Maai algoritme
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
Algemene informatie
Thema
Begindatum
Contactgegevens
Link naar publiekspagina
Verantwoord gebruik
Doel en impact
Het algoritme helpt om de jaarlijkse subsidieaanvraag voor het GLB beter te maken. Het kijkt of de informatie van de aanvrager klopt. Als er iets niet klopt, krijgt de aanvrager een melding.
Afwegingen
Sinds 2023 is het Areaal Monitoring Systeem (AMS) verplicht voor het controleren van regelingen die met grond te maken hebben. Dit staat in artikel 7 van een Europese wet (EU 2022/1173). Het gebruik van satellietbeelden is de meest efficiënte manier om dit automatisch te doen. De aanvrager kan zelf ook bewijzen aanleveren en mag later bezwaar maken als hij het ergens niet mee eens is.
Menselijke tussenkomst
Als het algoritme een afwijking vindt, kijkt eerst een medewerker naar het resultaat. Als de medewerker het eens is met de afwijking, dan laat hij dit weten aan de aanvrager. De aanvrager kan daarna via een speciale app (de geotag foto-app) bewijsmateriaal opsturen om te laten zien dat het misschien toch goed is.
Risicobeheer
Jaarlijks wordt de kwaliteit van het algoritme getoetst. Dit gebeurt op basis van steekproeven. En een verplichte kwaliteitstoets waarover gerapporteerd moet worden richting de Europese Commissie.
Wettelijke basis
Sinds 2023 is het Areaal Monitoring Systeem (AMS) een verplicht onderdeel voor het monitoren van grondgebonden regelingen, zoals bepaald in artikel 7 van Uitvoeringsverordening (EU) 2022/1173.
Links naar wettelijke basis
Impacttoetsen
Werking
Gegevens
Functioneel_id, opgegeven gewascode, geometrie, aanvraagnummer (opgave gegevens van de relatie voor een subsidieaanvraag voor het GLB, Satellietdata).
Links naar gegevensbronnen
- BRP Gewaspercelen : https://www.pdok.nl/-/brp-gewaspercelen
- Copernicus Data Space Ecosystem : https://dataspace.copernicus.eu/
Technische werking
De maaimarker detecteert maai-activiteiten. De detectie is gebaseerd op de daling en daaropvolgende herstel van de genormaliseerde vegetatie-index (NDVI)-waarde in de waargenomen tijdreeks. Het is geen zelflerend algoritme.
Leverancier
Soortgelijke algoritmebeschrijvingen
- Detecteren van ploegactiviteiten op bouwland en graslandLaatst gewijzigd op 18 juli 2025 om 11:56 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
- Het detecteren van een gewas op een afgebakende geometrie.Laatst gewijzigd op 18 juli 2025 om 11:54 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
- Het algoritme wordt jaarlijks ingezet in heidegebieden om te bepalen wat de mate van vergrassing is. Deze vergrassing is een goede indicator voor de staat van de heidegebieden doordat het inzicht geeft in de aanwezigheid van invasieve gewassen.Laatst gewijzigd op 4 juni 2024 om 12:21 | Publicatiestandaard 1.0
- Publicatiecategorie
- Overige algoritmes
- Impacttoetsen
- ...
- Status
- In ontwikkeling
- Detecteren van groenbedekking op bouwland.Laatst gewijzigd op 18 juli 2025 om 11:49 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
- Detecteren van homogene (egale) vegetatie.Laatst gewijzigd op 18 juli 2025 om 11:52 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik