マンゴー果樹園における炭素隔離評価のための地理空間技術

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a comprehensive overview of geospatial and ML methods for carbon sequestration assessment, highlighting research gaps.

🏢実務担当者:Offers practical insights into using remote sensing and AI for orchard carbon accounting, potentially supporting sustainability reporting.

🏛政策担当者:Informs policy on standardizing MRV protocols for agricultural carbon projects.

マンゴー（Mangifera indica L.）果樹園における炭素隔離は、気候変動緩和のための有望な自然を基盤とした戦略であるが、従来の現地調査法を用いた正確な大規模評価は依然として困難である。本レビューは、マンゴー果樹園における炭素貯留量の推定に応用される地理空間技術—地理情報システム（GIS）、リモートセンシング、全地球測位システム（GPS）、無人航空機（UAV）、および光検出・測距（LiDAR）を含む—を検討する。Sentinel-2やLandsatなどの衛星プラットフォームは、バイオマスおよび炭素貯留と強く相関する植生指標（NDVI、EVI、NDRE、GNDVI）の導出を可能にするマルチスペクトル画像を提供する。これらのスペクトルデータセットと機械学習アルゴリズム、特にランダムフォレスト、サポートベクターマシン、および人工ニューラルネットワークとの統合は、予測精度を大幅に向上させる。直径、樹高、および木材密度をバイオマスに関連付ける種特異的なアロメトリーモデルは、炭素推定をさらに強化する。UAVおよびLiDAR技術は、個々の樹木レベルの評価のための高解像度の三次元キャノピー情報を提供する。進歩にもかかわらず、データの入手可能性、センサー統合、モデルの転用可能性、および標準化された測定プロトコルに関して課題が残っている。今後の研究では、マルチセンサーデータ融合、人工知能アプリケーション、クラウドベースのプラットフォーム、および堅牢な測定・報告・検証フレームワークを優先すべきである。高度な地理空間技術と持続可能な果樹園管理の統合は、炭素会計の強化、精密農業の支援、および地球規模の気候緩和への取り組みへの貢献のための信頼性の高い経路を提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Carbon sequestration in mango (Mangifera indica L.) orchards represents a promising nature-based strategy for climate change mitigation, yet accurate large-scale assessment remains challenging using conventional field methods. This review examines the application of geospatial technologies—including Geographic Information Systems (GIS), remote sensing, Global Positioning Systems (GPS), Unmanned Aerial Vehicles (UAVs), and Light Detection and Ranging (LiDAR)—for estimating carbon stocks in mango orchards. Satellite platforms such as Sentinel-2 and Landsat provide multispectral imagery enabling derivation of vegetation indices (NDVI, EVI, NDRE, GNDVI) strongly correlated with biomass and carbon storage. Integration of these spectral datasets with machine learning algorithms, particularly Random Forest, Support Vector Machine, and Artificial Neural Networks, substantially improves prediction accuracy. Species-specific allometric models relating diameter, height, and wood density to biomass further enhance carbon estimation. UAV and LiDAR technologies provide high-resolution three-dimensional canopy information for individual tree-level assessment. Despite advances, challenges persist regarding data availability, sensor integration, model transferability, and standardized measurement protocols. Future research should prioritize multisensor data fusion, artificial intelligence applications, cloud-based platforms, and robust measurement, reporting, and verification frameworks. Integrating advanced geospatial techniques with sustainable orchard management offers a reliable pathway for enhancing carbon accounting, supporting precision agriculture, and contributing to global climate mitigation efforts.

• openalex https://doi.org/10.4238/00rzy185first seen 2026-08-08 05:05:10