>

Inzet satellieten bij bepaling landbouwsubsidies bespaart half miljoen per jaar

Het nationale bestand met de geografische afbakening van landbouwgrond moet natuurlijk zo correct mogelijk zijn. Dat wordt tot nu toe periodiek gecontroleerd aan de hand van luchtfoto’s. Vanaf eind dit jaar zal de controle worden gedaan op basis van satellietdata. Dat is het resultaat van een innovatieproject dat Netherlands Space Office (NSO) en Rijksdienst voor Ondernemend Nederland (RVO.nl) onlangs hebben afgerond. De nieuwe werkwijze kan jaarlijks een half miljoen euro besparen.

Nederland bestaat voor 45% uit landbouwgrond, verdeeld over een half miljoen percelen. Deze vormen het bestand Agrarisch Areaal Nederland, dat RVO beheert. Elk jaar bekijkt RVO de luchtfoto's van een deel daarvan – ruim 165.000 percelen – om te zien of de omvang van die stukken landbouwgrond is veranderd. Is bijvoorbeeld het erf gewijzigd, zijn er sloten gedempt of schuren gebouwd? Jaarlijks verandert er zo’n 13%. Op basis van zijn perceeloppervlakte ontvangt de boer – via RVO.nl – Europese subsidie en mag hij een bepaalde hoeveelheid mest opbrengen.

Sinds kort maakt de agrarisch areaal-database deel uit van de Basisregistratie Grootschalige Topografie. Dit nationale register heeft een bijhoudingsfrequentie van 18 maanden, zodat nu ook wijzigingen in de topografie van landbouwpercelen binnen die termijn moeten zijn verwerkt. “De keuze was òf personeelsuitbreiding òf testen of we met satellietbeelden naar een meer geautomatiseerde werkwijze kunnen groeien”, vertelt Marc Middendorp, adviseur bij RVO.nl.

Beeld: TripleSat

Artificial Intelligence

Samen met NSO werd een SBIR-project opgestart. Dit financieringsinstrument voor Small Business Innovation Research stimuleert vernieuwende toepassingen. NSO kan o.a. dit mechanisme gebruiken om de inzet van satellietdata te bevorderen. De projecten worden gefinancierd uit het nationaal ruimtevaartbeleid van het ministerie van Economische Zaken en Klimaat; NSO coördineert de uitvoering daarvan. “Uit 18 geïnteresseerde bedrijven mochten er drie een concreet idee uitwerken; voor elk was € 30.000,- beschikbaar. De twee meest kansrijke ideeën kregen € 70.000,- subsidie om een werkend prototype te ontwikkelen. De Nederlandse bedrijven NEO en Cobra voltooiden dit eind 2018”, vat Jasper van Loon samen, bij NSO verantwoordelijk voor deze SBIR.

De bedrijven bouwden ieder een toepassing waarin satellietbeelden centraal staan en machine learning (Cobra) danwel deep learning (NEO) worden ingezet. In beide vormen van artificial intelligence wordt de software getraind te leren via constante ‘self feedback’. Bij deep learning is bij de training nog minder menselijke interactie nodig. Zo ontwikkelt de software steeds betere algoritmes, waardoor het systeem robuust en razendsnel wordt.

Beeld: Triplesat

Efficiëntere afhandeling

Geautomatiseerde mutatieherkenning gaat het best met hoge resolutie satellietdata. In de SBIR is veelal TripleSAT gebruikt. Deze beelden zijn nu via het Satellietdataportaal van NSO vijf keer per jaar landsdekkend en gratis beschikbaar met 80 cm resolutie; dit jaar zal NSO waarschijnlijk beelden verstrekken met 50cm resolutie.

RVO heeft besloten de nieuwe werkwijze eind 2019 in te voeren en is een inkooptraject gestart. Marc Middendorp: “Meer dan de helft van de percelen kunnen we vanaf dit najaar afhandelen zonder er naar te kijken; die zitten in een bestand met percelen die niet zijn veranderd. Ook worden de percelen geleverd waar vrijwel zeker wèl mutaties zijn. Deze kunnen snel worden doorgevoerd door onze digitaliseerders. Alleen de percelen waarvan het dan nog onduidelijk is of er wijzigingen zijn, moeten we nader visueel inspecteren. Al bij al zorgt de veel efficiëntere afhandeling voor een update-frequentie van anderhalf jaar en worden € 500.000 extra kosten per jaar vermeden.” Hij verwacht dat er de komende jaren steeds minder handmatige inspectie nodig zal zijn.