← 論文一覧に戻る

マルチモーダル大規模モデルによる都市3D緑地算出と低炭素緑地管理手法

Multimodal Large-Model-Driven Method for Urban 3D Green-Space Calculation and Low-Carbon Green-Space Management (原題)

Yi Yang

Computation📚 査読済 / ジャーナル2026-10-20#AI×ESGOrigin: CN対象セクター: real_estate
DOI: 10.3390/computation14100258
原典: https://doi.org/10.3390/computation14100258

🤖 gxceed AI 要約

日本語

本論文は、マルチモーダル衛星データ・LiDAR点群・ドメイン特化型大規模言語モデルを組み合わせ、都市緑地の3D空間評価と景観工事のライフサイクル炭素会計を統合する理論的枠組みを提案する。樹木単位と地域単位の階層的算出ワークフローを設計し、炭素源・吸収源の算定境界を明確化した上で、低炭素維持管理案を知的に提示する人間協働型意思決定フレームを構築する。実証はシミュレーションによる技術的実現可能性の確認にとどまる。

English

This paper proposes a framework combining multimodal remote sensing, LiDAR point clouds, and domain large language models to integrate 3D urban green-space assessment with full-life-cycle carbon accounting for landscape engineering. It designs a hierarchical tree- and region-level calculation workflow, clarifies carbon source/sink boundaries, and adds a human-AI collaborative decision layer for low-carbon maintenance recommendations. Feasibility is shown only via simulation, not field validation.

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

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

都市緑地の炭素吸収を定量化する手法は、SSBJや有報でのScope吸収源・自然資本開示、TNFD対応の基礎データ整備に直結する。AI活用による計測効率化は、日本企業の緑地・不動産部門の開示負担軽減に示唆を与える。

In the global GX context

As ISSB/CSRD and TNFD push nature and carbon-sink disclosure, AI-driven 3D green-space and lifecycle carbon accounting offers a scalable measurement pathway for urban decarbonization reporting. It bridges geospatial AI with corporate carbon accounting infrastructure.

👥 読者別の含意

🔬研究者:マルチモーダルLLMとLiDARを炭素会計に統合する手法設計の参考になる。

🏢実務担当者:都市緑地・景観の炭素吸収量算定や低炭素維持管理の自動化検討に活用できる。

🏛政策担当者:都市緑地の炭素吸収を開示・評価する制度設計の技術的選択肢として参考になる。

📄 Abstract（原文）

Against the background of global carbon neutrality goals and urban ecological transformation, traditional two-dimensional green-space indicators cannot fully reflect spatial–ecological benefits, and conventional 3D green-space calculation and landscape maintenance methods suffer from low accuracy and low efficiency. This paper proposes a theoretical technical framework combining multimodal remote sensing data, LiDAR point clouds and domain large language models for urban green-space scenarios. Firstly, a multimodal feature fusion strategy is constructed to adapt to complex urban environments, and a hierarchical calculation workflow for individual trees and regional 3D green-space is designed. Secondly, a full-life-cycle carbon accounting system for landscape engineering is established, which clarifies the accounting boundaries and quantitative methods of carbon sources and carbon sinks. Thirdly, a human–computer collaborative decision framework is proposed to realise intelligent recommendations for low-carbon maintenance schemes. This study focuses on theoretical framework construction and method exploration, and verifies the technical feasibility through simulation analysis. Different from existing independent research on green-space calculation or carbon accounting, this work integrates the two tasks and innovates a multimodal model application mode for landscape industry. This study focuses on theoretical framework construction and methodological exploration; feasibility assessment is only carried out via simulation deduction, rather than real-world field validation.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。