Ny forskning inom Mistra Digital Forest visar hur högupplöst laserskanning, avancerad segmentering och högpresterande datorkraft kan användas för att kartlägga enskilda träd i stor skala. Resultaten banar väg för mer precisa analyser och effektivare beslut i skogsbruket.
Johan Holmgren, SLU. Fotograf: Johan Olsson
Med hjälp av Computational Forestry Lab (CFL) – en superdator utvecklad för avancerad skogsforskning – har forskare vid SLU kartlagt enskilda träd i en omfattning som är svår att genomföra med vanliga datorer. Med högupplöst flygburen laserdata från ett 125 000 hektar stort testområde i norra Sverige och avancerad trädsegmentering har forskarna kunnat kartlägga omkring 117 miljoner träd.
– Vår studie visar på potentialen i den datorkraft som Mistra Digital Forests alla partners har tillgång till i CFL. Vi har använt 500 parallella processer och kortat analystiden till drygt 16 timmar, utan parallella beräkningar på en enskild dator skulle det ta ungefär ett år, säger Johan Holmgren, docent i fjärranalys, SLU.
Skogsmaskiner blir datainsamlare
Visualisering som använder WebGL point cloud viewer.
Centralt för forskningen inom Mistra Digital Forest är att koppla ihop trädkartor med värdefull information om volym, biomassa och trädslag. Här har projektet testat skördare utrustade med lasersensorer och GPS som kan ge information om stamdimensioner direkt vid avverkning och med cirka en decimeters felmarginal fastställer trädets position. Tillsammans med omfattande data från maskinernas HPR-filer blir det möjligt att träna modeller för exakta och storskaliga uppskattningar av skogens resurser.
– Inom trädslagsklassificering växer användningen av AI-baserade metoder snabbt och vi ser att neurala nätverk är användbara för att identifiera mönster i stora datamängder. Med laserdata på drygt 20 punkter per kvadratmeter och relativt enkel bearbetning har vi redan idag en träffsäkerhet på omkring 90 procent för björk, tall och gran, säger Johan Holmgren.
AI ger detaljerad information om skogen
Trädsegment.
För att öka precisionen ytterligare har forskarna också testat högupplöst data från flygburen laserskanning med flera hundra laserpunkter per kvadratmeter. Den har kombinerats med neurala nätverk som använder faltning, så kallade CNN. Metoden är särskilt effektiv för att identifiera mönster i bild- och laserdata och kan användas för att träna AI-modeller att klassificera trädarter utifrån deras grenverk.
– Arbetet inom Mistra Digital Forest ger en förståelse för hur högpresterande datorkraft kan användas i skogsbruket och visar att sådana resurser är avgörande för mer precisa skattningar av biomassa, volym och trädslag. Nästa steg är att testa metoderna i fler skogstyper, säger Johan Holmgren.