Temat: ścierń - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Wpływ uwilgotnienia i nawożenia gleby na zawartość makroelementów w resztkach pożniwnych pszenicy jarej
The effect of soil moisture and fertilisation on the content of macro-elements in the stubble of spring wheat
Autorzy:: Martyniak, L.
Burzyńska, I.
Kolasiński, J.
Powiązania:: https://bibliotekanauki.pl/articles/339020.pdf
Data publikacji:: 2010
Wydawca:: Instytut Technologiczno-Przyrodniczy
Tematy:: korzenie
makroelementy
nawożenie
pszenica jara
ścierń
uwilgotnienie gleby
fertilisation
macroelements
roots
soil moisture
spring wheat
stubble
Opis:: W pracy przedstawiono zawartość N, P, K, Ca i Mg w resztkach pożniwnych pszenicy jarej w warunkach różnego uwilgotnienia gleby i zróżnicowanego nawożenia NPK. Podstawę opracowania stanowiły wyniki badań doświadczeń wazonowych, przeprowadzonych w hali wegetacyjnej IMUZ Falenty w latach 1983-1985. Wykorzystano do tego część wyników, dotyczących analizy chemicznej ścierni i korzeni, dotychczas niepublikowanych. Stwierdzono, że uwilgotnienie gleby wpływało istotnie na kumulację azotu, fosforu i potasu w korzeniach roślin oraz wapnia w ścierni. Nawożenie mineralne NPK istotnie zwiększało zawartość w ścierni wszystkich badanych makroelementów z wyjątkiem azotu, a nie miało większego wpływu na kumulację tych składników w korzeniach pszenicy jarej. Na podstawie analizy wariancji wykazano istotny wpływ odmian na kumulację azotu, potasu i wapnia w ścierni i korzeniach, magnezu w ścierni oraz fosforu w korzeniach pszenicy jarej.
The content of N, P, K, Ca and Mg in stubble of spring wheat grown at different soil moisture and NPK fertilisation is presented in this paper. The study was based on results of pot experiments carried out in a green house of the IMUZ Falenty in the years 1983-1985. Unpublished results of chemical analyses of stubble and roots were used in this study. Soil moisture significantly affected accumulation of nitrogen, phosphorus and potassium in plant roots and of calcium in stubble. Mineral NPK fertilisation significantly increased the content of all analysed macro-elements (except nitrogen) in stubble but showed insignificant effect on accumulation of these components in roots of spring wheat. Analysis of variance showed a significant effect of plant variety on accumulation of N, P and Ca in stubble and roots, on Mg accumulation in stubble and P in roots of spring wheat.
Źródło:: Woda-Środowisko-Obszary Wiejskie; 2010, 10, 1; 89-97
1642-8145
Pojawia się w:: Woda-Środowisko-Obszary Wiejskie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: PM 2.5 modelling during paddy stubble burning months using artificial intelligence techniques
Autorzy:: Sangwan, V.
Deswal, S.
Powiązania:: https://bibliotekanauki.pl/articles/2055747.pdf
Data publikacji:: 2022
Wydawca:: Stowarzyszenie Komputerowej Nauki o Materiałach i Inżynierii Powierzchni w Gliwicach
Tematy:: PM2.5
ANN
random forest
SVM
pollution
burning
stubble
sztuczne sieci neuronowe
lasy losowe
maszyna wektorów nośnych
zanieczyszczenia
spalanie
ścierń
Opis:: Purpose: In this study, the artificial intelligence techniques namely Artificial Neural Network, Random Forest, and Support Vector Machine are employed for PM 2.5 modelling. The study is carried out in Rohtak city of India during paddy stubble burning months i.e., October and November. The different models are compared to check their respective efficacies and also sensitivity analysis is performed to know about the most vital parameter in PM 2.5 modelling. Design/methodology/approach: The air pollution data of October and November months from the year 2016 to 2020 was collected for the study. The months of October and November are chosen as paddy stubble burning and major festivities using fireworks occur during these months. The untoward data entries viz. zero values, blank data, etc. were eliminated from the gathered data set and thereafter 231 observations of each parameter were left for the conduct of the presented study. The different models i.e., ANN, RF, SVM, etc. had PM 2.5 as an output variable while relative humidity, sulfur dioxide, nitrogen dioxide, nitric oxide, carbon monoxide, ozone, temperature, solar radiation, wind direction and wind speed acted as input variables. The prototypes created from the training data set are verified on the testing data set. A sensitivity analysis is also done to quantify impact of various parameters on output variable i.e., PM 2.5. Findings: The performance of the SVM_RBF based model turned out to be the best with the performance parameters being the coefficient of determination, root mean square error, and mean absolute error. In the sensitivity test, sulphur dioxide (SO2) was adjudged as the most vital variable. Research limitations/implications: The quantification capacity of the generated models may go beyond the used data set of observations. Practical implications: The artificial intelligence techniques provide precise estimation and forecasting of PM 2.5 in the air during paddy stubble burning months of October and November. Originality/value: Unlike the past research work that focus on modelling of various air pollution parameters, this study in specific focuses on the modelling of most vital air pollutant i.e., PM 2.5 that too specifically during the paddy stubble burning months of October and November when the air pollution is at its peak in northern India.
Źródło:: Journal of Achievements in Materials and Manufacturing Engineering; 2022, 110, 1; 16--26
1734-8412
Pojawia się w:: Journal of Achievements in Materials and Manufacturing Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "ścierń" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język