Terra Labs lanserar 2026 Centurion – skogen i kontinuerlig tid och rum
Laserdata och ortofoto från Lantmäteriet. Punktmolnet är färgat med data från Terra Labs Forest State Field.
En ny generation skoglig AI som förändrar hur vi beskriver, analyserar och arbetar med skogen.
Sedan åtminstone 1800-talet har skogsbruket i Sverige utgått från avdelningar. Skogen delas in i områden som beskrivs med medelvärden för bland annat ålder, höjd, diameter, grundyta och trädslagsfördelning. Bonitet och volym härleds. Det har varit ett praktiskt sätt att inventera och planera stora skogsinnehav, men det innebär också begränsningar.
Två avdelningar med identiska medelvärden kan i verkligheten se helt olika ut. Och när skogen förändras är det inte säkert att informationen följer med. Analyser och beslut är på förhand knutna till indelningen.
Idag lanserar Terra Labs 2026 Centurion, en ny AI-modell som ger skogsindustrin en ny grund för inventering, analys och planering. Centurion beskriver skogen som ett kontinuerligt fält i rum och tid, med hög geografisk detaljrikedom över hela Sverige. Skogens variation blir tillgänglig för analys, både inom avdelningarna och över deras gränser.
Allt bygger på öppna data, utan behov av ytterligare högupplösta bildkällor.
Det är ett teknikskifte med möjligheter långt bortom traditionell skötsel och förvaltning av skog.
Från avdelningar till en kontinuerlig beskrivning av skogen
Centurion bygger på Terra Labs Forest State Field-teknik som beskriver skogens tillstånd i både rum och tid.
Traditionellt har skogens egenskaper av praktiska skäl knutits till geografiskt diskreta områden – avdelningar. Informationen gäller för avdelningen som helhet, även om skogen varierar kraftigt inom den.
Med Centurion är det tvärtom. Skogens egenskaper finns beskrivna oberoende av avdelningsgränserna och kan sammanställas för valfria områden.
Det innebär inte att avdelningarna försvinner. De fyller fortfarande en viktig funktion för planering och förvaltning. Skillnaden är att de inte längre begränsar vilken information som finns tillgänglig, vilka analyser som kan göras, eller beslut som tas.
Och eftersom Forest State Field även beskriver hur skogen utvecklas över tid kan tillväxt, åtgärdsbehov och ajourhållning av utförda åtgärder hanteras inom samma modell.
Avdelningsgränserna kan behållas, men beskrivningen av skogen behöver inte längre följa dem. Åtgärdsenheter kan skapas beroende på behov.

Forest State Field prediction
After defoliation
Tekniskt genombrott ger hög detaljrikedom ur öppna data
En viktig del av teknikskiftet är att Centurion endast kräver öppna data som indata.
Terra Labs har nått ett tekniskt genombrott där deep learning-metoder för sensorfusion och inlärning med begränsad eller ofullständig annotering (self- och weakly supervised learning) kombineras med proprietär ground truth av hög kvalitet. Tillämpat på enorma mängder fjärranalysdata har angreppssättet lett till i en ny foundation model för Earth Intelligence, som Forest State Field och vår Centurion-modell är ett utfall av.
Denna AI-modell kan beskriva skogens egenskaper med hög geografisk och temporal detaljrikedom över hela Sverige. Det är inte tillgången till mer högupplöst data som gör skillnaden, utan modellens förmåga att utvinna betydligt mer information ur den data som redan finns.
Det gör tekniken möjlig att använda i stor skala utan krav på ytterligare datainsamling. Samtidigt varierar aktualiteten i de öppna datakällorna, och kan vid behov kompletteras med högupplösta satellitbilder eller andra datakällor.
Fyra viktiga nyheter i Centurion
1. Låt beslutet forma området
När data om skogen inte är knuten till avdelningar, kan analysen av skogens egenskaper göras med betydligt högre geografisk precision. Analysen och beslutet formar området, istället för tvärtom.
Identifiera ett tänkt åtgärdsområde, en möjlig virkespost eller en yta som behöver undersökas närmare. Centurion kan beskriva skogen inom den tillfälliga ytan utan att de gamla avdelningarna behöver ändras, eller att ny data samlas in.
2. Snabba beräkningar
Rita en tillfällig analysyta. Utöka den, dela den eller jämför den med ett annat område. Centurion beräknar snabbt nya skattningar utifrån den nya geometrin.
När svaren kommer direkt går det att pröva alternativ, jämföra resultaten och fatta beslut medan arbetet pågår. Analysen kan utvecklas i takt med frågorna.
3. Smartare beståndsindelning
Centurion hjälper dig att hitta och avgränsa områden utifrån den fråga du arbetar med.
Du anger vad du vill undersöka eller åstadkomma. Modellen analyserar skogens egenskaper och föreslår områden utifrån dina mål och kriterier, till exempel ytor med liknande skötselbehov. Du kan justera kriterierna och låta modellen föreslå nya gränser.
Förslagen kan täcka hela den markyta du valt eller bara de delar som uppfyller dina kriterier. Områdena kan användas tillfälligt för analys och planering, utan att den befintliga skogsbruksplanen behöver ändras.
AI bidrar med den detaljerade analysen. Människan sätter målen och står för den skogliga bedömningen.
Planläggaren kan lägga mindre tid på att manuellt identifiera och avgränsa områden och mer tid på att bedöma lämpliga åtgärder utifrån skötselmål, lokala förutsättningar och praktiska behov.
4. Förstå skogens variation
En avdelning kan ha jämnt fördelade träd med ett utspritt lövinslag. En annan kan ha samma trädslagsandelar och medelvärden, men bestå av täta grupper med glesa partier och lövet samlat i dungar. Skillnaden i fördelning kan motivera olika åtgärder.
Centurion gör variationen mätbar och begriplig. Modellen kan exempelvis mäta hur mycket skogens egenskaper varierar inom ett bestånd och hur variationen fördelar sig över ytan. Den kan också peka ut områden som avviker och visa var olika egenskaper förekommer.
Det som tidigare doldes av ett medelvärde blir information som går att jämföra och använda i beslut.
Resultaten kan dessutom förklaras med ett naturligt språk. Det gör det lättare att förstå var skogen skiljer sig från genomsnittet, varför avdelningsbeskrivningen ser ut som den gör och vad variationen kan innebära för planeringen.
Upptäck sådant som tidigare varit svårt att mäta
En erfaren skoglig expert kan upptäcka mycket under ett fältbesök. Men att systematiskt kartlägga samma detaljer över hundratusentals hektar är en helt annan utmaning.
Här öppnar Centurion för nya möjligheter.
Modellen kan exempelvis identifiera var avvikande trädslag förekommer inom en avdelning. I stället för att bara veta att en avdelning innehåller tio procent björk går det att undersöka var björken faktiskt finns, och om den är koncentrerad till ett område eller utspridd över hela avdelningen.
På samma sätt kan modellen analysera skillnader i täthet, bonitet och trädslagsblandning. Den kan identifiera gradvisa övergångar mellan olika skogstyper som annars är svåra att beskriva med traditionella avdelningsgränser.
Det är den här typen av förmågor vi på Terra Labs arbetar med under begreppet Beyond Human Level: att använda AI för att systematiskt identifiera och kvantifiera mönster som är svåra att kartlägga och hålla aktuella manuellt, särskilt över stora geografiska områden.
Tillsammans med Terra Labs AI-agent kan informationen utforskas genom vanliga frågor, över alla Sveriges skogar.
Var finns lövinslagen? Var finns lämpliga avsättningar och impediment? Var finns åtgärdsbehoven, idag och framöver? Vilka delar avviker? Var finns områden med liknande förutsättningar? Vilka delar matchar industribehovet eller en slutkunds specifika efterfrågan?
I stället för att manuellt kombinera kartlager och söka efter svar kan användaren ställa en fråga och undersöka resultatet direkt i kartan.

Från bättre skogsdata till bättre beslut
Den verkliga förändringen handlar inte bara om mer detaljerad skogsdata, utan om vad den möjliggör.
Ta gallringsplanering som exempel.
Traditionellt bedöms gallringsbehov med gallringsmallar applicerade på medelvärden för en hel avdelning. I ett ojämnt bestånd kan det innebära att täta områden med gallringsbehov döljs av glesare partier.
Centurion kan i stället analysera gallringsbehov med hög geografisk noggrannhet och identifiera vilka delar av skogen som uppfyller kriterierna, oberoende av avdelningsgränser.
I stället för att enbart få svaret att en avdelning bör gallras går det att se var behovet finns och hur det varierar inom området. Det skapar förutsättningar för mer precisa åtgärdsförslag och bättre prioriteringar.
Samma princip kan tillämpas genom hela skogsindustrins värdekedja:
Skogsägare och värderare får en mer detaljerad bild av vad som faktiskt finns på en fastighet och hur variationer påverkar värdet.
Planläggare och förvaltare kan se var åtgärdsbehov finns inom och mellan avdelningar och prioritera fältbesök där de gör störst nytta.
Virkesköpare och skogsindustri får betydligt bättre underlag för att identifiera intressanta områden, göra utbytesberäkningar, planera virkesförsörjning och efterleva leveransåtaganden.
Uppföljning och rapportering kan bygga på ett gemensamt, detaljerat underlag som kan uppdateras när skogen förändras.
När informationen kan användas oberoende av avdelningen behöver varje ny frågeställning inte börja med en ny inventering.
Terra Labs data om skogen blir ett levande beslutsunderlag som kan analyseras på nytt när behoven förändras, och användas av fler människor genom hela verksamheten.
Skogen är bara början
2026 Centurion är inte bara ett paradigmskifte för skogsbruket, utan också ett viktigt steg i Terra Labs arbete med nästa generations Earth Intelligence: AI-modeller som kan beskriva och förstå den fysiska världen i tid och rum.
Vi börjar med skogen, där stora ekonomiska och ekologiska värden är beroende av tillförlitliga beslutsunderlag och där traditionella inventeringsmetoder länge har begränsat vilken information som finns tillgänglig.
Vår ambition sträcker sig längre än skogen. Samma tekniska grund kan användas för att förstå och följa förändringar i andra delar av vår fysiska omvärld.
Vi bygger en ny grund för hur information om skogen, och på sikt andra delar av vår omvärld, kan samlas in, hållas aktuell och användas.
Skogen har alltid förändrats. Nu kan också beskrivningen av den göra det.