Über öffentliche Satellitenbilder: Gebäudezerstörung im Krieg erkennen
Eine von Forschenden der LMU und TUM entwickelte Methode macht die Zerstörung von Gebäuden im Krieg schnell und kostengünstig sichtbar.
Ein Team von Forschenden der LMU und der Technischen Universität München (TUM) hat im Rahmen eines Projektes, gefördert durch die Munich School for Data Science (MUDS), eine Methode entwickelt, die Zerstörung von Gebäuden in Konfliktgebieten automatisch erkennt – ohne teure kommerzielle Satellitenbilder und ohne Trainingsdaten. Neu ist: Zerstörung lässt sich bereits mit der jeweils nächsten Satellitenaufnahme erkennen, also ohne lange Verzögerung. Die Studie ist im Fachmagazin PNAS Nexus erschienen. „Mit frei zugänglichen Daten können wir nahezu in Echtzeit verfolgen, wie sich Zerstörung räumlich und zeitlich entwickelt“, sagt Dr. Daniel Racek, Erstautor und ehemaliger Doktorand am Institut für Statistik der LMU.
Grundlage sind sogenannte Synthetic-Aperture-Radar-(SAR)-Aufnahmen der europäischen Sentinel 1-Mission, die weltweit im 12 Tage-Rhythmus vorliegen. Weil Radar unabhängig von Wolken und Tageslicht funktioniert, eignet es sich besonders für Konflikt- und Kriegsgebiete. Das Team nutzt das interferometrische Verfahren InSAR: Wiederholte Aufnahmen derselben Region werden verglichen und eine Kohärenz berechnet – ein Maß dafür, wie ähnlich die zurückgestreuten Radar-Signale sind. Sinkt die Kohärenz abrupt, deutet das häufig auf strukturelle Veränderungen an Gebäuden hin – etwa durch Schäden oder Zerstörung.
Damit solche Signale nicht mit zufälligen Schwankungen verwechselt werden, werden sie statistisch bewertet: Für jedes Pixel wird ein „Normalverhalten“ über die Zeit geschätzt, und über Wahrscheinlichkeiten, sogenannte p-Werte quantifiziert. Über Gebäudegrundrisse aus OpenStreetMap lassen sich die Ergebnisse zu Aussagen auf Gebäudeebene bündeln, inklusive Unsicherheitsmaß.
In Fallstudien zur Hafenexplosion in Beirut (2020), zur Zerstörung Mariupols nach Beginn der russischen Invasion (2022) und zum Krieg in Gaza (ab 2023) konnte das Verfahren Muster und Zeitpunkt der Zerstörung nachvollziehen. Die Forschenden sehen den Ansatz als schnelles und kostengünstiges Werkzeug für humanitäre Lageeinschätzungen, Forschung und Wiederaufbauplanung.
Wissenschaftlicher Ansprechpartner:
Dr. Daniel Racek
Chair of Applied Statistics in Social Sciences Economics and Business
LMU Munich
Tel.: +49 89 2180 5040
Daniel.Racek@stat.uni-muenchen.de
Originalpublikation:
Daniel Racek, Qi Zhang, Paul Wilhelm Thurner, Xiao Xiang Zhu, Göran Kauermann, Unsupervised detection of building destruction during war from publicly available radar satellite imagery, PNAS Nexus, Volume 4, Issue 12, December 2025, pgaf367
https://doi.org/10.1093/pnasnexus/pgaf367
Ähnliche Pressemitteilungen im idw
