Granbarkborrens härjningar kostar den svenska skogsnäringen miljardbelopp. Nu ska den bekämpas med artificiell intelligens.

Granbarkborrens härjningar kostar den svenska skogsnäringen miljardbelopp. Nu ska den bekämpas med artificiell intelligens. Foto: Adobe Stock

AI – nytt vapen mot granbarkborren

Skogsstyrelsen testar nytt grepp för att angripa skadedjuret

HALLAND. Skogsstyrelsen ska använda modern teknik för att kunna förebygga angreppen av granbarkborren. Målsättningen är att myndigheten och skogsägarna i framtiden ska kunna förutse var granbarkborren slår till genom att skapa en kontinuerlig övervakning av skogen.

Av
Rickard Gustafsson

Artificiell intelligens (AI), satellitbilder och geografiska data. Det är Skogsstyrelsens nya vapen som ska leda fram till kartor som visar var riskerna är störst för angrepp av granbarkborre.

Goda kartunderlag är efterfrågade och med det hoppas Skogsstyrelsen att upptäcka nya angrepp tidigt och därmed kunna skapa en effektivare bekämpning.

Genom att nyangripna träd tas om hand så snart som möjligt, allra helst medan barkborrarna fortfarande finns kvar i barken, blir bekämpningen som mest effektiv eftersom insekterna följer med ut ur skogen.

Granbarkborren ställer till med skador för miljarder i Sverige.

Granbarkborren ställer till med skador för miljarder i Sverige. Foto: Adobe Stock

Myndigheten har nu startat ett projekt för att ta fram kartor som visar riskområden, men även sådana områden som redan drabbats av angrepp.

Genom att kombinera och analysera olika geografiska data och information från satellitbilder, så kallad fjärranalys, går det att peka ut vilken typ av skog som löper hög risk för att drabbas av granbarkborreangrepp.

Målet är att inför 2020 års bekämpningsarbete kunna erbjuda olika digitala tjänster som ska hjälpa skogsägare och skogsnäringen att leta efter angrepp på rätt ställen.

– Läget är och kommer fortsätta vara allvarligt även nästa år. Därför behöver vi använda all tillgänglig modern teknik för att begränsa angreppen och skadorna på skogen, säger Alice Högström, projektledare på Skogsstyrelsen i ett pressmeddelande.

Satellitbilder ger viktig information om vegetationen och används i analyserna av riskområden och skador orsakade av granbarkborre.

Satellitbilder ger viktig information om vegetationen och används i analyserna av riskområden och skador orsakade av granbarkborre. Illustration: Skogsstyrelsen

Skogsstyrelsen satsar 2,2 miljoner kronor vilket finansieras genom det extraanslag som regeringen gav tidigare i somras.

En del kartor och analyser kommer att köpas in från företag som använder sig av artificiell intelligens. Det innebär att systemen är självlärande utifrån kunskap om bland annat granbarkborrens beteende, satellitbilder från olika tidpunkter och data om skogen.

För att lättare kunna följa utvecklingen i skogen och upptäcka redan pågående angrepp och var det uppstår nya skador kommer Skogsstyrelsen även att påbörja arbetet med att bygga upp ett system för kontinuerlig övervakning av skogen.

– Samverkan med andra skogliga aktörer är avgörande för att vi ska få ett så heltäckande underlag som möjligt, till exempel när det gäller var angreppen finns i dag, och därmed få så tillförlitliga kartor som det bara går, säger Alice Högström.

Förra året skadade insekten uppskattningsvis 3–4 miljoner kubikmeter skog i Sverige vilket förstörde virke för miljardbelopp.

Granbarkborren

Granbarkborren är en cirka 4 millimeter lång skalbagge som tillhör barkborrarna. Det finns cirka 90 arter av barkborrar i Sverige. Nästan 30 av dem kan leva på gran, men granbarkborren är den ende av dem som kan döda stora friska granar.

Angrepp av granbarkborre kan identifieras under hela året, men det är särskilt viktigt att hålla utkik efter färska skador från maj till augusti.

Granbarkborren förökar sig främst i färska vindfällen av gran. Tar du bort dem från skogen före sommarsemestern så skyddar du din skog från barkborreskador. Du kan även förebygga angrepp genom att avverka så kallade riskbestånd.

Fakta: Skogsstyrelsen

Publicerad 09 October 2019 12:56