Erfassung von Ernteerträgen mit Satellitenbildern und Maschinellem Lernen - das Projekt FernEE 2.0

Oliver Reitz

WISTA – Wirtschaft und Statistik, 2024, vol. 76, issue 4, 29-38

Abstract: Die Ernte und Betriebsberichterstattung stützt sich auf Schätzungen erfahrener Land wirtinnen und Landwirte. Es wird jedoch immer schwieriger, diese zu gewinnen und damit die Basis für eine hochwertige Erntestatistik für Feldfrüchte bereitzustellen. Um diese Basis zu verbreitern, nutzt ein Pilotprojekt des Hessischen Statistischen Landes amtes Satellitendaten und Maschinelles Lernen und modelliert damit Ernteerträge für vier wichtige Kulturen auf kleinräumiger Ebene. Von dort aus können die Erträge auf beliebige Verwaltungsebenen aggregiert werden. Dieses weitgehend automatisierte Verfahren wurde in den Jahren 2022 und 2023 in sieben Bundesländern getestet. Es wird ab 2024 bundesweit eingeführt, damit es künftig in die statistische Produktion integriert werden kann.

Keywords: Erntestatistik; Fernerkundung; Künstliche Intelligenz (KI); Ackerbau; Sentinel 2; crop production statistics; remote sensing; artificial intelligence (AI); farming; Sentinel-2 (search for similar items in EconPapers)
Date: 2024
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/302057/1/1900641992.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:wistat:302057

Access Statistics for this article

More articles in WISTA – Wirtschaft und Statistik from Statistisches Bundesamt (Destatis), Wiesbaden Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().