evidoria

← Voltar à navegação

Boa prática Importada

SATIKAS — O Sistema de Aprendizagem Profunda por Satélite da Estónia Monitoriza 100% das Pastagens Para a Conformidade de Corte da PAC

Estónia · Tartu · Ver o perfil de Estónia · Ver o perfil de Tartu

Evidência: Observacional / pré-pós Top 6% 87/100 · Pergunte a Evidence Copilot sobre esta prática

A agência pagadora estónia ARIB utiliza um sistema de aprendizagem profunda desenvolvido com o Observatório de Tartu e a KappaZeta para verificar o cumprimento da obrigação de corte em todas as cerca de 101.000 parcelas de pastagem registadas, por satélite. Uma avaliação revista por pares encontrou 92,4% de exatidão na deteção.

94.8 %
Exatidão de deteção no final da época (época de crescimento de 2018, 2.000 parcelas) (2018)
92.4 %
Exatidão após sinalização de casos ambíguos por região de rejeição (2018)
101,000
Parcelas de pastagem registadas monitorizadas a nível nacional (2017–present)
SATIKAS — O Sistema de Aprendizagem Profunda por Satélite da Estónia Monitoriza 100% das Pastagens Para a Conformidade de Corte da PAC

Detalhes

Maturidade
Consolidada
Promotor
Estonian Agricultural Registers and Information Board (ARIB/PRIA), Tartu Observatory, KappaZeta
Período
2017–present
Região (NUTS)
EE00
Palavras-chave
agriculture, machine learning, compliance, earth observation

Contexto

Desde 2017, o Conselho de Registos e Informação Agrícola da Estónia (ARIB, agora parte da PRIA) utiliza o SATIKAS, um sistema de deteção de corte de pastagens por satélite, desenvolvido com o Observatório de Tartu da Universidade de Tartu e a sua spin-off KappaZeta, para verificar o cumprimento da regra de manutenção de pastagens da Política Agrícola Comum da UE. O sistema alimenta séries temporais de radar Sentinel-1 e ótico Sentinel-2 num classificador de aprendizagem profunda, substituindo as inspeções no terreno por monitorização remota contínua de cerca de 101.000 parcelas de pastagem registadas na Estónia.

Resultados

Uma avaliação revista por pares (Preidane et al., Scientific Reports, 2022) testou o método em 2.000 parcelas ao longo da época de crescimento de 2018, encontrando uma exatidão de 94,8% no final da época e uma AUC de 0,97; ao sinalizar os 12,8% de casos mais ambíguos para revisão manual, a exatidão global subiu para 92,4%. O mesmo estudo relata extensões experimentais bem-sucedidas do método à Suécia, Dinamarca e Polónia.

Conclusões

A abordagem de "região de rejeição" transfere cerca de um em cada oito casos para revisão humana, e os valores de exatidão publicados provêm de uma única época de crescimento, pelo que a robustez de ano para ano sob condições meteorológicas variáveis ainda não está documentada de forma independente com o mesmo nível de profundidade.

Implementação

Custo indicativo
Médio (50 mil–500 mil €) — Ongoing multi-year partnership between a national paying agency and a university remote-sensing spin-off; no public budget figure found.
Tempo até resultados
Longo (> 3 anos) — Operational since 2017, continuously monitoring all registered grassland parcels each growing season.
Equipa e competências
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

Condições de sucesso

  • 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 falha comuns

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

Onde se enquadra

Tipo de governação
national public agency
Escala
national
Nível de rendimento
high-income

Habitualmente financiado por

National / regional programmes

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis