Quellenbasiertes Dossier
EntwicklungSatErnte
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.
- Behörde
- Julius Kühn-Institut, Bundesforschungsinstitut für Kulturpflanzen
- Verwaltungsebene
- Bund
- Ressort
- Bundesministerium für Landwirtschaft, Ernährung und Heimat
- Risikoeinordnung
- Minimales RisikoSelbstauskunft im MaKI-Profil, keine i6eal-Bewertung
- KI-Methode
- Machine Learning
- Einsatzbereich
- Landwirtschaft · Öffentliche Verwaltung
Governance-Matrix
Veröffentlicht, geplant oder offen
Die Matrix trennt veröffentlichte Angaben, geplante Prüfungen, nicht erforderliche Angaben und unbekannte Felder. Es gibt bewusst keinen Gesamtscore.
Veröffentlichter Kontext
Betroffene Gruppen und Risikomaßnahmen
- Betroffene Gruppen
- Mitarbeitende der Behörde/ des Ressorts
- Risikomaßnahmen
- Wurde nicht betrachtet
- Beschriebene Schadensrisiken
- Wurde nicht betrachtet
Zeitachse
Projekt- und Veröffentlichungsdaten
- Projektstart
- Erstmals veröffentlicht
- Zuletzt veröffentlicht