Autoreferat dr inż. Krzysztof Pudełko
|
|
- Gabriela Walczak
- 9 lat temu
- Przeglądów:
Transkrypt
1 Załącznik 4 Autoreferat w postępowaniu habilitacyjnym w dziedzinie nauk rolniczych, dyscyplinie agronomia dr inż. Krzysztof Pudełko dr inż. Krzysztof Pudełko Katedra Biochemii i Biotechnologii Uniwersytet Przyrodniczy w Poznaniu ul. Dojazd Poznań bioline@home.pl
2 Spis treści 1 Życiorys naukowy Wykształcenie Doświadczenie zawodowe Opis osiągnięcia naukowego pod tytułem Studia nad produkcją kompostu i jego wpływ na plon Agaricus bisporus (Lange) Imbach Wprowadzenie Cel badań Wyniki Znaczenie ilości podłoża dla wielkości plonu Struktura plonu pieczarek Znaczenie surowców dla jakości kompostu Znaczenie czasu w kompostowaniu Parametry kompostu Modele predykcji plonu Wykorzystanie modeli statystycznych do przewidywania plonu pieczarek Interpretacja modeli random forest Bezpośredni wpływ parametrów kompostu na jego jakość Podsumowanie Omówienie pozostałych zainteresowań naukowo-badawczych Choroby w uprawach pieczarek Mikrobiologiczne aspekty symbiotycznego wiązania azotu w uprawach bobowatych Uproszczenia w uprawie lnu Allelopatyczne właściwości konopi Rekultywacja terenów zdegradowanych z wykorzystaniem uprawy roślin Syntetyczne zestawienie dorobku naukowego 29 1
3 1 Życiorys naukowy 1.1 Wykształcenie ukończone VII Liceum Ogólnokształcące w Poznaniu w klasie biologicznochemicznej ukończone stacjonarne studia magisterskie na Wydziale Rolniczym Akademii Rolniczej im. Augusta Cieszkowskiego w Poznaniu. Stopień magistra inżyniera rolnictwa uzyskany na podstawie pracy magisterskiej pt. Charakterystyka szczepów Bradyrhizobium japonicum brodawkujących polskie odmiany soi (Glycine max L.) w warunkach polowych przygotowanej pod promotorską opieką dr Cezarego J. Mądrzaka ukończony Kurs Pedagogiczny w ramach Studium Doktoranckiego przy Wydziale Rolniczym Akademii Rolniczej im. Augusta Cieszkowskiego w Poznaniu Stopień naukowy doktora nauk rolniczych z zakresu agronomii uzyskany decyzją Rady Wydziału Rolniczego Akademii Rolniczej im. Augusta Cieszkowskiego w Poznaniu na podstawie rozprawy doktorskiej pt. Szczepy Rhizobiaceae brodawkujące łubiny w uprawach polowych w Polsce. Promotor: prof. dr hab. Cezary J. Mądrzak; Recenzenci: prof. dr hab. Aleksandra Sawicka oraz prof. dr hab. Anna Skorupska 1.2 Doświadczenie zawodowe Studium Doktoranckie przy Wydziale Rolniczym Akademii Rolniczej im. Augusta Cieszkowskiego w Poznaniu do chwili obecnej - adiunkt w Katedrze Biochemii i Biotechnologii Uniwersytetu Przyrodniczego w Poznaniu kierownik Działu Badań i Rozwoju w firmie Okechamp S.A doradca d.s. zapewniania jakości kompostu w firmie Limax sp. z o.o do chwili obecnej - Wiceprezes Zarządu Wielkopolskiego Centrum Zaawansowanych Technologii. 2
4 2 Opis osiągnięcia naukowego pod tytułem Studia nad produkcją kompostu i jego wpływ na plon Agaricus bisporus (Lange) Imbach Tytuł osiągnięcia naukowego: dzieło opublikowane w całości Krzysztof Pudełko (2015) Studia nad produkcją kompostu i jego wpływ na plon Agaricus bisporus (Lange) Imbach. W: seria Rozprawy Naukowe nr 482. Wydawnictwo Uniwersytetu Przyrodniczego w Poznaniu. ISBN ISSN Badania nad procesem wytwarzania kompostu jako podłoża do produkcji pieczarek oraz badania nad uprawą Agaricus bisporus stanowiły jeden z głównych nurtów moich badań. Wyniki dziewięcioletnich prac badawczych prowadzonych we współpracy z zakładami wytwarzającymi kompost na skalę przemysłową opublikowane zostały w czasopismach naukowych o zasięgu krajowym i międzynarodowym, a także jako wskazana wyżej, zgodnie z art. 16 ust. 2 ustawy z dnia 14 marca 2003 r. o stopniach naukowych i tytule naukowym oraz o stopniach i tytule w zakresie sztuki (Dz. U. nr 65, poz. 595 ze zm.) opublikowana w całości rozprawa naukowa, która stanowi podstawę do ubiegania się przeze mnie o stopień doktora habilitowanego w dziedzinie Nauk Rolniczych, w dyscyplinie Agronomia. 2.1 Wprowadzenie Produkcja grzybów uprawnych jest istotnym z ekonomicznego punktu widzenia procesem biotechnologicznym podnoszącym wartość rolno-przemysłowych produktów odpadowych. Szacuje się, że roczna wartość produkcji tej gałęzi przemysłu na świecie przekroczyła w 2013 roku 20 mld dolarów (FAOSTAT, 2015). Światowa produkcja grzybów jadalnych wykazuje w ostatnich dziesięcioleciach bardzo gwałtowną tendencję wzrostową. Szacuje się, że w ciągu ostatnich 35 lat produkcja grzybów na świecie zwiększyła się ponad 8-krotnie (od 1,2 mln ton w 1978 roku do prawie 10 mln ton w roku 2013). Z hektara powierzchni uprawowej średnio na świecie w 2013 roku uzyskano 387,7 ton grzybów w porównaniu do 3,2 ton pszenicy, 5,5 ton kukurydzy, 19,5 ton ziemniaków i 34,7 ton pomidorów (FAOSTAT, 2015). W Polsce, wśród grzybów jadalnych na największą skalę uprawiane są pieczarki, a ich uprawa należy do tych działów produkcji rolniczo-ogrodniczej, które jako nieliczne odznaczają się wysoką dynamiką wzrostu. W latach w relacji do lat średnie saldo handlu zagranicznego tymi produktami zwiększyło się czterokrotnie do 318 mln dolarów, a w 2013 roku przekroczyło 325 mln. W okresie zbiory pieczarek zwiększały się średnio w tempie 5,1% rocznie, a ich eksport w tempie aż 33% rocznie. W latach Polska z udziałem 27,8% stała się największym w świecie eksporterem pieczarek świeżych. (Nosecka, 2014; Nosecka i in., 2012; FAOSTAT, 2015). Produkcja pieczarek jest technologicznie złożonym procesem, który polega na prowadzonej w kontrolowanych warunkach mikrobiologicznej transformacji użytych surowców odpadowych z produkcji rolniczej (słoma, siano, obornik koński, pomiot kurzy) w taki sposób, aby wytworzyć podłoże umożliwiające wydajny i selektywny wzrost grzybni pieczarki (Wood, 1984; Noble i Gaze, 1994), a następnie na intensywnej kolonizacji podłoża przez wprowadzoną do niego grzybnię, połączoną z wytworzeniem owocników A. bisporus. 3
5 Proces technologiczny produkcji pieczarek na skalę przemysłową składa się z sześciu głównych etapów (Royse i in., 2007). Są to: 1. Kompostowanie (Faza I) 2. Pasteryzacja kompostu (Faza II) 3. Zagrzybianie i kolonizacja kompostu (Faza III - przerost) 4. Załadunek hal uprawowych i przykrycie podłoża okrywą torfową 5. Tworzenie zawiązków grzybów 6. Zbiór owocników Faza I kompostowania rozpoczyna się od doboru surowców do produkcji podłoża i ich wymieszania we właściwych proporcjach. Po uformowaniu i nawilżeniu pryzm rozpoczyna się właściwy proces kompostowania oparty na wzroście i namnażaniu flory mikrobiologicznej naturalnie występującej w surowcach. Proces ten generuje wydzielanie dużych ilości ciepła, dwutlenku węgla i amoniaku (Royse i in., 2007). Wzrost temperatury stwarza właściwe warunki dla rozwoju mikroorganizmów mezofilnych, a następnie termofilnych. W trakcie Fazy I prowadzonej w optymalnych warunkach dochodzi do głębokich przekształceń chemicznych surowców stosowanych do produkcji kompostu, głównie na drodze reakcji Maillarda. Niektórzy autorzy sugerują nawet, że przekształcenia węglowodanów na drodze reakcji Maillarda stanowią podstawę selektywności kompostu, ponieważ w ich wyniku powstają substancje wykorzystywane przez grzybnię pieczarki, ale nie dostępne dla grzybów konkurencyjnych (Sinden i Hauser, 1950; Laborde i in., 1987). Nowsze prace wskazują jednak, że pomimo niekwestionowanego znaczenia przekształceń chemicznych zachodzących w trakcie kompostowania, selektywność podłoża ma charakter raczej ekologiczny, a nie chemiczny i zależy od składu i liczebności populacji mikroorganizmów stabilizujących się w trakcie kolejnych etapów produkcji podłoża (Miller i in., 1990; Straatsma i in., 1994). Faza II to kondycjonowanie kompostu w 45 C przez 6 dni, które następuje bezpośrednio po trwającej 8 h pasteryzacji kompostu w temperaturze 60 C na samym początku tej fazy (Straatsma i in., 1995). Celem pasteryzacji jest zniszczenie zarodników mezofilnych grzybów potencjalnie konkurencyjnych dla pieczarki. W czasie kondycjonowania w Fazie II następuje znacząca zmiana populacji mikroorganizmów zasiedlających kompost. Szacuje się, że stosunek ilościowy grzybów do Procaryota przy końcu kondycjonowania wynosi ok. 2:1 (Wiegant i in., 1992; Straatsma i in., 1994). Etap kondycjonowania uważany jest przez wielu autorów za kluczowy dla uzyskania selektywności kompostu i związany jest z mającą miejsce na tym etapie kolonizacją kompostu przez szereg populacji mikroorganizmów, z których najważniejszym i najszerzej badanym jest Scytalidium thermophilum (Ross i Harris, 1982; Straatsma i in., 1994, 1995). Po zakończeniu Fazy II do podłoża dodawana jest grzybnia, która w trakcie kolejnych 2 tygodni procesu kolonizuje równomiernie całą masę kompostu. Celem Fazy III jest stworzenie i utrzymanie warunków optymalnych dla intensywnego rozrostu grzybni w kompoście. Na tym etapie produkcji podłoża kluczową rolę odgrywa utrzymanie stałej temperatury ok. 25 C w całej masie kompostu oraz zapewnienie odpowiedniej wentylacji. 4
6 2.2 Cel badań Badania nad produktywnością kompostu, jego jakością i wydajnością mają istotne znaczenie dla podniesienia dochodowości upraw A. bisporus prowadzonych na dużą skalę ponieważ koszt wytworzenia podłoża szacowany jest na ponad 50% wszystkich wydatków związanych z przemysłową produkcją pieczarek (Royse i Chalupa, 2009). Jednym z najistotniejszych problemów warunkujących rozwój całej branży jest dostępność podłoża o stabilnie wysokiej jakości wpływającej na przewidywalność, dochodowość i możliwości rozwojowe zakładów uprawiających grzyby (Stefko i Ciesielska, 2014). Celem badań była próba wyjaśnienia niektórych przyczyn obserwowanej zmiennej jakości kompostu pieczarkowego i jego wpływu na plon grzybów. Koncentrowały się one w obrębie problematyki dotyczącej: wpływu ilości podłoża na jednostkę powierzchni użytego do produkcji na wydajność oraz strukturę plonu grzybów oceny przydatności dostępnych rodzajów słomy zbożowej do produkcji dobrego jakościowo podłoża znaczenia pozostałych surowców (obornik koński, pomiot kurzy i gips) dla jakości kompostu i procesu kompostowania wyjaśnienia obserwowanych sezonowych różnic w jakości podłoża wpływu długości trwania poszczególnych faz procesu kompostowania na jakość i potencjał plonotwórczy kompostu oceny wzajemnych korelacji parametrów kompostu i ich wpływu na jakość podłoża do uprawy pieczarek opracowania systemu wiarygodnej i precyzyjnej oceny jakości podłoża do produkcji A. bisporus opartej na analizie podstawowych parametrów kompostu możliwych do uzyskania na kolejnych etapach jego produkcji opracowania systemu przewidywania wysokości plonu pieczarek na podstawie danych możliwych do gromadzenia i analizowania przez producentów kompostu Badania przebiegu procesu kompostowania i jego wpływu na jakość podłoża do produkcji pieczarek prowadzono na przestrzeni 9 lat obejmujących okres W tym czasie zgromadzono dane z 1974 pryzm kompostowych oraz przeprowadzono analizy parametrów chemicznych i fizycznych z ponad punktów pomiarowych. Badania prowadzono w dużej kompostowni w Wielkopolsce produkującej kompost na skalę przemysłową i zaopatrującej w podłoże kilkadziesiąt pieczarkarni oraz w dwóch dużych zakładach produkujących grzyby na kompoście pochodzącym z analizowanej kompostowni. Większość zagadnień poruszonych w prezentowanej pracy nie było dotychczas przedmiotem dostępnych w literaturze opracowań. Nie są również znane doniesienia o badaniach prowadzonych systematycznie przez tak długi okres i obejmujących taką liczbę powtórzeń. 5
7 2.3 Wyniki Znaczenie ilości podłoża dla wielkości plonu Istnieje powszechna opinia, że wraz ze wzrostem ilości podłoża wykorzystanego w jednostce powierzchni wzrasta również ilość grzybów, które można wyprodukować z tej powierzchni (Gapiński i in., 2010). Korzystając z dużej ilości powtórzeń i wyników produkcji uzyskanych w długim okresie przeanalizowano tę hipotezę. Plon uzyskanych grzybów rozpatrywać można na wiele różnych sposobów. Aby uniknąć nieporozumień, przyjęto następujące oznaczenia plonu pieczarek: plon uzyskany z powierzchni uprawy P E = biologiczna efektywność kompostu BE = efektywność masy kompostu CE = [ ] świeża masa grzybów [kg] kg powierzchnia uprawy [m 2 ] m 2 świeża masa grzybów [kg] sucha masa kompostu [kg] ] świeża masa grzybów [kg] świeża masa kompostu [t] [ kg t 100% [%] W praktyce producenci najczęściej szacują plony upraw określając liczbę kilogramów grzybów uzyskanych z jednostki powierzchni (PE=kg/m 2 ). W analizowanych obiektach (Pieczarkarnia A i B) różnice w masie załadunkowej kompostu na półki uprawowe sięgały ponad 40% i wahały się pomiędzy 65 kg/m 2 i 100 kg/m 2 świeżej masy kompostu, przy średniej 83,55 i 82,91 kg/m 2 odpowiednio dla Pieczarkarni A i B. W związku z tym koszt wyprodukowania jednego kilograma grzybów z tej samej powierzchni również różnił się istotnie. W pracy wykazano, że ilość podłoża użytego do produkcji na jednostkę powierzchni ma istotne znaczenie dla plonowania uprawy, ale ma także określone skutki ekonomiczne. Zwiększanie ilości podłoża w przeliczeniu na powierzchnię uprawy prowadzi do zwiększenia masy grzybów uzyskanych z tej powierzchni, ale prowadzi także do obniżonej efektywności wykorzystania zasobów podłoża, prowadząc tym samym do podniesienia kosztów jednostkowej produkcji grzybów. Oszacowano, że 31 kg suchej masy kompostu na 1 m 2 uprawy jest ilością optymalną równoważącą wysokość możliwych do uzyskania plonów i wykorzystania wartości podłoża. Zwiększenie ilości podłoża ponad 80 kg/m 2 pozwoliło uzyskać plony wyższe o średnio 0,8 kg w porównaniu z obiektami o mniejszej masie załadunkowej, natomiast nie zaobserwowano pozytywnego wpływu zwiększania ilości kompostu ponad 90 kg/m 2. Przedstawione wyniki wskazują również, że masa poniżej 80 kg/m 2 nie jest optymalna i nie pozwala w pełni wykorzystać potencjału pieczarkarni w obecnie stosowanych systemach uprawy Struktura plonu pieczarek Uzyskane w prezentowanej pracy wartości 21,6 kg/m 2 plonu ogólnego z dwóch rzutów (PE) przy biologicznej efektywności (BE) 71,6% nie odstają od wartości podawanych dla tych parametrów w literaturze (Gapiński i in., 2012). Drugi rzut stanowił średnio 66% pierwszego rzutu i niecałe 40% całego plonu. Uwagę zwraca duża rozpiętość wartości uzyskanego plonu, sięgająca ponad 25% plonu średniego, przy czym różnice pomiędzy średnią i wartościami skrajnymi plonu dla poszczególnych rzutów były jeszcze większe i sięgały prawie 50%. 6
8 W niniejszej pracy obserwowano znaczne zróżnicowanie udziału I rzutu w całkowitym plonie pieczarek. Średnio z 1974 obserwacji I rzut stanowił 60,07% całkowitego plonu, natomiast wariancja była bardzo znaczna i wynosiła 35,64. Wyższe plonowanie uprawy w I rzucie powoduje, że jego wpływ na całkowitą wysokość plonu jest wyższy niż II rzutu. Interesujące jest jednak to, że wysokość plonu w II rzucie jest stosunkowo słabo skorelowana (współczynnik korelacji 0,39, p=0,01) z całkowitą efektywnością biologiczną kompostu. Analiza regresji wskazuje, że określenie biologicznej efektywności dla I rzutu może być przydatnym narzędziem dla określenia przewidywanej wydajności całej uprawy. Dobre dopasowanie (r 2 =0,56) równania regresji wskazuje, że plon I rzutu jest bezpośrednio związany z jakością kompostu, natomiast stosunkowo niska wartość tego współczynnika (r 2 =0,143) równania regresji opisującego zależność całkowitej efektywności biologicznej od BE II rzutu sugeruje znaczny wpływ zabiegów uprawowych prowadzonych na danej partii kompostu na w pełni efektywne wykorzystanie potencjału plonotwórczego podłoża Znaczenie surowców dla jakości kompostu Wpływ rodzaju słomy na wydajność kompostu Tradycyjnie do produkcji podłoża dla uprawy pieczarek używana jest słoma pszenna i obornik koński, które stanowią podstawowe źródło węgla i azotu dla mikroorganizmów w trakcie procesu kompostowania oraz dla uprawianych na takim podłożu pieczarek (Noble i in., 2002). W Polsce, wobec gwałtownego spadku pogłowia koni produkcja kompostu na potrzeby pieczarkarstwa opiera się na wykorzystaniu słomy różnych gatunków zbóż jako głównego źródła węgla w podłożu. Znane w literaturze są opinie, że w przypadku używania tzw. podłoża syntetycznego najlepsze wyniki osiąga się stosując słomę pszenną, a gorsze przy wykorzystaniu słomy innych gatunków zbóż (Noble i in., 2002). Powszechna dostępność, obok słomy pszennej, również żytniej i pszenżytniej prowadzi do wykorzystania także tych surowców do produkcji kompostu pieczarkowego w Polsce. W literaturze nie ma informacji o wpływie słomy żytniej i pszenżytniej na jakość kompostu do uprawy pieczarek. W związku ze znacznym wykorzystaniem tych surowców w polskim pieczarkarstwie analiza wpływu rodzaju słomy używanej do produkcji kompostu wydaje się uzasadniona i potrzebna. Uzyskane wyniki wskazują na statystycznie istotne różnice w wydajności kompostu w zależności od zastosowanej mieszanki słomy. Średnia efektywność biologiczna (BE) kompostu w całej analizowanej populacji wynosiła 73.19%. W przypadku stosowania słomy żytniej jako jedynego rodzaju słomy w kompoście, uzyskany plon był wyższy od średniej. Zastosowanie mieszanki słomy żytniej z pszenną lub pszenżytnią nieznacznie, ale w sposób statystycznie istotny obniżało plon grzybów. Najmniejsza wydajność w przeliczeniu na suchą masę kompostu (BE) obserwowana była wówczas, gdy słoma pszenna była jedynym rodzajem użytym do budowy pryzmy. Różnice w wydajności produkcji grzybów uprawianych na podłożach wyprodukowanych z różnych mieszanek słomy wynikać mogą m.in. z ich różnej gęstości i masy załadunkowej. Kompost wyprodukowany jedynie ze słomy pszennej miał najwyższą gęstość (289,6 kg/m 3 wobec 272,3 kg/m 3 kompstu ze słomy żytniej). Również masa kompostu na m 2 uprawy była najwyższa w przypadku podłoża pszennego (30,6 kg/m 2 s.m. i 84,8 kg/m 2 ś.m). Kompostu żytniego używano o 3 kg mniej (w przeliczeniu na suchą masę o 2 kg mniej) na jednostkę powierzchni uprawy. W badanym systemie produkcyjnym obserwowano znaczne różnice jakościowe słomy, w zależności od jej rodzaju. Zawartość azotu i popiołu różniła się w latach, natomiast 7
9 regularnie słoma pszenna charakteryzowała się wyższą zawartością tych składników w porównaniu z pozostałymi dwoma rodzajami słomy wykorzystywanej do wytwarzania kompostu. Istotnym parametrem słomy rozważanym w niniejszej pracy w kategoriach jakości surowca była także jego wilgotność. Wprawdzie produkcja kompostu prowadzona jest w warunkach wysokiej wilgotności (w Fazie I ok. 75%), co wiąże się z koniecznością dodawania dużych objętości wody do mieszaniny surowców, ale wyjściowa wilgotność magazynowanej słomy ma istotne znaczenie dla jej jakości po okresie przechowywania. Wyjściowa wilgotność magazynowanej słomy zależy w dużym stopniu od współczynnika chłonności, który jest najwyższy dla słomy żytniej. Powyższe obserwacje pozwalają sformułować tezę, że w zależności od dostępnych ilości poszczególnych rodzajów słomy do produkcji kompostu i dla zapewnienia możliwie wysokiej powtarzalności parametrów jakościowych podłoża, właściwe planowanie kolejności wykorzystania zmagazynowanej słomy może przyczynić się do utrzymania bardziej stabilnej jakościowo produkcji w ciągu roku. Należy również stwierdzić, że z uwagi na różnice ilościowe i jakościowe w budowie i w składzie słomy poszczególnych gatunków zbóż należy korygować parametry technologiczne przy produkcji kompostu w zależności od stosowanego surowca. Obornik w produkcji kompostu Kurzak, podobnie jak inne oborniki wykorzystywane w produkcji pieczarek, jest surowcem bardzo niejednorodnym i różniącym się znacznie w zależności od partii. Również w badanym systemie produkcyjnym obornik był najbardziej zróżnicowanym surowcem wykorzystywanym w analizowanej kompostowni. Wahania poszczególnych parametrów jakościowych przekraczały znacznie obserwowane dla słomy różnych gatunków zbóż. Zawartość azotu w oborniku kurzym wynosiła 5,17% i była nieco wyższa niż 4,4% wskazywana jako średnia dla brytyjskich kompostowni (Noble i in., 2008). Jednak rozpiętość tego - kluczowego dla przydatności kurzaka w kompostowaniu - parametru była bardzo duża i obejmowała zakres od 1,62 do 7,18%. Zawartość azotu całkowitego w oborniku końskim była wyraźnie niższa (2,01%) niż w kurzaku, ale również bardzo zmienna pomiędzy partiami (0,65-5,65%). Obornik kurzy Z uwagi na duże rozpiętości, szczególnie zawartości azotu w oborniku kurzym, jego ilość używana do budowy pryzmy różniła się dość znacznie. W efekcie obornik stanowił od 20% do ponad 35% suchej masy wszystkich surowców. Analizowano oddzielnie pryzmy, w których udział kurzaka w ogólnej suchej masie surowców stanowił poniżej 25%, od 25 do 30%, od 30 do 35% i powyżej 35%. Ponieważ recepturę pryzm komponowano z zakładaną całkowitą zawartością azotu na poziomie 1,95% s.m. surowców, większa zawartość procentowa kurzaka w ogólnej ilości surowców wynikała wprost z niższej zawartości azotu w oborniku kurzym i odwrotnie wyższa zawartość azotu w kurzaku, prowadziła do jego niższego zużycia w trakcie układania pryzm kompostowych. W efekcie stosowania różnej ilości obornika kurzego do produkcji kompostu nie zaobserwowano istotnych statystycznie różnic w biologicznej efektywności (BE) podłoża natomiast obserwowano, że wraz ze stosowaniem wyższych dawek kurzaka w pryzmie kompostowej wzrastała efektywność masy kompostu (CE) - wzrastał plon grzybów uzyskanych z tony świeżej masy kompostu. Róznice sięgały ponad 14 kg/t pomiędzy obiektami zawierającymi odpowiednio poniżej 25% i powyżej 35% kurzaka w mieszaninie. Obserwowano również wzrost ogólnego plonu grzybów o ponad 1 kg/m 2 uprawy gdy porównywano obiekty z najniższą i najwyższą zawartością obornika kurzego w pryzmie. Odnotowano także znaczący wpływ jakości kurzaka na przebieg procesu kompostowania. Znakomita większość podstawowych parametrów kompostu analizowanych po 8
10 zakończeniu kolejnych faz produkcji (Faza I, II i III) różniła się w sposób statystycznie istotny. Wraz ze zwiększającym się udziałem ilościowym kurzaka w mieszaninie wzrastało ph kompostu Fazy I i zawartość azotu w formie amonowej (NH + 4 ). Wykorzystanie kurzaka o wyższej zawartości azotu (mniejsza ilość na pryzmę) wiązała się z bardziej intensywnymi stratami azotu w gazowej formie NH 3, które ma miejsce w pierwszych dniach Fazy I w podwyższonym ph. Zagadnienia związane ze znaczeniem wentylacji i uwalnianiem amoniaku w pryzmie zostały szerzej przedyskutowane przez autora tej pracy w innym artykule (Pudełko, 2014). W odróżnieniu od Fazy I, różnice w dawkach kurzaka użytych do budowy pryzmy kompostowej nie miały znaczącego wpływu na ph podłoża po Fazie III. Wynika to z faktu, że ph skolonizowanego kompostu (FIII) kształtowane jest głównie przez rozwijającą się w podłożu grzybnię pieczarki. Podobne wartości ph, niezależnie od ilości kurzaka użytego jako surowiec wskazują, że nie ma to bezpośredniego wpływu na rozwój grzybni w początkowych fazach jej wzrostu. Różnice w wilgotności pomiędzy obiektami zwiększające się z każdą kolejną fazą kompostowania wskazują, że kurzak jest tym surowcem, który ma znacznie niższą zdolność utrzymywania wody niż słoma. Procentowa zawartość kurzaka w początkowej mieszaninie surowców wpływa istotnie na przebieg procesu kompostowania i na szereg parametrów jakościowych. Różnice obserwowane były na wszystkich etapach produkcji kompostu - łącznie z fazą III, czyli przerośniętym kompostem dostarczonym do pieczarkarni. W celu standaryzacji jakościowej końcowego produktu należy w procesie produkcyjnym dążyć do minimalizacji różnic ilościowych kurzaka w pryzmie. Obornik kurzy jest surowcem mocno zróżnicowanym, natomiast ograniczenie fluktuacji jakościowych tego surowca możliwe jest poprzez właściwą gospodarkę magazynową i odpowiednie mieszanie różnych, zmiennych partii surowca. Obornik koński Tradycyjna receptura kompostu pieczarkowego oparta jest głównie na oborniku końskim i słomie. W takim systemie kurzak stosowany jest jedynie jako dodatkowe źródło azotu. Wielu autorów uważa, że ze słomy i obornika końskiego pochodzą mikroorganizmy kształtujące tzw. selektywność kompostu (Straatsma i in., 1994; Atkey i Wood, 1984). Odmienny skład flory mikrobiologicznej obornika końskiego, w porównaniu z obornikiem kurzym oraz niższe straty (związane z emisją do środowiska) azotu (Gerrits, 1988) w takim kompoście skłaniają niektórych producentów kompostu w Polsce do stosowania obornika końskiego jako standardowego dodatkowego źródła azotu, obok głównego, którym pozostaje kurzak. Ponieważ surowiec taki nie jest łatwo dostępny, wydaje się, że warto zweryfikować zasadność takiej praktyki produkcyjnej. Analizie poddano 169 pryzm zaprojektowanych z udziałem obornika końskiego na przestrzeni 3 lat ( ). Pryzmy te porównywano ze zbudowanymi tego samego dnia (lub dnia poprzedniego) z tych samych surowców, ale bez dodatku obornika końskiego. Do porównania zastosowano model mieszany, przyjmując rok jako zmienną mającą efekt losowy. Wyraźnie wyższy potencjał oksydoredukcyjny obserwowany jako skutek zastosowania obornika końskiego, przy jednocześnie obserwowanej wyższej zawartości popiołu i niższej przewodności wskazuje, że surowiec ten może mieć pozytywny wpływ na strukturę kompostu w mikroskali. Nie zaobserwowano natomiast istotnych statystycznie różnic plonu wyrażonego jako efektywność biologiczna kompostu (PE), jak i w efektywności świeżej masy kompostu (CE). Jednocześnie wskaźniki efektywności kompostu były bardziej zróżnicowane w przypadku podłoża wytworzonego z udziałem obornika końskiego. Jest to 9
11 zapewne efektem większego zróżnicowania tego surowca uzyskiwanego z niewielkich stajni w ograniczonych ilościach. Jest to także obserwacja stawiająca pod znakiem zapytania zasadność suplementowania kompostu produkowanego jako podłoże zastępcze tym trudno dostępnym surowcem. Jednym z podstawowych założeń w przemysłowej produkcji kompostu powinna być powtarzalność jakościowa finalnego produktu - kompostu do uprawy pieczarek. Stosowanie obornika końskiego jako jedynie potencjalnie korzystnego dodatku utrudnia osiągnięcie tego podstawowego celu, nie niosąc jednocześnie spodziewanych korzyści w podniesionej produktywności podłoża. Gips Gips jest jednym z trzech podstawowych składników stosowanych przy formułowaniu receptury kompostu na potrzeby pieczarkarstwa. Wielu autorów jedynie wymienia ten składnik, nie przypisując mu bardzo znaczącej roli w procesie kompostowania i nazywając substratem dodatkowym, albo czynnikiem kondycjonującym (Demirer i in., 2005) mającym pomocnicze znaczenie w procesie kompostowania. Inni autorzy (Miller i in., 1991; Beyer i Beelman, 1995) uznają gips za kluczowy składnik kompostu. Autor niniejszej pracy skłania się zdecydowaniu ku tej drugiej opinii. Wprawdzie w badanym systemie produkcyjnym nie zaobserwowano bezpośredniego wpływu ilości użytego gipsu na plon pieczarek, to obserwowano jego znaczący pozytywny wpływ na kluczowe parametry procesu. Obserwowana liniowa zależność pomiędzy zawartością gipsu w mieszaninie surowców i potencjałem redox w Fazie I kompostowania wskazuje jednoznacznie na pozytywny wpływ gipsu na strukturę kompostu w mikroskali. Obserwowany spadek zawartości azotu amonowego stoi w pewnej sprzeczności z obserwacjami opisywanymi w innych pracach (Tubail i in., 2008), gdzie na skutek dodania gipsu zmniejszała się emisja amoniaku z pryzmy i zawartość azotu (w tym azotu amonowego) rosła. Było to wyjaśniane wpływem gipsu na obniżenie ph w pryzmie. W badanym systemie produkcyjnym gips dodawany był trzeciego dnia Fazy I i nie obserwowano spadku ph kompostu na skutek jego dodania. Zmniejszająca się zawartość azotu amonowego w kompoście po Fazie I jako efekt zwiększanej ilości gipsu w kompoście wiąże się w badanym systemie raczej z poprawą stosunków powietrzno-wodnych w pryzmie w wyniku aplikacji gipsu i lepszej wentylacji kompostu. Autor w innym artykule (Pudełko, 2014) szeroko dyskutuje znaczenie napowietrzania kompostu jako elementu wentylującego pryzmę i usuwającego obecne w pryzmie gazy (w tym amoniak), a nie tylko jako metodę dostarczenia do pryzmy tlenu. Obserwowana w badanym systemie produkcyjnym obniżona przewodność kompostu na skutek większej ilości gipsu potwierdza tę hipotezę i wskazuje na pierwszorzędne znaczenie gipsu dla utrzymania efektywnego ruchu powietrza w pryzmie Znaczenie czasu w kompostowaniu Termin układania pryzmy Przemysłowa produkcja pieczarek jest procesem czasochłonnym. Cały cykl produkcyjny - od wymieszania składników pryzmy kompostowej do zebrania pierwszych grzybów - zajmuje ok. 8 tygodni. Analizowano znaczenie terminu budowy pryzmy - a zatem, okresu w roku, w którym prowadzone było kompostowanie - na produktywność podłoża. Analiza wariancji wskazuje, że termin rozpoczęcia fermentacji ma istotne znaczenie dla jakości kompostu. Różnice pomiędzy miesiącami były istotne i sięgały 6% efektywności biologicznej podłoża. Najwyższy średni plon z suchej masy kompostu uzyskano na kompoście, którego produkcja rozpoczęła się w sierpniu (BE równa 73,77% s.m.), a zbiory pieczarek w 10
12 październiku. Najniższą średnią efektywność biologiczną miał kompost produkowany w marcu (68,35% ) i w maju (67,88%). Interesująco przedstawia się również spojrzenie na zmienność miesięczną BE oddzielnie w kolejnych latach. Obserwowano spadek wydajności kompostu przygotowywanego w miesiącach zimowych i wiosennych oraz wzrost efektywności biologicznej podłoża w końcu lata i w początkowych miesiącach jesiennych. Taka zmienność wynika z dwóch przyczyn. Wzrost efektywności biologicznej w sierpniu i we wrześniu, w porównaniu z miesiącami poprzedzającymi, wynika ze stosowania do produkcji kompostu świeżej, niesezonowanej słomy pochodzącej ze żniw w danym roku. Znaczący spadek wydajności kompostu w przeliczeniu na suchą masę obserwowany na podłożach produkowanych w miesiącach chłodnych (styczeń, luty, marzec) wynika z istotnie negatywnego wpływu niskiej temperatury powietrza otaczającego pryzmy w czasie Fazy I i wykorzystywanego do napowietrzania kompostu. W miesiącach zimowych większe partie kompostu poddawane są fermentacji w niższych temperaturach niż osiągane latem. Temperatura ma kluczowe znaczenie dla szybkości procesu kompostowania. Zimą proces rozpoczyna się wolniej (surowce mają niską temperaturę), natomiast w kolejnych dniach Fazy I rozkład materii organicznej jest szybszy niż latem (Derikx i in., 1990; Liang i in., 2003; Pudełko, 2014), ponieważ temperatura wewnątrz pryzm, na skutek wentylowania zimnym powietrzem jest niższa. Wniosek ten znajduje potwierdzenie w zmieniającej się w ciągu roku gęstości kompostu Fazy III. Najwyższą gęstość notowano dla partii, dla których faza I rozpoczynała się zimą. Najniższa efektywność biologiczna kompostu produkowanego w maju wynika zapewne z faktu, że w tym miesiącu zwykle używana jest najniższej jakości słoma. W schemacie gospodarki magazynowej na kompostowniach, zwykle w pierwszej kolejności po żniwach wykorzystywana jest słoma o najwyższej wilgotności, której przechowywanie jest niemożliwe lub niewskazane. W kolejnych miesiącach sucha i dobrej jakości słoma stanowi surowiec do produkcji. Jak wspomniano wcześniej, duże ilości słomy przechowywane są na otwartym terenie, a co za tym idzie, poddawane działaniu czynników atmosferycznych. W trakcie przechowywania opady sukcesywnie powodują wzrost wilgotności przechowywanej słomy, a wzrost temperatury powietrza w miesiącach późnej wiosny przyczynia się do przyspieszonego rozkładu mikrobiologicznego magazynowanych surowców. Wpływ długości faz procesu na plonowanie i jakość podłoża Długość trwania poszczególnych faz procesu może mieć istotny wpływ na końcową jakość i wydajność podłoża. Długość ta uzależniona jest od szeregu czynników, z których warto przede wszystkim wymienić temperaturę powietrza w początkowej części Fazy I, jakość słomy i wilgotność pryzmy po pierwszych namoczeniach. Istotne znaczenie może mieć także utrzymanie stałej wilgotności pryzmy w trakcie Fazy I, a także zastosowany schemat napowietrzania kompostu. Faza I W systemie produkcji kompostu stosowanym w Polsce, Faza I jest najdłuższym jego etapem, a jednocześnie prowadzonym w najsłabiej kontrolowanych warunkach. Elementy kontroli procesu w Fazie I sprowadzają się - oprócz możliwej korekty receptury kompostu (która ma miejsce formalnie jeszcze przed rozpoczęciem właściwej Fazy I) - jedynie do (1) kontroli i korekty wilgotności kompostu, (2) regulacji intensywności napowietrzania kompostu, (3) podgrzewania powietrza tłoczonego do pryzmy (możliwe jedynie w niewielkim zakresie i nie w każdym systemie), (4) częstotliwości mieszania i (5) czasu trwania Fazy I. 11
13 Analiza wariancji plonu w zależności od czasu trwania Fazy I wyraźnie wskazuje, że wydłużenie tego etapu produkcji negatywnie wpływa na produktywność kompostu. Kompost fermentowany 18 dni pozwalał osiągnąć BE aż o 7% niższą niż utrzymywany w Fazie I przez 14 dni. Wydłużenie fermentacji ponad 15 dni powodowało obniżenie efektywności biologicznej o 1% z każdym z dwóch kolejnych dni Ponieważ zaobserwowano interakcję ilości dni kompostowania z rokiem, w którym proces miał miejsce, przeprowadzono dodatkowo analizę z wykorzystaniem modelu z efektami mieszanymi, przyjmując rok, jako czynnik przypadkowy. Analiza kontrastów potwierdza generalny wniosek sformułowany na podstawie analizy wariancji. Przedłużenie fermentacji w fazie I prowadzi do wtórnego rozkładu biomasy pochodzącej z namnożonej w czasie pierwszych dni procesu flory mikrobiologicznej, co przejawiało się gwałtownym wzrostem azotu w formie amonowej w pryzmie. Przedłużone kompostowanie ma również znaczący wpływ na strukturę kompostu. Daleko posunięty rozkład materii organicznej powoduje, że kompost traci swoją strukturę i znacząco zwiększa się jego gęstość. W badanym systemie produkcyjnym różnice w gęstości kompostu były statystycznie istotne i znaczne. Podłoże wyprodukowane na bazie kompostu fermentowanego 13 dni miało gęstość 240,5 kg/m 3 w momencie zakończenia fazy III, podczas gdy substrat powstały z kompostu 18 dniowego aż 299,6 kg/m 3. Wzrost gęstości kompostu może prowadzić do utrudnionej dostępności tlenu i lokalnych procesów beztlenowych. Ponieważ kompostowanie jest procesem zasadniczo tlenowym, dostępność powietrza i jego przemieszczanie się w pryzmie w sposób zasadniczy wpływają na przebieg procesu (Wang i in., 2007). Faza II Faza II kompostowania prowadzona była, w odróżnieniu od Fazy I, w tunelach pasteryzacyjnych wyposażonych w urządzenia pozwalające na pełną kontrolę warunków procesu. Podstawowe parametry podlegające regulacji to: (1) temperatura powietrza, (2) temperatura kompostu, (3) zawartość tlenu w powietrzu tłoczonym, (4) intensywność napowietrzania, (5) ciśnienie powietrza, (6) wilgotność powietrza. W badanym systemie produkcyjnym faza ta zajmowała od 4 do 8 dni. Analiza kontrastów nie wykazała statystycznie istotnego wpływu nie tylko na biologiczną efektywność podłoża, ale także na żaden z istotnych parametrów kompostu. Faza III Ostatnim etapem produkcji kompostu jest Faza III. W tym etapie podłoże wyprodukowane w Fazie II usuwane jest z tunelu pasteryzacyjnego i wprowadzana jest do niego grzybnia pieczarki. W trakcie procesu kontrolowane są te same parametry, co w Fazie II, z tą różnicą, że proces prowadzony jest w temperaturze ok. 25 C, czyli w optymalnej dla rozwoju grzybni. Ten etap powinien trwać ok. 2 tygodni. W analizowanym systemie produkcyjnym Faza III trwała od 13 do 18 dni. Analiza wariancji w sposób jednoznaczny wskazuje, że im dłuższy czas trwania fazy III, tym efektywność biologiczna podłoża była wyższa. Warto zaznaczyć, że różnice w BE były nie tylko istotne statystycznie, ale także znaczące ekonomicznie i sięgały niemal 10% efektywności. Przerost trzynastodniowy pozwalał na uzyskanie średniej efektywności kompostu na poziomie 68,33%, podczas gdy Faza III prowadzona była przez 18 dni BE osiągała wartość 77,7%. Takie jednoznaczne wnioski znalazły również potwierdzenie w analizie kontrastów, uwzględniającej różnice w latach. Należy stwierdzić, że w analizach procesu kompostowania nie często zdarza się, aby wnioski były tak jednoznaczne jak w przypadku pozytywnego wpływu długości Fazy III na 12
14 plonowanie kompostu. Surowiec ten, ze swojej natury, jest mocno niejednorodny i zmienny w czasie. Wielu producentów podłoża stara się zmaksymalizować zyski skracając niektóre fazy kompostowania. Wykazane istotne znaczenie długości prowadzenia poszczególnych faz produkcji kompostu dla jego jakości i produktywności wskazuje, że przedłużanie Fazy I ponad niezbędne minimum wpływa niekorzystnie na wydajność podłoża, natomiast wydłużanie Fazy III ma jednoznacznie pozytywny wpływ na wysokość uzyskanego plonu pieczarek. Długość Fazy II nie miała w badanym systemie produkcyjnym istotnego znaczenia dla jakości podłoża. Ponieważ Fazy II i III prowadzone są w tych samych tunelach, ich bardziej efektywne wykorzystanie prowadzące do możliwie długiego przerostu pozwolić może na uzyskanie wyższej efektywności podłoża o 5-10% Parametry kompostu W pracy zgromadzono i przeanalizowano dane dotyczące 1974 partii kompostu obejmujące ponad punktów pomiarowych parametrów chemicznych i fizycznych. Podstawowe wskaźniki jakościowe kompostu analizowane po zakończeniu kolejnych faz produkcji nie odbiegały od przeciętnych dostępnych w literaturze dla tego typu surowców lub różniły się nieznacznie (Sharma i Kilpatrick, 2000; Van Griensven, 1988). Jedyną znaczącą różnicę w porównaniu z kompostami opisanymi przez innych autorów zaobserwowano w wartości przewodności elektrycznej. Sharma (2000) opisywał kompost FIII mający przewodność 2,49 ms/cm, podczas gdy w analizowanym tutaj podłożu była w przedziale 3,38-7,37 ms/cm. Wartość tego parametru była również wysoka w kompoście FII i FI. Takie różnice wynikają ze stosowania w polskich kompostowniach kurzaka w miejsce dominującego np. w Holandii obornika końskiego. W analizowanym systemie produkcyjnym również wartość ph była niższa niż w porównywanych podłożach. Sharma donosi o ph kompostu w przedziale 6,4-8,3 a w kompoście tutaj opisywanym ph FIII zawierało się w przedziale 5,7-6,7. Wydaje się, że wartości opisane przez innych autorów mogą wskazywać w niektórych przypadkach na słabo przygotowany kompost, ponieważ ph 8,3 jest raczej charakterystyczne dla FI - i takie też dla tego kompostu obserwowano w analizowanym systemie (7,6-8,6). Zawartość azotu całkowitego była stosunkowo wysoka (2,0% w FI i 2,5% w FIII), ale nie odbiegała od wartości dla kompostu opartego na oborniku kurzym (Van Griensven, 1988). Należy zwrócić uwagę na duże zróżnicowanie większości parametrów. Niektóre z nich mogą wynikać z opisanego wcześniej zróżnicowania jakościowego surowców (popiół, przewodność, materia organiczna i w pewnym zakresie również azot), inne sugerują nie zawsze wystarczającą kontrolę procesu. Tu na szczególną uwagę zasługuje duża różnica w wartościach minimalnych i maksymalnych potencjału oksydoredukcyjnego. Ten parametr jest wskaźnikiem stopnia napowietrzenia kompostu, a jego niskie wartości wskazują na deficyt tlenu w pryzmie (Miller, 1989; Pudełko, 2014). Z kolei niska wartość ph w kompoście Fazy III połączona z wysoką wartością ORP mogą być wskaźnikiem intensywnej kolonizacji kompostu przez grzybnię. Różnice pomiędzy wartościami maksymalnymi i minimalnymi tych parametrów wynikać mogą z różnego czasu Fazy III, ale także z różnic jakościowych kompostu jako podłoża dla pieczarek. 13
15 2.3.6 Modele predykcji plonu W obszarze związanym z produkcją podłoża do produkcji pieczarek próby opracowania modeli pozwalających oszacować potencjalny plon grzybów na podstawie parametrów kompostu były dotychczas podejmowane sporadycznie i opierały się głównie na danych uzyskanych z kompostowania i upraw prowadzonych w niewielkiej skali. W niniejszej pracy zaproponowano po raz pierwszy w literaturze światowej wykorzystanie metody random forest do analizy podłoża pieczarkowego i oceny jego potencjalnej produktywności na podstawie analizy parametrów produktu uzyskanego w kolejnych etapach całego procesu biotechnologicznego. Zakładano wykorzystanie podstawowych parametrów kompostu, które mogą być dostępne we wszystkich dużych kompostowniach w Polsce. Nie zakładano wykorzystania danych pomiarowych dla uzyskania których niezbędny jest zakup drogiej, specjalizowanej aparatury pomiarowej. Analizę możliwości predykcji jakości kompostu pod kątem uzyskiwanej z niego w trakcie uprawy pieczarek efektywności biologicznej (BE) oparto na parametrach kompostu i danych o plonie z dwóch rzutów uzyskanych w ciągu 4 lat ( ). Badania obejmowały 1024 partie kompostu wyprodukowane w tym czasie. Wśród narzędzi obliczeniowych stosowanych w naukach biologicznych, uczenie maszynowe (ang. machine learning) jest jednym z kluczowych elementów. Zwłaszcza metody uczenia nadzorowanego pozwalają na budowę efektywnych modeli predykcyjnych opartych na danych empirycznych, dlatego szczególnie dobrze nadają się do wykorzystania informacji dotyczących złożonych systemów biologicznych. Metody uczenia maszynowego są bardzo często wykorzystywane do analizy wielkiej ilości danych pochodzących z różnego typu układów biologicznych. Szczególnie szerokie zastosowanie znajdują w biologii molekularnej, ekologii i rolnictwie (Hassan i in., 2013; Debeljak i in., 2007; Cutler i in., 2007; Wolf i in., 2011). W tych obszarach najszersze zastosowanie i najlepsze rezultaty predykcyjne osiągane są dzięki zastosowaniu metody lasów losowych (ang. random forest, RF) z uwagi na jej dokładność, elastyczność łatwość zastosowania i, co równie ważne, interpretowalność (Geurts i in., 2009) Wykorzystanie modeli statystycznych do przewidywania plonu pieczarek Predykcja jakości kompostu po zakończeniu fazy I Próby skonstruowania wartościowego modelu opartego jedynie na danych o składzie mieszaniny surowców zakończyły się niepowodzeniem. Niezależnie od zastosowanej metody statystycznej, takie modele były w stanie objaśnić jedynie bardzo niewielką część wariancji (poniżej 20 %). Taki rezultat wskazuje na to, że mieszanina składników - jakkolwiek mająca znaczenie dla jakości kompostu, co dyskutowano w poprzednich częściach niniejszej pracy - nie jest czynnikiem wprost determinującym produktywność podłoża. Potwierdza to również konieczność produkcji podłoża do uprawy pieczarek na drodze biotechnologicznego przetworzenia surowców, a nie tylko prostego ich wymieszania. Modele oparte na danych dostępnych po Fazie I wykazywały zróżnicowaną zdolność predykcyjną i różne dopasowanie szacowanych wartości biologcznej efektywności kompostu do rzeczywiście odnotowanej wydajności uprawy. Modele oparte na wiolorakiej regresji liniowej bez interakcji i z interakcją były słabej jakości (r 2 = 0,34 i 0,35), podobnie jak model przygotowany z zastosowaniem metody GAM (r 2 =0,42). Rozkład wartości przewidywanych na podstawie tych modeli wskazuje, że mają one wyraźną tendencję do przeszacowania BE 14
16 dla kompostów niskiej jakości i do niedoszacowania partii podłoża, które w rzeczywistości plonowały bardzo dobrze. Wyraźnie lepszą jakość dopasowania uzyskano przy zastosowaniu modelu opartego na lasach losowych. Współczynnik dopasowania r 2 =0,62 wskazuje na dość dobrą jakość predykcji. To, oraz zdecydowanie lepszy rozkład punktów reprezentujących dane empiryczne wokół krzywej z modelu świadczy o potencjalnej przydatności RF do analizy jakości kompostu już na tej dość wczesnej fazie produkcji. Interesujące jest, że wyraźnie lepsza jakość dopasowania modelu rf.f1 możliwa była przy wykorzystaniu znacznie mniejszej liczby predyktorów niż w pozostałych modelach. Predykcja jakości kompostu po zakończeniu Fazy II kompostowania Dodanie do puli dostępnych zmiennych parametrów kompostu po zakończonej Fazie II nie podniosło w sposób znaczący jakości żadnego z modeli, za wyjątkiem nieco lepszego dopasowania modelu GAM (r 2 =0,51 wobec 0,42 dla gam.f1). Obserwacje te wskazują na to, że jakość kompostu jako podłoża do produkcji pieczarek kształtowana jest raczej w wyniku procesów transformacji materii organicznej mającej miejsce w Fazie I kompostowania. Faza II, mimo, że niezbędna dla wykształcenia selektywności podłoża stanowi jednak swego rodzaju uzupełnienie - lub jak formułują to niektórzy - kontynuację Fazy I (Gerrits i in., 1967). Jest to o tyle zaskakujące, że w trakcie tych dwóch faz produkcji w masie kompostu panują zupełnie różne warunki. Predykcja jakości kompostu po zakończeniu Fazy III kompostowania W przyjętej metodzie oceny siły predykcyjnej poszczególnych zmiennych dostarczanych w wyniku postępującego przekształcania surowców w pełnowartościowe podłoże do produkcji pieczarek widać, że parametry jakościowe podłoża Fazy III, czyli gotowego do napełniania półek w halach uprawy grzybów mają ścisły związek z możliwym do uzyskania plonem. Niezależnie od zastosowanego modelu przewidywania przyszłych plonów, wszystkie modele mają dość podobny współczynnik dopasowania (r 2 =0,6 ± 0,05). Bliższa analiza rozkładu danych empirycznych o plonie wokół krzywych z modeli wskazuje, że również w tym przypadku model random forest (rf.f3) wydaje się być najlepszym narzędziem wskazującym na potencjał plonotwórczy kompostu. Dodatkowo na korzyść tej metody analitycznej świadczy struktura przedstawionych liniowych modeli regresyjnych i modelu addytywnego. Model liniowy bez interakcji został przygotowany z wykorzystaniem 16 różnych zmiennych, model liniowy z interakcjami 14 zmiennych i 5 interakcji a model GAM 19 zmiennych dopasowanych lokalnie i 2 liniowych. Ta nadmierna liczba zmiennych koniecznych dla dopasowania tych modeli staje się jeszcze bardziej wyraźna, gdy zestawić ją z jedynie siedmioma zmiennymi potrzebnymi dla lepszego dopasowania możliwego z wykorzystaniem metody lasów losowych. Przewidywanie potencjalnej produktywności kompostu po jego załadunku na hale uprawowe Jak wykazano we wcześniejszej części niniejszej pracy, istnieje istotny statystycznie związek pomiędzy ilością suchej masy kompostu użytego do produkcji grzybów, a uzyskaną z takiego podłoża efektywnością biologiczną. Można stwierdzić więc, że sposób umieszczenia kompostu - jego ilość na m 2 i gęstość (kg/m 3 ) - na halach uprawowych są ostatnimi elementami przygotowania podłoża do uprawy. Rozszerzenie zestawu zmiennych dostępnych po zakończonej produkcji podłoża o informacje dotyczące załadunku (s.m i gęstość) w sposób bardzo znaczący poprawiło 15
17 siłę predykcyjną modelu RF, podczas gdy nie miało praktycznie wpływu na jakość przewidywania plonu przy zastosowaniu trzech pozostałych modeli. Jeśli wziąć pod uwagę zmienną naturę kompostu i dużą liczbę analizowanych przypadków (1024 partie podłoża), należy stwierdzić, że uzyskany dla modelu RF współczynnik dopasowania r 2 =0,81 jest bardzo wysoki i świadczy o tym, że takie podejście analityczne może być stosowane dla przewidywania plonów pieczarek możliwych do uzyskania z partii kompostu o określonych (i znanych) parametrach. Co warte podkreślenia, w jedynych podobnego typu badaniach nad możliwością przewidywania plonu pieczarek na podstawie parametrów jakościowych Sharma (2005) uzyskał bardzo podobny poziom dopasowania swojego modelu do danych empirycznych (r 2 =0,84), ale w swoich pracach korzystał z analizy kompostu w bliskiej podczerwieni. Ta metoda analityczna ma oczywiście szereg zalet, ale jest stosunkowo droga i nie jest stosowana standardowo w zakładach produkujących kompost na potrzeby pieczarkarstwa. Parametry jakościowe kompostu wykorzystane w niniejszej pracy dostępne są w większości średnich i we wszystkich dużych komopostowniach w Polsce. Porównanie jakości dopasowania omówionych modeli i praktycznie taka sama jakość dopasowania modeli RF przygotowanych na podstawie danych z Faz I-III wskazuje na kluczową rolę Fazy I kompostowania dla jakości podłoża. Sugeruje także przydatność tej metody do oceny jakości kompostu już w Fazie I procesu. Jest to o tyle istotne, że może stanowić wartościowe narzędzie identyfikacji partii kompostu nie w pełni optymalnych i wymagających większej uwagi na kolejnych etapach produkcji Interpretacja modeli random forest Wybór najważniejszych parametrów kompostu W przedstawionej tutaj próbie oceny jakości kompostu na podstawie dostępnych parametrów wykorzystano początkowo 34 różne zmienne dostępne na różnych etapach produkcji podłoża. Wprawdzie prezentowane w pracy modele liniowe i GAM zawierały znaczną liczbę spośród tych 34 parametrów i były one w modelach istotne statystycznie, ale predykcja możliwa do uzyskania przy ich pomocy była nie najwyższej jakości. Natomiast modele oparte na lasach losowych wykorzystywały znacznie mniejszą liczbę dostępnych zmiennych ale ich siła predykcyjna była wyraźnie większa. Można postawić tezę, że te ze zmiennych są najważniejsze dla jakości produktu, które pozwalają najlepiej tę jakość przewidzieć. W przypadku wykorzystania metody nieparametrycznej, jaką są RF nie ma możliwości obliczenia granicznego poziomu istotności (p-wartości). Dla oceny istotności zmiennej w modelu służy wskaźnik VIMP (Variable importance), opracowany pierwotnie dla drzew decyzyjnych (Breiman i in., 1984). Wszystkie cztery opracowane modele RF oparte były na stosunkowo niewielkiej liczbie zmiennych. Usunięcie któregokolwiek z predyktorów powodowało zwiększenie błędu modelu, natomiast dodanie kolejnych z dostępnych parametrów kompostu albo nie poprawiało jakości predykcji, albo wręcz wpływało negatywnie na wartość r 2. Analiza VIMP sugeruje, że parametrami kompostu najbardziej istotnymi dla jego potencjału plonotwórczego są azot amonowy i azot całkowity, przewodność, popiół i w mniejszym zakresie wilgotność kompostu. Zawartość popiołu w kompoście Fazy III jest ściśle związana ze stopniem rozkładu materii organicznej - czyli tzw. stopniem fermentacji i dlatego dołączenie do modelu informacji o gęstości kompostu (Model rf.sm) obniża istotność wartości popiołu w porównaniu z Modelem rf.f3. 16
18 2.3.9 Bezpośredni wpływ parametrów kompostu na jego jakość Wybór istotnych dla jakości predykcji zmiennych umożliwił dalszą analizę znaczenia poszczególnych parametrów dla potencjału kompostu. W analizie RF nie można oczywiście uzyskać dostępu do współczynników regresji (ponieważ dla każdej grupy końcowej - node - regresja ma inną, najlepiej dopasowaną postać), ale możliwe jest badanie wpływu poszczególnych zmiennych na kształtowanie wartości końcowej regresji. Wzrost przewodności elektrycznej w kompoście miał jednoznacznie negatywny wpływ na jakość kompostu. Jedynie w skrajnym niskim zakresie 3-4 ms/cm wpływ ten nie był zauważalny. Znaczący spadek produktywności podłoża po przekroczeniu granicznej wartości 4 ms/cm oraz fakt, że kompost uzyskiwany w badanym systemie produkcyjnym charakteryzował się bardzo wysoką w porównaniu z opisywanymi przez innych autorów (Sharma i Kilpatrick, 2000) wartością tego parametru wskazuje na istotny element całego procesu, który powinien zostać zoptymalizowany. Zaobserwowano również wpływ zawartości azotu całkowitego w kompoście na zwiększającą się wartość przewodności oraz ujemną interakcję przewodności z azotem na jakość kompostu. Wraz ze wzrostem przewodności wyższa zawartość azotu zdecydowanie bardziej negatywnie wpływała na uzyskaną efektywność biologiczną kompostu. W badanym systemie wystąpiła także silna zależność przewodności od zawartości azotu amonowego (NH + 4 ) w kompoście Fazy I. Wcześniej zauważono (Pudełko, 2014), że wzrost przewodności elektrycznej w kompoście skorelowany jest z niewystarczającą wentylacją (napowietrzaniem) pryzmy, co powoduje kumulację amoniaku (NH 3 ), szybszy rozkład materii organicznej w warunkach późniejszego zwiększonego napowietrzania lub mieszania kompostu. Wyższa zawartość NH 3 na wczesnych etapach fermentacji wiąże się bezpośrednio z wyższą zawartością azotu w formie NH 4 w końcowej części Fazy I, gdy ph w pryzmie obniża się. Takie wyjaśnienie współzależności omawianych parametrów kompostu znajduje potwierdzenie również w niniejszej pracy w części dotyczącej analizowanego modelu rf.f1. O tym, że produkcja kompostu jest procesem wymagającym precyzyjnej kontroli warunków, w których przebiega, świadczy również zestawienie znaczenia wilgotności na plon z omawianym wcześniej wpływem azotu amonowego i amoniaku. W pracy zaobserwowano wyraźny pozytywny wpływ wzrastającej wilgotności kompostu FIII na plon pieczarek. Uzyskanie kompostu o dobrej wilgotności w FIII wymaga prowadzenia procesu w FI również w warunkach wysokiej zawartości wody w pryzmie. To z kolei negatywnie wpływa na procesy związane z napowietrzaniem i wentylacją kompostu (Pudełko, 2014) Reguły klasyfikacyjne jakości kompostu Parametry jakościowe kompostu są trudne do jednoznacznego określenia. Szereg z czynników wpływających na produktywność podłoża wchodzi ze sobą we wzajemne interakcje oddziałując na końcową jakość w różny sposób w zależności od innych zmiennych również kształtujących warunki panujące w pryzmie (Straatsma i in., 2000). Stosunkowo wysoka jakość uzyskanej predykcji jakości kompostu prezentowana w niniejszej pracy sugeruje, że zastosowany model przewidywania uwzględnia również takie interakcje wykorzystanych zmiennych. W ostatnim czasie (Deng, 2014) opracowane zostały metody ekstrakcji informacji dotyczących relacji pomiędzy zmiennymi w modelach lasów losowych. Dostęp do tego rodzaju informacji dotyczących czynników wpływających na ocenę jakości kompostu może być przydatny dla lepszego zrozumienia procesów zachodzących podczas procesu wytwarzania podłoża i 17
19 bardziej trafnego podejmowania decyzji technologicznych. Ponieważ prezentowane w niniejszej pracy analizy oparte były na regresyjnych lasach losowych, przedstawienie reguł szacowania efektywności biologicznej kompostu w formie czysto liczbowej mogłoby być mało czytelne i trudne do późniejszego zastosowania. Dlatego post hoc podzielono badaną populację przypadków na trzy możliwie równo liczne grupy na podstawie rzeczywistego plonu (BE) uzyskanego z danej partii podłoża i dla tych trzech grup (L1=341 przypadków, L2=344, L3=339) wydzielono z modelu reguły klasyfikacyjne. Kategoria L1 obejmowała partie kompostu, w których zanotowano plon poniżej 69,72% BE, kategoria L2 pomiędzy 69,73 i 73,42% BE, natomiast kategoria L3 (kompost najlepszy) obejmowała partie dające BE powyżej 73,51%. Warto zauważyć, że wśród 71 reguł wskazanych łącznie z 4 modeli RF, jedynie dwie z nich dotyczą pojedynczego parametru. Wszystkie pozostałe pozwalają zaklasyfikować kompost do jednej z 3 kategorii jakościowych i oszacować plon pieczarek bazując na interakcji 2-5 czynników. Wydaje się, że możliwość dokonania wiarygodnej oceny potencjalnej jakości kompostu może mieć istotne znaczenie dla właściwego prowadzenia procesu produkcji i wprowadzania odpowiednich korekt procesu zwłaszcza wówczas, gdy istnieje podejrzenie, że dana partia może nie spełniać oczekiwań odbiorców. Jedną z takich możliwości poprawiających jakość podłoża może być dyskutowane w niniejszej pracy przedłużenie czasu trwania fazy III, czyli stworzenie warunków dla pełnej kolonizacji podłoża przez grzybnię wprowadzoną do kompostu, który nie jest optymalnej jakości. Trafna ocena dokonana już po załadunku podłoża na hale uprawowe może z kolei posłużyć jako jedna z przesłanek pozwalających dobrze zaplanować i właściwie wykorzystać takie zabiegi uprawowe jak podlewanie uprawy, czy regulacja temperatury na hali pieczarkarni. 2.4 Podsumowanie 1. Ilość podłoża na jednostkę powierzchni użytego do produkcji ma istotne znaczenie dla plonowania uprawy, ale ma także określone skutki ekonomiczne. Zwiększanie ilości podłoża w przeliczeniu na powierzchnię uprawy prowadzi do zwiększenia masy grzybów uzyskanych z tej powierzchni, ale prowadzi także do obniżonej efektywności wykorzystania zasobów podłoża, prowadząc tym samym do podniesienia kosztów jednostkowej produkcji grzybów. 2. Oszacowano, że 31 kg suchej masy kompostu na 1 m 2 uprawy jest ilością optymalną równoważącą wysokość możliwych do uzyskania plonów i wykorzystania wartości podłoża. Wykazano także, że plon pierwszego rzutu grzybów zależy w dużym stopniu od początkowej jakości kompostu, podczas, gdy wysokość II rzutu, który stanowi ok. 40% całego plonu jest w istotny sposób kształtowana przez sposób prowadzenia uprawy, a w mniejszym stopniu przez jakość kompostu. 3. Po raz pierwszy w literaturze światowej porównano przydatność słomy pszenżytniej, żytniej i pszennej do produkcji kompostu pieczarkowego w skali przemysłowej. Przedstawione wyniki wskazują, że te trzy rodzaje powszechnie dostępnej w Polsce słomy nadają się jako surowiec do produkcji kompostu, natomiast rodzaj użytej słomy ma istotne znaczenie dla wydajności kompostu. Najwyższą efektywność podłoża uzyskano wówczas, gdy do jego produkcji wykorzystano wyłącznie słomę żytnią a najniższą na kompoście wyprodukowanym ze słomy pszennej. Mieszanka słomy 18
20 żytniej z pszenżytnią pozwalała uzyskać wyższą wydajność kompostu niż podłoża wyprodukowane z udziałem słomy pszennej. 4. Z powodu różnic w strukturze słomy różnych gatunków zbóż i ich przydatności do przechowywania znaczenie ma również kolejność wykorzystania w ciągu roku zgromadzonych zasobów tego surowca. 5. Jakość i ilość użytego do produkcji kompostu obornika kurzego ma istotny wpływ na większość podstawowych parametrów jakościowych podłoża do produkcji pieczarek i przebieg procesu kompostowania. 6. Nie wykazano istotnie korzystnego wpływu, stosowanego niekiedy w polskich kompostowniach, dodatku obornika końskiego jako surowca dodatkowego, natomiast jego zastosowanie wpływało na zwiększenie zróżnicowania jakościowego podłoża, a więc przynosiło skutek niekorzystny z punkty widzenia przemysłowej produkcji pieczarek. 7. Gips jest ważnym składnikiem kompostu w sposób istotny wpływającym na istotne parametry kompostu. 8. Wykazano znaczenie terminu produkcji kompostu dla jego jakości jako podłoża do uprawy pieczarek. Stabilnie najwyższą jakość kompostu obserwowano w uprawach prowadzonych na podłożach wyprodukowanych w miesiącach letnich i jesiennych. 9. Wykazano istotne znaczenie długości prowadzenia poszczególnych faz produkcji kompostu dla jego jakości i produktywności. Przedłużanie Fazy I ponad niezbędne minimum wpływa niekorzystnie na wydajność podłoża, natomiast wydłużanie Fazy III ma jednoznacznie pozytywny wpływ na wysokość uzyskanego plonu pieczarek. Długość Fazy II nie miała w badanym systemie produkcyjnym istotnego znaczenia dla jakości podłoża. Ponieważ Fazy II i III prowadzone są w tych samych tunelach ich bardziej efektywne wykorzystanie prowadzące do możliwie długiego przerostu pozwolić może na uzyskanie wyższej efektywności podłoża o znaczące ekonomicznie 5-10%. 10. W pracy przedstawiono pochodzące z prawie 2000 partii dane dotyczące 34 podstawowych parametrów jakościowych podłoża. Wykazano istotne korelacje pomiędzy poszczególnymi parametrami i ich wpływ na plonowanie pieczarek rozpatrywanych pojedynczo oraz w istotnych interakcjach z innymi parametrami. 11. Wysoka przewodność elektryczna kompostu i wysoka zawartość azotu na wszystkich etapach kompostowania są kluczowymi parametrami ograniczającymi biologiczną efektywność podłoża. Wskazano także na bardzo istotne znaczenie amoniaku i azotu amonowego w Fazie I kompostowania dla końcowej jakości substratu. 12. Opracowano wiarygodny system oceny potencjału plonotwórczego kompostu i przewidywania plonu pieczarek możliwego do uzyskania z danej partii kompostu. 13. Zaproponowano po raz pierwszy w literaturze światowej wykorzystanie metody random forest do analizy podłoża pieczarkowego. Pozwoliło to na powiązanie plonu z podstawowymi parametrami kompostu i wyjaśnienie 62% jego obserwowanej zmienności w oparciu o dane pochodzące już z wczesnego etapu produkcji kompostu (po zakończeni Fazy I) i aż 81% zmienności plonu z wykorzystaniem danych po zakończeniu procesu produkcji i załadunku hal uprawowych w pieczarkarni. 19
Produkcja kompostu. konrtola i zapewnianie jakości. Krzysztof Pudełko
Produkcja kompostu konrtola i zapewnianie jakości Krzysztof Pudełko Piła, 1 lutego 2007 Lokalizacja Kompostownia Co zostało zrobione? Dlaczego zostało zrobione? Zwiększenie produkcji kompostu Możliwość
Wpływ dodatku biowęgla na emisje w procesie kompostowania odpadów organicznych
BIOWĘGIEL W POLSCE: nauka, technologia, biznes 2016 Serock, 30-31 maja 2016 Wpływ dodatku biowęgla na emisje w procesie kompostowania odpadów organicznych dr hab. inż. Jacek Dach, prof. nadzw.* dr inż.
RYNEK WYBRANYCH NARZĘDZI I MASZYN ROLNICZYCH DO PRODUKCJI ROŚLINNEJ W POLSCE W LATACH
Problemy Inżynierii Rolniczej nr 1/2009 Czesław Waszkiewicz Katedra Maszyn Rolniczych i Leśnych Szkoła Główna Gospodarstwa Wiejskiego w Warszawie RYNEK WYBRANYCH NARZĘDZI I MASZYN ROLNICZYCH DO PRODUKCJI
PAWEŁ SZOŁTYSEK WYDZIAŁ NAUK EKONOMICZNYCH
PROGNOZA WIELKOŚCI ZUŻYCIA CIEPŁA DOSTARCZANEGO PRZEZ FIRMĘ FORTUM DLA CELÓW CENTRALNEGO OGRZEWANIA W ROKU 2013 DLA BUDYNKÓW WSPÓLNOTY MIESZKANIOWEJ PRZY UL. GAJOWEJ 14-16, 20-24 WE WROCŁAWIU PAWEŁ SZOŁTYSEK
Analiza wydajności pracy w rolnictwie zachodniopomorskim
Jacek Batóg Barbara Batóg Uniwersytet Szczeciński Analiza wydajności pracy w rolnictwie zachodniopomorskim Znaczenie poziomu i dynamiki wydajności pracy odgrywa znaczącą rolę w kształtowaniu wzrostu gospodarczego
Materiał siewny napędza tryby rolnictwa
https://www. Materiał siewny napędza tryby rolnictwa Autor: Anna Klimecka Data: 2 sierpnia 2016 Wyróżnia ich wysoka jakość materiału siewnego i przystępne ceny produktów. Wciąż testują nowe odmiany, zajmują
1. Udział dochodów z działalności rolniczej w dochodach gospodarstw domowych z użytkownikiem gospodarstwa rolnego w 2002 r.
1 UWAGI ANALITYCZNE 1. Udział dochodów z działalności rolniczej w dochodach gospodarstw domowych z użytkownikiem gospodarstwa rolnego w 2002 r. W maju 2002 r. w województwie łódzkim było 209,4 tys. gospodarstw
Wielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) 6 2 4 5,5 6,6
Zad. 1. Zbadano wydajność odmiany pomidorów na 100 poletkach doświadczalnych. W wyniku przeliczeń otrzymano przeciętną wydajność na w tonach na hektar x=30 i s 2 x =7. Przyjmując, że rozkład plonów pomidora
3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA. dr inż. Aleksander Astel
ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA dr inż. Aleksander Astel Gdańsk, 22.12.2004 CHEMOMETRIA dziedzina nauki i techniki zajmująca się wydobywaniem użytecznej informacji z wielowymiarowych
Statystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30
Statystyka Wykład 13 Magdalena Alama-Bućko 12 czerwca 2017 Magdalena Alama-Bućko Statystyka 12 czerwca 2017 1 / 30 Co wpływa na zmiany wartości danej cechy w czasie? W najbardziej ogólnym przypadku, na
Potencjał metanowy wybranych substratów
Nowatorska produkcja energii w biogazowni poprzez utylizację pomiotu drobiowego z zamianą substratu roślinnego na algi Potencjał metanowy wybranych substratów Monika Suchowska-Kisielewicz, Zofia Sadecka
Trendy w robotyzacji przemysłu w Polsce i na świecie.
Trendy w robotyzacji przemysłu w Polsce i na świecie. Potrzeby rozwojowe światowego przemysłu powodują, że globalny popyt na roboty przemysłowe odznacza się tendencją wzrostową. W związku z tym, dynamiczny
Przemysł cementowy w Polsce
Przemysł cementowy w Polsce Przemysł cementowy w Polsce, pod względem wielkości produkcji znajduje się na siódmym miejscu wśród europejskich producentów cementu. Głęboka modernizacja techniczna, jaka miała
Zawartość składników pokarmowych w roślinach
Zawartość składników pokarmowych w roślinach Poszczególne rośliny różnią się zawartością składników pokarmowych zarówno w organach wegetatywnych, jak i generatywnych. Wynika to z różnych funkcji, jakie
Ekonometryczna analiza popytu na wodę
Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.
URZĄD STATYSTYCZNY W WARSZAWIE ul. 1 Sierpnia 21, Warszawa PRODUKT KRAJOWY BRUTTO W WOJEWÓDZTWIE MAZOWIECKIM W LATACH
URZĄD STATYSTYCZNY W WARSZAWIE ul. 1 Sierpnia 21, 02-134 Warszawa Informacja sygnalna Data opracowania 20.12.2017 r. Kontakt: e-mail: sekretariatuswaw@stat.gov.pl tel. 22 464 23 15 faks 22 846 76 67 Internet:
Zagospodarowanie pofermentu z biogazowni rolniczej
Zagospodarowanie pofermentu z biogazowni rolniczej ERANET: SE Bioemethane. Small but efficient Cost and Energy Efficient Biomethane Production. Biogazownie mogą być zarówno źródłem energii odnawialnej
Sonochemia. Schemat 1. Strefy reakcji. Rodzaje efektów sonochemicznych. Oscylujący pęcherzyk gazu. Woda w stanie nadkrytycznym?
Schemat 1 Strefy reakcji Rodzaje efektów sonochemicznych Oscylujący pęcherzyk gazu Woda w stanie nadkrytycznym? Roztwór Znaczne gradienty ciśnienia Duże siły hydrodynamiczne Efekty mechanochemiczne Reakcje
Modele i narzędzia optymalizacji w systemach informatycznych zarządzania
Przedmiot: Nr ćwiczenia: 3 Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Temat: Programowanie dynamiczne Cel ćwiczenia: Formułowanie i rozwiązywanie problemów optymalizacyjnych
RECYKLING ODPADÓW ZIELONYCH. Grzegorz Pilarski BEST-EKO Sp. z o.o.
RECYKLING ODPADÓW ZIELONYCH Grzegorz Pilarski BEST-EKO Sp. z o.o. BEST-EKO Sp. z o.o. jest eksploatatorem oczyszczalni ścieków Boguszowice w Rybniku przy ul. Rycerskiej 101, na której znajduje się instalacja
Badania rachunkowości rolnej gospodarstw rolnych
Pomorskie gospodarstwa rolne w latach 2004-2012 na podstawie badań PL FADN Daniel Roszak Badania rachunkowości rolnej gospodarstw rolnych w ramach systemu PL FADN umożliwiają wgląd w sytuację produkcyjno-finansową
w badaniach rolniczych na pszenicy ozimej w Polsce w latach 2007/2008 (badania rejestracyjne, IUNG Puławy)
Nano-Gro w badaniach rolniczych na pszenicy ozimej w Polsce w latach 2007/2008 (badania rejestracyjne, IUNG Puławy) Importowany ze Stanów Zjednoczonych na rynek polski w 2007 r. innowacyjny stymulator
ZMIANY KOSZTÓW PRACY W GOSPODARCE NARODOWEJ POLSKI W ŚWIETLE PRZEPŁYWÓW MIĘDZYGAŁĘZIOWYCH W LATACH 1995 2005
TOMASZ KUJACZYŃSKI ZMIANY KOSZTÓW PRACY W GOSPODARCE NARODOWEJ POLSKI W ŚWIETLE PRZEPŁYWÓW MIĘDZYGAŁĘZIOWYCH W LATACH 1995 2005 Streszczenie: W artykule omówiono zmiany kosztów pracy zachodzące w gospodarce
Skraplanie czynnika chłodniczego R404A w obecności gazu inertnego. Autor: Tadeusz BOHDAL, Henryk CHARUN, Robert MATYSKO Środa, 06 Czerwiec :42
Przeprowadzono badania eksperymentalne procesu skraplania czynnika chłodniczego R404A w kanale rurowym w obecności gazu inertnego powietrza. Wykazano negatywny wpływ zawartości powietrza w skraplaczu na
Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym
Jacek Batóg Uniwersytet Szczeciński Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym Warunki działania przedsiębiorstw oraz uzyskiwane przez
Ekonomiczne, ekologiczne i technologiczne aspekty stosowania domieszek do betonu. prof. dr hab. inż. Jacek Gołaszewski
Ekonomiczne, ekologiczne i technologiczne aspekty stosowania domieszek do betonu prof. dr hab. inż. Jacek Gołaszewski Definicja domieszek do betonu Domieszki substancje chemiczne dodawane podczas wykonywania
PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Rolnictwo ekologiczne z korzyścią dla środowiska i człowieka. Realizacja PROW - korzyści i bariery. Anna Kuczuk, OODR Łosiów
Anna Kuczuk, OODR Łosiów Rolnictwo stanowi jedną z najważniejszych gałęzi gospodarki niemal każdego kraju, pełniąc istotne funkcje natury ekonomicznej, społecznej i środowiskowej. Gleba, woda, powietrze
Wilgotność gleby podczas zabiegów agrotechnicznych
https://www. Wilgotność gleby podczas zabiegów agrotechnicznych Autor: dr hab. inż. Krzysztof Pieczarka Data: 5 stycznia 2018 Duża ilość opadów minionej jesieni sprawiła, że wykonanie niektórych zabiegów
Wyniki pomiarów jakości powietrza prowadzonych metodą pasywną w Kolonowskiem w 2014 roku
WOJEWÓDZKI INSPEKTORAT OCHRONY ŚRODOWISKA W OPOLU Wyniki pomiarów jakości powietrza prowadzonych metodą pasywną w Kolonowskiem w 2014 roku Opole, luty 2015 r. 1. Podstawy formalne Niniejsze opracowanie
1. Analiza wskaźnikowa... 3 1.1. Wskaźniki szczegółowe... 3 1.2. Wskaźniki syntetyczne... 53 1.2.1.
Spis treści 1. Analiza wskaźnikowa... 3 1.1. Wskaźniki szczegółowe... 3 1.2. Wskaźniki syntetyczne... 53 1.2.1. Zastosowana metodologia rangowania obiektów wielocechowych... 53 1.2.2. Potencjał innowacyjny
Publiczna Szkoła Podstawowa nr 14 w Opolu. Edukacyjna Wartość Dodana
Publiczna Szkoła Podstawowa nr 14 w Opolu Edukacyjna Wartość Dodana rok szkolny 2014/2015 Edukacyjna Wartość Dodana (EWD) jest miarą efektywności nauczania dla szkoły i uczniów, którzy do danej placówki
Regresja i Korelacja
Regresja i Korelacja Regresja i Korelacja W przyrodzie często obserwujemy związek między kilkoma cechami, np.: drzewa grubsze są z reguły wyższe, drewno iglaste o węższych słojach ma większą gęstość, impregnowane
Uprawa roślin energetycznych w Grupie Dalkia Polska. Krzysztof Buczek Dalkia Polska Piotr Legat Praterm
Uprawa roślin energetycznych w Grupie Dalkia Polska Krzysztof Buczek Dalkia Polska Piotr Legat Praterm Grupa Dalkia Polska Zainstalowana moc cieplna Zainstalowana moc elektryczna 4 980 MW 782 MW Produkcja
Badania nad zastosowaniem kondycjonowania spalin do obniżenia emisji pyłu z Huty Katowice S.A w Dąbrowie Górniczej
Dr inż. Marian Mazur Akademia Górniczo Hutnicza mgr inż. Bogdan Żurek Huta Katowice S.A w Dąbrowie Górniczej Badania nad zastosowaniem kondycjonowania spalin do obniżenia emisji pyłu z Huty Katowice S.A
1. Konkurs jest prowadzony w dwóch kategoriach: granty doktorskie,
Konkurs grantów doktorskich i habilitacyjnych w roku 2015 na Wydziale Inżynierii Kształtowania Środowiska i Geodezji Uniwersytetu Przyrodniczego we Wrocławiu finansowanych z dotacji celowej na prowadzenie
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Kiszonka z sorga, czyli jaka pasza?
https://www. Kiszonka z sorga, czyli jaka pasza? Autor: dr inż. Barbara Król Data: 14 czerwca 2016 Kiszonka z sorga charakteryzuje się wyższą zawartością białka surowego, włókna surowego, ligniny i związków
Walidacja metod analitycznych Raport z walidacji
Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących
Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym
POLITECHNIKA WARSZAWSKA Instytut Technik Wytwarzania Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym Marcin Perzyk Dlaczego eksploracja danych?
Zalety uprawy truskawki na perlicie Paweł Nicia Katedra Gleboznawstwa i Ochrony Gleb Uniwersytet Rolniczy im. H. Kołłątaja w Krakowie
Zalety uprawy truskawki na perlicie Paweł Nicia Katedra Gleboznawstwa i Ochrony Gleb Uniwersytet Rolniczy im. H. Kołłątaja w Krakowie Opracowano na podstawie: - wyników doświadczeń polowych prowadzonych
Standardyzacja ocen substratów oraz zasady doboru składu mieszanin dla biogazowni rolniczych z uwzględnieniem oddziaływao inhibicyjnych.
w Falentach Oddział w Poznaniu ul. Biskupioska 67 60-461 Poznao Standardyzacja ocen substratów oraz zasady doboru składu mieszanin dla biogazowni rolniczych z uwzględnieniem oddziaływao inhibicyjnych.
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
METODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Statystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją
Etapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym
Jacek Batóg Uniwersytet Szczeciński Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym Jednym z ważniejszych elementów każdej gospodarki jest system bankowy. Znaczenie
Prognoza terminu sadzenia rozsady sałaty w uprawach szklarniowych. Janusz Górczyński, Jolanta Kobryń, Wojciech Zieliński
Prognoza terminu sadzenia rozsady sałaty w uprawach szklarniowych Janusz Górczyński, Jolanta Kobryń, Wojciech Zieliński Streszczenie. W uprawach szklarniowych sałaty pojawia się następujący problem: kiedy
Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Joanna Korpas Magdalena Wojtkowska Jakub Sarbiński. Informacja o wypłacie zasiłków z Funduszu Ubezpieczeń Społecznych
Joanna Korpas Magdalena Wojtkowska Jakub Sarbiński Informacja o wypłacie zasiłków z Funduszu Ubezpieczeń Społecznych 1 Niniejsze opracowanie omawia problematykę znacznych wzrostów wypłat zasiłku chorobowego
Moduły kształcenia. Efekty kształcenia dla programu kształcenia (kierunku) MK_06 Krystalochemia. MK_01 Chemia fizyczna i jądrowa
Matryca efektów kształcenia określa relacje między efektami kształcenia zdefiniowanymi dla programu kształcenia (efektami kierunkowymi) i efektami kształcenia zdefiniowanymi dla poszczególnych modułów
Pomorskie gospodarstwa rolne w latach na podstawie badań PL FADN. Daniel Roszak PODR w Gdańsku
Pomorskie gospodarstwa rolne w latach 2004-2012 na podstawie badań PL FADN Daniel Roszak PODR w Gdańsku Prezentacja oparta jest na analizie wyników produkcyjno-finansowych 267 gospodarstw prowadzących
Zmiany koniunktury w Polsce. Budownictwo na tle innych sektorów.
Elżbieta Adamowicz Instytut Rozwoju Gospodarczego Szkoła Główna Handlowa w Warszawie Zmiany koniunktury w Polsce. Budownictwo na tle innych sektorów. W badaniach koniunktury przedmiotem analizy są zmiany
Wiadomości wprowadzające.
- Wymagania edukacyjne z warzywnictwa. Wiadomości wprowadzające. znajomość różnych gatunków warzyw umiejętność rozróżniania podstawowych gatunków warzyw znajomość rodzajów produkcji warzywnej znajomość
Rys. 1. Ceny zbóż w Polsce w zł/t (wg IERiGŻ)
Jerzy Grabiński Produkcja zbóż w Polsce-stan obecny i perspektywy Według szacunków GUS produkcja zbóż w Polsce w 29 roku wyniosła 29,8 mln ton i była o 7,8% wyższa niż w roku poprzednim. Taka produkcja
Opracowała: Krystyna Bruździak SDOO Przecław. 13. Soja
Opracowała: Krystyna Bruździak SDOO Przecław 13. Soja Uwagi ogólne Soja jest jedną z najcenniejszych roślin strączkowych. Uprawiana jest głównie na nasiona, które zawierają przeciętnie 40% białka o doskonałym
Regulacja wzrostu zbóż
Regulacja wzrostu zbóż Kluczowe fazy rozwojowe Opracowanie dr hab. Kinga Matysiak, IOR-PIB, Poznań. Fot. Syngenta Ze środków ochrony roślin należy korzystać z zachowaniem bezpieczeństwa. Przed każdym użyciem
TYDZIEŃ 36/2016 (5-11 WRZEŚNIA
Strona 1 z 8 Sparks Polska Od: "Sparks Polska" Wysłano: 6 września 2016 00:26 Temat: Raport pogodowy Sparks Polska i kondycja upraw w Polsce i na świecie - 36/2016 + sierpniowe
TWORZYWA BIODEGRADOWALNE
TWORZYWA BIODEGRADOWALNE Opracowały: Joanna Grzegorzek kl. III a TE Katarzyna Kołdras kl. III a TE Tradycyjne tworzywa sztuczne to materiały składające się z polimerów syntetycznych. Większość z nich nie
Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Zmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Do uzyskania kwalifikacji pierwszego stopnia (studia inżynierskie) na kierunku BIOTECHNOLOGIA wymagane są wszystkie poniższe efekty kształcenia
Kierunek studiów: BIOTECHNOLOGIA Forma studiów: stacjonarne Rodzaj studiów: studia pierwszego stopnia - inżynierskie Czas trwania studiów: 3,5 roku (7 semestrów, 1 semestr - 15 tygodni) Liczba uzyskanych
POLSKI RUCH CZYSTSZEJ PRODUKCJI NOT
Seminarium Informacyjno-promocyjne projektu: Propagowanie wzorców produkcji i konsumpcji sprzyjających promocji zasad trwałego i zrównoważonego rozwoju. Zmiany wzorców produkcji i konsumpcji w świetle
Badania efektywności systemu zarządzania jakością
Opracowanie to z łagodniejszym podsumowaniem ukazało się w Problemach jakości 8/ 2007 Jacek Mazurkiewicz Izabela Banaszak Magdalena Wierzbicka Badania efektywności systemu zarządzania jakością Aby w pełni
ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012
ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012 OPRACOWAŁY: ANNA ANWAJLER MARZENA KACZOR DOROTA LIS 1 WSTĘP W analizie wykorzystywany będzie model szacowania EWD.
DLACZEGO NIE POWINNO SIĘ SPRZEDAWAĆ I SPALAĆ SŁOMY. Zagospodarowanie resztek pożniwnych i poprawienie struktury gleby
DLACZEGO NIE POWINNO SIĘ SPRZEDAWAĆ I SPALAĆ SŁOMY Zagospodarowanie resztek pożniwnych i poprawienie struktury gleby Substancja organiczna po wprowadzeniu do gleby ulega przetworzeniu i rozkładowi przez
Cena zboża - jakiej można się spodziewać po zbiorach?
.pl https://www..pl Cena zboża - jakiej można się spodziewać po zbiorach? Autor: Ewa Ploplis Data: 17 września 2017 W br. zostało zebrane więcej ziarna niż w roku ubiegłym. Więcej będzie: pszenicy, jęczmienia
Projekt zarządzania jakością wykorzystujący STATISTICA Data Miner przynosi w voestalpine roczne oszczędności w wysokości 800 000 EUR
Projekt zarządzania jakością wykorzystujący STATISTICA Data Miner przynosi w voestalpine roczne oszczędności w wysokości 800 000 EUR Przemysł samochodowy stawia najwyższe wymagania jakościowe w stosunku
Skutki zmian klimatycznych dla rolnictwa w Polsce sposoby adaptacji
Zmiany klimatyczne a rolnictwo w Polsce ocena zagrożeń i sposoby adaptacji Warszawa, 30.09.2009 r. Skutki zmian klimatycznych dla rolnictwa w Polsce sposoby adaptacji Katarzyna Mizak Instytut Uprawy Nawożenia
Zarządzanie strategiczne
1 Zarządzanie strategiczne Metody i narzędzia BCG rafal.trzaska@ue.wroc.pl www.ksimz.ue.wroc.pl www.rafaltrzaska.pl BCG metoda portfelowa powstała 1969 model nazywany niekiedy Growth-ShareMatrix skonstruowana
Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
Tabela 2.1. Kierunkowe efekty kształcenia po ukończeniu studiów drugiego stopnia na kierunku Ochrona środowiska absolwent: Symbol dla kierunku (K)
Tabela 2.1 Przedmioty przyporządkowane do efektów kierunkowych - obszarowych Objaśnienie oznaczeń: K kierunkowe efekty kształcenia W kategoria wiedzy U kategoria umiejętności K (po podkreślniku) - kategoria
Efekty kształcenia dla kierunku studiów informatyka i agroinżynieria i ich odniesienie do efektów obszarowych
Załącznik do uchwały nr 376/2012 Senatu UP Efekty kształcenia dla kierunku studiów informatyka i agroinżynieria i ich odniesienie do efektów obszarowych Wydział prowadzący kierunek: Wydział Rolnictwa i
Knowledge Based Services by Diversey - usługi pozwalające przenieść wydajność i bezpieczeństwo produkcji na najwyższy poziom
Knowledge Based Services by Diversey - usługi pozwalające przenieść wydajność i bezpieczeństwo produkcji na najwyższy poziom Copyright 2016 Sealed Air All rights reserved Prezentujemy pakiet usług, które
Proces badawczy schemat i zasady realizacji
Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki
Wapnowanie gleby po żniwach - wybierz dobry nawóz!
.pl https://www..pl Wapnowanie gleby po żniwach - wybierz dobry nawóz! Autor: Małgorzata Srebro Data: 5 czerwca 2018 Okres pożniwny to idealny czas na wapnowanie gleby. Na efektywność tego zabiegu, oprócz
RYNEK CIĄGNIKÓW I PRZYCZEP ROLNICZYCH W POLSCE W LATACH
Problemy Inżynierii Rolniczej nr 4/2008 Czesław Waszkiewicz Katedra Maszyn Rolniczych i Leśnych Szkoła Główna Gospodarstwa Wiejskiego w Warszawie RYNEK CIĄGNIKÓW I PRZYCZEP ROLNICZYCH W POLSCE W LATACH
METODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
KONKURS OPUS 1 STATYSTYKI
Wskaźnik sukcesu, obliczany zarówno na podstawie stosunku liczby KONKURS OPUS 1 STATYSTYKI Rozstrzygnięcie: październik 2011 r. OPUS to konkurs na finansowanie projektów badawczych, w tym na finansowanie
QQrydza. w produkcji biogazu. Kukurydza
QQrydza w produkcji biogazu Kukurydza Kukurydza w produkcji biogazu Kukurydza swój wielki sukces w żywieniu bydła, powtórzyła w imponujący sposób jako koferment do produkcji biogazu w biogazowniach. Od
KIERUNKOWE EFEKTY KSZTAŁCENIA
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział: INŻYNIERIA ŚRODOWISKA Kierunek: OCHRONA ŚRODOWISKA (OS) Stopień studiów: I Efekty kształcenia na I stopniu dla kierunku OS K1OS_W01 K1OS_W02 K1OS_W03 OPIS KIERUNKOWYCH
Stan zanieczyszczeń powietrza atmosferycznego
AKTUALIZACJA ZAŁOŻEŃ DO PLANU ZAOPATRZENIA W CIEPŁO, ENERGIĘ ELEKTRYCZNĄ I PALIWA GAZOWE DLA OBSZARU MIASTA POZNANIA Część 05 Stan zanieczyszczeń powietrza atmosferycznego W 755.05 2/12 SPIS TREŚCI 5.1
Budowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego
Metody Analiz Przestrzennych Budowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego mgr Marcin Semczuk Zakład Przedsiębiorczości i Gospodarki Przestrzennej Instytut
Uchwała nr 152/2014 Senatu Uniwersytetu Przyrodniczego w Poznaniu z dnia 23 kwietnia 2014 r.
Uchwała nr 152/2014 Senatu Uniwersytetu Przyrodniczego w Poznaniu z dnia 23 kwietnia 2014 r. w sprawie: utworzenia na Wydziale Technologii Drewna kierunku studiów inżynieria oraz określenia dla niego efektów
11.01.2009 r. GRANULACJA OSADÓW W TEMPERATURZE 140 O C
11.01.2009 r. GRANULACJA OSADÓW W TEMPERATURZE 140 O C * Firma TUZAL Sp. z o.o. jako współautor i koordynator międzynarodowego Projektu pt.: SOILSTABSORBENT w programie europejskim EUREKA, Numer Projektu:
METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA
METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu
Przykłady wybranych fragmentów prac egzaminacyjnych z komentarzami Technik technologii ceramicznej 311[30]
Przykłady wybranych fragmentów prac egzaminacyjnych z komentarzami Technik technologii ceramicznej 311[30] 1 2 3 4 5 W etapie praktycznym zadanie egzaminacyjne sprawdzało umiejętności praktyczne z zakresu
Cena ziemniaków - czy utrzyma się na niskim poziomie?
.pl https://www..pl Cena ziemniaków - czy utrzyma się na niskim poziomie? Autor: Ewa Ploplis Data: 12 grudnia 2017 Jaka może być cena ziemniaków na krajowym rynku w najbliższych miesiącach? Jakich cen
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
11. PRZEBIEG OBRÓBKI CIEPLNEJ PREFABRYKATÓW BETONOWYCH
11. Przebieg obróbki cieplnej prefabrykatów betonowych 1 11. PRZEBIEG OBRÓBKI CIEPLNEJ PREFABRYKATÓW BETONOWYCH 11.1. Schemat obróbki cieplnej betonu i konsekwencje z niego wynikające W rozdziale 6 wskazano
Pszenica ozima: jak wybrać odpowiednią odmianę?
https://www. Pszenica ozima: jak wybrać odpowiednią odmianę? Autor: Sylwia Krupiak Data: 6 sierpnia 2016 Pszenica ozima: dokonanie wyboru jej odpowiedniej odmiany nie jest rzeczą prostą. Aby podjąć prawidłową
Konsekwencje termodynamiczne podsuszania paliwa w siłowni cieplnej.
Marcin Panowski Politechnika Częstochowska Konsekwencje termodynamiczne podsuszania paliwa w siłowni cieplnej. Wstęp W pracy przedstawiono analizę termodynamicznych konsekwencji wpływu wstępnego podsuszania
STATYSTYKA EKONOMICZNA
STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr
Wynagrodzenia w sektorze publicznym w 2011 roku
Wynagrodzenia w sektorze publicznym w 2011 roku Już po raz dziewiąty mamy przyjemność przedstawić Państwu podsumowanie Ogólnopolskiego Badania Wynagrodzeń (OBW). W 2011 roku uczestniczyło w nim ponad sto
Nawóz Barenbrug BERFERTILE Premium Start 20kg
Dane aktualne na dzień: 25-09-2017 12:00 Link do produktu: https://sklep.tanienawadnianie.pl/nawoz-barenbrug-berfertile-premium-start-20kg-p-2434.html Nawóz Barenbrug BERFERTILE Premium Start 20kg Cena
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl