GAF AG завершает пилотный проект по мониторингу сельскохозяйственных участков

1

GAF AG разработала и утвердила метод автоматического мониторинга сельскохозяйственных участков с использованием спутниковых данных. Это направлено на то, чтобы облегчить бремя проверок на местах для сельскохозяйственных администраций.

Двенадцать различных сценариев мониторинга были автоматически оценены с использованием данных наблюдения Земли, собранных спутниковой группировкой Sentinel-1 и Sentinel-2.

В этом проекте также был исследован потенциал PLANETSCOPE с очень высоким разрешением для преодоления ограничений при мониторинге небольших участков.

С целью обновления существующей системы субсидий, определенной в Общей сельскохозяйственной политике (CAP), Европейская комиссия намерена модернизировать существующую систему, используя инновационные и современные методы. Разработав эффективное решение для автоматического дистанционного зондирования, GAF и Технический университет Мюнхена (TUM) успешно завершили пилотный проект, награжденный StMELF (нем. Bayerisches Staatsministerium für Ernährung, Landwirt¬schaft und Forsten), который был разработан для поддержки будущего CAP2020.

Проект проводился с использованием трех разных испытательных площадок, расположенных в Баварии, Германия, на 2018 год. Команда проекта проанализировала синергетическое использование наборов данных Sentinel-2 и Sentinel-1, обеспечивающих короткое время повторного посещения и хорошую доступность данных даже в условиях облачной предрасположенности. Кроме того, были также оценены четыре спектральных полосы наборов PLANETSCOPE с целью преодоления пространственных ограничений в отношении мониторинга небольших участков с данными Sentinel.

В ходе этого проекта проводилась классификация типов культур, и одиннадцать различных видов сельскохозяйственной деятельности, проводимой фермерами, контролировались из космоса с использованием в общей сложности более 800 спутниковых данных. Высокоавтоматизированная оценка спутниковых данных для мониторинга сельскохозяйственных участков проводилась с использованием методов машинного обучения, глубокого обучения и анализа временных рядов. Разработка методологии сопровождалась проверкой с достоверными данными. В настоящее время команда занимается переносом методологии в облачные сервисы для дальнейшего развития сервисов в будущем.

Публикации

Искусственный интеллект в строительных лабораториях
Искусственный интеллект в строительных лаборатория…
Текущее состояние интеграции ИИ Цифровизация строительства активно развивается в России.… ещё
Строительная лаборатория в Ростове-на-Дону
Создание единого реестра строительных испытательны…
С начала 2023 года в Российской Федерации стартовала новая система регулирования… ещё
Hexagon выпускает Luciad 2020.1
Подразделение Hexagon Geospatial запустило Luciad 2020.1, существенное обновление своей… ещё
VeriDaaS планирует проект по картографированию LiD…
VeriDaaS Corp., компания, занимающаяся геопространственными решениями, планирует весной… ещё