Details

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 Abschätzungdes 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.

<b>​Sanjay Chaudhary</b>, Ph.D., ist Dekan für Studierende an der Ahmedabad University sowie Professor und stellvertretender Dekan der School of Engineering and Applied Science der Ahmedabad University. Von 2001 bis 2013 war er Professor sowie Dekan (Akademische Programme) am Dhirubhai Ambani Institute of Information and Communication Technology (DA-IICT), Gandhinagar, Indien. Seine Forschungsschwerpunkte sind Cloud-Computing, Blockchain-Technologie, Big-Data-Analytik und die Anwendung von Informations- und Kommunikationstechnologien in der Landwirtschaft und ländlichen Entwicklung. Er hat neun Bücher und neun Buchkapitel verfasst. Darüber hinaus hat er mehr als 150 Forschungsarbeiten auf internationalen Konferenzen, Workshops und in Fachzeitschriften veröffentlicht. Er hat Forschungszuschüsse von führenden Organisationen wie IBM, Microsoft und dem Ministerium für Wissenschaft und Technologie der Regierung Indiens erhalten. Unter seiner Leitung haben sieben Doktoranden erfolgreich ihrePromotion abgeschlossen. Er hat einen Doktortitel in Informatik von der Gujarat Vidyapith. Seine literarischen Artikel werden regelmäßig in führenden Gujarati-Magazinen veröffentlicht.<div><b>Chandrashekhar M. Biradar</b>, Ph.D., ist Länderdirektor für CIFOR-ICRAF-Indien im Rahmen des Asia Continental Program; und Projektleiter (CoP, TOFI-Programm - Bäume außerhalb von Wäldern in Indien). Dr. Biradar ist Landschaftsökologe mit umfangreicher Erfahrung in der Durchführung von Agroökosystem-Forschung und -Outreach in den vielfältigen Landschaften Asiens, Afrikas und Amerikas. Dr. Biradar hat eine multidisziplinäre Ausbildung mit einem B.Sc. in Forstwirtschaft; M.Sc. Forstwirtschaft (Baumzüchtung und genetische Ressourcen, Spezialisierung auf Agroforstwirtschaft) und einem Ph.D. in Umweltwissenschaften und Erdbeobachtungssystemen (mit Schwerpunkt auf Waldökologie, Biodiversität und Geoinformatik). Seine Kernkompetenz liegt in der digitalen Ergänzung, Geoinformatik und regenerativen Agroökosystemen. Bevor er zu CIFOR-ICRAF kam, arbeitete er bei ICARDA, der University of New Hampshire, der University of Oklahoma, IWMI und dem IIRS-ISRO. Dr. Biradar hat über 25 Jahre Erfahrung als Forscher, leitender Wissenschaftler, Manager, Leiter von Einheiten und Forschungsteamleiter und hat über 400 Forschungsartikel, -werkzeuge und -produkte veröffentlicht und mehrere nationale und internationale Auszeichnungen erhalten. Seine aktuelle Forschung für Entwicklung konzentriert sich darauf, Fortschritte in Technologien, Agroforstwirtschaft und Forstwirtschaft, Agroökologie, indigenes Wissen und Bürgerwissenschaften zu nutzen, um funktionale Agroökosysteme für ökologisch nachhaltige und wirtschaftlich tragfähige Landschaften und Lebensgrundlagen wiederherzustellen.</div><b>Srikrishnan Divakaran</b> promovierte 2002 in Informatik an der Rutgers University, New Brunswick, USA. Von 2002 bis 2008 arbeitete er als Assistenzprofessor am Fachbereich Informatik der Hofstra University, Long Island, NY, als außerordentlicher Professor an der DAIICT von 2009 bis 2016, bevor er 2017 an die School of Engineering and Applied Sciences der Ahmedabad University wechselte. Dr. Divakaran hat fast 20 Jahre Forschungs- und über 15 Jahre Lehrerfahrung sowie über fünf Jahre Industrieerfahrung bei führenden multinationalen Unternehmen in den Bereichen Informatik und Finanzen. Dr. Divakaran hat eine Vielzahl von Kursen in Informatik sowie verwandten Disziplinen wie Bioinformatik und Operationsforschung unterrichtet und verfügt über fundierte Forschungserfahrungen im Entwerfen von Algorithmen für Probleme mit Anwendungen in Bioinformatik/Computational Biology, verteilten Systemen und Operationsforschung. In den letzten 7 Jahren lag sein Forschungsinteresse vor allem im Bereich des Entwurfs und der Analyse von Online- und Approximationsalgorithmen für Probleme in der Bioinformatik/Computational Biology, verteilten Systemen und Operationsforschung. In der Bioinformatik liegt sein aktueller Forschungsschwerpunkt auf dem Entwurf und der Analyse von Approximationsalgorithmen und Heuristiken für folgende Probleme: (1) eingeschränkte generalisierte Baumausrichtung, (2) Vorlagenbasierte Methoden für Sequenzalignments und (3) schnelle Heuristiken für exakte Zeichenfolgenübereinstimmung. In verteilten Systemen liegt sein Forschungsschwerpunkt auf dem Entwurf und der Analyse von Online- und Offline-Approximationsalgorithmen für Probleme bei der Ressourcenzuweisung, Lastausgleich und Listenaktualisierung. In der Operationsforschung liegen seine Forschungsinteressen im Entwurf und der Analyse von Online- und Approximationsalgorithmen für Behälterpackungen und Zeitpläne mit Setups.<div><b>Mehul S Raval</b> ist stellvertretender Dekan für Erfahrungslernen und Professor an der Ahmedabad University. Sein Forschungsinteresse liegt im Bereich der Bildverarbeitung und der Ingenieurausbildung. Er erwarb 1996 einen Bachelor-Abschluss (ECE), 2002 einen Master-Abschluss (EC) und 2008 einen Doktortitel (ECE) am College of Engineering Pune / University of Pune, Indien. Er hat über 25 Jahre Erfahrung als Akademiker mit Besuchen an der Okayama University, Japan, im Rahmen eines Sakura-Science-Stipendiums, als Gastprofessor an der Olin College of Engineering, USA, im Herbst 2016, und als Gastprofessor an der Sacred Heart University, CT, im Jahr 2019. Er veröffentlicht in Zeitschriften, Magazinen, Konferenzen und Workshops und begutachtet Papers für führende Verlage - IEEE, ACM, Springer, Elsevier, IET und SPIE. Er hat Forschungsgelder von der Board of Research in Nuclear Science (BRNS) und dem Department of Science and Technology, Government of India, erhalten. Er betreut Doktoranden, M.Tech- und B.Tech-Studenten. Darüber hinaus leitet er Programme und engagiert sich ehrenamtlich in technischen Programmkomitees für Konferenzen, Workshops und Symposien. Er ist auch Mitglied des Board of Studies (BoS), um Lehrpläne für Ingenieurstudiengänge an verschiedenen Universitäten in Indien zuentwickeln. Er ist ein Senior-Mitglied des IEEE, ein Fellow des IETE und ein Fellow des The Institution of Engineers (India). Dr. Raval war von 2008 bis 2015 und von 2018 bis 2020 als Gemeinschaftssekretär der IEEE Gujarat Section tätig. Darüber hinaus war er 2014 Vizevorsitzender und Mitglied des Exekutivkomitees des IEEE Gujarat Section der IEEE Signal Processing Society (SPS) Chapter. Derzeit unterstützt er als Vorsitzender das IEEE Computational Intelligence Society Chapter - IEEE Gujarat Section.</div><div><br></div>

<div>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.<br></div><div><br></div><div>Die Übersetzung wurde mit Hilfe von künstlicher Intelligenz durchgeführt. Eine anschließende menschliche Überarbeitung erfolgte vor allem in Bezug auf den Inhalt. <br></div><br/><br/>This book is a translation of an original German edition. The translation was done with the help of artificial intelligence (machine translation by the service DeepL.com). A subsequent human revision was done primarily in terms of content, so that the book will read stylistically differently from a conventional translation.

Bindet den Einsatz modernster Konzepte und Anwendungen der Datenwissenschaft ein Bietet detaillierte Einblicke, um Großprojekte im Bereich der digitalen Landwirtschaft durchzuführen Bringt eine Gruppe führender Wissenschaftler weltweit zusammen, um die viel diskutierte Frage der Datenwissenschaft in der Landwirtschaft zu behandeln