Digitales Ökosystem für Innovationen in der Landwirtschaft
Verlag | Springer |
Auflage | 2024 |
Seiten | 297 |
Format | 23,5 cm |
ISBN-13 | 9789819724970 |
Bestell-Nr | 81972497DA |
Dieses Buch präsentiert die neuesten Erkenntnisse auf dem Gebiet des digitalen Ökosystems für Innovationen in der Landwirtschaft. Das Buch ist in zwei Abschnitte mit dreizehn Kapiteln unterteilt, die sich mit spezialisierten Bereichen befassen. Es gibt dem Leser einen Überblick über die Rahmenbedingungen und Technologien, die an der Digitalisierung der Landwirtschaft beteiligt sind, sowie über die Methoden zur Datenverarbeitung, Entscheidungsfindung und innovativen Dienste/Anwendungen zur Förderung digitaler Transformationen in der Landwirtschaft. Die Kapitel wurden von Experten verfasst, die ihre Erfahrungen in verständlicher Sprache durch Fallstudien, geeignete Illustrationen und Tabellen teilen. Der Inhalt wurde entwickelt, um die Bedürfnisse der Geoinformatik, Datenwissenschaften, Landwirtschafts- und Umweltwissenschaften von Universitäten, landwirtschaftlichen Universitäten, technologischen Universitäten, Forschungsinstituten und akademischen Hochschulen weltweit zu erfüllen. Es unterstützt Planer, politische Entscheidungsträger und Erweiterungswissenschaftler bei der Planung und nachhaltigen Bewirtschaftung von Landwirtschaft und natürlichen Ressourcen.
Inhaltsverzeichnis:
Eine kurze Übersicht über Werkzeuge zur Förderung transdisziplinärer Zusammenarbeit zur Bewältigung der Herausforderungen des Klimawandels in der Landwirtschaft durch Modellkoppelung.- Maschinelles Lernen und Deep Learning in der Landwirtschaft - Eine Übersicht.- Notwendigkeit einer Orchestrierungsplattform zur Erschließung des Potenzials von Fernerkundungsdaten.- Ein algorithmischer Rahmen zur Fusion von Bildern von Satelliten, unbemannten Luftfahrzeugen (UAV) und Sensoren des Farm-Internet der Dinge (IoT).- Global skalierbare und lokal anpassungsfähige Satellitenlösungen für die Landwirtschaft.- Ein theoretischer Rahmen des landwirtschaftlichen Wissensmanagementprozesses im indischen landwirtschaftlichen Kontext.- Einfache und innovative Methoden zur Abschätzung der Brutto-Primärproduktion und Transpiration von Pflanzen: Eine Übersicht.- Rolle virtueller Pflanzen in der digitalen Landwirtschaft.- Fernerkundung für Mango- und Gummibaumkartierung und -charakterisierung zur Abschät zungdes Kohlenstoffbestands- Fallstudie des Malihabad-Tahsil (UP) und des West Tripura Districts, Indien.- Auswirkung von Vegetationsindizes auf die Vorhersage des Weizenertrags mittels räumlich-zeitlicher Modellierung.- Farmweise Abschätzung des Bewässerungsbedarfs von Hauptkulturen unter Verwendung einer Deep Learning-Architektur.- Hyperspektrale Fernerkundung für die Klassifizierung der Landnutzung und -bedeckung in der Landwirtschaft.- Computer Vision-Ansätze zur Bestimmung pflanzlicher phänotypischer Parameter.