Találati lista | Tudóstér

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:
Saját polcon:

001-es BibID:	BIBFORM108703
Első szerző:	Ocwa, Akasairi (Crop scientist)
Cím:	Mapping evidence of the role of foliar fertilizers in mitigating abiotic stress effects on maize: A review / Akasairi Ocwa, Safwan Mohammed, Attila Vad, Péter Ragán, Tamás Rátonyi, Endre Harsányi
Dátum:	2022
ISBN:	978-83-966062-1-1
Tárgyszavak:	Agrártudományok Növénytermesztési és kertészeti tudományok előadáskivonat könyvrészlet
Megjelenés:	International Congress on Sustainable development in the Human Environment - Current & Future Challenges. ICSDEV (2022)(Alanya) : Proceedings book / eds. Anna Krakowiak-Bal, Atilgan Atilgan, Roman Rolbiecki, Hakan Aktas. - p. 201. -
További szerzők:	Mohammed Safwan (1985-) (agrármérnök) Vad Attila (1981-) (agrármérnök) Ragán Péter (1986-) (környzetgazdálkodási agrármérnök) Rátonyi Tamás (1967-) (agrármérnök) Harsányi Endre (1976-) (agrármérnök)
Internet cím:	Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM108706
Első szerző:	Rania, Alrasheed Abakeer
Cím:	The impact of soil amendments on sweet maize (Zea mays L. var. saccharata) agronomic characteristics and yield / Rania, Alrasheed Abakeer ; Ocwa, Akasairi ; Seyed Mohammad Nasir Mousavi ; Attila Vad ; Nagy Janos
Dátum:	2022
Tárgyszavak:	Agrártudományok Növénytermesztési és kertészeti tudományok előadáskivonat könyvrészlet NPK Soil fertility sweet maize
Megjelenés:	Leveraging on Research and Innovation for Sustainable Development. Conference Proceedings of the 2nd Postgraduate Students Conference (virtual) / eds. Emmy Kerich, Samuel Lutta, Boniface Alkamoi. - p. 53.
További szerzők:	Ocwa, Akasairi (1987-) (Crop scientist) Mousavi, Seyed Mohammad Nasir (1988-) (agrármérnök) Vad Attila (1981-) (agrármérnök) Nagy János (1951-) (agrármérnök, mérnök-tanár)
Internet cím:	Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: