Store datamengder + ny teknologi gir ny kunnskap

Norge dekkes hyppig med satellittbilder. Med ny teknologi og stort datatilfang kan analyser i sanntid synliggjøre tilstanden til ulike planter og peke på behovet for tilpasninger og tiltak, f.eks. gjødsling eller ugrasbekjempelse.

Gjennom prosjektet Stordata forbereder NIBIO seg til å håndtere store datamengder og svare på komplekse spørsmål. 

Data er det nye gullet, eller den nye oljen, blir det sagt. I framtiden vil analyser av store datamengder bidra til at samfunnet kan løse oppgaver og levere tjenester mer effektivt og med høyere kvalitet enn i dag.

Hva er store data?

Ingvild Nystuen leder NIBIO sin avdeling for Geomatikk. Hennes avdeling har ansvar for det omfattende Stordata-prosjektet som handler om å gjøre store datamengder nyttige for NIBIO. 

- Definisjonen på store data er ofte at volum, kompleksitet og hyppige oppdateringer av innhentet informasjon gir datamengder som ikke kan håndteres av det vi anser å være vanlig datakapasitet. Her trengs superdatamaskiner, forklarer Nystuen.

- For å si det enkelt, så kan ikke PC-ene våre gjøre jobben. Store data krever også egne metoder for utvikling og håndtering, en egen infrastruktur. Dette utviklingsarbeidet pågår nå i prosjektet.

Bygger grunnmur

Skal dataene være nyttige, må de sankes, håndteres og forstås på kompetent vis. Mer enn noen gang vil menneskenes rolle bli å stille de aktuelle spørsmålene. Kraftige datamaskiner og stordata finner svarene på nye måter.

- Det er der vi er nå. De rette fagfolka utvikler metodene som tar i bruk enorme mengder informasjon for å svare på ulike oppgaver i dag og fram i tid, sier avdelingsleder Nystuen.

- Digitaliseringen har gitt oss et mye større informasjonsgrunnlag enn før. Satellitter, lasere og droner leverer data som for få år siden ikke ville være mulig å samle inn innenfor en realistisk tidsperiode, og med realistisk ressursbruk.

Hun forteller om NIBIOs ‘skattekiste’ i form av store mengder strukturerte data om bl.a. arealressursene. Sammen med annen informasjon lar disse seg koble og analysere med nye teknologier.

- Nye data og metoder gjør oss i stand til å se nye mønstre og hente ut kunnskap vi ikke tidligere hadde teknologi til å finne, legger Nystuen til.
 

Erfaringer undervegs

For NIBIOs kjerneoppgaver er værdata, høydemålinger og andre fjernmålte data av jord- og skogarealene relevante å ta i bruk. Nystuen fortsetter:

- Dagens teknologi har gjort det mulig å håndtere slike store og komplekse datamengder, og vi utvikler metoder til å behandle dem.  

Derfor har første del av det treårige prosjektet som startet i 2018, i stor grad dreid seg om å bygge et fundament - utvikle kunnskap, etablere faglig nettverk og skaffe tilgang på datakraft:

- Vi har for eksempel fått innvilget bruk av Sigma2, Norges kraftigste datamaskin til forskningsformål, for utprøving av store beregninger i tre NIBIO-prosjekter som vi holder på med. Da snakker vi virkelig kraft, bobler avdelingslederen.

Uninett Sigma2 har ansvar for nasjonal infrastruktur for beregningsvitenskap, og tilbyr kapasitet til ‘tungregning’ og datalagring. Nystuen legger til at en viktig del av utprøvingen er ‘å feile.’ Også dette er verdifull erfaring å bygge på når nye valg skal tas.

Fra håndsøm til sømløst

Nystuen forteller om spirende prosjekter der de nye metodene kan gi effektivitetsgevinst og merverdi. Enkelte fagfelt og oppgaver peker seg ut.

Arealkartleging er et eksempel på et fagområdeområde som er spesielt egnet for bruk av ny teknologi fordi her finnes det et stort datatilfang som digitale kart, flybilder, satellittdata og laserskanning.

Dagens oppdatering av eksisterende arealressurskart skjer ved hjelp av digitale flybilder (ortofoto) der eksisterende kart blir sammenlignet med de nye bildene. Oppdatering av kartet basert på nye flybilder (ortofoto) skjer ved manuelt digitalisering. Dette er en arbeidskrevende prosess.

- Vi ser at ny teknologi sammen med nye og eksisterende datakilder sannsynligvis kan forenkle og effektivisere slike oppgaver. Der vi hittil har brukt flyfoto tatt ved ulike årsintervall, omdrev, kan vi nå i tillegg høste informasjon fra laser, radar eller satellitter mye hyppigere, sier Nystuen.

- Med automatisert bildegjenkjenning (mønstergjenkjenning) av ulike typer areal, vekster og grenselinjer kan oppgavene løses mer effektivt enn ved «digital håndsøm» på skjerm.

Nystuen ser ikke bort fra at denne operasjonen kan utføres så automatisert at kartene blir ferskvare i langt større grad enn tilfellet er i dag.

- Ved å fôre relevante data inn i programmer utviklet til formålet, kan maskinene selv kjenne igjen mønstre, etablere kunnskap og perfeksjonere arbeidsoppgaver. Slik maskinlæring er en av flere metoder som stordataprosjektet utforsker.

Sammen har maskinlæring og automatisert bildegjenkjenning et stort potensial for forenkling og effektivisering av arbeidsoppgaver.

Være beredt

I tillegg til å løse konkrete oppgaver, er målet med prosjekt Stordata å legge til rette for nyttig bruk av stordata, og finne ut hva som trengs for å utnytte nye teknologier.

- Vi vet ikke hvilke utfordringer som møter oss, men vi må være beredt på å håndtere ulike oppgaver det er naturlig at NIBIO har en beredskap for, sier Nystuen.

- Håndtering av store datamengder er en nødvendig del av denne beredskapen.

Mer nedbør, våtere klima og høyere temperaturer må møtes med nye metoder for å skape et kunnskapsgrunnlag som er nyttig for næring og forvaltning. Det digitale landbruket er et faktum. Nye former for overvåking, vekstutvikling og plantevern forutsetter at vi også har evne til å håndtere dataene som hører med.

- For å være i stand til å raskt svare på komplekse problemstillinger og dekke samfunnets kunnskapsbehov skal prosjektet bidra til at NIBIO bygger en solid informasjonsberedskap innenfor sitt samfunnsoppdrag, legger Nystuen til.