Project duinen en kwelders

De oplossing voor vaker en uniformer monitoren wordt in dit project onderzocht door middel van het begrijpen van satellietbeelden op basis van kunstmatige intelligentie. Daarmee kunnen kaarten van de habitattypen van de duinen en kwelders worden gemaakt.

Daarom is een classificatiemodel ontwikkeld dat werd getraind met historische vegetatiekarteringen en vervolgens is gebruikt om op basis van satellietdata een overzicht te geven van de ligging en omvang van de aanwezige habitattypen. Er is besloten om de scope voor dit project te beperken tot het direct classificeren van habitattypen (in tegenstelling tot het classificeren van vegetatietypen, om daaruit de habitattypen af te leiden). Hoewel het resultaat hiermee niet bruikbaar is voor alle toepassingen (KRW en TMAP vereisen bijvoorbeeld vegetatietypeclassificatie), wordt de kans op een juist resultaat en daarmee een succes van deze methodiek het grootst geschat.

Na een eerste verkenning is in het voorjaar van 2021 een diepgaande studie uitgevoerd met een habitattypekaart voor een proefgebied op Schiermonnikoog (kartering 2015) en één voor de Kop van Schouwen (2019). Dit project bevestigde dat deze aanpak consistent is en voor veldecologen herkenbaar beeld opleveren. We kunnen tot op zekere hoogte habitattypen herkennen in duin- en kweldergebied en daar betekenisvolle kaarten mee maken.

Habitatkaart (2015/2017) van Schiermonnikoog

Remote sensing voorspelling (2019) voor Schiermonnikoog

Habitatkaart (2019) van de Kop van Schouwen

Remote sensing voorspelling (2019) voor de Kop van Schouwen

• De methodiek stelt ons in staat om op één uniforme manier kaarten te maken. Los van de aandacht voor nauwkeurigheid, beoordeelt de methodiek alle natuur op precies dezelfde manier, ondanks jaar of plek.
• De methodiek is schaalbaar. Het kan gebruikt worden om jaarlijks inzichten uit karteringen voor selecte gebieden te gebruiken om andere soortgelijke gebieden te monitoren. Hoever dit proces zich laat opschalen, i.e.: hoeveel jaar in het verleden en in de toekomst we een kartering kunnen gebruiken om hetzelfde gebied te monitoren (temporele schaling) en voor hoeveel soortgelijke gebieden een trainkartering inzichten biedt (ruimtelijke schaling), is niet eenduidig te zeggen. In de praktijk zal het er op neer komen dat met het verschijnen van meer gevalideerde habitatkaarten, er meer relevante traindata beschikbaar is en de methodiek meer gebieden nauwkeurig kan beoordelen.
• Ook komt er met het groeien van de traindataset de mogelijkheid om iedere vegetatie veel selecter aan satellietdata rondom het jaar van kartering te koppelen. Hiermee krimpt de grootte van de dataset, maar gaat de kwaliteit omhoog. Hoe selectief vegetaties aan satellietdata van dezelfde periode gekoppeld kan worden, wordt slechts beperkt door het feit dat van ieder jaar aan satellietdata er van alle relevante natuur minstens één kartering wordt meegenomen, zodat het model voor ieder satellietjaar alle mogelijke vormen van natuur voorbij ziet komen in het trainproces.
• Deze studie heeft laten zien dat het instrument zich verbetert met groeiende traindata. Met ieder jaar meer karteringen die geschikt zijn om te koppelen aan moderne satellietdata, zal het model steeds robuuster worden. Sommige habitattypen zijn nu nog moeilijk herkend omdat er te weinig voorbeelden in de traindataset aanwezig zijn. We hopen hier op meer data.
• De methodiek is mogelijk exporteerbaar naar andere habitattypen / gebieden in Nederland. Hierbij ligt voor de hand dat open natuurtypen zoals heide zich gemakkelijker laten monitoren dan bosrijke natuur waarbij de grond niet of slecht zichtbaar is op satellietdata.

• Om goed te snappen hoe betrouwbaar de methodiek is op verschillende schaalniveaus, moet door gebiedskennis nog meer naar de kaarten gekeken worden. Deze betrouwbaarheid bepaalt in belangrijke mate waar de kaarten voor ingezet kunnen worden.
• Een belangrijke richting om te onderzoeken is hoe grondkaarten, dronebeelden, luchtfoto’s en satellietbeelden elkaar kunnen aanvullen om samen een schaalbaar en betrouwbaar totaalbeeld te vormen. Met name dronetechnieken ontwikkelen zich razendsnel, en kunnen een buitengewoon waardevolle aanvulling vormen op satellietbeelden. Een mogelijke symbiose is dat met satellietdata de grote vlakken worden ingevuld, en waar twijfels over zijn, selectief met drones in meer detail te monitoren.
• Tijdens de expertsessies voor dit project werd opgemerkt dat de methodiek voor beheer mogelijk waardevoller is, als het model structuren in plaats van habitattypen zou herkennen. In het belang van toepasbaarheid is dat een belangrijk punt om uit te zoeken.
• Er is opgemerkt dat de ontwikkelde methodiek een signaleringsfunctie kan hebben, voor veranderingen die niet anders onopgemerkt blijven bij veldkarteringen. Dit is een interessante toepassing, die verder besproken moet worden.
• Een belangrijke discussie is: hoe nauwkeurig willen we karteren? Wat zijn de tolerantiegrenzen? Welke nauwkeurigheid hebben we nodig voor welk doel?