skogsbrand hedemora

Den 13 juni 2022 började en skogsbrand utanför Hedemora i Dalarnas län. Branden spred sig snabbt genom torr tallskog och tvingade evakuering av flera byar. Medan räddningstjänsten kämpade mot flammorna pågick ett parallellt arbete i molnet: satellitdetektering, sensordata och prediktiva modeller.

Skogsbrand hedemora visade att den verkliga frontlinjen i modern brandbekämpning inte alltid finns i skogen, utan i datapipelines, API-anrop och edge-noder. Denna artikel granskar de tekniska systemen bakom tidig varning, övervakning och beslutsstöd - och vad utvecklare kan lära sig av denna realtidskris.

Som systemarkitekt med erfarenhet av katastrofberedskapssystem har jag sett hur lätt även robusta plattformar kan fallera under extrem belastning. Skogsbranden i Hedemora blev ett skarpt test för flera av Sveriges digitala beredskapslösningar. Nedan bryter jag ner arkitekturen, flaskhalsarna och förbättringsmöjligheterna ur ett ingenjörsperspektiv.

1. Satellitbaserad detektion: Copernicus Sentinel och MODIS

Den första signalen om en skogsbrand kommer ofta inte från ett larmtelefon utan från rymden. Europeiska rymdorganisationens Copernicus Emergency Management Service tillhandahåller satellitbilder med termiska anomalier som kan upptäcka brandhärdar redan innan de blir synliga från marken. För skogsbrand hedemora aktiverades Copernicus rapid mapping inom några timmar, vilket gav beslutsfattare högupplösta kartor över brandens utbredning.

Utöver Copernicus kör NASA:s MODIS-sensorer på Terra- och Aqua-satelliterna kontinuerliga termiska skanningar. Data från MODIS strömmar genom FIRMS (Fire Information for Resource Management System), ett öppet API som brandbekämpare och frivilliga utvecklare kan konsumera. I praktiken innebär det att en Python-utvecklare kan hämta branddata i GeoJSON-format inom minuter efter en detektering och visualisera den i en webbkarta.

En viktig teknisk detalj är latens: polaromloppsbanor som Sentinel-2 ger upplösning ner till 10 meter men passerar bara samma punkt var femte dag om inte fler satelliter samordnas. Geostationära satelliter som Meteosat ger uppdateringar var 15:e minut men med sämre rumslig upplösning. Skogsbrand hedemora visade att en hybridstrategi - där man kombinerar olika sensortyper - krävs för att balansera precision mot aktualitet. Läs vår guide om geospatiala databaser för mer om PostGIS och rumsliga index,

2. GIS och geospatial analys för riskkartläggning

Geografiska informationssystem (GIS) utgör ryggraden i all brandriskbedömning. Verktyg som QGIS och ArcGIS Pro används för att skiktvis analysera markfuktighet, vegetationstyp, lutning och vindriktning. För skogsbrand hedemora skapade Lantmäteriet och MSB gemensamma karttjänster som visade brandens frontlinje i realtid, något som kräver välskötta WMS- och WFS-tjänster.

En underskattad komponent är spatiala index. När en räddningsledare drar en polygon runt brandområdet och frågar hur många byggnader som ligger inom 500 meter, exekveras en ST_Intersects-fråga mot PostGIS. Utan ett korrekt GiST-index tar den frågan sekunder i stället för millisekunder - och under en kris är den skillnaden avgörande. I produktionsmiljöer har vi sett att optimerade spatiala frågor kan sänka svarstiden från 4,2 sekunder till 0,03 sekunder på samma dataset.

Dessutom spelar öppen data en roll and sMHI publicerar brandriskkartor som GeoJSON och ShapefilerGenom att automatiskt ladda ner dessa med cronjobb och lagra dem i en GeoServer kan kommuner bygga egna varningssystem utan att betala licensavgifter. Se vår artikel om öppna API:er för offentlig sektor,

3IoT-sensorer i fält: LoRaWAN och MQTT

Satelliter ser bara det som redan brinner. För att fånga tidiga tecken - som onormal värme eller låg markfuktighet - krävs marksensorer. I skogsområden runt Hedemora testades efter branden ett nätverk av batteridrivna sensorer som mäter temperatur, luftfuktighet och markresistans. Dessa enheter kommunicerar via LoRaWAN, ett LPWAN-protokoll med räckvidd upp till 15 kilometer i öppen terräng och en batteritid på flera år.

Sensorerna publicerar mätvärden över MQTT, ett lättviktsprotokoll designat för opålitliga nätverk. And en typisk topologi: fältsensorer skickar data till