Groen en grijs in de stad

Vergroening en vergrijzing in de stad zijn vanuit beleidsoogpunt erg interessant. Het blijkt dat zowel moderne AI-technieken als meer klassieke filtermethoden daar zicht op bieden.

Het onderzoeksrapport

 

 

De uitdaging

De hoeveelheid groen en grijs, oftewel verhouding tussen beplanting en bestrating, heeft invloed op het lokale klimaat in wijken en buurten. Gemeenten formuleren daarom beleid om die verhouding te beïnvloeden. Maar hoe kom je er achter wat die verhouding is en of die verandert? Oftewel: waar moet je specifiek beleid ontwikkelen en wat is het effect? Jeroen Delfos deed als Rijksdatatrainee onderzoek naar het gebruik van kunstmatige intelligentie (AI) toegepast op luchtbeelden, in samenwerking met het CBS en het bedrijf. Jeroen vergeleek de resultaten ook met een meer klassieke statistische methode.

De hoofdvraag luidde ‘kan beeldherkenning met behulp van deep learning ingezet worden om landoppervlak te classificeren als verhard of groen?’

De aanpak

Om de hoofdvraag te beantwoorden zijn luchtfoto’s met een resolutie van 25cm uit het Nationaal Georegister gebruikt, over de jaren 2016-2018. Het ging om zowel gewone RGB beelden als infraroodopnames. Om de foto’s juist te kunnen interpreteren moesten ze worden voorbewerkt.

Na vergelijking van een aantal opties is het Regentessekwartier in Den Haag gekozen als voorbeeldwijk om de methode te testen. Een van de redenen daarvoor was dat Operatie Steenbreek, een landelijk project om wijken te vergroenen, daar tamelijk goed resultaten heeft geboekt zodat ook verschillen tussen jaren hopelijk zichtbaar worden. Voor deze wijk zijn trainings- en testsets gecreëerd.

Verschillende varianten van neurale netwerken zijn doorgerekend op basis van de beschikbare RGB-foto’s, waarbij het nodig bleek om kritisch te blijven kijken naar de beperkingen van de methoden en de invloed van verschijnselen zoals schaduwen en verdorde groenoppervlakken. Bovendien bleken soms delen van een oppervlak schuil te gaan achter hoge gebouwen bij foto’s die onder een hoek waren genomen.

Naast de AI-methode is een meer klassieke methode gebruikt op basis van infraroodfoto’s. Deze methode is eerder in Groot-Brittannië toegepast door het Office of National Statistics. Daarbij werden de rode kleurgebieden van de infraroodfoto’s (veroorzaakt door chlorofyl) uitgefilterd. Deze automatische methode werkt ongeveer even nauwkeurig als handmatige annotatie, die uiteraard veel tijdrovender is.

De resultaten

De modelresultaten gaven voor zowel 2016 als 2017 een groenoppervlak van 17%, dat in 2018 was gestegen naar 23%. Steekproefsgewijze analyses van deelgebieden (128x128 meter) lieten zien dat de resultaten grotendeels klopten. Voor een deel bleek de toename echter toe te schrijven aan artefacten die de analyse ontglipten zoals verdorring (de zomer van 2018 was erg heet).

De resultaten met neurale netwerken op basis van RGB foto’s bleken op zich prima bruikbaar maar toch werkte de meer klassieke aanpak met gefilterde infrarood foto’s nog iets beter. De aanpak met neurale netwerken biedt wel meer mogelijkheden om complexere analyses te doen, zoals herkennen van meer soorten groen. Uiteraard is verder onderzoek nodig om vast te stellen of deze uitspraken breder stand houden.

Meer informatie

Het onderzoeksrapport van Jeroen Delfos biedt een gedetailleerde technische toelichting op bovenstaande beknopte beschrijving.

Contact

Jeroen Delfos of Barteld Braaksma kunnen meer vertellen over dit onderzoek

 

Houd mij op de hoogte