Envasement de la Nivelle et du port de Saint-Jean-de-Luz/Ciboure. Maîtrise d'ouvrage: Conseil Général des Pyrénées-Atlantique (64). Mesures de courant effectuées à l'aide d'un ADCP (Acoustic Doppler Current Profiler) sur une période de 12h. Emprise: Port de Saint-Jean-de-Luz.

Dans le cadre de la gestion intégrée des plages de Biarritz et du SIAZIM, CASAGEC a réalisé deux modèles numérique: - Modèle de propagation de houle - Modèle de circulation côtière. Les courants sont étudiés pour chaque site d’étude à partir des résultats des simulations numériques réalisées par couplage des modèles SWAN et MOHID. Toutes les simulations on été misent en oeuvre sur un modèle numérique de pas régulier de 25 m généré avec les données topo-bathymétriques réalisées tous les trimestres par CASAGEC.

Dans le cadre du projet européen INTERREG IVa LOREA, CASAGEC a développé un modèle opérationnel de prévision de houle à petite échelle sur le littoral transfrontalier des Pyrénées Atlantiques – Gipuzkoa. Ce modèle est ici utilisé pour étudier les conditions d’agitation au droit des ouvrages. Mis en place sur la période 2010 - 2011.

Les informations du fichier FANTOIR proviennent de l'application MAJIC (Mise A Jour des Informations Cadastrales) qui est implantée dans les services de la DGFiP exerçant des missions cadastrales. Le fichier des voies et lieux-dits ou fichier FANTOIR recense par commune différents types de « voies » : - les voies (rues, avenues, …) ; - les lieux-dits (utilisés surtout dans les zones rurales) ; - les ensembles immobiliers (voiries situées dans les copropriétés, les lotissements) ; - les pseudo-voies (par exemple canaux ou stations de métro). Le fichier FANTOIR contient l’ensemble des références topographiques qu’elles soient annulées ou actives. Il ne contient aucune donnée cartographique ou géométrique. Les données suivantes on été extraites à l'échelle de la Charente-Maritime.

Données littérales Communauté de Communes du Luy de Béarn

Sea Surface Salinity (SSS) is an essential climate variable that requires long term in situ observation. The French SSS Observation Service (SSS-OS) manages a network of Voluntary Observing Ships equipped with thermosalinographs (TSG) since 2002. The network is global though more concentrated in the tropical Pacific and North Atlantic oceanic basins. The acquisition system is autonomous with real time transmission and is regularly serviced at harbor calls. The high resolution data retrieved from the acquisition system during ship calls is processed through a dedicated software (freely available) for attribution of data quality flags by visual inspection, and correction of TSG time series by comparison with climatology, onboard daily water samples and collocated Argo data. Details can be found in the reference below. The validated delayed time data collected from TSG, together with some bucket samples mostly collected before 2002, are made available for educational and research purposes through an interactive web interface.

The annually binned Sea Surface Salinity data set covers a large part of the Atlantic Ocean (75°W-10°E, 20°S-70°N). It is based on salinity near-surface data collected since December 1895 to 2016 from all data sources, including Voluntary Observing Ships subsequently validated. This annual product presents Atlantic SSS 32 grid box anomaly and error time-series (for boxes 1 to 26, year 2016 not smoothed 1-2-1), as well as Atlantic SSS grid box coordinates and March-May mean climatology. The SSS binned time series are an update from the 1896-2013 time series (Friedman et al., 2017).

The annually binned Sea Surface Salinity, Temperature and Density data set covers a large part of the North Atlantic subpolar gyre. It is based on T and S near-surface data collected since December 1895 to August 2018 from all data sources, including Voluntary Observing Ships subsequently validated. This annual product presents deviations from a climatological seasonal cycle and has furthermore been smoothed in time with a 1/4, 1/2, 1/4 running-mean filter. Density time series are estimated from those annual time series, considering winter (D-J-F) climatology. Uncertainty estimates due to sampling are also provided. Data for December 2017-August 2018 are also reported as 2018, but are temporary and should not be used without further check. Long gaps have been filled by linear interpolation, and are attributed largest error.