Materiały konferencyjne SEP 2026

Źródła i struktura danych Skuteczność modeli uczenia maszynowego zależy bezpośrednio od jakości i kompletności danych wejściowych. Integracja wielowarstwowych zbiorów danych jest kluczowym wyzwaniem metodycznym. Geochemia podłoża Skład chemiczny gruntu, pH, stężenia metali ciężkich (Pb, Zn, Cd, As), struktura granulometryczna i zawartość materii organicznej Teledetekcja Obrazy satelitarne (Sentinel-2, Landsat), ortofotomapy dronowe wysokiej rozdzielczości, indeksy wegetacyjne NDVI i EVI Dane sensoryczne Sieci czujników: wilgotność gleby, temperatura powietrza i podłoża, opady, promieniowanie PAR