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.
IntechOpen eBooks,
Год журнала:
2023,
Номер
unknown
Опубликована: Апрель 9, 2023
Stimulating
compost
humification
is
an
important
way
for
carbon
sequestration
and
that
in
itself
significant,
especial
under
the
context
of
neutrality.
However,
a
longer
cycle
occurs
traditional
composting.
Microbial
inoculants
markedly
increase
formation
humus
during
composting,
which
attracts
extensive
attention.
as
bioaugmentation
technology,
their
perfermances
on
are
significantly
influenced
by
material
nature,
microbial
species,
inoculation
dosages,
methods.
So
far,
effects
maturity
diversity
known
though
previous
published
reviews,
while
overview
regulatory
role
still
be
relatively
absent.
This
review
innovatively
summarized
promotion
process
related
biological
mechanisms
Lastly,
further
research
development
optimization
methods
will
promote
produce
high
quality
compost.
Sustainability,
Год журнала:
2022,
Номер
14(21), С. 14454 - 14454
Опубликована: Ноя. 3, 2022
Aerobic
composting
is
widely
used
worldwide
as
a
natural
process
for
handling
human
waste.
Such
waste
often
contains
pharmaceutical
residues
from
consumption,
yet
their
impact
on
has
not
been
studied.
The
aim
of
this
study
to
investigate
the
antihistamine
cimetidine
(10
mg/kg,
100
mg/kg)
aerobic
feces.
key
results
show
that
10
mg/kg
accelerates
temperature
increase
and
moisture
removal
substrate.
organic
matter
in
all
groups
gradually
decreased,
pH
values
increased
first
then
declined
with
time,
no
significant
differences
between
groups.
NH4+-N
concentrations
NH3
emission
reached
maximum
at
1.5
days
rapidly,
while
NO2−-N
NO3−-N
contents
tended
time
during
composting.
caused
higher
maximal
concentration
compost,
lower
days,
led
more
contents.
In
addition,
enhanced
aromatization
humification
dissolved
promoted
degradation
aliphatic
substances.
Furthermore,
generated
larger
influence
microorganisms
than
cimetidine,
especially
related
nitrogen
transformation.
findings
imply
dose-dependent
decomposition
conversion
feces
It
deserves
further
investigation
possible
hormesis
effect.
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.
