Ready prepared harvest
Ernte- und Preisvorhersage für Agrargüter
Hintergrund
Die Berechnung der Ernte einer bestimmten Kulturart auf regionaler, nationaler oder globaler Ebene ist eine wichtige Inputvariable für eine Vielzahl von Branchen. Landwirte, Agrarrohstoffhändler, Lebensmittelmarken und Lebensmittelketten sind auf das Angebot von Nutzpflanzen angewiesen, um die Produktpreise zu bestimmen. Um die Risiken schwankender Preise zu mindern, werden Warenterminkontrakte zu Festpreisen auf Nutzpflanzen lange vor der Ernte ausgehandelt.
Herausforderungen
Der Ernteertrag pro Acker kann auf der Grundlage phänologischer Formeln sowie Wetter- und Kulturbeobachtungen berechnet werden. Allerdings werden alle für die Schätzung des Pflanzenwachstums relevanten Parameter, z.B. meteorologische Daten über Niederschlag und Temperaturen, selten in großem Maßstab erfasst.
Interdependenzen zwischen Ernteerträgen über Regionen und Nationen hinweg werden nicht berücksichtigt, obwohl sie einen erheblichen Einfluss auf die Marktpreise haben. Darüber hinaus werden zuverlässige Informationen über das Pflanzenwachstum und die erwarteten Ernten selten das ganze Jahr über überwacht und der Öffentlichkeit zugänglich gemacht.
Lösungsansatz
Mit Hilfe von optischen und Radar-Satellitendaten (Sentinel-1 und -2) können Nutzpflanzen pro Parzelle klassifiziert werden, indem Convolutional Neural Networks (CNN) eingesetzt werden. Darüber hinaus kann ihr Biomasseindex (NDVI), ein standardisierter normalisierter Vegetationsindex, berechnet werden.
Die Erstellung einer Zeitreihenbeobachtung über das ganze Jahr, z.B. mit Hilfe von Pixel-Set Encodern und Temporal Self-Attention, die sich über alle Hauptanbaugebiete erstreckt, liefert Informationen über die Gesamtmenge der angebauten Nutzpflanzen und ihren aktuellen Vegetationsstatus. Unter Berücksichtigung meteorologischer Daten und der Modellierung des Wachstumsverhaltens auf der Grundlage von Wachstumsmustern in der Vergangenheit kann die Menge der geernteten Nutzpflanzen geschätzt werden.