WordPress Theme built by Shufflehound. © Xylem Technologies® - Impressum - Datenschutzerklärung

Softwarelösung

Cropsense

KI-basierte Ertragsprognose und Kontrolle landwirtschaftlicher Flächen

Zielgruppen

  • Konventioneller Landbau
  • Ökologischer Landbau
  • Behörden
  • Unternehmen und Industrie

KI-basierte Erkennung landwirtschaftlicher Nutzungsarten und Ertragsprognose

Cropsense nutzt historische Sentinel-2 Satellitendaten zum Training eines KI-Modells welches zum Monitoring landwirtschaftlicher Flächen eingesetzt wird. Mit Hilfe von Cropsense kann tagesaktuell festgestellt werden welche landwirtschaftliche Kulturen auf welchen Feldstücken angebaut werden. Damit können zu erwartende Erträge und die Auswirkungen von Wetter-, Klima- oder Schädlingsereignissen besser abgeschätzt werden.

Cropsense erstellt für ausgewählte landwirtschaftliche Kulturen flächenspezifische Ertragsprognosen. Dabei wird die Wachstumskurve der Pflanze unter Berücksichtigung von Boden, Wetter und historischen Wachstumsverlauf simuliert. Durch Verwendung von Pflanzenwachstumsmodellen, Wetterdaten und aktuellen Satellitendaten berücksichtigt die Ertragsprognose aktuelle Ereignisse wie Dürrephasen und passt die Ertragsprognose dementsprechend an.

LOOK INSIDE

KI-basierte Kontrolle landwirtschaftlicher Flächen

Cropsense erkennt auf Basis tagesaktueller Satellitendaten welche landwirtschaftliche Kulturen auf welcher Fläche angebaut sind.

Beim Cropsense Flächenmonitoring werden die vom KI-Modell anhand der angebauten landwirtschaftlichen Kulturen klassifizierten Flächen dargestellt und mit hinterlegten Flächennutzungsdaten abgeglichen.

Flächen mit einer sehr wahrscheinlichen Übereinstimmung von erkannter und hinterlegter Kultur werden grün gekennzeichnet, Flächen mit sehr geringerer Übereinstimmungswahrscheinlichkeit gelb und rot.

xylem.tech - screen
xylem.tech - screen

LOOK INSIDE

Modell-basierte Ertragsprognose

Die Cropsense Ertragsprognose kann für ausgewählte landwirtschaftliche Kulturen und beliebige Flächen ausgeführt werden.

Dabei werden Pflanzenwachstum, Trockenmasse, Stickstoffverbrauch und Ertrag in Tonne pro Hektar simuliert. Die Simulation berücksichtigt Wettervorhersagedaten und historische Daten betreffend Wachstumspfad (auf Basis von historischen Satellitenbildern), Wetter und Boden.