Oogst 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.
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/introductie/-/article/basisregistratie-gewaspercelen-brp-
- Copernicus Data Space Ecosystem : https://dataspace.copernicus.eu/
Technische werking
De oogstmarker wordt gebruikt om te bepalen wanneer een gewas op bouwland is geoogst. Hiervoor worden twee soorten satellietgegevens gebruikt: radarbeelden (coherence) en optische beelden (NDVI). Elk type gebruikt een eigen methode om een oogstmoment te herkennen.
De marker op basis van radargegevens kijkt naar veranderingen in het signaal van verschillende satellietbanen. Alleen de meest betrouwbare gegevens worden gebruikt. Als op meerdere momenten duidelijke pieken in het signaal zichtbaar zijn, dan kan dit wijzen op een oogst.
De marker op basis van NDVI kijkt of het gewas eerst goed gegroeid is en daarna sterk achteruitgaat. Als de afname groot genoeg is en niet snel herstelt, dan wordt dit gezien als een oogstmoment. Beide methodes gebruiken vaste regels en leren niet zelf van nieuwe situaties.
Leverancier
Soortgelijke algoritmebeschrijvingen
- Detecteren van ploegactiviteiten op bouwland en graslandLaatst gewijzigd op 22 september 2025 om 13:17 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
- Detecteren van maaiactiviteiten op graslandLaatst gewijzigd op 8 oktober 2025 om 14:09 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
- Detecteren van groenbedekking op bouwland.Laatst gewijzigd op 8 oktober 2025 om 14:10 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
- Het detecteren van een gewas op een afgebakende geometrie.Laatst gewijzigd op 8 oktober 2025 om 14:10 | Publicatiestandaard 1.0
- Publicatiecategorie
- Impactvolle algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
- Op basis van satellietbeelden vindt gewasherkenning plaats die gecontroleerd worden met voorgeschreven teeltplannen in pachtovereenkomsten.Laatst gewijzigd op 27 maart 2024 om 10:10 | Publicatiestandaard 1.0
- Publicatiecategorie
- Overige algoritmes
- Impacttoetsen
- Veld niet ingevuld.
- Status
- In gebruik