FOTO: Mistra, Nasa/Unsplash

Superdatoranläggningen för digital skogsforskning går under namnet Computional Forestry Lab och är placerad på Umeå universitet. Satsningen har möjliggjorts med medel från Mistra Digital Forest och Kempestiftelsen. En av forskarna som ser fram emot att använda datacentrat för att hantera stora datormängder är Anneli Ågren, docent vid SLU. Hon leder en forskargrupp som utvecklar nya högkvalitativa kartor från laserdata och med hjälp av AI. Mer kvalitativa kartor kan både ge bättre beslutsunderlag för skogsbruk och miljöarbete, men de utgör också viktiga underlag i klimatanpassningsarbete och i större diskussioner om exempelvis skogens roll som kolsänka.

Anneli Ågren var engagerad i Mistras forskningsprogram Future Forest (2009–2016) och studerar hur skogsbruk och klimatförändring kan påverka mark och vatten och att hitta lösningar som balanserar krav på skogsproduktion med miljöhänsyn. Svaren finns bland annat i kartor.

Redan 2015 när den första rikstäckande laserscanningen av Sverige var klar började Anneli Ågren och hennes forskargrupp vid SLU att arbeta med den första digitala kartan. Sex år senare presenterade de Markfuktighetskartan. Från att ha kunnat visa 36 procent av de blöta markerna visar den nya kartan nu 79 procent. Efter det arbetade forskargruppen fram Torvkartan. De digitala kartorna är av stort värde för planering och underhåll inom skogsbruket, både inom forskningen och för industri.

– Det är också samhällsviktigt med bra information om skogslandskapet. Nu arbetar vi vidare med Markfuktighetskartan för att se om vi även kan anpassa den och göra den mer interaktiv efter årstider och väder, säger Anneli Ågren.

”Skit in – skit ut”

Anneli Ågren påpekar att det är de olika lagren av data som tillsammans bildar en kvalitativ helhet. Laserscanning har revolutionerat arbetet, men för att träna AI-modellerna att hitta det forskarna vill, utgör även annan data och fältstudier viktiga underlag. SLU:s nationella övervakningsprogram Riksskogstaxeringen och Markinventeringen är två exempel. Det är när de olika data och underlag fogas samman som forskarna kan skapa en mer komplett bild av verkligheten. Och arbetet med att skapa kvalitativa kartor är lite av ett detektivarbete – vilken data finns egentligen och kan användas?

– En sak vi lärt oss genom åren är att det inte går att skapa en framgångsrik AI-modell utan riktigt bra träningsdata. Skit in – skit ut, brukar vi tänka. När vi skapade Markfuktighetskartan la vi fyra år på att ta fram riktigt bra träningsdata. Det visade sig vara värt det.

För tillfället arbetar en av Anneli Ågrens doktorander med att studera Sveriges jordarter för att utveckla Sveriges jordartskarta. Sveriges geologiska undersökning, SGU, säger själva att kartan Jordarter bör användas med stor försiktighet då den på många platser är grovt generaliserad. För att generera AI-framtagna jorddjupskartor används 1,2 miljoner observationer av jorddjup, från bland annat borrningar.

– Det är fantastiskt att det finns så många observationer i Sverige. Utan fältdata – inga AI-modeller. Här finns dock stor potential. Mitt mål är att det innan jag går i pension ska finnas bättre kartor för jordarter. Tillämpningen är bred och har betydelse för planering av infrastruktur och byggnation, likväl som för planering av körning i terräng. Enligt SGU ger varje investerad krona i en bättre jordartskarta en samhällsvinst på 100 kronor, säger Anneli Ågren.

Från 10 till 90 procent

Ett av de projekt som genererat störst förbättring är SLU:s dikeskartor. De nuvarande kartorna inkluderar nästan 90 procent av alla diken och 60 procent av alla vattendrag, jämfört med de tidigare kartorna som visade 10 procent av dikena och 19 procent av vattendragen.

– Det här är mycket viktig information för skogsbruket. Det är till hjälp för att planera körning i terräng och för att fatta beslut om diken behöver rensas, pluggas för återvätning eller lämnas ifred för en naturlig restaurering med igenslamning eller igenväxt.

Anneli Ågren tror att det går att krama ur några procent till, i alla fall gällande vattendragen. Den stora förbättringen berättar hon beror på att vattendragen inte syns på flygfoton, på grund av trädkronorna, men med laser ser man istället fåran i marken. När forskarna tränade AI-modellen för att hitta diken arbetade 20 personer med att digitalisera träningsdatan. Det handlar totalt om 2 570 kilometer vattendrag och diken. Hade samma personalstyrka arbetat med att digitalisera datan manuellt för hela landet hade de fått arbeta med detta i 90 år, berättar Anneli Ågren med ett skratt. Samtidigt finns alltid förbättringspotential.

– För att förbättra våra kartor ytterligare behöver Sverige scannas med högre lasertäthet och det är en fråga vi driver. De flesta andra länder har idag högre upplösning på sin scanning, berättar Anneli Ågren.

Klimatanpassning och nya utmaningar

Arbetet som Anneli Ågren och hennes forskargrupp gör är eftertraktat, både av akademin och skogsindustrin, men också av flertalet myndigheter och EU. Tillsammans med Skogsstyrelsen har forskarna utvecklat Skogsvattenkartan. Det är ett hjälpmedel för att bedöma hur åtgärder i skogen, exempelvis avverkning, kan innebära negativa risker på sjöar och vattendrag, exempelvis erosion eller tungmetaller i vatten. Via olika färger visar kartan storlek på vattenflödet och ger en uppfattning om hur vattnet rör sig.

William Lidberg, biträdande universitetslektor vid SLU, och Anneli Ågrens tidigare doktorand, har i en studie tränat en AI-modell och gjort en inventering av vägtrummor i hela Sverige. 87 procent – ungefär en miljon – av dem har identifierats. Tidigare har det funnits data för riksvägar, men nu hittar forskarna vägtrummor under mindre grusvägar, till exempel de för skogsbruket så viktiga skogsbilvägarna. Arbetet nu är att koppla samman arbetet med flödesmodeller för att se vilka vägtrummor som är extra utsatta för extrem nederbörd och i förlängningen risken för översvämning. Likaså pågår ett projekt tillsammans med Trafikverket där forskarna studerar mängden vatten som rinner till varje vägtrumma. Syftet är att öka kunskapen om trummorna är rätt dimensionerade eller om – och i så fall vilka – som kan behöva bytas ut för att anpassas till större vattenflöden.

Nasas system för månkratrar

För tillfället arbetar forskargruppen med att förbättra identifieringen av kulturlämningar. Enligt Anneli Ågren finns gamla kartor med ett få antal inritade, runt 20 procent, men i övrigt är datan för att träna en AI-modell tunn. William Lidberg började då kika på hur Nasa beräknat kratrar på månen och det visade sig att datan var öppen och tillgänglig och kunde användas i detta arbete.

– En grop är en grop, oavsett om den är på månen eller jorden. Vi har med detta arbete gått från stenåldern till rymdåldern. Med hjälp av deras data har vi nu lyckats detektera 70 procent av fångstgroparna.

Anneli Ågren påpekar att vi står i början av revolutionen med AI och laserdata och digitala kartor – precis som alla kartor – kan ha fel. Hon tycker att arbetet med digitala kartor på många håll går för snabbt och håller för låg kvalitet. Och det finns stora risker med detta.

– Jag som sitter mitt i flödet ser mycket undermåligt arbete. De kartor vi tar fram är inte heller perfekta, men vi är noggranna med att publicera osäkerheterna som kartorna har för att öka medvetenheten om detta. Vi måste också öka medvetenheten om vem som ligger bakom en karta, varför den tagits fram, vilken kvalitet vi förväntar oss, vad användningsområdena är och vilka mått vi har på osäkerhet. Det finns intressanta studier som visar att människor generellt har ett högt förtroende för kartor och därför kan de användas medvetet för att vilseleda människor och som desinformation.