Startseite Eoagri Erdbeobachtung für Landwirtschaft, Agroforstwirtschaft, agropastorale Systeme und die Bewertung von Kohlenstoffauswirkungen Allgemeine Informationen Eoagri ist das Katalogprodukt von GMV für geoinformatische Produkte im landwirtschaftlichen Bereich, die aus Satellitendaten der Erdbeobachtung abgeleitet werden.Die Eoagri -Dienstleistungen umfassen die landwirtschaftliche Überwachung und Bewertung, die Unterstützung von Lösungen für Präzisionslandwirtschaft sowie den Beitrag zur nachhaltigen Landwirtschaft, zur agroforstlichen und agropastoralen Bewirtschaftung, einschließlich der Bewertung von Kohlenstoffauswirkungen, der Bodennachhaltigkeit und von Landbewirtschaftungspraktiken.Eoagri erfüllt sämtliche derzeit geltenden Geodatenstandards. Dadurch können unsere Geoinformationsprodukte über die Standarddienste des Open Geospatial Consortium (OGC) aus jedem Geodatenviewer heraus abgerufen und/oder heruntergeladen werden. Darüber hinaus können die Dienste in standardisierte Datenaustauschdatenbanken integriert und gemeinsam mit anderen Plattformen genutzt werden, beispielsweise mit digitalen Feldbüchern für Landwirte.Bei Fragen oder Wünschen dazu kontaktieren Sie uns bitte unter [email protected] 15 Jahre Erfahrung in der Bereitstellung von Erdbeobachtungsdiensten für den Agrarsektor Mehr als 21 Länder weltweit nutzen unsere Dienstleistungen für den Agrarsektor. Highlights Wichtigste Anwendungen:Überwachung des Zustands von Kulturen, Biomasse und Erträgen durch die Beobachtung von Parzellen Integration von IoT-Daten zur Bestimmung des Bewässerungsbedarfs, zur Krankheitskontrolle und Düngung von Kulturen mit hohem WertBereitstellung nützlicher Daten für eine nachhaltige Intensivierung. Überwachung agroforstlicher Systeme zur Bewertung des Plantagenzustands und der Biomasseakkumulation.Bewertung der Phänologie und Biomasse von Weideland für das Viehmanagement. Unterstützung der landwirtschaftlichen Finanzierung durch automatische Identifizierung angebauter Kulturen und Erkennung landwirtschaftlicher Praktiken wie Fruchtfolge, Zwischenfrüchte und Intensität der Bodenbearbeitung.Unterstützung des Übergangs zu landwirtschaftlichen Modellen, bei denen die Erhaltung der organischen Substanz im Boden im Vordergrund steht. Anwendungen in der Landwirtschaft Landwirtschaft Zustand der Parzellen Gesundheit der Kulturpflanzen: biophysischer Zustand Gesundheit der Kulturpflanzen: biophysischer Zustand Der biophysische Zustand ermöglicht die Bewertung des Gesundheitszustands von Kulturpflanzen durch die Quantifizierung einer zentralen Vitalitätsvariable, wie etwa der Grünfärbung der Vegetation. Das Produkt erzeugt räumliche Karten und Zeitreihenanalysen und klassifiziert die Pflanzenvitalität in fünf Standardkategorien: sehr niedrig, niedrig, mittel (saisonaler Referenzwert), hoch und sehr hoch. Diese fünf Kategorien werden entsprechend den Vitalitätswerten jeder analysierten Kulturpflanze und jeder agroökologischen Region angepasst. Daher werden dieselben Vitalitätswerte nicht zur Klassifizierung dieser Kultur in anderen agroökologischen Regionen oder bei anderen Kulturpflanzenarten verwendet.Der biophysische Zustand liefert praktische Informationen für ein effektives Pflanzenmanagement auf Grundlage der Bewertung der Grünfärbung der Vegetation.PräzisionslandwirtschaftVegetationsgrünKulturpflanzenmanagementRenditeoptimierungLandwirtschaftliche Versicherungen und Finanzierung Gesundheit der Kulturpflanzen: Blattfläche und photosynthetische Aktivität Gesundheit der Kulturpflanzen: Blattfläche und photosynthetische Aktivität Blattfläche und photosynthetische Aktivität ermöglichen die Bewertung des Gesundheitszustands von Kulturpflanzen durch die Quantifizierung zentraler Kronendach-Variablen wie dem Blattflächenindex (LAI) und dem Anteil der absorbierten photosynthetisch aktiven Strahlung (fAPAR). Das Produkt erzeugt räumliche Karten und Zeitreihenanalysen und klassifiziert die LAI- oder fAPAR-Werte in fünf Standardkategorien: sehr niedrig, niedrig, mittel (saisonaler Referenzwert), hoch und sehr hoch. Diese fünf Kategorien werden für jede analysierte Kulturpflanze und jede agroökologische Region angepasst. Daher werden dieselben Werte nicht zur Klassifizierung dieser Kultur in anderen agroökologischen Regionen oder für andere Kulturpflanzenarten verwendet.Die Blattfläche und die photosynthetische Aktivität liefern praktische Informationen für das Pflanzenmanagement im Hinblick auf das Pflanzenwachstum und die photosynthetische Effizienz.PräzisionslandwirtschaftPflanzenwachstumKulturpflanzenmanagementRenditeoptimierungLandwirtschaftliche Versicherungen und Finanzierung Gesundheit der Kulturpflanzen: Nährstoffgleichgewicht Gesundheit der Kulturpflanzen: Nährstoffgleichgewicht Das Nährstoffgleichgewicht ermöglicht die Bewertung des Gesundheitszustands von Kulturpflanzen durch die Quantifizierung zentraler Nährstoffvariablen, wie der Lichtabsorption durch Pigmente (Redgeabs), des Gehalts an Chlorophyll a und b (Chl a+b) sowie der Stickstoffkonzentration (Ni). Das Produkt erzeugt räumliche Karten und Zeitreihenanalysen und klassifiziert die Werte von Redgeabs, Chl a+b oder Ni in fünf Standardkategorien: sehr niedrig, niedrig, mittel (saisonaler Referenzwert), hoch und sehr hoch. Diese fünf Kategorien werden für jede analysierte Kulturpflanze und jede agroökologische Region angepasst. Daher werden dieselben Werte nicht zur Klassifizierung dieser Kultur in anderen agroökologischen Regionen oder für andere Kulturpflanzenarten verwendet.Das Nährstoffgleichgewicht liefert praktische Informationen für das Pflanzenmanagement im Hinblick auf die photosynthetische Effizienz und die Nährstoffverfügbarkeit auf landwirtschaftlichen Flächen.PräzisionslandwirtschaftPhotosynthetische Effizienz der PflanzenNährstoffverfügbarkeitKulturpflanzenmanagementRenditeoptimierungLandwirtschaftliche Versicherungen und Finanzierung Gesundheit der Kulturpflanzen: Feuchtigkeitsniveau Gesundheit der Kulturpflanzen: Feuchtigkeitsniveau Das Feuchtigkeitsniveau ermöglicht die Bewertung des Gesundheitszustands von Kulturpflanzen durch die Quantifizierung einer zentralen Variablen wie des Feuchtigkeitsgehalts an der Boden-Pflanze-Grenzfläche (Bodenfeuchte). Das Produkt erzeugt räumliche Karten und Zeitreihenanalysen und klassifiziert die Feuchtigkeit in fünf Standardkategorien: sehr niedrig, niedrig, mittel (saisonaler Referenzwert), hoch und sehr hoch. Diese fünf Kategorien werden für jede analysierte Kulturpflanze und jede agroökologische Region angepasst. Daher werden dieselben Werte nicht zur Klassifizierung dieser Kultur in anderen agroökologischen Regionen oder für andere Kulturpflanzenarten verwendet.Das Feuchtigkeitsniveau liefert praktische Informationen für das Pflanzenmanagement im Hinblick auf den Feuchtigkeitsgehalt.PräzisionslandwirtschaftFeuchtigkeitsgehaltKulturpflanzenmanagementRenditeoptimierungLandwirtschaftliche Versicherungen und Finanzierung Zustand der Parzelle Zustand der Parzelle Der Zustand der Parzelle ermöglicht die Bewertung des Gesundheitszustands von Kulturpflanzen durch den Vergleich einer zentralen Variablen des Vegetationsbestands, wie dem Blattflächenindex (LAI), mit dem durchschnittlichen LAI-Wert der entsprechenden agroökologischen Region. Die Informationen werden über ein einfaches Benachrichtigungssystem mit drei Kategorien dargestellt: Alarm Warnung kein Risiko. Die Methode passt sich jeder analysierten Kulturpflanze und jeder agroökologischen Region an. Daher gelten diese Kategorien nicht für dieselbe Kulturpflanze in anderen agroökologischen Regionen oder für andere Kulturpflanzenarten. Der Zustand der Parzelle liefert praktische Informationen für das Pflanzenmanagement durch den Vergleich des Vegetationsbestands zwischen verschiedenen Parzellen innerhalb derselben agroökologischen Region.PräzisionslandwirtschaftPflanzenwachstumKulturpflanzenmanagementRenditeoptimierungLandwirtschaftliche Versicherungen und Finanzierung Produktivität der Trockenmasse Produktivität der Trockenmasse Die Produktivität der Trockenmasse (DMP) ermöglicht die Bewertung des Gesundheitszustands von Kulturpflanzen durch die Schätzung einer zentralen Wachstums- und Ertragsvariable, wie der Trockenmasse. Die eingesetzte Methode integriert satellitengestützte Indikatoren mit meteorologischen Daten mittels eines Modells der Lichtnutzungseffizienz (LUE), das die absorbierte Strahlung mit der Biomassesynthese in Beziehung setzt. Die Methodik umfasst die Erstellung von Zehn-Tage-Zeitreihen, die Berechnung der Nettoprimärproduktion sowie die anschließende Schätzung der Trockenmasse mithilfe von Parametern, die für jede agroökologische Region angepasst werden. Diese zehntägige zeitliche Auflösung bietet einen Referenzrahmen zur Messung von Zu- oder Abnahmeraten sowie zur Erkennung wichtiger phänologischer Zeitpunkte und der entsprechenden akkumulierten Biomasse.Die Produktivität der Trockenmasse liefert praktische Informationen für das Pflanzenmanagement im Hinblick auf die Biomasseproduktion.PräzisionslandwirtschaftBiomasseproduktionKulturpflanzenmanagementRenditeoptimierungLandwirtschaftliche Versicherungen und Finanzierung Ertragsprognose Ertragsprognose Die Ertragsprognose ermöglicht die Bewertung des Gesundheitszustands von Kulturpflanzen durch die Abschätzung einer zentralen Produktivitätsvariable wie des Kornertrags. Die über die gesamte Saison akkumulierte Trockenmasseproduktivität wird mithilfe lokal kalibrierter und an jede agroökologische Region angepasster Ernteindizes in den Ertrag umgerechnet. Diese Kalibrierung stellt sicher, dass das Modell die spezifischen Eigenschaften der in jeder agroökologischen Region analysierten Kulturpflanzen widerspiegelt. Die Ertragsprognose, üblicherweise in Tonnen pro Hektar angegeben, erfolgt nach dem Kampagnenhöhepunkt (POS) und vor dessen Abschluss (EOS).Die Ertragsprognose liefert praktische Informationen für das Pflanzenmanagement im Hinblick auf die Optimierung der Produktivitätsanalyse.PräzisionslandwirtschaftAnalyse der ProduktivitätKulturpflanzenmanagementRenditeoptimierungLandwirtschaftliche Versicherungen und Finanzierung Weinbau und IoT Bodenwassergehalt Bodenwassergehalt Das Produkt Bodenwassergehalt (SWC) wird auf Basis zuvor ausgewählter Vegetationsindizes berechnet, die mit bodengestützten Hygrometer-Messungen kombiniert werden. Punktuelle Messungen des Bodenwassergehalts in zehn Zentimetern Tiefe werden verwendet, um die satellitengestützten Daten bei jeder Überwachung landwirtschaftlicher Parzellen zu kalibrieren. Auf diese Weise wird ein Produkt des Bodenwassergehalts in zehn Zentimetern Tiefe erzeugt, mit einer räumlichen Auflösung von zehn Metern und gleichzeitig mit der Satellitenbeobachtung kalibriert. Der Bodenwassergehalt ermöglicht eine fundierte Entscheidungsfindung hinsichtlich des Gesundheitszustands der Kulturpflanzen, des Wassermanagements und der Optimierung der Erträge.PräzisionsweinbauWassermanagementBewässerungsbedarfBodenüberwachungRenditeoptimierung Bewässerungsbedarf Bewässerungsbedarf Das Produkt Bewässerungsbedarf berechnet die tatsächliche Evapotranspiration der Kultur (ETc) mithilfe einer verbesserten Anpassung der Penman-Monteith-Gleichung, die physikalische sowie vegetationsbezogene Parameter einbezieht. Wichtige verbesserte Daten:Albedo, dynamisch aus Satellitendaten abgeleitet mithilfe der Landoberflächentemperatur.fAPAR (Fraktion der absorbierten photosynthetisch aktiven Strahlung), verwendet zur Schätzung des Kulturkoeffizienten (Kc).Das Modell kombiniert diese ausgewählten Vegetationsindizes mit Messungen lokaler Wetterstationen, bodenkundlichen Analysen sowie fortgeschrittenen geospatiale Analyseverfahren. Dieser integrierte Ansatz ermöglicht die Erstellung hochauflösender Modelle des Mikroklimas von Weinbergen sowie der Bodenfeuchtedynamik. Das Produkt Bewässerungsbedarf wird während des gesamten Anbauzyklus kontinuierlich aktualisiert und bietet eine Echtzeitübersicht über die tatsächlichen Evapotranspirationsraten. Dies ermöglicht eine präzise und datenbasierte Bewässerungsplanung, indem die Wasserzufuhr direkt an die physiologischen Bedürfnisse der Reben angepasst wird und sowohl die Wassereffizienz als auch die Gesundheit des Weinbergs optimiert werden.PräzisionsweinbauWassermanagementBewässerungsbedarfRenditeoptimierung Krankheitsrisiko Krankheitsrisiko Krankheitsrisiko ist ein Frühwarnsystem, das prädiktive Informationen über das Auftreten der wichtigsten Rebenkrankheiten wie Echter Mehltau oder Botrytis liefert. Durch die Korrelation zentraler Klimafaktoren mit Modellen zur Krankheitsentwicklung nutzt das System meteorologische Daten und geospatiale Analysen, um tägliche Risikobewertungen auf Parzellenebene zu erstellen. Es werden acht Stufen von 0 bis 7 festgelegt: Stufe 0 bedeutet, dass in den letzten sieben Tagen keine günstigen Bedingungen für die Krankheit vorlagen, während Stufe 7 bedeutet, dass diese Bedingungen in demselben Zeitraum an allen Tagen aufgetreten sind.Krankheitsrisiko bietet kontinuierliche Aktualisierungen während der wichtigsten phänologischen Entwicklungsphasen, wodurch rechtzeitige Warnungen ausgegeben, proaktive Pflanzenschutzstrategien angewendet und eine ökologische Landwirtschaft gefördert werden können.PräzisionsweinbauÖkologische LandwirtschaftAuftreten von KrankheitenFrühwarnungProaktiver PflanzenschutzRenditeoptimierung Düngungsbedarf Düngungsbedarf Das Produkt Düngungsbedarf wird auf Anfrage aktiviert, wenn das Produkt „Krankheitsrisiko“ ein hohes Risikoniveau identifiziert. Für diese Analyse sind multispektrale Bilder mit sehr hoher Auflösung (VHR) erforderlich, die eine detaillierte Bewertung der Vitalität und des Nährstoffzustands der Reben ermöglichen. Die Analyse kartiert die räumliche Variabilität der Pflanzenentwicklung und identifiziert Zonen mit unterschiedlichen Nährstoffbedarfen. Dies erleichtert die Anwendung variabler, auf spezifische Bereiche ausgerichteter Düngestrategien, optimiert die Nutzung der Nährstoffe und fördert die Pflanzengesundheit.Das Produkt Düngungsbedarf ermöglicht eine präzise und zeitgerechte Nährstoffbewirtschaftung.PräzisionsweinbauFrühwarnungAuftreten von KrankheitenNährstoffstatusÖkologische LandwirtschaftVegetationsüberwachung Ertragsprognose Ertragsprognose Die Ertragsprognose liefert Schätzungen des Kornertrags auf Parzellenebene. Die Vorhersagemodelle werden mit realen Produktionsdaten früherer landwirtschaftlicher Kampagnen sowie mit erklärenden Variablen aus Satellitendaten und Klimadaten trainiert. Die Vorhersagemodelle werden mit realen Produktionsdaten früherer landwirtschaftlicher Kampagnen sowie mit erklärenden Variablen aus Satellitendaten und Klimadaten trainiert.Die Ertragsprognose liefert praktische Informationen, die eine proaktive Entscheidungsfindung hinsichtlich des Grünschnitts, der Planung der Weinlese und der Bestimmung der Erntequalität, des Zukaufs von Trauben von Lieferanten sowie der produktiven Überwachung jeder einzelnen Rebe erleichtern. Dadurch können Reben identifiziert werden, die nicht mehr produktiv sind oder entfernt werden sollten.PräzisionsweinbauErtragsprognoseSteuerung des Grünschnitts Kontrolle der WeinlesequalitätErnteplanung Agrarfinanzierung Standort und Art der Kulturpflanze Standort und Art der Kulturpflanze Die Kulturlokalisierung besteht aus einer Karte mit einer Auflösung von zehn Metern, die bewirtschaftete und unbewirtschaftete Flächen mithilfe eines maschinellen Lernmodells abgrenzt, das mit erklärenden Variablen aus Satellitendaten gespeist wird. Zusätzlich wird eine Unsicherheitskarte erstellt, die das Konfidenzniveau der Ergebnisse der binären Klassifikation angibt. Das Produkt wird jährlich erstellt und umfasst eine räumliche statistische Analyse, die an administrative Einteilungen oder an spezifische Nutzeranforderungen angepasst werden kann, um eine detailliertere Darstellung der Verteilung landwirtschaftlicher Flächen zu ermöglichen.Kulturtypbesteht aus einer Karte mit 10-Meter-Auflösung, die mithilfe eines automatisierten Machine-Learning-Modells unter Verwendung satellitenbasierter erklärender Variablen jede innerhalb der Ackerfläche angebaute Kulturpflanze erfasst. In addition, an uncertainty map provides a measure of confidence for the classification results. Das Produkt wird für jeden phänologischen Zyklus erstellt und umfasst eine räumliche statistische Analyse, die an administrative Einteilungen oder an spezifische Nutzeranforderungen angepasst werden kann, um eine detailliertere Darstellung der Verteilung der verschiedenen Kulturtypen zu ermöglichen.AgrarfinanzierungFinanzportfolios des Agrarsektors Rückverfolgbarkeit für zertifizierte LieferkettenPlanung und Unterstützung des AgrarsektorsKartierung der landwirtschaftlichen LandnutzungRisikobewertung Kartierung der bewirtschafteten Flächen Kartierung der bewirtschafteten Flächen Die Kartierung der bewirtschafteten Flächen grenzt einzelne landwirtschaftliche Parzellen mithilfe eines automatisierten Deep-Learning-Algorithmus auf Basis eines Convolutional Neural Network (CNN) ab. Auf Grundlage der Analyse hochauflösender Satellitenbilder identifiziert das CNN feine Merkmale wie Kontraste an Grenzen, Vegetationsindizes und Texturunterschiede. Dies ermöglicht es dem Modell, benachbarte Felder auch dann zu unterscheiden, wenn keine sichtbaren physischen Grenzen wie Zäune oder Hecken vorhanden sind, und auf großer Skala ein hohes Maß an Genauigkeit zu erreichen.Die Kartierung der bewirtschafteten Flächen liefert die Abgrenzung einzelner landwirtschaftlicher Parzellen, die anschließend als Eingabedaten für das Produkt „Zustand der Parzelle“ verwendet werden.AgrarfinanzierungFinanzportfolios des Agrarsektors Rückverfolgbarkeit für zertifizierte LieferkettenPlanung und Unterstützung des AgrarsektorsKartierung der landwirtschaftlichen LandnutzungRisikobewertung Fruchtfolge Fruchtfolge Fruchtfolge ermöglicht die Bewertung von Fruchtfolgeverfahren im Hinblick auf die Agrarfinanzierung durch deren präzise Quantifizierung innerhalb eines landwirtschaftlichen Jahres. Ein Algorithmus zur Erkennung von Anbauzyklen identifiziert alle lokalen Maxima der Zeitreihe und bestimmt für jedes dieser Maxima den Beginn und das Ende der Saison innerhalb eines vordefinierten Suchfensters um den Spitzenwert. Wenn im selben landwirtschaftlichen Jahr eine zweite Anbaukampagne erkannt wird, kann das System auch die entsprechende Kulturpflanze klassifizieren.Das Produkt Fruchtfolge wird jährlich auf Parzellenebene erstellt und gibt die Anzahl der erkannten Wachstumszyklen an sowie – wenn kein einzelner Zyklus vorliegt – die erkannte Zweitkultur. Abhängig von den Anforderungen der Agrarfinanzierung kann das Produkt durch eine räumlich-statistische Analyse für jede Verwaltungseinheit ergänzt werden.Agrarfinanzierung Regionale Planung und PolitikgestaltungFinanzportfolios des AgrarsektorsRückverfolgbarkeit für zertifizierte LieferkettenNachhaltige Strategien der FruchtfolgeKohlenstofflandwirtschaft Deckfrüchte Deckfrüchte Deckfrüchte ermöglichen die Bewertung dieser Praxis im Hinblick auf die Agrarfinanzierung durch die präzise Quantifizierung der Muster der Etablierung von Zwischenfrüchten während eines landwirtschaftlichen Jahres. Die Modelle des maschinellen Lernens werden auf Parzellenebene für jede Hauptkultur während ihres Wachstumszyklus trainiert, weshalb die Kartierung der bewirtschafteten Flächen und die Erkennung der Fruchtfolge als zwingende vorbereitende Schritte gelten.Die Deckfrucht-Produktlinie wird auf Parzellenebene erstellt, jährlich für jedes landwirtschaftliche Jahr aktualisiert und durch eine räumlich-statistische Analyse für jede Verwaltungseinheit ergänzt, um sich an die spezifischen Anforderungen der Agrarfinanzierung anzupassen.AgrarfinanzierungRegionale Planung und PolitikgestaltungFinanzportfolios des AgrarsektorsRückverfolgbarkeit für zertifizierte LieferkettenNachhaltige Strategien der FruchtfolgeKohlenstofflandwirtschaft Bodenbearbeitung Bodenbearbeitung Bodenbearbeitung ermöglicht die Bewertung von Bewirtschaftungspraktiken im Hinblick auf die Agrarfinanzierung durch deren Identifikation aus multitemporalen Satellitenbildern und mithilfe von Machine-Learning-Techniken. Die Modelle werden auf Parzellenebene für jede Hauptkultur während ihres Wachstumszyklus trainiert, weshalb die Kartierung der bewirtschafteten Flächen sowie die Erkennung der Fruchtfolge und der Kulturpflanzen als obligatorische vorbereitende Schritte gelten.Das Produkt Bodenbearbeitung wird auf Parzellenebene erstellt, jährlich für jedes landwirtschaftliche Jahr generiert und durch eine räumlich-statistische Analyse für jede Verwaltungseinheit ergänzt, um sich an die spezifischen Anforderungen der Agrarfinanzierung anzupassen.Agrarfinanzierung Regionale Planung und PolitikgestaltungFinanzportfolios des AgrarsektorsRückverfolgbarkeit für zertifizierte LieferkettenNachhaltige Strategien der FruchtfolgeKohlenstofflandwirtschaft Anwendungen im agroforstwirtschaftlichen Bereich Agroforstwirtschaft Holzige Anbausysteme Baumbestandszensus Baumbestandszensus Der Baumbestandszensus bietet eine hochpräzise geospatiale Lösung zur Erfassung einzelner Bäume innerhalb von Baumparzellen. Die Lösung verwendet optische Satellitenbilder mit sehr hoher Auflösung (VHR) oder Daten, die mittels unbemannter Luftfahrzeuge (UAV) gewonnen werden, kombiniert mit einem halbautomatisierten Ansatz und Algorithmen des maschinellen Lernens. Auf diese Weise ermöglicht es eine präzise Baumzählung und die Nutzung grundlegender Vegetationsindizes.Der Baumbestandszensus liefert praktische Informationen für die Ressourcenplanung und die operative Optimierung und erleichtert gleichzeitig die Einhaltung von Nachhaltigkeitsanforderungen und Zertifizierungsstandards.Inventar und Kartierung von Baumkulturen für die agroforstliche Planung.Überwachung der Ausdehnung oder Reduktion der Kulturen im Zeitverlauf.Unterstützung der Raumordnung und der landwirtschaftlichen Zonierung.Schätzung des Produktionspotenzials von Baumkulturen.Steuerung von Bewirtschaftungs- und Nachhaltigkeitsmaßnahmen in Kulturen.Bewertung des Kohlenstoffbindungspotenzials in Kulturen. Gesundheitszustand Gesundheitszustand Der Gesundheitszustand bietet eine hochpräzise geospatiale Lösung zur Bewertung des Gesundheitszustands jedes einzelnen Baumes in holzbasierten Anbausystemen. Mithilfe von optischen Satellitenbildern mit sehr hoher Auflösung (VHR) oder Daten, die durch unbemannte Luftfahrzeuge (UAV) gewonnen werden, sowie einem halbautomatisierten Ansatz und Algorithmen des maschinellen Lernens ermöglicht das Tool die Identifizierung von Bäumen, die von den erwarteten Bedingungen abweichen. Dafür werden fünf qualitative Ertragskategorien verwendet, die von „sehr schlecht“ bis „sehr gut“ reichen. Zudem wird die Kronenfläche gemessen und mit dem entsprechenden Durchschnittswert der jeweiligen Parzelle verglichen.Der Gesundheitszustand ermöglicht den Erzeugern eine präzise Bewirtschaftung mit gezielten Maßnahmen und liefert praktische Informationen zur Optimierung der Gesundheit holziger Anbausysteme, zur Verbesserung der Ressourcenzuweisung und zur Steigerung der Gesamtproduktivität.Inventar und Kartierung von Baumkulturen für die agroforstliche PlanungÜberwachung der Ausdehnung oder Reduktion der Kulturen im ZeitverlaufUnterstützung der Raumordnung und der landwirtschaftlichen ZonierungSchätzung des Produktionspotenzials von BaumkulturenSteuerung von Bewirtschaftungs- und Nachhaltigkeitsmaßnahmen in KulturenBewertung des Kohlenstoffbindungspotenzials von Baumkulturen Kommerzielle Anbausysteme Kartierung kommerzieller Kulturen Kartierung kommerzieller Kulturen Die Kartierung kommerzieller Kulturen besteht aus einer Karte mit einer Auflösung von zehn Metern, die wichtige Kulturen wie Ölpalme, Eukalyptus, Pappeln, Kaffee, Kakao oder Kautschuk in heterogenen Agrarlandschaften und gemischten Anbausystemen mit komplexen Kronenstrukturen abgrenzt. Dazu verwendet es ein automatisiertes Machine-Learning-Modell, das mit erklärenden Variablen aus Satellitendaten gespeist wird. Die Anbaukarten bilden eine Referenzschicht zur Berechnung von Produktionsindikatoren, einschließlich der Schätzungen der Anbaufläche, und dienen als Grundlage für nachgelagerte Anwendungen wie die Schätzung der Biomasse und des Ertrags.Die Kartierung kommerzieller Kulturen ermöglicht eine Optimierung der Ressourcenzuweisung und fördert eine datenbasierte Entscheidungsfindung für eine nachhaltige Bodenbewirtschaftung und eine höhere landwirtschaftliche Produktivität.Management agroforstlicher RessourcenOptimierung agroforstlicher SystemeStrategien zur BiomasseoptimierungNachhaltige BodenbewirtschaftungRisikobewertung und Planung der ResilienzUnterstützung der Entscheidungsfindung in Politik- und Investitionsfragen Oberirdische Biomasse Oberirdische Biomasse Die oberirdische Biomasse oberirdisch quantifiziert die oberirdische Biomasse (AGB) in kommerziellen Anbausystemen. Die eingesetzte Methode integriert satellitengestützte Indikatoren mit meteorologischen Daten mittels eines Modells der Lichtnutzungseffizienz (LUE), das die absorbierte Strahlung mit der Biomassesynthese in Beziehung setzt. Die Methodik umfasst die Erstellung zehntägiger Zeitreihen, die Berechnung der Nettoprimärproduktion und die anschließende Schätzung der Biomasse pro Hektar mithilfe von Parametern, die an jedes Anbausystem angepasst sind. Durch die monatliche oder saisonale Überwachung der Dynamik der oberirdischen Biomasse ermöglicht das Produkt eine präzise Analyse der Wachstumsmuster sowohl auf Ebene der Gesamtwaldmasse als auch der Teilbestände. Die oberirdische Biomasse richtet sich an landwirtschaftliche und forstwirtschaftliche Betreiber und liefert ihnen Informationen über das Wachstum und die Entwicklung der Plantagen, die für die Entscheidungsfindung, Kohlenstoffbilanzierungsinitiativen und Nachhaltigkeitsprogramme von großem Nutzen sein können.Management agroforstlicher RessourcenStrategien zur BiomasseoptimierungErtragsprognose und ErnteplanungKohlenstoffbilanzierung und Erstellung von KlimaberichtenRisikobewertung und Planung der ResilienzUnterstützung der Entscheidungsfindung in Politik- und Investitionsfragen Ertragsprognose Ertragsprognose Die Ertragsprognose kombiniert die Kartierung kommerzieller Anbausysteme mit der Bewertung der oberirdischen Biomasse, um den Ertrag zu modellieren. Die über die gesamte Saison akkumulierte Trockenmasseproduktivität wird über lokal kalibrierte Ernteindizes in den Ertrag umgerechnet, sodass sie die spezifischen Eigenschaften der analysierten kommerziellen Kultur widerspiegelt. Die Ertragsprognose, die üblicherweise in Tonnen pro Hektar ausgedrückt wird, erfolgt in der Regel nach dem Erntespitzenpunkt (POS) und vor dem Ende der Saison (EOS).Die Ertragsprognose reduziert operative Unsicherheiten, stärkt die Resilienz agroforstlicher Systeme und erhöht die Rentabilität.Management agroforstlicher RessourcenErtragsprognose und ErnteplanungRisikobewertung und Planung der ResilienzNachhaltige BodenbewirtschaftungUnterstützung der Entscheidungsfindung in Politik- und Investitionsfragen Anwendungen in agropastoralen Systemen Agropastorale Systeme Weidezustand Evapotranspirationsraten Evapotranspirationsraten Das Produkt Evapotranspirationsraten quantifiziert die potenzielle Evapotranspiration der Kultur (ETo) mithilfe einer verfeinerten Anpassung der Penman-Monteith-Gleichung, die sowohl physikalische als auch vegetationsbezogene Parameter einbezieht. Wichtige verbesserte Daten:Albedo, dynamisch aus Satellitendaten abgeleitet mithilfe der Landoberflächentemperatur.fAPAR (Fraktion der absorbierten photosynthetisch aktiven Strahlung), verwendet zur Schätzung des Kulturkoeffizienten (Kc).Das Modell kombiniert ausgewählte Vegetationsindizes mit globalen Klimadaten. Die Evapotranspirationsraten werden täglich, dekadisch, monatlich oder jährlich überwacht und mit historischen Durchschnittswerten verglichen, um Anomalien zu erkennen, die auf Stressbedingungen oder günstige Situationen hinweisen.Die Evapotranspirationsraten stellen ein zentrales Instrument für Erzeuger dar, da sie es ihnen ermöglichen, Futterknappheit vorherzusehen, Weidepläne anzupassen und die zusätzliche Fütterung zu planen, wodurch betriebliche Risiken reduziert und die Effizienz der Ressourcennutzung verbessert wird. Auf einer breiteren Ebene liefern aggregierte Analysen auf Departementsebene Genossenschaften und politischen Entscheidungsträgern nützliche Daten, um frühzeitige Interventionen zu planen, die Auswirkungen von Dürre zu mildern und die Viehversorgungsketten zu schützen.Kartierung von Ressourcen und ProduktivitätÜberwachung von Mobilität und VerteilungManagement von WasserressourcenManagement von Klima- und Dürre-RisikenIdentifizierung von Konflikten im Zusammenhang mit WeidelandUnterstützung der Entscheidungsfindung Trockene oberirdische Biomasse Trockene oberirdische Biomasse Die trockene oberirdische Biomasse ermöglicht die Quantifizierung der Biomasse der Weiden. Die eingesetzte Methode integriert satellitengestützte Indikatoren mit meteorologischen Daten mittels eines Modells der Lichtnutzungseffizienz (LUE), das die absorbierte Strahlung mit der Biomassesynthese in Beziehung setzt. Die Methodik umfasst die Erstellung dekadischer Zeitreihen, die Berechnung der Nettoprimärproduktion sowie die anschließende Schätzung der Biomasse pro Hektar mithilfe von Parametern, die auf Grundlage von Feldmessungen kalibriert werden.Die trockene oberirdische Biomasse richtet sich an die Erzeuger und liefert praktische Informationen zur Analyse der Variabilität sowie zur Erleichterung der Entscheidungsfindung in großflächigen Agrargebieten. Ebenso ermöglicht es eine präzise Überwachung der Weideproduktivität sowohl auf Betriebs- als auch auf Gebietsebene.Kartierung von Ressourcen und ProduktivitätÜberwachung von Mobilität und VerteilungBiomasseproduktionErnteplanungUnterstützung der Entscheidungsfindung Saisonale Dynamik Saisonale Dynamik Die saisonale Dynamik liefert Wachstumsraten von Weidesystemen auf Grundlage einer umfassenden phänometrischen Analyse von Zeitreihen der trockenen oberirdischen Biomasse. Das Produkt identifiziert die wichtigsten saisonalen Meilensteine – Saisonbeginn (SOS), Saisonhöhepunkt (POS) und Saisonende (EOS) – und ermöglicht die Überwachung der Wachstumszyklen durch die Messung der Vergrünungsrate (ROI) und der Seneszenzrate (ROD). Beide Indikatoren ermöglichen es den Erzeugern, Biomasse-Spitzen vorherzusehen, Produktivitätstrends zu analysieren und die Verfügbarkeit von Futter abzuschätzen.Die saisonale Dynamik ermöglicht eine präzise Überwachung der Wachstumsmuster, um die Beweidung zu planen und die Verfügbarkeit von Futter zu steuern.Kartierung von Ressourcen und ProduktivitätÜberwachung von Mobilität und VerteilungBiomasseproduktionErnteplanungUnterstützung der Entscheidungsfindung Weidezustand Weidezustand Der Weidezustand liefert eine detaillierte Bewertung des Weidezustands durch die Quantifizierung der Variabilität der trockenen oberirdischen Biomasse im Vergleich zu den nächstgelegenen entsprechenden Wiesen. Das Produkt erstellt räumliche Zeitreihenkarten und klassifiziert die Variabilität in fünf Kategorien, wobei die Gebiete mit geringerer Biomasseproduktivität hervorgehoben werden. Dies erleichtert die Anwendung spezifischer Maßnahmen wie Rotationsweide oder Zusatzfütterung.Der Weidezustand ist darauf ausgelegt, die Entscheidungsfindung durch zeitnahe, präzise und nützliche Informationen für das operative Management zu optimieren.Kartierung von Ressourcen und ProduktivitätÜberwachung von Mobilität und VerteilungBiomasseproduktionErnteplanungUnterstützung der Entscheidungsfindung Anwendungen zur Bewertung der Kohlenstoffauswirkungen Auswirkungen auf den Kohlenstoff Kohlenstofflandwirtschaft Biomasse zur Modellierung des organischen Bodenkohlenstoffs (SOC): Landwirtschaft Biomasse zur Modellierung des organischen Bodenkohlenstoffs (SOC): Landwirtschaft Die oberirdische Biomasse (AGB) in Form von Ernterückständen (Stängel, Blätter, Schalen) stellt die Hauptquelle frischer organischer Substanz dar, die wieder in den Boden eingearbeitet wird. Die Menge an oberirdischer Biomasse (AGB) bestimmt direkt das verfügbare Kohlenstoffvolumen für die Einbindung in das Bodensystem. Modelle wie Century, DAYCENT oder RothC benötigen explizit Daten zum Eintrag von Ernterückständen. Die Unterschätzung der Beiträge der oberirdischen Biomasse (AGB) kann dazu führen, dass die Modelle einen übermäßigen Rückgang des organischen Bodenkohlenstoffs (SOC) vorhersagen. Im Gegensatz dazu kann seine Überbewertung reale Risiken der Degradation verschleiern. Daher ist eine präzise Berechnung der oberirdischen Biomasse (AGB) entscheidend, um eine realistische Kohlenstoffmassenbilanz zu erstellen.Die Biomasse für die Modellierung des organischen Bodenkohlenstoffs (SOC) erfordert nicht nur punktuelle und präzise Karten der oberirdischen Biomasse (AGB), sondern auch multitemporale Analysen, die mehrere Jahre abdecken. Hierfür ist zuvor eine präzise agronomische Kontextualisierung erforderlich, die die Kartierung der Anbauarten, die Erkennung von Fruchtfolgesystemen sowie die Identifikation von Deckfrüchten umfasst. Dieser Ansatz ist entscheidend, um eine präzise Kohlenstofflandwirtschaft voranzutreiben, an den Klimawandel angepasste landwirtschaftliche Protokolle zu validieren und zuverlässige Prognosen zur Bodennachhaltigkeit zu erstellen.Märkte und Verifizierung von KohlenstoffzertifikatenBewertung der national festgelegten Beiträge (NDC)Überwachung der Neutralität der Landdegradation (LDN)Bewertung des ErosionsrisikosVorhersage des Bodenzustands Biomasse zur Modellierung des organischen Bodenkohlenstoffs (SOC): Agroforstwirtschaft Biomasse zur Modellierung des organischen Bodenkohlenstoffs (SOC): Agroforstwirtschaft Die oberirdische Biomasse (AGB)in Form von Ernterückständen (Stängel, Blätter, Schalen) stellt die Hauptquelle frischer organischer Substanz dar, die wieder in den Boden eingearbeitet wird. Die Menge an oberirdischer Biomasse (AGB) bestimmt direkt das verfügbare Kohlenstoffvolumen für die Einbindung in das Bodensystem. Modelle wie Century, DAYCENT oder RothC benötigen explizit Daten zum Eintrag von Ernterückständen. Die Unterschätzung der Beiträge der oberirdischen Biomasse (AGB) kann dazu führen, dass die Modelle einen übermäßigen Rückgang des organischen Bodenkohlenstoffs (SOC) vorhersagen. Im Gegensatz dazu kann seine Überbewertung reale Risiken der Degradation verschleiern. Daher ist eine präzise Berechnung der oberirdischen Biomasse (AGB) entscheidend, um eine realistische Kohlenstoffmassenbilanz zu erstellen.Die Biomasse für die Modellierung des organischen Bodenkohlenstoffs (SOC) in agroforstwirtschaftlichen Systemen erfordert mehr als nur punktuelle Biomassekarten: Sie verlangt eine langfristige multitemporale Analyse aufgrund des Wachstums holziger Arten sowie der Bedeutung bestimmter Maßnahmen wie Pflanzung, Beschneidung, Ausdünnungszyklen oder Rodung, um Platz für neue Plantagen zu schaffen.Märkte und Verifizierung von KohlenstoffzertifikatenBewertung der national festgelegten Beiträge (NDC)Überwachung der Neutralität der Landdegradation (LDN)Bewertung des ErosionsrisikosVorhersage des Bodenzustands Biomasse zur Modellierung des organischen Bodenkohlenstoffs (SOC): Agropastoralismus Biomasse zur Modellierung des organischen Bodenkohlenstoffs (SOC): Agropastoralismus Die oberirdische Biomasse (AGB) in Form von Weiderückständen (Stängel, Blätter, Schalen) stellt die wichtigste Quelle frischer organischer Substanz dar, die wieder in den Boden eingearbeitet wird. Die Menge an oberirdischer Biomasse (AGB) bestimmt direkt das verfügbare Kohlenstoffvolumen für die Einbindung in das Bodensystem. Modelle wie Century, DAYCENT oder RothC benötigen explizit Daten zum Eintrag von Ernterückständen. Die Unterschätzung der Beiträge der oberirdischen Biomasse (AGB) kann dazu führen, dass die Modelle einen übermäßigen Rückgang des organischen Bodenkohlenstoffs (SOC) vorhersagen. Im Gegensatz dazu kann seine Überbewertung reale Risiken der Degradation verschleiern. Daher ist eine präzise Berechnung der oberirdischen Biomasse (AGB) entscheidend, um eine realistische Kohlenstoffmassenbilanz zu erstellen.Die Biomasse zur Modellierung des organischen Bodenkohlenstoffs (SOC) in Weideflächen erfordert präzise Karten der oberirdischen Biomasse (AGB), kombiniert mit multitemporalen Analysen, die mehrere Jahre abdecken. Dies ermöglicht die Berücksichtigung der saisonalen Wachstumszyklen sowie der interannuellen Variabilität der Futterproduktion. Die Produktivitätsdynamik ist eng mit der klimatischen Variabilität und der Düngung verbunden.Märkte und Verifizierung von KohlenstoffzertifikatenBewertung der national festgelegten Beiträge (NDC)Überwachung der Neutralität der Landdegradation (LDN)Bewertung des ErosionsrisikosVorhersage des Bodenzustands Oberste Bodenschicht: organische Bodensubstanz Oberste Bodenschicht: organische Bodensubstanz Die organische Bodensubstanz quantifiziert die Veränderungen, die in landwirtschaftlichen Flächen als direkte Folge landwirtschaftlicher Praktiken in einer Tiefe von zehn Zentimetern auftreten. Die Analyse von Zeitreihen kombiniert Satellitenbeobachtungen mit lokalen Daten zur organischen Bodensubstanz. Dieser Ansatz erzeugt sehr detaillierte Karten der organischen Substanz mit räumlicher Auflösung und berechnet die Verluste im Vergleich zu einem Referenzszenario. Die Methodik kann auf jede Art von Kultur angewendet werden und modelliert nach der Erstellung der initialen Karte der organischen Bodensubstanz deren Entwicklung mithilfe eines Level-3-Ansatzes, der auf Bodenprozessen basiert. Dieses Modell integriert die Anfangswerte der organischen Bodensubstanz, Karten der Anbaukulturen sowie landwirtschaftliche Praktiken. Das Ergebnis ist eine präzise Messung der organischen Bodensubstanz, die als Leitlinie für ein nachhaltiges Bodenmanagement und weitere Anwendungen genutzt werden kann.Orientierung nachhaltiger BodenbewirtschaftungspraktikenBewertung von Risiken der Bodendegradation und DesertifikationEvaluierung von Restaurierungsmaßnahmen auf degradierten FlächenUnterstützung nationaler und regionaler Programme zur BodengesundheitEntwurf von Maßnahmen für Kohlenstofflandwirtschaft und regenerative LandwirtschaftUnterstützung der Analyse von Biodiversität und Ökosystemleistungen Oberste Bodenschicht: Gehalt und Variationen des SOC Oberste Bodenschicht: Gehalt und Variationen des SOC Gehalt und Variationen des SOC ist eine auf Erdbeobachtungsdaten basierende Lösung, die es ermöglicht, die Werte des organischen Bodenkohlenstoffs (COS) zu schätzen und seine zeitliche Entwicklung in landwirtschaftlichen Landschaften zu verfolgen. Der Ansatz liefert präzise Schätzungen des Anteils an organischem Bodenkohlenstoff (SOC) und ermöglicht die Erkennung großräumiger Veränderungen. Durch die Integration von Erdbeobachtungsdaten mit agronomischen Praktiken wie dem Einsatz von Zwischenfrüchten und dem Management von Ernterückständen können wirksame Strategien zur Kohlenstoffbindung entwickelt und umgesetzt werden. Dank seiner umfassenden Nachverfolgungsmöglichkeiten ermöglicht es die Umsetzung ergebnisorientierter Zahlungssysteme und bildet die Grundlage für digitalisierte Mess-, Berichts- und Verifizierungssysteme (MRV), die für die CO₂-Märkte unverzichtbar sind.KlimaschutzUnterstützung von Treibhausgasinventaren und Kohlenstoffhandels-/KohlenstoffkreditsystemenOrientierung nachhaltiger BodenbewirtschaftungspraktikenBewertung von Risiken der Bodendegradation und DesertifikationEvaluierung von Restaurierungsmaßnahmen auf degradierten FlächenUnterstützung nationaler und regionaler Programme zur BodengesundheitEntwurf von Maßnahmen für Kohlenstofflandwirtschaft und regenerative LandwirtschaftMessung der Auswirkungen von Landnutzungsänderungen auf die Kohlenstoffvorräte im BodenUnterstützung der Analyse von Biodiversität und Ökosystemleistungen Kohlenstoff-Sequestrierung Erkennung von Entwaldung Erkennung der Entfernung der Vegetationsdecke Das Produkt Erkennung von Entwaldung überwacht Aktivitäten, die die Kohlenstoffvorräte beeinflussen, mithilfe hochauflösender Satellitenbilder und vergleicht diese Daten mit Aufzeichnungen von Feldbesuchen. Dadurch liefert es präzise Informationen über Entwaldungsereignisse.Die Integration der Zeitreihenanalyse in Machine-Learning-Algorithmen ermöglicht eine präzise Erkennung von Landnutzungsänderungen. Anschließend werden die Ergebnisse mit bodengebundenen Validierungsdaten verglichen, um ihre Genauigkeit zu verbessern. Das Produkt erleichtert die Einhaltung von Nachhaltigkeitsstandards und Rahmenwerken der Kohlenstoffbilanzierung und stellt zudem einen obligatorischen Zwischenschritt zur Quantifizierung der mit Entwaldungsaktivitäten verbundenen Kohlenstoffverluste dar.Kohlenstoffvorräte in agroforstwirtschaftlichen SystemenUnterstützung des Wachstums und der Integrität der KohlenstoffmärkteMessung, Berichterstattung und Verifizierung (MRV) für KohlenstoffmärkteQuantifizierung der KohlenstoffbindungKartierung und Bewertung des Potenzials der KohlenstoffvorräteSchätzung der KohlenstoffdichteUnterstützung von Politikgestaltung und Management Auswirkungen von Entwaldungsmaßnahmen auf die Kohlenstoffvorräte Auswirkungen von Entwaldungsmaßnahmen auf die Kohlenstoffvorräte Die Auswirkungen von Entwaldungsmaßnahmen auf die Kohlenstoffvorräte ermöglichen eine präzise Quantifizierung der jährlichen und gesamten Kohlenstoffvorräte in Waldlandschaften und erlauben somit die Bewertung der Effekte der Entfernung der Walddecke auf die Kohlenstoffdynamik.Mithilfe hochauflösender Satellitenbilder, fortgeschrittener Fernerkundungstechniken und Machine-Learning-Modellen bietet das Produkt präzise und skalierbare Messungen der Biomasse sowie der Kohlenstoffflüsse über die Zeit. Durch die Überwachung von Veränderungen der Kohlenstoffvorräte können Organisationen Entwaldungsrisiken bewerten, Rahmenwerke der Kohlenstoffbilanzierung unterstützen sowie Nachhaltigkeits- und Klimaschutzrichtlinien einhalten. Das Produkt stellt Entscheidungsträgern praxisrelevante Informationen für Naturschutzplanung, die Validierung von Kohlenstoffzertifikaten und das strategische Management der Landnutzung bereit und gewährleistet dabei Transparenz und Rechenschaftspflicht im Umgang mit Waldressourcen.Kohlenstoffvorräte in agroforstwirtschaftlichen SystemenMessung, Berichterstattung und Verifizierung (MRV) für KohlenstoffmärkteQuantifizierung der KohlenstoffbindungUnterstützung des Wachstums und der Integrität der KohlenstoffmärkteKartierung und Bewertung des Potenzials der KohlenstoffvorräteSchätzung der KohlenstoffdichteUnterstützung von Politikgestaltung und Management Kunden und Partner Europäische Kommission Asiatische Entwicklungsbank Weltbank Internationaler Fonds für landwirtschaftliche Entwicklung International Livestock Research Institute Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen Europäische Weltraumorganisation Agentur der Europäischen Union für das Weltraumprogramm Copernicus Emergency Management Service Pago de Carraovejas Borges Umweltbehörde von Abu Dhabi Soil Capital Emilio Moro Abaco Group Mutti Agentur für Landwirtschaft und Fischerei in Andalusien Veranstaltungen Kongresse „Yield estimation using machine learning from satellite imagery“ 44. Weltkongress der Rebe und des Weins, 2023 „Bridging the Data Gap: combining synthetic and satellite data for agricultural land monitoring“ Workshop zum Thema „Maschinelles Lernen für die Erdbeobachtung“ (ML4EO 2024). „Smart integrated data analysis for agriculture support decision - making and management – Sensing4Farming“ ESA – XVI. Kongress der Europäischen Gesellschaft für Agronomie, Sevilla, Spanien, vom 1. bis 4. September „Smart integrated data analysis for agriculture support decision - making and management – Sensing4Farming“ Phi Week: ESA-Woche zur Erdbeobachtung, Frascati (Rom), Italien, vom 9. bis 13. September 2019 „Harvest yield estimation using machine learning on satellite imagery“ Enoforum 2022, Saragossa, Spanien „Potentiality of World-View-2 data for precision agriculture“ IGARSS – Internationales IEEE-Symposium für Geowissenschaften und Fernerkundung, Melbourne (Australien), vom 21. bis 26. Juli 2013 „Smart agricultural watering merging Earth Observation and meteo data“ Internationale Woche der Weltraumanwendungen. Weltraummesse Toulouse 2012 Weitere Informationen Erfolgsgeschichten Video Juan Suarez Beltran, GDA AID Agriculture consortium lead Video Monitoring Soil Carbon for Climate Action | Marta Gómez Giménez Video HPC, bigdata, y modelos basados en Machine Learning como solución para la Agricultura. Neuigkeiten und Veranstaltungen ErdbeobachtungTechnologie-Demonstration News GMV wird den End-to-End-Leistungssimulator für das ERS-EO-Programm entwickeln Erdbeobachtung News GMV wird das Konsortium leiten, das eine nachhaltige Erdbeobachtungsmission für Afrika entwerfen wird Geodienste INTERGEO 2026 15 Sep - 17 Sep Mehr Nachrichten