Oppløftende testresultater om myrdata

Det dreier seg om testresultater fra prosjektet "landsdekkende vårtmarksdatasett", LAVDAS. Prosjektleder Carl William Lund i Kartverket mener resultatene ser oppløftende ut. 

– De første rådataene fra modellene har allerede blitt validert av NIBIO. Målet var her å gi konstruktive tilbakemeldinger for å forbedre datasettene, sier han.

Den siste tids arbeid peker på flere utfordringer i modellene:

• Feilklassifisert areal grunnet hogstflater i lavlandet
• Snødekking eller mye vann grunnet snøsmelting, særlig i Nord-Norge
• Terreng- og fjellskygger i satellittbilder

Dette blir tatt hensyn til i den videre utviklingen av modellene, og en ny runde med validering og kvantifisering av resultatet ventes i løpet av sommeren.

Det er Norsk Regnesentral og Norsk institutt for naturforskning (NINA) som har testet og utviklet maskinlæringsmodellene. I tillegg er Miljødirektoratet, NIBIO og Kartverket parter i prosjektet som er finansiert av Forskningsrådet. 

^{Prosjektleder Carl William Lund i Kartverket.} 

Kan kunstig intelligens finne myr?

Formålet med innovasjonsprosjektet LAVDAS er å finne ut om ny teknologi, som kunstig intelligens, kan gi hjelp til å avdekke myrområder og myrtyper og annen våtmark som vi ikke har i de offentlige kartene. Prosjektet skal

1. utforske om kunstig intelligens kan detektere, klassifisere og avgrense våtmark over hele Norge ved hjelp av satellittbilder, høydedata og andre tilgjengelige kartdatakilder. 
2. utforske om nye kartleggingsmetodikker kan hjelpe oss til å styrke myrinformasjon i det offentlige kartgrunnlaget, der myr inngår som tema både i topografiske kart og i sentrale areal- og naturressurskart. 
3. utforske om det er mulig å utvikle en skybasert infrastruktur som automatisk frembringer, oppdaterer og visualiserer våtmarksdata, og om det kan etableres en skytjeneste for å dele data mellom aktører.  

Geografiske datakilder i modeller

– I LAVDAS bygges modeller som hovedsakelig er trent på flere ulike satellittbilder, men det er sentinel-konstellasjonene som står mest sentralt i prosjektet. Både høydedata, ulike terrengvariabler og andre geografiske datakilder inngår også som svært viktige datakilder, sier Lund.

Norsk Regnesentral har utviklet en U-net-basert modell som er spesielt egnet til å identifisere og segmentere områder i bilder, som myr og våtmark i satellittdata. De har også utviklet en grunnmodell gjennom et tilgrensende ESA-prosjekt kalt "Foundation Models for Climate and Society". Den er trent på omtrent 40 terrabite med umerket satellittdata på den finske superdatamaskinen LUMI.

NINA har også utarbeidet en U-net-modell tidligere, som gjennom prosjektet er blitt videreutviklet. De har videre jobbet med en grunnmodell fra Google og "Ensemble Modeling" for å kunne slå sammen alle de fire modellene.