Oövervakad kartläggning av urban trädbiodiversitet med rumsligt medveten visuell klustring

Varför stadsträd och intelligenta kartor spelar roll

Städer är beroende av träd för att vara trivsamma. Gatumiljöns träd svalkar heta kvarter, renar luften och ger invånarna daglig kontakt med naturen. Ändå har de flesta kommuner bara grova uppskattningar av hur många olika trädslag de har eller var trädsamlingarna ligger. Traditionella trädinventeringar kräver experter som besöker varje kvarter, vilket är kostsamt och långsamt. Denna studie presenterar ett sätt att mäta variationen i urbana träd genom att använda vanliga gatufoton och artificiell intelligens, utan att behöva några förhandsmärkta träddata.

Att se staden genom vardagliga bilder

Forskarna bygger på en enkel idé: om vi kan upptäcka träd i bilder från tjänster som Google Street View kan vi börja förstå stadens skogsområde i stort. De använder en redan existerande datamängd där träd i åtta nordamerikanska städer automatiskt har detekterats och kopplats till sina lägen. Istället för att låta en algoritm namnge varje trädart, söker den nya metoden efter mönster i hur träden ser ut och var de planterats. Den omvandlar dessa mönster till numeriska ”fingeravtryck” för varje träd, som fångar både visuellt utseende och position längs gator och i bostadsområden.

Gruppering av liknande träd utan att känna till deras namn

Med dessa fingeravtryck i hand grupperar systemet träd i kluster som fungerar som ställföreträdande biologiska grupper. Träd i samma kluster ser liknande ut i bilder och tenderar att finnas i liknande planteringskontexter. Processen sker i flera steg. Först organiserar en rumslig modell träd som planterats i igenkännbara mönster, såsom rader längs en boulevard. Sedan tar metoden bort visuella avvikare inom varje grupp och behåller endast träd som starkt liknar sina grannar. Bortplockade träd granskas igen och, när de liknar varandra, bildas nya grupper eller så omfördelas de till bättre matchande kluster. Slutligen slås kluster som visar sig vara nästan identiska ihop så att systemet inte luras av små, meningslösa skillnader.

Att omvandla kluster till mångfaldskartor

När alla träd tilldelats dessa pseudo-grupper delas staden upp i ett rutnät av lokala områden, vardera 500 meter i tvärsnitt, som representerar kvartersnära trädsamhällen. I varje rutcella räknar forskarna hur många kluster som förekommer och hur jämnt träden är fördelade mellan dem. Utifrån dessa räkningar beräknar de standardiserade mångfaldspoäng som ekologer använder för att beskriva både rikedom (hur många olika slags träd) och jämvikt (om en sort dominerar). De jämför sedan dessa poäng med dem som kommer från detaljerade fältinventeringar som registrerar de faktiska trädsläktena. I städerna återger det oövervakade systemet nära nog de verkliga mångfaldsmönstren, särskilt för mått som betonar vanliga trättyper snarare än sällsynta. Det bevarar också hur mångfalden är ordnad i rummet och fångar homogena planteringar såväl som mer blandade kvarter.

Styrkor, begränsningar och nästa steg

Metoden presterar bäst i städer där trädsamhällena inte domineras av bara några få trädslag och där bildkvaliteten är hög. Den har större svårigheter med sällsynta släkten, kraftig integritetsoskärpa och platser där gatufoton är få eller föråldrade. Eftersom metoden fokuserar på vad som kan ses från gatan blir träd som döljs i trädgårdar eller inre parker underskattade. Författarna föreslår framtida förbättringar som att kombinera gatubilder med satellit- och laserbaserade data, eller att använda språk–vision-modeller som bättre kan urskilja subtila skillnader mellan liknande träd.

Vad detta betyder för grönare, rättvisare städer

För icke-specialister är huvudbudskapet att städer inte längre behöver förlita sig enbart på långsamma och dyra fältinventeringar för att förstå sitt trädbestånd. Genom att utvinna information ur det stora antalet befintliga gatubilder kan denna metod producera detaljerade, kvartersnära kartor över trädmångfald till låg kostnad och uppdateras när nya bilder blir tillgängliga. Stadsplanerare skulle kunna använda dessa kartor för att identifiera områden som domineras av en enda sårbar trädtype, hitta kvarter som saknar variation i grönska och utforma planteringsprogram som ökar motståndskraften mot skadedjur, sjukdomar och klimatstress. Kort sagt visar studien hur vardagsfotografi i kombination med smart klustring kan göra staden till en levande, regelbundet uppdaterad karta över urban natur.

Citering: Abuhani, D.A., Seccaroni, M., Mazzarello, M. et al. Unsupervised mapping of urban tree diversity using spatially-aware visual clustering. Sci Rep 16, 10440 (2026). https://doi.org/10.1038/s41598-026-37043-7

Nyckelord: urban trädbiodiversitet, gatuvybilder, oövervakad klustring, kartläggning av biologisk mångfald, urban resiliens