De puntenwolken uit het AHN zijn een handige bron van informatie voor groene beleidsinformatie. Stichting Friedenau Society uit Den Bosch houdt zich daar mee bezig. Zo hebben ze de versteningsgraad van het landschap, de boomkroonbedekking, en de hoeveelheid schaduw in de stad in kaart gebracht met AHN data. Deze data is open: je kunt ze voor heel Nederland en voor drie momenten in de tijd gratis downloaden vanaf https://www.klimaateffectatlas.nl/nl/data-opvragen. Als je meer wil weten over de achtergronden bij de data, kun je kijken op: https://www.klimaateffectatlas.nl/nl/boomkroonbedekking, op https://www.klimaateffectatlas.nl/nl/schaduw en op https://www.klimaateffectatlas.nl/nl/basiskaart-groen-en-grijs.

Voor deze opdracht hebben we al wat data gedownloaded, van de omgeving van de Onderwijsboulevard. De beleidsvraag die we stellen is:

Hoeveel procent ten opzichte van de totale boomkroonbedekking in 2024 is sinds 2015 a) verdwenen, hoeveel is b) gelijk gebleven en hoeveel is c) erbij gekomen?

Laten we eens kijken of we dat kunnen bepalen.

  1. Open Boomkroonbedekking_Paleiskwartier.qgz

Je ziet nu de boomkroonbedekking op drie momenten in de tijd: vanuit AHN3 (opname 2015 voor Den Bosch), AHN4 (2020) en AHN5 (2024). De drie momenten in de tijd zijn met afwijkende kleuren weergegeven, zodat je de verschillen al deels meteen kunt zien. Merk op dat de data niet perfect is (zoals geen enkele data ooit perfect is). Zo zie je bijvoorbeeld soms hijskranen in de data terug.

We gaan voor nu geen gebruik maken van de data van AHN4. Om verwarring te verkomen verwijderen we die uit het beeld.

2. Verwijder de groene laag, de laag BKB_AHN4_Paleiskwartier.

Nu gaan we bepalen welke plekken stabiel zijn gebleven door de tijd, en welke niet.

3. Ga naar het menu en kies Raster | Rasterberekeningen.

4. Klik rechtsbovenin het vinkje aan om de kaartlaag tijdelijk te maken.

5. Voer onder Rasterberekening expressie in: ("BKB_AHN5_Paleiskwartier@1" * 2) + "BKB_AHN3_Paleiskwartier@1"

6. Klik op OK om uit te voeren.

Je ziet nu een grotendeels zwarte dataset.

7. Selecteer de laag in het Lagen paneel en klik op om het Laag opmaken paneel te openen.

8. Kies voor Gepaletteerde/Unieke kleur als weergavemethode.

9. Klik op de knop Classificeren.

Doordat we de pixelwaarde 1 uit AHN5 maal twee hebben gedaan, en daar de pixelwaarde 1 uit AHN3 bij op hebben geteld, blijven er nu vier mogelijke waarden over:

  • 0: er was geen boom, en nu is er ook nog steeds geen boom
  • 1: er was een boom in AHN3, maar in AHN5 niet meer
  • 2: er is een boom in AHN5, die er in AHN3 nog niet was
  • 3: er was een boom in AHN3, en nu in AHN5 nog steeds

10. Verwijder klasse 0, omdat die weinig toevoegt. Selecteer daarvoor klasse 0 in het Laag opmaken paneel, en klik op het knopje net onder het klasseoverzicht.

11. Hernoem het label bij klasse 1 naar “Boom weggevallen”, en geef het een rode waarschuwingskleur.

12. Hernoem het label bij klasse 2 naar “Boom bijgekomen”, en geef het een groene kleur.

13. Hernoem het label bij klasse 3 naar “Gelijk gebleven”, en geef het een blauwe kleur.

Je hebt nu inzicht gekregen in waar de boomkroonbedekking stabiel is geweest, waar iets weggevallen is, en waar iets bijgekomen is. De autonome groei van bomen zie je nu goed terug. Bij sommige bomen niet, blijkbaar groeien die niet goed of worden ze regelmatig drastisch gesnoeid.

Op basis van deze informatie kunnen nu beslissingen worden genomen, waar bomen bij moeten worden geplant, bijvoorbeeld. Ook kunnen percentages worden berekend, een boomkroonbedekkingspercentage bijvoorbeeld. Of een terugvalpercentage. Vanuit dit inzicht kan een beleidsmedewerker nu verder met beleidsmonitoring en het opstellen van haalbare vergroeningsdoelen.

Laatste wijziging: vrijdag, 17 april 2026, 16:31