Nationalgarde setzt bei der Feuererkennung Dronen mit künstlicher Intelligenz ein

Da Brände größer und gefährlicher werden, haben verschiedene Regierungs- und private Agenturen auf künstliche Intelligenz gesetzt, um Waldbrände zu erkennen und möglicherweise vorherzusagen. Die Nationalgarde hat in den letzten Jahren während des späten Sommers und Herbstes in Kalifornien Aufklärungsflüge durchgeführt, aber jetzt haben die Dronen, die für diese Flüge eingesetzt werden, Upgrades mit künstlichen Intelligenz-Algorithmen erhalten, die darauf ausgelegt sind, automatisch Karten von Bränden in einem bestimmten Gebiet zu erstellen.

Die Erstellung von Feuerkarten ist ein extrem schwieriger Prozess, der Datenanalyse erfordert, um ständig wechselnde Brände über unwegsames Gelände zu kartieren. Sowohl Luft- als auch Bodenbeobachtungen werden verwendet, um Feuerkarten zu erstellen, und Feuerkarten werden normalerweise nur einmal pro Tag oder so aktualisiert. Große Brände können sich um bis zu 15 Meilen an einem einzigen Tag bewegen, wie bei einigen der Brände in dieser Feuersaison beobachtet wurde. Feuerüberwachungsagenturen benötigen schnellere Methoden, um Feuerdaten zu sammeln und Feuerkarten zu aktualisieren, und Drohnen in Kombination mit künstlicher Intelligenz können diese Anforderung erfüllen.

Feuerkartensysteme, die häufig auf Satellitendaten basieren, nutzen in der Regel eine von zwei verschiedenen Methoden, um mögliche Brände zu erkennen. Die Brände werden entweder durch Erkennen von Wärme, die von der Erdoberfläche ausgeht (Erkennen ungewöhnlich heißer Bereiche), oder durch Analyse von Aerosol-Emissionen (Erkennen der Rauchpartikel, die in die Luft freigesetzt werden, wenn Biomasse verbrennt) erkannt. Nachdem mögliche Brände erkannt wurden, können sie durch den Einsatz von Hochauflösungs-Imaging-Systemen wie Drohnen bestätigt werden. Die Kameras, mit denen die Drohnen der Nationalgarde ausgestattet sind, sind in der Lage, Brände in einer Auflösung von nur 90 Fuß über dem Boden zu zeigen.

Die Nationalgarde hat ihre MQ-9-“Reaper”-Drohnen mit künstlichen Intelligenz-Algorithmen ausgestattet, die darauf ausgelegt sind, Brände zu erkennen und Feuerkarten zu erstellen. Die künstlichen Intelligenz-Algorithmen werden verwendet, um Daten über aktive Brände zu sammeln und “Spot-Feuer” zu erkennen, die durch größere Brände verursacht wurden. Das Projekt wurde von dem Joint Artificial Intelligence Center (JAIC) angetrieben, einer Abteilung, die 2018 vom Pentagon gegründet wurde. Das JAIC-Feuerkartensystem nutzt maschinelles Lernen, das auf Luftaufnahmen von vergangenen Bränden mit annotierten Grenzen trainiert wurde. Der Algorithmus kann dann unbekannte Bilder mit nur Standortdaten erkennen und Feuer darin erkennen, und eine Karte ausgeben, die zeigt, welche Regionen brennen. Der Standort von Spot-Feuern wird auch markiert.

Im Vergleich zum tagelangen Prozess der Feuerkartenerstellung, den andere Agenturen verwenden, ist das JAIC-Feuerkartensystem viel schneller. Der künstlichen Intelligenz-gestützte Feuerkartierungsprozess kann eine neue Feuerkarte etwa alle 30 Minuten erstellen. Laut der California Air National Guard sind die Karten, die von dem neuen System produziert werden, genau, und das Feedback von CalFire ist positiv. Wenn die Karten weiterhin zuverlässig bleiben und erfolgreich in die Operationen von CalFire integriert werden können, könnte es zum nächsten Feuersaison eingesetzt werden, um Brände zu erkennen.

Über die Kartierung der Grenzen von aktuellen Bränden hinaus kann künstliche Intelligenz auch helfen, das Vorrücken von Bränden vorherzusagen. CalFire selbst hat kürzlich begonnen, ein Tool namens WildFire Analyst Enterprise zu verwenden. Das Wildfire-Analyse-Tool wurde von Technosylva erstellt und kombiniert verschiedene Modelle des Feuerausbreitens. Diese Modelle werden durch den Einsatz von maschinellen Lernalgorithmen verbessert, die auf den Merkmalen von vergangenen Waldbränden (wie dem Feuchtigkeitsgehalt von Vegetation, Wetterbedingungen und Satellitenbildern) trainiert wurden. Das Modell vergleicht dann Daten über ein aktuelles Feuer mit den Daten von vergangenen Bränden, um Vorhersagen über die Ausbreitung des Feuers zu machen. Die Software ermöglicht es dem Benutzer auch, Simulationen auf der Grundlage von Veränderungen verschiedener Variablen wie Wetterbedingungen zu erstellen. Das Tool hat korrekt vorhergesagt, dass das CZU Lightning Complex Fire in Richtung der Stadt Felton ziehen würde, was es den Feuerwehrmannschaften ermöglichte, frühzeitig zu arrivieren und viele Strukturen zu retten, die möglicherweise nicht gerettet worden wären.

Währenddessen nutzen Feuerwehrabteilungen in Südkalifornien ein anderes Feuer-Verfolgungs- und Vorhersagesystem namens FireMap, das von der Wifire Lab entwickelt wurde. FireMap verwendet sowohl Luft- als auch Bodendaten von Kameras sowie Klimabedingungen, Windbedingungen, den Feuchtigkeitsgehalt in der Vegetation und mehr, um vorherzusagen, wo Brände sich ausbreiten werden.

Da mehr künstliche Intelligenz-gesteuerte Feuererkennungs- und Vorhersageplattformen entwickelt werden, werden Drohnen wahrscheinlich immer wichtiger. Satelliten sind extrem nützlich, aber sie haben Einschränkungen hinsichtlich der Art und Menge der Daten, die sie sammeln können. Zwei Arten von Satelliten werden verwendet, um Daten zu sammeln: Polar-Orbiter-Satelliten und geosynchrone Satelliten. Polar-Orbiter-Satelliten können hochauflösende Bilder aufnehmen, aber die Bilder werden nur zweimal pro Tag aufgenommen. Im Gegensatz dazu werden Bilder, die von geosynchronen Satelliten aufgenommen werden, häufiger aufgenommen, normalerweise alle 5 Minuten oder so. Allerdings müssen geosynchrone Satelliten etwa 22.000 Meilen über der Erdoberfläche fliegen, um mit der Erdbahn synchron zu bleiben. Als Ergebnis enthalten diese Bilder weniger Details als die Polar-Orbiter-Satelliten. Drohnen können helfen, die Lücken in den Daten zu füllen und konstante, detaillierte Bilder eines Interessengebiets zu liefern.