GO PREDIVI: Big Data-model til prognoser for vinavlens høst

PREDIVI-projektet har udviklet en maskinlæringsmodel, der ved hjælp af big data forudsiger druehøstens mængder og kvalitetsparametre – såsom sukkerindhold, syreindhold og pH-værdi – med en fejlmargin på under 10 %. Modellen integrerer historiske udbyttedata, registreringer på parcelniveau, satellitbilleder og hyperlokale vejrdata og kombinerer automatiseret og manuel prøveudtagning (otte prøver pr. parcel). Systemet omfatter en geolokaliseret visualiseringsplatform, der er testet i hele Cataloniens vinproducerende regioner, herunder Barcelona, Tarragona, Lleida og Girona. Projektet, der blev finansieret med 191.674,47 euro fra DARP, EU's fond for udvikling af landdistrikter og bidrag i naturalier, forbedrede forudsigelseseffektiviteten og reducerede prøveudtagningsomkostningerne. Formidlingen omfattede en lanceringsbegivenhed i 2019, en iberoamerikansk workshop, opsøgende arbejde på sociale medier, en dedikeret hjemmeside (https://www.innovi.cat/predi/) og onlinefora. Initiativet, der ledes af COVIDES sammen med partnerne INNOVI, VITALEP, SAT, UNIO FRUITS, Eurecat og Raw Data, støtter landbrugsinnovation, klimaresiliens og produktivitet gennem kontinuerlig læring for yderligere at reducere fejl.