Prosjektet har som mål å utvikle et heldekkende sannsynlighets for våtmark i Norge for oppdatering av autoritative infomasjon i eksisterende datakilder og kartprodukter. Våtmark i denne sammenhengen innebærer hovedsakelig myrer, som er det mest fremtredende våtmarksklassen, men prosjektet ønsker også å skille ut andre våtmarkstyper dersom mulig. Prosjektet gjennomføres i et samarbeid mellom Kartverket (prosjektansvarlig), Norsk Institutt for Naturforskning (NINA), Norsk Regnesentral, Norsk institutt for bioøkonomi (NIBIO) og Miljødirektoratet.
Bærekraftig arealbruk i utmark er i dag utfordrende fordi kunnskapen om og kartleggingen av våtmark er mangelfull. Hensynet til våtmark skal i større grad vektlegges i arealplanlegging og forvaltning av arealer, slik at en reduserer nedbyggingspress og ivaretar økosystemer og deres betydning for klimatilpasning. Miljødirektoratet har framhevet et behov for vern av norges myrarealer ettersom de har en særlig evne til å binde karbon, samtidig som myr og våtmark er en naturtype som har store verdier knyttet til artsmangfold og andre økosystemtjenester.
Med bakgrunn i kunnskapsmangelen knyttet til myr og våtmark har prosjektet «Landsdekkende våtmarksdatasett» derfor som hovedmål å utnytte eksisterende datakilder i kombinasjon med kunstig inteligens (KI) for å skape en ny kartleggingsmetode for våtmark. Resultatet vil bestå av et sannsynlighetskart som kan bidra til mer helhetlig innsikt om våtmark i Norge, samt tilrettelegge for integrering av KI-genererte data i offentlig virksomhet.
KI benyttes aktivt for å utvikle sluttproduktet i prosjektet, men den store utfordringen med en landsdekkende KI-modell for Norge, at vi har et stort mangfold av naturtyper, arter, fenologi, geologi og lignende. Denne komplekse blandingen av elementer fører til en stor variasjon av våtmarker på tvers av landet, og slike variasjoner kan være vanskelige å fange opp. Enkelt forklart benyttes flere ulike KI-modeller med variasjoner i datagrunnlaget og arkitektur. Disse benytter hovedsakelig optiske satelittbilder fra Sentinel-2, men også høydedata og radardata inngår som datakilder. Modellene skal settes sammen og vektes for å skape et mer robust resultat som reduserer svakhetene til hver enkelt modell alene. Målet er at KI-modellen til slutt skal gi en svært korrekt og dokumentert representasjon av myr og våtmark i Norge, samt skille ut enkelte klasser om dette lar seg gjøre. Resultatet kontrolleres til slutt mot bakkesannheter fra andre datakilder for å vurdere hvor godt modellen treffer. Nasjonale data om våtmark fra prosjektet vil hovedsakelig deles via den nasjonale portalen Geonorge, og distribueres som data og API. Dette vil sikre enkel tilgang for brukere innen planlegging, forvaltning mv. Prosjektet vil veilede hvordan dataene kan brukes på best mulig måte.
Prosjektet har en kostnadsramme på 14 millioner kroner over tre år, fra 1.4 2024 – 31. 3 2027. Forskningsrådet finansierer prosjektet med 7 millioner kroner og Miljødirektoratet bidrar med 3 millioner.
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.
