KI kann helfen, Waldbrände schneller zu entdecken und einfacher zu bekämpfen

In Staaten wie Kalifornien ist die Waldbrand-Saison länger und intensiver geworden, vor allem aufgrund des Klimawandels. Als Reaktion auf die wachsende Bedrohung durch Waldbrände haben laut CNN verschiedene Startups KI-Tools entwickelt, die bei der Erkennung von Waldbränden helfen sollen.

Es mag offensichtlich erscheinen, aber eine frühzeitige Erkennung ist für Waldbrände wichtig. Je früher das Feuer erkannt wird, desto schneller kann es eingedämmt und desto weniger Schaden wird angerichtet. Glücklicherweise sind die KI-Tools, die von Unternehmen wie Descartes Labs entwickelt wurden, effektiver bei der Erkennung von Waldbränden als Feuerwehrleute oder Zivilisten.

Das Feuer-Erkennungstool von Descartes Labs sampelt Bilder von Regierungs-Wettersatelliten alle zwei Minuten und vergleicht sie auf Unterschiede. Wenn es einen Unterschied in den thermischen Signalen in einer Region gibt, könnte dies möglicherweise auf die Anwesenheit eines Waldbrandes hinweisen.

Die aktuellen Methoden zur Erkennung von Waldbränden basieren hauptsächlich auf der Erkennung von Feuern mit Flugzeugen oder Aussichtstürmen, aber ein System, das KI und Satelliten nutzt, kann Waldbrände viel schneller erkennen als diese Methoden. Die Forstbehörde von New Mexico hat erklärt, dass das KI-Tool definitiv geholfen hat, Waldbrände in dem Bundesstaat viel schneller zu lokalisieren als zuvor. Das Tool bietet auch erste Hilfeleistern Beschreibungen, die helfen können, den Standort eines Feuers einzugrenzen, was schwierig sein kann, wenn viel Rauch oder über einen Bergzug bei Nacht vorhanden ist.

Descartes ist nicht das einzige Unternehmen, das versucht, KI zur Erkennung von Waldbränden zu nutzen. Northrop Grumman (NOC ) hat kürzlich einen Vertrag mit dem Bundesstaat Kalifornien abgeschlossen, um Werkzeuge zur Analyse von Waldbränden zu entwickeln, und das Startup Technosylva hat auch in die Entwicklung von Methoden zur Vorhersage von Waldbränden investiert.

Es ist noch nicht klar, ob die von diesen Unternehmen entwickelten Technologien das Risiko von Falschalarmen aufgrund einer erhöhten Empfindlichkeit gegenüber möglichen Bränden erhöhen. Es ist jedoch klar, dass die KI-Tools, die von Descartes entwickelt wurden, tatsächlich Waldbrände viel früher erkennen können als einige der besten aktuellen Feuer-Erkennungsmethoden. Zum Beispiel erklärt Descartes, dass ihre Erkennungssysteme in der Lage waren, die Los Angeles Times über die Koordinaten des Kincade-Feuers sehr kurz nach dessen Beginn zu informieren. Descartes erklärt, dass ihre schnellste Erkennungszeit bisher neun Minuten nach der Entzündung des Feuers liegt. Laut CNN erklärt Ernesto Alvarado, ein Experte für Waldbrände und Forscher an der University of Washington, dass jedes System, das in der Lage ist, ein Feuer innerhalb von 30 Minuten nach der Entzündung zu erkennen, ziemlich beeindruckend ist.

Descartes beginnt, andere Methoden zur Nutzung von KI und Daten zu erkunden, um Waldbrände zu erkennen und zu verfolgen. Zum Beispiel entwickelt das Unternehmen digitale Höhenmodelle, die steile Hänge beschreiben können, die die Feuerbekämpfung behindern könnten. Descartes erreicht dies, indem es eine Vielzahl von Algorithmen verwendet, die jeweils über die Position eines Feuers auf einer Karte abstimmen und zu einem Konsens kommen.

Während die von Descartes und anderen entwickelten Tools möglicherweise effektiv bei der schnelleren Erkennung von Bränden sein können, ist es eine Herausforderung, die Feuerwehr-Teams in Position zu bringen, und es sei denn, dieses Problem wird gelöst, können Feuer-Erkennungsalgorithmen möglicherweise nicht so effektiv sein, wie theoretisch möglich. Zum Beispiel muss auch nachdem ein potenzielles Feuer von den Tools von Descartes erkannt wurde, das Feuer an die zuständigen Behörden weitergeleitet werden, wie ein Feldbüro, das die Existenz des Feuers überprüfen kann. Danach muss die Benachrichtigung an die Feuerwehr-Abteilungen in der Umgebung gehen, die den besten Weg zur Bekämpfung des Feuers bewerten müssen. Diese logistischen Herausforderungen können Grenzen für die Effektivität von Feuer-Erkennungssystemen setzen, aber wenn es um die Erkennung von Bränden geht, ist früher immer besser.