Agricultural systems are increasing

Agricultural systems are increasingly subjected to environmental life cycle assessment (LCA) but generating life cycle inventory (LCI) data in agriculture remains a challenge. In Part I, it was suggested that traceability data are a good basis for generating precise LCI with reduced effort, especially when collected by efficient information and communication technologies (ICTs). The aim of this paper is to demonstrate this for wine grape production and generate a list of data to be collected for streamlined LCI generation. The study is carried out in the South of France, on a viticultural farm implementing electronic traceability of each cultivation operation, i.e. tillage, fertilisation, crop protection, weeding, canopy management and harvesting (no irrigation is needed at this vineyard). For each operation, specific emission models which satisfy the trade-off between accuracy and need for data have been identified. Traceability data must be supplemented with data related to the plot, equipment and inputs to feed the models. The sensitivity of the LCA outputs to plot soil type and year of cultivation was studied. Consistent with previous agricultural studies, the results show that operations such as pesticide spraying and fertilising have large environmental impacts in this Mediterranean vineyard. Notable variations occur in life cycle impact assessment indicators, principally due to variations in crop yield; however, the influence of secondary factors such as soil type and agricultural practices is also evident and this contribution allows us to better characterise the variability of grape production and to show that streamlined LCI can be created using traceability data. Ultimately, this paper delivers two results. It provides simple models, and relevant data and methodology to enable viticultural LCAs to be undertaken. Additionally, it demonstrates that accurate LCIs can be built based on data already collected for traceability when supplemented with other easily collectable data (weather and farm structural data). Overall, this work paves the way for streamlined LCI in agriculture.

ผลลัพธ์ (ไทย) 1:

ระบบเกษตรที่ผ่านการประเมินสิ่งแวดล้อมวงจรชีวิต (LCA) มากขึ้น แต่สร้างวงจรชีวิตของข้อมูลสินค้าคงคลัง (LCI) ในภาคการเกษตรยังคง เป็นความท้าทาย ในส่วนของฉัน เขาแนะนำว่า ข้อมูลตรวจสอบย้อนกลับเป็นฐานที่ดีสำหรับการสร้าง LCI แม่นยำ มีความพยายามลดลง โดยเฉพาะอย่างยิ่งเมื่อเก็บรวบรวมข้อมูลและการสื่อสารเทคโนโลยีที่มีประสิทธิภาพ (ทุก) จุดประสงค์ของเอกสารนี้คือการ สาธิตนี้สำหรับองุ่นผลิตไวน์ และสร้างรายการข้อมูลจะรวบรวมรุ่น LCI คล่องตัว การศึกษาจะดำเนินการในภาคใต้ของฝรั่งเศส ในฟาร์ม viticultural ใช้อิเล็กทรอนิกส์ตรวจสอบย้อนกลับการดำเนินการเพาะปลูก เช่น tillage ปุ๋ย เกษตร กำจัดวัชพืช หลังคาจัดการ และเก็บเกี่ยว (ชลประทานไม่จำเป็นต้องเวลานี้) ปล่อยเฉพาะรุ่นสำหรับแต่ละการดำเนินการ ซึ่งตอบสนองปิดระหว่างความถูกต้อง และจำเป็นสำหรับข้อมูลที่มีระบุ ข้อมูลตรวจสอบย้อนกลับต้องถูกเสริม ด้วยข้อมูลที่เกี่ยวข้องกับพล็อต อุปกรณ์ และปัจจัยการผลิตการเลี้ยงรุ่น ผลความไวของ LCA จะพล็อตชนิดของดิน และเป็นศึกษาปีการเพาะปลูก สอดคล้องกับการศึกษาก่อนหน้านี้ที่เกษตร ผลแสดงว่า การดำเนินการเช่นยาฆ่าแมลงฉีดพ่น และ fertilising มีผลกระทบขนาดใหญ่ในไร่องุ่นนี้เมดิเตอร์เรเนียน รูปแบบที่โดดเด่นที่เกิดขึ้นในวงจรชีวิตผลกระทบประเมินตัวชี้วัด หลักเนื่องจากการเปลี่ยนแปลงในผลผลิตพืช อย่างไรก็ตาม อิทธิพลของปัจจัยรองเช่นชนิดของดินและวิธีปฏิบัติทางการเกษตรจะเห็นได้ และสนับสนุนนี้ช่วยให้เราดีขึ้น ภายในความแปรปรวนขององุ่นผลิต และแสดงว่า LCI คล่องตัวสามารถสร้างโดยใช้ข้อมูลการตรวจสอบย้อนกลับ ในที่สุด กระดาษนี้ให้ผลลัพธ์สอง มีรูป แบบเรียบง่าย และข้อมูลที่เกี่ยวข้อง และวิธีการเปิดใช้งาน LCAs viticultural จะ นอกจากนี้ มันอธิบายว่า LCIs ถูกต้องสามารถสร้างข้อมูลแล้วรวบรวมไว้สำหรับตรวจสอบย้อนกลับเมื่อเสริมกับข้อมูลอื่น ๆ ได้ง่ายเก็บง่าย (สภาพอากาศและฟาร์มโครงสร้างข้อมูล) โดยรวม งานนี้ปูทางสำหรับ LCI มีประสิทธิภาพในการเกษตร

ผลลัพธ์ (ไทย) 2:

ระบบการเกษตรที่อาจมากขึ้นในการประเมินวงจรชีวิตสิ่งแวดล้อม (LCA) แต่การสร้างสินค้าคงคลังวงจรชีวิต (LCI) ข้อมูลในภาคเกษตรยังคงเป็นความท้าทาย ในส่วนที่มันก็ชี้ให้เห็นว่าข้อมูลที่ตรวจสอบย้อนกลับเป็นพื้นฐานที่ดีสำหรับการสร้าง LCI ที่แม่นยำด้วยความพยายามที่ลดลงโดยเฉพาะอย่างยิ่งเมื่อมีการเก็บรวบรวมข้อมูลและการสื่อสารที่มีประสิทธิภาพเทคโนโลยี (เทคโนโลยีสารสนเทศ) จุดมุ่งหมายของการวิจัยนี้คือการแสดงให้เห็นถึงนี้สำหรับการผลิตไวน์องุ่นและสร้างรายการของข้อมูลที่จะเก็บไว้สำหรับความคล่องตัวรุ่น LCI การศึกษาจะดำเนินการในภาคใต้ของฝรั่งเศสในฟาร์ม viticultural การดำเนินการตรวจสอบย้อนกลับอิเล็กทรอนิกส์ของการดำเนินการแต่ละเพาะปลูกคือเตรียมดินใส่ปุ๋ยอารักขาพืชกำจัดวัชพืช, การจัดการหลังคาและการเก็บเกี่ยว (ไม่มีการชลประทานเป็นสิ่งจำเป็นที่ไร่องุ่นนี้) สำหรับการดำเนินงานในแต่ละรูปแบบการปล่อยเฉพาะที่ตอบสนองการออกระหว่างความถูกต้องและความต้องการข้อมูลที่ได้รับการระบุ ข้อมูลตรวจสอบย้อนกลับต้องได้รับการเสริมด้วยข้อมูลที่เกี่ยวข้องกับพล็อต, อุปกรณ์และปัจจัยการผลิตที่จะเลี้ยงรุ่น ความไวของเอาท์พุท LCA ในการพล็อตชนิดของดินและในปีการเพาะปลูกได้รับการศึกษา สอดคล้องกับการศึกษาการเกษตรก่อนหน้านี้ผลการแสดงให้เห็นว่าการดำเนินการเช่นการฉีดพ่นยาฆ่าแมลงผสมเกสรและมีผลกระทบต่อสิ่งแวดล้อมที่มีขนาดใหญ่ในสวนองุ่นเมดิเตอร์เรเนียน รูปแบบที่โดดเด่นเกิดขึ้นในชี้วัดการประเมินผลกระทบต่อวงจรชีวิตส่วนใหญ่เกิดจากการเปลี่ยนแปลงของอัตราผลตอบแทนการปลูกพืช แต่อิทธิพลของปัจจัยรองเช่นชนิดของดินและการปฏิบัติทางการเกษตรยังเห็นได้ชัดและผลงานนี้จะช่วยให้เราดีขึ้นลักษณะของความแปรปรวนของการผลิตองุ่นและเพื่อแสดงให้เห็นว่า LCI คล่องตัวสามารถสร้างขึ้นโดยใช้ข้อมูลตรวจสอบย้อนกลับ ในท้ายที่สุดนี้ให้กระดาษทั้งสองมีผล มันมีรูปแบบที่เรียบง่ายและข้อมูลที่เกี่ยวข้องและวิธีการเปิดใช้งาน LCAs viticultural ที่จะดำเนินการ นอกจากนี้ยังแสดงให้เห็นว่า LCIs ที่ถูกต้องสามารถสร้างขึ้นบนพื้นฐานของข้อมูลที่เก็บรวบรวมไว้แล้วสำหรับการตรวจสอบย้อนกลับเมื่อเสริมด้วยข้อมูลได้อย่างง่ายดายรวบอื่น ๆ (ถ้าสภาพอากาศและข้อมูลโครงสร้างฟาร์ม) โดยรวมงานนี้เป็นการปูทางสำหรับการ LCI คล่องตัวในการเกษตร