Evidence-backed dossier
DevelopmentSatErnte
In "SatErnte" soll mittels neuer Datenquellen und innovativer Methoden aus der Erdbeobachtung, Datenwissenschaften und Ertragsmodellierung bestehende Verfahren der amtlichen Agrarstatistik weiterentwickelt, aktuelle Defizite vermindert und Inhalte, Aktualität sowie Vergleichbarkeit der amtlichen Statistik erweitert und verbessert werden. Hierzu werden Machine Learning basierte sowie prozessbasierte Verfahren der Ertragsprognose unter Nutzung von Copernicus Sentinel-Satellitendaten untersucht.
- Authority
- Julius Kühn-Institut, Bundesforschungsinstitut für Kulturpflanzen
- Administrative level
- Federal
- Ministry
- Bundesministerium für Landwirtschaft, Ernährung und Heimat
- Risk classification
- Minimal riskSelf-reported in the MaKI profile, not an i6eal assessment
- AI method
- Machine Learning
- Application area
- Landwirtschaft · Öffentliche Verwaltung
Governance matrix
Published, planned or open
The matrix separates published information, planned reviews, non-required information and unknown fields. It deliberately has no composite score.
Published context
Affected groups and risk measures
- Affected groups
- Mitarbeitende der Behörde/ des Ressorts
- Risk measures
- Wurde nicht betrachtet
- Described harm risks
- Wurde nicht betrachtet
Timeline
Project and publication dates
- Project start
- First published
- Last published