur 2026-04-21T15:29:24 North American Profile of ISO 19115:2003 - Geographic information - Metadata Profil nord-américain de la norme ISO 19115:2003 - Information géographique - Métadonnées CAN/CGSB-171.100-2009 French; Français Canada; Canada utf8; utf8 Proj4 +proj=lcc +lat_0=0 +lon_0=-95 +lat_1=49 +lat_2=77 +x_0=0 +y_0=0 +datum=NAD83 +units=m +no_defs SCANFI v2: the Spatialized CAnadian National Forest Inventory data product SCANFI v2: Base de données spatialisées de l'inventaire forestier national canadien 2026 publication; publication 2026 creation; création Luc Guindon Government of Canada;Natural Resources Canada;Canadian Forest Service Gouvernement du Canada;Ressources naturelles Canada;Service canadien des forêts Research scientist in Remote Sensing and Forest Ecology Chercheur en télédétection et écologie forestière voice; 1 (418) 649-6131 voix; 1(418) 649-6131 1 (418) 648-5849 1055 du P.E.P.S., P.O. Box 10380, Stn. Sainte-Foy 1055 du P.E.P.S., P.O. Box 10380, Stn. Sainte-Foy Québec Quebec Québec G1V 4C7 Canada Canada luc.guindon@nrcan-rncan.gc.ca luc.guindon@nrcan-rncan.gc.ca http author; auteur This data publication contains a set of 30m resolution raster files representing Canadian wall-to-wall maps, at 5-year intervals from 1985 to 2025, of broad landcover type, forest canopy height, degree of crown closure and aboveground tree biomass, along with species composition of several major tree species. The Spatialized CAnadian National Forest Inventory data product (SCANFI) was developed using the newly updated National Forest Inventory photo-plot dataset, which consists of a regular sample grid of photo-interpreted high-resolution imagery covering all of Canada’s non-arctic landmass. SCANFI was produced using temporally harmonized summer and winter Landsat spectral imagery along with hundreds of tile-level regional models based on a novel k-nearest neighbours (k-NN) and random forest imputation method. SCANFI is not meant to replace nor ignore provincial inventories which could include better and more regularly updated inputs, training data and local knowledge. Instead, SCANFI was developed to provide a current, spatially-explicit estimate of forest attributes, using a consistent data source and methodology across all provincial boundaries and territories. SCANFI is the first coherent 30m Canadian wall-to-wall map of tree structure and species composition and opens novel opportunities for a wide range of studies in a number of areas, such as forest economics, fire science and ecology. SCANFI v2 is described here. The main methodological and performance differences between SCANFI v1 (https://doi.org/10.23687/18e6a919-53fd-41ce-b4e2-44a9707c52dc) and SCANFI v2 are briefly outlined below. For a more detailed description of these changes, please consult the accompanying report. For the scientific publication about SCANFI v1, see Guindon et al. (2024). **SCANFI version 2 main updates** 1. Transition to Landsat Collection 2 Updated all Landsat time series inputs from Collection 1 to Collection 2, providing improved radiometric calibration and geometric consistency across sensors and years. 2. SCANFI time series with LandTrendr-smoothed winter imagery Introduced LandTrendr-smoothed winter imagery, enabling a full 5-year interval time series from 1985 to 2025 with dual-season inputs. 3. Updated climate normals Replaced previous climate layers with smoother 1991–2020 normals (MacDonald et al. 2024), eliminating tiling artifacts. 4. Increased sample selection density of NFI training data Shifted from a photoplot-level 250m systematic grid to a denser sampling strategy: 4 pixels/hectare per polygon (max 100 points, excluding border pixels). This sampling strategy greatly increased the number of training points available, improving representation of inter- and intra-polygon variability and strengthening model performance. 5. More accurate water prediction and delineation of urban areas and croplands Water and cropland prediction is now done using a soon-to-be-published landcover time series layer in order to: (i) prevent the misclassification of recently disturbed areas as water in SCANFI v1; and (ii) convert urban areas and croplands to forested land before 2020 when the Agriculture and Agri-Food Canada (AAFC) land use map used in the original study is not available (Agriculture and Agri-Food Canada, 2022). 6. Forest age map SCANFI v2 introduces new national forest age maps by combining recent disturbance history data with spatialized NFI age estimates for undisturbed stands, producing consistent stand age attribution across Canada from 1985 to 2025, at 5-year intervals. The resulting approach reduces noise relative to single-year estimates and yields spatially complete, temporally stable forest age maps. 7. Modified response and target variable sets Water is no longer used as a target variable, whereas land position (alpine, wetland or upland) was added to the target variable list and is now an output layer. The selection of Landsat bands and indices used in modeling was also refined, improving sensitivity to forest structure, composition, and disturbance. Finally, SCANFI now relies on the recently published Canadian Medium Resolution Digital Elevation Model (Government of Canada, Natural Resources Canada, Strategic Policy and Innovation Sector, 2025). See update report for more details. 8. Improved extrapolation of arctic ecozones The tile-level approach used to extrapolate arctic ecozones outside the sampling range of the NFI photoplots was replaced by the use of two training sets to predict two distinct geographical northern areas: (1) northern Quebec; and (2) northern Northwest Territories and Nunavut. This approach considerably improved model reliability and consistency in the arctic ecozones. 9. Updated time-since-disturbance layers Integrated complete 1965-2025 harvest and fire records (Correia et al. 2024; Perbet et al. 2025), improving disturbance history initialization and enhancing stand-structure attribution. 10. Modified tree species cover layers In order to avoid interpretation errors and facilitate user analyses, SCANFI v2 tree species layers now represent the corresponding tree species crown closure, instead of the proportion of the overall crown closure that is represented by that species. Unlike SCANFI v1, users no longer need to multiply overall crown closure by tree species proportion (and divide by 100) to obtain tree species crown closure. Examples include: - A pixel with 30% total crown closure composed of 50% black spruce and 50% jack pine will have 15% black spruce crown closure and 15% jack pine crown closure in SCANFI v2. - A pixel with 40% total crown closure entirely dominated by balsam fir will have 40% balsam fir crown closure in SCANFI v2. - A pixel with 100% total crown closure composed of 60% black spruce and 40% balsam fir will have 60% black spruce and 40% balsam fir crown closure in both SCANFI v1 and SCANFI v2. Tree species aboveground biomass can still be obtained by estimating the proportion of the corresponding tree species relative to pixel-level crown closure and multiplying that value by pixel-level biomass. **Validation summary and comparison with version 1** External validation results show that SCANFI v2 consistently outperforms SCANFI v1 across all independent datasets used in Guindon et al. (2024). Structural attributes validated with Global Ecosystem Dynamics Investigation (GEDI), Potapov et al. (2021), and airborne lidar exhibit R² gains of approximately 2-3 points and modest reductions in RMSE and MAE, indicating improved estimates of height and crown closure. Species composition shows the largest improvements, with R² increases of roughly 4 to more than 15 points for key species such as black spruce, jack pine, tamarack, and the broadleaf grouping (see the update report for more details). Biomass estimates also improve, with smaller but consistent gains in explained variance and reduced error across ground-plot datasets. In contrast, internal cross-validation metrics are slightly lower for v2, reflecting the effect of a complex training dataset with much more forested samples rather than reduced real-world predictive performance. **SCANFI time series** SCANFI v2 provides a publicly available 5-year interval national time series (1985–2025) based on LandTrendr-smoothed summer and winter Landsat imagery with cross-sensor harmonization. Pixel-level temporal inconsistencies remain by design to preserve traceability and consistency across attributes, making the time series unsuitable for plot-level analyses but reliable for large-scale regional and national assessments where noise averages out. Although not intended for detailed biomass trend analysis, the estimated national biomass increase of approximately 4.8% between 1985 and 2025 suggests ecologically plausible values, pending further evaluation. **Limitations** 1. The spectral disturbances of some areas disturbed by pests are not comprehensively represented in the training set, thus making it impossible to predict all defoliation cases. One such area, severely impacted by the recent eastern spruce budworm outbreak, is located on the North Shore of the St. Lawrence River. These forests are misrepresented in our training data; therefore, our estimates in these areas are imprecise. 2. Attributes of open stand classes, namely shrub, herb, rock and bryoid, are more difficult to estimate through the photointerpretation of aerial images. Therefore, these estimates could be less reliable than the forest attribute estimates. 3. As reported in the manuscript, the uncertainty of tree species cover predictions is relatively high. This is particularly true for less abundant tree species, such as ponderosa pine and tamarack. The tree species layers are therefore suitable for regional and coarser scale studies. 4. Our validation indicates that the areas in Yukon exhibit a notably lower R² value. Consequently, estimates within these regions are less dependable. 5. Urban areas and roads are classified as rock, according to the 2020 Agriculture and Agri-Food Canada land-use classification map (Agriculture and Agri-Food Canada, 2022). Even though those areas contain mostly buildings and infrastructure, they may also contain trees. Forested urban parks are usually classified as forested areas. Vegetation attributes are also predicted for forested areas in agricultural regions. **Data download** The data can be downloaded from the FTP server (ftp.maps.canada.ca/pub/nrcan_rncan/Forests_Foret/SCANFI/v2/), referenced in the “Data and Resources” section, using a browser download manager or an external client such as FileZilla. **Dataset citation** - Guindon L., Correia D.L.P, Manka F. and Smiley B. 2026. SCANFI v2: Spatialized CAnadian National Forest Inventory data product v2. Natural Resources Canada, Canadian Forest Service, Laurentian Forestry Centre, Quebec, Canada. https://doi.org/10.23687/07653869-f303-46c2-a04e-9ab479b73cbf **References** - Agriculture and Agri-Food Canada. (2022). 2020 AAFC Land Use [Map]. Retrieved from https://open.canada.ca/data/en/dataset/7a098ea9-cc31-4d79-b326-89f6cd1fbb7d. - Correia, D.L., Guindon, L. and Parisien, M.A., 2024. Extending Canadian forest disturbance history maps prior to 1985. Ecosphere, 15(8), p.e4956. - Guindon, L., Manka, F., Correia, D.L., Villemaire, P., Smiley, B., Bernier, P., Gauthier, S., Beaudoin, A., Boucher, J. and Boulanger, Y., 2024. A new approach for Spatializing the Canadian National Forest Inventory (SCANFI) using Landsat dense time series. Canadian Journal of Forest Research, 54(7), pp.793-815. - MacDonald, H., McKenney, D.W., Pedlar, J., Lawrence, K., de Boer, K. and Hutchinson, M.F., 2024. Spatial datasets of 30-year (1991–2020) average monthly total precipitation and minimum/maximum temperature for Canada and the United States. Data in Brief, 55, p.110561. - Government of Canada, Natural Resources Canada, Strategic Policy and Innovation Sector. (2025, August 28). Medium Resolution Digital Elevation Model (MRDEM) - CanElevation Series. Natural Resources Canada, Federal Geospatial Platform. https://osdp-psdo.canada.ca/dp/en/search/metadata/NRCAN-FGP-1-18752265-bda3-498c-a4ba-9dfe68cb98da - Perbet, P., Guindon, L., Correia, D.L., Gahrouei, O.R., Côté, J.F. and Béland, M., 2025. Historical insect disturbance maps from 1985 onwards for Canadian forests derived using earth observation data. Scientific Data. - Potapov, P., Li, X., Hernandez-Serna, A., Tyukavina, A., Hansen, M.C., Kommareddy, A., Pickens, A., Turubanova, S., Tang, H., Silva, C.E. and Armston, J., 2021. Mapping global forest canopy height through integration of GEDI and Landsat data. Remote Sensing of Environment, 253, p.112165. Cette publication de données contient un ensemble de fichiers rasterisés de résolution de 30m représentant des cartes quinquennales, pour les années 1985 à 2025, des types de couverture terrestre, de la hauteur, de la fermeture de la canopée forestière, de la biomasse forestière aérienne, ainsi que de la couverture de plusieurs espèces d'arbres importantes pour l’ensemble du Canada. Le produit de données spatialisées de l'inventaire forestier national canadien (SCANFI) a été développé à l'aide de la mise à jour de l'ensemble de données de photo-placettes de l’inventaire forestier national (IFN), qui consiste en une grille d'échantillonnage régulière d'imagerie haute résolution photo-interprétée couvrant toute la masse terrestre non arctique du Canada. SCANFI a été produit en utilisant des images spectrales Landsat temporellement harmonisées pour l'été et l'hiver, divisées en plusieurs centaines de tuiles d'analyses régionales, utilisant une méthode innovante d'imputation des k plus proches voisins (k-NN) et de forêts décisionnelles (random forests). SCANFI n’a pas pour but de remplacer ni d’ignorer les inventaires provinciaux, qui peuvent inclure de meilleures données, avec une meilleure fréquence de mises à jour, de meilleurs jeux d’entraînement de modèles, et de meilleures connaissances locales. SCANFI a plutôt été développé afin de fournir une estimation actuelle et spatialement explicite des attributs forestiers, en utilisant une source de données et une méthodologie cohérente d’une province, d’un territoire à l’autre. SCANFI est la première série cohérente de cartes, couvrant l’ensemble du Canada à 30m, de la structure et de la composition d’espèces forestières, offrant de nouvelles opportunités pour une multitude d’études dans plusieurs domaines, telles que l’économie forestière, la science du feu et l’écologie. La version 2 de SCANFI est décrite dans ce document. Les principales différences méthodologiques et de performance entre SCANFI v1 (https://doi.org/10.23687/18e6a919-53fd-41ce-b4e2-44a9707c52dc) et v2 sont brièvement décrites ci-dessous. Pour une description plus détaillée de ces changements, veuillez consulter le rapport détaillé de la mise à jour. Pour la publication scientifique sur SCANFI v1, voir Guindon et al. (2024). **Principales mises à jour de SCANFI v2** 1. Transition vers Landsat Collection 2 Mise à jour de toutes les entrées de séries chronologiques Landsat de la Collection 1 à la Collection 2, offrant une calibration radiométrique améliorée et une cohérence géométrique accrue entre les capteurs et les années. 2. Série temporelle SCANFI avec l'imagerie hivernale lissée par LandTrendr Introduction d'imagerie hivernale lissée par LandTrendr, permettant une série temporelle complète à tous les 5 ans de 1985 à 2025 avec des entrées bisaisonnières. 3. Mise à jour des normales climatiques Remplacement des couches climatiques précédentes par des normales 1991-2020 plus lisses (MacDonald et al. 2024), éliminant les artéfacts de tuiles. 4. Augmentation de la densité de sélection d'échantillons des données d'entraînement de l'IFN Passage d'une grille systématique de 250 m au niveau des photo-placettes à une stratégie d'échantillonnage plus dense: 4 pixels/hectare par polygone (maximum 100 points, excluant les pixels de bordure). Cette stratégie d'échantillonnage a considérablement augmenté le nombre de points d'entraînement disponibles, améliorant la représentation de la variabilité inter- et intra-polygonale et renforçant la performance du modèle. 5. Prédiction plus précise de l'eau et délimitation des zones urbaines et des terres cultivées La prédiction de l'eau et des terres cultivées se fait maintenant à l'aide d'une couche de série chronologique de couverture terrestre qui sera bientôt publiée afin de : (i) prévenir la mauvaise classification des zones récemment perturbées comme eau dans SCANFI v1; et (ii) convertir les zones urbaines et les terres cultivées en terres forestières avant 2020, lorsque la carte d'utilisation des terres d'Agriculture et Agroalimentaire Canada (AAC) utilisée dans l'étude originale n'est pas disponible (Agriculture et Agroalimentaire Canada, 2022). 6. Carte d’âge de la forêt SCANFI v2 introduit de nouvelles cartes nationales de l’âge de la forêt en combinant des données récentes sur l’historique des perturbations avec des estimations d’âge issues de l’IFN spatialisées pour les peuplements non perturbés, permettant une attribution cohérente de l’âge des peuplements à l’échelle du Canada de 1985 à 2025, tous les 5 ans. L’approche retenue réduit le bruit par rapport aux estimations annuelles uniques et produit des cartes d’âge de la forêt spatialement complètes et temporellement stables. 7. Modification des ensembles de variables de réponse et cibles L'eau n'est plus utilisée comme variable cible, tandis que la position du terrain (alpin, milieu humide ou plateau) a été ajoutée à la liste des variables cibles et constitue maintenant une couche de sortie. La sélection des bandes et indices Landsat utilisés dans la modélisation a également été affinée, améliorant la sensibilité à la structure forestière, à la composition et aux perturbations. Enfin, SCANFI s'appuie maintenant sur le Modèle numérique d'élévation de résolution moyenne du Canada récemment publié (Gouvernement du Canada, Ressources naturelles Canada, Secteur de la politique stratégique et innovation, 2025). Voir détails dans le rapport sur les mises à jour. 8. Amélioration de l'extrapolation des écozones arctiques L'approche par tuiles utilisée pour extrapoler les écozones arctiques en dehors de la plage d'échantillonnage des photo-placettes de l'IFN a été remplacée par l'utilisation de deux ensembles d'entraînement utilisés pour prédire deux zones géographiques nordiques distinctes : (1) le nord du Québec; et (2) le nord des Territoires du Nord-Ouest et le Nunavut. Cette approche a considérablement amélioré la fiabilité et la cohérence du modèle dans les écozones arctiques. Les zones imputées avec ces modèles sont identifiées par la couche « SCANFI_north_extrapol_area.tif ». 9. Mise à jour des couches de temps écoulé depuis la perturbation Intégration des registres complets de récolte et d'incendie de 1965 à 2025 (Correia et al. 2024; Perbet et al. 2025), améliorant l'initialisation de l'historique des perturbations et renforçant l'attribution de la structure des peuplements. 10. Couches de couvert par espèce modifiées Afin d’éviter les erreurs d’interprétation et de faciliter les analyses des utilisateurs, les couches par espèce de SCANFI v2 représentent désormais directement la fermeture du couvert pour chaque espèce, plutôt que la proportion de la fermeture totale du couvert attribuable à cette espèce. Contrairement à SCANFI v1, les utilisateurs n’ont donc plus besoin de multiplier la fermeture totale du couvert par la proportion de l’espèce (et de diviser par 100) pour obtenir la fermeture du couvert par espèce. Voici quelques exemples : - Un pixel avec 30 % de fermeture totale du couvert composé de 50 % d’épinette noire et de 50 % de pin gris a 15 % de fermeture du couvert d’épinette noire et 15 % de fermeture du couvert de pin gris dans SCANFI v2. - Un pixel avec 40 % de fermeture totale du couvert entièrement dominé par le sapin baumier a 40 % de fermeture du couvert de sapin baumier dans SCANFI v2. - Un pixel avec 100 % de fermeture totale du couvert composé de 60 % d’épinette noire et de 40 % de sapin baumier a 60 % de fermeture du couvert d’épinette noire et 40 % de fermeture du couvert de sapin baumier dans SCANFI v1 et aussi dans SCANFI v2. La biomasse aérienne par espèce peut toujours être estimée en calculant la proportion de l’espèce correspondante par rapport à la fermeture du couvert au niveau du pixel, puis en multipliant cette valeur par la biomasse du pixel. **Résumé de validation et comparaison avec la version 1** Les résultats de validation externe montrent que SCANFI v2 surpasse systématiquement SCANFI v1 dans tous les ensembles de données indépendants utilisés dans Guindon et al. (2024). Les attributs structuraux validés avec Global Ecosystem Dynamics Investigation (GEDI), Potapov et al. (2021), et le lidar aéroporté présentent des gains de R² d'environ 2-3 points et des réductions modestes du RMSE et du MAE, indiquant des estimations améliorées de la hauteur et de la fermeture du couvert. La composition des espèces montre les améliorations les plus importantes, avec des augmentations de R² d'environ 4 à plus de 15 points pour les espèces clés telles que l'épinette noire, le pin gris, le mélèze et le groupe des feuillus (voir le rapport sur les mises à jour pour plus de détails). Les estimations de biomasse s'améliorent également, avec des gains plus faibles mais constants de la variance expliquée et une réduction de l'erreur dans les ensembles de données de parcelles au sol. En revanche, les métriques de validation croisée interne sont légèrement inférieures pour v2, en raison de la complexité accrue du jeu d’entraînement, et non d’une baisse réelle de la performance prédictive. **Série chronologique SCANFI** SCANFI v2 fournit une série chronologique nationale à tous les 5 ans accessible au public (1985-2025) basée sur l'imagerie Landsat d'été et d'hiver lissée par LandTrendr avec harmonisation inter-capteurs. Les incohérences temporelles au niveau des pixels demeurent par conception pour préserver la traçabilité et la cohérence entre les attributs, rendant la série chronologique inadaptée aux analyses au niveau des parcelles mais fiable pour les évaluations régionales et nationales à grande échelle où le bruit s'atténue. Bien qu'elle ne soit pas destinée à une analyse détaillée des tendances de la biomasse, l'augmentation estimée de la biomasse nationale d'environ 4,8 % entre 1985 et 2025 suggère des valeurs écologiquement plausibles, en attente d'une évaluation plus approfondie. **Limites d'utilisation** 1. Dans les sites fortement perturbés par des insectes ravageurs, le jeu d’entraînement ne contient pas toutes les variations spectrales possibles, il n’est donc pas possible de prédire tous les cas de défoliation. Une région en particulier, qui a été fortement impactée par la tordeuse des bourgeons de l’épinette, est celle située sur la rive nord du fleuve Saint-Laurent. Ces forêts sont mal représentées dans notre jeu d’entraînement, ce qui entraîne une imprécision dans nos estimés pour ces régions. 2. Les attributs des classes de peuplements ouverts, soit les arbustes, plantes herbacées, roches et bryophytes, sont plus difficiles à estimer lors de la photo-interprétation aérienne. Par conséquent, les estimations de celle-ci peuvent être moins fiables que celles des attributs forestiers. 3. Tel que rapporté dans l’article, l’incertitude dans les prédictions de la couverture des espèces forestières est relativement élevée. C’est particulièrement le cas pour les espèces moins fréquentes, telles que le pin ponderosa ou le mélèze laricin. L’utilisation des couches d’espèces forestières est adéquate pour analyses à échelle régionale et grossière 4. Notre validation indique que les régions du Yukon présentent une valeur R² nettement inférieure. Par conséquent, les estimations dans ces zones sont moins fiables. 5. Les zones urbaines et les routes ont la classe roche, selon la carte d’utilisation des terres d’Agriculture et Agroalimentaire Canada. Même si ces sites contiennent principalement des bâtiments et des infrastructures, ils peuvent toutefois contenir des arbres. Une classe de milieu forestier est généralement attribuée aux parcs urbains boisés. Une prédiction d’attributs de végétation est aussi faite pour les zones forestières situées en régions agricoles. **Téléchargement des données** Les données sont disponibles sur le serveur FTP (ftp.maps.canada.ca/pub/nrcan_rncan/Forests_Foret/SCANFI/v2/) mentionné dans la section « Données et ressources » et peuvent être téléchargées à l’aide d’une extension de téléchargement pour navigateur ou d’un client FTP externe, tel que FileZilla. **Citation pour ce jeu de données** - Guindon L., Correia D.L.P, Manka F. and Smiley B. 2026. SCANFI v2: Spatialized CAnadian National Forest Inventory data product v2. Natural Resources Canada, Canadian Forest Service, Laurentian Forestry Centre, Quebec, Canada. https://doi.org/10.23687/07653869-f303-46c2-a04e-9ab479b73cbf **Références** - Agriculture and Agri-Food Canada. (2022). 2020 AAFC Land Use [Map]. Retrieved from https://open.canada.ca/data/en/dataset/7a098ea9-cc31-4d79-b326-89f6cd1fbb7d. - Correia, D.L., Guindon, L. and Parisien, M.A., 2024. Extending Canadian forest disturbance history maps prior to 1985. Ecosphere, 15(8), p.e4956. - Guindon, L., Manka, F., Correia, D.L., Villemaire, P., Smiley, B., Bernier, P., Gauthier, S., Beaudoin, A., Boucher, J. and Boulanger, Y., 2024. A new approach for Spatializing the Canadian National Forest Inventory (SCANFI) using Landsat dense time series. Canadian Journal of Forest Research, 54(7), pp.793-815. - MacDonald, H., McKenney, D.W., Pedlar, J., Lawrence, K., de Boer, K. and Hutchinson, M.F., 2024. Spatial datasets of 30-year (1991–2020) average monthly total precipitation and minimum/maximum temperature for Canada and the United States. Data in Brief, 55, p.110561. - Gouvernement du Canada, Ressources naturelles Canada, Secteur de la politique stratégique et innovation. (2025, 28 août). Modèle numérique d'élévation de moyenne résolution (MNEMR) - Série CanÉlévation. Ressources naturelles Canada, Plateforme géospatiale fédérale. https://osdp-psdo.canada.ca/dp/fr/recherche/metadonnees/NRCAN-FGP-1-18752265-bda3-498c-a4ba-9dfe68cb98da - Perbet, P., Guindon, L., Correia, D.L., Gahrouei, O.R., Côté, J.F. and Béland, M., 2025. Historical insect disturbance maps from 1985 onwards for Canadian forests derived using earth observation data. Scientific Data. - Potapov, P., Li, X., Hernandez-Serna, A., Tyukavina, A., Hansen, M.C., Kommareddy, A., Pickens, A., Turubanova, S., Tang, H., Silva, C.E. and Armston, J., 2021. Mapping global forest canopy height through integration of GEDI and Landsat data. Remote Sensing of Environment, 253, p.112165. completed; complété asNeeded; auBesoin https://ftp.maps.canada.ca/pub/nrcan_rncan/Forests_Foret/SCANFI/v2/_thumbnail_SCANFI.png thumbnail scanfi vignette scanfi Trees Arbre Modelling Modélisation Forest management Gestion forestière Forests Forêt Forest fires Incendie de forêt theme; thème Government of Canada Core Subject Thesaurus Thésaurus des sujets de base du gouvernement du Canada 2004 creation; création 2016-07-04 publication; publication Government of Canada; Library and Archives Canada Gouvernement du Canada; Bibliothèque et Archives Canada custodian; conservateur Open Government Licence - Canada (http://open.canada.ca/en/open-government-licence-canada) Licence du gouvernement ouvert - Canada (http://ouvert.canada.ca/fr/licence-du-gouvernement-ouvert-canada) license; licence license; licence grid; grille eng; CAN utf8; utf8 imageryBaseMapsEarthCover geoscientificInformation environment 1985 2025 -141.003 -52.6174 41.6755 83.1139 TIFF unknown Luc Guindon Government of Canada;Natural Resources Canada;Canadian Forest Service Gouvernement du Canada;Ressources naturelles Canada;Service canadien des forêts Research scientist in Remote Sensing and Forest Ecology Chercheur en télédétection et écologie forestière voice; 1 (418) 649-6131 voix; 1 (418) 649-6131 1 (418) 648-5849 1055 du P.E.P.S., P.O. Box 10380, Stn. Sainte-Foy 1055 du P.E.P.S., P.O. Box 10380, Stn. Sainte-Foy Québec Quebec Québec G1V 4C7 Canada Canada luc.guindon@nrcan-rncan.gc.ca luc.guindon@nrcan-rncan.gc.ca http author; auteur https://ftp.maps.canada.ca/pub/nrcan_rncan/Forests_Foret/SCANFI/v2/ FTP scanfi v2 dataset jeu de données scanfi v2 Dataset;TIFF;zxx Données;TIFF;zxx https://ftp.maps.canada.ca/pub/nrcan_rncan/Forests_Foret/SCANFI/v2/_SCANFI_v2_read_me.txt HTTPS information file: "_SCANFI_v2_read_me.txt" fichier d'information: "_SCANFI_v2_read_me.txt" Supporting Document;TXT;eng Document de soutien;TXT;eng https://ftp.maps.canada.ca/pub/nrcan_rncan/Forests_Foret/SCANFI/v2/_SCANFI_v2_lisez_moi.txt HTTPS information file: " _SCANFI_v2_lisez_moi.txt" fichier d'information: "_SCANFI_v2_lisez_moi.txt" Supporting Document;TXT;fra Document de soutien;TXT;fra https://ftp.maps.canada.ca/pub/nrcan_rncan/Forests_Foret/SCANFI/v2/___SCANFI%20v2%20%e2%80%93%20EN%20-%20Update%20report.pdf HTTPS detailed information: "___SCANFI v2 – EN - Update report.pdf" information détaillée: "___SCANFI v2 – EN - Update report.pdf" Supporting Document;PDF;eng Document de soutien;PDF;eng https://ftp.maps.canada.ca/pub/nrcan_rncan/Forests_Foret/SCANFI/v2/___SCANFI%20v2%20%e2%80%93%20FR%20-%20Rapport%20sur%20les%20mises%20%c3%a0%20jour.pdf HTTPS detailed information: "___SCANFI v2 – FR - Rapport sur les mises à jour.pdf" information détaillée: "___SCANFI v2 – FR - Rapport sur les mises à jour.pdf" Supporting Document;PDF;fra Document de soutien;PDF;fra