Autoreferat dr inż. Krzysztof Pudełko



Podobne dokumenty
Produkcja kompostu. konrtola i zapewnianie jakości. Krzysztof Pudełko

Wpływ dodatku biowęgla na emisje w procesie kompostowania odpadów organicznych

RYNEK WYBRANYCH NARZĘDZI I MASZYN ROLNICZYCH DO PRODUKCJI ROŚLINNEJ W POLSCE W LATACH

PAWEŁ SZOŁTYSEK WYDZIAŁ NAUK EKONOMICZNYCH

Analiza wydajności pracy w rolnictwie zachodniopomorskim

Materiał siewny napędza tryby rolnictwa

1. Udział dochodów z działalności rolniczej w dochodach gospodarstw domowych z użytkownikiem gospodarstwa rolnego w 2002 r.

Wielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) ,5 6,6

3. Modele tendencji czasowej w prognozowaniu

ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA. dr inż. Aleksander Astel

Statystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30

Potencjał metanowy wybranych substratów

Trendy w robotyzacji przemysłu w Polsce i na świecie.

Przemysł cementowy w Polsce

Zawartość składników pokarmowych w roślinach

Ekonometryczna analiza popytu na wodę

URZĄD STATYSTYCZNY W WARSZAWIE ul. 1 Sierpnia 21, Warszawa PRODUKT KRAJOWY BRUTTO W WOJEWÓDZTWIE MAZOWIECKIM W LATACH

Zagospodarowanie pofermentu z biogazowni rolniczej

Sonochemia. Schemat 1. Strefy reakcji. Rodzaje efektów sonochemicznych. Oscylujący pęcherzyk gazu. Woda w stanie nadkrytycznym?

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

RECYKLING ODPADÓW ZIELONYCH. Grzegorz Pilarski BEST-EKO Sp. z o.o.

Badania rachunkowości rolnej gospodarstw rolnych

w badaniach rolniczych na pszenicy ozimej w Polsce w latach 2007/2008 (badania rejestracyjne, IUNG Puławy)

ZMIANY KOSZTÓW PRACY W GOSPODARCE NARODOWEJ POLSKI W ŚWIETLE PRZEPŁYWÓW MIĘDZYGAŁĘZIOWYCH W LATACH

Skraplanie czynnika chłodniczego R404A w obecności gazu inertnego. Autor: Tadeusz BOHDAL, Henryk CHARUN, Robert MATYSKO Środa, 06 Czerwiec :42

Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym

Ekonomiczne, ekologiczne i technologiczne aspekty stosowania domieszek do betonu. prof. dr hab. inż. Jacek Gołaszewski

PDF created with FinePrint pdffactory Pro trial version

Rolnictwo ekologiczne z korzyścią dla środowiska i człowieka. Realizacja PROW - korzyści i bariery. Anna Kuczuk, OODR Łosiów

Wilgotność gleby podczas zabiegów agrotechnicznych

Wyniki pomiarów jakości powietrza prowadzonych metodą pasywną w Kolonowskiem w 2014 roku

1. Analiza wskaźnikowa Wskaźniki szczegółowe Wskaźniki syntetyczne

Publiczna Szkoła Podstawowa nr 14 w Opolu. Edukacyjna Wartość Dodana

Regresja i Korelacja

Uprawa roślin energetycznych w Grupie Dalkia Polska. Krzysztof Buczek Dalkia Polska Piotr Legat Praterm

Badania nad zastosowaniem kondycjonowania spalin do obniżenia emisji pyłu z Huty Katowice S.A w Dąbrowie Górniczej

1. Konkurs jest prowadzony w dwóch kategoriach: granty doktorskie,

SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

Kiszonka z sorga, czyli jaka pasza?

Walidacja metod analitycznych Raport z walidacji

Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym

Zalety uprawy truskawki na perlicie Paweł Nicia Katedra Gleboznawstwa i Ochrony Gleb Uniwersytet Rolniczy im. H. Kołłątaja w Krakowie

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

METODY STATYSTYCZNE W BIOLOGII

Statystyka matematyczna i ekonometria

Etapy modelowania ekonometrycznego

Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym

Prognoza terminu sadzenia rozsady sałaty w uprawach szklarniowych. Janusz Górczyński, Jolanta Kobryń, Wojciech Zieliński

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Joanna Korpas Magdalena Wojtkowska Jakub Sarbiński. Informacja o wypłacie zasiłków z Funduszu Ubezpieczeń Społecznych

Moduły kształcenia. Efekty kształcenia dla programu kształcenia (kierunku) MK_06 Krystalochemia. MK_01 Chemia fizyczna i jądrowa

Pomorskie gospodarstwa rolne w latach na podstawie badań PL FADN. Daniel Roszak PODR w Gdańsku

Zmiany koniunktury w Polsce. Budownictwo na tle innych sektorów.

Wiadomości wprowadzające.

Rys. 1. Ceny zbóż w Polsce w zł/t (wg IERiGŻ)

Opracowała: Krystyna Bruździak SDOO Przecław. 13. Soja

Regulacja wzrostu zbóż

TYDZIEŃ 36/2016 (5-11 WRZEŚNIA

TWORZYWA BIODEGRADOWALNE

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

Zmienne zależne i niezależne

Do uzyskania kwalifikacji pierwszego stopnia (studia inżynierskie) na kierunku BIOTECHNOLOGIA wymagane są wszystkie poniższe efekty kształcenia

POLSKI RUCH CZYSTSZEJ PRODUKCJI NOT

Badania efektywności systemu zarządzania jakością

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012

DLACZEGO NIE POWINNO SIĘ SPRZEDAWAĆ I SPALAĆ SŁOMY. Zagospodarowanie resztek pożniwnych i poprawienie struktury gleby

Cena zboża - jakiej można się spodziewać po zbiorach?

Projekt zarządzania jakością wykorzystujący STATISTICA Data Miner przynosi w voestalpine roczne oszczędności w wysokości EUR

Skutki zmian klimatycznych dla rolnictwa w Polsce sposoby adaptacji

Zarządzanie strategiczne

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Tabela 2.1. Kierunkowe efekty kształcenia po ukończeniu studiów drugiego stopnia na kierunku Ochrona środowiska absolwent: Symbol dla kierunku (K)

Efekty kształcenia dla kierunku studiów informatyka i agroinżynieria i ich odniesienie do efektów obszarowych

Knowledge Based Services by Diversey - usługi pozwalające przenieść wydajność i bezpieczeństwo produkcji na najwyższy poziom

Proces badawczy schemat i zasady realizacji

Wapnowanie gleby po żniwach - wybierz dobry nawóz!

RYNEK CIĄGNIKÓW I PRZYCZEP ROLNICZYCH W POLSCE W LATACH

METODY STATYSTYCZNE W BIOLOGII

KONKURS OPUS 1 STATYSTYKI

QQrydza. w produkcji biogazu. Kukurydza

KIERUNKOWE EFEKTY KSZTAŁCENIA

Stan zanieczyszczeń powietrza atmosferycznego

Budowanie macierzy danych geograficznych Procedura normalizacji Budowanie wskaźnika syntetycznego

Uchwała nr 152/2014 Senatu Uniwersytetu Przyrodniczego w Poznaniu z dnia 23 kwietnia 2014 r.

r. GRANULACJA OSADÓW W TEMPERATURZE 140 O C

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

Przykłady wybranych fragmentów prac egzaminacyjnych z komentarzami Technik technologii ceramicznej 311[30]

Cena ziemniaków - czy utrzyma się na niskim poziomie?

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

11. PRZEBIEG OBRÓBKI CIEPLNEJ PREFABRYKATÓW BETONOWYCH

Pszenica ozima: jak wybrać odpowiednią odmianę?

Konsekwencje termodynamiczne podsuszania paliwa w siłowni cieplnej.

STATYSTYKA EKONOMICZNA

Wynagrodzenia w sektorze publicznym w 2011 roku

Nawóz Barenbrug BERFERTILE Premium Start 20kg

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Transkrypt:

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 11 60-632 Poznań e-mail: bioline@home.pl

Spis treści 1 Życiorys naukowy 2 1.1 Wykształcenie.................................. 2 1.2 Doświadczenie zawodowe............................ 2 2 Opis osiągnięcia naukowego pod tytułem Studia nad produkcją kompostu i jego wpływ na plon Agaricus bisporus (Lange) Imbach 3 2.1 Wprowadzenie.................................. 3 2.2 Cel badań.................................... 5 2.3 Wyniki...................................... 6 2.3.1 Znaczenie ilości podłoża dla wielkości plonu............. 6 2.3.2 Struktura plonu pieczarek....................... 6 2.3.3 Znaczenie surowców dla jakości kompostu.............. 7 2.3.4 Znaczenie czasu w kompostowaniu.................. 10 2.3.5 Parametry kompostu.......................... 13 2.3.6 Modele predykcji plonu......................... 14 2.3.7 Wykorzystanie modeli statystycznych do przewidywania plonu pieczarek.................................. 14 2.3.8 Interpretacja modeli random forest.................. 16 2.3.9 Bezpośredni wpływ parametrów kompostu na jego jakość...... 17 2.4 Podsumowanie................................. 18 3 Omówienie pozostałych zainteresowań naukowo-badawczych 22 3.1 Choroby w uprawach pieczarek........................ 22 3.2 Mikrobiologiczne aspekty symbiotycznego wiązania azotu w uprawach bobowatych.................................... 23 3.3 Uproszczenia w uprawie lnu.......................... 24 3.4 Allelopatyczne właściwości konopi....................... 25 3.5 Rekultywacja terenów zdegradowanych z wykorzystaniem uprawy roślin.. 26 4 Syntetyczne zestawienie dorobku naukowego 29 1

1 Życiorys naukowy 1.1 Wykształcenie 1989 - ukończone VII Liceum Ogólnokształcące w Poznaniu w klasie biologicznochemicznej 1994 - 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. 1998 - ukończony Kurs Pedagogiczny w ramach Studium Doktoranckiego przy Wydziale Rolniczym Akademii Rolniczej im. Augusta Cieszkowskiego w Poznaniu. 1998 - 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 1994-1998 - Studium Doktoranckie przy Wydziale Rolniczym Akademii Rolniczej im. Augusta Cieszkowskiego w Poznaniu. 1999 - do chwili obecnej - adiunkt w Katedrze Biochemii i Biotechnologii Uniwersytetu Przyrodniczego w Poznaniu. 1999-2009 - kierownik Działu Badań i Rozwoju w firmie Okechamp S.A. 2009-2013 - doradca d.s. zapewniania jakości kompostu w firmie Limax sp. z o.o 2014 - do chwili obecnej - Wiceprezes Zarządu Wielkopolskiego Centrum Zaawansowanych Technologii. 2

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 978-83- 71-60-826-1. ISSN 1896-1894 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 2010-2012 w relacji do lat 2001-2003 średnie saldo handlu zagranicznego tymi produktami zwiększyło się czterokrotnie do 318 mln dolarów, a w 2013 roku przekroczyło 325 mln. W okresie 1997-2011 zbiory pieczarek zwiększały się średnio w tempie 5,1% rocznie, a ich eksport w tempie aż 33% rocznie. W latach 2010-2012 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

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

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 2000-2008. W tym czasie zgromadzono dane z 1974 pryzm kompostowych oraz przeprowadzono analizy parametrów chemicznych i fizycznych z ponad 85 000 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

2.3 Wyniki 2.3.1 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. 2.3.2 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

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. 2.3.3 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

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

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 (2001-2004). 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

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. 2.3.4 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

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

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

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%. 2.3.5 Parametry kompostu W pracy zgromadzono i przeanalizowano dane dotyczące 1974 partii kompostu obejmujące ponad 85 000 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

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 (2004-2007). 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). 2.3.7 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

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

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. 2.3.8 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

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). 2.3.9.1 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

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

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