Från krontäcke till trädslag - Användning av djupinlärning för att kartlägga svenska skogar genom Sentinel-1-och -2-observationer

Skogar förser oss med ett stort antal ekosystemtjänster. Dessa inkluderar att ta upp koldioxid från atmosfären, trä för virke och massa, att stabilisera marken för att minska jordskred, att upprätthålla biologisk mångfald och att erbjuda möjligheter till fritidsaktiviteter som vandring eller camping. Men kvaliteten och kvantiteten på dessa tjänster beror på vilka trädslag skogen består av.

Enligt det nuvarande kunskapsläget erbjuder skogar med en högre mångfald av trädslag mer ekosystemtjänster än skogar med en lägre mångfald av trädslag. Detta innebär att kunskap om utbredning och fördelning av trädslag är nödvändig för att bättre förstå deras bidrag till ekosystemens funktion och leverans av ekosystemtjänster. Sverige är ett stort land och därför är det är viktigt att kartlägga utbredning och fördelning av olika trädslag över stora områden. Kartläggning av trädslag har vanligtvis gjorts genom användning av optisk fjärranalysdata från luftburna system eller satelliter i kombination med enkla algoritmer som Maximum Likelihood-metoden. Resultaten har varit goda men tillvägagångssätten lämpar sig inte för större områden.

Detta projekt använder en toppmodern djupinlärningsalgoritm i kombination med radar och optisk data från Sentinel-1- och Sentinel-2-satelliterna för att kartlägga trädslag i ett område som täcker 12 procent av Sveriges yta (52 016 km2). Mikrovågsstrålning som utsänds av Sentinel-1-satelliten kan tränga in under trädkronorna och returnera information om trädens struktur. Sensorn ombord på Sentinel-2-satelliten kan fånga upp solstrålning som reflekteras från jorden över ett brett spektrum av våglängder. Detta inkluderar våglängder från den så kallade "red edge"-delen av det elektromagnetiska spektrumet som är känsligt för klorofyllinnehållet i vegetationen och därmed hjälper till att differentiera olika trädarter. På detta sätt kompletterar dessa två satelliter varandra och hjälper till att förbättra trädslagbestämning. Genom att använda de senaste djupinlärningsalgoritmerna i kombination med dessa kompletterande datakällor får man dessutom en möjlighet att ytterligare förbättra bestämningen av trädslag. Sammantaget leder denna metod till en operativ process där man enbart behöver satellitdata och djupinlärning för att regelbundet kunna tillhandahålla kartor över trädslagsutbredning över hela Sverige.