Waldbrand Früherkennung

Sie sind hier: Home Was wir tun Schwerpunkt IoT Anwendungsfälle Waldbrand Früherkennung
Feb 15, 2024

Waldbrandfrüherkennung

Waldbrandfrüherkennung


Unser Tochterunternehmen Harbour Light Software Development Ltd. in Nova Scotia, Kanada machte in 2023 eine schreckliche Erfahrung - die Firma musste evakuiert werden nachdem ein Waldbrand ausser Kontrolle geraten war und die zugehörigen Gebäude bedrohte. Hier einige Informationen zu diesem Brand:

[edit]
Barrington Lake wildfire

A major wildfire started around May 27, 2023, near Barrington Lake in Shelburne County.[86] The fire has burned around 23,015 hectares (56,871 acres) and between 30 and 40 structures have been destroyed.[87][88] The response to the fire included widespread evacuation orders of the surrounding area, displacing around 5000 people.[89] This wildfire is the largest recorded in the history of Nova Scotia.[83][90]

Efforts to stop the fire includes the use of American water bombers and additional firefighters from the U.S. and Costa Rica.[83]



Die Auslöser dieser Waldbrände sind fast immer (95%) menschliche Einflüsse. Das Problem ist die späte Erkennung der Brände. Je länger ein Waldbrand unerkannt bleibt, desto größer die Gefahr, dass er außer Kontroll gerät. Deswegen sind wir der Überzeugung, dass es Systeme braucht, die Waldbrände bereits in ihrer Entstehung erkennen und Melden können. Dazu muss man die Gaszusammensetzung der Luft analysieren, typisieren und alarmieren. Muss man nun überall im Wald Sensoren anbringen ? Nein. Da die Brände meist dort entstehen, wo Menschen sind, genügt es, die frequentierten Gebiete genau zu überwachen. Damit erkennt man bereits die meisten gefährlichen Waldbrände.

<h3>Basisbausteine zur Früherkennung</h3>

Um eine sichere Früherkennung am Boden zu gewährleisten brauchen wir Sensoren aus verschiedenen Komponenten, die unterschiedliche Aufgaben erfüllen:
  • Flexible Erkennung von Gaszusammensetzungen - jede Region "brennt" anders. KI und Lernmodelle helfen, Brände effektiv und regional spezifisch zu erkenn. Basis dafür ist der Sensor BOSCH BME688 von Bosch Sensortec, der ein Training zur Erkennung von Gaszusammensetzung mit Hilfe einer KI erlaubt und der Modelle zur Erkennung übernehmen kann
  • Flexible Funktechnik - enerigieeffizient und zuverlässig - LoRa/LoRaWAN mit GPS Technik
  • Akkus und Solarzellen zum langfristigen Betrieb in unzugänglichem Gelände

Eigene Sensoren-Entwicklung

Wir stehen noch ziemlich am Anfang unserer eigenen Entwicklung eines Waldbrandsensors. Aber - Prototypen existieren bereits !




Aktuell testen wir den Prototyp auf Funktionalität - danach erfolgt die Anpassung an Umweltgegebenheiten.

Der Sensor agiert dabei sehr flexibel - via LoRaWAN kann dem BME688 Sensor ein Erkennungsmuster für sein Einsatzgebiet übertragen werden. Bei der "Freisetzung" des Sensors werden seine GPS Koordinaten gespeichert. Der Sensor meldet sich nach seinem Start automatisiert an der LoRaWAN Gateway Infrastruktur an und wird so mit seinem Datennetz verbunden. In vorgebenen Intervallen analysiert der Sensor die Umgebungsluft - trifft er dabei auf ein Muster aus seinem Erkennungsmodell alarmiert der Sensor über LoRaWAN eine Alarmierungskette. Liegt keine Erkennung vor, schaltet sich das System bis zum nächsten Durchlauf ab. Die Energie des Sensors kommt aus einem Akku, der von Solarzellen geladen wird und hat eine Nutzungskapazität von ca. 2-3 Jahren. Ein Sensor kann Waldbrände im Umkreis von ca. 1/2 Hektar erkennen. Unser Ziel ist es, einen Sensor als Open Source Modell zu entwickeln, der sich einfach und kostengünstig produzieren lässt und dadurch große Verbreitung erreichen kann. Weitere Komponenten wie LoRaWAN Gateways gibt es bereits als Open Source Hardware.


Kontakt

Wir freuen uns über Ihren Anruf oder Ihre Email:


  SIT GmbH, Jägerstrasse 8, D-71083 Herrenberg
  Telefon: +49-(0)7032-9461-0
  Telefax: +49-(0)7032-9461-94
  Email: support@sit.de

 2023  SIT GmbH

Proudly built with and running on HCL Domino V12 using SIT Portal DXP