Kunstig intelligens kan blive klimakampens hemmelige våben

Med knap 15 millioner kroner i støtte fra VILLUM Fonden vil professor Christian Igel fra Datalogisk Institut og professor Rasmus Fensholt fra Institut for Geovidenskab og Naturforvaltning sammen arbejde på at udvikle nye teknologier, som skal give et bedre overblik over klimaforandringernes betydning for klodens økosystemer.

”I dag ved vi ikke nok om, hvad klimaforandringerne reelt kommer til at betyde for klodens økosystemer og grønne ressourcer i fremtiden. Den viden skal vores nye analysemodeller hjælpe os med at opnå langt mere effektivt. En bedre forståelse er helt essentiel, for at vi kan forebygge og håndtere fremtidige ændringer mest bæredygtigt, som det er formuleret i FN's 17 Verdensmål for bæredygtig udvikling,” fortæller Rasmus Fensholt.

Analyser af satellitbilleder fra fire årtier

Opskriften bag den nye metode er en kombination af kunstig intelligens og data fra satellitter. De to forskere og deres forskergrupper skal undersøge, hvordan man med en kombination af disse teknologier fra henholdsvis Datalogi og Geovidenskab kan udvikle det optimale digitale redskab. De nuværende geovidenskabelige analysemodeller er nemlig ikke i stand til at håndtere de store mængder af forskellige typer satellitdata, vi har adgang til i dag, på en måde hvor vi kan drage ordentlig nytte af den information, de repræsenterer.

”Vores mål er at føre de geovidenskabelige beregningsmodeller skridtet videre ved at kombinere dem med moderne maskinlæring, der er algoritmer inden for kunstig intelligens. Computermodeller baseret på maskinlæring er langt mere komplekse, og derfor er de yderst egnede, når man vil arbejde med noget så komplekst som klimaforandringernes indflydelse på vores økosystemer,” forklarer Christian Igel.

Konkret går metoden ud på, at computeren fodres med satellitbilleder fra de sidste 40 år, som indeholder informationer om klodens økosystemer og vejrforhold. Ud fra disse mange tusind billeder programmerer forskerne computeren via algoritmer til at lære at genkende mønstre og sammenhænge og beregne fremtidige scenarier, baseret på denne læring. På den måde kan man for eksempel bede computeren om at tælle antallet af træer i et specifikt område, bestemme træarten, fortælle om, hvorvidt et træ tilhører en plantage eller naturlig skov, udregne et områdes mængde af kulstof eller undersøge hvilke af klodens skove der bedst kan modstå klimaforandringerne – og hvilke der ikke kan og bukker under og dør.

De to forskere er især optaget af træer og skove, da skovområder dækker 30 procent af jordens overflade. Udover at huse millioner af dyre- og plantearter, som er afgørende for jordens biodiversitet, og danne levegrundlag for en stor del af klodens befolkning, er træer og skoves evne til at optage luftens CO2 gennem fotosyntese helt afgørende for at bekæmpe klimaforandringer. Christian Igels og Rasmus Fensholts nye forskningsprojekt vil blandt andet fokusere på forbedret overvågning af forringelse af jordens vegetationsressourcer som for eksempel skovrydning og ørkendannelse, der skyldes menneskets overudnyttelse eller klimaforandringer.

Tværfaglig synergi

Ved at kombinere Geovidenskabens naturvidenskabelige modeller med den kunstige intelligens evne til at indlære, genkende og forudse mønstre ønsker forskerne at sammensmelte det bedste fra to verdener. Geovidenskabelige forskere har traditionelt benyttet sig af satellitmålinger og natuvidenskabelig viden om økosystemer til at simulere, hvordan situationen ser ud nu, og hvordan den kan se ud i fremtiden. Men når vi taler om klimaforandringer, er denne viden og metode ikke tilstrækkelig, forklarer Christian Igel:

”Det er i dag ikke muligt at lave en detaljeret simulering af et så komplekst fænomen som klimaforandringers indflydelse på jordklodens mangfoldighed af forskellige økosystemer. Men ved at benytte kunstig intelligens kan vi lære en computer at genkende mønstre baseret på mange års data. Kombinationen af geovidenskabelige modeller og kunstig intelligens vil altså give os et langt mere præcist bud på klimaforandringernes konsekvenser. Dermed får vi et langt bedre redskab til, hvordan vi bør imødegå fremtiden.”

Projektet er samtidig et vigtigt bidrag til opklaringen af en række generelle datalogiske spørgsmål, som vil være relevant for mange andre forskere. Et af dem går på, hvordan vi kan lære en computer at tælle det nøjagtige antal af objekter i et billede. I et indledende projekt har Christian Igel og Rasmus Fensholt i samarbejde med kolleger allerede udviklet en metode, som forbedrer en computers evne til at estimere antallet af træer i Afrika - træer som ikke udgør egentlig skov (f.eks. savannetræer), men som ikke desto mindre udgør en væsentlig del af levegrundlaget for store dele af klodens mennesker og dyr.

Bevillingen fra VILLUM FONDEN giver desuden forskerne mulighed for at købe og teste en ny type satellitdata fra mikro-satellitter (såkaldte cube-sats), der muliggør monitorering af globale økosystemer på basis af daglig billeddækning med en høj detaljegrad.

Projektets navn er DeReEco: “Deep Learning and Remote Sensing for Unlocking Global Ecosystem Resource Dynamics”, og det forventes afsluttet i 2026.

Emner