De validatie van de landgebruiksveranderingen (2013 - 2016) toont aan dat de foutenmarges op de schattingen meestal groter zijn dan de veranderingen zelf. Daardoor is het niet mogelijk om statistisch onderbouwde uitspraken te doen over de precieze omvang van de meeste landgebruiksveranderingen op korte termijn.
Figuur 1. Oppervlakte van de landgebruiksveranderingen tussen 2013 en 2016 op basis van de kaart (punten) en de gevalideerde punten (horizontale balken) voor de geaggregeerde klassen. * = verandering significant verschillend van 0. Pop-up: PA = volledigheid van de kartering; UA = juistheid van de kartering. Deze figuur verwijst naar figuur 31 uit het Natuurrapport 2020.
Bij de validatie van een kaart wordt het landgebruik op de kaart vergeleken met een steekproef van referentiepunten die het werkelijke landgebruik met een hogere accuraatheid weergeven.
Voor het Natuurrapport 2020 werden de ecosysteemvoorraad, de landgebruiksveranderingen en de versnippering van ecosystemen berekend op basis van een set van landgebruikskaarten. Omdat zo’n kaarten altijd een vereenvoudiging zijn van de werkelijkheid, moet je rekening houden met een mate van onzekerheid en die ook communiceren met beleidsmakers en beheerders. Om die reden werd een validatie uitgevoerd voor de landgebruikskaart die voor het Natuurrapport werd gebruikt, meer bepaald met betrekking tot de onzekerheid van de veranderingen tussen 2013 en 2016. De validatie gaat na of het landgebruik van een cel tussen 2013 en 2016 verandert en zo ja, tussen welke klassen de cel verschuift.
De analyse van de gevalideerde punten laat toe om een aantal accuraatheidsmaten te berekenen (Olofsson e.a. 2014). De overall accuracy (OA) geeft het percentage van de punten waarvoor de veranderingsklasse op de kaart en in de referentieset hetzelfde is. Het is een maat voor de algemene accuraatheid van de kaart. De producers accuracy (PA) geeft aan hoe volledig de kartering een bepaalde klasse weergeeft. De users accuracy (UA) geeft de kans weer dat een klasse op de kaart ook op het terrein die klasse is. Waar de producers accuracy een maat is voor de volledigheid van de kaart, is de users accuracy een maat voor de juistheid ervan.
Als we alleen kijken naar de verandering van een cel (veranderd/niet veranderd) en geen rekening houden met het type landgebruiksverandering, dan is de overall accuracy (OA) van de kaart hoog (90-91%). De users accuracy (UA) is zeer hoog (99%) voor de cellen met onveranderd landgebruik, maar zeer laag (20%) voor de cellen waarvan het landgebruik verandert tussen 2013 en 2016. De kaart overschat sterk de oppervlakte die verandert. Volgens de kaart verandert er in die periode 11 procent van de oppervlakte van Vlaanderen, terwijl dat volgens de gevalideerde puntenset slechts 3 procent (± 0,6%) is (Figuur 2). Dat illustreert de zwakheid van de landgebruikskaart om veranderingen in landgebruik te detecteren.
Omdat de variatie in de beoordeling van het landgebruik tussen de evaluatoren voor een aantal klassen te hoog was, werd een aantal klassen in de statistische analyse gegroepeerd in zes hoofdklassen: open natuur (heide, duinen, moeras, permanent grasland, laag groen, slikken en schorren), hoog groen (bos en hoog groen), akker (tijdelijk grasland, akker), urbaan (bebouwing en infrastructuur), overig (bodemverharding) en water. De OA van de kaart met de geaggregeerde klassen blijft hoog (84-86%). De UA voor de veranderingsklassen ligt echter zeer laag (zie Figuur 1). Dat betekent dat de kaart die landgebruiksveranderingen overschat. Voor alle veranderingsklassen behalve open natuur → urbaan ligt de schatting van de oppervlakte op basis van de kaart (veel) hoger dan op basis van de gevalideerde punten (zie Figuur 1). In de meeste gevallen kunnen we op basis van de analyse zelfs niet besluiten dat de landgebruiksveranderingen significant groter zijn dan nul. De belangrijkste significante veranderingen zijn open natuur → akker, open natuur → overig, open natuur → urbaan, hoog groen → open natuur en akker → open natuur. De omzettingen tussen akker en open natuur houden elkaar min of meer in evenwicht.
Figuur 2. Oppervlakte van de cellen waarvoor het landgebruik verandert en niet verandert op basis van de kaart (punten) en de gevalideerde punten (balken). * = significant verschillend van 0.
Voor een aantal landgebruiksveranderingen kunnen we ook naar de niet-geaggregeerde landgebruiksklassen kijken. Ook daar zijn de UA’s zeer laag (Figuur 3). De positieve uitschieters (dus met hogere UA) zijn laag groen → urbaan (43%), hoog groen → urbaan (40%) en (permanent) grasland → akker (52%). De kaart scoort dus behoorlijk goed voor het in beeld brengen van urbanisatie en de omzetting van grasland naar akker. De gedetailleerde analyse geeft ook meer inzicht in de omzettingen tussen de geaggregeerde klassen open natuur en akker. Die blijken voor het grootste deel te verklaren door de omzetting van blijvend grasland in akker en vice versa. Netto wordt er echter significant meer blijvend grasland omgezet naar akker dan omgekeerd.
Figuur 3. Oppervlakte van de landgebruiksveranderingsklassen op basis van de kaart (punten) en de gevalideerde punten (balken). * = significant verschillend van 0.
Uit de validatie blijkt dat een aantal omvangrijke landgebruiksveranderingen slecht in beeld worden gebracht. Aan de basis daarvan ligt de grote variatie in de identificatie van de landgebruiksklassen ‘hoog groen’, ‘laag groen’, ‘overig’ en ‘blijvend grasland’. Door verkleuring van de vegetatie in droge jaren wordt laag groen vaak als overig geïdentificeerd en de omvang van hoog groen (boomkruinen) varieert afhankelijk van de invalshoek van de camera. Blijvend grasland in landbouwgebruik wordt geïdentificeerd op basis van vijf opeenvolgende landbouwaangiftes. De aangifte geeft echter geen uitsluitsel of het grasland al dan niet omgeploegd wordt. Voor de open natuurtypes heide, duinen en moeras en voor bos steunt de landgebruikskaart op de BWK, die vooral buiten de beschermde gebieden sterk verouderd is. Door de relatief grote foutenmarges kunnen we op korte termijn geen statistisch onderbouwde uitspraken doen over de precieze omvang van deze landgebruiksveranderingen. Als de geobserveerde landgebruiksveranderingen zich doorzetten, zullen ze na verloop van tijd wel groot genoeg worden om significante trends te detecteren. Zolang de accuraatheid van de basiskaarten niet verbetert, is de landgebruikskaart vooral bruikbaar om de omvang van de ecosystemen en veranderingen op middellange tot lange termijn in beeld te brengen, maar minder bruikbaar voor de opvolging van veranderingen op korte termijn.
Olofsson, P., G. M. Foody, M. Herold, S. V. Stehman, C. E. Woodcock, en M. A. Wulder. 2014. “Good practices for estimating area and assessing accuracy of land change”. Remote Sensing of Environment 148: 42–57. https://doi.org/10.1016/j.rse.2014.02.015.
- Periodiciteit: eenmalig - Volgende update: onbekend - Databereik: 2013 - 2016
Indicatoren hebben tot doel veranderingen doorheen de tijd op te volgen. Een aantal indicatoren in het Natuurrapport zijn gebaseerd op kaartmateriaal. Door kaarten van opeenvolgende periodes te vergelijken, kunnen trends opgevolgd worden en kan het effect van beleidsmaatregelen geëvalueerd worden. Elke kaart probeert ruimtelijk en thematisch continue variabelen weer te geven in discrete klassen en is onvermijdelijk een vereenvoudiging van de werkelijkheid. Zo sluipen er fouten in de kaart, die bepalen in welke mate uitspraken mogelijk zijn over de werkelijke oppervlakte van ecosystemen en de veranderingen daarin. Als bijvoorbeeld de fout op een schatting van de verandering van een ecosysteem groter is dan de schatting zelf, dan kan je niet met zekerheid stellen dat de oppervlakte van dat ecosysteem veranderd is. Via een validatie kan je de betrouwbaarheid bepalen van een oppervlakteschatting of een verandering van de oppervlakte. Een van de meest prangende vragen in het Natuurrapport is of er natuur bijkomt, dan wel verdwijnt. Daarom ligt de focus bij deze validatie op de cellen waarvan het landgebruik verandert.
Voor het Natuurrapport 2020 worden de ecosysteemvoorraad (oppervlakte), de landgebruiksveranderingen en de versnippering van ecosystemen berekend op basis van een gemeenschappelijke landgebruikskaart. De landgebruikskaart is gebaseerd op het landgebruiksbestand Vlaanderen 2016 (Poelmans, Janssen, en Hambsch 2019). Dit bestand bestaat uit vier thematische lagen: de bodembedekking (niveau 1), verstedelijkt landgebruik (niveau 2), multifunctioneel landgebruik (niveau 3) en haventerreinen en militaire domeinen (niveau 4). De bodembedekkingslaag vormt de basis van de landgebruikskaart, maar werd licht aangepast voor het Natuurrapport 2020 (Landgebruiksverandering - Ecosysteemvoorraad Landgebruiksbestand Vlaanderen). De landgebruikskaart bestaat uit 25 klassen (Tabel 1). Theoretisch zijn er dus 625 combinbaties mogelijk wanneer twee opeenvolgende jaren vergeleken worden (inclusief onderveranderlijke klassen). Omdat het niet haalbaar was om zo’n groot aantal klassen te valideren en omdat niet elke klasse even eenvoudig geïdentificeerd kan worden op basis van luchtfoto’s, werden de originele landgebruiksklassen gegroepeerd in negen validatieklassen (Tabel 1).
Landgebruiksklasse | Validatieklasse | Geaggregeerde klasse |
---|---|---|
Ruigte | Open natuur | Open natuur |
Struweel | Bos | Hoog groen |
Loofbos | Bos | Hoog groen |
Populieren | Bos | Hoog groen |
Naaldbos | Bos | Hoog groen |
Alluviaal bos | Bos | Hoog groen |
Halfnatuurlijk grasland | Grasland | Open natuur |
Heide | Open natuur | Open natuur |
Kustduin | Open natuur | Open natuur |
Moeras | Open natuur | Open natuur |
Slik en schorre | Open natuur | Open natuur |
Akker | Akker | Akker |
Niet geregistreerde landbouw | Akker | Akker |
Hoogstam boomgaard | Grasland | Open natuur |
Laagstam boomgaard | Akker | Akker |
Cultuurgrasland permanent | Grasland | Open natuur |
Gebouw | Urbaan | Urbaan |
Overig laag groen | Laag groen | Open natuur |
Overig hoog groen | Hoog groen | Hoog groen |
Weg | Urbaan | Urbaan |
Spoorweg | Urbaan | Urbaan |
Water | Water | Water |
Overig | Overig | Overig |
Overgangswater | Water | Water |
Marien | Water | Water |
Bij de validatie van een kaart wordt het landgebruik op de kaart vergeleken met een steekproef van referentiepunten die het werkelijke landgebruik met een hogere accuraatheid weergeven. In het ideale geval wordt de referentieset samengesteld op basis van terreincontroles. In de meeste gevallen is dat echter onhaalbaar en wordt het landgebruik gecontroleerd via luchtfoto’s en andere ruimtelijke informatie. Op basis van een schatting van de betrouwbaarheid per veranderingsklasse en de proportie van elk van de veranderingsklassen in de totale oppervlakte, werd een steekproefgrootte van 3815 punten vastgelegd, waarvan 900 volgens de kaart niet van landgebruik veranderen. Die punten werden vervolgens proportioneel volgens hun oppervlakteaandeel verdeeld over de veranderingsklassen, met een minimum van 40 punten voor de klassen met de kleinste oppervlakte (Olofsson e.a. 2014). De punten werden gevalideerd door tien evaluatoren op basis van luchtfoto’s en extra informatie uit de attributentabellen van de landbouwgebruikspercelendatabank en de Biologische Waarderingskaart (BWK). Voor elk punt noteerde de evaluator of het landgebruik tussen 2013 en 2016 veranderde en wat het landgebruik in beide jaren was. Per evaluator werden telkens 30 punten ook door een tweede evaluator gecontroleerd om zicht te krijgen op de variatie tussen de evaluatoren.
Op basis van de evaluatie van de referentiepunten wordt een foutenmatrix opgesteld, die voor elke landgebruiksklasse aangeeft welk aandeel juist geclassificeerd is en hoe de foutief geclassificeerde punten verdeeld zijn over de andere klassen. Via de foutenmatrix kunnen ten slotte een aantal accuraatheidsmaten worden berekend, waaronder de overall accuracy (OA) en de producers accuracy (PA) (Olofsson e.a. 2014 - zie script analyse). De methode van Olofsson e.a. (2014) laat ook toe om de oppervlakte van de gevalideerde klassen en het bijhorende betrouwbaarheidsinterval te berekenen.
Figuur 4. Validatiepunten en vereenvoudigde landgebruikskaart (2013) die gebruikt werden voor de validatie. De resolutie van de getoonde rasterkaart bedraagt 100 m. Voor de validatie werden de originele rasterbestanden met resolutie van 10 m gebruikt. De kleur van de validatiepunten geeft aan of het landgebruik van de cel al dan niet verandert volgens de landgebruikskaarten.
Het landgebruik van een cel is niet altijd even gemakkelijk te identificeren op basis van luchtfoto’s. Het onderscheid tussen bomen en lage vegetatie of tussen bebouwing en vegetatie is in de meeste gevallen eenvoudig te maken. Dat ligt heel wat moeilijker voor het onderscheid tussen verschillende types bos of verschillende typeslage vegetatie. Ook bij cellen die op de overganszone tussen twee landgebruiksklassen liggen, kan er twijfel zijn bij de beoordeling door de evaluator. Ondanks afstemming tussen de evaluatoren, kunnen er interpretatieverschillen optreden die de uitkomst van de validatie beïnvloeden. Het was onhaalbaar om elk referentiepunt door twee evaluatoren te laten controleren en zo de onzekerheid op de referentieset te reduceren. Om toch een beeld te krijgen van de variatie tussen de evaluatoren, kreeg elke evaluator 30 punten toegewezen die ook door een andere evaluator beoordeeld werd. Uit de analyse van deze punten (zie script analyse) blijkt dat de overeenstemming tussen de evaluatoren hoog is voor de beoordeling van de stabiliteit van het landgebruik (91% overeenstemming), maar heel wat lager is voor de beoordeling van het type landgebruiksverandering (73% overeenstemming). Daarom werd beslist om een aantal moeilijk te onderscheiden landgebruiksklassen te aggregeren voor de validatie (zie boven). De overeenkomst tussen de evaluatoren voor het type landgebruiksverandering nam daardoor toe tot 78%, maar blijft aan de lage kant, waardoor de resultaten van de validatie met enige voorzichtheid geïnterpreteerd moeten worden. Om de betrouwbaarheid van de landgebruikskaart en de veranderingen beter in te schatten zijn terreincontroles onontbeerlijk.
Broncode indicator: d1_validatie_landgebruik.Rmd - Basisdata: validatiepunten.tsv - Metadata basisdata: validatiepunten.yml
Olofsson, P., G. M. Foody, M. Herold, S. V. Stehman, C. E. Woodcock, en M. A. Wulder. 2014. “Good practices for estimating area and assessing accuracy of land change”. Remote Sensing of Environment 148: 42–57. https://doi.org/10.1016/j.rse.2014.02.015.
Poelmans, Lien, Liliane Janssen, en Lorenz Hambsch. 2019. “Landgebruik en ruimtebeslag in Vlaanderen, toestand 2016, uitgevoerd in opdracht van het Vlaams Planbureau voor Omgeving.” Mol: VITO.