ForestMap: Nästa generation av skogskartor - anpassning av en nordisk framgångssaga över hela jordklotet

Viktiga resultat som projektet gav

Ja, målet att utveckla AI-modeller för skogskartering uppfylldes helt. En prototyp har tagits fram för att testas på Attsjö super test site samt vidare i Lettland och Litauen. Projektet genererade viktiga synergier såsom nya samarbeten, forskarutbyten, anställningar, användning av framtagna resultat i undervisningen vid Linnéuniversitetet samt kopplingar till ett nytt Vinnova-projekt inom Skogsdatalabb som dokumenterar dataflöden av framtagna AI-modeller för vidare användning och spridning.

Långsiktiga effekter som förväntas

Projektet förväntas ge långsiktiga effekter inom AI-baserad skogskartering lokalt, regionalt, nationellt och globalt. Metodiken möjliggör effektivare skogsplanering och därmed bättre klimatinsatser. Resultaten är skalbara via så kallad "Transfer Learning", vilket stärker internationellt samarbete. Projektet stödjer utbildning, policyutveckling, nya testmiljöer, forskningsmiljöer samt framtida nationella och internationella initiativ. Dessutom kan Katam Technologies utveckla nya affärsmodeller.

Upplägg och genomförande

Projektet genomfördes strukturerat med månatliga möten, sju lägesrapporter och överlag bra samarbete mellan nationella och internationella partners. Arbetet höll tidsplanen tämligen bra med vissa justeringar under projketperioden. Resultaten genererade ett flertal vetenskapliga bidrag. Deltagande i konferenser som IGARSS, SilviLaser och UAV-g stärkte spridning och dialog av i projektet framtagna resultat. Projektet utvecklades i huvudsak enligt plan med god koordinering mellan parterna.