Опубликована: Окт. 18, 2023

Celem ogólnym jest ocena możliwości zastosowania hybrydowego systemu monitorowania gospodarstw rolnych i ich wpływu na środowisko, natomiast szczegółowe obejmowały ocenę typowania klas presji oraz o różnej specjalizacji środowisko z wykorzystaniem Systemu Szybkiej Identyfikacji, spójności wewnętrznej rzetelności pomiaru proponowanego monitoringu trendów zmian, zachodzących w gospodarstwach indywidualnych czasie. Badaniami objęto 1226 rolnych, zróżnicowanych pod względem obszarowym, struktury gruntów specjalizacji. Dane zostały zebrane bezpośrednio autorskiej ankiety dotyczyły lat 2001–2019. Gospodarstwa zlokalizowane były 717 miejscowościach, 270 gminach 14 województwach. Poddano je ocenie bonitacyjnej podstawie Identyfikacji (SSI). Analizy oparto dwóch wyróżnionych systemie modułach – produkcyjnym techniczno-technologicznym. W pracy wytypowano klasy grupy określonej metodą TOPSIS, przeanalizowano spójność skal cząstkowych wykorzystywanych SSI. Oceniono również jednorodność modułów (analizy wielowymiarowe). Podziału wykonano użyciem uczenia maszynowego (machine learning), przy wykorzystaniu sztucznej sieć neuronowej (tzw. klasyfikator Kohonena). Uzyskane wyniki dla obu syntetycznego wskaźnika SSI poddano analizie zmian czasie, przyjętych czterech okresach, wynikających realizacji tzw. Programów działań. Na przeprowadzonych badań wyróżniono presji. Selektywna analiza pokazała, że można analizować oddzielnie, wskazując problemy obrębie jednego modułów. Szczegółowa grup specjalizacyjnych (w 16 grup), zarówno metody TOPSIS jak sztucznych sieci neuronowych, wskazuje wysoką presję specjalizujących się chowie lub hodowli bydła (GB) niską obsadą inwentarza (G ≤0,15 DJP·ha–1). Szansa wysoki wynik, szczególnie module środowiskowym, wzrastała również, jeśli gospodarstwo specjalizowało drobiu (GD). wykazała, zaproponowany system, charakteryzuje spójnością wewnętrzną jego modułach. Każda inwentaryzowanych ma podobne znaczenie SSI, a wskazują, wskaźnik ten mierzy jednorodnie. Przeprowadzone badania wykazały, nie stworzyć podziału lepszego niż dwa moduły produkcyjny tech-tech. Zdolność do wykonywania spójnych pomiarów oceny trafności precyzji interpretacji danych kształtuje więc zadowalającym poziomie. wykonanych analiz stwierdzić, parametry modułu środowiskowego mają większy wpływ różnicowanie gospodarstw, ale tech-tech kształtują szerszym zakresie. Wyniki opierają różnych miarach, co świadczy komplementarności systemu. uzyskanych wyników wnioskować, system sprawdza analizach czasowych pewne trendy rolnych.