KI kann helfen, Waldbrände schneller zu erkennen und leichter zu bekämpfen

In Staaten wie Kalifornien ist die Waldbrand-Saison länger und intensiver geworden, größtenteils getrieben durch den Klimawandel. Als Reaktion auf die wachsende Bedrohung durch Waldbrände haben, laut CNN, verschiedene Startups KI-Tools entwickelt, die dazu dienen sollen, Waldbrände zu erkennen.

Es mag offensichtlich erscheinen, aber eine frühzeitige Erkennung ist wichtig für Waldbrände. Je früher das Feuer erkannt wird, desto schneller kann es eingedämmt und desto weniger Schaden wird angerichtet. Zum Glück scheinen die von Unternehmen wie Descartes Labs, mit Sitz in Sante Fe, entwickelten KI-Tools effektiver bei der Erkennung von Waldbränden zu sein als Feuerwehrleute oder Zivilisten.

Das Feuer-Erkennungstool von Descartes Labs sampelt alle zwei Minuten Bilder von Wetter-Satelliten der Regierung und vergleicht diese auf Unterschiede. Wenn es einen Unterschied in den thermischen Signalen in einer Region gibt, könnte dies möglicherweise auf die Anwesenheit eines Waldbrandes hindeuten.

Die aktuellen Methoden zur Erkennung von Waldbränden verlassen sich hauptsächlich auf die Erkennung von Feuern mit Flugzeugen oder Beobachtungstürmen, aber ein System, das KI und Satelliten nutzt, kann Waldbrände viel schneller erkennen als diese Methoden. Die New Mexico State Forestry Bureaus hat erklärt, dass das KI-Tool dem Staat geholfen hat, Waldbrände viel schneller zu lokalisieren als zuvor. Das Tool bietet auch ersten Helfern Beschreibungen, die helfen können, den Ort eines Feuers einzugrenzen, was schwierig sein kann, wenn viel Rauch oder über einem Bergzug bei Nacht ist.

Descartes ist nicht das einzige Unternehmen, das versucht, KI zur Erkennung von Waldbränden zu nutzen. Northrop Grumman hat kürzlich einen Vertrag mit dem Staat 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 von Descartes entwickelten KI-Tools 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 Ausbruch zu informieren. Descartes erklärt, dass ihre schnellste Erkennungszeit bisher neun Minuten nach der Entzündung des Feuers war. Laut CNN ist Ernesto Alvarado, Waldbrand-Experte und Forscher an der University of Washington, jedes System, das in der Lage ist, ein Feuer innerhalb von 30 Minuten nach der Entzündung zu erkennen, ziemlich beeindruckend.

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 Brandbekämpfung 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 dabei sein können, die Erkennung von Bränden zu beschleunigen, 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 das Feuer, auch nachdem es von Descartes’ Tools erkannt wurde, an die zuständigen Behörden, wie ein Feldbüro, das die Existenz des Feuers überprüfen kann, weitergeleitet werden. Anschließend muss die Benachrichtigung an die Feuerwehr-Abteilungen in der Umgebung gehen, die die beste Reaktion auf das Feuer bewerten müssen. Diese logistischen Herausforderungen können die Effektivität von Feuer-Erkennungssystemen einschränken, aber selbst dann, wenn es um die Erkennung von Bränden geht, ist früher immer besser.