AI beskrivs ofta som en ny teknik, men inom fjärranalys har AI, eller maskininlärning, använts i årtionden. AI är ett utmärkt verktyg för att analysera stora mängder geografiska data snabbare, mer enhetligt och i större skala än vad som är möjligt med manuella metoder.
Baserat på satellitbilder och andra geodata kan AI hjälpa till att identifiera och klassificera företeelser i landskapet. Det kan handla om trädslag, livsmiljötyper, vattenytor eller förändringar över tid. Resultatet blir underlag som kan användas för analyser, planering och beslutsfattande.
Men hur går det egentligen till när en AI-modell utvecklas och används i praktiken?
Från data till färdig analys
Även om tekniken bakom AI kan vara komplex följer arbetet ofta en ganska tydlig process.
Datainsamling: Första steget är att samla in relevanta data som satellitbilder, laserdata och andra geografiska informationslager. Mängden data är ofta mycket stor. En nationell kartläggning kan omfatta tusentals satellitbilder från olika tidpunkter. AI är särskilt användbart när det handlar om att hantera stora datamängder som skulle vara mycket svåra att analysera manuellt.
Träningsdata: AI kan inte automatiskt förstå vad som är skog, vatten eller bebyggelse. Först måste modellen få exempel att lära sig av. Då används så kallade träningsdata. Ibland finns det redan data som kan användas, men ofta behöver experter identifiera områden. Exempelvis kan det handla om att identifiera vissa livsmiljötyper i flygbilder eller satellitbilder och märka upp dem. Kvaliteten på träningsdata är avgörande. En modell blir aldrig bättre än de exempel den tränas med. Därför läggs ofta mycket tid på att säkerställa att träningsunderlaget är korrekt, representativt och tillräckligt omfattande.
Modellen tränas: När träningsdata finns på plats kan modellen börja tränas. Under träningsprocessen analyserar algoritmen mönster i de data som hör ihop med olika klasser. Successivt lär sig modellen att känna igen skillnader mellan exempelvis olika typer av skog, baserat på spektrala värden, texturer, former och andra egenskaper. Resultatet blir en modell som kan tillämpas på nya områden där klassificeringen ännu inte är känd.
Produktion: När modellen är färdigtränad används den för att analysera stora datamängder. Det är här den verkliga nyttan uppstår. I stället för att manuellt tolka varje bild kan modellen bearbeta stora geografiska områden på kort tid och skapa nya informationslager som kan användas i verksamheten.
Kvalitetssäkring: Resultaten behöver alltid granskas och kvalitetssäkras. Expertkunskap är central för att bedöma om resultaten håller tillräcklig kvalitet och om vissa områden behöver justeras.
Iteration och förbättring: AI-utveckling är sällan en engångsinsats. När modellen används upptäcks ofta områden där den kan förbättras. Nya träningsdata samlas in, modellen tränas om och resultaten utvärderas på nytt. Genom dessa iterationer ökar träffsäkerheten successivt. I praktiken är detta ofta den viktigaste delen av arbetet. Det är samspelet mellan domänexperter, geodata och AI-modeller som skapar de bästa resultaten.
AI i Metrias fjärranalysverksamhet
Metria har lång erfarenhet av att använda AI inom ramen för vår fjärranalysverksamhet. Vi identifierade tidigt betydelsen av att kombinera fjärranalyskompetens med AI-kompetens, geodatakompetens och inte minst domänkunskap inom natur, miljö och klimat. Alla dessa kompetenser behövs för att få ett bra resultat.
Ett exempel är produktionen av nationella marktäckedata, NMD, som vi genomför på uppdrag av Naturvårdsverket.
NMD är en datamängd som beskriver hur marken används och vad som finns på olika platser i landet. Sådana kartläggningar är tidskrävande att producera och uppdatera. Med hjälp av AI kan stora mängder satellitdata och andra geografiska data analyseras automatiskt. NMD är indelad i en mängd olika klasser och för vissa av dessa klasser tränas modeller som sedan tillämpas nationellt för att klassificera marktyper över mycket stora geografiska områden på ett enhetligt sätt.
Resultatet blir aktuella och detaljerade marktäckedata som kan användas inom samhällsplanering, miljöuppföljning, klimatanalyser, naturvård och infrastrukturutveckling.
AI som stöd för bättre beslut
AI är ett viktigt verktyg i många GIS- och fjärranalysprojekt. Det verkliga värdet uppstår när stora mängder data kan omvandlas till användbar information som stödjer analys och beslutsfattande. Genom att kombinera expertkunskap, geografisk information och AI skapas effektivare processer och bättre underlag för framtida beslut.
Från satellitdata till beslut är steget fortfarande beroende av mänsklig kunskap och erfarenhet. AI gör inte arbetet åt oss – men den hjälper oss att göra mer, snabbare och med större precision.
Metria erbjuder digitala lösningar och tjänster inom GIS, geodata, fastighets- och affärsinformation. Vårt erbjudande omfattar hela kedjan från att identifiera kundens behov av geodata, fastighets- och affärsinformation till att samla in, analysera och visualisera data för att skapa insikter som leder till smartare, säkrare och grönare beslut.
Metria är sedan våren 2022 en del av Spir Group, en nordisk koncern med cirka 260 anställda i Norge och Sverige.
Spir Group är ett nordiskt företag som genom att samla in och göra information tillgänglig mellan konsumenter, offentlig och privat sektor, förenklar vi processer som är onödigt komplexa.
Spir Group är moderbolaget och den visionära kraften bakom flera dotterbolag inom mjukvara, alla dedikerade till att leverera affärskritisk teknologi som upprätthåller och utvecklar samhället.
Våra kunder sträcker sig från fastighetsmäklare, banker, försäkringsbolag, värderingsmän, fastighetsutvecklare, medieföretag, byggare, fastighetsägare, ingenjörer, energibolag till tillverkare av byggmaterial.
Vi är mer än 260 kollegor med djup domän- och teknologikompetens. Spir Group gör mer än att bara samla in och dela information. Vi möjliggör innovation och tillväxt som stärker förtroendet mellan människor, företag och samhälle.
Mer information om Spir Group finns på www.spirgroup.com.