AI hjälper till att kartlägga röjningsbehovet i svensk skog
Bevaka naturvärden, få träden att växa bättre eller skapa en skog för rekreation? Röjning är en skogsvårdsåtgärd som kan fylla flera syften och oavsett vilket kan digitala beslutsstöd förbättra både planering och genomförande. Inom Mistra Digital Forest vidareutvecklas nu en AI-tränad modell som hjälper skogliga aktörer att kartlägga röjningsbehov.
Röjning ökar värdet på träden och är ett sätt att skapa en skog som är variationsrik, välmående och en plats där människor vill spendera sin tid. Samtidigt behöver röjningen i den svenska skogen öka och behoven skiljer sig stort mellan skogsägare. I ett Vinnova-finansierat projekt på Skogforsk har forskarna hittat sätt att kartlägga röjningsbehov i stora skogsområden med hjälp av maskininlärning, som är ett område inom AI. Genom att kombinera fältdata och satellitbilder från EU:s jordobservationsprogram Copernicus går det att träna upp modeller som bedömer röjningsbehovet i större bestånd. Nu fortsätter arbetet inom Mistra Digital Forest.
– Vi har en grundmodell med bra potential. Nu ska vi ta viktiga steg på vägen mot operativ drift och utveckla en modell som möter de olika behov som finns både inom och mellan grupper som skogsägare och skogsentreprenörer. Förhoppningsvis kan modellerna göra att fler röjer sin skog och att röjningen blir mer effektiv, säger Liviu Ene, forskare Skogforsk.
Hittills har modellen bara tränats på data från skog i Mellansverige. Nästa steg är att testa modellen på nya områden och träna den på data från skog i andra landsändar. Det är viktigt för att få en modell som kan hantera den stora variationen i svensk skog, med alla lövträd i söder och rika granskogar i norr. Forskarna kommer också testa att använda mer högupplösta satellitdata, den satellitdata som hittills har använts är känslig för väderlek vilket påverkar tillförlitligheten. Här ser forskarna en möjlig lösning i att slå ihop data från olika satelliter.
Många möjliga användningsområden
Södra, Sveaskog och Mellanskog medverkar i projektet och ser positivt på möjligheten att uppskatta röjningsbehov ”på distans”. En feedback från projektdeltagarna, som nu tas vidare inom projektet, är att utveckla modeller som kan användas till att utvärdera hur lång tid röjningsarbetet tar. Förutom att underlätta planeringen skulle det exempelvis vara ett bra beslutsunderlag i affärstransaktionen mellan skogsägare och skogsentreprenör. Just hur resultaten ska tillgängliggöras är en fråga som står i fokus inom Mistra Digital Forest. Ett annat möjligt användningsområde är att analysera olika tillvägagångssätt vid röjningsarbete och ringa in vad som kan förbättras.
– Nu har vi chans att utveckla beslutsstöd som hjälper oss att göra rätt prioriteringar på flera nivåer. Dels kan vi rikta resurserna smartare redan i planeringen av skogsvård och undvika att åka ut på inventering bara för att konstatera att inget röjningsbehov finns. Röjningslagen kan också få bättre underlag att lägga upp sitt arbete och rikta sina insatser på plats, säger Marcus Abrahamsson Månsson, teknikspecialist på Sveaskog.
Alltmedan forskarna validerar och vidareutvecklar modellen har den tidigare projektparten Field Sweden börjat ta fram en kommersiell tjänst i form av ett rikstäckande beslutsstöd.
– Vi ser ett stort intresse från branschen men behoven skiljer sig åt och de styr riktningen på vårt arbete framöver. I slutänden vill vi utveckla lösningar som är nyttiga och användbara för industri och skogsägare, säger Liviu Ene.