Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Pedagogiczna Biblioteka Wojewódzka im. Komisji Edukacji Narodowej w Lublinie Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaPedagogiczna Biblioteka Wojewódzka im. Komisji Edukacji Narodowej w Lublinie
Zmień bibliotekę

Wyszukujesz frazę "Gielda-Pinas, K." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Symulacje zmian pokrycia terenu i użytkowania ziemi z wykorzystaniem modelu agentowego
    Simulations of changes in land cover and land use with application of agent-based model
    Autorzy:
    Giełda-Pinas, K
    Tematy:
    modelowanie agentowe
    systemy informacji geograficznej (GIS)
    zmiany pokrycia terenu i użytkowania ziemi
    sprzężone systemy naturalne i antropogeniczne
    rolnictwo zrównoważone
    agent-based modeling
    geographical information systems (GIS)
    land cover and land use changes (LUCC)
    coupled human and natural systems (CHANS)
    sustainable agriculture
    Pokaż więcej
    Wydawca:
    Polskie Towarzystwo Informacji Przestrzennej
    Powiązania:
    https://bibliotekanauki.pl/articles/346143.pdf  Link otwiera się w nowym oknie
    Opis:
    Modelowanie agentowe (ABM) jest przykładem geomodelowania opartego na wykorzystaniu i przetwarzaniu danych przestrzennych czyli związanych z systemami informacji geograficznej. Jest to jedna z najlepiej przystosowanych metod służących do modelowania sprzężonych systemów naturalnych i społecznych (CHANS), a zarazem relacji człowiek-środowisko. System odzwierciedlany w modelu agentowym składa się z obiektów i elementów umieszczonych w przestrzeni modelowej, która stanowi modelowy obraz Pojezierza Gnieźnieńskiego, a kluczową rolę w całym procesie odgrywają agenci – jednostki decyzyjne modelu, którymi w omawianym systemie są rolnicy. Opracowany model agentowy służy do symulacji zmian pokrycia terenu i użytkowania ziemi będących jednym z istotniejszych syntetycznych wskaźników przemian w środowisku geograficznym. Prezentowany model agentowy oparty jest na schemacie działania związanym z przystępowaniem rolników do wybranych pakietów Programu Rolnośrodowiskowego 2007-2013, które wymuszają na nich ściśle określone działania proekologiczne. Model umożliwia modelowanie różnych scenariuszy postępowania rolników, przez co pozwala uzyskać zarówno realne, jak i abstrakcyjne (100% zainteresowania ofertą PRŚ) konfiguracje pokrycia terenu i użytkowania ziemi. Ten sposób modelowania jest szczególnie przydatny w kontekście funkcjonowania środowiska geograficznego opartego o ścisłe relacje człowiek-środowisko. Dodatkowo może służyć, jako narzędzie wykorzystywane w procesie wspierania podejmowania decyzji, w prognozowaniu rozwoju środowiska, w planowaniu przestrzennym oraz w ocenie oddziaływania na środowisko.
    Agent-based modeling is an example of geomodeling based on spatial data, i.e. the data connected withgeographic information systems. Using agent-based modeling makes it possible to simulate functioning of natural systems, social systems or coupled human and natural systems (CHANS). ABM approach is one of the best-adapted methods for modeling coupled social-natural systems due to its characteristic elements – agents. When a system is reflected in the model it is built of objects and elements placed in the model space. A key role in the whole process is played by agents – individual decision-making model entities. The agent-based model developed for this paper is created to simulate changes in land use and land cover and to show the environmental effects of this process, which is one of the most important synthetic indicators in the geographical environment. The model developed can be used for different space scales and it based on the process in which farmers take action participation in selected packages of Agri-environmental Programme 2007-2013, which require them to strictly defined environmental activities. The model allows to simulate different scenarios of implemented decision role, thereby resulting in different, both real and abstract, configurations of land use and land cover patterns. This way of modeling is especially useful in the context of CHANS. It can serve as a tool in supporting decision-making processes, in predicting the environmental changes and development, spatial planning and environmental impact assessment.
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie agentowe – nowoczesna koncepcja modelowania w GIS
    Agent-based modeling – modern concept of GIS modeling
    Autorzy:
    Dzieszko, P
    Bartkowiak, K.
    Giełda-Pinas, K
    Tematy:
    modelowanie agentowe
    systemy informacji geograficznej
    geomodelowanie
    agent-based modelling
    geographical information systems (GIS)
    geomodeling
    Pokaż więcej
    Wydawca:
    Polskie Towarzystwo Informacji Przestrzennej
    Powiązania:
    https://bibliotekanauki.pl/articles/950054.pdf  Link otwiera się w nowym oknie
    Opis:
    Jedną z najbardziej perspektywicznych oddolnych technik modelowania relacji człowieka środowisko jest modelowanie agentowe (ang. agent-based modelling, ABM). Jest to nowoczesna technika coraz częściej wykorzystywana w systemach informacji geograficznej (GIS). Oparta jest na tworzeniu agentów, którzy podejmują decyzje przestrzenne. Potrafią także wymieniać między sobą informacje. Co więcej, posiadają atrybuty, które pozwalają określić ich aktualny stan. W klasycznym podejściu do modelowania wszystkie elementy modelu są jednakowe. W modelu agentowym można stworzyć agentów, którzy będą podobni lub jednakowi pod względem budowy oraz będą mieli całkowicie różne zachowania i zasady decyzyjne. Pozwala to na wprowadzenie do modelu elementu losowości, co jest istotne w badaniach przyrodniczych. W przeciwieństwie do innych technik modelowania, ABM zaczyna się i kończy na poziomie agentów. Znaczenie ABM zwłaszcza w badaniach naukowych o charakterze aplikacyjnym wyraźnie wzrosło w czasie ostatniej dekady. Zarówno agenci, jak i decyzje, które podejmują maja odniesienie przestrzenne. Zatem połączenie AMB i GIS wydaje się być naturalną konsekwencją rozwoju obu technik. ABM zazwyczaj wykorzystywane jest w procesie wspierania podejmowania decyzji, w symulacji zjawisk ekstremalnych, w prognozowaniu rozwoju środowiska, w planowaniu przestrzennym oraz w ocenie oddziaływania na środowisko. W pracy przedstawiono możliwości wykorzystania tej nowoczesnej metody badawczej w GIS, opisano najważniejsze jej cechy oraz przedstawiono najistotniejsze obecnie platformy oprogramowania i zestawy narzędzi do tworzenia modeli agentowych. Przedstawiono też informacje, kiedy ABM jest szczególnie przydatne w pracy badawczej i jak dobrać najlepszy system do budowy modelu.
    One of the most prospective bottom-up approaches to modeling of human-environment relations is agent-based modeling (ABM). ABM is a modern technique more and more often used in Geographical Information Science. It is based on entities called agents which can make spatial decisions. They can also exchange information with each other. Moreover, they have attributes which allow to describe their actual state. In classical approach to modeling, all entities are often quite similar. It is possible to create a model with very similar entities within ABM. These entities may behave slightly differently. Agents can have identical attributes and quite different decision rules. It allows a user to apply randomness in a model which is really crucial in environmental studies. ABM and simulation can be traced to investigations into complex adaptive systems, the evolution of cooperation and artificial life. Unlike other modeling approaches, ABM begins and ends with the agent’s perspective. The application of ABM to simulating dynamics within GIS has seen a considerable increase over the last decade. Both agents and decisions they make have spatial reference. So linking AMB with GIS is a natural consequence of these two techniques development. ABM is normally a very useful decision making process, in extreme events simulation, forecasting the environment development, spatial planning, and environmental impact assessment. In this paper. possibilities of the use of ABM were presented. ABM is a modern research technique within GIS. Most important features of ABM were described as well as well-known software platforms and toolsets for agent-based model creating. Finally, information when the ABM can be especially useful in research work and how to select the best system which will fit the standards of our model was provided.
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Agenci w modelowaniu agentowym (ABM)
    Agents in agent-based modeling (ABM)
    Autorzy:
    Dzieszko, P
    Bartkowiak, K
    Giełda-Pinas, K
    Tematy:
    modelowanie agentowe (ABM)
    systemy informacji geograficznej (GIS)
    geomodelowanie
    agent-based modeling (ABM)
    geographical information system (GIS)
    geomodeling
    Pokaż więcej
    Wydawca:
    Polskie Towarzystwo Informacji Przestrzennej
    Powiązania:
    https://bibliotekanauki.pl/articles/346546.pdf  Link otwiera się w nowym oknie
    Opis:
    Modelowanie agentowe (ang. agent-based modelling – ABM) stanowi dynamicznie rozwijającą się metodę modelowania, o szerokim spektrum zastosowań w różnych dziedzinach nauki i życia codziennego. Obecnie postępująca integracja ABM z systemami informacji geograficznej dostarcza zaawansowanych i kompleksowych narzędzi do geomodelowania. Modele agentowe są cyfrową reprezentacją systemów takich jak ekosystemy, społeczności i gospodarki, złożonych z elementów i obiektów rozmieszczonych we wspólnym otoczeniu (środowisku działania). Unikalność modelowania agentowego polega na umożliwieniu zdefiniowania zasad decyzyjnych jednostek - agentów, określeniu uwarunkowań, w jakich funkcjonują oraz zrealizowaniu tych zasad w dowolnej ilości iteracji w celu przeanalizowania rezultatów działania systemu. Agenci w modelu mogą być wysoce zróżnicowani. Mogą mieć charakter ożywiony (np. rolnicy, mieszkańcy, właściciele ziemscy) oraz nieożywiony (np. firmy, samochody). Mogą także być pogrupowani w większe jednostki (np. społeczności, narodowości, budynki, gospodarstwa domowe, miasta, sieci drogowe) oraz mogą być mobilni (np. pieszo, samochodem, firmy zmieniające siedzibę, mieszkańcy, którzy się przeprowadzają). Ze względu na wewnętrzną strukturę, agentów dzielimy na słabych i silnych. Słabi agenci mają uproszczoną strukturę wewnętrzną i proste zasady decyzyjne, podczas gdy zasady decyzyjne agentów silnych czerpią z wiedzy sztucznej inteligencji, a oni sami potrafią się uczyć, rozwiązywać problemy i planować. Agenci wyposażeni są w atrybuty, które pozwalają opisać ich aktualny stan. Posiadają też sprecyzowane zasady decyzyjne, które pozwalają im podejmować decyzje czasie i przestrzeni oraz czynności, które podejmowane są przez agentów po podjętej decyzji. Mnogość zastosowań modeli agentowych sprawia, że agenci posiadają skrajnie różne charakterystyki, a to powoduje, że trudno jest przypisać im jedne uniwersalne i wspólne cechy. Niemniej agenci najczęściej posiadają kilka cech, które nie zmieniają się w zależności od zastosowania modelu, mianowicie: autonomię, różnorodność, aktywność, cel, interaktywność, ograniczoną racjonalność, mobilność, i możliwość uczenia się. W modelach matematycznych najczęściej wszystkie elementy i obiekty danego typu są identyczne. Założeniem modelowania agentowego jest możliwość różnicowania agentów oraz możliwość zastosowania losowości w ich zachowaniach nawet, jeśli mają podobną budowę. Agenci mogą mieć identyczne atrybuty, ale skrajnie różne zasady decyzyjne, co pozwala wprowadzić do modelu bardzo istotny w naukach przyrodniczych element losowości.
    Agent-based modeling (ABM) is a dynamically developing method of modeling broadly used in various areas of science and in everyday life. Integration of ABM with geographic information systems provides advanced and comprehensive instruments for geomodeling. Agent-based models are digital representation of such systems as eco-systems, societies and economies composed of elements and objects located in common environment (action environment). Unique nature of agent-based modeling consists in the possibility to define the rules of decision-making of individual agents, to determine conditions of their functioning and to implement these rules in any number of iterations in order to analyze the results of the system operation. Agents in the model may be highly diversified. They may be alive (e.g. farmers, inhabitants, landlords) or inanimate (e.g. companies, cars). They may be also grouped in bigger units (e.g. buildings, households, cities, road networks) and they may be mobile (e.g. companies changing their seat, inhabitants moving to other places). Because of the internal structure, we divide agents into strong and weak. Weak agents have simplified internal structure and simple decision-making rules, while decision-making rules of strong agents draw from the knowledge of artificial intelligence and these agents can learn, solve problems and make plans. Agents have attributes allowing them to describe their present state. They also have defined decision-making rules allowing them to take decisions about time and place and actions taken by the agents after the decision is made. Multiple application of agent-based models entails extremely varied characteristic features of agents and this, in turn makes difficult assigning to them universal and common features. Nevertheless, agents usually have a few features which do not change depending on the model applied, namely: autonomy, variety, activeness, goal, interactivity, limited rationality, mobility and ability to learn. In mathematical models most often all elements and objects of a given type are identical. Possibility to differentiate agents and to randomize their behaviours is assumed in agent-based modeling even when they have similar structure. Agents may have identical attributes but extremely different decision-making rules, which allows to introduce to the model the element of randomness so important in natural sciences.
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Próba oceny liczebności lerki Lullula arborea w ostoi Natura 2000 Puszcza Notecka w roku 2010
    An attempt was made to assess the number of Woodlark Lullula arborea in the Puszcza Notecka Special Protection Area (SPA) in 2010
    Autorzy:
    Mizera, T.
    Kujawa, D.
    Cierplikowska, K.
    Krajewska, A.
    Kraskiewicz, A.
    Takacs, W.
    Bielewicz, M.
    Chudzicki, M.
    Cierplikowski, D.
    Cykowiak, Z.
    Dabrowski, G.
    Gielda-Pinas, K.
    Grzegorzek, M.
    Pakula, M.
    Pikula, A.
    Sznajder, T.
    Wasik, A.
    Wieckowski, J.
    Skorka, P.
    Tematy:
    ptaki
    lerka
    Lullula arborea
    liczebnosc
    obszary specjalnej ochrony ptakow
    Puszcza Notecka
    Pokaż więcej
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Leśny Zakład Doświadczalny. Centrum Edukacji Przyrodniczo-Leśnej w Rogowie
    Powiązania:
    https://bibliotekanauki.pl/articles/881447.pdf  Link otwiera się w nowym oknie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies