人工ニューラルネットワークを用いた畜産農場におけるエネルギー効率とカーボンフットプリントの予測：トルコのケーススタディ

日本語

トルコの畜産農場を対象に、人工ニューラルネットワーク（ANN）を用いてエネルギー効率とカーボンフットプリントを予測するケーススタディ。農業・畜産部門の排出量推計に機械学習を適用し、農場単位の環境パフォーマンス評価を試みる。AIによる炭素会計・効率評価の応用事例として位置づけられる。

English

A case study applying artificial neural networks to predict energy efficiency and carbon footprint on livestock farms in Turkey. It demonstrates how machine learning can estimate farm-level emissions and environmental performance in the agricultural sector. An example of AI applied to carbon accounting and efficiency assessment.

日本のGX文脈において

日本では農業・畜産のGHG排出はScope 3・サプライチェーン排出の一部として開示対象になりつつあり、農場単位の排出推計手法はSSBJ対応や食品企業のScope 3算定に示唆を与える。AIによる推計精度向上は一次産業のデータ整備が遅れる日本にとって参考になる。

In the global GX context

Agriculture and livestock emissions increasingly fall within Scope 3 and supply-chain disclosure under ISSB/CSRD, yet farm-level data remain sparse. This study shows how ML can fill measurement gaps, relevant to food-sector Scope 3 accounting and to emerging agricultural MRV frameworks globally.