Zwischen KI und einer wachsenden „Ereignisdatenbank“ könnte die Bedrohung durch Waldbrände abnehmen

Derzeit zerstört ein schnell voranschreitendes Waldfeuer einen Teil der alten Bergstadt Jasper in den kanadischen Rocky Mountains. Der Schaden in Jasper wird als „jenseits von Beschreibung und Verständnis“ beschrieben, und bereits 25.000 Menschen wurden zur Flucht gezwungen. 

Riesige Waldbrände haben bis zu die Hälfte der historischen kanadischen Stadt Jasper zerstört. Gleichzeitig brennen Hunderte von Feuerherden in der benachbarten British Columbia sowie in Kalifornien und Utah.

Jedes Jahr tragen Tausende Menschen die Hauptlast von Waldbränden, wobei Städte vom Feuer verschlungen werden. In den USA haben in den letzten fünf Jahren 344 bedeutende Waldbrände 178 Menschen getötet. Seit den 1980er Jahren liegt die durchschnittliche jährliche Gesamtzahl der Brände bei etwa 70.000. Laut dem National Interagency Fire Center (NIFC) gab es seit 1983 insgesamt 2,7 Millionen Waldbrände.

Da die Zahl der Brände weiter zunimmt, steigen auch die Kosten für deren Bekämpfung. Die US-Regierung gab allein im Jahr 2021 fast 4,4 Milliarden Dollar für die Bekämpfung von Waldbränden aus. Im Durchschnitt kostet das Löschen eines Waldbrandes etwa 74 000 Dollar. Doch das ist nicht alles; die Prämien für Hausratversicherungen steigen ebenfalls.

Weltweit nehmen Waldbrände nicht nur in ihrer Häufigkeit, sondern auch in ihrer Schwere und Dauer zu. Das Risiko von Waldbränden besteht vor allem bei extrem trockenen Bedingungen wie starkem Wind, Dürre und Hitzewellen. Das bedeutet zunehmende negative Auswirkungen auf die Gesundheit von Menschen und Wildtieren. 

Neben der Zerstörung durch das Feuer selbst enthält der Rauch von Waldbränden gefährliche Luftschadstoffe wie NO2, Ozon, aromatische Kohlenwasserstoffe, Blei oder PM2.5, das Partikel mit einem Durchmesser von 2,5 Mikrometern oder weniger sind. PM2.5 ist so fein, dass es tiefer in unsere Atemwege eindringen und gesundheitliche Auswirkungen verursachen kann.

PM2.5 aus dem Rauch von Waldbränden wird tatsächlich mit vorzeitigen Todesfällen in der Allgemeinbevölkerung in Verbindung gebracht. Es kann Krankheiten der Lunge, Nieren, des Herzens, der Haut, des Darms, der Augen, der Nase und der Leber verursachen und verschlimmern. Darüber hinaus wurde gezeigt, dass es zu kognitiven Beeinträchtigungen und Gedächtnisverlust führt. 

Waldbrände verschmutzen nicht nur die Luft mit giftigen Schadstoffen, sondern beeinflussen auch das Klima, indem sie große Mengen an CO2 und anderen Treibhausgasen in die Atmosphäre freisetzen. Durch die Bedeckung der Erde fangen Treibhausgasemissionen tatsächlich die Sonnenwärme ein und machen sie unbewohnbar. Ein Überschuss führt zum Klimawandel, der wiederum zu trockeneren Bedingungen führt und die Dauer der Feuersaisonen verlängert. Dadurch entsteht ein Rückkopplungseffekt.

Da Waldbrände immer extremer in Intensität und Schaden werden, können sie die Infrastruktur in Bezug auf Kommunikation, Verkehr, Stromversorgung, Gasdienste und Wasserversorgung stören. Darüber hinaus beeinträchtigen sie in der Nähe besiedelter Gebiete erheblich Eigentum, Vieh, die menschliche Sterblichkeit und die Umwelt.

Im vergangenen Jahr berechnete eine Studie von Forschern der University of Maryland, dass Waldbrände jetzt jährlich 3 Millionen Hektar mehr Baumbestand verlieren als 2001. Durch einen Verlust von 9,3 Millionen Hektar Baumbestand weltweit wurde 2021 zu einem der schlimmsten Jahre.

Es ist nicht so, dass Feuer kein natürlicher Bestandteil der Funktionsweise von Wäldern sind. Tatsächlich sind boreale Wälder, die weite Landstriche in Nordeuropa, Russland, Alaska und Kanada bedecken, an Feuer angepasst. Feuer schafft eine Vielzahl von Landschaften und entfernt alte Wälder, wodurch neue entstehen.

Allerdings nimmt der durch Feuer bedingte Baumbestandverlust selbst in diesen Gebieten in beschleunigtem Tempo zu. Da boreale Wälder zu den weltweit führenden Lieferanten von sauberem Wasser gehören, bedeutende Wildtierpopulationen beherbergen und ein wichtiger Kohlenstoffspeicher sind, ist der anhaltende Trend der Waldbrände besorgniserregend und muss angegangen werden. 

Klicken Sie hier für eine Liste von Biotech-Unternehmen, die an Lösungen zur Bekämpfung der globalen Erwärmung arbeiten.

Nutzung von KI-Modellen in Kombination mit Satellitenbildern 

Eine der Möglichkeiten, das Problem der Waldbrände anzugehen, besteht in der Nutzung von künstlicher Intelligenz (KI). Diese neue Technologie wird nicht nur für Chatbots und virtuelle Assistenten eingesetzt, sondern auch, um die Umwelt durch fortschrittliche Fernerkundung zu unterstützen.

Kürzlich half KI Feuerwehrleuten, schnell auf einen Waldbrand in einem abgelegenen Gebiet der Bay Area, Kalifornien, zu reagieren. Der Waldbrand wurde gestoppt, bevor er sich ausbreiten konnte, dank einer KI‑gesteuerten Kamera, die Rauch erkannte und die Einsatzkräfte informierte, bevor das Feuer wachsen und schwer zu kontrollieren sein konnte.

Sogar Versicherungsanbieter wenden sich KI zu. Das in San Francisco ansässige Delos Insurance Solutions hat über 17 000 Policen an Hausbesitzer verkauft, die andere Unternehmen abgelehnt haben. Dies wurde durch die Waldbrandmodelle des Unternehmens ermöglicht, bei denen Delos mit Universitätsprofessoren zusammenarbeitet, um proprietäre Datensätze zur Waldbrandmodellierung zu erhalten, und anschließend einen KI‑Algorithmus hinzufügt, um mehr Daten zu integrieren. Laut Mitbegründerin Shanna McIntyre berücksichtigt Delos über 200 Variablen, die Vegetation, Topografie und Temperatur abdecken.

Es gibt eindeutig einen wachsenden Fokus auf die Entwicklung hochauflösender Modelle zum Verhalten von Waldbränden, um die Ausbreitung vorherzusagen. 

Dies geschieht in Verbindung mit Satelliten, um Feuerstandorte zu erkennen. Während Satelliten wie LANDSAT, VHRS und MODIS bereits zur Überwachung der Verteilung und Störung von Vegetation eingesetzt werden, bleibt die Vorhersage von Waldbränden eine schwierige Aufgabe. KI und maschinelles Lernen können helfen, eine zuverlässige Methode zur Vorhersage und Bewältigung von Waldbränden bereitzustellen.

Zum Beispiel kann KI mit Bildsatelliten verknüpft werden, die verschiedene Faktoren wie Rauchentwicklung, Feuerereignisse und Vegetationsstörungen analysieren. Durch die Kombination aller Daten können KI‑Algorithmen Waldbrände durch kontinuierliches Lernen vorhersagen. KI‑Technologie kann zudem die Verwaltung von Feuerlöschern und Patrouillenfahrzeugen mit Videokameras ermöglichen.

Vor einem Jahr begann ein Forscherteam der Aalto-Universität in Finnland mit der Entwicklung eines KI‑Modells namens FireCNN, das die Ausbreitung von Waldbränden vorhersagen kann. Das Modell wurde anhand von Satellitenbildern und Wetterdaten aus den Jahren 2002 bis 2019 trainiert, um Hochrisikogebiete zu identifizieren. FireCNN analysiert 31 Variablen, darunter Faktoren wie Vegetation und Landbedeckung.

Allerdings mangelt es an KI‑Algorithmen, die alle verfügbaren Daten korrelieren können, sowie an realistischen Modellierungsmethoden, die den Bedürfnissen verschiedener Landschaften weltweit entsprechen. 

Laut einer neuen Studie kann ein neues Modell die Ausbreitung von Waldbränden genau vorhersagen. Das Modell kombiniert Satellitenbilder und KI und stellt einen bedeutenden Fortschritt im Waldbrandmanagement und in der Notfallreaktion dar.

Die Studie, finanziert von der NASA, dem Army Research Office und dem Viterbi CURVE-Programm, wurde von Forschern der USC durchgeführt und in Earth System Science Data veröffentlicht. 

Unter diesem neuen Modell werden Satellitendaten genutzt, um den Verlauf von Waldbränden in Echtzeit zu verfolgen. Diese Informationen werden in einen hochentwickelten Computer‑Algorithmus eingespeist, der den wahrscheinlichen Pfad des Feuers sowie dessen Intensität und Wachstumsrate genau vorhersagen kann.

“Dieses Modell stellt einen wichtigen Fortschritt in unserer Fähigkeit dar, Waldbrände zu bekämpfen. Durch die Bereitstellung präziserer und zeitnaher Daten stärkt unser Werkzeug die Bemühungen von Feuerwehrleuten und Evakuierungsteams, die an vorderster Front gegen Waldbrände kämpfen. 

– Bryan Shaddy, korrespondierender Autor der Studie und Doktorand an der USC Viterbi School of Engineering

Die Studie begann mit der Sammlung historischer Daten aus hochauflösenden Satellitenbildern. Anschließend verfolgten die Forscher durch Verhaltensanalysen vergangener Waldbrände, wie das Feuer begann, sich ausbreitete und schließlich eingedämmt wurde. 

Diese sorgfältige Studie enthüllte Muster, die von Faktoren wie Gelände, Wetter und Brennstoff, wie Bäumen und Sträuchern, beeinflusst werden.

Die Forscher trainierten anschließend ein generatives KI‑basiertes Modell, um zu simulieren, wie diese Faktoren die Entwicklung von Waldbränden im Laufe der Zeit beeinflussen. Das Modell wurde dann darauf trainiert, Muster in den Satellitenbildern zu erkennen, die der Ausbreitung des Waldbrandes in ihrem Modell entsprechen.

Das Modell heißt Conditional Wasserstein Generative Adversarial Network oder cWGAN, das bereits an vier realen Waldbränden in Kalifornien über einen Zeitraum von zwei Jahren, zwischen 2020 und 2022, getestet wurde, um zu prüfen, wie effektiv es die Ausbreitung des Feuers vorhersagen kann. Trainiert mit WRF‑SFIRE‑Simulationen wird cWGAN verwendet, um die Ankunftszeit des Feuers anhand von aktiven Satellitenbranddaten zu ermitteln. 

Die Ergebnisse von cWGAN waren beeindruckend. Unter idealen Bedingungen, wie einseitigem Wind und flachem Gelände, trainiert, schnitt das Modell bei realen kalifornischen Waldbränden gut ab.

Der Erfolg des Modells wird darauf zurückgeführt, dass das KI‑Modell zusammen mit Satellitenbildern verwendet wurde, die tatsächliche Waldbranddaten lieferten, anstatt nur allein.

Das war jedoch nicht einfach. Der Mitautor der Studie, Assad Oberai, Professor für Luft‑ und Raumfahrt‑ sowie Maschinenbau an der USC Viterbi, erklärte, dass die Modellierung von Waldbränden aufgrund ihrer „komplexen Prozesse“ zu den schwierigsten Aufgaben gehöre.

Nicht nur Brennstoff, wie Bäume und Sträucher, entzündet, was zu komplexen chemischen Reaktionen, Hitze und Luftströmungen führt, sondern auch Wetter und Topografie beeinflussen das Brandverhalten. Assad sagte:

“Dies sind hochkomplexe, chaotische und nichtlineare Prozesse. Um sie genau zu modellieren, muss man all diese unterschiedlichen Faktoren berücksichtigen. Man benötigt fortschrittliche Rechenleistung.”  

Verbesserte Daten für KI‑Modelle

Neben den Fortschritten in der KI‑Technologie werden die Daten zum Trainieren dieser Modelle ebenfalls verbessert, indem Hunderte zusätzlicher Faktoren abgedeckt werden, die die Entzündung und Ausbreitung von Feuer beeinflussen. Dies wird Wildtiermanagern und Wissenschaftlern helfen, genauere Vorhersagen darüber zu treffen, wo und wann Waldbrände auftreten könnten.

Kürzlich wurde die Fire Program Analysis Fire‑Occurrence Database (FPA FOD), die umfangreichste Quelle für georeferenzierte Brandignitionsdaten in den USA, erheblich erweitert. Ursprünglich 2013 vom US Forest Service entwickelt, wurde das Modell fünfmal aktualisiert. Es aggregiert Brandberichte von lokalen, staatlichen und bundesstaatlichen Stellen mit Aufgaben im Brandschutz und der Berichterstattung.

Das Modell enthält Grundinformationen wie den Ort der Entzündung, das Entdeckungsdatum und die Größe des endgültigen Waldbrandes. Die überarbeitete Datenbank wird jedoch noch mehr soziale und ökologische Faktoren abdecken. Laut Erica Fleishman, Professorin an der Oregon State University:

“Es besteht ein enormes Interesse daran, was Waldbrandentzündungen ermöglicht und was getan werden kann, um sie zu verhindern. Diese Datenbank erhöht die Möglichkeit, relevante Informationen zu erhalten und zu der Vorbereitung und Verhinderung von Waldbränden beizutragen.”

Diese verbesserte Datenbank wird nicht nur Einsatzkräfte und Manager vor Ort bei der Bekämpfung des Feuers unterstützen, sondern kann auch bei der Bewertung kurzfristiger Stromrisiken helfen. Energieunternehmen können fundiertere Entscheidungen über die Durchführung von öffentlichen Sicherheitsschaltungen treffen. Darüber hinaus können Landverwaltungsbehörden entscheiden, ob der Zugang zu öffentlichen Flächen zu bestimmten Jahreszeiten eingeschränkt werden sollte.

Laut Fleishman werden viele Richtlinien von Emotionen statt von einer umfangreichen Evidenz geleitet. Die Datenbank bietet “einen Weg, die objektiven Beweise zu erhöhen, die bei solchen Entscheidungen berücksichtigt werden sollten”, sagte sie. 

Veröffentlicht in der Zeitschrift Earth System Science Data, wurde die Forschung, die die Datenbank beschreibt, vom Joint Fire Science Program unterstützt. Sie skizzierte biologische, soziale und physikalische Attribute, um ein verbessertes Verständnis von Waldbränden sowie deren Vorhersage zu erlangen. 

Insgesamt fügte das Forschungsteam, zu dem Fleishman, Leiterin des Oregon Climate Change Research Institute, sowie Mojtaba Sadegh und Yavar Pourmohamad, ein außerordentlicher Professor bzw. Doktorand an der Boise State University, fast 270 zusätzliche Attribute hinzu. Jetzt enthält die Datenbank Informationen zu 2,3 Millionen Bränden in den USA von 1992 bis 2020.

Unter der überarbeiteten Datenbank verfügt jeder Waldbrand nun über physikalische Attribute wie Wetter, Klima, Topografie und Infrastruktur; biologische Attribute wie Vegetationsindex und Landbedeckung; administrative Attribute, die das nationale und regionale Vorbereitungsniveau sowie die Zuständigkeit abdecken; und soziale Attribute, einschließlich des Index für soziale Verwundbarkeit und Bevölkerungsdichte.

Die sechste Version von FPA FOD wurde weiter mit zusammenfassenden Statistiken innerhalb eines zeitlichen und räumlichen Puffers um den Ignitionspunkt sowie monatlich von Satelliten gewonnenen Vegetationsindizes aus dem Jahr vor der Ignition ergänzt. “Dieser umfangreiche tabellarische Datensatz kann in einer Vielzahl von hypothesengetriebenen oder datenexplorativen Anwendungen genutzt werden”, sagte die Studie.

Eine solch massive Datenbank wird, so Pourmohamad, ein deutlich tieferes Verständnis der individuellen und kombinierten Auswirkungen der Attribute auf Waldbrandentzündungen und -größe ermöglichen, und fügte hinzu:

“Sie identifiziert auch die ungleichen Auswirkungen von Waldbränden auf verschiedene menschliche Populationen und Ökosysteme, was wiederum Bemühungen zur Verringerung von Ungleichheiten informieren kann.

Die Datenbank kann auch in KI‑ und Machine‑Learning‑Modelle integriert werden, die die Faktoren erklären, die vergangene Brände antreiben, die Wahrscheinlichkeit zukünftiger Brände und die Auswirkungen zukünftiger Brände. Sie sagte:

“Es ist erstaunlich, was man ableiten kann, wenn man über die Rechenkapazität und diese Menge an Informationen verfügt. Man kann viele Fragen stellen, die unterschiedliche Maßnahmen an verschiedenen Orten informieren und verstehen, was mit Waldbrandentzündungen und -wirkungen zusammenhängt.

Abschließende Gedanken

Wildlands wie Wälder oder Grasländer sind für das menschliche Wohlergehen unverzichtbar. Sie mildern den Klimawandel, indem sie Kohlenstoff speichern, Lebensräume für Wildtiere erhalten und die Resilienz der Landschaft stärken. Diese Wildlands waren schon immer von Waldbränden betroffen, aber in den letzten Jahrzehnten haben sie so stark zugenommen, dass Waldbrände zu einer Bedrohung geworden sind. 

Diese massiven, ungeplanten Brände verwüsten Landflächen auf der ganzen Welt und erfordern ein besseres Verständnis, eine Bewertung und Analyse vergangener Brände, ihrer erfolgreichen Verhinderung und Minderungsstrategien, um nicht nur Waldbrände zu verhindern, sondern auch die Feuerplanung, -reaktion, -anpassung, kosteneffiziente Minderung und die Begrenzung der negativen Auswirkungen zu verbessern.

Wie oben erwähnt, verbessern die Behörden kontinuierlich Datenbanken, die dann in KI‑Modelle integriert werden können, um die Wahrscheinlichkeit von Bränden und deren zukünftige Auswirkungen zu erklären. Diese gut getesteten KI‑Modelle können anschließend in Verbindung mit Satellitenbildern eingesetzt werden, um zukünftige Waldbrände genau vorherzusagen und zu verhindern. Auf diese Weise können wir unsere Wildlands schützen, die Artenvielfalt bewahren und das Leben zukünftiger Generationen bereichern.

Klicken Sie hier, um alles über Investitionen in künstliche Intelligenz zu erfahren.