Provincie Fryslân

Duinriet op Schiermonnikoog: hoe breng je dat in kaart met remote sensing?

Het monitoren van natuurgebieden is een intensief proces dat gepaard gaat met veel arbeidsuren en hoge kosten.

Het is dan ook niet voor niets dat provincie Fryslân ilionx heeft ingeschakeld om een aantal haalbaarheidsstudies uit te voeren om te kijken of natuur nauwkeurig gemonitord kan worden op afstand. ilionx heeft in dit kader een korte studie gedaan naar de duingebieden op Schiermonnikoog. Het ging hierbij om het detecteren van duinrietvegetatie en het karteren van habitattypen op basis van satellietdata en machine learning technieken.

Duingebieden op de Friese Waddeneilanden

De duingebieden op de Friese Waddeneilanden bestaan uit honderden verschillende vegetatietypen. Deze vegetatie wordt eens in de twaalf jaar nauwkeurig in kaart gebracht, ofwel ‘gekarteerd’. Vegetatiekarteringen zijn belangrijk voor het vaststellen van de natuurkwaliteit en voor het bepalen van de diversiteit en oppervlakte van habitattypen. Ze vormen een onmisbare bron voor monitoring, rapportage en handhaving van Nederlandse en Europese natuurwetgeving, zoals Programma Aanpak Stikstof (PAS), Natura2000 en Subsidiestelsel Natuur en Landschap (SNL). Vanwege deze verschillende doelen zou provincie Fryslân graag vaker dan eens per twaalf jaar een beeld willen hebben van de vegetatie op de Waddeneilanden. Dit is met de huidige handmatige methode van karteren alleen al om financiële redenen onmogelijk.

Remote sensing als oplossing

Remote sensing kan bij deze karteringen uitkomst bieden. Het doel van dit project was om de haalbaarheid te testen van modellen die met jaarlijkse frequentie op basis van satellietdata vegetaties monitoren. Deze modellen werden geoptimaliseerd door middel van machine learning technieken. Het project werd opgedeeld in twee delen, beide uitgevoerd op Schiermonnikoog. Het eerste deel richtte zich op detectie van duinriet, omdat duinriet een signaalvegetatie is voor stikstofproblematiek. Door de groei en verspreiding van duinriet jaarlijks te volgen, kan bepaald worden in hoeverre herstelmaatregelen zoals bijvoorbeeld begrazing werken. Het tweede deel ging over het monitoren van habitattypen, zodat verandering in de verscheidenheid hiervan binnen een jaar geconstateerd kan worden.

Aan de slag!

Allereerst heeft ilionx inzicht vergaard in het huidige proces van vegetatiekartering. We hebben gekeken welke stappen doorlopen worden in de vegetatiekartering van een natuurgebied. Ook is in kaart gebracht op welke verschillende manieren duinriet voorkomt in de vegetatiekartering. De nauwkeurigheid van de huidige vegetatiekartering en de hieruit afgeleide habitattypekartering werden ook onder de loep genomen. Vervolgens heeft ilionx een schone dataset samengesteld voor het trainen en evalueren van de algoritmes. De satellietbeelden die gebruikt zijn in deze studie zijn afkomstig van de Sentinel-2 multispectrale satelliet van ESA. De bruikbaarheid van multispectrale satellietbeelden is sterk afhankelijk van bewolking. Om zoveel mogelijk geschikte beelden te genereren heeft ilionx per vegetatievlak satellietpixels uitgeknipt over een periode van bijna drie jaar.

"Om zoveel mogelijk geschikte beelden te genereren heeft ilionx per vegetatievlak satellietpixels uitgeknipt over een periode van bijna drie jaar."

Modellen trainen

Met behulp van machine learning zijn algoritmes ontworpen en geoptimaliseerd. Vervolgens vond de analyse van de nauwkeurigheid van de beste modellen plaats. De modellen voor duinmonitoring zijn getraind op basis van karteringen en satellietdata van eerdere jaren, met als doel om voor de komende jaren duinmonitoring uit te voeren op basis van alleen satellietdata.

90 procent nauwkeurigheid

De behaalde resultaten tonen aan dat de analyse van satellietdata met behulp van machine learning zeer nauwkeurige modellen oplevert. Op basis van deze methode kunnen specifieke aspecten van duinmonitoring jaarlijks nauwkeurig en objectief uitgevoerd worden. Voor de detectie van duinriet scoort het model na de haalbaarheidsstudie al een nauwkeurigheid van meer dan 90 procent. Ook het voorspellen van habitattypen benadert de nauwkeurigheid van de huidige karteringen. Samen met ecologen van provincie Fryslân is zelfs geconstateerd dat in sommige gevallen de modellen beter karteren dan het handmatige proces. Hiermee is aangetoond dat remote sensing een zeer geschikte techniek is om een jaarlijkse aanvulling te leveren op de gebruikelijke karteringen die een keer in de twaalf jaar plaatsvinden.

Hoe meer traindata er is, hoe nauwkeuriger deze modellen zullen worden. Als vervolgstap is ilionx daarom met alle kustprovinciën in overleg hoe een zo groot mogelijke dataset over meerdere jaren verzameld kan worden.

Ilionx logo