Så förbättrar AI övervakningen av natur och mark

I och med förordningar som exempelvis EU:s naturrestaureringsförordning ställs nya krav på att återställa ekosystem, men också att bättre följa hur naturen utvecklas. Idag görs detta med hjälp av fältundersökningar där man ger sig ut i naturen för att titta på biologisk mångfald och hur marker betas. 

Det är ett både svårt och tidskrävande arbete att på detta sätt täcka in stora arealer och skapa sig en helhetsbild över läget. 

Satellitbilder och AI kompletterar fältarbete och gör det mer träffsäkert

Satellitbilder gör det möjligt att täcka stora ytor och AI hjälper till att analysera informationen och peka ut var det behövs en närmare titt.

– Med den här typen av AI-applikationer kan vi skala upp och göra delar av arbetet mer tidseffektivt. I stället för att alltid skicka ut människor kan man observera platser från rymden över tid, säger Aleksis Pirinen, AI-forskare på RISE.

Hur mycket information som går att få fram beror på bildernas upplösning. RISE har tillsammans med Arla använt drönarbilder från gårdar för att undersöka vad som går att identifiera i satellitbilder och när det krävs bilder med högre upplösning.

Genom EU:s jordobservationsprogram Copernicus finns stora mängder satellitdata fritt tillgängliga. Men att ha tillgång till bilderna är inte samma sak som att kunna tolka dem. 

– AI-modellen kan tränas till att bli expert på sin specifika uppgift. Den kan göra jobbet snabbare och mer träffsäkert än människor, säger Aleksis Pirinen.

AI-modeller som kan användas var som helst på jorden

Men det betyder inte att människan blir överflödig. Fältarbetet är fortfarande viktigt för att undersöka sådant som satelliterna inte kan se. Det behövs också för att träna och kontrollera AI-modellerna.

– För att vi ska kunna få en AI-modell att känna igen naturrestaurering från satellitbilderna behöver vi ge modellen ett facit som visar att den gör rätt. Och det facit kan man bara få från marknivån, genom att en människa är där och kollar hur det går, säger Aleksis Pirinen.

AI kan också göra fältarbetet mer träffsäkert. I stället för att förlita sig på stickprov kan man rikta insatserna mot områden där analysen visar att något verkar avvika.

AI-modeller kan samtidigt behöva anpassas till lokala förhållanden. Väder, molntäcke och andra förutsättningar påverkar hur satellitbilder ser ut.

– Om en modell har tränats på bilder från en annan del av världen kan den behöva anpassas och tränas om för att fungera bra på svenska bilder. Samtidigt utvecklas mer generella AI-metoder som kan användas framgångsrikt nästan var som helst på jorden.

RISE har bland annat arbetat tillsammans med SMHI med AI-modeller för att känna igen de typer av moln som förekommer i Skandinavien. Dessutom driver RISE Digital Earth Sweden, en plattform där myndigheter och andra aktörer kan få tillgång till satellitdata och som utvecklas med svenska förhållanden i åtanke.

Tekniken kan ge underlag för stadsplanering

Kombinationen AI och satellitdata kan användas till betydligt mer än naturrestaurering. RISE arbetar tillsammans med olika aktörer med grön infrastruktur i städer och metoder för att följa förändringar av kustlinjer.

För kommuner kan tekniken ge underlag för stadsplanering.

– Används den här parkeringsplatsen så mycket som vi tror? För att svara på det kan man följa den över tid och ge kommunen ett dataunderlag för att besluta om platsen ska förbli en parkering eller användas till något annat.

– Den typen av tvärvetenskapligt arbete är vår styrka på RISE. Vi har själva experter inom en mängd områden, som i detta fall kan vara allt från biologisk mångfald och pollinerare till AI och geologi – allt under samma tak. Dessutom fungerar vi ofta som en sammankallande aktör och får olika organisationer, företag och myndigheter i samhället att samarbeta. Det är det som krävs för att kunna ta så komplexa projekt i mål och jobba för långsiktig förändring, säger Aleksis Pirinen.