KI-gestützte Umweltanalysen verbessern Vorhersage von australischen Buschfeuern

Australische Buschfeuer gehören zu den verheerendsten Naturkatastrophen des Kontinents und fordern erhebliche ökologische, wirtschaftliche und soziale Schäden. Um die Vorbereitung und Reaktion auf solche Ereignisse zu optimieren, ist eine präzise Vorhersage der Brandintensität unerlässlich. In einer neuen Studie wurde untersucht, wie gut räumlich-zeitliche Umweltdaten zur Identifikation von Hochrisikobereichen für Buschfeuer eingesetzt werden können.

Die Forscher kombinierten historische Brandmeldungen von NASA FIRMS, tägliche meteorologische Beobachtungen von Meteostat und Vegetationsindizes wie den Normalized Difference Vegetation Index (NDVI) aus Google Earth Engine für den Zeitraum 2015 bis 2023. Durch die Harmonisierung der Datensätze mittels räumlicher und zeitlicher Joins konnten sie ein umfassendes Feature-Set erstellen, das die komplexen Wechselwirkungen zwischen Klima, Vegetation und Brandverlauf abbildet.

Anschließend wurden mehrere Machine‑Learning‑Modelle evaluiert, darunter Random Forest, XGBoost, LightGBM, ein Multi‑Layer Perceptron (MLP) sowie ein Ensemble‑Klassifikator. Im binären Klassifikationsrahmen, der zwischen „niedrigem“ und „hochem“ Brandrisiko unterscheidet, erreichte das Ensemble-Modell eine Genauigkeit von 87 %. Diese Ergebnisse zeigen, dass die Kombination mehrerer Umweltquellen mit fortschrittlichen Lernalgorithmen zuverlässige Vorhersagen zur Brandintensität ermöglicht und damit die Entscheidungsgrundlage für ein zeitnahes und effektives Katastrophenmanagement stärkt.