Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Kolasa, A." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Regression modeling of agrriculture greenhouse gases emissions in Poland
    Regresyjne modelowanie rolniczych emisji gazów cieplarnianych w Polsce
    Autorzy:
    Kolasa-Więcek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/388157.pdf
    Data publikacji:
    2012
    Wydawca:
    Towarzystwo Chemii i Inżynierii Ekologicznej
    Tematy:
    greenhouse gases
    agriculture emissions
    linear regression
    modeling
    R-Project
    livestock
    production
    crops
    gazy cieplarniane
    rolnicze emisje
    regresja liniowa
    modelowanie
    produkcja zwierzęca
    zboża
    Opis:
    Agricultural greenhouse gases emissions are mainly produced in direct emissions from plant and animal production as well as those associated with land use changes. Studies attempt to describe the variables correlated with agricultural greenhouse gas emissions using linear regression. The analysis covered two groups of independent variables such as the main crops and livestock. The analysis included the last 20 years and variables were set using Pearson’s linear correlation. The resulting model concerns 87.5 % of the variability of agricultural greenhouse gases emissions, by cattle, horses, and rye. The study was conducted using the statistical package R-Project.
    Emisje rolnicze głównych gazów cieplarnianych to ważniejsze bezpośrednie emisje wytwarzane w produkcji roślinnej i zwierzęcej, jak również te związane ze zmianami w sposobie użytkowania gruntów. W badaniach podjęto próbę opisu zmiennych skorelowanych z rolniczymi emisjami gazów cieplarnianych z wykorzystaniem regresji liniowej. Do badań przyjęto dwie grupy zmiennych niezależnych, tj. główne uprawy oraz zwierzęta hodowlane. Analizie poddano okres ostatnich 20 lat. Korzystając z testu Pearsona, wyznaczono liniowe korelacje między zmiennymi. Otrzymany model w 87,5 % wyjaśnia zmienności rolniczych emisji GHG zmiennością udziału bydła, koni oraz żyta. Badania prowadzono z wykorzystaniem pakietu statystycznego R-Project.
    Źródło:
    Ecological Chemistry and Engineering. A; 2012, 19, 11; 1383-1391
    1898-6188
    2084-4530
    Pojawia się w:
    Ecological Chemistry and Engineering. A
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Use of the classification tree modeling to investigate the influence of crops on N2O and CH4 emissions released from the agricultural sector
    Autorzy:
    Kolasa-Więcek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/334695.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    nitrous oxide
    methane
    crops
    modeling
    predicting
    artificial neural network
    classification tree
    Opis:
    Methane and nitrous oxide are key pollutants emitted from agriculture. Primarily the livestock production has a significant share in CH4 emissions. The N2O emissions largely correspond to direct emissions associated with the cultivation of soils. The priority task of agriculture is to develop adaptive solutions enabling the reduction of pollutions in the next years. These capabilities apply to both technological solutions on the farms, as well as improved methods of management and policy tools. Therefore complementary information to the knowledge in the field of the possibilities for reducing CH4 and N2O are extremely valuable. The study of predictions of N2O and CH4 emissions on the basis of different arable crops areas with the use of Flexible Bayesian Models of neural networks was carried out. The decision trees have been designed in order to provide the knowledge and methods that allow the rapid identification of the most important arable crops that affect the quantity of these emissions. On the basis of the conducted analysis, wheat, maize and potatoes in the case of N2O emission and wheat and maize in the case of CH4 emission are the most important differentiating variables.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2013, 58, 1; 102-106
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modeling greenhouse gas emissions from livestock farming in Poland with the use of stepwise multiple regression
    Modelowanie emisji gazów cieplarnianych uwalnianych z chowu zwierząt gospodarskich w Polsce z wykorzystaniem regresji krokowej wielorakiej
    Autorzy:
    Kolasa-Więcek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/336566.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    regresja wieloraka
    regresja krokowa wsteczna
    modelowanie
    metan
    podtlenek azotu
    zwierzęta gospodarskie
    Multiple Regression
    backward stepwise regression
    modeling
    methane
    nitrous oxide
    livestock
    Opis:
    Gazy cieplarniane emitowane przez rolnictwo to przede wszystkim metan (CH4) i podtlenek azotu (N2O). Szacuje się, iż 18% światowej emisji gazów cieplarnianych pochodzi z chowu zwierząt gospodarskich. W artykule zaprezentowano wyniki modelowania regresyjnego w emisji metanu i podtlenku azotu z chowu zwierząt gospodarskich w Polsce. Badania przeprowadzono dla emisji uwalnianych z fermentacji jelitowej zwierząt (CH4) oraz zarządzania obornikiem (CH4 i N2O). Modelowanie krokowe wsteczne umożliwiło dokładne określenie wielkości udziału pogłowia zwierząt w emisjach. I tak w przypadku emisji CH4 z fermentacji jelitowej otrzymano współczynniki Beta o wartościach: dla krów - 0,667 oraz pozostałego bydła 0,339. Modelowanie emisji CH4 z zarządzania obornikiem wskazało na udział w kolejności znaczenia następujących zmiennych: pogłowia trzody chlewnej (współczynnik Beta równy 0,986), kóz (-0,61), drobiu kurzego (0,421) oraz owiec (0,312). W przypadku emisji N2O uwalnianych z zarządzania obornikiem wysoki współczynnik odnotowano dla zmiennej pogłowie krów (0,812) oraz znaczniej niższy dla trzody chlewnej (0,227). W każdym z rozpatrywanych przypadków uzyskano wysokie dopasowanie modelu do danych.
    Primarily methane (CH4) and nitrous oxide (N2O) are greenhouse gases emitted by agriculture. It is estimated that 18% of global greenhouse gas emissions originates from livestock farming. This paper presents the results of the regression modeling of methane and nitrous oxide from livestock farming in Poland. The study was conducted for the emissions released from animal enteric fermentation (CH4) and manure management (CH4 and N2O). Modeling stepwise allowed a precise determination of the share of livestock population in the emissions. And so, in the case of CH4 emissions from enteric fermentation Beta coefficients obtained values: for cows - 0.667 and 0.339 for rest of cattle. Modeling CH4 emissions from manure management pointed to participation of the following variables, in order of importance: pigs population (Beta coefficient equal to 0.986), goats (-0.61), poultry chicken (0.421) and sheep population (0.312). In the case of N2O emissions released from manure management a high rate has been recorded for cows population (0.812), and significantly lower for pigs (0.227). In each of considered cases a high fitting of the model to the data has been obtained.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2013, 58, 1; 78-85
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Recursive Partitioning application in the assessment of the climatic conditions impact of non- CO2 GHGs on agricultural emissions
    Zastosowanie metody Recursive Partitioning w ocenie wpływu warunków klimatycznych na rolnicze emisje gazów cieplarnianych innych niż CO2
    Autorzy:
    Kolasa-Więcek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/334096.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    gazy cieplarniane
    CH4
    N2O
    modelowanie
    sieci neuronowe
    drzewa decyzyjne
    warunki meteorologiczne
    greenhouse gases
    modeling
    neural networks
    decision trees
    meteorological conditions
    Opis:
    Agricultural practices contribute to emissions of the greenhouse gases (GHGs) such a methan (CH4) and nitrous oxide (N2O). Their estimated share from agricultural sources is assessed at around 50% of CH4 and 60% of N2O emissions. The efforts made by the agricultural sector aim to limit and reduce emissions. Due to their significant share, all the complementary knowledge information concerning their reduction are highly precious. The paper proposes the use of neural modeling techniques and the summary of results by modeling based on a decision tree (Recursive Partitioning) to estimate the levels of methane and nitrous oxide emissions from agriculture under varying weather conditions in Poland. The obtained results support the hypothesis that neural model describing the effect of meteorological conditions on the CH4and N2O emissions is an appropriate tool for the assessment of the projected emission level.
    Praktyki rolnicze przyczyniają się do emisji gazów cieplarnianych (GGC), takich jak metan (CH4) i podtlenku azotu (N2O). Ich szacunkowy udział ze źródeł rolniczych oceniany jest na około 50% emisji CH4 i 60% emisji N2O. Wysiłki podejmowane przez sektor rolny mają na celu ograniczenie i redukcję ich emisji. Ze względu na ich znaczący udział, wszelkie informacje dopełniające wiedzę na temat możliwości ich redukcji są niezwykle cenne. W pracy zaproponowano wykorzystanie technik neuronowego modelowania oraz posumowania wyników z wykorzystaniem modelowania w oparciu o drzewo decyzyjne (Recursive Partitioning) do estymacji poziomu metanu i podtlenku azotu emitowanych z rolnictwa przy zmiennych warunkach meteorologicznych w Polsce. Uzyskane wyniki badań potwierdzają hipotezę, że model neuronowy, opisujący wpływ warunków meteorologicznych na emisję CH4 i N2O, jest właściwym instrumentem dla dokonania oceny prognozowania poziomu tej emisji.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2013, 58, 1; 96-101
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie emisji podtlenku azotu ze źródeł rolniczych z wykorzystaniem regresji liniowej
    Modeling nitrous oxide emissions from agricultural sources with the use of linear regression
    Autorzy:
    Kolasa-Więcek, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/334667.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    podtlenek azotu
    uprawy rolne
    zwierzęta hodowlane
    nawozy azotowe
    regresja liniowa
    modelowanie
    nitrous oxide
    agriculture
    farming animals
    nitrogen fertilizers
    linear regression
    modeling
    Opis:
    W artykule opisano przebieg badań zmiennych bezpośrednio związanych z rolniczymi emisjami podtlenku azotu w Polsce. Na podstawie regresji liniowej utworzono model opisujący analizowane zmienne. W wyniku przeprowadzonych testów Pearsona i Shapiro-Wilka wyeliminowano zmienne nie spełniające założeń. W otrzymanym liniowym modelu regresyjnym 63% zmienności emisji N2O tłumaczona jest zmiennością zużycia nawozów azotowych. Badania prowadzono z wykorzystaniem pakietu statystycznego R-Project.
    In the article the variables directly related to agricultural nitrous oxide emissions in Poland were studied. Based on a linear regression the model was created to describe the analyzed variables. As a result of Pearson's test and Shapiro-Wilk the variables which did not fulfill the tests assumptions were eliminated. In the resulting linear regression model, 63% of the variability of N2O emissions is explained by variability in use of nitrogen fertilizers. The study was conducted using the statistical package R-Project.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2013, 58, 1; 86-89
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies