CCL

Összesen 82 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM105969
035-os BibID:(WOS)000888719300006 (Scopus)85142617906
Első szerző:Alsafadi, Karam
Cím:Spatial-temporal dynamic impact of changes in rainfall erosivity and vegetation coverage on soil erosion in the Eastern Mediterranean / Karam Alsafadi, Shuoben Bi, Hazem Ghassan Abdo, Mario J. Al Sayah, Tamás Ratonyi, Endre Harsanyi, Safwan Mohammed
Dátum:2022
ISSN:0944-1344 1614-7499
Megjegyzések:In Syria, soil erosion (SoEr) by water is one of the major challenges for sustainability. Thus, the main goals of this research were to evaluate the spatial changes of SoEr between 2000 and 2018 in the whole coastal basin (CB) of Syria and to provide a soil water erosion risk map for the study area. For this purpose, monthly rainfall data, the SoilGrids dataset, satellite image derived NDVI layers, and Digital Elevation Model (DEM) were collected. Through the integration of these layers into the Revised Universal Soil Loss Equation (RUSLE), under a Geographic Information System (GIS), soil loss was assessed. Also, the contribution of land cover changes and R factor on SoEr were evaluated. The outcomes of this assessment illustrated that the R factor ranged from 800 to 2600 MJ mm ha(-)1 h(-1) yr(-1), while the soil erodibility factor (K factor) ranged from 0.048 to 0.035 ton ha MJ(-1) mm(-1). The C factor (vegetation coverage) values ranged between 0.07 and 1 with a spatial average value of 0.44 for the 2000-2009 period and 0.39 for the 2010-2018 interval. The output of RUSLE revealed that average annual SoEr was of 21.35 ton ha(-1) y(-1) (+/- 38) for 2000-2009 and 22.47 ton ha(-1) y(-1)(+/- 41.8) for 2010-2018. Interestingly, the increased SoEr caused by the R factor was dominant (34.65%), followed by changes in both C factor and R factor (13.34%). However, decrease of SoEr rates is due to the increase of the C factor accounting for 36.82% of the CB. The outcome of this research can provide constructive spatial insights for rehabilitation plans for the post-war phase of Syria.
Tárgyszavak:Természettudományok Környezettudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Land degradation
Runoff
erodibility
Modeling
Erosivity
RUSLE
WEPP
vegetation coverage
Megjelenés:Environmental Science And Pollution Research. - [Epub ahead of print] (2022). -
További szerzők:Bi, Shuoben Abdo, Hazem Ghassan Al Sayah, Mario J. Rátonyi Tamás (1967-) (agrármérnök) Harsányi Endre (1976-) (agrármérnök) Mohammed Safwan (1985-) (agrármérnök)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM098030
Első szerző:Bánszki Lívia (agrármérnök)
Cím:Evalution of energy for bioethanol production / Bánszki Lívia, Rátonyi Tamás, Harsányi Endre
Dátum:2013
ISSN:1587-1282
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok magyar nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
Megjelenés:Agrártudományi közlemények = Acta agraria Debreceniensis. - 51 (2013), p. 77-80. -
További szerzők:Rátonyi Tamás (1967-) (agrármérnök) Harsányi Endre (1976-) (agrármérnök)
Pályázati támogatás:OM-00210/2008
Egyéb
TÁMOP-4.2.2./B-10/1-2010-0024
TÁMOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

3.

001-es BibID:BIBFORM046975
Első szerző:Bánszki Lívia (agrármérnök)
Cím:Bioetanol előállítás energetikai értékelése / Bánszki Lívia, Rátonyi Tamás, Harsányi Endre
Dátum:2013
ISSN:1587-1282
Megjegyzések:Jelen tanulmány tárgyát az elsőgenerációs agroüzemanyagok közé sorolható etanol képezi. A kutatásunk célja bioetanol előállítás hatékonyságának kiszámítása és erre a célra termesztett kukorica hibridek hozamának értékelése. A kukoricatermesztés hektáronkénti energiaigényétvizsgáltuk két évjáratban (2009-2010). A hangsúlyt a kísérletben szereplő három eltérő műtrágyadózisra helyeztük. Az eredmények azt mutatják, hogy a kontroll parcellában használtuk a legkevesebb nem megújuló energiát. A keményítőhozam javítása magasabb műtrágya dózissal az input energiát is növeli. Az így befektetett energia nagyban befolyásolja a hatékonyságot.The objective of this study was the ethanol which classified as agro fuels. The aim of our research was the calculation of efficiency of bioethanol production, and evaluates the yield of maize hybrids grown for this purpose. We examined the energy demand of corn production per hectare in two vintages of 2009 and 2010. The focus of the experiment was placed in three different doze of fertilizer. Results show that the control corn plot used the least amount of non-renewable energy. Improving starch yield by adding fertilizer required additional nonrenewable energy inputs. So then the invested energy has a great impact on the efficiency.
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok magyar nyelvű folyóiratközlemény hazai lapban
Megjelenés:Agrártudományi közlemények = Acta agraria Debreceniensis. - 51 (2013), p. 77-80. -
További szerzők:Rátonyi Tamás (1967-) (agrármérnök) Harsányi Endre (1976-) (agrármérnök)
Pályázati támogatás:TÁMOP-4.2.2/B-10/1-2010-0024
TÁMOP
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

4.

001-es BibID:BIBFORM014153
Első szerző:Bánszki Lívia (agrármérnök)
Cím:A kukorica energetikai célú vizsgálata Magyarországon. / Bánszki Lívia, Rátonyi Tamás, Harsányi Endre
Dátum:2010
Megjegyzések:A kutatásunk célja az évjárat hatásának értékelése a bioetanol előállítás céljára termesztett kukoricahibridek hozamára. A kukoricahibridek termését, a keményítőtartalmát és a hektáronkénti keményítőhozamát vizsgáltuk egy száraz (2007) és két optimális időjárási körülményekkel rendelkező kedvező évjáratban (2008; 2009). A rendkívül aszályos 2007-es évben a hibridek keményítő tartalma (73,0 %) meghaladta ugyan a jóval kedvezőbb csapadékellátottságú 2008-as évjáratban mért átlagos értéket (72,4 %), azonban a vízstressz hatására igen alacsony áltagos keményítőhozamot mértünk (1,5 t ha-1). Ezzel szemben 2008-ban ? igen kedvező időjárási feltételek mellett ? jóval nagyobb átlagos hektáronkénti keményítőhozamot kaptunk (7,7 t ha-1). 2009-es évben az előző két évet felülmúlta keményítő-tartalom (74,5%), de a hozam (4,9 t ha-1) az előző két éve eredményei közé esik.
ISBN:978-963-9883-55-0
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok könyvfejezet
kukorica
keményítő-tartalom
bioetanol
Megjelenés:A magyar élelmiszergazdaság jövője a kap reform tükrében / Varga László (szerk.). - p. 43-48. -
További szerzők:Rátonyi Tamás (1967-) (agrármérnök) Harsányi Endre (1976-) (agrármérnök)
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

5.

001-es BibID:BIBFORM092566
Első szerző:Csatári Nándor (vidékfejlesztési agrármérnök)
Cím:Precíziós talajszkennelés üzemi hasznosítása / Csatári Nándor, Rátonyi Tamás, Vántus András, Hagymássy Zoltán, Harsányi Endre, Ragán Péter
Dátum:2021
Tárgyszavak:Műszaki tudományok Agrárműszaki tudományok előadáskivonat
könyvrészlet
Megjelenés:Prega Science 2020 : Scientific Conference on Precision Agriculture and Agro-Informatics. - p. 1-5
További szerzők:Rátonyi Tamás (1967-) (agrármérnök) Vántus András (1957-) (agrármérnök, mérnöktanár) Hagymássy Zoltán (1958-) (gépészmérnök) Harsányi Endre (1976-) (agrármérnök) Ragán Péter (1986-) (környzetgazdálkodási agrármérnök)
Pályázati támogatás:GINOP-2.2.1-15-2016-00001
GINOP
EFOP-3.6.3-VEKOP-16-2017-00008
EFOP
NKFIH-1150-6/2019
Egyéb
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

6.

001-es BibID:BIBFORM079640
Első szerző:Csatári Nándor (vidékfejlesztési agrármérnök)
Cím:The Spread of Precision Livestock Farming Technology at Dairy Farms in East Hungary / Csatári Nándor, Rátonyi Tamás, Harsányi Endre, Ragán Péter, Hagymássy Zoltán, Nagy János, Vántus András
Dátum:2018
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok előadáskivonat
Megjelenés:Proceedings of the 14th International Conference on Precision Agriculture. - p. 1-4
További szerzők:Rátonyi Tamás (1967-) (agrármérnök) Harsányi Endre (1976-) (agrármérnök) Ragán Péter (1986-) (környzetgazdálkodási agrármérnök) Hagymássy Zoltán (1958-) (gépészmérnök) Nagy János (1951-) (agrármérnök, mérnök-tanár) Vántus András (1957-) (agrármérnök, mérnöktanár)
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

7.

001-es BibID:BIBFORM095930
Első szerző:Erdei Éva (agrármérnök)
Cím:KluyveromyceRátonyis marxianus e1 termotoleráns mutáns élesztő törzs alkalmazása bioetanol fermentációs kísérletekben / Erdei Éva, Rátonyi Tamás, Nagy János, Pócsi István, Harsányi Endre
Dátum:2012
ISSN:0133-9095
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok előadáskivonat
könyvrészlet
Megjelenés:V. Magyar Mikológiai Konferencia absztraktkötete. - p. 124-125. -
További szerzők:Rátonyi Tamás (1967-) (agrármérnök) Nagy János Pócsi István (1961-) (vegyész) Harsányi Endre (1976-) (agrármérnök)
Pályázati támogatás:NKTH TECH-09-A3-2009-0227
Egyéb
BIOKONV9
Egyéb
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

8.

001-es BibID:BIBFORM058604
Első szerző:Ferencsik Sándor (környezetgazdálkodási agrármérnök, okleveles közgazdász)
Cím:A kukorica talajművelési rendszereinek összehasonlító elemzése réti csernozjom talajon / Ferencsik Sándor, Rátonyi Tamás, Fejér Péter, Harsányi Endre
Dátum:2014
ISSN:1587-1282
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok magyar nyelvű folyóiratközlemény hazai lapban
Kukorica
Talajművelés
sávos talajművelés
Lazítás
őszi szántás
Megjelenés:Agrártudományi közlemények = Acta agraria Debreceniensis. - 60 (2014), p. 21-24. -
További szerzők:Rátonyi Tamás (1967-) (agrármérnök) Fejér Péter (1981-) (agrármérnök) Harsányi Endre (1976-) (agrármérnök)
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

9.

001-es BibID:BIBFORM061208
Első szerző:Grasselli Gábor (agrár-műszaki)
Cím:Biomassza-energetikai alapanyagok előállítása és logisztikája / Grasselli G., Huzsvai L., Rátonyi T., Harsányi E., Szendrei J.
Dátum:2014
Megjelenés:Debrecen : Debreceni Egyetem, 2014
Terjedelem:251 p.
ISBN:978-963-473-794-0
Tárgyszavak:Műszaki tudományok Agrárműszaki tudományok szakkönyv
További szerzők:Huzsvai László (1961-) (talajerőgazdálkodási szakmérnök, agrármérnök) Rátonyi Tamás (1967-) (agrármérnök) Harsányi Endre (1976-) (agrármérnök) Szendrei János (1977-) (agrármérnök)
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

10.

001-es BibID:BIBFORM092565
Első szerző:Hagymássy Zoltán (gépészmérnök)
Cím:A precíziós műtrágya kijuttatás műszaki vetületei / Hagymássy Zoltán, Vántus András, Csatári Nándor, Rátonyi Tamás, Ragán Péter, Harsányi Endre
Dátum:2021
Tárgyszavak:Műszaki tudományok Agrárműszaki tudományok előadáskivonat
könyvrészlet
Megjelenés:Prega Science 2020 : Scientific Conference on Precision Agriculture and Agro-Informatics. - p. 1-5
További szerzők:Vántus András (1957-) (agrármérnök, mérnöktanár) Csatári Nándor (1986-) (vidékfejlesztési agrármérnök) Rátonyi Tamás (1967-) (agrármérnök) Ragán Péter (1986-) (környzetgazdálkodási agrármérnök) Harsányi Endre (1976-) (agrármérnök)
Pályázati támogatás:GINOP-2.2.1-15-2016-00001
GINOP
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

11.

001-es BibID:BIBFORM111452
035-os BibID:(cikkazonosító)1297 (Scopus)85160411163 (WoS)000994795300001
Első szerző:Harsányi Endre (agrármérnök)
Cím:Data Mining and Machine Learning Algorithms for Optimizing Maize Yield Forecasting in Central Europe / Endre Harsányi, Bashar Bashir, Sana Arshad, Akasairi Ocwa, Attila Vad, Abdullah Alsalman, István Bácskai, Tamás Rátonyi, Omar Hijazi, Adrienn Széles, Safwan Mohammed
Dátum:2023
ISSN:2073-4395
Megjegyzések:Artificial intelligence, specifically machine learning (ML), serves as a valuable tool for decision support in crop management under ongoing climate change. However, ML implementation to predict maize yield is still limited in Central Europe, especially in Hungary. In this context, we assessed the performance of four ML algorithms (Bagging (BG), Decision Table (DT), Random Forest (RF) and Artificial Neural Network-Multi Layer Perceptron (ANN-MLP)) in predicting maize yield based on four different input scenarios. The collected data included both agricultural data (production (PROD) (ton) and maize cropped area (AREA) (ha)) and climate data (annual mean temperature ?C (Tmean), precipitation (PRCP) (mm), rainy days (RD), frosty days (FD) and hot days (HD)). This research adopted four scenarios, as follows: SC1: AREA+ PROD+ Tmean+ PRCP+ RD+ FD+ HD; SC2: AREA+ PROD; SC3: Tmean+ PRCP+ RD+ FD+ HD; and SC4: AREA+ PROD+ Tmean+ PRCP. In the training stage, ANN-MLP-SC1 and ANN-MLP-SC4 outperformed other ML algorithms; the correlation coefficient (r) was 0.99 for both, while the root mean squared errors (RMSEs) were 107.9 (ANN-MLP-SC1) and 110.7 (ANN-MLP-SC4). In the testing phase, the ANN-MLP-SC4 had the highest r value (0.96), followed by ANN-MLP-SC1 (0.94) and RF-SC2 (0.94). The 10-fold cross validation also revealed that the ANN-MLP-SC4 and ANN-MLP-SC1 have the highest performance. We further evaluated the performance of the ANN-MLP-SC4 in predicting maize yield on a regional scale (Budapest). The ANN-MLP-SC4 succeeded in reaching a high-performance standard (r = 0.98, relative absolute error = 21.87%, root relative squared error = 20.4399% and RMSE = 423.23). This research promotes the use of ANN as an efficient tool for predicting maize yield, which could be highly beneficial for planners and decision makers in developing sustainable plans for crop management.
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
maize yield
climate
multilayer perceptron
random forest
optimum model
Megjelenés:Agronomy-Basel. - 13 : 5 (2023), p. 1-22. -
További szerzők:Bashir, Bashar Arshad, Sana Ocwa, Akasairi (1987-) (Crop scientist) Vad Attila (1981-) (agrármérnök) Alsalman, Abdullah Bácskai István (1985-) (Okleveles gépészmérnök) Rátonyi Tamás (1967-) (agrármérnök) Hijazi, Omar Széles Adrienn (1980-) (okleveles agrármérnök) Mohammed Safwan (1985-) (agrármérnök)
Pályázati támogatás:TKP2021-NKTA-32
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

12.

001-es BibID:BIBFORM103468
035-os BibID:(cikkazonosító)10653 (WOS)000851188400001 (Scopus)85137562006
Első szerző:Harsányi Endre (agrármérnök)
Cím:Predicting Modified Fournier Index by Using Artificial Neural Network in Central Europe / Endre Harsányi, Bashar Bashir, Firas Alsilibe, Muhammad Farhan Ul Moazzam, Tamás Ratonyi, Abdullah Alsalman, Adrienn Széles, Aniko Nyeki, István Takács, Safwan Mohammed
Dátum:2022
ISSN:1661-7827 1660-4601
Megjegyzések:The Modified Fournier Index (MFI) is one of the indices that can assess the erosivity of rainfall. However, the implementation of the artificial neural network (ANN) for the prediction of the MFI is still rare. In this research, climate data (monthly and yearly precipitation (pi, Ptotal) (mm), daily maximum precipitation (Pd-max) (mm), monthly mean temperature (Tavg) ( C), daily maximum mean temperature (Td-max) ( C), and daily minimum mean temperature (Td-min) ( C)) were collected from three stations in Hungary (Budapest, Debrecen, and Pécs) between 1901 and 2020. The MFI was calculated, and then, the performance of two ANNs (multilayer perceptron (MLP) and radial basis function (RBF)) in predicting the MFI was evaluated under four scenarios. The average MFI values were between 66.30 15.40 (low erosivity) in Debrecen and 75.39 15.39 (low erosivity) in Pecs. The prediction of the MFI by using MLP was good (NSEBudapest(SC3) = 0.71, NSEPécs(SC2) = 0.69). Additionally, the performance of RBF was accurate (NSEDebrecen(SC4) = 0.68, NSEPécs(SC3) = 0.73). However, the correlation coefficient between the observed MFI and the predicted one ranged between 0.83 (Budapest (SC2-MLP)) and 0.86 (Pécs (SC3-RBF)). Interestingly, the statistical analyses promoted SC2 (Pd-max + pi + Ptotal) and SC4 (Ptotal + Tavg + Td-max + Td-min) as the best scenarios for predicting MFI by using the ANN?MLP and ANN?RBF, respectively. However, the sensitivity analysis highlighted that Ptotal, pi, and Td-min had the highest relative importance in the prediction process. The output of this research promoted the ANN (MLP and RBF) as an effective tool for predicting rainfall erosivity in Central Europe.
Tárgyszavak:Társadalomtudományok Szociológiai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
land degradation
machine learning
climate change
Hungary
Megjelenés:International Journal of Environmental Research and Public Health. - 19 : 17 (2022), p. 1-19. -
További szerzők:Bashir, Bashar Alsilibe, Firas Moazzam, Muhammad Farhan Ul Rátonyi Tamás (1967-) (agrármérnök) Alsalman, Abdullah Széles Adrienn (1980-) (okleveles agrármérnök) Nyéki Anikó (1989-) (agrármérnök) Takács István (1977-) (terület és településfejlesztési egyetemi szakközgazdász) Mohammed Safwan (1985-) (agrármérnök)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1 2 3 4 5 6 7 
Corvina könyvtári katalógus v8.2.27 © 2023 Monguz kft. Minden jog fenntartva.