Home Met de voeten in de klei…

Met de voeten in de klei…

In rubriek ‘Met de voeten in de klei…’ delen bronhouders verhalen en ervaringen over hoe zij op een andere manier bezig zijn met de BGT. Stefan de Jong van Wetterskip Fryslân vertelt!

Ik ben Stefan de Jong, data scientist bij Wetterskip Fryslân en betrokken bij het project NL Veranderdetectie, waarin het Waterschapshuis, Rijkswaterstaat en tien waterschappen samenwerken aan het slimmer en sneller signaleren van veranderingen in het landschap met behulp van AI. Binnen dit project ondersteun ik waterschappen, die als BGT-bronhouder willen onderzoeken hoe kunstmatige intelligentie kan helpen bij het actueel houden van de BGT.

Het belangrijkste product is het AI-systeem van NL Veranderdetectie. Dit systeem detecteert geautomatiseerd veranderingen in het landschap op basis van luchtfoto’s.

a. Hoe maak je ze?
Het AI-model is getraind via supervised learning, waarbij gelabelde beelden zijn gebruikt om het systeem te leren onderscheid te maken tussen relevante mutaties (zoals een verdwenen sloot of nieuw pad) en ruis. Jaarlijks worden luchtfoto’s van opeenvolgende jaren met elkaar vergeleken. De uitkomsten worden getoond op een kaart, waarin filters kunnen worden toegepast om mutaties te beoordelen.

b. In welke processen worden deze toegepast?
In het mutatiebeheerproces van BGT-bronhouders.

c. Welke meerwaarde biedt dit?
Tijdswinst: medewerkers hoeven niet meer handmatig honderden luchtfoto’s door te nemen.
Nauwkeurigheid: betere focus op echt relevante veranderingen.
Uniformiteit: één werkwijze voor meerdere waterschappen en bronhouders.

d. Hoe vaak worden ze gebruikt?
Het plan is om de landelijke set met AI-gedetecteerde veranderingen jaarlijks op te leveren na de uitleveren van de landelijke luchtfoto. Steeds meer waterschappen nemen deze signalen structureel op in hun werkproces.

    We verwachten dat NLveranderdetectie steeds slimmer en specifieker wordt. Denk aan:

    • Betere objectherkenning (ook in complexe situaties);
    • Snellere levering, bijvoorbeeld binnen weken na beschikbaar komen van luchtfoto’s;
    • Combinatie met andere databronnen, zoals satellietbeelden.
    • Integratie in bronhouderapplicaties, zodat signalen automatisch kunnen worden opgepakt in de werkvoorraad.
    • Uiteindelijk willen we toewerken naar een meer proactieve en datagedreven werkwijze voor het bijhouden van de BGT.

    We nodigen alle BGT-bronhouders uit om gebruik te maken van NL Veranderdetectie en met ons mee te denken over de doorontwikkeling. Heb je wensen, ervaringen of ideeën? Laat het vooral weten. Alleen samen zorgen we ervoor dat de BGT niet alleen actueel blijft, maar ook toekomstbestendig wordt.

    Figuur 1. Een deel van een luchtfoto die volledig geclassficeerd wordt (per pixel) door een AI model.

    Figuur 2. De totale landelijke luchtfoto die we gebruiken als basis voor het opsporen van mutaties in de waterlopen.

    Figuur 3. Voorbeelden van mutaties in de BGT die opgespoord zijn door het AI model. Met groen worden waterlopen aangegeven volgens het model nieuw zijn en in het rood zijn waterlopen aangegeven waarbij het model denkt dat deze waterlopen niet meer aanwezig zijn.