Detta projekt har utvecklat och validerat en AI-baserad metod för nationell klassificering av markmaterial baserad på Lantmäteriets öppna flygbilder och höjddata. Syftet var att skapa ett tillförlitligt, högupplöst och skalbart beslutsunderlag för kommuner och myndigheter inom områden som skyfallsmodellering, dagvattenhantering, bulleranalys och grönstrukturplanering – områden där tillgången till exakt marktäckedata är avgörande.

Projektet resulterade i en färdig och skalbar AI-modell som kan klassificera hela Sverige med hög träffsäkerhet (genomsnittlig dice score på cirka 89 % per klass). Som en central del av arbetet utvecklades även Dubblett World Fabric, ett nytt system för syntetisk träningsdata baserat på parametrisk världsgenerering i Unreal Engine, samt en robust pipeline för manuell annotering av Lantmäteriets flygbilder. Kombinationen av syntetisk och verklig data har varit avgörande för modellens kvalitet och generaliserbarhet.

Tekniken har validerats i praktisk kommunal användning genom leverans av klassificerad geodata till Eksjö kommun, där resultaten redan används i grönstrukturanalys och kommande VA-planering. Projektet har därmed inte bara uppnått sina mål utan också etablerat en färdig produkt, beprövade arbetsmetoder och en tydlig väg mot kommersialisering och internationell användning inom AI, digitala tvillingar och storskalig geodataanalys.