Automatische Erkennung und standortweite Vegetationsveränderungsanalyse für einzelne denkmalgeschützte Bauten entlang der Chinesischen Mauer

Warum Pflanzen alten Stein gefährden können

Die Chinesische Mauer ist berühmt für ihre weiten Ausblicke auf steinerne Befestigungen, doch besonders verletzlich sind viele ihrer kleineren Wachtürme und Signalbauten, die entlang der Strecke verteilt liegen. Diese einzelnen Bauwerke werden langsam durch Wurzeln und Feuchtigkeit aus der umgebenden Vegetation aufgerissen. Die Studie hinter diesem Artikel zeigt, wie neue Computerwerkzeuge und Satellitendaten kombiniert werden können, um nachzuverfolgen, wo sich die Vegetation um diese Strukturen verdichtet, und so Restauratoren Hinweise zu geben, wo gehandelt werden sollte, bevor Schäden irreversibel werden.

Versteckte Gebäude in einer weiten Landschaft

Vom Boden aus sind einzelne Baudenkmale entlang der Mauer leicht zu übersehen. Viele bestehen aus gestampfter Erde, die fast wie die umliegenden Hügel aussieht. Sie sind klein, verwittert und über mehr als 250 Kilometer raues Gelände in der Provinz Shaanxi verteilt. Traditionelle Erhebungen erfordern, dass Expertinnen und Experten Luftbilder einzeln prüfen — ein langsamer und inkonsistenter Prozess. Ohne genaue Umrisse jedes Turms ist es schwer, das „Gelände“ zu definieren, das überwacht werden muss, oder zu beurteilen, wie sich die unmittelbare Umgebung im Zeitverlauf verändert hat.

Computern beibringen, alte Türme zu erkennen

Die Forschenden entwickelten ein spezialisiertes Bildanalysesystem namens IHBSegNet, um diese kleinen Bauwerke in hochauflösenden Satellitenbildern automatisch zu umreißen. Das System basiert auf modernen Deep‑Learning‑Techniken, die darin hervorragend sind, Muster in Bildern zu erkennen. Weil sich die Türme kaum vom Hintergrund abheben, entwarfen die Autorinnen und Autoren mehrere zusätzliche „Attention“-Module, die dem Netzwerk helfen, subtile Unterschiede in Form und Textur zu fokussieren. Auf sorgfältig handbeschrifteten Trainingsdaten gelernt, konnte das Modell Turmgrundrisse genauer finden und nachzeichnen als mehrere führende Bildsegmentierungsmethoden und blieb zugleich effizient genug, um über große Flächen angewendet zu werden.

Vegetationsgeschichte aus dem All ablesen

Sobald das Team jedes Gebäude zuverlässig lokalisieren konnte, wandten sie sich einem anderen Satellitenprodukt zu, das zusammenfasst, wie sich die Bodenoberfläche über ein ganzes Jahr verhält. Statt mit einzelnen Aufnahmen zu arbeiten, die durch Wolken oder saisonale Effekte verfälscht sein können, nutzten sie sogenannte Satelliten‑Embeddings: kompakte numerische Beschreibungen, die eine komplette Saisonänderung für jeden 10‑Meter‑Pixel erfassen. Durch das Gruppieren von Pixeln mit ähnlichen Embedding‑Mustern mittels eines unüberwachten Clustering‑Verfahrens teilten sie die Landschaft in vier leicht interpretierbare Vegetationsdichteklassen: kahl oder bebaut, spärlich, mäßig und dichter Bewuchs. Dieser Prozess wurde für jedes Jahr von 2017 bis 2024 wiederholt und erzeugte eine saubere Zeitreihe von Vegetationskarten für den Korridor der Großen Mauer.

Lokale Veränderungen um jeden Turm verfolgen

Mit Turmumrissen und jährlichen Vegetationskarten überlagert, stellten die Forschenden eine einfache Frage: Hat sich die Vegetation auf dem Boden unmittelbar innerhalb der Grundfläche jedes Turms über sieben Jahre hinweg verdichtet, gelichtet oder weitgehend gleich geblieben? Sie behandelten die vier Vegetationstypen als geordnete Stufen von kahl bis dicht und berechneten, wie viele Stufen jeder Pixel zwischen 2017 und 2024 verschoben wurde, und mittelten diese Verschiebungen für jedes Gebäude. Die Mehrheit der mehr als 550 erkannten Türme in den Gebieten Fugu, Shenmu und Yuyang zeigte nur geringe Nettoveränderungen, was auf relativ stabile Umgebung hinweist. Allerdings stachen 67 Standorte mit starken Verschiebungen hervor, und in Fugu und Yuyang gingen die meisten davon in Richtung dichteren Bewuchses — ein Hinweis auf wachsenden Druck durch Wurzeln und erhöhte Feuchtigkeit an fragilen Erdwänden.

Von Karten zu Entscheidungen in der Denkmalpflege

Der resultierende Rahmen liefert mehr als nur ansprechende Karten: Er gibt Denkmalpflegern eine nach Priorität geordnete Liste von Türmen, bei denen sich schleichende Vegetation am ehesten negativ auf die Stabilität auswirkt. Da die Methode auf offenen Fernerkundungsdaten und einem wiederverwendbaren Erkennungsmodell beruht, lässt sie sich auf andere Teile der Großen Mauer oder sogar auf andere lineare Kulturerbestätten weltweit ausweiten. Die Autorinnen und Autoren weisen darauf hin, dass sehr überwucherte oder schlecht sichtbare Gebäude sowie kurzzeitige Vegetationsschwankungen weiterhin unentdeckt bleiben können, doch ihr Ansatz markiert den ersten Fall, in dem Vegetationsverschiebungen turmweise entlang dieses ikonischen Denkmals quantifiziert wurden. Praktisch bietet er einen Weg, globale Satellitenströme in lokale Frühwarnsignale zu verwandeln, die helfen, alte Bauwerke davor zu bewahren, still und leise von der lebenden Landschaft um sie herum zerstört zu werden.

Zitation: Zheng, D., Wang, S., Feng, H. et al. Automatic detection and site-scale vegetation shift analysis for individual heritage buildings along the Great Wall. npj Herit. Sci. 14, 161 (2026). https://doi.org/10.1038/s40494-026-02422-w

Schlüsselwörter: Erhaltung der Großen Mauer, denkmalgeschützte Gebäude, Fernerkundung, Vegetationsveränderung, Tiefes Lernen