Stormar med hög intensitet orsakar miljarder pund skada varje år, och klimatförändringarna kommer att göra detta värre i framtiden. Vi verkar redan se mer frekventa och intensiva vindstormar. Ex-orkanen Ophelia och Storm Eleanor orsakade båda förödelse på de brittiska öarna under vintern, inklusive skador, strömavbrott och stora reseförseningar.

Det är inte bara pendlare och hushåll som drabbas. Varje år i Europa, antalet träd som kommersiella skogar tappar till stormar motsvarar den årliga mängden virke som fälls i Polen.

Skogsskador är ett särskilt problem i norra och västra Europa, men alltmer också platser som Baltikum och Vitryssland. Tack vare klimatförändringarna, skadan kan fördubblas under detta århundrade.

Forskare använder olika modelleringstekniker för att hjälpa skogsförvaltare att förutsäga vilka träd som riskerar att skadas, men ingen är tillräckligt exakt. Artificiell intelligens har potential att göra stor skillnad, dock. Vi har byggt ett system som vi tror pekar på att skydda skogsindustrin mer effektivt i framtiden.

Trä och mässing

Skogsbruket är en viktig bidragsgivare till den brittiska ekonomin, med ett årligt bruttoförädlingsvärde på cirka 2 miljarder pund – drygt 0,1 % av den totala ekonomin. Det finns runt 31, 000 kvadratkilometer skogsmark, cirka 13% av Storbritanniens totala landyta.

Detta område ökar hela tiden, både för att möta den ökande efterfrågan på timmer och av miljöskäl:i England, den nyligen tillkännagivna Northern Forest mellan Hull i öster och Liverpool i väster kommer att hjälpa till att förebygga översvämningar, jordförlust och vilda djur. I Skottland, en stor del av trädplanteringen drivs av behovet av att mer koldioxid tas bort från luften via kolbindning.

Skogsskador håller detta tillbaka, dock. Minst fem gånger i Storbritannien under de senaste 50 åren, enorma stormar har skadat virke med en volym på mer än 1 m kubikmeter.

Skogsnäringen försöker minska risken för vindskador på olika sätt, inklusive skörd av träd i en yngre ålder, och gallring av skog tidigare för att öka trädens långsiktiga stabilitet.

Skogsbrukare i Storbritannien använder vanligtvis ett mjukvarusystem som heter ForestGALES för att uppskatta sannolikheten för vindskador på grupper av träd – bestånd som de kallas i branschen. Modelleringstekniker finns också för att förutsäga stormskador på enskilda träd, baserat på saker som deras längd, bredd och mer allmänna skogsegenskaper som jordtyp.

Alla dessa system lider av det faktum att deras förutsägelser refererar till databaser med information som inte innehåller mycket data. Tyvärr är det mycket tidskrävande att samla in relevant information och den är inte tillgänglig för vissa områden, så det är inte alltid praktiskt att förbättra detta. Det hjälper inte heller att andelen skadade träd i en viss skog är ganska låg, cirka 15 % av totalen.

Skogens framtid

Vi och flera andra kollegor har samarbetat för att hitta en annan väg framåt, kombinerar vår expertis inom datavetenskap och skogsförvaltning. Vi har kunnat visa att datorer kan använda maskininlärning för att utforma en modell som kan förutsäga skador på enskilda träd mycket exakt.

Den förlitar sig på en typ av artificiell evolution som kallas genetisk programmering (GP), som efterliknar evolutionen i den naturliga världen för att komma med helt nya funktioner som kan matas in i ett klassificeringssystem för att göra det lättare att skilja mellan olika träd. Dessa funktioner passar inte in i någon snygg mänsklig kategorisering, så det är svårt att ge exempel; varje ny funktion är en komplex matematisk funktion som kombinerar några av de ursprungliga variablerna som träddensitet och stamomkrets på nya sätt.

När vi testade modellen med data som samlats in från två stormskadade skogar i sydvästra Frankrike, den var 90 % korrekt i den ena skogen och 79 % korrekt i den andra. När det gäller procentenheter, förbättringen på andra modelleringssystem var i dubbelsiffrorna.

Det nya tillvägagångssättet ger också nya insikter till skogsbruksförvaltare, till exempel att lyfta fram de faktorer som mest påverkar känsligheten för skador – som trädtäthet – vilket i sin tur hjälper dem att utveckla bättre skogsvårdsplaner för framtiden. Och modellerna fungerar tillräckligt snabbt för att effekterna av dessa förvaltningsplaner kan kartläggas i realtid, vilket är oerhört användbart för skogsplanering och engagemang med intressenter.

Det är ett bra exempel på hur artificiell intelligens förbättrar vår förmåga att hantera världen omkring oss. Vi känner inte till någon annan som försöker tillämpa maskininlärning på skogsriskhantering, men det finns paralleller inom många områden – diagnos av bröstcancer, för att ge ett exempel. Tiden får utvisa om vi kan komma tillrätta med klimatförändringarna:men om det kommer fler stormar i framtiden, vi borde åtminstone bli bättre på att identifiera de svaga punkterna i skogarna i förväg.

Denna artikel publicerades ursprungligen på The Conversation. Läs originalartikeln.