Nowy model uczenia maszynowego do szacowania zjawiska fluorescencji chlorofilu na obszarze mokradeł, w oparciu o dane satelitarne, opracowali naukowcy z Centrum Teledetekcji Instytutu Geodezji i Kartografii. Pozwala on na wczesne wykrywanie zagrożeń. Artykuł poświęcony nowemu algorytmowi ukazał się w piśmie Remote Sensing. W swojej pracy naukowcy wykorzystali algorytm XGBoost. Badaczom udało się uzyskać wyniki szacowania fluorescencji chlorofilu na bazie zdjęć z europejskiej misji satelitów Copernicus Sentinel-2 na poziomie wiarygodności wynoszącej ponad 70%. Analizy wykazały wysoką przydatność danych satelitarnych do śledzenia tempa zmian fenologicznych roślinności torfowisk. Walidacja wyników potwierdziła zgodność z pomiarami terenowymi, gdzie błąd estymacji nie przekracza 1,5% .
