Annonse

Denne artikkelen er produsert og finansiert av Norsk institutt for naturforskning - les mer.

Norsk natur bygges ned i raskt tempo. Illustrasjonen er laget av forsker Zander Venter ved hjelp av kunstig intelligens.
Norsk natur bygges ned i raskt tempo. Illustrasjonen er laget av forsker Zander Venter ved hjelp av kunstig intelligens.

Slik bidro forskere til NRK-dokumentar om nedbyggingen av naturen i Norge

Forskere tok i bruk både satellittbilder og KI i  samarbeidet med journalister i NRK. De dokumenterer nå hvordan vi har mistet bit for bit av norsk natur.

Publisert

NRK-saken Norge i rødt, hvitt og grått gjorde skremmende tall synlige: Norge har i gjennomsnitt mistet minst 79 kvadratmeter natur per minutt de siste fem siste årene. 

Det er 207 kvadratkilometer totalt. Historien bak tallene er også fascinerende.

NRK publiserte nylig saken «Norge i rødt, hvitt og grått». Ved hjelp av kunstig intelligens har journalistene kartlagt og analysert over 40.000 satellittbilder av Norge og funnet ut hvor det er gjort reelle inngrep i naturen
NRK publiserte nylig saken «Norge i rødt, hvitt og grått». Ved hjelp av kunstig intelligens har journalistene kartlagt og analysert over 40.000 satellittbilder av Norge og funnet ut hvor det er gjort reelle inngrep i naturen.

Fantes ingen oversikt over nedbygd natur

I 2022 ble Zander Venter, som er forsker i NINA, kontaktet av Mads Nyborg Støstad med et enkelt spørsmål: Har vi data som viser oss hvor mye natur samfunnet vårt forbruker i Norge? Støstad hadde spurt Statistisk sentralbyrå, Norsk institutt for bioøkonomi (NIBIO) og Miljødirektoratet fullstendig datasett over alle naturinngrep gjennom ett år, og ingen kunne gi ham et enkelt svar. Venter pekte også på at det ikke finnes noen lett tilgjengelige kart over nedbygging.

– Jeg hadde nylig publisert en vitenskapelig artikkel om satellittbaserte kart over arealbruk og var tilfeldigvis i ferd med å inkludere kartene i NINAs prosjekter om økosystemregnskap da Støstad kontaktet meg, forteller Venter. 

Venter hjalp Støstad med å lage et kart over naturtap i Norge mellom 2017 og 2022.

Journalistene i NRK var villige til å følge vitenskapelige metoder, forteller naturforsker Zander Venter.
Journalistene i NRK var villige til å følge vitenskapelige metoder, forteller naturforsker Zander Venter.

NINA bruker fugleperspektiv og AI

Venter brukte Googles datasett som kalles Dynamic World. Det bruker åpent tilgjengelige bilder fra de to satellittene Sentinel-2A og Sentinel-2B. De styres av European Space Agency (ESA). 

Satellittene flyr kontinuerlig over jorda og tar bilder av hele verden, inkludert Norge, med en oppløsning på ti meter. 

Bildene er nokså uklare, men Google bruker kunstig intelligens (KI/AI) for å analysere slike satellittbilder og gjenkjenne ulike typer arealbruk. 

Den kunstige intelligensen kan gjenkjenne ni ulike kategorier: vann, trær, gress, oversvømt vegetasjon, snø og is, busker og kratt, barmark, dyrket mark og bebygde områder.

Zander brukte rådataene fra AI-modellen for å avdekke om naturområder har blitt bebygd. 

Mer spesifikt gir den kunstige intelligensen en sannsynlighet for at hvert eneste datapunkt på 10x10 meter på norgeskartet er bebygd eller ikke. Venter kunne ved bruk av tidsserieanalyse identifisere datapunkter, og til slutt områder av datapunkter, som har gått fra naturlig til bebygd dekke.

Ja til vitenskapelige metoder

AI-modeller gir både skjevheter og feil. Dessverre glemmer mange som bruker AI-produkter, å ta høyde for dette før de trekker konklusjoner. 

– Jeg spurte journalistene om de var villige til å følge vitenskapelige metoder og tallfeste feil i kartet og beregne usikkerhet. Det sa de ja til, sier Venter.

Forskerne  ved NINA har en rekke pågående prosjekter om naturregnskap. Der tester de metoder for å tallfeste usikkerhet i kart over utbredelse, tilstand og naturgoder i økosystemer.

Venter hadde derfor de statistiske verktøyene som skulle til for å veilede journalistene gjennom prosessen med å kontrollere kartene og beregne usikkerhet.

I praksis skjedde det slik: Venter sendte dem tusenvis av tilfeldige steder for å bekrefte eller avkrefte om natur hadde gått tapt. 

Ved å bruke tjenester som norgeskart.no, Norge i bilder og Google Earth Pro, kunne de verifisere hvert enkelt punkt. Og de sendte informasjonen tilbake til Venter. 

Forskeren kjørte så dataene gjennom en statistisk modell. Han beregnet at feilmarginen var 18 prosent. Med andre ord: AI tok feil i underkant av 1 av 5 ganger når den flagget et datapunkt som tapt natur. Venter tok høyde for feilen ved beregning av nedbygd areal i Norge.

Journalistene brukte mange andre datasett som NINA har bidratt til å produsere for å utforske hvilke naturtyper vi ødelegger i Norge. For eksempel har Vegar Bakkestuen, en annen NINA-forsker, også brukt AI og fjernmåling for å kartlegge myr i Sør-Norge. 

Journalistene brukte dette for å utforske hvor mye myr som har gått tapt. Myr er et viktig økosystem for både karbonlagring og naturmangfold.

En framtidsvisjon

Venter påpeker at det er viktig å huske at de kun beregnet hvor ofte AI feil-identifiserer naturtap. De beregnet ikke hvor ofte den overser naturtap, såkalte falske negative resultater. Å gjøre det vil kreve mer manuelt arbeid. 

– Det betyr at våre beregninger er minimumstall. Det reelle naturtapet er større, forteller Venter.

På grunn av den grove oppløsningen på satellittbildene vet forskerne også at de ikke får med tap av mindre naturområder. Det kan være forårsaket av for eksempel skogsbilveier, tilkomstveier til vindmøller og små hytter. 

– Vi har heller ikke kartlagt andre former for naturtap, som hogst, utvidelse av dyrket mark eller alle de mer diskré påvirkningene mennesker har på naturen gjennom lyd, lys og kjemisk forurensning, påpeker Venter.

Men selv om natur fortsatt går tapt – bit for bit – øyner Venter håp for framtida.

– Vi håper på å kunne sette i gang prosjekter hvor vi kan bruke satellittbilder med høyere oppløsning kombinert med mer feltarbeid for å avdekke og gi oversikt over alle typer av naturtap over hele Norge. Teknologien finnes allerede, så det er bare et spørsmål om finansiering, sier han. 

Referanse:

Vegar Bakkestuen mfl.: Delineation of Wetland Areas in South Norway from Sentinel-2 Imagery and LiDAR Using TensorFlow, U-Net, and Google Earth Engine. Remote Sensing, 2023. Doi.org/10.3390/rs15051203

Artikkelen er oppdatert 26.01.24 kl. 15:25

Powered by Labrador CMS