Anfang der Seite
  • Ben Jones

Pionierarbeit für den digitalen Wald zur Verhütung von Waldbränden

Dryad Networks, geleitet von CEO und Mitbegründer Carsten Brinkschulte, nutzt fortschrittliche Sensortechnologie und das Internet der Dinge, um bei der Früherkennung von Waldbränden Pionierarbeit zu leisten.

digitaler Wald

Die Inspiration für Dryad Networks kam Carsten Brinkschulte, CEO und Mitgründer, im Jahr 2019 während einer besonders intensiven Zeit der Waldbrände, über die in den Nachrichten ausführlich berichtet wurde. Nachdem er ein früheres Unternehmen verkauft hatte, befand er sich an einem Scheideweg und beschloss, seinen Hintergrund in Telekommunikation und Technologie zu nutzen, um dieses globale Problem anzugehen.


Waldbrände tragen mit bis zu 20 % zu den weltweiten CO2-Emissionen bei, was den jährlichen Emissionen des gesamten Autoverkehrs entspricht. Durch die Eindämmung von Waldbränden, so Brinkschulte Dryad, können wir nicht nur die Kohlenstoffemissionen erheblich reduzieren, sondern auch die biologische Vielfalt schützen und die finanziellen Verluste minimieren, die jährlich zwischen 180 und 900 Milliarden Pfund betragen. 


Silvanet: Den digitalen Wald schaffen


Silvanet ist die Komplettlösung von Dryadfür die frühzeitige Erkennung von Waldbränden sowie für die Waldbewirtschaftung, das Wachstum, den Gesundheitszustand und die Überwachung. Abgeleitet vom lateinischen Wort für "Waldnetzwerk", stellt es die Basistechnologie von Dryaddar. "Wir bauen im Wesentlichen ein Netzwerk in den Wäldern auf, das für verschiedene Anwendungen genutzt werden kann, in erster Linie für die Erkennung von Waldbränden", erklärt Brinkschulte. "Dieses Netzwerk nutzt Sensoren, die in der Lage sind, die frühesten Stadien eines Feuers zu erkennen, und übermittelt dann den Feuerwehrleuten über Geokoordinaten den genauen Standort des Feuers."


Das Rückgrat dieses Systems ist ein groß angelegtes, stromsparendes Weitverkehrsnetz, das ähnlich wie Wi-Fi funktioniert, aber für weitläufige Außenbereiche konzipiert ist. Es verfügt über die erweiterte Fähigkeit, ein Mesh-Netzwerk mit Hilfe von Robotern aufzubauen, was die Schaffung umfangreicher IoT-Netzwerke in bewaldeten Gebieten ermöglicht. Diese Geräte werden mit Solarenergie betrieben und auf Bäumen montiert, wodurch eine Kommunikationsblase mit einem Radius von etwa ein bis zwei Kilometern um jedes Gateway herum entsteht.


"Innerhalb dieses Netzwerks setzen wir Sensoren ein, die speziell dafür ausgelegt sind, das Vorhandensein eines Feuers durch die Messung der austretenden Gase zu erkennen", erläutert er. "Diese Integration fortschrittlicher Sensortechnologie mit der IoT-Infrastruktur verbessert unsere Fähigkeit, Waldbrände schnell und präzise zu erkennen, erheblich".


Waldbrandwarnung

IoT


Herkömmliche Methoden zur Erkennung von Waldbränden beruhen in erster Linie auf der Beobachtung durch Menschen, entweder durch Einzelpersonen, die Brände von nahe gelegenen Orten aus entdecken und die Rettungsdienste alarmieren, oder durch Personal, das mit Ferngläsern auf Aussichtstürmen nach Rauch Ausschau hält. Es gibt auch technische Methoden wie Kameras, die diese visuelle Suche nach Rauchfahnen über den Baumkronen nachahmen, und Satelliten, die Brände aus dem Weltraum erkennen können. 


Silvanet stellt einen neuen Ansatz dar, bei dem Gassensoren direkt in den Wald eingebaut werden. "Die Sensoren erkennen die spezifischen Gase, die bei der organischen Verbrennung entstehen, und bieten so einen Vorteil bei der Brandfrüherkennung", sagt Brinkschulte. "Die herkömmliche Satellitentechnologie bietet zwar einen hervorragenden Überblick für die Verfolgung und Vorhersage von Brandherden, ist aber aufgrund der großen Höhe und der seltenen Überflüge weniger effektiv für die Erkennung kleiner Brände. Kameras sind zwar für große Gebiete nützlich, können aber keine Brände erkennen, die unter den Baumkronen verborgen sind, und sind bei Nacht weniger effektiv."



DryadDie Gassensoren werden dagegen in der Nähe potenzieller Zündpunkte auf dem Waldboden positioniert - etwa in der Nähe von Wegen, Campingplätzen und entlang von Stromleitungen -, wo menschliche Aktivitäten Brände auslösen könnten. "Diese Nähe ermöglicht es ihnen, entstehende Brände zu erkennen, lange bevor sie groß genug sind, um von Kameras oder Satelliten erfasst zu werden", erklärt er. "Diese frühzeitige Erkennung ist entscheidend für eine schnelle Reaktion, die für die Kontrolle von Bränden, solange sie noch beherrschbar sind, unerlässlich ist.


silvanet Suite-Grafik

Zuverlässige Daten


Die Sicherstellung der Genauigkeit und Zuverlässigkeit der Branderkennung über IoT-Sensoren, insbesondere bei der Verwendung von Gassensoren, stellt eine Herausforderung dar, vor allem aufgrund der Komplexität der Unterscheidung echter Brandsignaturen von anderen ähnlichen Signalen. Um dieses Problem zu lösen, hat Dryad maschinelle Lerntechnologie direkt in den Sensoren eingesetzt: "Die KI wurde entwickelt, um festzustellen, ob die detektierten Gase tatsächlich auf ein Feuer hindeuten oder lediglich auf andere übliche, aber nicht verwandte Elemente, wie z. B. die Abgase eines vorbeifahrenden Diesel-LKWs", sagt Brinkschulte.


Dieser Einsatz von KI auf der Sensorebene, auch als Edge Computing bezeichnet, ist für das System von Dryadvon entscheidender Bedeutung. "Da unser Netzwerk mit einer Schmalbandtechnologie arbeitet, kann es die Übertragung großer Datenmengen nicht unterstützen", erklärt er. "Indem wir die Daten lokal in den Sensoren verarbeiten, können wir eine hohe Genauigkeit beibehalten und die Wahrscheinlichkeit von Fehlalarmen deutlich verringern. Diese Methode stellt sicher, dass unser Brandmeldesystem unter realen Bedingungen sowohl zuverlässig als auch effektiv ist."


Annäherung


Die effektive Reichweite eines der Sensoren von Dryadzur Erkennung eines Brandes beträgt etwa 100 Meter im Radius, was in etwa der Größe eines Fußballfeldes entspricht. Diese Reichweite, so Brinkschulte, ermöglicht eine frühzeitige Erkennung, die entscheidend ist, um die Eskalation von Bränden zu verhindern. Die Fähigkeit eines Sensors, ein Feuer innerhalb dieses Bereichs zu erkennen, hängt von mehreren Umgebungsfaktoren ab, z. B. von der Menge des brennbaren Materials, der Windgeschwindigkeit und -richtung sowie der Temperatur.


"Unsere Sensoren können zwar Brände über diesen Bereich hinaus erkennen, aber das Feuer müsste größer werden und mehr Gase freisetzen, um auf größere Entfernungen erkennbar zu sein", sagt Brinkschulte. "Deshalb konzentrieren wir uns in erster Linie auf die Früherkennung in Gebieten mit hohem Risiko und hohem Wert, vor allem in der Schnittstelle zwischen Wildnis und Stadt, wo eine genaue und frühzeitige Erkennung besonders wichtig ist.



Erreicht wird dies durch kostengünstige, einfach zu installierende Sensoren, die auf Langlebigkeit ausgelegt sind und keine Batterien benötigen, wodurch das Risiko der Einführung potenzieller Zündquellen in den Wald verringert wird. Die Sensoren sind kompakt, etwa so groß wie eine Handfläche. Bei der Installation wird einfach ein kleines Loch in den Baumstamm gebohrt und der Sensor mit einem Holznagel befestigt - eine Methode, die so konzipiert ist, dass sie den Baum möglichst wenig beeinträchtigt und der Sensor bis zu zehn Jahre lang sicher an seinem Platz bleibt. 


"Wir nutzen Solarenergie und Superkondensatoren für die Energieversorgung", sagt er und erklärt, dass die Designphilosophie sicherstellt, dass jeder Sensor zwar ein begrenztes Gebiet abdeckt, aber strategisch eingesetzt wird, um die Abdeckung und Auflösung zu maximieren. 


Schwerpunkt Umwelt


Brinkschulte nimmt die Umweltauswirkungen des Einsatzes von IoT-Geräten in natürlichen Lebensräumen sehr ernst. "Unsere Sensoren und Gateways sind so konzipiert, dass sie so wenig wie möglich in die Natur eingreifen und vor allem keine Batterien enthalten, um die Gefahr von Bränden zu vermeiden", betont er. "Stattdessen verwenden wir Superkondensatoren und Solarzellen, um diese Geräte mit Strom zu versorgen, wodurch die Einführung von potenziell gefährlichen Materialien in den Wald vermieden wird.


Das Hauptziel der Detektionsgeräte ist die Eindämmung von Waldbränden, insbesondere von solchen, die vom Menschen verursacht werden und an der Schnittstelle zwischen Wald und Stadt auftreten, wo Eigentum und Infrastruktur am meisten gefährdet sind. "Indem wir uns auf die Früherkennung und Prävention konzentrieren, wollen wir sowohl die ökologischen als auch die wirtschaftlichen Auswirkungen von Waldbränden verringern", sagt Brinkschulte. 


Blick in die Zukunft


DryadDie Vision des Unternehmens ist es, die Möglichkeiten des Internet der Dinge bei der Umweltüberwachung weit über den Schwerpunkt der Branderkennung hinaus zu erweitern. Zu den künftigen Anwendungen gehört die Entwicklung von Sensoren für die Brennstofffeuchte, die uns bei der Bewertung und dem Management von Brandrisiken durch die Messung der Bodenfeuchte helfen werden. Darüber hinaus plant das Unternehmen, andere wichtige ökologische Messgrößen wie das Wachstum von Bäumen, den Feuchtigkeitsgehalt des Bodens und sogar den Wasserfluss in den Baumstämmen zu überwachen. Diese Fortschritte werden die bestehende Netzinfrastruktur von Silvanet nutzen und sie im Wesentlichen in ein "Nervensystem" für den digitalen Wald verwandeln, um dessen Einfluss auf die globale Nachhaltigkeit zu vergrößern.


Brinkschulte teilt das ehrgeizigste Ziel von Dryad, das er als "Moonshot" bezeichnet: Die Entwicklung eines autonomen Systems zum Löschen von Bränden. "Dieses Projekt hängt von der Sicherung der notwendigen Finanzierung ab, aber wenn wir erfolgreich sind, planen wir, die nächsten drei Jahre mit der Entwicklung einer autonomen Drohne zu verbringen, die aktiv Brände löschen kann, die von unserem Netzwerk entdeckt werden", verrät er. "Diese Innovation könnte unsere Fähigkeit, auf Waldbrände zu reagieren und sie zu bekämpfen, erheblich verbessern und einen wichtigen Meilenstein bei der Integration von IoT-Technologie mit Umweltschutz- und Nachhaltigkeitsbemühungen darstellen."


silvanet Gateway








===


Dieser Artikel erschien zuerst im International Fire and Safety Journal und wird hier mit deren Genehmigung wiedergegeben.

45 views0 comments

Neueste Beiträge

Alle sehen

Kommentare


Ende der Seite