logga
Det finns potential att använda AI-modellering för att identifiera trakter med röjningsbehov.

Röjning av skog i ungskogsfasen (2-4 m höga skogar) ger positiv effekt på lönsamheten redan i de första uttagen av gagnvirke (gallring). Utvecklingen i äldre skogar kan till viss del förutsägas, men i ungskogar krävs fältbesök för att bedöma åtgärdsbehov. Enligt Skogsstyrelsens analyser av riksskogstaxeringens fältinventeringar finns ett röjningsbehov över mer än 1 miljon hektar i Sverige om målet för skogsskötseln är optimal ekonomisk avkastning. Det innebär också att behovet ökar årligen i takt med att röjning genomförs i för låg omfattning. Skogsföretag känner till behovet och röjer i sina egna skogar, men det röjs betydligt mindre i privata skogsägares innehav. Det kan också vara svårt för arbetslag inom skogsvård att planera röjningen till följd av odetaljerad information om objekten.

Svenska skogsföretag karterar idag röjningsbehov genom att först göra ett urval baserat på registerdata och sedan bruka helikopterinventering med visuella bedömningar över sina arealer. Med tanke på det återkommande behovet av inventering (årligen) och den stora ytan att täcka är detta väldigt ineffektivt och utförs inte alltid, vilket får effekten att färre skogar röjs än om effektiva metoder för kartering av röjningsbehov hade funnits. Skogsstyrelsen har använt vegetationsindex från satellitdata (en tidpunkt) för att identifiera röjningsbehov i utförda avverkningar (5-15 år efter avverkning). Karteringen omfattar endast några skogstyper och fungerar bara över delar av Sverige. Myndigheten har dock kunnat mäta ökad röjningsaktivitet när de nyttjat karteringen i sin rådgivning. Tjänsteföretag erbjuder också röjningskartor från fjärranalys i begränsad omfattning. Gemensamt har varit en brist på detaljerade fältdata att validera mot.

En betydande del av projektet var en detaljerad fältdatainsamling där röjningsarbetare i tre arbetslag verksamma i tre olika geografiska områden försågs med en koordinat- och tidsloggande mobilapp, samt att röjsågar utrustades med en varvtalsloggande sensor. Vidare fick arbetslagen instruktioner för hur de skulle beskriva och dokumentera objekten. I denna rapport beskrivs hur data från ett av de tre geografiska områdena tillsammans med satellitbilder och kartor över trädhöjd, markfuktighet och lutning användes för att träna en AI-modell till att prediktera röjningsbehov.

Huvudresultatet är en djupinlärningsmodell som predikterar röjningsbehov uttryckt som tidsåtgång i sekunder per pixel i ungskogar, tränad på objekt i Södra Sverige. Medelfelet för modellen per 10 × 10 meters pixel är 56,1 sekunders röjtid. Denna lokala modell har potential att vidareutvecklas för att användas som beslutsstöd för skogsvårdsentreprenörer som utför arbetet, men även för skogsföretag i planeringen av insatserna. Modell bör utvärderas vidare mot fältmätningar under exempelvis en säsong innan operationell användning.

Möjliga nästa steg inkluderar att testa befintlig modell på ytterligare områden, träna modellen på satellitbilder från flera delar av Sverige, flera säsonger eller från efter röjningstillfället, utforska olika sätt att presentera prediktionen samt andra tillämpningar av datasetet, till exempel för att utveckla arbetsmetodiken vid röjning.

Nr 30-2024    Publicerad 2024-04-22 09:37

Kommentarer
Det finns ännu inga kommentarer på denna sida. Var först med att ge en kommmenter.
Kommentera
Skicka in
Kommentarer granskas innan publicering
Tack för din kommentar!
Vi granskar och publicerar din kommentar så snart som möjligt.
Tyvärr lyckades vi inte spara din kommentar.
Författare
Kari Hyll
Forskare
Liviu Ene
Forskare
Rikard Hedberg
Field Group
Filippa Sidén
Field Group
Martin Längkvist
Örebro Universitet
Atiqur Rahaman
Örebro Universitet
Erik Willén
Stora Enso
Maria Nordström
Processledare