Wyniki wyszukiwania - BazTech

1

Economic and environmental factors determining spatial variation in soil liming in Poland

Barczyk-Ciuła Justyna, Dacko Mariusz, Kozielec Anna, Minta Stanisław, Nicia Paweł, Oleksy Andrzej, Paluch Łukasz, Płonka Aleksandra, Wojewodzic Tomasz, Zadrożny Paweł

Economics and Environment

|

2024

|

No. 3

art. no. 705

EN

The aim of this research was to identify the key factors determining the level of soil liming in Poland. Spatial analyses were conducted using data from the 2020 National Agricultural Census. The study presents regional variations in selected parameters that characterise agricultural production quality and structural features, including the market connections of farms. The Classification and Regression Trees (C&RT) method was employed to identify the factors that most significantly influence the intensity of liming in the examined districts. These factors include the share of permanent grasslands, labour inputs, the percentage of farms engaged in commercial production, farm size, and the level of mineral fertilisation (NPK). The results indicate that regions with larger farms and higher NPK fertilisation tend to apply more lime. In contrast, areas with a higher share of permanent grasslands and labour-intensive activities show lower levels of liming. These findings suggest that improving agricultural practices, particularly in regions with small farms and limited fertilisation, could enhance soil liming efforts and align them with the European Green Deal's goals for sustainable agriculture.

PL

Celem badań było określenie cech decydujących o poziomie wapnowania gleb w Polsce. Analizy przestrzenne przeprowadzono w oparciu o wyniki Narodowego Spisu Rolnego 2020. W pracy przedstawiono zróżnicowanie regionalne Polski w zakresie wybranych parametrów charakteryzujących jakość rolniczej przestrzeni produkcyjnej oraz niektórych cech struktury rolniczej, w tym powiązań gospodarstw z rynkiem. Podjęto próbę identyfikacji cech strukturalnych rolnictwa mających największy wpływ na ilość stosowanego wapna (CaO). Zastosowana metoda drzew klasyfikacyjnych (C&RT) pozwoliła na identyfikację czynników najbardziej różnicujących intensywność wapnowania w badanych gminach, m.in.: udział trwałych użytków zielonych w użytkach rolnych, nakłady pracy, odsetek gospodarstw prowadzących produkcję towarową, wielkość gospodarstw i poziom nawożenia mineralnego (NPK). Analiza wykazała, że regiony z większymi gospodarstwami i wyższym poziomem nawożenia NPK stosują więcej wapna. Natomiast obszary o większym udziale trwałych użytków zielonych i intensywnych nakładach pracy wykazują niższy poziom wapnowania. Wyniki te sugerują, że wprowadzenie ulepszonych praktyk rolniczych, zwłaszcza w regionach z małymi gospodarstwami i ograniczonym nawożeniem, mogłoby poprawić efektywność wapnowania gleb i wspierać cele Europejskiego Zielonego Ładu w zakresie zrównoważonego rolnictwa.

2

Reconstruction of geomagnetic event as observed in Northern Adriatic region and Its correlation with GPS single-frequency positioning deviations

Brčić D., Ćelić J., Valčić S.

TransNav : International Journal on Marine Navigation and Safety of Sea Transportation

|

2020

|

Vol. 14, no. 2

349--357

EN

Space weather effects are generally recognized as causes of degradation of satellite positioning, navigation and timing (PNT) services. We analyze GPS position estimation error during a geomagnetic storm, focusing on manifestations of geomagnetic processes. The position estimation error was analyzed in terms of GPS coordinates’ deviations (latitude, longitude and height) from their reference values. The storm’s impact was studied in the Northern Adriatic region where GPS observables from two Global Navigation Satellite System (GNSS) reference stations were analysed. Geomagnetic indices were elaborated, comprising readings from interplanetary, magnetospheric and geomagnetic observatories. Total Electron Content (TEC) on both stations was computed using dual frequency GPS pseudorange observables. The experiment was to reconstruct the movement of geomagnetic disturbances entering the geospace, reaching the earth’s surface. The aim was to correlate possible space weather manifestation on satellite positioning performance in terms of positioning error. Regularities in changes in positioning deviations were identified with relation to influential indices. The research offered a possibility of experimental positioning deviations assessment as well as forecasting. Evaluation of generated rudimentary Classification and Regression Trees (CART) models showed that the risk of satellite positioning errors could be assessed and predicted considering absolutes, as well as changes in values of geomagnetic indices. During the research process, several activities emerged as preferable continuation of the work, with the aim of further development of predictive models and the complement of space weather scenarios and their consequences on navigational systems. Along with summarized results, they are outlined in the conclusion section.

3

Seafloor mapping based on multibeam echosounder bathymetry and backscatter data using Object-Based Image Analysis : a case study from the Rewal site, the Southern Baltic

Janowski Ł., Tegowski J., Nowak J.

Oceanological and Hydrobiological Studies

|

2018

|

Vol. 47, No. 3

248--259

EN

Seafloor mapping is a fast developing multidisciplinary branch of oceanology that combines geophysics, geostatistics, sedimentology and ecology. One of its objectives is to isolate distinct seabed features in a repeatable, fast and objective way, taking into consideration multibeam echosounder (MBES) bathymetry and backscatter data. A large-scale acoustic survey was conducted by the Maritime Institute in Gdańsk in 2010 using Reson 8125 MBES. The dataset covered over 20 km2 of a shallow seabed area (depth of up to 22 m) in the Polish Exclusive Economic Zone within the Southern Baltic. Determination of sediments was possible based on ground-truth grab samples acquired during the MBES survey. Four classes of sediments were recognized as muddy sand, very fine sand, fine sand and clay. The backscatter mosaic created using the Angular Variable Gain (AVG) empirical method was the primary contribution to the image processing method used in this study. The use of the Object-Based Image Analysis (OBIA) and the Classification and Regression Trees (CART) classifier makes it possible to isolate the backscatter image with 87.5% overall and 81.0% Kappa accuracy. The obtained results confirm the possibility of creating reliable maps of the seafloor based on MBES measurements. Once developed, the OBIA workflow can be applied to other spatial and temporal scenes.

4

Comparison of the CBR methodology and the cart algorithm applied to problem of casting defects classification

Regulski K., Rojek G.

Computer Methods in Materials Science

|

2014

|

Vol. 14, No. 3

180--189

EN

The main scope of presented in this article research is the analysis of application of artificial intelligence methodologies at building of a computer system that should aid at problem of casting defects classification. The computer system is designed as a decision support tool in the diagnosis of casting defects for small and medium-sized plants, which implies restrictions according to the usage of data that, in this case, are not measured in real time of production. Without access to control data, the diagnosis of casting defects can be based on observations made by a technologist responsible for the inspection of ready castings. Those observations concern usually the type of damage, its distribution, location, occurrence or even color of surface. The problem of such observation based diagnosis can be resolved by building of a computer tool, which uses classification methodologies in order to give aid at casting defects classification. Presented research focus on two methodologies within artificial intelligence: Case-Based Reasoning (CBR) and Classification And Regression Trees (CART). The CBR methodology enables to use knowledge according to previously made classifications in order to help predict the present classification problem. The decision support system with the applied CBR methodology is able to learn basing on the knowledge which is acquired in the result of classifications performed by this system. The CART algorithm enables to generate classification tree, which can be easily used by a technologist or by an expert system, giving support at defect diagnosis. Presented in this article research concerns comparison of those two methodologies in terms of their usefulness at designing the system operating in conditions of small and medium-sized casting factory.

PL

Przedstawionym w artykule głównym obszarem badań jest analiza zastosowania metod sztucznej inteligencji w budowaniu systemu komputerowego, mogących wspierać problem klasyfikacji wad odlewniczych. System komputerowy jest projektowany jako narzędzie wspomagania decyzji w diagnostyce wad odlewniczych dla małych i średnich zakładów, co powoduje ograniczenia w wykorzystaniu danych, w tym przypadku bowiem parametry procesu nie są mierzone w rzeczywistym czasie produkcji. Bez dostępu do danych odnoszących się do parametrów sterowania, klasyfikacja wad może opierać się na obserwacjach dokonywanych przez technologów odpowiedzialnych za badanie gotowych odlewów. Obserwacje dotyczą zazwyczaj rodzaj uszkodzenia, jego rozmieszczenia, położenia oraz występowania lub nawet koloru powierzchni badanego materiału. Problem rozpoznawania typu wady może zostać rozwiązany poprzez budowę narzędzia komputerowego, które używa metod klasyfikacji w celu wsparcia użytkownika w zakresie poprawnej detekcji wad. Badania koncentrują się na dwóch metodologiach z zakresu sztucznej inteligencji: wnioskowaniu epizodycznym (CBR) oraz drzewach klasyfikacyjnych i regresyjnych (CART). Metodologia CBR pozwala na wykorzystaniu wiedzy o poprzednio dokonanych klasyfikacjach w celu przewidywania rezultatu bieżącego problemu klasyfikacji. Metodologia CBR umożliwia również naukę systemu wspomagania decyzji na podstawie wiedzy o dokonywanych przez ten system klasyfikacjach. CART pozwala generować drzewo klasyfikacyjne, które może być łatwo użyte przez technologów albo może być wykorzystywane przez system ekspertowy. Prezentowane porównanie dotyczy użyteczności tych metod w projektowaniu systemu działającego w warunkach małego i średniego zakładu odlewniczego.