Text: Metria

Artificiell intelligens (AI) och maskininlärning är tekniker som Metria länge har använt i arbetet med geodata. Ja, geodata och AI kan verkligen kallas ”a match made in heaven”!

Genom att mata AI-modeller med väl utvald geografisk information kan vi upptäcka mönster och analysera förändringar.

Geodata är en viktig grund för många typer av beslutsunderlag. Det möjliggör bättre planering, minskade risker, bättre hållbarhet och ökad resurseffektivitet. AI är en utmärkt metod att snabbt bearbeta och hitta mönster i de enormt stora mängder geografiska data som finns att tillgå idag i form av bland annat satellitdata, laserdata, flygfoton, kartor och statistik. Det är dock väldigt viktigt att ha bra koll på vilka indata och vilka träningsdata som är bäst att använda i sina AI-modeller och att kvalitetssäkra slutprodukten ordentligt.

Automatiserad kartläggning av mark och skog

Med hjälp av AI kan satellitbilder kombinerat med andra geografiska data klassificeras automatiskt, till exempel för att skilja mellan olika trädslag. Det gör arbetet både snabbt och konsekvent. Metria är experter på detta område och tekniken används bland annat i produktionen av Naturvårdsverkets Nationella Marktäckedata (NMD). NMD används i sin tur av myndigheter, kommuner och företag som behöver ha koll på vad som finns på marken.

Förändringsanalys

AI och maskininlärning kan användas för att snabbt upptäcka små förändringar som avverkningar, byggnation eller skador i skogen även om det finns väldigt stora datamängder att leta bland. Idag finns stora mängder satellitdata att tillgå och genom att göra tidsserieanalyser på stora datamängder går det att automatiskt hitta många olika typer av förändringar. Denna typ av analyser kan till exempel vara intressant för planering av skogsarbete eller i miljöarbete.

Modellbaserade scenarier för klimat och risk

Klimatförändringar påverkar samhällsplanering på alla nivåer. SMHI använder bland annat klimatmodeller och hydrologiska modeller för att beräkna olika framtidsscenarier som hur temperatur, nederbörd eller vattennivåer förändras över tid. Dessa data kan i sin tur kombineras med andra typer av geodata för att skapa en tydligare bild av vilka områden som riskerar att påverkas av klimatrisker som till exempel översvämning, erosion eller torka. När riskzoner och scenarier visualiseras i kartform får beslutsfattare ett bättre underlag för planering och klimatanpassning.

Med allt större mängder tillgängliga geodata och den snabba utvecklingen av AI blir möjligheterna hela tiden fler. För snabb och effektiv beslutsfattning lönar det sig verkligen att dra nytta av denna kombination.