​Puisque les partenaires pouvaient choisir où archiver leurs jeux de données, ceux-ci ont été déposés sur diverses plateformes, dont Borealis, Dryad, Figshare, DataStream et Gouvernement ouvert Canada. Afin de les rassembler, j’ai créé une carte web interactive sur le site web de l’ICEE (accessible ici), permettant d’explorer les projets du Programme Living Data (PLD) par lieu et par taxon. La carte répertorie également les partenaires et les stagiaires, et regroupe en un seul endroit les liens vers les dépôts, les articles principaux et les publications connexes. C’était très satisfaisant de constater visuellement la diversité des données sauvées partout au Canada (et dans le monde entier) !
 
Ce stage m’a offert une perspective unique sur le cycle de vie des données de recherche : de leur récupération et de leur nettoyage à leur conservation à long terme et à leur accessibilité. J’ai beaucoup aimé travailler avec l’équipe du Living Data et communiquer avec les partenaires et les stagiaires. Ce fut enrichissant de découvrir la grande variété de projets et gratifiant de contribuer à ce que leurs contributions soient enregistrées et restent accessibles pour l’avenir.

Durant mon stage, j’étais responsable de la gestion des fichiers de données, notamment du nettoyage et de l’organisation des données brutes en formats structurés. J’ai aussi écrit la première version du fichier de métadonnées, résumé et documenté les variables des différents ensembles de données. Ce travail a été réalisé en collaboration avec d’autres membres de la communauté du Projet Living Data et avec l’aide d’une étudiante de premier cycle, Eva Gagnon (Université de Montréal), qui a numérisé les documents manuscrits originaux.

Nos efforts ont abouti à la publication de deux ensembles de données, désormais librement accessibles aux scientifiques, aux éducateurs et éducatrices et aux décideurs et décideuses politiques: 

• Macdonald et al. 2024 — Metadata and Overview
• Macdonald et al. 2024 — Full Dataset (47-year archive)

Ce stage m’a permis d’acquérir des compétences techniques en gestion de données, mais aussi de comprendre l’importance cruciale de la sauvegarde des données environnementales historiques qui pourraient autrement être perdues. Contribuer à redonner vie à cet ensemble de données unique et à le rendre utilisable pour de futures études écologiques a été une expérience extrêmement gratifiante. 

Cet ensemble de données est exceptionnel non seulement par son ancienneté et sa richesse, mais aussi parce, pour cette espèce, c’est le seul utilisant un protocole de marquage-recapture sur le long terme. La Grande salamandre du Nord étant inscrite comme espèce menacée en vertu de la Loi sur les espèces en péril du Canada, les renseignements contenus dans cet ensemble de données revêtent une importance capitale pour les stratégies actuelles et futures de conservation et de rétablissement. Mon rôle a consisté à élaborer un plan de gestion des données exhaustif afin d’assurer leur accessibilité et leur utilisabilité à long terme. Les données sont maintenant archivées dans le dépôt Borealis (https://doi.org/10.5683/SP3/7MH2AM). Cette expérience m’a permis de mieux comprendre les enjeux et l’importance de la sauvegarde des données écologiques, ainsi que la valeur du patrimoine scientifique que de tels efforts contribuent à préserver.

​Ce projet a été une expérience d’apprentissage incroyablement enrichissante. Il m’a offert une expérience concrète en gestion des données et m’a permis de contribuer à un mouvement plus vaste visant à rendre les données écologiques plus transparentes, plus réutilisables et plus utilisées. Je suis reconnaissant à l’équipe du Projet Living Data pour son accompagnement et son soutien.

​Mon travail chez Water Rangers s’inscrivait dans le cadre des Rapports sur les bassins versants, un projet de synthèse de données regroupant des millions de points de données provenant des rivières et des ruisseaux canadiens. Ces données incluent des mesures de la qualité de l’eau, du débit, des macroinvertébrés benthiques et des communautés de poissons. Elles proviennent d’organismes de partout au Canada. Comme les données viennent d’organismes divers ayant chacun ses propres méthodes d’enregistrement, un effort considérable a été nécessaire pour traiter et nettoyer les données en vue d’analyses standardisées. Mon travail chez Water Rangers consistait à développer des scripts R reproductibles pour manipuler les données et les adapter au format standardisé utilisé par DataStream. Ces scripts effectuaient également les transformations de données nécessaires, identifiaient et signalaient les valeurs aberrantes potentielles. Les données que j’ai traitées ont été intégrées aux Rapports sur les bassins versants et publiées au printemps 2025. Allez les consulter et découvrez l’état de santé de votre bassin versant !

​Un programme de suivi a été mis en place en 1996 afin d’estimer les tendances démographiques du Guillemot marbré le long de la côte de la Colombie-Britannique. Cette côte est divisée en six régions de conservation, chacune comprenant plusieurs stations radars, la plupart accessibles uniquement par bateau. L’équipe chargée du guillemot marbré visite chaque station trois fois par année et utilise un radar marin pour détecter et dénombrer les oiseaux effectuant leurs migrations matinales entre l’océan et la forêt. Ces données ont permis d’étudier les tendances démographiques au fil du temps au sein de chaque région de conservation et à l’échelle de la province, ainsi que leur réponse aux événements climatiques (notamment « le Blob », la canicule marine de 2014-2016).

Le but principal de ce stage était de rendre accessible au public cet ensemble de données longitudinales détaillées. Nous avons atteint quatre objectifs :

1. Nettoyer et reformater les données avant publication à l’aide de scripts R reproductibles ;
2. Élaborer des métadonnées détaillées afin que le contenu des données soit interprétable ;
3. Publier les données publiquement afin d’améliorer leur accessibilité et leur pérennité ; 
4. Élaborer des protocoles de gestion des données pour la publication et la mise à jour des données afin d’en assurer l’uniformité.

​Les données sont accessibles à l’adresse suivante https://doi.org/10.6084/m9.figshare.25308250.v1 et la documentation supplémentaire à celle-ci https://doi.org/10.17605/OSF.IO/ZSG63. Un gros merci à l’équipe du Guillemot marbré pour son soutien et ses conseils durant ce stage.

Au début de mon stage, j’ai passé beaucoup de temps à examiner chaque fichier Excel et PDF pour comprendre quelles données étaient disponibles et comment elles étaient liées entre elles. J’avais l’impression d’être une détective, essayant de déchiffrer des bribes d’information pour reconstituer le puzzle. Par exemple, certains fichiers PDF contenaient des informations sur le nombre de spécimens d’espèces d’invertébrés dans différents échantillons, mais je ne pouvais pas déterminer, à partir de ces pages, où les échantillons avaient été prélevés ni quelles méthodes avaient été utilisées. Cependant, je trouvais ensuite des notes dans un autre fichier expliquant les codes d’échantillonnage utilisés et leur correspondance avec les emplacements sur une carte, puis un autre fichier reliant ces codes aux méthodes spécifiques employées, comme la benne Ekman ou l’échantillonnage par « technique du coup de pied ». Finalement, petit à petit, j’ai pu reconstituer le puzzle et comprendre quelles données étaient disponibles, comment et où elles avaient été collectées.

L’étape suivante consistait à transcrire les données du format PDF en format tabulaire, une tâche pour laquelle j’ai heureusement bénéficié de l’aide d’un assistant de recherche étudiant (et d’outils d’IA facilitant la conversion des données PDF en tableaux). Une fois toutes les données en format tabulaire, j’ai consacré le reste de mon stage à l’utilisation de R pour identifier les données dupliquées, normaliser les noms de taxons, formater le tout dans une base de données relationnelle et effectuer une validation des données afin de garantir leur qualité et leur organisation. Ce fut extrêmement gratifiant de voir tous ces fichiers PDF et Excel désorganisés prendre forme et être présentés dans un format utilisable et compréhensible pour les futurs chercheurs et chercheuses.

​J’ai beaucoup appris sur les meilleures pratiques en matière de gestion des données, de documentation des données et de reproductibilité, ainsi que sur la manière de construire et de structurer des bases de données relationnelles, et (pourquoi pas, étant donné que je suis une écologiste végétale) sur l’échantillonnage par « technique du coup de pied » et autres méthodes d’échantillonnage du benthos.

​​Le processus de numérisation des cartes inclut la numérisation des cartes papier, le géoréférencement des images numérisées, la classification de l’occupation du sol et l’extraction des éléments. Les cartes papier ont été numérisées en 2022 par Access Corp. et converties en images couleur haute résolution de format PDF. Sous la supervision de Robert Buchkowski et Shane Heartz, chercheurs du Service des forêts, le projet actuel de récupération des données s’est principalement concentré sur le développement de flux de travail pour le géoréférencement et la classification des cartes raster. Ceux-ci pourront ensuite être appliqués aux plus de 200 documents de cette série de cartes ayant été numérisés. En six semaines, un flux de travail de géoréférencement spécifique aux cartes numérisées a été développé pour ArcMap 10.6 (ESRI, 2018). Un flux de travail de classification raster et d’extraction des éléments a également été développé pour R (R Core Team, 2023) à partir du progiciel HistMapR (Auffret et coll., 2017). Cinq cartes ont été entièrement traitées à l’aide de ces méthodes afin de produire des jeux de données historiques sur la classification de l’occupation du sol et les caractéristiques du réseau routier pour la région de Fredericton. Ces méthodes seront appliquées au reste de la série de cartes lors de prochaines séances de travail. Les données récupérées seront mises à la disposition du public sur la plateforme provinciale de données ouvertes. 

​Grâce à ces efforts de récupération de données, les savoirs uniques contenus dans ces cartes historiques seront stockés en toute sécurité sous forme numérique et continueront d’influencer les futurs chercheurs et chercheuses de toute la province.

Références 
Auffret, A.G., Kimberley, A., Plue, J. et coll., (2017) HistMapR: Rapid digitization of historical land-use maps in R. Methods in Ecology and Evolution. 8-11. https://doi.org/10.17045/sthlmuni.4649854  

ESRI, 2018. ArcGIS Desktop: Release 10.6. Redlands, CA: Environmental Systems Research Institute. 

R Core Team, 2023. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.R-project.org 
 

​À partir de 2018, une méthode rigoureuse a été mise en œuvre pour la collecte des données, combinant les points d’écoute programmés et les observations fortuites entre ces points. Le POFPO développe actuellement un logiciel permettant de convertir directement ses données de terrain au format NatureCounts afin d’optimiser leur archivage. Le format NatureCounts comporte plus de 150 champs pour enregistrer les paramètres et descripteurs de chaque observation d’oiseau : le développement de ce logiciel est donc devenu une priorité pour l’équipe du POFPO. Entre 2018 et 2023, les biologistes de terrain ont expérimenté différentes méthodes d’enregistrement des points d’écoute et des données d’occupation. Ma seconde mission consistait à structurer ces données dans un format compatible avec la norme NatureCounts.
 
Le défi le plus intéressant de ce stage a été de déterminer comment devraient être masquées les observations concernant les espèces menacées. En effet, il est arrivé par le passé que des observations d’espèces rares sur des propriétés privées aient attiré des ornithologues enthousiastes souhaitant ajouter une nouvelle espèce à leur liste. Pour limiter de telles perturbations, quelle zone devait être floutée ? Comment créer une zone à flouter sans que l’observation ne se situe en son centre ? Notre solution a consisté à indiquer le coin inférieur gauche d’un carré de 10 km de côté contenant l’observation, en remplaçant les derniers chiffres des coordonnées UTM par des zéros.
 
Ce travail aurait été impossible sans l’aide de Sandra Emry, Bruno Soares, Samreen Munim, Brendan Boyd et Catherine Jardine. Un grand merci à vous tous pour votre patience et vos encouragements. Encore un jeu de données préservé ! Hourra !

​Pendant six semaines, de septembre à octobre 2024, j’ai coordonné la planification d’un hackathon. Nos principaux objectifs étaient, d’une part, de récupérer des données non numérisées et, d’autre part, d’initier des étudiants et étudiantes de premier cycle à la gestion des données écologiques et à la recherche menée dans la Réserve nationale de faune de St-Denis. Le recrutement des étudiants et étudiantes s’est déroulé de fin septembre à début octobre et a suscité un vif intérêt : 40 personnes se sont inscrites, alors que nous ne pouvions en accueillir que 10. L’événement, d’une durée de quatre jours, s’est tenu à l’Institut canadien d’écologie et d’évolution à l’University of Regina et comprenait une excursion d’une journée à St-Denis, situé à trois heures au nord. Dans le cadre de cette excursion, nous avons assisté à un séminaire animé par un technicien d’Environnement et Changement climatique Canada (ECCC), suivi d’une randonnée guidée par des étudiant.es effectuant des recherches sur la chimie et l’écologie de l’eau.

​Pour le reste de la semaine, Erik Dean, boursier postdoctoral du PLD, et moi-même avons animé une série de présentations sur les meilleures pratiques de numérisation des données et de saisie de données. Au cours du hackathon et des semaines suivantes, nous avons pu catégoriser et numériser avec succès les données ornithologiques d’ECCC, tout en créant un cadre pour leur gestion. Ce travail se poursuivra avec un deuxième stage de récupération de données afin de finaliser le processus d’archivage.