Høje-Taastrup Kommune er hjemsted for store områder af beskyttet natur, som blandt andet rummer sjældne dyrearter og planter. Udfordringen er dog, at disse områder er spredt over kommunen. For at styrke biodiversiteten arbejder kommunen nu på at undersøge muligheden for at benytte kunstig intelligens for at identificere potentielle spredningskorridorer – områder med høj naturkvalitet, der kan forbinde de beskyttede zoner og gøre det lettere for arterne at bevæge sig mellem dem. I den forbindelse ser de nærmere på, om eksisterende elementer i landskabet, som for eksempel gamle hegn eller landbrugsjord, der ikke har været brugt eller dyrket i mange år, kan fungere som naturlige spredningskorridorer.

Her kan kunstig intelligens komme til at spille en central rolle. Ved at anvende både satellit- og ortofotos (flyfotos) i kombination med avancerede AI-teknologier, som computer vision, kan grønne områder effektivt overvåges og vurderes for deres sundhed. AI kan spore ændringer i plantevækst over tid, hvilket hjælper med at lokalisere stabile områder med højt biodiversitetspotentiale. Gennem højopløselige satellitdata kan AI understøtte kommuners kortlægning af potentielle spredningskorridorer og sikre, at arter kan bevæge sig fra et område til et andet.

Denne AI-drevne tilgang er både omkostningseffektiv og let at tilpasse, hvilket betyder, at større naturområder nemmere kan overvåges, kommunen kan træffe bedre beslutninger om bevaringen af vigtige naturområder.

Udover overvågningen af plantevækst kan AI også spille en vigtig rolle i automatisk identifikation af dyrearter. Ved hjælp af AI-modeller og kamerafælder kan sjældne eller truede arter identificeres og overvåges, hvilket giver kommuner mulighed for løbende at overvåge den biologiske mangfoldighed i sine grønne områder uden behov for manuel overvågning. Dette kan i fremtiden potentielt blive en væsentlig del af kommuners strategier for at beskytte både dyreliv og naturområder.

AI kan også bruges til præcist at kortlægge levesteder for dyre-og planteliv i kommunen. Maskinlæringsmodeller kan analysere satellitbillederne for at klassificere forskellige jordbundstyper som skove, vådområder og græsarealer, hvilket giver kommuner mulighed for at optimere bevaringsplanlægningen. Denne præcise kortlægning sikrer, at bevaringsindsatserne er baseret på opdaterede og detaljerede data, hvilket forbedrer beslutningsgrundlaget for langsigtede naturbeskyttelsesplaner.

Næste skridt for kommunen og DTU er at teste og udvikle det til et brugbart værktøj, der kan fremme artsspredning og dermed bidrage til at styrke biodiversiteten i Høje-Taastrup Kommune – og som måske på sigt kan spredes til andre kommuner.

Her kan det EU-støttede projektet InnoTech – TaskForce spille en vigtig rolle, som en ’videns korridor’. Læs mere om projektet og andre cases her.