Historiske kort og kunstig intelligens

Denne artikel undersøger muligheden for at anvende MapReader, et gratis og åbent Python-baseret redskab, til automatisk vektorisering af arealkategorier på historiske kort. Kort er en af de vigtigste kilder til landskabshistorie, men det er en dyr og tidskrævende proces at udtrække deres data, så de kan bearbejdes digitalt. Vi tog udgangspunkt i to kort fra de høje målebordsblade, som tidligere har været genstand for både manuel og automatisk vektorisering i projektet BasemapH, og konstruerede en række modeller til at genkende vådområder på kortene. MapReader opdeler kortenes areal i “patches,” kvadrater i en af bruge-ren defineret skala, hvorefter en andel klassificeres manuelt som træningsdata til en model, som kan klassificere de resterende patches automatisk. Ved brug af en patchstørrelse på 50 m til at identificere vådområder, fandt vi, at MapRea-der-modellerne, hvis træningsdata bygger på ganske få timers arbejde, rammer forbavsende tæt på valideringsdatasættet fra BasemapH. Artiklen konkluderer dermed at brugen af MapReader har et stort potentiale til at automatisere vek-toriseringen af arealkategorier fra historiske kort, især for landsdækkende, ens-artede kortserier som de høje målebordsblade.