Use of Artificial Neural Networks in Predicting Direct Nitrous Oxide Emissions from Agricultural Soils

Emisje rolnicze głównych gazów cieplarnianych to głównie bezpośrednie emisje wytwarzane w produkcji roślinnej i zwierzęcej, jak również te związane ze zmianami w sposobie użytkowania gruntów. Rolnictwo jest głównym źródłem atmosferycznego podtlenku azotu (N₂O). Emisja N₂O z produkcji rolniczej ma źródło przede wszystkim w glebie nawożonej nawozami mineralnymi i organicznymi. W Polsce gleby rolne odpowiedzialne są za 77,1% emisji N₂O. Emisja związana z gospodarką odchodami zwierząt wynosi 22,8%. W badaniach podjęto próby modelowania i przewidywania bezpośrednich emisji N₂O z gleb w odniesieniu do wielkości upraw i pogłowia zwierząt hodowlanych. W analizach posłużono się sztucznymi sieciami neuronowymi. Najlepsze wartości parametrów mówiących o jakości neuronowego modelu regresyjnego uzyskały perceptrony wielowarstwowe MLP. Na podstawie analizy wrażliwości zaprojektowanego modelu sztucznej sieci neuronowej podjęto próbę ustalenia stopnia udziału poszczególnych wybranych zmiennych na prognozowaną wielkość bezpośrednich emisji N₂O z gleb rolnych. Analiza wrażliwości zaprojektowanej sieci MLP o strukturze 9-4-1 wykazała, że poziom zużycia nawozów azotowych ma największy udział w kształtowaniu emisji N₂O z gleb rolnych. Analiza wrażliwości sieci MLP o strukturze 16-5-1 wskazała na udział bydła i trzody chlewnej jako najistotniejszy w kształtowaniu emisji N₂O. Wśród upraw w Polsce, które mogą wpływać na wielkość uwalnianych emisji N₂O, wyróżnia się rzepak oraz żyto. Badanie przeprowadzono z wykorzystaniem pakietu statystycznego Statistica v. 10.0.