Zastosowanie sztucznej inteligencji w optymalizacji nawożenia mineralnego i bilansu składników pokarmowych w rolnictwie precyzyjnym (Application of artificial intelligence in the optimization of mineral fertilization and nutrient balance in precision agriculture)

Opis bibliograficzny

Zastosowanie sztucznej inteligencji w optymalizacji nawożenia mineralnego i bilansu składników pokarmowych w rolnictwie precyzyjnym (Application of artificial intelligence in the optimization of mineral fertilization and nutrient balance in precision agriculture). [AUT. KORESP.] GRZEGORZ KĄDZIELAWSKI, [AUT.] JANUSZ IGRAS. Przem. Chem. 2026 Nr 8 Nr katalogowy; 160262, il., bibliogr., sum. DOI: 10.15199/62.2026.8.10
Skopiowane!
Kliknij opis aby skopiować do schowka

Szczegóły publikacji

Źródło:
PRZEMYSŁ CHEMICZNY 2026 Nr 8, Nr katalogowy; 160262
Rok:2026
Język:Polski
Charakter formalny:Artykuł w czasopismie
Typ MNiSW/MEiN:praca oryginalna

Streszczenia

W opracowaniu zaprezentowano najnowszy przegląd literatury dotyczący rolnictwa precyzyjnego, modeli bilansu składników pokarmowych, efektywności nawożenia (NUE), zastosowań AI w rolnictwie oraz roli MRV (monitoring, reporting, verification) w politykach klimatycznych. Zaproponowano hybrydowy model badawczy łączący dane glebowe, meteorologiczne, teledetekcyjne i operacyjne z algorytmami uczenia maszynowego oraz modelem bilansu składników pokarmowych. Przedstawiono modelowe studium przypadku dla gospodarstwa z Europy Środkowej, w którym porównano scenariusz tradycyjnego nawożenia z podejściem opartym na AI i zmiennym dawkowaniem nawozów. Zastosowanie AI może przyczyniać się do zmniejszenia zużycia nawozów azotowych, poprawy efektywności wykorzystania azotu, ograniczenia emisji N O oraz poprawy wyniku 2 ekonomicznego gospodarstwa. Artykuł wnosi wkład do literatury poprzez zaproponowanie zintegrowanego ujęcia łączącego AI, bilans składników pokarmowych i MRV w ramach jednego modelu analitycznego, osadzonego w kontekście transformacji rolnictwa w kierunku systemów niskoemisyjnych, cyfrowych i opartych na analizie danych.

Open Access

Tryb dostępu:otwarte czasopismoWersja tekstu:ostateczna wersja opublikowanaLicencja: inna otwarta licencja Czas udostępnienia:w momencie opublikowania

Identyfikatory

BPP ID: (46, 54085) wydawnictwo ciągłe #54085

Metryki

70,00
Punkty MNiSW/MEiN
0,200
Impact Factor
Q4
WoS

Eksport cytowania

Wsparcie dla menedżerów bibliografii:
Ta strona wspiera automatyczny import do Zotero, Mendeley i EndNote. Użytkownicy z zainstalowanym rozszerzeniem przeglądarki mogą zapisać tę publikację jednym kliknięciem - ikona pojawi się automatycznie w pasku narzędzi przeglądarki.

Skopiowane!

Informacje dodatkowe

Rekord utworzony:12 listopada 2026 13:53
Ostatnia aktualizacja:12 listopada 2026 13:53