W lipcu mgr inż. Magdalena Łągiewska, mgr Karol Paradowski i mgr Konrad Wróblewski, pracownicy Centrum Teledetekcji Instytutu Geodezji i Kartografii z sukcesem ukończyli studia podyplomowe „Data Science w biznesie” w Szkole Głównej Handlowej w Warszawie. Podczas nauki zgłębiali nowoczesne metody analizy danych i ich praktyczne zastosowania, a efektem końcowym były prace dyplomowe.
Magdalena Łągiewska zrealizowała pracę pt. „Analiza i predykcja zagrożenia suszą rolniczą w Polsce na podstawie danych satelitarnych”. Celem pracy było opracowanie metod umożliwiających ocenę i prognozowanie zagrożenia suszą rolniczą w Polsce na podstawie obserwacji satelitarnych i danych meteorologicznych. W ramach badań Magdalena Łągiewska wykorzystała zintegrowany wskaźnik opisujący warunki wilgotnościowe obszarów rolniczych, który następnie został zastosowany do budowy modeli predykcyjnych. W analizach Magdalena Łągiewska zastosowała zaawansowane narzędzia „data science”, jak modelowanie szeregów czasowych oraz algorytmy uczenia maszynowego (regresja logistyczna, Random Forest, XGBoost). Uzupełnieniem była analiza przestrzenna, ujawniająca istotne zróżnicowanie regionalne zagrożenia suszą. Badania wykazały, że metody te pozwalają skutecznie identyfikować epizody suszy i prognozować ich występowanie, a także uwidaczniają one zróżnicowanie regionalne i ryzyka. Otrzymane wyniki stanowią wkład w rozwój systemów wczesnego ostrzegania o suszy i pokazują potencjał nowoczesnych technologii, jak również potwierdzają przydatność połączenia danych satelitarnych i modeli statystycznych w zarządzaniu ryzykiem klimatycznym w rolnictwie.
Karol Paradowski napisał pracę pt. „Walidacja map suszy rolniczej w Polsce na podstawie wskaźnika NDVI z danych satelitarnych Sentinel-2 dla wybranych upraw ozimych”. Celem pracy była ocena wiarygodności map suszy rolniczej poprzez ich walidację przy użyciu wskaźnika NDVI wygenerowanego z zobrazowań Sentinel-2. Analizie poddano lata 2021–2024 na poziomie województw, wykorzystując pszenicę ozimą jako reprezentatywną uprawę. Przeprowadzono analizę korelacji w przesuwanych oknach sezonu, modele regresji liniowej (sezonowe R² do 0,77) oraz liniowe modele mieszane z uwzględnieniem sezonowych różnic poziomu wyjściowego NDVI. Model mieszany z okresem losowym najlepiej uwzględnił między sezonowe odchylenia, osiągając najniższe wartości kryteriów informacyjnych AIC i BIC. Wyniki potwierdzają, że wysokorozdzielcze dane NDVI stanowią wartościowe narzędzie do niezależnej weryfikacji map suszy i mogą wspierać decyzje administracyjne oraz rolnicze.
Konrad Wróblewski zrealizował pracę pt. „Wykorzystanie uczenia maszynowego do prognozowania stężeń NO2 na podstawie satelitarnych danych meteorologicznych”. Celem pracy była ocena skuteczności wybranych algorytmów uczenia maszynowego w prognozowaniu stężeń dwutlenku azotu, na podstawie danych meteorologicznych pochodzących z satelitarnych reanaliz ERA5-Land z Europejskiego programu Copernicus. Konrad Wróblewski zastosował różne algorytmy uczenia maszynowego, w tym Random Forest, XGBoost i sztuczne sieci neuronowe, aby uchwycić nieliniowe zależności między warunkami pogodowymi a poziomem NO₂. Analizy wykazały, że kluczowy wpływ na wyniki predykcji mają zmienne związane z cyrkulacją powietrza, zwłaszcza prędkość i kierunek wiatru.
Magdalenie, Karolowi i Konradowi gratulujemy ukończenia Studiów Podyplomowych i zapraszamy do wygłoszenia Seminarium, na którym zostaną przedstawione ich prace.
