Att övervaka stora arealer av betesmark är som att titta på en impressionistisk målning – bilden blir tydligare om man tar ett steg tillbaka. Precis det har Jordbruksverket med hjälp av RISE och Rymddatalabbet gjort och lyckats ersätta tidskrävande arbete med satellitdata och AI-inlärning.
Varje år gör Jordbruksverket och länsstyrelserna tusentals besök på betesmarker runt om i Sverige för att avgöra om marken brukas eller om den är övergiven. Det är ett arbete som är mycket kostsamt i både tid och pengar. För att effektivisera detta har blickarna vänts mot satelliter och AI.
Idén är inte ny, Jordbruksverket använder redan satellitbilder i sitt kartläggningsarbete, men analysen av bilderna har hanterats manuellt av handläggare på myndigheten. Det är väldigt tidskrävande och gör det svårt att analysera stora mängder data.
Därför sammanställdes data från Jordbruksverket, RISE och Rymddatalabbet för att bevisa att det med hjälp av satellitdata och oövervakad maskininlärning går att klassificera hur betesmarker använts över tid.
Detta projekt har fokuserat på att använda AI för att inom ett begränsat område gruppera olika betesmarker baserat på hur de används. AI-maskinerna har analyserat satellitdata från Rymddatalabbet och jämfört det mot tidsserier baserat på det som kallas Normalized Difference Vegetation Index (NDVI). Resultatet visade att det finns en tydlig korrelation mellan NDVI och användning av betesmarker.
Med ett sådant utfall finns det nu möjlighet att skapa mer avancerade AI-modeller och övervaka all jordbruksmark i Sverige på ett betydligt mer kostnadseffektivt sätt.