Digitale schouw B-watergangen

M.b.v. machine learning modellen in combinatie met lucht- of satellietfoto's en kaartmateriaal worden B-watergangen beoordeeld of deze schoon zijn gemaakt van begroeiing.

Laatst gewijzigd op 30 juli 2024 om 5:38 | Publicatiestandaard 1.0
Publicatiecategorie
Impactvolle algoritmes
Impacttoetsen
Veld niet ingevuld.
Status
In gebruik

Algemene informatie

Thema

Ruimte en infrastructuur

Begindatum

11-2020

Contactgegevens

info@wdodelta.nl

Link naar publiekspagina

https://www.imagem.nl/schouw-mapp/ https://www.wdodelta.nl/satelliet-controleert-of-sloten-goed-zijn-schoongemaakt

Verantwoord gebruik

Doel en impact

Doel:
Het doel van de digitale schouw is het efficiënter (in tijd en kosten) uitvoeren van de schouw op B-watergangen (schouwsloten).
 
Impact:
De consequenties van digitale schouw zijn voor een perceeleigenaar (bedrijf of burger) minimaal. 
  • Door de digitale schouw is er minder toezichtlast voor alle perceeleigenaren. 
  • Met behulp van de Schouw M.app (dashboard en veldapplicatie) kan het waterschap betere service verlenen aan perceeleigenaren, in geval van een 'vieze' sloot.
  • In plaats van dat waterschapmedewerkers alle schouwsloten fysiek controleren, waarbij ook andere zaken gezien kunnen worden en dit meer inbreuk op de privacy kan betekenen, worden nu alleen de 'vieze' sloten gecontroleerd. 
  • Dus via deze werkwijze wordt de aandacht gevestigd op de situaties die niet goed zijn. Hierdoor worden de perceeleigenaren beloond met een lagere toezichtlast als ze aan hun verplichting hebben voldaan. 

Afwegingen

Voordelen:
  • Minder toezichtlast
  • Minder inzet personeel
  • Uitvoer schouw binnen 1 team
  • Uniforme werkwijze
  • Meer service naar landeigenaren
Nadelen:
  • Digitale schouw heeft technische beperkingen
  • Niet alle sloten kunnen digitaal beoordeeld worden (b.v. sloot gelegen onder bomen) 
  • Satellietfoto; geen invloed op het opnamemoment (wanneer deze wordt genomen en het resultaat is weersafhankelijk)

Menselijke tussenkomst

  • Voorafgaand aan de digitale schouw wordt er trainingsdata (foto's van sloten die schoon zijn) aangeleverd door het waterschap. Dit ten behoeve van het trainen van het algoritme/machine learning.
  • Menselijke, visuele controle of basis van het resultaat van de digitale schouw, via een computer dashboard. (beeldschermschouw)
  • Na de digitale schouw en beeldschermschouw vindt er een fysieke controle van 'vieze' sloten plaats door waterschapmedewerkers.

Risicobeheer

Een risico is false positive resultaten; waarbij de sloot dus niet schoon is, maar wel als schoon wordt beoordeeld.
 
De sloot is mogelijk niet onderhouden, terwijl dat wel had gemoeten. En de verantwoordelijke landeigenaar wordt dan niet per brief geïnformeerd (gewaarschuwd). 
 
Als het resultaat van de digitale schouw van een schouwsloot twijfelachtig is, dan wordt deze als 'niet schoon' geclassificeerd. Deze sloten worden tijdens de beeldschermschouw nogmaals door een medewerker gecontroleerd. Hiermee wordt de kans verkleind, dat een niet schone sloot toch als schoon wordt aangemerkt. 

Wettelijke basis

De schouw van watergangen is vastgelegd in de Waterwet en de Keur (verordening) van het waterschap

Links naar wettelijke basis

Waterwet: https://zoek.officielebekendmakingen.nl/wsb-2017-6667.html

Werking

Gegevens

luchtfoto's en satellietbeelden, kadastrale data, kaart van watergangen

Links naar gegevensbronnen

  • Kaart watergangen: https://wdodelta.maps.arcgis.com/apps/PublicInformation/index.html?appid=f4d70462441647d1ab9073fd9f333d1c
  • Kadastrale data: https://app.pdok.nl/viewer/

Technische werking

Stap 1:
Het algoritme (machine learning) zoekt een relatie volgens een specifiek statistische methode tussen de banden in een multi-spectraal satellietbeeld (of luchtfoto) en locaties in watergangen die door een waterschapmedewerker als schoon of niet schoon worden beoordeeld.
Stap 2:
De relatie wordt opgeslagen in een zogenaamd machine intellect dat in de classificatie van watergangen voor het hele te schouwen gebied wordt ingezet, waarbij het resultaat als schone of niet schone locaties in de watergangen wordt gepresenteerd. Bij onvoldoende schone locaties in een watergang wordt de watergang als niet schoon geclassificeerd.

Leverancier

Imagem

Soortgelijke algoritmebeschrijvingen

  • Dit algoritme valt onder Digitale gracht.

    Laatst gewijzigd op 6 januari 2025 om 13:00 | Publicatiestandaard 1.0
    Publicatiecategorie
    Impactvolle algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    Buiten gebruik
  • Op basis van beeldherkenning van satellietbeelden en analyses worden veranderingen in natura2000 gebieden inzichtelijk gemaakt en gedetailleerd in kaart gebracht. Dit doen we voor ecologische doeleinden.

    Laatst gewijzigd op 22 november 2024 om 11:34 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik
  • Dit algoritme heeft een laag impact. Directie Ingenieursbureau gebruikt software om grondwaterdynamiek in beeld te brengen.

    Laatst gewijzigd op 26 november 2024 om 15:28 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik
  • Het verwerken van satellietbeelden om te signaleren of graslanden worden gemaaid tijdens het broedseizoen van beschermde vogelsoorten.

    Laatst gewijzigd op 4 juli 2024 om 13:31 | Publicatiestandaard 1.0
    Publicatiecategorie
    Impactvolle algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik
  • Door middel van AI worden luchtfoto's geanalyseerd op veranderingen in de buitenruimte aan panden. Op deze manier kunnen veranderingen makkelijker herkend worden en opgenomen worden in gemeentelijke administraties.

    Laatst gewijzigd op 7 januari 2025 om 13:56 | Publicatiestandaard 1.0
    Publicatiecategorie
    Overige algoritmes
    Impacttoetsen
    Veld niet ingevuld.
    Status
    In gebruik