Indicatori di durata, tasso e omogeneità della copertura del suolo a livello di campo da immagini Sentinel-2 e Landsat per programmi di agricoltura rigenerativa

Crea un account gratuito per scoprire soluzioni correlate a questa.
Registrati gratisHai già un account? Accedi
Crea un account gratuito per scoprire soluzioni correlate a questa.
Registrati gratisHai già un account? Accedi
Nimbo Soil Cover è il prodotto di analisi satellitare di Kermap per misurare per quanto tempo e quanto uniformemente i campi agricoli rimangono coperti da vegetazione viva, una pratica fondamentale dell'agricoltura rigenerativa (conservazione del suolo) e dei programmi di protezione delle risorse idriche. I programmi che premiano gli agricoltori per le colture di copertura necessitano di prove oggettive e comparabili su migliaia di appezzamenti, che le visite in campo non possono fornire su larga scala.
Kermap elabora serie temporali di immagini Copernicus Sentinel-2 e Landsat con una maschera proprietaria a livello di pixel per le nuvole e calcola un indice di vegetazione (NDVI) per ogni campo; un campo è considerato coperto sopra una soglia NDVI di 0,25, verificata con dati di campo. Ne risultano tre indicatori a livello di campo: durata della copertura del suolo (giorni coperti), tasso di copertura del suolo (quota dell'area coperta) e un punteggio di omogeneità, ciascuno fornito con un indice di disponibilità dei dati. I risultati possono essere filtrati per tipo di coltura, utilizzando l'identificazione integrata delle colture di Kermap, e aggregati a livello di aziende agricole, confini amministrativi o territori di riferimento personalizzati. L'archivio inizia con il raccolto del 2018, gli aggiornamenti sono mensili o annuali (a fine stagione o in stagione), la dimensione minima degli appezzamenti è di 0,15 ha e la copertura è mondiale su richiesta. I dati sono forniti come download CSV o tramite API, e un campione può essere esplorato nella piattaforma Nimbo Earth Online. Attraverso Kermap, la stessa offerta di copertura del suolo copre anche la tipologia delle colture di copertura e la biomassa delle colture di copertura, con stima e modellazione del carbonio immagazzinato dalla vegetazione.
Kermap riporta una precisione media dell'85%, 213 milioni di ettari monitorati dal 2018 e più di dieci programmi di agricoltura sostenibile supportati. Tra gli utenti nominati figurano Nestlé, Saint Louis Sucre (un campione di 300 appezzamenti coltivati da 300 coltivatori di barbabietola da zucchero), il programma Transitions di Groupe Vivescia e Eau du Grand Lyon; il metodo è stato co-costruito e calibrato nel programma Living Soils di Earthworm Foundation.
KermapStai valutando questa soluzione?
Crea un account gratuito per salvare le soluzioni, confrontare le alternative e richiedere un contatto con i fornitori.
Registrati gratisSu preventivo
I prezzi non sono pubblicati; il fornitore emette un preventivo per cliente o per progetto (contattare le vendite, richiedere un preventivo).
Capacità spaziale
Elaborazione
Generazione di Insight
Converte l'analisi in insight contestualizzati e azionabili.
Fornito come
Integrazione di Sistema
Copertura geografica

Kermap
Kermap è un'azienda francese di intelligenza artificiale geospaziale, fondata nel 2017 e con sede a Cesson-Sévigné (Bretagna), che trasforma immagini satellitari e aeree in informazioni geografiche utilizzando il deep learning. Produce dati sull'uso del suolo, sulla vegetazione, sulle colture e sui cambiamenti, analisi spaziali e piattaforme cartografiche interattive, in particolare Nimbo (mappe di base satellitari globali mensili senza nuvole e analisi delle colture) e Nos Villes Vertes (alberi urbani). I suoi clienti includono autorità regionali e locali come la Région Grand Est e Rennes Métropole, enti pubblici come il ministero dell'agricoltura francese e l'INRAE, e aziende come Nestlé France e McCain, nei settori dell'agricoltura, dell'ambiente e della pianificazione urbana.
2017
Fondata
11-50
Dimensione del team
Francia
Paese
Incorpora dati e insight nei sistemi e flussi di lavoro esistenti.