Microsoft spendet 5 Millionen US-Dollar zur Unterstützung der KI-Überwachung von Waldbränden in Kalifornien

de.wedoany.com-Bericht: Angesichts der zunehmenden Bedrohung durch Waldbrände hat das von der University of California San Diego gegründete ALERTCalifornia-System KI-gestützte Kameraüberwachung in die Brandbekämpfung eingeführt und kann Brände bis zu 2,5 Stunden früher erkennen als der erste 911-Notruf. Das Microsoft AI for Good Lab unterstützt die nächste Ausbaustufe dieses Systems mit finanziellen Mitteln und technischer Hilfe.

Das Waldbrandrisiko in den USA steigt mit zunehmenden Temperaturen, anhaltender Dürre und der Ausweitung von Erschließungsgebieten. Die im vergangenen Jahr landesweit gemeldeten fast 78.000 Waldbrände bedeuten einen Anstieg von 20 Prozent gegenüber dem Vorjahr. In Kalifornien haben Brände seit jeher die Wälder, Graslandschaften und Küstenlandschaften geprägt; die aktuelle Herausforderung im Management konzentriert sich darauf, wie Gemeinden mit Feuern koexistieren können.

In den vergangenen Jahrzehnten beruhte die Entdeckung von Waldbränden in der Regel darauf, dass Bürger Rauch von Straßen, Aussichtspunkten oder in der Nähe von Gemeinden aus bemerkten und die Behörden alarmierten. Das von der University of California San Diego gegründete ALERTCalifornia hat diesen Prozess verändert: Rund 1.300 Kameras sind in brandgefährdeten Gebieten installiert. Das System vergleicht mithilfe von KI Echtzeitbilder aus verschiedenen Kamerawinkeln, um die Brandstelle zu verifizieren, und sendet innerhalb weniger Minuten Warnungen an Einsatzteams. In den ersten zwei Monaten des Probebetriebs entdeckte das System 77 Vorfälle, bevor andere Kanäle sie meldeten; derzeit verarbeitet es täglich über 7 Millionen Bilder und kann Waldbrände bis zu 2,5 Stunden vor dem ersten 911-Notruf identifizieren.

Das System übernimmt zugleich die Aufgabe, echte Brände von Wolken, Nebel und Lichtveränderungen zu unterscheiden, um Fehlalarme zu reduzieren, die Einsatzressourcen verbrauchen. Dr. Neal Driscoll, Geophysiker und Gründer von ALERTCalifornia, erklärte, dass jeder Brand außer Kontrolle geraten könne; das Team versuche, das Problem zu lösen, dass Feuer nicht außer Kontrolle gerät.

KI ersetzt nicht die Lagebeurteilung der Feuerwehrleute vor Ort, sondern liefert vor deren Eintreffen Mehrwinkelbilder der Brandstelle und des möglichen Ausbreitungsverlaufs, unterstützt Disponenten bei der Entscheidung über die Einsatzweise und ermöglicht die Einschätzung, ob es sich um ein kontrolliertes Abbrennen oder einen neu ausgebrochenen Waldbrand handelt. Nach Angaben von Earth.Org benötigt die Entzündung eines Waldbrandes trockene Vegetation, sauerstoffreiche Luft und eine Wärmequelle gleichzeitig; starke Winde beschleunigen die Ausbreitung. Blitze sind die wichtigste natürliche Zündquelle; heißere und länger andauernde Blitze lösen mit höherer Wahrscheinlichkeit Brände aus. Eine Studie aus dem Jahr 2014 ergab, dass die Blitzfrequenz bei jedem Temperaturanstieg um 1 Grad Celsius um bis zu 12 Prozent zunehmen kann. Mehr als 80 Prozent der Waldbrände in den USA stehen im Zusammenhang mit menschlichen Aktivitäten; menschliche Aktivitäten verursachen etwa 84 Prozent der Waldbrände in den USA. Rauch von Waldbränden enthält Gase und Feinstaubpartikel, die über weite Strecken transportiert werden und tief in die Lunge eindringen können, was das Risiko für Atemwegs- und Herz-Kreislauf-Erkrankungen erhöht. Der Klimawandel verlängert die Feuersaison in den USA von etwa vier Monaten auf sechs bis acht Monate oder sogar länger. Großflächige Waldbrände setzen Treibhausgase frei und zerstören kohlenstoffspeichernde Vegetation, was eine Rückkopplungsschleife bildet, die den Klimawandel verstärkt.

Frühere Fälle zeigen die Bedeutung der Früherkennung. Im Jahr 2023 halfen die Kameras und die KI von ALERTCalifornia den Feuerwehrkräften, den Trotter Fire im Kern County schnell unter Kontrolle zu bringen; die Brandfläche betrug 52 Acres. Nach Angaben des Projekts hätte sich das Feuer ohne KI-Bildgebungstechnologie auf fast 4.000 Acres ausbreiten können. Während des Kincade Fire im Sonoma County im Jahr 2019 unterstützten frühere Warnungen die Evakuierungsplanung; über 180.000 Einwohner wurden evakuiert, und es gab keine Todesfälle. Juan Lavista Ferres, Corporate Vice President und Chief Data Scientist des Microsoft AI for Good Lab, sagte: Wenn man ein Feuer früh genug entdeckt, kann eine Schaufel es löschen; wenn man wartet, braucht man Bulldozer, Löschflugzeuge und sogar ein Wunder.

Microsoft unterstützt die nächste Phase von ALERTCalifornia mit einer Spende von 5 Millionen US-Dollar, davon 2 Millionen US-Dollar für technologische Entwicklung und 3 Millionen US-Dollar als Zuschuss für Azure-Cloud-Dienste. Zachary Wells, stellvertretender Leiter der Feuerwehr des Kern County und stellvertretender Betriebsleiter von ALERTCalifornia, sagte, das System erhalte in den ersten fünf Minuten eine Fülle von Informationen; dieses frühe Verständnis beeinflusse alles Weitere.

Über die Erkennung hinaus nutzt ALERTCalifornia LiDAR-Daten von fast 98.000 Quadratmeilen, um ein digitales Modell der kalifornischen Landschaft zu erstellen, das für Geländekartierung, Überwachung der Waldgesundheit und Risikobewertung von Gefahren wie Erdrutschen eingesetzt wird. Diese Fähigkeiten sind nach Waldbränden besonders wichtig, da geschädigte Landschaften anfälliger für Erosion, Schlammlawinen und Veränderungen im Einzugsgebiet sind. In Kombination mit Umweltüberwachung kann KI-Bildgebung die Resilienzbildung vor, während und nach Bränden unterstützen.

Im breiteren Bereich der Umwelt-KI führt das Microsoft AI for Good Lab weitere Projekte durch. Aurora forecasting analysiert auf Basis eines KI-Basismodells mit 1,3 Milliarden Parametern Atmosphärendaten, verbessert Wettervorhersagen und Klimaprognosen und unterstützt Wettervorhersage, Luftqualitätsmodellierung und Extremwetteranalyse. Das Projekt zur georäumlichen maschinellen Lernanwendung arbeitet mit Universitäten, Naturschutzorganisationen, Nichtregierungsorganisationen und der Disaster and Emergency Management Presidency des türkischen Innenministeriums zusammen und kombiniert georäumliche Daten, Satelliten- und Luftbilder mit maschinellem Lernen für die Bewertung von Gebäudeschäden nach Erdbeben, Gletscher- und Landbedeckungskartierung, Kartierung von Geflügelfarmen und Überwachung erneuerbarer Energien.

Das Gletscherkartierungsprojekt nutzt maschinelles Lernen und Satellitenbilder zur Identifizierung und Überwachung von sauberem Eis und schuttbedeckten Gletschern in der Hindukusch-Himalaya-Region und ermöglicht Experten über ein Webtool, Modellvorhersagen zu überprüfen und zu korrigieren. Das Projekt zur Kartierung erneuerbarer Energien kartiert und überwacht die Entwicklung erneuerbarer Energien im großen Maßstab mithilfe georäumlichen maschinellen Lernens. Das Bioakustik-Projekt arbeitet mit Institutionen wie dem Humboldt Institute zusammen, führt im Amazonasgebiet das Projekt Guacamaya zur Artenidentifizierung durch und unterstützt die Überwachung von Belugawalen sowie die automatische Klassifizierung von Vogel- und Amphibienrufen. Das Projekt zur beschleunigten Biodiversitätserfassung arbeitet mit NOAA Fisheries, Sieve Analytics und LILA BC zusammen, um Bilder und Audiodaten von Kamerafallen, Luftkameras und Mikrofonen zu analysieren und so die manuelle Annotation zu reduzieren. Das Projekt zur Landbedeckungskartierung nutzt Computer Vision, um Fernerkundungsdaten in Landnutzungs- und Landbedeckungsinformationen umzuwandeln und so die manuelle Kartierungszeit von Umweltwissenschaftlern zu verkürzen.