Till innehåll på sidan
Till KTH:s startsida

Computing Trees

Forest Measurement and Planetary Prediction

Tid: Fr 2026-10-16 kl 14.00

Plats: F3 (Flodis), Lindstedtsvägen 26 & 28, Stockholm

Videolänk: https://kth-se.zoom.us/j/61368049154

Språk: Engelska

Ämnesområde: Historiska studier av teknik, vetenskap och miljö

Respondent: Erik Ljungberg , Historiska studier av teknik, vetenskap och miljö

Opponent: Docent Janina Priebe, Umeå universitet

Handledare: Professor Nina Wormbs, Historiska studier av teknik, vetenskap och miljö; Docent Adam Wickberg, Historiska studier av teknik, vetenskap och miljö; Docent Lina Rahm, Historiska studier av teknik, vetenskap och miljö

Exportera till kalender

QC 20260923

Abstract

Denna avhandling undersöker hur skogar har gjorts styrbara genom mätningar,med hjälp av tre övervakningsinfrastrukturer under ett sekel: den svenskanationella skogsinventeringen från 1923, de satellitbaserade kNN-skogskartornasom utvecklades i Sverige under 1990-talet, och produkten Global Forest Changesom byggdes vid University of Maryland och användes i REDD+koldioxidredovisning i Demokratiska republiken Kongo. Skogsövervakning harsedan starten byggt på vad studien kallar informationslöftet: att man inte kanstyra det man inte kan se, och att bättre styrning därför väntar på bättreinformation. Avhandlingen frågar vad sådan infrastruktur faktiskt producerar.Med utgångspunkt i fältmanualer, metodrapporter, tekniska publikationer,statliga utredningar och pressdebatter, samt en konceptuell apparat utveckladfrån Bruno Latour och Charles Sanders Peirce, rekonstruerar den de specifikaoperationer genom vilka mätningar blir påståenden som kan styra.

Resultatet är att dessa infrastrukturer inte levererade successivt skarparebilder av en befintlig skog. Var och en producerade en ny typ av objekt för styrningatt arbeta med. Den svenska inventeringen aggregerade hundratusentalsfältmätningar till en uppskattning av hur mycket landets skogar växer under ettgenomsnittligt år. År 1979 användes den uppskattningen för att sätta ettnationellt avverkningsmål, och målet skrevs in i lag. kNN-kartorna kombineradesatellitbilder med inventeringens fältdiagram för att förutsäga vilken typ av skogsom fanns på varje plats i landet, så att naturvårdsadministratörer kunde sökaefter gamla och värdefulla bestånd på en skärm snarare än att upptäcka dem ifält. Produkten Global Forest Change använde maskininlärningsklassificering avett stort arkiv med satellitbilder för att producera en global, årlig registrering avskogsförlust. I Demokratiska republiken Kongo projicerades förlusten somVIIIregistrerades under en period framåt som en förutsägelse av nästa, ochersättningar för undviken avskogning beräknades mot den förutsägelsen.

Läst i sekvens visar fallen en enda utveckling. I varje fall överlämnades arbetetmed att avgöra om spridda mätningar kunde räknas som mätningar av sammasak till en matematisk eller beräkningsmässig procedur: en tillväxtfunktion, enmatchningsalgoritm och en klassificeringsmodell. I varje fall fungerade denproceduren på ett större avstånd från de skogar som den gjorde anspråk på. Densvenska inventeringen generaliserades från ytor som dess egna fältarbetare hadestått på. kNN-kartorna förlitade sig fortfarande på dessa ytor, men använde demför att göra påståenden om varje plats i landet, varav den överväldigandemajoriteten ingen fältarbetare hade besökt. Det sista fallet generaliserades frånen datauppsättning som omfattade ett decenniums värde av pixlar, och forskarnasom producerade den hade ingen närvaro i Kongobäckenet, men deras siffrorförankrade ett decennium av kontrakt och ekonomiska åtaganden där. Löftet omdigital övervakning var bättre information om skogen. Vad den levererade varnågot annat: auktoritativa siffror om skogar som de människor som produceradedem aldrig hade satt sin fot i.

Link to DiVA