zanieczyszczenie_swiatlem

1. Cel i zakres

Narzędzie odpowiada na trzy pytania o dowolny obszar wskazany w pliku GeoPackage: ile sztucznego światła nocą dociera do obszaru i jego otoczenia oraz jak zmienia się ono w czasie, jak silnie obszar i jego sąsiedztwo są przekształcone przez człowieka oraz jaką część zajmują obszary Natura 2000 i czy zmiany pokrycia terenu w sieci Natura 2000 różnią się od zmian poza nią.

Zakresem pracy jest suma wszystkich obiektów wskazanej warstwy pliku GPKG. Może to być park, gmina, zlewnia, pole badań, także kilka rozłącznych obiektów. Obszar nie musi być parkiem krajobrazowym ani leżeć w Polsce. Warstwy Natura 2000 istnieją tylko w Unii Europejskiej, więc poza nią odpowiednie tabele są puste, a narzędzie zapisuje o tym uwagę i liczy dalej.

Główną część pracy wykonuje masowe pobieranie: dla obszaru z GPKG skrypt sam pobiera z Google Earth Engine (GEE) roczne mediany VIIRS, wszystkie miesięczne kompozyty VIIRS, gHM, raster Natura 2000, tło Sentinel-2 i mapy Dynamic World, a następnie zapisuje je jako GeoTIFF i w lokalnej pamięci podręcznej.

2. Przewodnik krok po kroku: jak to działa i jak uruchomić u siebie

Ta część jest napisana dla osoby, która nigdy nie programowała. Nie trzeba nic instalować na komputerze: wszystko działa w przeglądarce, na koncie Google. Interfejsy Google się zmieniają, więc nazwy przycisków mogą się nieco różnić od opisanych, a przewodnik nie zawiera zrzutów ekranu.

2.1. Co to robi, prostym językiem

Satelity fotografują Ziemię także nocą i mierzą, jak jasno świecą miasta, drogi i oświetlone miejsca. Narzędzie bierze Twój obszar (na przykład park, gminę albo teren badań), pobiera dla niego zdjęcia satelitarne z ogólnodostępnego magazynu danych Google Earth Engine i liczy trzy rzeczy:

1. jak jasno świeci obszar i jego otoczenie w nocy oraz czy z roku na rok jest jaśniej, czy ciemniej;
2. jak bardzo teren i jego sąsiedztwo zostały przekształcone przez człowieka (zabudowa, rolnictwo, drogi);
3. jaką część zajmują obszary Natura 2000 (sieć ochrony przyrody w Unii Europejskiej).

Na końcu dostajesz gotowe tabele, wykresy, mapy, animacje i pliki do programów GIS (na przykład QGIS). Całość jest uruchamiana w Google Colab: to „komputer w przeglądarce”, który Google udostępnia po zalogowaniu kontem Google. Ty wpisujesz tylko trzy rzeczy: gdzie leży plik z obszarem, gdzie zapisać wyniki i identyfikator własnego projektu Earth Engine.

2.2. Słowniczek

2.3. Czego potrzebujesz

• konta Google (wystarczy zwykłe konto Gmail),
• pliku GPKG z granicą obszaru (zob. krok 3),
• przeglądarki internetowej.

Krok 2 (projekt Earth Engine) wykonuje się raz; potem w kolejnych pracach używasz tego samego identyfikatora.

'aoi_gpkg': '/content/drive/MyDrive/zanieczyszczenie_swiatlem/obszar.gpkg',
'folder_wynikow': '/content/drive/MyDrive/zanieczyszczenie_swiatlem/wyniki',
'projekt_gee': 'TWOJ-PROJEKT-GEE',

2.4. Jak czytać wyniki

• Radiancja to jasność nocnego światła: większa liczba oznacza jaśniej. Tabela trendu podaje, o ile zmienia się ona średnio na rok i ile to procent. Wartość p mówi, jak łatwo taki układ wyników mógłby powstać przypadkiem: im mniejsza, tym mniej prawdopodobny przypadek (często przyjmuje się próg 0,05). Nie dowodzi to, co jest przyczyną zmiany.
• gHM to wskaźnik od 0 do 1: im bliżej 1, tym teren bardziej przekształcony przez człowieka. Narzędzie podaje średnią i udział powierzchni powyżej umownego progu 0,4.
• Natura 2000: tabela pokazuje, jaką część obszaru zajmuje sieć. Poza Unią Europejską tabela jest pusta i to jest poprawne.
• Zmiany wewnątrz i na zewnątrz Natura 2000 są opisem, a nie oceną skuteczności ochrony (powody w sekcji 5.5).

2.5. Najczęstsze problemy

Jeśli komunikat jest inny, skopiuj ostatnie linijki błędu i zgłoś je w zakładce Issues repozytorium.

2.6. Czy to kosztuje

Colab ma wersję bezpłatną, która wystarcza do niewielkich i średnich obszarów. Earth Engine do użytku niekomercyjnego nie wymaga według dokumentacji Google konfiguracji płatności ^[20]. Zasady Google (limity, warunki użytku niekomercyjnego) mogą się zmienić, więc przed większą pracą przeczytaj aktualną instrukcję dostępu do Earth Engine.

3. Dane

Do publikacji zaleca się wskazać datowaną wersję WDPA (WCMC/WDPA/RRRRMM/polygons), żeby wynik był odtwarzalny. Kolekcja bieżąca zmienia się w czasie.

4. Metoda krok po kroku

1. Zakres pracy. Skrypt wczytuje wskazaną warstwę GPKG i łączy wszystkie obiekty w jeden obszar (AOI). Wybiera układ metryczny: PL-1992 (EPSG:2180) w Polsce, w innych miejscach strefę UTM właściwą dla środka obszaru. Opcjonalnie dzieli AOI na dwie części według atrybutu (na przykład park i otulina), żeby policzyć je osobno.
2. Strefy i siatka. Tworzy pierścień o promieniu 5 km wokół AOI (otoczenie, z którego dociera rozproszone światło) oraz siatkę 30 m wyrównaną do tej samej siatki co w notatniku głównym, dzięki czemu rastry z obu narzędzi się pokrywają. Dane VIIRS i gHM liczone są na siatce grubszej, 480 m (16 pikseli 30 m), zbliżonej do natywnej rozdzielczości VIIRS. Piksel gruby należy do strefy, jeśli co najmniej połowa zawartych w nim pikseli 30 m leży w tej strefie.
3. Pobieranie z GEE. Każdy obraz jest pobierany kaflami 512 × 512 pikseli przez ee.data.computePixels, z ponawianiem błędów przejściowych i zapisem atomowym do pamięci podręcznej (.npz), której klucz zależy od definicji obrazu. Wiele obrazów pobiera się równolegle. Przerwany bieg wznawia się bez ponownych zapytań do GEE.
4. Światło nocą, wyniki roczne. Dla każdego roku skrypt bierze mediany z miesięcznych obrazów, odrzucając piksele bez obserwacji (cf_cvg = 0). Mediana ogranicza wpływ jednorazowych zdarzeń (pożary, zorza, statki), których wersja 1 produktu nie filtruje. Radiancja jest zapisywana jako liczba całkowita (wartość × 100), brak danych jako −999999. W każdej strefie liczona jest średnia, mediana i suma radiancji. Suma jest wskaźnikiem przyjętym w ocenie polskich parków ^[1], bo uwzględnia powierzchnię oświetloną, a nie tylko typowe jasności.
5. Światło nocą, wyniki miesięczne. Wszystkie dostępne miesięczne kompozyty (radiancja i liczba obserwacji) są pobierane i zapisywane jako wielopasmowy GeoTIFF. Z nich powstaje tabela miesięczna, mapa cieplna lat × miesiące i animacja.
6. Trend. Na rocznych wartościach średniej radiancji w strefie (co najmniej pięć lat danych) liczone jest nachylenie Theila-Sena (mediana nachyleń wszystkich par punktów) ^[14] oraz test Manna-Kendalla na istnienie monotonicznego trendu ^[15]. Tabela podaje nachylenie w nW/(cm²·sr) na rok, zmianę względną w procentach na rok (nachylenie podzielone przez średnią z okresu) i wartość p. Statystyka testu to
   S = Σ sgn(x_j − x_i) dla i < j;  Var(S) = n(n − 1)(2n + 5) / 18
   Z = (S − 1)/√Var(S) dla S > 0, Z = (S + 1)/√Var(S) dla S < 0;  p = 2Φ(−|Z|)
   Wariancja jest podana bez poprawki na powtórzenia wartości, a test zakłada brak autokorelacji szeregu (zob. ograniczenia).
7. Modyfikacja przez człowieka. Warstwa gHM jest pobierana na siatce 480 m. W każdej strefie liczona jest średnia i mediana oraz udział powierzchni powyżej progu 0,4. Próg 0,4 jest umowną granicą silnej modyfikacji, ustawioną w skrypcie. Producent warstwy nie definiuje klas ani progów w opisie zbioru w GEE, więc próg można i należy dostosować do pytania badawczego.
8. Natura 2000. Z WDPA wybierane są poligony o oznaczeniach siedliskowych (Habitats Directive Site, Site of Community Importance) i ptasich (Birds Directive Site) oraz rezerwaty. Skrypt rasteryzuje je na siatce analizy i liczy udział sieci Natura 2000 w AOI i w pierścieniu.
9. Zmiany pokrycia terenu w Natura 2000 i poza nią. Źródłem map jest (a) plik RF 5 klas z notatnika głównego, jeśli istnieje i siatka się zgadza, albo (b) Dynamic World: modalna etykieta z sezonu czerwiec-wrzesień dla dwóch epok, z 10 m agregowana większością do 30 m i sprowadzona do pięciu klas (zabudowa, lasy, wody, trawy i krzewy, uprawy; gleba odkryta i śnieg trafiają do klasy trawy i krzewy). Dla każdej strefy i dla pikseli wewnątrz i na zewnątrz sieci Natura 2000 liczone są udziały nowej zabudowy, ubytku i przyrostu lasu. Grupy mniejsze niż 100 pikseli są pomijane.
10. Wyniki i raport. Tabele CSV, ryciny PNG, animacje (GIF, MP4), rastry GeoTIFF, wektory GPKG oraz raport: parametry biegu (JSON), opis źródeł i ograniczeń (Markdown) i lista błędów modułów, jeśli wystąpiły.

5. Podstawy naukowe

5.1. Dlaczego światło nocą jest presją na przyrodę

Sztuczne światło nocą zaburza naturalny cykl światła i ciemności, który reguluje zegary biologiczne, żerowanie, rozmnażanie i migracje wielu grup organizmów. Mechanizmy opisano w przeglądzie Gastona i in. ^[4], a postulaty badawcze i polityczne w pracy Hölkera i in. ^[5]. Wpływ nie kończy się na granicy oświetlonego miejsca: światło rozproszone w atmosferze (poświata nocnego nieba) sięga obszarów odległych od miast. Globalny atlas jasności nocnego nieba pokazuje skalę tego zjawiska ^[6], a analizy nakładania atlasu na sieci obszarów chronionych wykazały, że znaczna część obszarów ważnych dla bioróżnorodności i obszarów chronionych leży pod rozjaśnionym niebem ^[8],[9]. Dla polskich parków narodowych i krajobrazowych opracowano skalę ELP oceniającą oddziaływanie światła ^[1]. Stąd potrzeba oceny nie tylko samego obszaru, lecz także jego otoczenia, co realizuje pierścień presji.

5.2. Dlaczego VIIRS DNB

Radiometr VIIRS na satelitach serii Suomi NPP i NOAA-20 ma pasmo dzień/noc (DNB) bardzo czułe na słabe światło, co umożliwia obserwację oświetlenia nocnego w skali globalnej ^[2]. Miesięczne kompozyty uśredniają obserwacje bezchmurne, a roczne szeregi tworzy się z kompozytów miesięcznych ^[3]. Wersja z korektą światła rozproszonego (VCMSLCFG) poszerza obszar użytecznych obserwacji i poprawia zakres dynamiki, ale według opisu zbioru nie filtruje świateł chwilowych ani nie oddziela świateł od tła. Dlatego narzędzie używa mediany rocznej z miesięcy z obserwacjami, a nie pojedynczych miesięcy, i zapisuje obok radiancji liczbę obserwacji (cf_cvg).

Wskaźnik sumy radiancji w strefie, a nie samej średniej, odpowiada praktyce oceny polskich obszarów chronionych ^[1]: duży, słabo oświetlony obszar i mały, silnie oświetlony mogą mieć podobną średnią, ale różne sumy. Kierunek trendu radiancji dla Ziemi jest przedmiotem badań: analiza satelitarna wykazała wzrost oświetlonej powierzchni i radiancji w latach 2012-2016 ^[7], jednak lokalnie (na przykład po wymianie opraw na LED) wynik może być przeciwny, bo czujnik jest ślepy na światło niebieskie.

5.3. Modyfikacja przez człowieka

Wskaźnik gHM łączy w jednym gradiencie 0-1 wpływ zabudowy, rolnictwa, transportu, energetyki, wydobycia i innych presji ^[10],[11]. Daje to miarę presji, której nie widać w samym świetle: obszar może być ciemny i jednocześnie otoczony silnie przekształconym krajobrazem. Używamy go jako zmiennej opisowej, w jednym stanie czasowym, bez interpretacji przyczynowej.

5.4. Trend nieparametryczny

Nachylenie Theila-Sena jest odporne na wartości odstające i nie zakłada rozkładu normalnego ^[14], a test Manna-Kendalla ocenia, czy szereg ma monotoniczny trend ^[15]. Szereg roczny dla jednego obszaru ma kilkanaście punktów, więc moc testu jest ograniczona; istotność statystyczna nie przesądza o znaczeniu ekologicznym.

5.5. Porównanie wewnątrz i na zewnątrz Natura 2000

Różnica zmian pokrycia terenu wewnątrz i na zewnątrz obszarów chronionych nie jest oceną skuteczności ochrony. Obszary chronione są lokalizowane nieprzypadkowo, częściej tam, gdzie presja rozwojowa jest mniejsza (wyżej, dalej od miast) ^[16], a szacunki skuteczności bez kontroli tej różnicy lokalizacji są zawyżone ^[17]. Dlatego narzędzie podaje tylko opis porównawczy, bez wniosku o efekcie przyczynowym.

6. Ograniczenia

• Rozdzielczość i widmo. VIIRS (około 500 m) nie rozróżnia pojedynczych źródeł. Pasmo DNB nie rejestruje światła niebieskiego poniżej około 500 nm, więc przejście na oświetlenie LED o dużej temperaturze barwowej może być niedoszacowane lub wyglądać jak spadek radiancji.
• Luki sezonowe. Latem w średnich i wysokich szerokościach geograficznych (w tym w Polsce) krótkie noce i światło rozproszone ograniczają liczbę użytecznych obserwacji. Mediana roczna z miesięcy z obserwacjami może więc różnić się składem miesięcy między latami. Niepełny rok bieżący warto wyłączyć z analizy przez zawężenie viirs_lata.
• Światła chwilowe. Wersja 1 kompozytów nie filtruje zorzy, pożarów, statków i innych świateł tymczasowych. Mediana rocznych ogranicza, lecz nie usuwa tego wpływu.
• gHM. Jeden stan (około 2016), więc nie opisuje zmian w czasie. Próg 0,4 jest umowny i nie wynika z opisu zbioru w GEE.
• WDPA. Granice mogą odbiegać od rejestrów krajowych (dla Polski: Generalna Dyrekcja Ochrony Środowiska). Wersja bieżąca zmienia się w czasie.
• Test trendu. Test Manna-Kendalla w tej postaci zakłada brak autokorelacji szeregu; autokorelacja zawyża istotność ^[18],[19]. Brak poprawki na powtórzenia wartości. Przy krótkim szeregu wynik należy traktować orientacyjnie.
• Porównanie w Natura 2000. Opis, nie efekt przyczynowy (zob. 5.5). Dynamic World jest klasyfikacją spektralną o 10 m i przy agregacji do 30 m część zmian drobnych znika; zabudowę w obrębie lasu i wyręby mogą mylić się z innymi klasami.
• Status testów. Notatnik i skrypt przetestowano na syntetycznym zastępniku modułu ee (pliki w katalogu testy/): sprawdzono przepływ danych, kafle, pamięć podręczną, georeferencję GeoTIFF, tabele, ryciny i animacje. To nie jest uruchomienie na prawdziwym GEE, a strona nie zawiera żadnych wyników z danych rzeczywistych. Pierwsze uruchomienie na własnym obszarze należy zacząć od małego pliku GPKG.

7. Uruchomienie dla zaawansowanych

Osoby początkujące powinny zacząć od przewodnika w sekcji 2. Ta część opisuje uruchomienie skryptu na własnym komputerze i pełną listę ustawień.

7.1. Notatnik (Google Colab)

Otwórz notatnik w Colabie, uzupełnij trzy pola wymagane w komórce 1. Ustawienia (aoi_gpkg, folder_wynikow, projekt_gee) i uruchom wszystkie komórki. Wyniki trafiają do <folder_wynikow>/<nazwa AOI>/.

7.2. Skrypt Python (komputer lokalny, serwer)

Skrypt wymaga Pythona 3 i konta z dostępem do projektu Earth Engine. Trzy pola wymagane są na górze pliku w sekcji USTAWIENIA DO WPISANIA: PROJEKT_GEE (można też podać zmienną środowiskową GEE_PROJECT), PLIK_GPKG i FOLDER_WYNIKOW. Te same wartości można przekazać w wierszu poleceń. Przed pobieraniem skrypt sprawdza, czy pola są wypełnione, czy plik istnieje i czy w folderze wyników można zapisywać.

pip install -r requirements.txt

# sprawdzenie ustawień i połączenia z Earth Engine, bez pobierania danych
python zanieczyszczenie_swiatlem.py --projekt MOJ_PROJEKT_GEE --gpkg obszar.gpkg --out wyniki --tylko-sprawdz

# pełny bieg
python zanieczyszczenie_swiatlem.py --projekt MOJ_PROJEKT_GEE --gpkg obszar.gpkg --out wyniki

# dowolne ustawienie można nadpisać (wartość w formacie JSON)
python zanieczyszczenie_swiatlem.py --projekt MOJ_PROJEKT_GEE --gpkg obszar.gpkg --out wyniki \
    --ustaw animacje.miesieczna=false --ustaw presje.skala_m=960 --ustaw bufory_m=[2000,5000]

Przy pierwszym uruchomieniu skrypt sam uruchomi logowanie do Earth Engine ^[21]. Plik zanieczyszczenie_swiatlem.py ma format Jupytext (komórki # %%), więc można go także otworzyć jako notatnik. Kod wyjścia 2 oznacza, że jakiś moduł przerwał się błędem; raport i pozostałe wyniki są zapisane.

7.3. Ustawienia

7.3. Wtyczka do QGIS

Dla osób pracujących w QGIS przygotowano wtyczkę Zanieczyszczenie światłem nocnym (Night-time Light Pollution) z interfejsem w języku polskim i angielskim. Obejmuje wyłącznie światło nocne VIIRS (jasność roczna i miesięczna, trend, sezonowość, mapy, animacje, GeoTIFF, raport). Obszar wskazuje się warstwą poligonową z projektu lub plikiem; biblioteki Pythona wtyczka instaluje do osobnego folderu, nie zmieniając instalacji QGIS, a zakładka Dostęp do GEE prowadzi krok po kroku przez założenie projektu Google Cloud i logowanie do Earth Engine.

1. Pobierz plik zanieczyszczenie_swiatla_nocnego-1.0.1.zip (kod źródłowy w katalogu qgis_plugin).
2. W QGIS (3.22 lub nowszy) wybierz Wtyczki, Zarządzanie wtyczkami, Zainstaluj z pliku ZIP i wskaż pobrany plik.
3. W oknie wtyczki otwórz zakładkę Dostęp do GEE, kliknij kolejno Zainstaluj biblioteki, Zaloguj do Earth Engine i Sprawdź połączenie, a potem wróć do zakładki Analiza.

Wtyczka ma status eksperymentalny. Okno i silnik sprawdzono na zaślepkach Earth Engine i QGIS, bez prawdziwego QGIS, więc pierwsze uruchomienie traktuj jako test i zgłoś uwagi w repozytorium.

8. Co powstaje w folderze wyników

9. Literatura

1. T. Ściężor et al., „Ecological Light Pollution (ELP) Scale as a Measure of Light Pollution Impact on Protected Areas: Case Study of Poland,” Sustainability, vol. 17, no. 11, art. 4824, 2025, doi: 10.3390/su17114824.
2. C. D. Elvidge, K. Baugh, M. Zhizhin, F.-C. Hsu, T. Ghosh, „VIIRS night-time lights,” Int. J. Remote Sens., 2017, doi: 10.1080/01431161.2017.1342050.
3. C. D. Elvidge, M. Zhizhin, T. Ghosh, F.-C. Hsu, J. Taneja, „Annual time series of global VIIRS nighttime lights derived from monthly averages: 2012 to 2019,” Remote Sens., 2021, doi: 10.3390/rs13050922.
4. K. J. Gaston, J. Bennie, T. W. Davies, J. Hopkins, „The ecological impacts of nighttime light pollution: a mechanistic appraisal,” Biol. Rev., 2013, doi: 10.1111/brv.12036.
5. F. Hölker et al., „The dark side of light: a transdisciplinary research agenda for light pollution policy,” Ecol. Soc., 2010, doi: 10.5751/ES-03685-150413.
6. F. Falchi et al., „The new world atlas of artificial night sky brightness,” Sci. Adv., 2016, doi: 10.1126/sciadv.1600377.
7. C. C. M. Kyba et al., „Artificially lit surface of Earth at night increasing in radiance and extent,” Sci. Adv., 2017, doi: 10.1126/sciadv.1701528.
8. J. K. Garrett, P. F. Donald, K. J. Gaston, „Skyglow extends into the world's Key Biodiversity Areas,” Anim. Conserv., 2019, doi: 10.1111/acv.12480.
9. K. J. Gaston, J. P. Duffy, J. Bennie, „Quantifying the erosion of natural darkness in the global protected area system,” Conserv. Biol., 2015, doi: 10.1111/cobi.12462.
10. C. M. Kennedy et al., „Managing the middle: a shift in conservation priorities based on the global human modification gradient,” Glob. Change Biol., 2019, doi: 10.1111/gcb.14549.
11. D. M. Theobald et al., „Earth transformed: detailed mapping of global human modification from 1990 to 2017,” Earth Syst. Sci. Data, 2020, doi: 10.5194/essd-12-1953-2020.
12. C. F. Brown et al., „Dynamic World, near real-time global 10 m land use land cover mapping,” Sci. Data, 2022, doi: 10.1038/s41597-022-01307-4.
13. V. J. Pasquarella, C. F. Brown, W. Czerwinski, W. J. Rucklidge, „Comprehensive quality assessment of optical satellite imagery using weakly supervised video learning,” in Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recognit. Workshops (CVPRW), 2023, pp. 2125-2135.
14. P. K. Sen, „Estimates of the regression coefficient based on Kendall's tau,” J. Am. Stat. Assoc., 1968, doi: 10.1080/01621459.1968.10480934.
15. H. B. Mann, „Nonparametric tests against trend,” Econometrica, 1945, doi: 10.2307/1907187.
16. L. Joppa, A. Pfaff, „High and far: biases in the location of protected areas,” PLoS ONE, 2009, doi: 10.1371/journal.pone.0008273.
17. K. S. Andam, P. J. Ferraro, A. Pfaff, G. A. Sanchez-Azofeifa, J. A. Robalino, „Measuring the effectiveness of protected area networks in reducing deforestation,” Proc. Natl. Acad. Sci. USA, 2008, doi: 10.1073/pnas.0800437105.
18. K. H. Hamed, A. R. Rao, „A modified Mann-Kendall trend test for autocorrelated data,” J. Hydrol., 1998, doi: 10.1016/S0022-1694(97)00125-X.
19. S. Yue, P. Pilon, B. Phinney, G. Cavadias, „The influence of autocorrelation on the ability to detect trend in hydrological series,” Hydrol. Process., 2002, doi: 10.1002/hyp.1095.
20. Google, „Get Earth Engine access,” dokumentacja Google Earth Engine (strona sprawdzona 13.11.2026). [Online]. Dostępne: developers.google.com/earth-engine/guides/access
21. Google, „Python install: authentication and initialization,” dokumentacja Google Earth Engine (strona sprawdzona 13.11.2026). [Online]. Dostępne: developers.google.com/earth-engine/guides/python_install

Rejestry obszarów chronionych, kolekcje VIIRS, gHM i Dynamic World są opisane w katalogu danych Google Earth Engine pod identyfikatorami z tabeli w sekcji 3; opis zbioru VIIRS VCMSLCFG podaje ograniczenia wersji 1 cytowane w sekcji 5.2.

10. Jak cytować

Archiwum wydania v1.0.0 ma stały identyfikator DOI w Zenodo: 10.5281/zenodo.24186500 (rekord). Zalecany zapis (IEEE):

Plik CITATION.cff w repozytorium zawiera te same dane w formacie czytelnym dla programów (Zotero, GitHub). Strona opisuje bieżący stan gałęzi głównej repozytorium; archiwum DOI zawiera stan z dnia wydania. Przy publikacji wyników podaj wersję i datę uruchomienia (zapisuje je plik z parametrami biegu w folderze 06_raport).