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. In deze blog laat ik je zien hoe je deze gegevens kunt gebruiken om de beste locaties voor water bufferende oplossingen, zoals groene daken, kunt vinden.
In het eerste deel van deze serie over Ezinge heb ik laten zien hoe je met een hoogtekaart, ook wel Digital Terrein Model (DTM), kunt voorspellen waar wateroverlast optreedt na een hoosbui. Zo kun je analyseren waar water zich ophoopt en waar eventueel bergingsgebieden nodig zijn. Naast grote maatregelen zijn er ook kleinschalige oplossingen, zoals regentonnen of groene daken, die kunnen helpen om wateroverlast lokaal te verminderen. Recent heb ik zelf een groen dak aangelegd en dat leek me een mooie aangelegenheid om je te laten zien hoe je met hoogtegegevens de meest geschikte locaties voor groene daken kunt bepalen.
Hoogtegegevens kunnen in 3D digital twin worden weergegeven, wat niet alleen visueel duidelijker is, maar ook meer inzicht biedt in de omgeving omdat je ook de vormen van huizen en daken kunt zien. We gebruiken opnieuw het Groningse dorp Ezinge als casestudy. Om te bepalen waar een groen dak het meeste effect heeft, combineren we de hoogte en wateroverlast data uit de vorige blog, met het Digitaal Surface Model (DSM) en de panden uit de Basisregistratie Grootschalige Topografie (BGT).
Op de DSM-kaart zien we de omtrekken van panden uit de BGT. Deze omtrekken gebruik ik om de panden uit de DSM te selecteren. Vervolgens heb ik de geselecteerde panden boven op een luchtfoto van Ezinge gelegd. De kleuren van de DSM heb ik niet aangepast.
Een digitaal terreinmodel (Digital Terrain Model, DTM) laat de maaiveldhoogte zien. De grond zonder vegetatie en bebouwing. Een digitaal oppervlaktemodel (Digital Surface Model, DSM) laat de hoogte inclusief alle objecten op het aardoppervlak zoals bomen en bebouwing zien.
Nu kan ik gaan rekenen. Rekenen? Met de panden uit de DSM? Ja zeker, met de panden uit de DSM kunnen we de oppervlakte en de vorm (zoals dakhoeken) van elk dak berekenen. Door data science toe te passen, combineren we de hoogtegegevens met de locatie van de panden en berekenen slimme algoritmes of een dak geschikt is en welk dak het meeste geschikt is voor een groen dak. Deze uitkomsten gebruiken we vervolgens om de investering en potentiële opbrengsten van verschillende soorten groene daken te bepalen.
In het detail (Afb. 3) zien we bijvoorbeeld bij de kerk van Ezinge hoe de daken en hoeken zichtbaar worden in 3D.
Met deze informatie kunnen we per dak de geschiktheid voor een groen dak berekenen. Daarnaast kunnen we ook bepalen welk type dak het beste werkt. Je kunt dan denken aan een natuurdaktuin, sedum dak 10kg of 28kg of bijvoorbeeld groene dakpannen. En bij de berekening nemen we naast kosten, ook het water bufferend vermogen en de fijnstof afvang mee. Dit is namelijk per type groen dak bekend. De berekeningen houden rekening met:
– De gemiddelde prijs per type in euro (€)
– Het water bufferend vermogen per type in liter per vierkantte meter (l/m²)
– De gemiddelde afvanging fijnstof per type in gram per vierkante meter (g/m²)
De Basisregistratie Grootschalige Topografie (BGT) is een digitale kaart van Nederland waarop gebouwen, wegen, waterlopen, terreinen en spoorlijnen eenduidig zijn vastgelegd. De kaart is op 20 centimeter nauwkeurig en bevat veel details, zoals je die in de werkelijkheid ook ziet. Denk aan bomen, wegen en gebouwen. Net als het Actueel Hoogtebestand Nederland (AHN) is de BGT gratis en onbeperkt (open data) te gebruiken door zowel overheden, bedrijven als burgers.
De computer berekent vervolgens welke typen groene daken het beste passen bij specifieke locaties, inclusief bijbehorende investering en verwachte resultaten. Het resultaat laat per pand zien welk deel van het dak het meest geschikt is, op basis van de hoogste opbrengst. Deze gegevens worden opgeslagen als een shape-file, een standaardformaat voor het weergeven van ruimtelijke vectorgegevens.
Het resultaat (Afb. 5) is per pand. Ter verduidelijking en overzichtelijkheid heb ik het resultaat per onderdeel onder elkaar geplaatst.
Een groen dak heeft niet alleen een water bufferend vermogen; het isoleert (koel in de zomer en warm in de winter), vermindert fijnstof en het bevordert de biodiversiteit. Bijen en vlinders, bijvoorbeeld, profiteren enorm van biodiverse daken. Het gaat dus niet alleen om het verstrekken van subsidies, maar ook om het bieden van ondersteuning bij het kiezen van het juiste type groen dak. Met remote sensing en data-analyse krijg je meer inzicht in de mogelijkheden dan je misschien zou verwachten. Of zoals Johan Cruijff ooit zei: “Je gaat het pas zien als je het doorhebt.”
Door samen met buurtbewoners groene daken aan te leggen, werk je niet alleen aan een duurzamere toekomst door wateroverlast tegen te gaan, maar verbeter je ook de luchtkwaliteit en versterk je de sociale cohesie in de buurt. In de volgende blog blijven we hoogtegegevens gebruiken en combineren we deze met multispectrale sensorinformatie. Ik leg uit wat een multispectrale sensor is, welke informatie deze geeft en hoe je daarmee de gezondheid van het groen (groene daken, bomen, perken en plantsoen) kunt monitoren.
Shapefiles zijn een van de meest voorkomende dataopslag formaten voor ruimtelijke data. Ze slaan data op als punten, lijnen of polygonen. Deze drie feature types vormen de basis van ruimtelijke data-analyse. Shapefiles bevatten naast de ruimtelijke data veel bijbehorende gegevens. Shape files worden veelal in GIS-desktop applicaties gebruikt.
Data science is een ruim begrip, het maakt gebruik van technieken en concepten uit het brede gebied van de wiskunde, statistiek, informatiekunde en omputerwetenschappen. De subdomeinen machinaal leren, classificatie, cluster-analyse, datamining, databases, en visualisatie zijn belangrijke hulpvakken. Passende bij de ruimtelijke analyses.
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!
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.
De wereld om ons heen is continu in beweging. Verschil in tijd komt meestal overeen met het toevoegen of verwijderen van gebouwen, vegetatie of andere infrastructuur. Dit zijn veranderingen in hoogte, kleuren of spectrale reflectie, goede indicatoren om de veranderingen in beeld te brengen.
