Hybride drones detecteren, monitoren en voorkomen bosbranden met verticale start

Onderzoeker Zhaodan Kong en zijn team ontwikkelen een hybride vliegtuig dat verticaal kan landen en opstijgen als een helikoptervliegtuig, maar ook de eigenschappen heeft van een vliegtuig met vaste vleugels dat urenlang op grote hoogte kan vliegen. (Afbeelding:UC Davis)

Waar rook is, zal geen brand zijn omdat er al een drone ter plaatse is. Dat is tenminste de hoop van Zhaodan Kong, hoogleraar aan de afdeling Werktuigbouwkunde en Luchtvaart- en Ruimtevaarttechniek, en zijn team aan de Universiteit van Californië, Davis.

De groep werkt aan een proactieve oplossing voor het bestrijden van de brute bosbranden in Californië, omdat de huidige methode brandweerlieden te laat ter plaatse krijgt. Het is een geïntegreerd systeem van technologieën dat wordt gebruikt om branden te detecteren voordat deze een zwaar rookpunt bereiken.

“Onze oplossing bestaat uit twee hoofdonderdelen:vroege voorspelling van brandrisico’s en vroege branddetectie en -tracking”, aldus Kong. “We concentreren ons op vroege detectie en tracking, omdat we geloven dat vroege detectie vaak leidt tot een kleinere brandomvang bij de eerste aanval, een grotere kans op insluiting en het voorkomen van verlies van mensenlevens en eigendommen.”

Een prototype van een windsensor in Alaska verzamelt gegevens. (Afbeelding:Lawrence Tsai)

Kong zei dat de detectie op de grond zou beginnen via op internet aangesloten sensoren die in door CalFire bepaalde gevarengebieden zouden worden geplaatst. De sensoren zijn zo groot als een handpalm en ontwikkeld door Anthony Wexler van UC Davis. Ze meten temperatuur, vochtigheid en windsnelheid – de noodzakelijke ingrediënten voor een natuurbrand, aldus Wexler.

Voor verkenningsmissies bouwt het team een helikoptervliegtuig uitgerust met navigatiesystemen, sensoren en camera's. "We hebben ons ontwerp en prototype voltooid, en we zijn bezig met het bouwen en testen ervan. Het heeft een dubbeldekker-multirotorconfiguratie", zei Kong.

Het brandrisicovoorspellingsmodel is gebouwd op basis van historische gegevens over het weer, brandstof, zoals vegetatie, topografie en brand, zei Kong. Een dergelijk model kan worden getraind met behulp van machine learning. Vervolgens kan het in realtime worden ingezet door realtime informatie over het weer te leveren, geleverd door de grondsensoren, brandstof en topografie, GIS-gegevens, voegde hij eraan toe.

Dit laatste model kan alleen gebieden met een hoog brandrisico identificeren. Het team kan vervolgens de branddetectie- en volgmodule gebruiken om te patrouilleren en te zoeken naar mogelijke branden. De module bestaat voornamelijk uit een groep onbemande luchtvaartuigen (UAV's), elk uitgerust met meerdere sensoren, waaronder elektronisch-optische (EO) en infrarood (IR) camera's, chemische sensoren, windsensoren en multispectrale camera's.

EO/IR/chemische sensoren werken samen om brand te detecteren vanaf een locatie die mogelijk ver weg is van de brand; windsensoren zijn nodig omdat wind een belangrijke aanjager van vuur is en het windveld niet uniform is; windsnelheden en -richtingen kunnen bijvoorbeeld behoorlijk verschillend zijn over een bergrug; en multispectrale camera's kunnen worden gebruikt om indien nodig vegetatie-informatie met hoge resolutie te verstrekken. GIS-gegevens kunnen verouderd zijn en normaal gesproken een lage resolutie hebben, zei Kong.

“Een groep van dergelijke UAV’s zal worden ingezet, omdat dat de efficiëntie van het lokaliseren van potentiële branden zal vergroten”, zei Kong. "Zodra een brand en/of rook is geïdentificeerd door onze EO/IR-camera's of een chemische stof die wijst op natuurbrand is geïdentificeerd door onze chemische sensoren, zal de UAV-groep overschakelen naar de volgmodus. Ze kunnen bijvoorbeeld de pluim en de ingebouwde sensoren gebruiken om de bron te traceren - werkend als K9-honden", voegde hij eraan toe.

Hoeveel eerder zou deze methode een brand kunnen detecteren dan de huidige methoden? Welnu, dat hangt af van de locatie van het ontstekingspunt.

“De Dixie Fire was de grootste en meest verwoestende brand van het bosbrandenseizoen in Californië in 2021 en de duurste – gemeten naar de kosten van de brandbestrijding – natuurbranden in de Amerikaanse geschiedenis”, aldus Kong. “De ontsteking vond plaats rond 07.00 uur; de brand werd laat in de middag zichtbaar vanaf Highway 70, wat leidde tot meerdere meldingen bij 911; en rond 17.00 uur waren brandweerauto’s en luchttankers ter plaatse.”

Volgens Kong kan hun methode de detectietijd aanzienlijk verkorten:"Als een van onze UAV's in de buurt van de ontsteking zou zijn geweest, had deze de brand binnen enkele minuten moeten hebben gedetecteerd, maar ze moeten wel op de juiste plaats en op het juiste moment zijn. Daarom nemen we een proactieve aanpak om prioriteit te geven aan gebieden met een hoog risico. Ik kan geen specifiek aantal geven, maar we hebben ontdekt dat chemische sensoren gemiddeld eerder een brand kunnen detecteren dan EO/IR-camera's."

Kong zei dat het team is begonnen met het testen van zijn grondsensoren in Quail Ridge Reserve, een natuurreservaat beheerd door UC Davis. Het belangrijkste doel is om te laten zien dat de goedkope sensoren zware omstandigheden op ruig terrein kunnen doorstaan. Afgelopen november hebben ze er vijf geïnstalleerd; één werd beschadigd door een overstroming, maar de andere vier functioneren nog steeds.

Dit artikel is geschreven door Andrew Corselli, Digital Content Editor bij SAE Media Group. Bezoek hier  . voor meer informatie