WMS

WFS service for befolkningrutenett2016

WFS service for befolkning på grunnkretsnivå 2016

Ce service présente le revenu après impôt médian des ménages au Canada en 2015, par division de recensement de 2016. Les données proviennent du Profil du recensement, no 98-316-X2016001 au catalogue de Statistique Canada. Revenu après impôt - Le revenu total moins l'impôt sur le revenu de l'unité statistique au cours d'une période de référence donnée (pour information additionnelle, se référer à Revenu total – Dictionnaire du recensement 2016 et Revenu après impôt – Dictionnaire du recensement 2016). Le revenu médian d'un groupe spécifique est le montant qui divise la répartition des revenus de ce groupe en deux moitiés. Division de recensement (DR) est le terme général de régions créées en vertu des lois provinciales (comme comté, municipalité régionale de comté et regional district) ou des régions équivalentes. Dans d'autres provinces et dans les territoires, où les lois ne prévoient pas de telles régions, Statistique Canada définit des régions équivalentes à des fins statistiques en collaboration avec ces provinces et territoires. Les divisions de recensement sont des régions géographiques intermédiaires entre la municipalité (subdivision de recensement) et la province/territoire.

Ces fichiers numériques des limites des sections de vote sont publiés par Élections Canada. Les données contiennent les fichiers numériques des circonscriptions fédérales du Canada sous le décret de représentation électorale de 2015.

Cette carte illustre le ratio du prélèvement d’eau douce de surface à l’apport en eau pour le mois d’août 2013, sauf dans les régions de drainage 7, 8, 16, 17 et 18, pour lesquelles on utilise le ratio du prélèvement d’eau du mois d’août à l’apport en eau mensuel minimum à long terme. En ce qui concerne les prélèvements d’eau douce de surface, les données de l’Enquête sur les usines de traitement de l’eau potable de 2013 et de l’Enquête sur l’utilisation industrielle de l’eau de 2013 sont agrégées avec les estimations de l’utilisation de l’eau à des fins agricoles pour 2013, qui sont fondées sur les données de l’Enquête sur l’utilisation de l’eau à des fins agricoles et du rapport intitulé Alberta Irrigation Information. Les données sur l’eau utilisée par l’industrie pétrolière et gazière et les ménages ne provenant pas d’un fournisseur d’eau public sont également exclues.

This service shows the predominant mother tongue in each census subdivision based on English, French or non-official language. The data is from the data table Mother Tongue (10), Age (27) and Sex (3) for the Population of Canada, Provinces and Territories, Census Divisions and Census Subdivisions, 2016 Census - 100% Data, Statistics Canada Catalogue no. 98-400-X2016046. Mother tongue refers to the first language learned at home in childhood and still understood by the person at the time the data was collected. If the person no longer understands the first language learned, the mother tongue is the second language learned. For a person who learned two languages at the same time in early childhood, the mother tongue is the language this person spoke most often at home before starting school. The person has two mother tongues only if the two languages were used equally often and are still understood by the person. For a child who has not yet learned to speak, the mother tongue is the language spoken most often to this child at home. The child has two mother tongues only if both languages are spoken equally often so that the child learns both languages at the same time.

Data was created or derived from unmanned aerial vehicle (UAV) imagery acquired from a single day survey, July 28th 2016, in Cambridge Bay, Nunavut. Five control points taken from a Global Differential Positioning System were positioned in the corners and the center of the vegetation survey. The following datasets covers 525m2 and was produced by Canada Centre for Remote Sensing /Canada Centre for Mapping and Earth Observation: - UAV Digital Surface Model (DSM) in Cambridge Bay, Nunavut -Vegetation Plot - UAV Orthomosaic of Cambridge Bay, Nunavut - Vegetation Plot - UAV Vegetation Height Model, Cambridge Bay, Nunavut The UAV survey was completed in collaboration with the Canadian High Arctic Research Station (CHARS) for northern vegetation monitoring research. For more information, refer to our current Arctic vegetation research: Fraser et al; ""UAV photogrammetry for mapping vegetation in the low-Arctic"" Arctic Science, 2016, 2(3): 79-102, 10.1139/as-2016-0008 http://www.nrcresearchpress.com/doi/abs/10.1139/AS-2016-0008

Cette publication de données contient une collection de cartes matricielles des forêts matures (m3/ha) au Canada et de résidus forestiers disponibles après coupe pour le secteur de la bioénergie (ODT/yr) au cours des 20 prochaines années. Les cartes ont été produites à partir de produits de télédétection à une résolution spatiale de 250 m sur la grille de pixels MODIS et de 30 m sur la grille de pixels Landsat. Plus spécifiquement, nous avons utilisé des données d'attributs forestiers au 250 m pixel pour les années 2001 et 2011 (Beaudoin et al. 2014 et 2018) jumelées aux changements de couvertures forestières pour les années 1985 à 2015 au 30-m (Guindon et al. 2018). Les résultats de la biomasse disponible (sous forme de résidus forestiers) ont été rapportés à l'échelle du 10 km x 10 km alors que la carte des forêts matures au Canada a été préparée à l’échelle de l’unité d’aménagement. Brièvement, notre méthodologie était constituée de trois étapes: 1- créer une carte des forêts matures pour l'année 2011, basée sur les volumes coupés de 2001; 2- développer un taux de coupe annuel à partir des coupes effectuées de 1985 à 2015 et; 3- définir la quantité de biomasse sous forme de résidus forestiers disponible pour le secteur de la bioénergie. La biomasse des branches et feuilles a été utilisée comme proxy afin de définir la biomasse des résidus forestiers disponible. À l’échelle nationale, la biomasse moyenne de résidus forestiers disponible après coupe s’élève à 26 ± 16 ODT/ha, alors que la disponibilité annuelle totale pour l’ensemble des forêts aménagées au Canada était de 21 M ODT/yr. Un article scientifique est en révision, la référence sera fournie ultérieurement. Référence pour ce jeu de données: Barrette J, Paré D, Manka F, Guindon L, Bernier P, Titus B. 2018. Forecasting the spatial distribution of logging residues in Canada’s managed forests. Natural Resources Canada, Canadian Forest Service, Laurentian Forestry Centre, Quebec, Canada.

Drought is a deficiency in precipitation over an extended period, usually a season or more, resulting in a water shortage that has adverse impacts on vegetation, animals and/or people. The Climate Moisture Index (CMI) was calculated as the difference between annual precipitation and potential evapotranspiration (PET) – the potential loss of water vapour from a landscape covered by vegetation. Positive CMI values indicate wet or moist conditions and show that precipitation is sufficient to sustain a closed-canopy forest. Negative CMI values indicate dry conditions that, at best, can support discontinuous parkland-type forests. The CMI is well suited to evaluating moisture conditions in dry regions such as the Prairie Provinces and has been used for other ecological studies. Mean annual potential evapotranspiration (PET) was estimated for 30-year periods using the modified Penman-Monteith formulation of Hogg (1997), based on monthly 10-km gridded temperature data. Data shown on maps are 30-year averages. Historical values of CMI (1981-2010) were created by averaging annual CMI calculated from interpolated monthly temperature and precipitation data produced from climate station records. Future values of CMI were projected from downscaled monthly values of temperature and precipitation simulated using the Canadian Earth System Model version 2 (CanESM2) for multiple RCP radiative forcing scenarios. Multiple layers are provided: Climate moisture indexes are shown across Canada for a reference period from 1981-2010. Future projections using RCP 8.5 are given for three different time periods: 2011-2040; 2041-2070; 2071-2100. Future projection using RCP 2.6 given for time period: 2071-2100