AI ser skoven i et nyt lys

Fyr, gran, birk eller måske bævreasp? Forskere fra blandt andet Finnish Geospatial Research Institute (FGI) og Helsinki Universitet har udviklet en ny metode, der kan identificere træarter fra luften.

Metoden kombinerer kunstig intelligens (AI) med såkaldt multispektral laserscanning. Hvor almindelig laserscanning kun benytter én bølgelængde, måler den multispektrale metode ved flere bølgelængder og registrerer derfor både træernes form og forskelle i den måde, de reflekterer lyset på.

Det giver den kunstige intelligens flere oplysninger at arbejde med, når den skal skelne træarterne fra hinanden.

”I fremtiden kræver skovregistrering måske ikke både laserscanning og luftfotos. Én måling kan i stedet give begge typer data,” siger Markus Holopainen, professor i geoinformatik ved Helsinki Universitet, til Forest.fi.

Hitrate på 92 procent

Forskerne afprøvede metoden i et område ved Espoo i det sydlige Finland. Her indsamlede de data om mere end 6.000 træer fordelt på fyr (Pinus spp.), birk (Betula spp.), gran (Picea spp.), bævreasp (Populus tremula), almindelig røn (Sorbus aucuparia), el (Alnus spp.), eg (Quercus spp.), lind (Tilia spp.) og løn (Acer spp.).

Den bedste AI-model blev trænet på detaljerede laserdata fra 5.000 træer. Da den bagefter skulle artsbestemme nye træer, ramte den rigtigt i 92 procent af tilfældene.

Fyr, gran og birk voldte færrest problemer, mens de mindre almindelige løvtræer var sværere at skelne fra hinanden. Modellen klarede sig dog stadig bedre end de mere traditionelle metoder, der indgik i undersøgelsen.

Det har også betydning for resultaterne, hvor tæt træerne står. Når skoven bliver scannet fra luften, kan høje trækroner skjule mindre træer, og i tætte bevoksninger kan det være vanskeligt at holde de enkelte kroner ude fra hinanden.

AI-modellen havde derfor størst succes ved ældre, tyndede bevoksninger, hvor trækronerne stod tydeligere frem hver for sig.

AI får ikke skoven for sig selv

Et præcist overblik over træarterne er nyttigt for både skovbruget og overvågningen af biodiversitet. Det gør det lettere at planlægge hugst og handel med træ, men også at følge ændringer i skovens artssammensætning og finde mindre almindelige arter, der har betydning for biodiversiteten, som for eksempel bævreasp.

Feltarbejde bliver dog næppe overflødigt fremover. Kategorien “træart” er kun én blandt mange andre oplysninger i de finske skovregistreringer, og mange af de øvrige kræver stadig målinger i skoven. Samtidig har AI-modellerne brug for træer, som mennesker allerede har artsbestemt, for overhovedet at kunne lære arterne at kende, understreger Holopainen.

Forskningsartikel: Forskningsartikel: Multispectral airborne laser scanning for tree species classification: A benchmark of machine learning and deep learning algorithmsn

Kilde: Forest.fi

Læs også Seks skarpe om træ med Rasmus Fensholt, professor og leder af forskningscentret TreeSense – eller Center for Remote Sensing and Deep Learning of Global Tree Resources, som det fulde navn lyder.