Übersicht

Fusion - Fusion von optischen und Radarsatellitendaten

Fusion von optischen und Radar-Satellitendaten, um witterungsunabhängig zeitkritische Anwendungen der regenerativen Landwirtschaft zu unterstützen.

Projektdetails

Es wird eine Kombination von Optischen- und Radardaten zur Gewinnung aktueller Informationen über Stickstoffaufnahme und Trockenmasse von Kulturpflanzen verwendet. Dabei wird die Anfälligkeit von optischen Satelliten für Bewölkung umgangen. Die optischen Daten von Sentinel-1 und Radar Daten von Sentinel-2 aus dem Copernicus-Programm werden als Datengrundlage genutzt und über Deep-Learning-Methoden generiert.

Die Düngung landwirtschaftlicher Kulturen ist an einen kritischen Zeitraum von i. d. R. 2-Wochen gebunden. Außerhalb dieses Zeitraums vermindern sich Erträge, während Nitratauswaschungen und N2O-Emissionen zunehmen. Die konventionelle Bestimmung der Düngemengen (Pflanzenproben, Bodenproben) ist zeit- und kostenaufwendig. Die absolute (kg/ha) Düngeempfehlung durch Fernerkundung ist ein Novum, lediglich die Hemmnisse, welche durch Wolkendecken entstehen, stellen eine Hürde für die Praxis dar.

Spacenus ist ein Darmstädter Ag-Tech Start-Up-Unternehmen, das diverse Precision und Regenerative Farming Lösungen anbietet. Das Kerngeschäft ist die absolute (kg/ha) Düngeempfehlungen auf Grundlage von Satellitenbildern, welche eine vergleichbare Genauigkeit wie Stickstoffsensoren ermöglicht, die Kosten jedoch um ein Vielfaches reduziert.

Showroom

FUSION-Modell kann jetzt durch die Wolke sehen

Es ist uns gelungen, ein KI-Modell zu trainieren, das Wolken in optischen Satellitenbildern identifizieren kann. FUSION MODEL 1 ist in der Lage, aus drei aufeinanderfolgenden bewölkten Sentinel-2-Bildern und einem einzigen Sentinel-1-Bild eine effektive Rekonstruktion visueller Satellitenbilder (RGB) vorzunehmen. Jetzt kann MODELL 1 die Wolken durchschauen.

Die wolkenfreie Erzeugung vitaler Biomasse-Zeitserien ist jetzt möglich.

Das FUSION-MODELL 1 ist nun in der Lage, die Wolken zu durchschauen. Das MODELL 2 ist dafür konzipiert, das Nahinfrarot-Band vorherzusagen. Damit können wir bekannte Pflanzengesundheitsindizes wie den NDVI schätzen. Mit MODELL 2 können wir mit einer Präzision von über 87 % wolkenfreie Zeitreihen von Sentinel-2-Bildern generieren.

Wolkenfreie NDVI-Zeitreihen nun möglich

Auf der Grundlage unserer trainierten Modelle haben wir begonnen, kontinuierliche NDVI-Werte (Normalized Difference Vegetation Index) für Felder mit und ohne Wolkenbedeckung zu erzeugen. Dies hat die Zuverlässigkeit der Vegetationsüberwachung unter verschiedenen Bedingungen verbessert.

"Fusion" löst das Problem witterungsabhängiger Fernerkundungsmaßnahmen. Dadurch werden präzise Düngeempfehlungen zum benötigten kritischen Zeitpunkt ermöglicht. Die Optimierung der Düngemengenkalkulation durch "Fusion" birgt ein hohes ökonomisches Potenzial durch Düngemittel, Einsparung und Ertragssicherung. Die optimierten Düngemengen minimieren zusätzlich negative Effekte der Düngemittelapplikation auf die Umwelt.

Stimmen zum Projekt

The greatest barrier to dependable satellite remote sensing is cloud in satellite imagery. We must change this.

Riazuddin Kawsar CEO, Spacenus GmbH