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

Hexagon выпускает Luciad 2020.1
Подразделение Hexagon Geospatial запустило Luciad 2020.1, существенное… ещё
VeriDaaS планирует проект по картографированию LiD…
VeriDaaS Corp., компания, занимающаяся геопространственными решениями,… ещё
Esri UK в партнерстве с Heliguy
Esri UK объявила о новом партнерстве со специалистами по дронам Heliguy… ещё
Интеграция между роботами, GNSS, лазерным сканиров…
Trimble и Boston Dynamics объявили о стратегическом альянсе для интеграции… ещё