evidoria

← Retour à la liste

Bonne pratique Importée

Contrôles par Surveillance — Castille-et-León Réduit les Inspections de la PAC à 0,2 % des Parcelles Grâce à l'IA Satellitaire

Espagne · Valladolid · Voir le profil de Espagne

Preuves: Observationnel / avant-après Top 22% 73/100 · Demandez à Evidence Copilot à propos de cette pratique

La région espagnole de Castille-et-León classe les parcelles agricoles à partir de séries temporelles Sentinel-2 par apprentissage automatique en 26 types de cultures et 9 types de non-culture, remplaçant la plupart des inspections physiques de la PAC. Un audit de la Cour des comptes européenne a révélé que seulement 0,2 % des parcelles nécessitaient encore une visite sur le terrain.

0.2 %
Parcelles nécessitant une inspection sur place (2019)
9
Régimes d'aide de la PAC couverts par la méthode de surveillance
26 crop / 9 non-crop
Classes de cultures et non-cultures distinguées par le classificateur

Détails

Maturité
Établie
Promoteur
ITACyL (Instituto Tecnológico Agrario de Castilla y León), Junta de Castilla y León
Période
2016–present
Région (NUTS)
ES41
Mots-clés
agriculture, machine learning, compliance, earth observation

Contexte

Depuis 2016, l'institut de technologie agricole de Castille-et-León, l'ITACyL, combine l'imagerie satellite Sentinel-2 (améliorée en 2017 avec un produit de 10 mètres quasi quotidien) avec des données LIDAR d'élévation, de pente, de précipitations et le registre parcellaire régional SIGPAC pour classer automatiquement les terres agricoles. Un algorithme d'apprentissage automatique attribue chaque parcelle déclarée à l'une des 26 classes de cultures ou des 9 classes non agricoles, alimentant le dispositif espagnol « Controles por Monitorización » de vérification des demandes au titre de la Politique agricole commune.

Résultats

Le rapport spécial 2020 de la Cour des comptes européenne cite Castille-et-León comme l'une des premières agences payeuses à déployer la méthode à grande échelle, l'appliquant à neuf régimes d'aide de la PAC ; son tableau d'audit indique que seulement 0,2 % des parcelles de la région nécessitaient une inspection sur place, contre un taux d'échantillonnage traditionnel de l'UE d'environ 5 %.

Conclusions

Selon l'audit de 2019-2020, seules 15 des 66 agences payeuses de l'UE avaient opérationnalisé les contrôles par surveillance, et la plupart des premiers déploiements — y compris espagnols — ne l'appliquaient qu'à certains régimes et groupes d'agriculteurs ; une couverture nationale complète dans toutes les régions espagnoles n'était donc pas encore atteinte.

Mise en œuvre

Coût indicatif
Moyen (50 k€–500 k€) — Run by a regional public technical institute since 2016; no specific budget figure disclosed in sources.
Délai jusqu’aux résultats
Long (> 3 ans) — Piloted from 2016, upgraded to near-daily imagery in 2017, operating across nine CAP schemes by the time of the 2019/2020 EU audit.
Personnel et compétences
ITACyL (Instituto Tecnológico Agrario de Castilla y León) technical staff, Junta de Castilla y León regional agriculture administration

Conditions de réussite

  • Near-daily 10m Sentinel-2 imagery (available from 2017)
  • Integration with the SIGPAC land-parcel registry and LIDAR/slope/rainfall data
  • Machine-learning classification pipeline for 26 crop and 9 non-crop classes

Où cela s’applique

Type de gouvernance
regional public agency
Échelle
regional
Niveau de revenu
high-income

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles