In deel twee van onze blogserie over Ezinge heb ik je laten zien hoe je met een hoogtekaart, zoals een Digital Terrein Model (DTM), de ideale locaties voor waterbufferende oplossingen zoals groene daken kunt vinden. In deze blog ga ik een stap verder: met remote sensing en satellietdata kun je niet alleen bestaande groene daken monitoren, maar ook nieuwe, geschikte locaties ontdekken, zonder dat je zelf het dak op hoeft. Groene daken helpen bij het aanpakken van wateroverlast door hevige regenval. Wil je als gemeente voorbereid zijn op de toekomst? Ontdek hoe je op een eenvoudige manier met satellietdata de meest impactvolle plekken voor groene daken identificeert en zo de stad klimaatbestendiger maakt!
Een effectieve manier om groene daken te detecteren is de Normalized Difference Vegetation Index (NDVI). Deze index laat zien waar vegetatie aanwezig is en hoe gezond die is. Hoewel de techniek al in 1972 werd uitgevonden, zijn hoge resolutie satellietbeelden pas de laatste jaren vrij beschikbaar via het satellietdataportaal van het Netherlands Space Office. Bovendien is de technologie nu toegankelijker dankzij verbeterde computers en software die met grote remote sensing-bestanden kunnen werken.
Voor het berekenen van de NDVI gebruiken we rode en infrarode lichtwaarden uit een multispectraal beeld. Een multispectraal beeld, bestaat uit meer kleurbanden en ook het niet voor mensen zichtbare “licht” zoals infrarood wordt in de opnamen meegenomen. Alle kleuren worden in een aparte laag opgeslagen in de afbeelding en elke laag noemen we binnen remote sensing een band. Deze banden kunnen door software worden gebruikt om onderscheid te maken tussen de objecten op het aardoppervlak.
Vegetatie absorbeert rood licht om te groeien, en hoe gezonder de vegetatie, hoe meer rood licht het opneemt. Infrarood licht reflecteert juist terug van gezonde planten. Door deze lagen als aparte kleuren te visualiseren, kunnen we eenvoudig de gebieden identificeren waar gezonde vegetatie groeit.
In afbeelding 2 zie je hoe het landschap van Ezinge er normaal uitziet (in RGB) en hoe het eruitziet in infrarood (waar vegetatie felrood kleurt).
Op de daken zie je bijvoorbeeld dat er rode dakpannen liggen. Daarnaast zie je allemaal verschillende kleuren groen. De weilanden en de bomen zijn groen. Sommige bomen zijn groener dan andere bomen. Dat verschil komt niet alleen door de boomsoort, maar laat ook zien of een boom gezond is. Dit type kleurenbeeld helpt ons te zien hoe goed planten groeien en hoe dicht begroeid een gebied is. En met deze rode en infrarode waarden berekenen we de index.
Met satellietbeelden van Ezinge (afbeelding 3), gedownload via het Netherlands Space Office, berekenen we de NDVI en classificeren we het landschap op basis van vegetatie, bebouwde grond, grasland, en meer. Door deze data te combineren met panden uit de Basisregistratie Grootschalige Topografie (BGT), kunnen we zien welke panden waarschijnlijk een groen dak hebben (afbeelding 4).
Niet elk dak met vegetatie is automatisch een groen dak, bomen en struiken kunnen bijvoorbeeld over daken groeien en zo een ‘groen dak’ lijken te vormen. Om dat te onderscheiden, voegen we AI toe. Door de computer te instrueren om naar rechthoekige vormen te kijken (aangezien bomen zelden hoekig zijn), kunnen we nauwkeuriger de echte groene daken identificeren. Dit levert een preciezer beeld van waar groene daken zich bevinden.
In Ezinge zijn nog niet zoveel groene daken. En met het oog op privacy en omdat ik het beter wil uitleggen maak ik een uitstapje naar Utrecht. Daar heeft de gemeente Utrecht de afgelopen jaren een groen dak gestimuleerd met subsidies en zijn er meer groene daken aangelegd.
Voor dit voorbeeld richt ik me binnen Utrecht op de wijk Ondiep. Niet alleen voor het overzicht, maar ook omdat deze wijk de afgelopen jaren regelmatig in het nieuws kwam door initiatieven van bewoners om groene daken aan te leggen. Bewoners hebben hier zelf het initiatief genomen om te vergroenen. Dat vind ik bijzonder, want groene daken zijn niet alleen goed voor waterberging en ecologische versterking, maar dragen zo ook bij aan sociale cohesie.
In afbeelding 5 heb ik met het beeld van de wijk Ondiep dezelfde berekening gemaakt als met het beeld van Ezinge. Volgens de computer zijn er in deze wijk behoorlijk wat groene daken gerealiseerd.
Maar niet alles wat groen is binnen de grenzen van de bebouwing, is daadwerkelijk een groen dak. Dat zien we als we inzoomen in afbeelding 6.
We zien bomen en struiken die over de daken groeien… en groene daken die de computer niet heeft gevonden. Om ze toch te vinden zetten we een stukje AI in bij de NDVI berekening. We vertellen de computer dat hij naar de vorm en de structuur moet kijken. De kans dat een boom of struik vierkant en hoekig is, is te verwaarlozen. We vertellen ook aan de computer dat als het groen niet helemaal gezond is dit ook meegenomen moet worden.
Dus we vertellen de computer kijk naar rechthoekige vormen en structuren. Dat levert het volgende resultaat op in afbeelding 7.
De computer laat nu goed zien waar de groene daken zich bevinden. Daarnaast zien we ook dat het niet zo goed gaat met sommige groene daken. Simpel weg door de vorm te vergelijken met de vorm van het dak.
De gezondheid van groene daken monitoren is essentieel voor langdurig succes. Hiervoor vergelijken we de NDVI en hoogte-informatie over verschillende tijdstippen. Door veranderingen in de hoogte en structuur te analyseren, kan de computer aangeven waar vegetatie is gegroeid of minder gezond is geworden. In afbeelding 8 zie je het resultaat.
Waar de computer groei ziet kleurt hij dat rood in. Waarom rood en niet groen? Daarvoor gaan we terug naar het begin van dit verhaal. Daar gebruikte ik de infrarood band om naar de vegetatie te kijken. Hoe roder hoe beter. Deze informatie helpt beleidsmakers om snel in te spelen op veranderingen.
Satellietdata, gecombineerd met open data, rekenmodellen en AI, biedt je inzichten die op geen andere manier zo efficiënt te verkrijgen zijn. Hiermee kun je datagedreven beslissingen nemen en complexe vraagstukken visualiseren. In deel vier van deze serie kijken we naar hoe je deze informatie kunt presenteren in dashboards en digital twins om stakeholders beter te informeren.
De Normalized Difference Vegetation Index (NDVI) is een index waarmee de mate van groen wordt weergegeven. Je kan berekenen hoe gezond een plant is met behulp van de NDVI, de Normalized Difference Vegetation Index. De NDVI gebruikt de infrarood en rood licht in zijn formule. Helaas kunnen wij infrarood niet zien met ons oog laat staan meerekenen. Een sensor (camera) kan dat wel en een computer kan er mee rekenen.
Met het Satellietdataportaal geeft het Netherlands Space Office (NSO) bedrijven, personen en instanties in Nederland kosteloos toegang tot hoge resolutie satellietbeelden. Het satellietdataportaal bestaat uit meerdere voorzieningen. Zo geeft het satellietdataportaal (gratis) toegang tot voorbewerkte satellietdata van Nederland: een generieke voorziening zodat (hoge resolutie optische) satellietbeelden eenvoudig te doorzoeken en bekijken zijn in een online viewer. Daarnaast zijn de data als webservices beschikbaar om te gebruiken in uw eigen GIS-applicatie.
Pléiades Neo is een optische constellatie met zeer hoge resolutie van twee identieke satellieten die 180° van elkaar af staan. Pléiades Neo 3, de eerste satelliet in de constellatie, werd gelanceerd op 28 april 2021, gevolgd door Pléiades Neo 4 op 16 augustus 2021.
Ezinge is een klein dorpje in de provincie Groningen, gelegen in de gemeente Westerkwartier, en het heeft een bijzonder rijke geschiedenis die teruggaat tot de prehistorie. Wat Ezinge vooral interessant maakt, is dat het een van de oudste continu bewoonde plaatsen van Nederland is. Hoewel Ezinge tegenwoordig een klein en rustig dorp is met slechts enkele honderden inwoners, trekt het nog steeds bezoekers die geïnteresseerd zijn in archeologie en geschiedenis. Het is een plaats waar het verleden letterlijk onder je voeten ligt, en het biedt een fascinerende inkijk in de geschiedenis van Nederland, met name in hoe mensen zich aanpasten aan en leefden in een veranderend landschap.
Ben je klaar om je kennis en vaardigheden in GIS en remote sensing naar een hoger niveau te tillen? Bekijk onze trainingen of vraag een training op maat bij jou op locatie aan. Bij IMAGEM start je reis naar geospatiale excellentie!
Wateroverlast kan grote gevolgen hebben voor stedelijke en landelijke gebieden. Met behulp van remote sensing data en data science kunnen we nauwkeurig bepalen waar overstromingen kunnen optreden. Een hoogtekaart, zoals een Digital Terrein Model (DTM), biedt waardevolle inzichten in waterstromen en mogelijke risicozones.
Met Remote Sensing en geografische data kunnen we niet alleen terugkijken, maar ook actuele problemen zoals wateroverlast en hittestress in kaart brengen. Door historische en actuele data te combineren, kunnen we zelfs gerichte voorspellingen doen en werken aan duurzame oplossingen voor de toekomst.
Vandaag de dag maken we bijvoorbeeld gebruik van radar om opstellingen en bewegingen in beeld te brengen. Met 2 voorbeelden, de overstroming in Derna, Libië en de Grand Ethiopian Renaissance Dam (GERD) laat ik jullie een paar mogelijkheden van radar en geo zien.
