Ripristinare gli ecosistemi e garantire il cibo: insieme, combattiamo il degrado dei terreni, il pascolo eccessivo e le sfide climatiche!
Il nostro obiettivo è quello di mettere a disposizione degli agricoltori soluzioni basate sui dati per una gestione sostenibile dei terreni.
EO-NARM (Earth Observation for Namibia Rangeland Mapping) è un progetto innovativo che fonde la tecnologia del telerilevamento e i dati sul campo per mettere in condizione gli agricoltori namibiani di conoscere la vegetazione, la capacità di carico, l'invasione della boscaglia e altro ancora, per ottimizzare le strategie di gestione del territorio e migliorare la salute complessiva dei pascoli.
EO-NARM riunisce un gruppo eterogeneo di partecipanti impegnati nell'agricoltura sostenibile e nella gestione dell'ecosistema in Namibia. Farm4trade Namibia ha guidato il progetto e coordinato le attività sul campo, la raccolta e l'analisi dei dati. Il progetto coinvolge i seguenti partner chiave:
Rivoluzionare le conoscenze agricole in tutta la Namibia
Dalle ecoregioni alle previsioni guidate dai dati, il nostro progetto riunisce 20 aree diverse. Abbiamo creato un set di dati rivoluzionario per agricoltori, università, istituzioni e agenzie governative.
Approfondimenti praticabili: Integrazione di dati satellitari e sul campo
Il progetto EO-NARM unisce immagini satellitari e dati a terra, rivelando preziose intuizioni. Esperti locali collaborano alla georeferenziazione e all'annotazione delle immagini, catturando i dettagli della vegetazione, le specie vegetali, le stime delle piante perenni e stagionali, le specie vegetali dominanti, la pressione del pascolo e la densità del bestiame.
Il progetto EO-NARM va oltre le sfide e trasforma la gestione del territorio. La raccolta collaborativa di dati va a beneficio di agricoltori, istituzioni e agenzie, favorendo decisioni informate. Insieme, miglioriamo la salute dell'ecosistema, riduciamo l'erosione e garantiamo la sicurezza alimentare in Namibia.
Il progetto è stato assegnato nell'ambito del bando "Labeled Agricultural Datasets for Machine Learning Solutions in Sub-Saharan Africa", attraverso il Lacuna Fund, un'istituzione che sostiene dataset etichettati in modo equo per strumenti di apprendimento automatico di alto valore sociale in contesti a basso e medio reddito a livello globale.
