Künstliche Intelligenz und Big Data zur Unterstützung der gemeinsamen Agrarpolitik - Nationales Forum für Fernerkundung und Copernicus 23 März ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Künstliche Intelligenz und Big Data zur Unterstützung der gemeinsamen Agrarpolitik Nationales Forum für Fernerkundung und Copernicus 23 März 2021 Bettina Baruth / JRC / Food Security
Innovative Technologien - Modernisierung der GAP performant modernized Wireless technology Space data Big data Digital era Data mining reliable Positioning preventive Artificial Advisory Intelligence tools Meta analysis Apps simpler fair Robot QR code Blockchain Farm sensors Scientific Modelling RFID Internet of Things Barcode e-Governance
Meta-Analysen zu den Auswirkungen landwirschaftlicher Praktiken auf die Umwelt Web of science – core collection More than 11.000 records for Example: environmental impacts agriculture and environment over of agro-forestry practices the last 5 years
Kartierung von Feldfrüchten im kontinentalen Maßstab mit maschinellem Lernen Orléans (France) Border Austria Czech republic Castilla y Leon (Spain) Romania EU 2018 crop map with Sentinel-1 at 10m pixel spacing. Masked with non-vegetation Corine Land Cover classes. d'Andrimont, R.. Verhegghen, A., et al. in progress
LUCAS Copernicus in-situ Daten für Training und Validierung • EO LUCAS Modul 2018 zur Erhebung relevanter Oberflächen (Polygone) • 60.000 “reine” Polygone erfasst, in der Regel 0.3 ha • Open Data Set in ESSD • LUCAS Copernicus Modul in 2022 mit 150.000 Erhebungen und einem vereinfachten Protokoll Beispiele LUCAS Copernicus |Polygone d'Andrimont, R. et al. LUCAS Copernicus 2018: Earth Observation relevant in-situ data on land cover throughout the European Union. 2020. Earth System Science Data Discussions, 1-19. (2020)
Die GAP – Direktzahlungen - was wird überprüft? 58 000 000 000 € / Jahr 40 Milliarden Direktzahlungen (4,85 Dtschl.) 14 Milliarden Ländliche Entwicklung (1.2) Mehr als 135 Millionen Referenzparzellen (LPIS) Ø 250 Euro pro Hektar Überprüfung der Bedingungen für die Direktzahlungen: • Deklarierte Parzellenfläche • Zur Förderung berechtigte Fläche • Standards zur Erhaltung landwirtschaftlicher Flächen in "gutem landwirtschaftlichen und ökologischen Zustand" 6
Schlüsseltechnologien für die GAP Integriertes Verwaltungs- und Kontrol- system 1990 Aktuelle Technologien ID-12031965 9.22 ha Ackerkultur Community of 2000 Practice GSD 1m Fehlerrate unter Proaktiv 2% 2015
CAP Checks by Monitoring Deklarierte Nutzpflanzen Sentinel-2 Sentinel-1 Niemals Juni Wolken Wolken! The declared crop map (left) with May-June-July composite of S-2 NDVI (centre) and S-1 VV backscattering
CAP Checks by Monitoring Für jede Parzelle: Zwischenfrucht Sentinel-2 Extrahierung der Zeitreihe für die Ernte Wachstumsperiode (S1 / S2) Austreiben Wir können „lesen“ was passiert Wolken S-1 / S-2 sind oftmals komplementär Monitoring bestätigt die Sentinel-1 Deklarationen der Landwirte Saatbeet • Open COPERNICUS Daten • Open source software Kornfuellung • Europäische DIAS Cloud Dienste Pfluegen Zugänglich für alle :-)
Workflow Traffic light assignment Different ways out: Compliance rules Green Non Compliance rules Red Inconclusive process Yellow “Appropriate follow-up” Majority of Fully automated cases real time near the end end of season
Geotagged Fotos – komplementäre Informationen Date - Time Via mobile applet Verbindung zur Location Invekos Datenbank Orientation Erbringt Nachweise für • Mahd Termine • Anbaudiversifizierung • Brachflächen • Verzicht auf Herbizide • …
Schlussfolgerungen • Unterstützung der gemeinsamen Agrarpolitik durch KI und Big Data hat bereits begonnen, diese sollte aber ausgebaut werden, um den Anforderungen an eine moderne GAP gerecht zu werden. • Landwirtschaftliche Systeme werden zunehmend komplexer und diverser, um auf die heutigen Herausforderungen zu antworten (z.B. Klimawandel). Mit Hilfe von Wissenschaft und modernen Technologien kann dieser Wandel unterstützt werden. • Räumliche Daten (z.B. COPERNICUS / Big data) spielen dabei eine große Rolle, jedoch in Kombination mit anderen Datenquellen und Werkzeugen (KI, ML). • Dies muss zum Nutzen der Landwirte eingesetzt werden, so dass diese davon profitieren (Monitoring anstelle von Kontrolle, seltener Vor-Ort Kontrollen, Automation der Antragsanstellung, und vieles mehr) • All diese braucht übergreifende gemeinsame Regeln, Austauschbarkeit von Daten & Wissenstransfer. Dann werden wir in den kommenden Jahren einen starken Anstieg dieser Technologien in der Implementierung der Gemeinsamen Agrarpolitik sehen.
Thank you also on behalf of my colleagues Raphael d’Andrimont, Wim Devos, Astrid Verheggen, Guido Lemoine, Philippe Loudjani, Marta Perez-Soba, Marijn van der Velde bettina.baruth@ec.europa.eu
Sie können auch lesen