Találati lista | Tudóstér

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:
Saját polcon:

001-es BibID:	BIBFORM104892
Első szerző:	Neményi Miklós
Cím:	Challenges of sustainable agricultural development with special regard to Internet of Things: Survey / Neményi Miklós, Kovács Attila J., Oláh Judit, Popp József, Erdei Edina, Harsányi Endre, Ambrus Bálint, Teschner Gergely, Nyéki Anikó
Dátum:	2022
ISSN:	1786-335X 1787-0321
Megjegyzések:	If we want to increase the efficiency of precision technologies to create sustainable agriculture, we need to put developments and their application on a new footing; moreover, a general paradigm shift is needed. There is a need to rethink close-at-hand and far-off innovation concepts to further develop precision agriculture, from both an agricultural, landscape, and natural ecosystem sustainability perspective. With this, unnecessary or misdirected developments and innovation chains can be largely avoided. The efficiency of the agrotechnology and the accuracy of yield prediction can be ensured by continuously re-planning during the growing season according to changing conditions (e.g., meteorological) and growing dataset. The aim of the paper is to develop a comprehensive, thought-provoking picture of the potential application of new technologies that can be used in agriculture, primarily in precision technology- based arable field crop production, which emphasizes the importance of continuous analysis andoptimisation between the production unit and its environment. It should also be noted that the new system contributes to reconciling agricultural productivity and environmental integrity. The study also presents research results that in many respects bring fundamental changes in technical and technological development in field production. The authors believe that treating the subsystems of agriculture, landscape, and natural ecosystem (ALNE) as an integrated unit will create a new academic interdisciplinarity. ICT, emphasizing WSN (Wireless Sensor Network), remote sensing, cloud computing, AI (Artificial Intelligence), economics, sociology, ethics, and the cooperation with young students in education can play a significant role in research. This study treats these disciplines according to sustainability criteria. The goal is to help management fulfil the most important expectation of reducing the vulnerability of the natural ecosystem. The authors believe that this article may be one of the starting points for a new interdisciplinarity, ALNE.
Tárgyszavak:	Társadalomtudományok Gazdálkodás- és szervezéstudományok idegen nyelvű folyóiratközlemény hazai lapban folyóiratcikk
Megjelenés:	Progress in Agricultural Engineering Sciences. - Epub (2022), p. 1-20. -
További szerzők:	Kovács Attila J. Oláh Judit (1973-) (agrárközgazdász, logisztika) Popp József (1955-) (közgazdász) Erdei Edina (1992-) (gazdaságinformatikus) Harsányi Endre (1976-) (agrármérnök) Ambrus Bálint Teschner Gergely Nyéki Anikó (1989-) (agrármérnök)
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM095439
Első szerző:	Neményi Miklós
Cím:	Internet of Thing (IoT) for ecological sustainability in precision crop production / Miklós Neményi, Aniko Nyeki, Nagy János, Harsányi Endre, Teschner Gergely, Ambrus Bálint, Milics Gábor, Kovács J. Attila
Dátum:	2019
Tárgyszavak:	Agrártudományok Növénytermesztési és kertészeti tudományok nem besorolt egyéb
További szerzők:	Nyéki Anikó (1989-) (agrármérnök) Nagy János Harsányi Endre (1976-) (agrármérnök) Teschner Gergely Ambrus Bálint Milics Gábor Kovács J. Attila
Internet cím:	Szerző által megadott URL Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM097427
035-os BibID:	(WoS)000681550300001 (Scopus)85111814672
Első szerző:	Nyéki Anikó (1989-)
Cím:	Application of spatio-temporal data in site-specific maize yield prediction with machine learning methods / A.Nyéki, C. Kerepesi, B. Daróczy, A. Benczúr, G. Milics, J. Nagy, E. Harsányi, A. J. Kovács, M. Neményi
Dátum:	2021
ISSN:	1385-2256 1573-1618
Tárgyszavak:	Agrártudományok Növénytermesztési és kertészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk
Megjelenés:	Precision Agriculture. - 22 : 5 (2021), p. 1397-1415. -
További szerzők:	Kerepesi C. Daróczy Bálint (1984-) (informatikus, matematikus) Benczúr A. Milics Gábor Nagy János (1951-) (agrármérnök, mérnök-tanár) Harsányi Endre (1976-) (agrármérnök) Kovács A. J. Neményi Miklós
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: