CCL

Összesen 9 találat.
#/oldal:
Részletezés:
Rendezés:

1.

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:

2.

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:

3.

001-es BibID:BIBFORM097277
035-os BibID:(cikkazonosító)1339
Első szerző:Harsányi Endre (agrármérnök)
Cím:Impact of Agricultural Drought on Sunflower Production across Hungary / Endre Harsányi, Bashar Bashir, Firas Alsilibe, Karam Alsafadi, Abdullah Alsalman, Adrienn Széles, Muhammad Habib ur Rahman, István Bácskai, Csaba Juhász, Tamás Ratonyi, Safwan Mohammed
Dátum:2021
ISSN:2073-4433 2073-4433
Megjegyzések:In the last few decades, agricultural drought (Ag.D) has seriously affected crop production and food security worldwide. In Hungary, little research has been carried out to assess the impacts of climate change, particularly regarding droughts and crop production, and especially on regional scales. Thus, the main aim of this study was to evaluate the impact of agricultural drought on sunflower production across Hungary. Drought data for the Standardized Precipitation Index (SPI) and the Standardized Precipitation Evapotranspiration Index (SPEI) were collected from the CAR BATCLIM database (1961?2010), whereas sunflower production was collected from the Hungarian national statistical center (KSH) on regional and national scales. To address the impact of Ag.D on sunflower production, the sequence of standardized yield residuals (SSYR) and yield losses YlossAD was applied. Additionally, sunflower resilience to Ag.D (SRAg.D) was assessed on a regional scale. The results showed that Ag.D is more severe in the western regions of Hungary, with a significantly positive trend. Interestingly, drought events were more frequent between 1990 and 2010. Moreover, the lowest SSYR values were reported as ?3.20 in the Hajdu-Bihar region (2010). In this sense, during the sunflower growing cycle, the relationship between SSYR and Ag.D revealed that the highest correlations were recorded in the central and western regions of Hungary. However, 75% of the regions showed that the plantation of sunflower is not resilient to drought where SRAg.Dx < 1. To cope with climate change in Hungary, an urgent mitigation plan should be implemented.
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:Atmosphere. - 12 : 10 (2021), p. 1-18. -
További szerzők:Bashir, Bashar Alsilibe, Firas Alsafadi, Karam Alsalman, Abdullah Széles Adrienn (1980-) (okleveles agrármérnök) Rahman, Muhammad Habib ur Bacskai István Juhász Csaba (1962-) (környezetgazdálkodási agrármérnök) Rátonyi Tamás (1967-) (agrármérnök) Mohammed Safwan (1985-) (agrármérnök)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

4.

001-es BibID:BIBFORM099676
035-os BibID:(cikkazonosító)48 (WoS)000756930700001 (Scopus)85122788459
Első szerző:Huzsvai László (talajerőgazdálkodási szakmérnök, agrármérnök)
Cím:Novel Approach for Statistical Interpretation: A Case Study from Long-Term Crop Production Experiments (Hungary) / László Huzsvai, Safwan Mohammed, Endre Harsányi, Adrienn Széles
Dátum:2022
ISSN:2311-7524
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:Horticulturae. - 8 : 1 (2022), p. 1-12. -
További szerzők:Mohammed Safwan (1985-) (agrármérnök) Harsányi Endre (1976-) (agrármérnök) Széles Adrienn (1980-) (okleveles agrármérnök)
Pályázati támogatás:EFOP-3.6.3-VEKOP-16-2017-00008
EFOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

5.

001-es BibID:BIBFORM102491
035-os BibID:(cikkazonosító)8838 (WOS)000802776400049 (Scopus)85130738624
Első szerző:Mohammed Safwan (agrármérnök)
Cím:Assessing the impacts of agricultural drought (SPI/SPEI) on maize and wheat yields across Hungary / Safwan Mohammed, Karam Alsafadi, Glory O. Enaruvbe, Bashar Bashir, Ahmed Elbeltagi, Adrienn Széles, Abdullah Alsalman, Endre Harsanyi
Dátum:2022
ISSN:2045-2322
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:Scientific Reports. - 12 : 1 (2022), p. 1-13. -
További szerzők:Alsafadi, Karam Enaruvbe, Glory O. Bashir, Bashar Elbeltagi, Ahmed Széles Adrienn (1980-) (okleveles agrármérnök) Alsalman, Abdullah Harsányi Endre (1976-) (agrármérnök)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

6.

001-es BibID:BIBFORM101363
035-os BibID:(cikkazonosító)106925 (WoS)000807778300003 (Scopus)85127809340
Első szerző:Mohammed Safwan (agrármérnök)
Cím:A comparative analysis of data mining techniques for agricultural and hydrological drought prediction in the eastern Mediterranean / Safwan Mohammed, Ahmed Elbeltagi, Bashar Bashir, Karam Alsafadi, Firas Alsilibe, Abdullah Alsalman, Mojtaba Zeraatpisheh, Adrienn Széles, Endre Harsányi
Dátum:2022
ISSN:0168-1699
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:Computers And Electronics In Agriculture. - 197 (2022), p. 1-19. -
További szerzők:Elbeltagi, Ahmed Bashir, Bashar Alsafadi, Karam Alsilibe, Firas Alsalman, Abdullah Zeraatpisheh, Mojtaba Széles Adrienn (1980-) (okleveles agrármérnök) Harsányi Endre (1976-) (agrármérnök)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

7.

001-es BibID:BIBFORM095983
Első szerző:Mohammed Safwan (agrármérnök)
Cím:Soil carbon dioxide emissions from maize (Zea mays L.) fields as influenced by tillage management and climate / Safwan Mohammed, Morad Mirzaei, Ágnes Pappné Törő, Manouchehr Gorji Anari, Ebrahim Moghiseh, Hossein Asadi, Szilárd Szabó, Adrienn Kakuszi-Széles, Endre Harsányi
Dátum:2022
ISSN:1531-0353
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Megjelenés:Irrigation And Drainage. - 71 (2022), p. 228-240. -
További szerzők:Mirzaei, Morad Törő Ágnes (1991-) (élelmezésbiztonsági szakértő) Anari, Manouchehr Gorji Moghiseh, Ebrahim Asadi, Hossein Szabó Szilárd (1974-) (geográfus) Széles Adrienn (1980-) (okleveles agrármérnök) Harsányi Endre (1976-) (agrármérnök)
Pályázati támogatás:EFOP-3.6.3-VEKOP-16-2017-0000
EFOP
KP2020-IKA-04
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

8.

001-es BibID:BIBFORM112204
035-os BibID:(cikkazonosító)14 (Scopus)85160908963
Első szerző:Ocwa, Akasairi (Crop scientist)
Cím:A bibliographic review of climate change and fertilization as the main drivers of maize yield: implications for food security / Akasairi Ocwa ; Endre Harsanyi ; Adrienn Széles ; Imre János Holb ; Szilárd Szabó ; Tamás Rátonyi ; Safwan Mohammed
Dátum:2023
ISSN:2048-7010
Megjegyzések:Introduction Crop production contribution to food security faces unprecedented challenge of increasing human population. This is due to the decline in major cereal crop yields including maize resulting from climate change and declining soil infertility. Changes in soil nutrient status and climate have continued to occur and in response, new fertilizer recommendations in terms of formulations and application rates are continuously developed and applied globally. In this sense, this review was conducted to: (i) identify the key areas of concentration of research on fertilizer and climate change effect on maize grain yield, (ii) assess the extent of the effect of climate change on maize grain yield, (iii) evaluate the extent of the effect of fertilization practices on maize grain yield, and (iv) examine the effect of interaction between climate change factors and fertilization practices on maize grain yield at global perspective.MethodologyComprehensive search of global literature was conducted in Web of Science (WoS) database. For objective 1, metadata on co-authorship (country, organisation), and co-occurrence of keywords were exported and analysed using VOSviewer software. For objective 2-4, yield data for each treatment presented in the articles were extracted and yield increment calculated.ResultsThe most significant keywords: soil fertility, nutrient use efficiency, nitrogen use efficiency, integrated nutrient management, sustainability, and climate change adaptation revealed efforts to improve maize production, achieve food security, and protect the environment. A temperature rise of 1-4 °C decreased yield by 5-14% in warm areas and increased by < 5% in cold areas globally. Precipitation reduction decreased yield by 25-32%, while CO2concentration increased and decreased yield by 2.4 to 7.3% and 9 to 14.6%, respectively. A promising fertilizer was a combination of urea +nitrapyrin with an average yield of 5.1 and 14.4 t ha?1 under non-irrigation and irrigation, respectively. Fertilization under climate change was projected to reduce yield in the average range of 10.5-18.3% by 2099.ConclusionThe results signified that sole fertilizer intensification is insufficient to attain sustainable maize yield. Therefore, there is need for integrated agronomic research that combines fertilizers and other technologies for enhancing maize yield, and consequently maize contribution to the attainment of global food security under climate change conditions
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Climate change
Drought
Fertilizers
Heat stress
Maize
Nitrogen
Temperature
Yield
Megjelenés:Agriculture & Food Security. - 12 : 1 (2023), p. 1-18. -
További szerzők:Harsányi Endre (1976-) (agrármérnök) Széles Adrienn (1980-) (okleveles agrármérnök) Holb Imre (1973-) (agrármérnök) Szabó Szilárd (1974-) (geográfus) Rátonyi Tamás (1967-) (agrármérnök) Mohammed Safwan (1985-) (agrármérnök)
Pályázati támogatás:TKP2021-NKTA-32
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

9.

001-es BibID:BIBFORM117901
035-os BibID:(cikkazonosító)100967 (Scopus)85182387773
Első szerző:Széles Adrienn (okleveles agrármérnök)
Cím:Precision agricultural technology for advanced monitoring of maize yield under different fertilization and irrigation regimes: A case study in Eastern Hungary (Debrecen) / Adrienn Széles, László Huzsvai, Safwan Mohammed, Anikó Nyék, Péter Zagyi, Éva Horváth, Károly Simon, Sana Arshad, András Tamás
Dátum:2024
ISSN:2666-1543
Megjegyzések:Precision agricultural (PrA) technology relies on the utilization of special equipment to access real time observations on plant health status, chlorophyll, nitrogen content, and soil moisture content. In this research new PrA technology (i.e., SPAD (Soil Plant Analysis Development), and UAV-based NDVI (Unmanned Aerial Vehicle-based Normalized Difference Vegetation Index) were used to monitor maize yield based on different filed trials in eastern part of Hungary. Our study aimed to examine the utilization of PrA technology specifically SPAD and UAV-based NDVI measurements for monitoring maize GY under irrigated and rainfed experimental setups in Hungary with varied nitrogen treatment for the year 2022. The results showed that the SPAD increased in all treatments (14.7 %; p < 0.05) from V6-V8 in the rainfed treatments, decreased significantly (p < 0.05) by 13.9 % (R1) and 30.6 % (R3). However, implementation of irrigation significantly increased the SPAD values in majority of treatments. Also, results reveal that, under irrigated and rainfed conditions the highest UAV-based NDVI value (0.703, 0.642) was obtained in V12 (A120 treatment) and highest NDVI value (0.728, 0.662) was obtained in Vn (A120 treatment). Remarekedly, irrigation led to significant differences (p < 0.05) of UAV-based NDVI values compared with none irrigated. On the other hand, implementation of 120 kg N ha?1 before sowing led to highest GY, especially under irrigated conditions (8.649 Mg ha?1). The overall mean GY under rainfed treatment was 6.256 Mg ha?1, while under irrigated treatment it increased by 37.2 % and reached 8.581 Mg ha?1 (p < 0.05). In conclusion, PrA technology will support farmers in making informed decisions regarding fertilization strategies and timing, which will in turn maximize yield and minimize risk.
Tárgyszavak:Agrártudományok Növénytermesztési és kertészeti tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
nitrogen treatment
maize
drought
photosynthetic performance
Hungary
Megjelenés:Journal of Agriculture and Food Research. - 15 (2024), p. 1-16. -
További szerzők:Huzsvai László (1961-) (talajerőgazdálkodási szakmérnök, agrármérnök) Mohammed Safwan (1985-) (agrármérnök) Nyéki Anikó (1989-) (agrármérnök) Zagyi Péter (1986-) (agrármérnök) Horváth Éva (1993-) (környezetgazdálkodási agrármérnök) Simon Károly (1985-) (okleveles agrármérnök) Arshad, Sana Tamás András (1986-) (gazdasági agrármérnök, növénytermesztés és kertészeti tudományok)
Pályázati támogatás:TKP2021-NKTA-32
Egyéb
Bolyai János Kutatási Ösztöndíj (BO/00068/23/4)
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1 
Corvina könyvtári katalógus v8.2.27 © 2023 Monguz kft. Minden jog fenntartva.