evidoria

← Retour à la liste

Bonne pratique Importée

SATIKAS — Le Système Estonien d'Apprentissage Profond par Satellite Surveille 100 % des Prairies pour la Conformité de Fauche de la PAC

Estonie · Tartu · Voir le profil de Estonie · Voir le profil de Tartu

Preuves: Observationnel / avant-après Top 6% 87/100 · Demandez à Evidence Copilot à propos de cette pratique

L'organisme payeur estonien ARIB utilise un système d'apprentissage profond conçu avec l'Observatoire de Tartu et KappaZeta pour vérifier le respect de l'obligation de fauche sur la totalité des quelque 101 000 parcelles de prairies enregistrées, par satellite. Une évaluation revue par des pairs a trouvé une précision de détection de 92,4 %.

94.8 %
Précision de détection en fin de saison (saison de croissance 2018, 2 000 parcelles) (2018)
92.4 %
Précision après signalement des cas ambigus par la région de rejet (2018)
101,000
Parcelles de prairies enregistrées surveillées à l'échelle nationale (2017–present)
SATIKAS — Le Système Estonien d'Apprentissage Profond par Satellite Surveille 100 % des Prairies pour la Conformité de Fauche de la PAC

Détails

Maturité
Établie
Promoteur
Estonian Agricultural Registers and Information Board (ARIB/PRIA), Tartu Observatory, KappaZeta
Période
2017–present
Région (NUTS)
EE00
Mots-clés
agriculture, machine learning, compliance, earth observation

Contexte

Depuis 2017, le Bureau estonien des registres et de l'information agricole (ARIB, aujourd'hui intégré à PRIA) utilise SATIKAS, un système satellitaire de détection de la fauche des prairies développé avec l'Observatoire de Tartu de l'Université de Tartu et sa spin-off KappaZeta, pour vérifier le respect de la règle d'entretien des prairies de la Politique agricole commune de l'UE. Le système alimente des séries temporelles radar Sentinel-1 et optiques Sentinel-2 dans un classificateur d'apprentissage profond, remplaçant les inspections sur site par une surveillance continue à distance des quelque 101 000 parcelles de prairies enregistrées en Estonie.

Résultats

Une évaluation évaluée par les pairs (Preidane et al., Scientific Reports, 2022) a testé la méthode sur 2 000 parcelles au cours de la saison de croissance 2018, constatant une précision de fin de saison de 94,8 % et une AUC de 0,97 ; en signalant les 12,8 % de cas les plus ambigus pour un examen manuel, la précision globale est passée à 92,4 %. La même étude signale des extensions expérimentales réussies de la méthode à la Suède, au Danemark et à la Pologne.

Conclusions

L'approche par « région de rejet » renvoie environ un cas sur huit à un examen humain, et les chiffres de précision publiés proviennent d'une seule saison de croissance ; la robustesse d'une année sur l'autre face à des conditions météorologiques variables n'est donc pas encore documentée de manière indépendante avec la même rigueur.

Mise en œuvre

Coût indicatif
Moyen (50 k€–500 k€) — Ongoing multi-year partnership between a national paying agency and a university remote-sensing spin-off; no public budget figure found.
Délai jusqu’aux résultats
Long (> 3 ans) — Operational since 2017, continuously monitoring all registered grassland parcels each growing season.
Personnel et compétences
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

Conditions de réussite

  • 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

Modes d’échec courants

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

Où cela s’applique

Type de gouvernance
national public agency
Échelle
national
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.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles