Nya insikter förbättrar digital röjningsanalys

På Skogforsk utvecklas en modell som skattar röjningsbehov i stor skala med hjälp av öppna satellitdata. Hittills har den stora utmaningen varit att analysens träffsäkerhet brister. Nu har forskarna lyckats förstå varför och kan ta nästa steg mot ett praktiskt beslutsstöd.

Skogsbruket har länge efterfrågat ett effektivt och tillförlitligt beslutsstöd för att identifiera röjningsbehov. Som ett svar på det önskemålet utvecklar Skogforsk sedan flera år en digital lösning som skattar röjningsbehov i stor skala med hjälp av satellitdata.

När Mistra Digital Forest gick in som medfinansiär i projektet hade forskarna redan tagit fram en första modell, den visade att potentialen fanns där men också vilka hinder som behövde övervinnas.

Modellen kunde fånga mönster av korta och långa röjningstider men skillnaden mellan prognostiserad och faktisk röjningstid var fortfarande stor. Röjningstiden beräknades på pixelnivå, det vill säga hur lång tid det tog att röja en pixel som i verkligheten motsvarar en yta på 10 x10 meter.

– Vi behövde förstå varför och bröt ner hela analyskedjan. Första tanken var att felet fanns i modellen men nu har det visat sig vara kvalitén på referensdata som brister. Det är en viktig men inte helt förvånande insikt eftersom prognostisering av röjningsbehov är komplext. Det är svårt att exakt definiera vilka referensdata som bäst fångar själva röjningsbehovet och hur de samlas in i stor skala på ett konsekvent sätt, säger Alva Ringi, civilingenjör på Skogforsk.

Bild från fältdemonstrationen av modellen. Foto: Skogforsk.

Olika arbetssätt gör data svåra att jämföra 

De referensdata som ligger till grund för analysen samlades in för drygt fem år sedan med hjälp av röjningsarbetare i Södras, Mellanskogs och Sveaskogs bestånd. Under röjningsarbetet försågs de med mobiltelefoner som registrerade GNSS-punkter med tidstämplar. De kunde sedan översättas till hur lång tid det tog att röja ytor om 10x10 meter, det som motsvarar en pixel på satellitbilderna.

– En utmaning med insamlade referensdata var variationen i arbetsmetodik, vissa arbetslag delade upp området mellan sig medan andra rörde sig friare. Det påverkade hur lång tid det tog och gör att data inte är helt jämförbara mellan röjningslagen. Modellen riskerar att bli missvisande, säger Alva Ringi.

En annan viktig insikt var att polygonen – kantdragningen för den planerade röjningen – inte stämde överens med det område som sedan röjdes. Varför är oklart men lösningen har visat sig vara att träna modellen på de områden som faktiskt röjs, i stället för på polygonens gränsdragning. Ytterligare en insikt är hur viktigt det är att ha en strikt uppdelning av data. Satellitbildernas pixlar från samma röjningsobjekt är sannolikt mer lika varandra än pixlar från helt olika områden. För att undvika att utvärderingen blir orealistiskt bra behöver data hållas isär striktare så att modellen inte tränas och utvärderas på data från samma objekt.

Ivriga att hitta en lösning 

Nu vill Skogforsk jobba vidare med modellen utifrån den här nya kunskapen och söker nya finansieringsmöjligheter och vägar framåt. I framtiden skulle det vara intressant att samla in nya fältdata. Det menar projektparten Sveaskogs teknikspecialist Marcus Abrahamsson Månsson som ser att ett beslutsstöd för röjning fyller en viktig funktion för att förbättra fördelningen av resurser.

– I dag saknas en tillräckligt bra metod för att uppskatta röjningsbehov i större geografiska områden, som på landskapsnivå. Där är vi ivriga att hitta en lösning, analyser på övergripande nivå skulle hjälpa oss att göra bättre prioriteringar men för att ta nästa steg krävs att vi samlar in nya data. Med ett allt bredare engagemang från skogsbolagens sida finns bra förutsättningar att utveckla metoden vidare, säger Marcus Abrahamsson Månsson.