AI:s växande roll i kampen mot avskogning

Avskogning har varit ett pågående problem i decennier. Även om tekniken har utvecklats, har förbrytarna haft övertaget eftersom det finns för mycket mark att täcka — tills nu. Kan artificiell intelligens vara nyckeln till att sätta stopp för olaglig avskogning? Både dess potential och verkliga användningsfall visar löften.

1. Identifiera optimala områden för återplantering

Även om avskogningsfrekvensen fluktuerar, förlorar vi fler träd varje år. Det ökade med 4% från 2021 till 2022, vilket motsvarar över 6,6 miljoner hektar skog som förlorats. Även om all olaglig avverkning, gruvdrift och jordbruksverksamhet upphörde idag, skulle dessa kritiska miljöer fortfarande vara i en nackdel.

Om denna trend fortsätter oupphörligen, kommer världen att se temperaturer stiga, vilda djur fly och lokala ekosystem försvagas. En ostoppbar dödsprocess utlöses vid den punkten, vilket innebär att friska trädens tillstånd försämras gradvis. Detta skulle leda till en dominoeffekt där miljontals fler hektar skog förloras trots att det inte finns någon mänsklig avskogning.

Med AI kan aktivister och lokala myndigheter påskynda återplantering, vilket hjälper skogar att återgå till sitt tillstånd före mänsklig inblandning. Modellen kan identifiera områden där återplantering skulle vara mest effektiv. Den kan också identifiera snabbväxande, inhemska trädarter som är resistenta mot skadedjur och torka. När plantorna är planterade, kan den övervaka tillväxten i realtid.

2. Analysera satellitbilder för skogsförlust

Under decennier har analys av satellitbilder varit ett av de få sätten att identifiera avskogning i verksamhet, förutom de mindre effektiva metoderna att sprida information genom mun till mun eller genom att ha personal på plats. Men eftersom det finns över 3 biljoner träd på planeten, finns det mycket mark att täcka. Medan det är omöjligt att manuellt gå igenom dessa bilder, missar traditionell programvara viktiga detaljer.

AI-driven bildigenkänningsteknik kan upptäcka tidiga tecken på skogsförlust, inklusive nya vägar, rök och nya gläntor. Den kan rapportera alla positiva träffar till en människa i realtid, vilket möjliggör för dem att granska och rapportera till lokala myndigheter. Team kan till och med använda AI-styrda drönare för nära luftbilder.

3. Skilja på laglig och olaglig verksamhet

Ibland är avskogning laglig. Lokala myndigheter godkänner dessa operationer så att företag kan fortsätta att bedriva verksamhet. Men vad som börjar som en sanktionerad åtgärd behåller inte alltid sin laglighet. Det finns många fall där individer tränger in i skyddade områden med förståelsen att det är bättre att be om ursäkt än att be om tillstånd.

I själva verket står utvidgning av åkermark för nästan 50% av avskogningen globalt, följt av betesmarker på 38,5%. Med satellitbilder ensamma är det svårt att skilja på laglig, semilaglig och olaglig avskogning. AI fyller i luckorna genom att analysera färg, textur och utsträckning av träd, vilket eliminerar gissningar.

4. Analysera ljud som signalerar avskogning

Vad låter avskogning? Motorer som vrålar, träd som faller, excavatorer som dundrar, vilda djur som är i nöd och buskar som brinner. Tyvärr dämpas ljudet från tunga maskiner, elverktyg, lastbilar och samtal mellan arbetare snabbt i tät skog, vilket gör det svårt att lokalisera dessa operationer.

AI-aktiverade IoT-övervakningssystem som drivs av miniatyrsolceller för akustisk övervakning kan placeras nästan var som helst, så att de kan uppfånga dessa ljudsignaler. Dessutom kan kameror identifiera potentiell mänsklig inblandning innan avverkning börjar, eftersom djur flyr in i områden som de normalt inte skulle gå in i när förövarna bränner eller hugger ner träd.

5. Spåra olaglig verksamhet till källan

Bureau of Investigative Journalism upptäckte nyligen att nötkött från bönder kom in i globala leverantörskedjor — inklusive de som försörjer två av världens största köttföretag — efter att de anklagats för olaglig avskogning och straffats. Trots embargon fortsatte verksamheten som vanligt. Vissa tycktes till och med fortsätta avskogning.

Olaglig avskogning drivs ofta av lokala sågverk, raffinaderier och jordbruk. Oavsett om arbetare vill utöka sin åkermark, sälja fler produkter eller mata sina hjordar billigt, bidrar de till betydande skogsförlust. Tyvärr är det svårt att spåra dessa aktiviteter tillbaka till deras källa. Det är, om man inte använder AI.

AI kan spåra tunga maskiner när de flyttar från nyligen skapade gläntor tillbaka till sin basstation, vilket hjälper utredare att begränsa sin sökning. Alternativt kan den använda ansiktsigenkänningsteknik för att avslöja identiteten på de inblandade. Detta hjälper lokala myndigheter att identifiera återkommande förbrytare, vilket minskar gapet mellan att tilldela och verkställa straff.

6. Analysera outgivna legacydata

Även om data om avskogning sträcker sig tillbaka decennier, är mycket av den fortfarande otillgänglig. Det beror på att den endast är tillgänglig via outgivna fysiska källor som fältanteckningar, kassettband, skriven korrespondens och bevarade biologiska prover. Dessa bevis finns i silos, gömda från traditionella verktyg som skrapar online-resurser.

Med AI-bildigenkänning, språkdetection och automatisk transkription kan forskare slutligen säkra dessa värdefulla insikter. Det möjliggör för dem att identifiera drivkrafter för skogsförlust och avslöja återkommande förbrytare. Avancerade modeller kan ta hänsyn till sammanhang, vilket bibehåller noggrannhet även om brottsliga enheter ändrar sina namn eller lokala gränser förändras.

7. Aktivera proaktiv ingripande

Även om satellitbildernas tydlighet har förbättrats under decennier — yrkesverksamma kan nu identifiera avskogning med en aldrig tidigare skådad precision — är denna strategi fortfarande reaktiv. Skogsförlust sker fortfarande även om de ingriper omedelbart efter att ha fått en varning. Med AI kan de slutligen uppnå proaktivt ingripande, identifiera riskområden innan avverkning börjar.

AI kan analysera faktorer som lokal topografi, avstånd från vägar och industrialiseringsgrad för att bestämma vilka områden som är mest utsatta. Den kan till och med ta hänsyn till komplexa faktorer som den geopolitiska klimatet eller den globala timmermarknaden. Sådan verktyg är inte längre hypotetisk — en gemensam forskargrupp har utvecklat den.

Forskare vid Världsnaturfonden samarbetade med datavetare för att utveckla en AI som kallas Forest Foresight. Den kan förutsäga skogsförlust upp till sex månader i förväg med en noggrannhet på upp till 80%. När den känner igen potentiella olagliga operationer, kan den varna lokala myndigheter, stoppa avskogning innan den börjar.

8. Använd sensorer för att identifiera olaglig verksamhet

Oavsett om olaglig avskogning använder tunga maskiner för att hugga ner träd, flytta farmdjur in i skyddade områden eller starta bränder för att rensa mark, producerar deras handlingar någon form av utsläpp. Till exempel producerar en enskild ko upp till 264 pund metan per år — en hel hjords gas skulle vara märkbar.

AI-aktiverade IoT-sensorer som strategiskt placeras i högrisk-skogar kan spåra metan, kolmonoxid och koldioxidutsläpp. Om de plötsligt stiger, kan team undersöka vidare. Detta tillvägagångssätt kan vara unikt effektivt eftersom modellen kan ta hänsyn till sammanhang, vilket möjliggör att filtrera bort falska positiva och göra utredningar enklare.

9. Tillhandahåll en anonym tipslinje

I det förflutna förlitade sig aktivister och myndigheter i stor utsträckning på mun till mun för att avslöja olaglig avverkning. Medan de gick bort från den metoden när satellitbilder blev allmänt tillgängliga, är den inte mindre användbar. Om de skulle utnyttja AI-aktiverade chatbotar i drabbade områden, kunde de ta emot insiktsfulla anonyma tips om potentiell skogsförlust.

Att distribuera AI för detta användningsfall är idealiskt eftersom en enda modell kan hantera dussintals — om inte hundratals eller tusentals — samtal samtidigt. De som interagerar med den behöver inte vänta på kontorstid eller bli placerade i kö, vilket uppmuntrar dem att skicka ett meddelande. Denna teknik kan också analysera semantik, dra ut nyckelord och sammanfatta rapporter för deras mänskliga motsvarigheter.

Kan AI sätta stopp för avskogning en gång för alla?

Sanningen är att AI inte är en silverkula. Den kan göra allt det tunga arbetet, men det finns många andra rörliga delar. Att stoppa avskogning kräver att lokala politiker går med på det, att det finns samarbete mellan utredningsgrupper och offentligt tillgängliga resurser. Men den här tekniken kan fortfarande vara en spelväxlare, minska skogsförlusten till nivåer som aldrig tidigare skådats.