evidoria

← Volver al listado

Buena práctica Importada

SATIKAS — El Sistema Estonio de Aprendizaje Profundo por Satélite Monitoriza el 100% de los Pastizales Para el Cumplimiento de Siega de la PAC

Estonia · Tartu · Ver el perfil de Estonia · Ver el perfil de Tartu

Evidencia: Observacional / pre-post Top 6% 87/100 · Pregunte a Evidence Copilot sobre esta práctica

La agencia pagadora estonia ARIB usa un sistema de aprendizaje profundo desarrollado con el Observatorio de Tartu y KappaZeta para verificar el cumplimiento de la obligación de siega en las cerca de 101.000 parcelas de pastizal registradas, por satélite. Una evaluación revisada por pares halló un 92,4% de exactitud en la detección.

94.8 %
Precisión de detección al final de la temporada (temporada de crecimiento de 2018, 2.000 parcelas) (2018)
92.4 %
Precisión tras marcar casos ambiguos mediante la región de rechazo (2018)
101,000
Parcelas de pastizal registradas monitorizadas a nivel nacional (2017–present)
SATIKAS — El Sistema Estonio de Aprendizaje Profundo por Satélite Monitoriza el 100% de los Pastizales Para el Cumplimiento de Siega de la PAC

Detalles

Madurez
Consolidada
Promotor
Estonian Agricultural Registers and Information Board (ARIB/PRIA), Tartu Observatory, KappaZeta
Período
2017–present
Región (NUTS)
EE00
Palabras clave
agriculture, machine learning, compliance, earth observation

Contexto

Desde 2017, la Junta de Registros e Información Agrícola de Estonia (ARIB, ahora parte de PRIA) utiliza SATIKAS, un sistema de detección de siega de pastizales por satélite desarrollado con el Observatorio de Tartu de la Universidad de Tartu y su spin-off KappaZeta, para verificar el cumplimiento de la norma de mantenimiento de pastizales de la Política Agrícola Común de la UE. El sistema alimenta series temporales de radar Sentinel-1 y ópticas Sentinel-2 en un clasificador de aprendizaje profundo, sustituyendo las inspecciones sobre el terreno por una monitorización remota continua de las aproximadamente 101.000 parcelas de pastizal registradas en Estonia.

Resultados

Una evaluación revisada por pares (Preidane et al., Scientific Reports, 2022) probó el método en 2.000 parcelas a lo largo de la temporada de crecimiento de 2018, con una precisión de fin de temporada del 94,8% y un AUC de 0,97; al marcar el 12,8% de los casos más ambiguos para revisión manual, la precisión global subió al 92,4%. El mismo estudio documenta extensiones experimentales exitosas del método a Suecia, Dinamarca y Polonia.

Conclusiones

El enfoque de "región de rechazo" deriva aproximadamente uno de cada ocho casos a revisión humana, y las cifras de precisión publicadas proceden de una única temporada de crecimiento, por lo que la solidez interanual bajo condiciones meteorológicas variables aún no está documentada de forma independiente con el mismo nivel de detalle.

Implementación

Coste indicativo
Medio (50 000–500 000 €) — Ongoing multi-year partnership between a national paying agency and a university remote-sensing spin-off; no public budget figure found.
Tiempo hasta resultados
Largo (> 3 años) — Operational since 2017, continuously monitoring all registered grassland parcels each growing season.
Personal y competencias
University of Tartu's Tartu Observatory and spin-off KappaZeta (remote-sensing technical partner), ARIB/PRIA staff for manual review of reject-region flagged cases

Condiciones para el éxito

  • Access to Sentinel-1/Sentinel-2 satellite time series
  • Deep-learning classifier trained and validated on historical mowing data
  • Manual review capacity for ambiguous (reject-region) cases

Modos de fallo comunes

  • Year-to-year robustness under varying weather has not been independently validated beyond the single 2018 season

Dónde encaja

Tipo de gobernanza
national public agency
Escala
national
Nivel de ingresos
high-income

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles