Die Schaffung nachhaltiger Agrarsysteme bei gleichzeitiger Gewährleistung der Ernährungssicherheit ist zu einer globalen Priorität geworden. Um dieses Ziel zu erreichen, sind Beiträge aus verschiedenen Bereichen der Agrarwissenschaft erforderlich, von denen viele auf detaillierte Informationen über Nutzpflanzen angewiesen sind. Jüngste Fortschritte im Bereich des Deep Learning und die transnationale Harmonisierung von Verwaltungsdaten haben dazu geführt, dass immer größere Datensätze mit Polygonen landwirtschaftlicher Flächen verfügbar sind. Diese Datensätze variieren jedoch in ihrer Qualität und Detailgenauigkeit. Wie durch Datenfusion Synergien zwischen verschiedenen Informationsquellen erzielt werden können und die Qualität der Modellergebnisse bewertet werden kann, erklären Alexander Naumann, Sven Gedicke und Jan Hendrik Haunert im neu erschienenen Artikel „A Scalable Matching Approach for the Comparison of Agricultural Land Use Maps Based on Corresponding Field Polygons„ in der aktuellen Ausgaben des „International Journal of Digital Earth“. Viel Spaß bei der Lektüre!