Digitale Landwirtschaft: Kleinstrukturierte Agrarflächen mit KI im Blick behalten

Damit zerklüftete landwirtschaftliche Flächen anhand von Satellitendaten zuverlässig beobachten werden können, entwickelt das VRVis zusammen mit Agrarmarkt Austria, EOX und der Universität Salzburg eine Anwendung auf Basis von Super-Resolution Reconstruction (SRR): KI verbessert die Qualität der Bildergebnisse für lokale Landschaftsstrukturen und ermöglicht, auch von kleinen Gebieten wichtige Boden- und Vegetationsdaten zu gewinnen.

Schema des Arbeitsablaufs einer SRR-Rekonstruktion mit mehreren Bildern eines Grundstücks — Im Projekt SMAIL wird ein neuronales Netzwerk mit Paaren von niedrig- und hochauflösenden Satellitendaten trainiert, die um ein eine vieleckige Landparzelle zentriert sind. Das Netzwerk kann dann neue Satellitenbilder mit niedriger Auflösung in hochauflösende Daten mit hoher Pixeldichte umwandeln. Diese Darstellung enthält modifizierte Copernicus-Sentinel-Daten 2021. (C) 2023 Planet Labs PBC

Denn großräumige Veränderungen in der Landschaft und klimatische Veränderungen lassen sich gut mit Remote Sensing nachvollziehen. Die Fernerkundung erfolgt dabei über frei verfügbare Satellitendaten, wie sie die Landsat-Missionen oder das Copernicus-Programm der ESA liefern. Die Qualität der Auswertungen für kleinere Flächen ist bislang allerdings noch gering. Das liegt an der relativ großen Abtastrate des Bodens. Das ist unter anderem für Österreich relevant, weil hierzulande rund ein Drittel des Agrarlands zerklüftet und kleinstrukturiert ist und daher mit den Satellitendaten keine genaue Analyse erfolgen kann.

Der Europäische Green Deal zielt darauf ab, die landwirtschaftliche Produktion in der EU nachhaltiger zu gestalten. Um einen effektiven Klimaschutz, die Schonung der natürlichen Ressourcen und den Erhalt der Biodiversität zu gewährleisten, braucht es ein aussagekräftiges digitales Monitoring aller Flächen. Im Projekt SMAIL konzipiert das VRVis gemeinsam mit der Agrarmarkt Austria (AMA), der EOX IT Services GmbH und dem Fachbereich Geoinformatik – Z_GIS der Paris-Lodron-Universität Salzburg innovative Visualisierungs-Lösungen, die mittels Super-Resolution Reconstruction (SRR) eine hochwertige Analyse auch für kleine Gebiete zulassen und einen wichtigen Beitrag zur Digitalisierung der Landwirtschaft leisten. SMAIL ist aktuell das einzige Projekt in der EU, das KI-basierte Super-Resolution von Sentinel-2-Daten einsetzt.

KI sorgt für höhere Bildauflösung

Die Technologie SRR optimiert die Bilder aus den Satellitendaten mithilfe von Künstlicher Intelligenz (KI). Komplexe Modelle und Algorithmen sorgen dafür, dass kleine Strukturen in besserer Auflösung wiedergegeben werden und in der Folge adäquat ausgewertet werden. Ziel des SMAIL-Teams ist eine Anwendung, die direkt in bereits vorhandene Systeme zum Landwirtschaftsmanagement integriert werden kann. Sie soll die Überprüfung von Agrarflächen wesentlich vereinfachen. Zugleich ermöglichen die Daten zu lokalen Bodenverhältnissen und dem Pflanzenbestand auch Umweltsimulationen, die die Basis für Maßnahmen zur besseren Klimawandelanpassung bilden können.

Digitale Analyse landwirtschaftlicher Flächen unterstützt nachhaltige Entwicklung

SRR-basiertes Monitoring von Agrargebieten, wie es im Rahmen von SMAIL erforscht und entwickelt wird, kann fundierte Entscheidungsgrundlagen im Sinn einer nachhaltigen Entwicklung liefern, auf lokaler wie auch auf globaler Ebene. Darüber hinaus leistet das Projekt einen Beitrag dazu, die Nutzung landwirtschaftlicher Flächen digitaler und zukunftsfähiger zu machen.

Weitere Informationen

Wien, 3. August 2023

News