Provincie Fryslân

Detectie van ganzenschade met remote sensing

Hoe succesvol is het om open source satellietdata in te zetten voor het monitoren van veranderingen in het landschap?

Heel succesvol, bleek uit meerdere haalbaarheidsstudies die ilionx realiseerde in opdracht van de provincie Fryslân. In één specifieke studie, in samenwerking met de provincie en het BIJ12-Faunafonds, ging ilionx aan de slag met de detectie van ganzenschade aan agrarische percelen. ilionx trainde hiervoor een machine learning model dat op basis van satellietdata tot op pixelniveau perceelschade herkent.

Jaarlijks 30 miljoen euro aan ganzenschade

De afgelopen jaren is de schade aan gewassen door in het wild levende dieren flink toegenomen in Nederland, waarvan ganzenvraat aan grasland veruit de grootste kostenpost is. In beleidsjaar 2017 werd bijna 30 miljoen euro aan ganzenschade getaxeerd. De taxatie van de schade is momenteel een arbeidsintensief proces, waarbij taxateurs het veld ingaan met een grashoogtemeter en kaartmateriaal. Het BIJ12-Faunafonds ging op zoek naar een methode waarmee ze het taxatieproces voor grasland konden verbeteren en vereenvoudigen en kwam uit bij ilionx.

Hoe kan machine learning het taxatieproces verbeteren?

Het doel van dit project was tweeledig. ilionx heeft primair onderzocht of computermodellen die zich baseren op satellietdata een nauwkeurig alternatief kunnen bieden voor het huidige taxatieproces. Deze modellen voeren na een schadeseizoen een taxatie uit en hoeven niet real-time inzicht in het ganzenschadeprobleem te geven. Daarnaast is gekeken of computermodellen op basis van satellietdata de ontwikkeling van ganzenschade real-time kwalitatief kunnen lokaliseren, om tijdig in te kunnen grijpen bij beginnende schade.

Dataset creëren

Allereerst heeft ilionx in kaart gebracht hoe het menselijke taxatieproces in zijn werk gaat en welke data hieruit voortvloeit. Ook werd bekeken welke data gedigitaliseerd werd. Vervolgens bereidde ilionx de data-analyse voor door uit te zoeken welke uitzonderingen en eigenaardigheden in het taxatieproces voorkomen en hoe die in de historische taxatierapporten zijn terug te vinden. Samen met het BIJ12-Faunafonds heeft ilionx een zo volledig mogelijke schadetaxatie dataset bijeengebracht die drie jaar bestrijkt.

"Samen met het BIJ12-Faunafonds heeft ilionx een zo volledig mogelijke schadetaxatie dataset bijeengebracht die drie jaar bestrijkt."

Data koppelen

De historische satellietbeelden waren afkomstig van de Sentinel-2 multispectrale satelliet van ESA. Sentinel-2 neemt foto’s van het complete aardoppervlak, met een repetitietijd van maximaal 5 dagen. Door bewolking wisselt de kwaliteit van de beelden sterk. ilionx knipte de onbewolkte beelden in de periode van de drie onderzochte jaren uit, en koppelde ze aan historische taxatierapporten. Deze gecombineerde dataset diende als trainingsmateriaal, om computermodellen per pixel te laten voorspellen hoeveel centimeter grasverlies er bij dit stuk grond hoort.

Taxatieproces automatiseren

Uit de studie blijkt dat de modellen van ilionx op basis van zuivere satellietdata kunnen leren om een inschatting van grasverlies te maken die lijkt op het huidige taxatieproces. De historische handmatige taxaties waren echter niet geschikt om nauwkeurig de taxatiegetallen en satellietdata één-op-één te vergelijken. ilionx is daarom met een aantal aanbevelingen gekomen. Ten eerste loont het om het taxatieproces te digitaliseren in een mobiele app en GPS te gebruiken om polygonen in te tekenen. Zo worden handmatige fouten voorkomen. Daarnaast zal het zijn vruchten afwerpen om een automatische kwaliteitscontrole uit te voeren die invoer controleert op onrealistische waarden of eigenaardigheden signaleert. Het BIJ12-Faunafonds, provincie Fryslân en ilionx zijn samen tot de conclusie gekomen dat het analyseren van satellietbeelden met behulp van machine learning veelbelovend is als aanvulling op of als alternatief voor het huidige taxatieproces. Met nieuwe taxatiegegevens kan deze methode in de toekomst verder uitgewerkt worden tot volwaardig, nauwkeurig alternatief.

Ilionx logo