Können Drohnen, die durch den Wald flitzen, Brände verhindern?
Wie Datenerfassungsplattformen Pionierarbeit für fortschrittliche Lösungen für die Forstwirtschaft leisten.
Eine Drohne, die mit der Treeswift-Technologie Daten im Wald sammelt.
Eine der größten Herausforderungen bei der Bewirtschaftung von Waldflächen gegen Bedrohungen wie Brände und Abholzung ist die gewaltige logistische Hürde bei der Datenerfassung. Drohnen, die unter dem Blätterdach durch die Wälder flitzen, könnten helfen.
Die prekär klingende Prämisse hat den Anlegern ein großes Vertrauensvotum in Höhe von 6,4 Millionen US-Dollar eingebracht, einschließlich einer kürzlich abgeschlossenen Runde in Höhe von 4,8 Millionen US-Dollar. Treeswift, ein Start-up-Unternehmen, das eine drohnenbasierte Lösung entwickelt hat, um unter dem Blätterdach des Waldes zu navigieren und riesige Datenmengen zu sammeln, einschließlich Informationen über einzelne Bäume, kündigte die von Pathbreaker Ventures geleitete Seed-Runde an.
Das Problem ist tiefgreifend, und es ist nicht schwer, den Bedarf des Marktes zu erkennen.
"Unsere Mission ist es, ein Datenökosystem für die Natur aufzubauen, und wir erreichen dies, indem wir wichtige Daten unter dem Kronendach des Waldes erfassen", sagte Steven Chen, CEO von Treeswift. "Wir gehen davon aus, dass die Treeswift-Technologie dazu beitragen wird, ein transparenteres, überprüfbareres und genaueres Bild des Planeten von Grund auf zu erhalten."
Es überrascht nicht, dass Treeswift einen zuvor durchgeführten Prozess mit einem Mischmasch aus Technologien und Messungen vor Ort iteriert. Bisherige Ansätze nutzten Fernerkundungsmethoden wie Satelliten oder Flugzeuge, aber diese Top-Down-Methode reicht nicht aus, um detaillierte Einblicke in das Geschehen unter dem Kronendach zu erhalten. Diese Arbeit wird traditionell von menschlichen Arbeitern erledigt, die als Holzkreuzer bezeichnet werden und sich mit Zeitschriften und Maßbändern auf den Waldboden begeben. Drohnen, die eine Vielzahl von Kameras, Sensoren und fortschrittlichen Algorithmen für maschinelles Lernen einsetzen, können einfach schneller mehr Gebiet abdecken und gleichzeitig umfassendere Daten sammeln.
Das ist für eine Vielzahl von Branchen und Anwendungsfällen wichtig. Forstwirtschaftliche Daten können dazu beitragen, ein detailliertes Bild des Brandrisikos zu erhalten, z. B. durch die Identifizierung leicht brennbarer toter und beschädigter Bäume. Klimamodelle beruhen auf genauen Messungen der Kohlenstoffbindung, die in direktem Zusammenhang mit der Gesundheit und Größe der Bäume in Wäldern steht.
Treeswift wird von Dr. Harold Burkhart vom Department of Forest Resources and Environmental Conservation der Virginia Tech und Dr. Vijay Kumar, dem Dekan der Nemirovsky Family für Ingenieurwissenschaften am GRASP Laboratory der University of Pennsylvania, beraten.
Natürlich kann die Rohstoffindustrie auch Werkzeuge verwenden, die zur Konservierung verwendet werden können, die auch von der Rohstoffindustrie verwendet werden können; Einer der Hauptabnehmer von Treeswift dürfte der kommerzielle Holzeinschlag sein.
"Das Molpus-Team war besonders beeindruckt von der Fähigkeit von Treeswift, Bäume genau in Produktklassen einzuteilen und Probleme mit der Stammqualität zu identifizieren, die sich auf den Wert auswirken", sagte Randy Taylor, Senior Director, Resource Planning der Molpus Woodlands Group. "Das Verständnis und die genaue Pflege von Holzbeständen spielen eine wichtige Rolle bei der Bewirtschaftung der Wälder unserer Kunden, um ihr Potenzial auszuschöpfen."
Die Hoffnung ist, dass die Ausstattung der kommerziellen Forstwirtschaft mit Instrumenten, mit denen sie besser identifizieren und gezielt die Bäume fällen kann, dazu beitragen kann, wahllose Schnittmethoden zu vermeiden, die für Lebensräume und die Bodengesundheit zerstörerisch sind und das Brandrisiko sogar erhöhen können.