Wykaz publikacji wybranego autora

Mateusz Rzeszutek, dr inż.

adiunkt

Wydział Geodezji Górniczej i Inżynierii Środowiska
WGGiIŚ-kkoś, Katedra Kształtowania i Ochrony Środowiska


  • 2018

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / inżynieria środowiska, górnictwo i energetyka


[poprzednia klasyfikacja] obszar nauk technicznych / dziedzina nauk technicznych / inżynieria środowiska


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0002-0488-4435 orcid iD

ResearcherID: C-2317-2017

Scopus: 57193075220

PBN: 5e70938d878c28a0473ac948

OPI Nauka Polska

System Informacyjny AGH (SkOs)




1
2
  • Model DPSIR jako narzędzie efektywnego zarządzania jakością powietrzaThe DPSIR model as an instrument to improve air quality / Ewa ADAMIEC, Jakub BARTYZEL, Elżbieta JAROSZ-KRZEMIŃSKA, Tomasz PEŁECH-PILICHOWSKI, Mateusz RZESZUTEK, Janusz ZYŚK // Energetyka Rozproszona [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 2720-0973. — 2023 z. 9, s. 35–44. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 43–44, Streszcz., Abstr.. — Publikacja dostępna online od: 2023-08-02. — tekst: https://journals.agh.edu.pl/er/article/view/5665/2935

    orcid iD
  • słowa kluczowe: modelowanie, pomiary, polityka energetyczna, jakość powietrza, DPSIR, model DPSIR

    keywords: modelling, measurements, air quality, pressures, DPSIR model

    cyfrowy identyfikator dokumentu: 10.7494/er.2023.9.35

3
4
  • Using meteorological normalization to identify the effects of reducing air pollution emissions in Krakow / Mateusz RZESZUTEK, Robert OLENIACZ, Marian MAZUR // W: 4\textsuperscript{th} symposium „Air quality and health” [Dokument elektroniczny] : Wrocław, 03–05.07.2023 : book of abstracts / eds. Magdalena Korzystka-Muskała [et al.]. — Wersja do Windows. — Dane tekstowe. — Wrocław : University of Wrocław, 2023. — e-ISBN: 978-83-62673-87-2. — S. 31. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://mappingair.meteo.uni.wroc.pl/wp-content/uploads/2023/06/JPAZ_2023_Book_of_Abstracts.pdf [2023-07-11]. — Bibliogr. s. 31

  • keywords: machine learning, particulate matter, air concentration trends, meteorological normalization

    cyfrowy identyfikator dokumentu: