Automatisches Waldbrand-Risikomanagement (AWM) – Analyse der Bodenfeuchteentwicklung

Im Projekt Automatisches Waldbrand-Risikomanagement (AWM) werden an mehreren Standorten kontinuierlich Umweltparameter wie Bodenfeuchte, Temperatur und Niederschlag erfasst, um kritische Austrocknungsphasen frühzeitig zu erkennen. Die Sensorstationen übertragen ihre Daten dabei über das Thingslogic-LoRaWAN-Netz.

Die Messungen zeigen deutlich die Austrocknung der oberen Bodenschichten während niederschlagsarmer Perioden. Besonders interessant ist der Vergleich der Standorte Valduna und Klösterle: In Klösterle trocknet der Boden deutlich schneller aus. Ursache dafür ist vor allem die stärkere Hangneigung, wodurch Wasser schneller abfließt und weniger Feuchtigkeit im Boden gespeichert werden kann.

Die gewonnenen Daten liefern wichtige Erkenntnisse über den Einfluss von Geländeform und Wetterbedingungen auf das lokale Waldbrandrisiko und bilden eine Grundlage für zukünftige automatisierte Frühwarnsysteme.

Betreut werden die Messstationen von DI Christian Anselmi – Thingslogic gemeinsam mit DI Christian Freinschlag von der Vorarlberger Forstabteilung.

Diesen Beitrag teilen

Weitere Beiträge

Die 10 größten Irrtümer über LoRaWAN

Warum viele Vorstellungen über LoRaWAN falsch sind – und was die Technologie tatsächlich leisten kann. LoRaWAN hat sich in den letzten Jahren zu einer der wichtigsten Funktechnologien für das Internet

LoRaWAN auf Wildtier-Spurensuche

Wie überwacht man Wildtiere energieeffizient über Monate hinweg? Genau dieser Frage widmet sich ein laufendes Projekt mit GPS-Sendern und LoRaWAN-Technologie. Die Idee: Zweimal täglich senden die Tracker ihre Position an

TinyNPU – wir sind dabei

Wir freuen uns, bekanntzugeben, dass sich unser Verein ThingsLogic aktiv am Open-Source-Projekt TinyNPU beteiligt. TinyNPU verfolgt das Ziel, eine kompakte, energieeffiziente neuronale Recheneinheit (NPU) zu entwickeln – vollständig offen dokumentiert,

Kontakt aufnehmen