AI og satellitdata til præcise og omkostningseffektive jordbundsanalyser
Hvad hvis vi kan kende jordens tekstur, kulstofindhold og fugtighed uden at grave en eneste jordprøve op?
Støttet af: Food & Bio Cluster Denmark
Projektperiode: Juni 2026 – december 2026
Det spørgsmål danner grundlaget for innovationsprojektet SoilFM, som undersøger, om kunstig intelligens og satellitdata kan skabe mere præcise og omkostningseffektive analyser af dansk landbrugsjord.
Både Den Grønne Trepart og den kommende kvælstofregulering presser landbrugssektoren til at kende jordens egenskaber bedre end nogensinde før.
Landmænd og rådgivere har brug for detaljeret viden om jordbundens variationer helt ned på markniveau. Men traditionelle fysiske jordprøver er dyre at udføre og giver kun punktvise målinger. Med SoilFM undersøger vi, om fremtidens jordbundsanalyser kan klares mere præcist og effektivt.
Nye muligheder med storskala AI
Nylige fremskridt i kunstig intelligens har åbnet for en række nye muligheder inden for digital jordkortlægning.
- Det er uklart, i hvor høj grad den nye teknologi kan udnyttes i kontekst af danske jordbundsforhold, og det er det, vi skal undersøge i SoilFM, siger Mikkel Bue Lykkegaard, Ph.d. og Data Science Lead på Teknologisk Institut.
På vej mod en skalerbar løsning
Teknologisk Institut leder den tekniske del, hvor vi tester, om ’geospatiale foundation-modeller’, altså storskala AI-modeller trænet på satellitdata, kan forudsige forskellige jordbundsforhold, herunder jordtekstur og organisk kulstofindhold.
Det er et Proof-of-Principle-projekt, der fokuserer på at reducere tekniske, datamæssige og organisatoriske usikkerheder ved metoden.
Slutresultatet bliver en rapport om resultaterne, en prototype på modellen og en plan for, hvordan teknologien kan videreudvikles og afprøves i større skala.
SoilFM udføres i samarbejde med klima tech-virksomheden PEATZ.
Kontakt os
Vil du vide mere om SoilFM?
Kontakt Mikkel Lykkegaard
Ph.d. og Data Science Lead, Teknologisk Institut
mbly@teknologisk.dk
+45 72203247