The project aims to develop a nationwide heatmap of wetlands in Norway to update authoritative information in existing data sources and map products. The project is carried out in collaboration between the Norwegian Mapping Authority (project lead), the Norwegian Institute for Nature Research (NINA), the Norwegian Computing Center, the Norwegian Institute of Bioeconomy Research (NIBIO), and the Norwegian Environment Agency.
Sustainable land use is currently challenging due to insufficient knowledge and mapping of wetlands. Consideration of wetlands should be given greater weight in land-use planning and management in order to reduce development pressures and safeguard ecosystems and their importance for climate adaptation. The Environment Agency has emphasized the need to protect wetlands as they have a particular capacity for carbon storage, while at the same time represent a habitat type with significant values related to biodiversity and other ecosystem services.
In light of the knowledge gap concerning wetlands, the project “National Wetland Geospatial Database” has as its main goal to utilize existing data sources in combination with artificial intelligence (AI) to develop a new mapping method for wetlands in Norway. The result will consist of a heatmap that can contribute to more comprehensive insight into wetlands in Norway, as well as facilitate the integration of AI-generated data into public administration.
AI is actively used to develop the project’s final product, but the main challenge with creating a nationwide AI model for Norway lies in the country’s great diversity of habitat types, species, phenology, geology, and similar factors. This complex mix of elements leads to wide variation in wetlands across the country, and such variation can be difficult to capture. Explained in a simple way, several different AI models are used, with variations in data sources and architecture. These models mainly use optical satellite imagery from Sentinel-2, but elevation data and radar data are also included as data sources. The models are to be combined and weighted to create a more robust result that reduces the weaknesses of each individual model on its own. The goal is for the AI model to ultimately provide a highly accurate and well-documented representation of wetlands in Norway, and to distinguish certain classes where possible. The result will finally be validated against ground-truth data from other sources to assess how well the model performs. National data on wetlands from the project will mainly be shared via the national portal Geonorge and distributed as datasets and APIs. This will ensure easy access for users in planning, management, and related fields. The project will also provide guidance on the best possible use of the data.
The project has a budget framework of NOK 14 million over three years, from April 1, 2024, to March 31, 2027. The Research Council of Norway is financing the project with NOK 7 million, and the Environment Agency is contributing NOK 3 million.
Bærekraftig arealbruk i utmark er i dag utfordrende fordi kartleggingen av våtmark er mangelfull. Hensynet til våtmark skal i større grad vektlegges i anvendelse av sektorlover og innenfor arealplanlegging for å ivareta økosystemet og dets betydning for klimatilpasning. Prosjektet LAVDAS har derfor som hovedmål å utvikle nye kartleggingsmetodikker for våtmark og anbefale planer og tiltak for forvaltning av oppdatert våtmarksdatasett. Prosjektet vil gi et helhetlig nasjonalt våtmarksdatasett, hvor kvaliteten kan kvantifiseres og valideres gjennom uavhengige datakilder. Datasettet skal formidles og tilgjengeliggjøres på en hensiktsmessig måte for sluttbrukerne, gjennom brukermedvirkning, bruk av nasjonal geografisk infrastruktur og formidling rettet mot alle forvaltningsnivå. Prosjektets forskningsutfordringer omfatter for det første: Metodeutvikling for kartlegging og klassifisering av våtmarksområder som håndterer data fra flere jordobservasjonssensorer, integrering av domenekunnskap og føringer, samt estimerer pikselvis usikkerhet. En annen forskningsutfordring er utvikling og tilrettelegging av infrastruktur for en dyp lærings (DL)-prosesseringskjede, som muliggjør direkte tilgang til DL-artefakter, reproduserbarhet og effektivt samarbeid. Prosjektet forutsetter kunnskapsutvikling om brukerbehov og forvaltningsmodeller for innovasjonsrealisering. En større utfordring for klimatilpasningsarbeidet i kommunene, er at flere direktorater tilgjengeliggjør geodata både i ulikt format og gjennom egne kartløsninger. At prosjektet har med seg riktige og relevante samarbeidspartnere, god erfaring med deling av geodata og en bred tilnærming til bruk av etablerte nasjonale og lokale arenaer, ser vi som en viktig forutsetning for vellykket gjennomføring. Samarbeidspartene i prosjektet representerer offentlige etater og forskningsmiljø som gir en unik arena for å identifisere brukerbehovene, og jobbe målrettet med både teknisk, kartfaglig og naturfaglig ekspertise.
