Wo Lebensräume auf Bahnverkehr treffen
Wo halten sich Wildschweine auf, und an welchen Bahnabschnitten werden daraus besonders häufig Konflikte? Das Forschungsprojekt mit SNCF Réseau verbindet diese Fragen in zwei aufeinander aufbauenden Studien. Die Habitatmodellierung beschreibt saisonal geeignete Landschaften. Die Kollisionsmodellierung untersucht zusätzlich, wie Zugverkehr, Infrastruktur und Zugangsmöglichkeiten das Zusammentreffen von Tieren und Zügen prägen.
Satellitenzeitreihen liefern dafür eine regelmäßig aktualisierbare Sicht auf Wälder, Landwirtschaft und deren jahreszeitliche Entwicklung. Zusammen mit Kollisionsmeldungen, weiteren Tierbeobachtungen, Gelände- und Jagddaten entsteht eine landesweit vergleichbare Grundlage. Sie hilft, Bahnabschnitte für vertiefte Untersuchungen auszuwählen und lokale Beobachtungen im größeren räumlichen Zusammenhang einzuordnen.
Lebensräume im Wechsel der Jahre und Jahreszeiten
Die am 13. Oktober 2026 im European Journal of Wildlife Research veröffentlichte Studie verbindet Bahn- und Straßenkollisionen mit GBIF-Beobachtungen. Ein auf multispektrale Satellitenbilder angepasstes Prithvi-Modell erzeugt jährliche Landbedeckungskarten mit 30 m Auflösung. Daraus abgeleitete Ressourcen-, Klima- und Landschaftsmerkmale fließen in saisonale Habitatmodelle auf einem 1-km²-Raster ein. Quellenbezogene Gewichtung und Ausdünnung der Beobachtungen berücksichtigen Unterschiede im Erfassungsaufwand.
Der entscheidende Nutzen mehrjähriger Umweltinformationen zeigte sich in der Übertragung auf zurückgehaltene Jahre: Für Sommer 2021 sank der Anteil von Flächen außerhalb einzelner Trainingswertebereiche von ungefähr 32 % auf 5 %. Die Habitat-Rangfolgen wurden dadurch nicht durchgängig genauer; die Modelle mussten jedoch deutlich seltener in unbekannte Umweltbedingungen extrapolieren. MaxEnt lieferte im Vergleich der getesteten Verfahren stabilere Rangfolgen über die Jahre. Die Karten beschreiben relative Habitateignung, keine Populationsdichte oder kalibrierte Vorkommenswahrscheinlichkeit.
Saisonale Prioritäten mit räumlich geprüfter Aussagekraft
Die zweite Studie modelliert 7.106 bereinigte Kollisionsmeldungen aus den Jahren 2015–2024 auf 24.927 Bahnzellen. Sie liegt als ARPHA-Preprint vor und befindet sich im Review bei Nature Conservation. Winter bezeichnet September bis Februar, Sommer März bis August. Zugfrequenz war in beiden Jahreszeiten der wichtigste Prädiktor; Gelände, Infrastruktur, Habitatressourcen und Jagdindikatoren ergänzen das Bild.
Für die praktische Priorisierung sind die höchsten Risikoränge besonders aufschlussreich: Unter räumlicher Checkerboard-Validierung enthält das bestbewertete Zwanzigstel der Zellen 18,7 % der kollisionspositiven Winterzellen und 24,4 % der kollisionspositiven Sommerzellen. Das entspricht dem 3,73- bzw. 4,87-Fachen einer zufälligen Auswahl. Die Kennzahlen beziehen sich auf Zellen mit registrierten Ereignissen, nicht auf vermiedene Unfälle.
Die räumliche Übertragbarkeit bleibt entscheidend. Beim breiten Wintermodell sinkt das R² des geglätteten Risikoscores von 0,805 bei zufälliger Aufteilung auf 0,683 bei Checkerboard-Validierung und 0,323 beim Zurückhalten großer Regionen. Karten mit 12-km-Glättung eignen sich für die regionale Einordnung; 5-km-Glättung erhält mehr lokale Unterschiede für weitere Untersuchungen. Diese Skalen beschreiben die Zielgröße und sind keine Wanderungsdistanzen der Tiere.
Belege [2]
Von der Karte zu unabhängigen Beobachtungen
Stand Oktober 2026 ist die begleitende Feldsammlung abgeschlossen: Rund 2,5 Millionen Bilder von 100 Kamerafallenstandorten an französischen Bahnlinien decken mehrere Jahre und Jahreszeiten ab. Zeitstempel wurden korrigiert; die automatische Auswertung mit MegaDetector und DeepFaune ist erfolgt. Als nächster Schritt stehen die manuelle Prüfung der Erkennungen und eine ökologische Auswertung an, die Kameralaufzeiten und Ausfälle berücksichtigt. Damit lässt sich untersuchen, wie gut die Karten tatsächliche Tiernutzung am Bahnkorridor einordnen.
Ergänzende Arbeiten richten den Blick auf lokale Bedingungen: Eine Zaunerkennung mit U-Net wurde bereits auf iMAJNET-Bilder aus Messlokomotiven angewendet. Daraus soll ein datiertes, validiertes Inventar von Zaunverläufen und Zugangsmöglichkeiten entstehen. Mit dem Office français de la biodiversité ist außerdem eine Erweiterung der Jagddaten zu kommunalen Zeitreihen in Vorbereitung. Beide Ansätze sollen prüfen, welche zusätzliche Information lokale Risikomuster besser erklärt.
SANGLIA und die Zusammenarbeit mit SNCF
Der Forschungsprototyp SANGLIA führt saisonale Ranglisten, Ereignishistorien und Umweltinformationen in einer kartografischen Oberfläche zusammen. Er soll Fachleute dabei unterstützen, auffällige Bahnabschnitte anhand nachvollziehbarer Hinweise zu untersuchen. Die Einbindung in eine Umwelt-GIS-Anwendung bei SNCF Réseau und die Bewertung des praktischen Nutzens sind geplant. Etwa 100 m lange Unterabschnitte dienen dabei als Inspektionsreferenzen; die Risikowerte behalten die gröbere räumliche Grundlage der Modellzellen.
Die enge Zusammenarbeit mit SNCF trägt das Projekt: Pascal Baran, heute bei Altametris und zuvor bei SNCF Réseau, begleitete Initiierung, Finanzierung und Vernetzung. Maxime Gombart bringt kontinuierliche Projektbetreuung sowie Expertise zu Jagd und Wildtiermanagement ein. Flavien Viguier unterstützt mit Datensätzen, technischen Zugängen und fachlichem Austausch zur Datenanalyse. Zusammen mit den wissenschaftlichen Partnern an FHNW und Universität Zürich verbinden sie Modellierung, Feldarbeit und die Anforderungen des Bahnbetriebs.
Beleg zur Zusammenarbeit [1]
Vorgehen im Detail
- Jährliche Landbedeckung aus Satellitenzeitreihen ableiten und Bahn-, Straßen- und GBIF-Beobachtungen für saisonale Habitatmodelle zusammenführen.
- Kollisionsmeldungen mit Zugverkehr, Infrastruktur, Gelände, Habitatressourcen und Jagdindikatoren in LightGBM-Modellen verbinden.
- Risikoranglisten mit lokalen und großräumigen räumlichen Tests prüfen und mit unabhängigen Feldbeobachtungen weiter untersuchen.
