論文の概要: Estimating The Carbon Footprint Of Digital Agriculture Deployment: A Parametric Bottom-Up Modelling Approach

• arxiv url: http://arxiv.org/abs/2409.17617v1
• Date: Thu, 26 Sep 2024 08:09:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-28 22:36:10.303998
• Title: Estimating The Carbon Footprint Of Digital Agriculture Deployment: A Parametric Bottom-Up Modelling Approach
• Title（参考訳）: デジタル農業展開のカーボンフットプリントの推定:パラメトリックボトムアップモデルアプローチ
• Authors: Pierre La Rocca, Gaël Guennebaud, Aurélie Bugeau, Anne-Laure Ligozat,
• Abstract要約: 本稿では,デジタル農業シナリオの炭素フットプリントを推定するためのボトムアップ手法を提案する。 本研究は,農業におけるデジタル技術の1次効果のさらなる探求の必要性を明らかにするものである。
• 参考スコア（独自算出の注目度）: 3.14743635476868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digitalization appears as a lever to enhance agriculture sustainability. However, existing works on digital agriculture's own sustainability remain scarce, disregarding the environmental effects of deploying digital devices on a large-scale. We propose a bottom-up method to estimate the carbon footprint of digital agriculture scenarios considering deployment of devices over a diversity of farm sizes. It is applied to two use-cases and demonstrates that digital agriculture encompasses a diversity of devices with heterogeneous carbon footprints and that more complex devices yield higher footprints not always compensated by better performances or scaling gains. By emphasizing the necessity of considering the multiplicity of devices, and the territorial distribution of farm sizes when modelling digital agriculture deployments, this study highlights the need for further exploration of the first-order effects of digital technologies in agriculture.
• Abstract（参考訳）: デジタル化は農業の持続可能性を高めるレバーとして現れる。 しかし、デジタル農業の持続可能性に関する既存の研究は、デジタル機器を大規模に展開する際の環境効果を無視したままである。 本稿では,デジタル農業シナリオの炭素フットプリントを推定するためのボトムアップ手法を提案する。 これは2つのユースケースに適用され、デジタル農業が異質な炭素フットプリントを持つデバイスの多様性を包含し、より複雑なデバイスがより高いフットプリントを生み出すことが示される。 本研究は,デジタル農業の展開をモデル化する上で,機器の多元性や農地の大きさの領域分布を考慮することの必要性を強調することにより,デジタル技術が農業にもたらす第1次効果のさらなる探求の必要性を強調した。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• Current applications and potential future directions of reinforcement learning-based Digital Twins in agriculture [2.699900017799093]
  本研究は, 農業環境における強化学習を活用した既存の研究を, ロボット工学, 温室管理, 灌水システム, 作物管理などの応用分野によって分類することを目的としている。 また、表式手法、ディープQネットワークワークス(DQN)、ポリシーグラディエント手法、アクタ・クリティカルアルゴリズムなど、使用する強化学習技術も分類する。 このレビューは、Digital Twinsの統合と農業における強化学習の最先端に関する洞察を提供することを目指している。
  論文  参考訳（メタデータ） (2024-06-13T06:38:09Z)
• Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
  このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。 我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
  論文  参考訳（メタデータ） (2024-03-27T08:42:47Z)
• Enabling Automated Integration Testing of Smart Farming Applications via Digital Twin Prototypes [49.44419860570116]
  産業4.0とスマート農業は密接に関連しており、産業4.0でもスマート農業に使われている技術の多くが使用されている。 デジタルツインは、そのようなアプリケーションのコスト効率の良いソフトウェア開発の可能性を秘めている。 本稿では,ソフトウェアの自動テストにDigital Twin Prototypeアプローチを採用するケーススタディを提案する。
  論文  参考訳（メタデータ） (2023-11-09T21:24:12Z)
• Using I4.0 digital twins in agriculture [0.0]
  本稿では,農業領域におけるI4.0 DTを用いたアーキテクチャドライバとソリューション概念について述べる。 農業分野におけるI4.0 DTの機会と限界について論じる。
  論文  参考訳（メタデータ） (2023-01-23T19:24:01Z)
• Evaluating Digital Tools for Sustainable Agriculture using Causal Inference [0.9213852038999553]
  本稿では,デジタルツールが農業成績指標に与える影響を実証的に評価するための観察因果推論フレームワークを提案する。 このように、デジタル農業市場の透明性を高めることで、農家の信頼を高めることができる。
  論文  参考訳（メタデータ） (2022-11-06T18:22:17Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• Consideration of resilience for digital farming systems [1.8899300124593648]
  クラウドベースのデジタルシステムとアプリケーションは、インターネットの供給とは独立して、信頼できる必要がある。 Web ベースの農業システムを用いた開発問題を特定し,議論する。 ソフトおよびハードウェア機器の推奨事項が作成されている。
  論文  参考訳（メタデータ） (2021-04-12T08:36:13Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• Artificial Intelligence for Digital Agriculture at Scale: Techniques, Policies, and Challenges [1.1245087602142634]
  デジタル農業は農業のスループットを変えるという約束を持っている。 データサイエンスとエンジニアリングを適用して、利用可能なリソースを束縛しながら、入力要素を作物のスループットにマッピングする。 この論文は、次世代のデジタル農業ソリューションの進化に向けて、エンドツーエンドパイプラインを導く重要な疑問をまとめる最初のものである。
  論文  参考訳（メタデータ） (2020-01-21T06:02:38Z)
• Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis [110.30849704592592]
  本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。 各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。 農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
  論文  参考訳（メタデータ） (2020-01-05T20:19:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。