GeoDynamiX: geavanceerde simulatie van landgebruik voor duurzame stadsplanning

Stedelijke groeiprocessen: begrip en modellering

Om de toekomstige groei van steden effectief te kunnen plannen en modelleren, moeten we eerst begrijpen hoe steden zich ontwikkelen ten gevolge van acties van individuen. Ons uitgangspunt is de erkenning dat steden in zekere zin zichzelf genereren—het zijn complexe, adaptieve, zelforganiserende systemen (White et al., 2015). Steden worden gecreëerd door mensen, individueel of via organisaties zoals bedrijven en overheden, maar veel van deze ontwikkeling gebeurt onbedoeld omdat mensen gewoon doorgaan met hun dagelijkse leven. Mensen richten zich meestal op het voldoen aan onmiddellijke behoeften, zoals hun kinderen naar school brengen, pendelen naar het werk, een huis bouwen, enz. Als je er even bij stilstaat, is het niet je bedoeling om een stad te bouwen, maar je maakt er wel deel van uit. Het gevolg: steden ontstaan uit een verzameling van individuele beslissingen. De ruimtelijke ordeningsinstrumenten zijn echter bedoeld om de ontwikkeling van de stad te sturen. Deze instrumenten kunnen pas succesvol zijn als ze gebaseerd zijn op een diepgaand begrip van de processen die stedelijke groei sturen. Goede modellen kunnen ons helpen om deze processen te begrijpen, verbeeldingen van steden van de toekomst concreet en tastbaar maken, de langetermijngevolgen van de huidige planningsbeslissingen te beoordelen en ons uiteindelijk in staat stellen om betere, duurzamere stedelijke omgevingen te creëren.

Verbeelding van alternatieve landschappen voor Vlaanderen (Kuhk et al., 2011)

GeoDynamiX: een cellulair automaatmodel voor landgebruik

GeoDynamiX is een model voor landgebruik op basis van cellulaire automaten dat ontwikkeld en voortdurend verbeterd wordt door VITO (White et al., 2012, 2015; Crols et al., 2015; Crols, 2017). Deze tool simuleert toekomstige landgebruikspatronen met een ruimtelijke resolutie van één hectare en een jaarlijkse temporele resolutie tot 2100. Het model wordt aangestuurd door ruimtelijke noden, zoals een verwachte bevolkingsgroei die wordt omgezet in een vraag naar woonruimte. GeoDynamiX kan verschillende activiteiten modelleren, zoals bevolking, werkgelegenheid, natuur, etc. afhankelijk van het type beschikbare inputdata en het gekozen scenario. Het model wijst deze noden toe aan de meest geschikte locaties door vier elementen te combineren: ruimtelijke planning, fysieke geschiktheid, bereikbaarheid en het buurteffect (een gewogen gemiddelde van aantrekking en afstoting tussen landgebruik, bevolking en werkgelegenheid op verschillende schaalniveaus).

Deze tool is ontworpen om scenario's voor landgebruik te maken en te analyseren, waarbij de autonome ontwikkeling van de toekomstige dynamiek van landgebruik wordt gesimuleerd. Ons landgebruiksmodel kan verschillende soorten inputdata verwerken om te voldoen aan de behoeften van verschillende gebruikers. Het model kan werken met vrij beschikbare remote sensing-gebaseerde landbedekkingsdatasets, zoals de ESA WorldCover-kaart. Deze datasets bieden een solide basis, maar bevatten een beperkt aantal landgebruiksklassen. Voor gebruikers die toegang hebben tot meer gedetailleerde lokale landgebruikskaarten, kan het model een breder scala aan landgebruiksklassen integreren, waardoor er extra functionaliteiten mogelijk worden. Hoewel het gebruik van meer gedetailleerde inputdata de nauwkeurigheid van het model verbetert, blijft onze oplossing toegankelijk voor gebruikers die open-source datasets gebruiken. Dit biedt flexibiliteit voor een breed scala aan toepassingen.

GeoDynamiX evalueert de impact van verschillende beleidsbeslissingen en identificeert optimale locaties voor specifieke ruimtelijke elementen, waaronder woonwijken, industrieën, windturbines en bossen. Krijg waardevolle inzichten in hoe jouw regio zich zou kunnen ontwikkelen in 2050 onder verschillende beleidsscenario's met behulp van ons geavanceerde landgebruiksmodel!

Ruimtelijke interacties tussen landgebruik of activiteiten

Wat maakt deze modellen zo uniek? Cellulaire automaat (CA) landgebruiksmodellen zijn zo ontworpen dat ze de competitie voor ruimte tussen verschillende actoren (of landgebruiken) kunnen capteren aan de hand van (afstandsafhankelijke) ruimtelijke interactieregels. Deze regels, ook wel het “buurteffect” genoemd, staan centraal in het vermogen van het model om te voorspellen hoe landgebruik in de buurt elkaar beïnvloedt. De toekomstige status van een cel wordt bepaald door gewichten die de invloed van de omliggende vormen van landgebruik in de omgeving weergeven. Deze gewichten weerspiegelen zowel de afstand tot naburige cellen als hun huidige status van landgebruik of activiteit.

Industriegebieden bijvoorbeeld vertonen een dubbele invloed op residentiële ontwikkeling. Met andere woorden: ze ontmoedigen (push-effect) residentiële groei op zeer korte afstand door ongewenste nabijheid, terwijl ze iets verder weg ontwikkeling aanmoedigen (pull-effect) door toegang te bieden tot werkgelegenheid. In het algemeen zijn de meeste ruimtelijke interacties sterk positief op korte afstanden—zoals de behoefte aan winkelvoorzieningen in de buurt van woonwijken—en verzwakken ze geleidelijk naarmate de afstand toeneemt.

Grafische illustratie van de werking en kwantificering van het “buurteffect"

Naast buurtinteracties zijn toekomstige veranderingen in landgebruik ook afhankelijk van factoren zoals ruimtelijke planning, geschiktheid en bereikbaarheid. Al deze factoren worden gekwantificeerd in ruimtelijke datalagen die het model voeden en die het mogelijk maken om een transitiepotentieel te berekenen voor elke cel, voor elke activiteit, elke tijdstap van het model. Het model berekent dit transitiepotentieel in tijdstappen van één jaar en met een resolutie van typisch één hectare.

Schematisch overzicht van de verschillende berekeningsstappen van het model in een tijdlus

Voor elke cel wordt het potentieel voor alle vormen van landgebruik berekend en gerangschikt. Vervolgens worden alle cellen gerangschikt op basis van het hoogste potentieel voor een specifiek landgebruik. Het CA-model wijst het landgebruik met het hoogste potentieel toe aan de hoogst gerangschikte cellen en gaat door met deze toewijzing totdat aan de vraag naar dat landgebruik is voldaan.

Jaarlijkse kaarten voor objectieve inzichten en simulatie van toekomstige landschap

GeoDynamiX produceert jaarlijkse kaartlagen van landgebruik (industrie, landbouw, woningen) en activiteiten (bevolking, werkgelegenheid in verschillende economische sectoren) met een resolutie van één hectare.

Landgebruik in Brussel en omgeving, vandaag (links) versus gesimuleerde toekomst (rechts), in 34 categorieën

Daarnaast kun je ruimtelijke indicatoren definiëren en berekenen die zijn afgeleid van landgebruik en andere externe kaartlagen (bijvoorbeeld kaarten van het transportnetwerk) om indicatorkaarten te maken, zoals de mate van verstedelijking of de fragmentatie van natuur- en landbouwgebieden.

Links: mate van verstedelijking (0-1) in 2010 (bovenaan) tegenover simulatie van 2050 (onderaan)
Rechts: versnippering van natuur- en landbouwgebieden (0-1) in 2010 (bovenaan) tegenover simulatie van 2050 (onderaan)

De wereld in kaart brengen met remote sensing en landgebruiksgegevens

In informatierijke regio's zoals Vlaanderen kan GeoDynamiX gebruik maken van uitgebreide geografische datasets met hoge resolutie. VITO heeft toegang tot meerdere gegevenslagen met een hoge resolutie, waaronder remote sensing-producten zoals de Groenkaart (groenzonegegevens met een resolutie van één meter), een grote in-situ geografische dataset van alle commerciële en openbare diensten, en een dataset over het openbaar vervoer met dienstregelingen en verbindingen tussen vervoersknooppunten. Hierdoor kunnen we een brede waaier aan activiteiten simuleren die toegewezen kunnen worden aan een uitgebreide reeks landgebruikscategorieën op de inputkaarten, waaronder verschillende industriële en commerciële types (zie afbeelding van landgebruik in Brussel met 34 categorieën). Dit stelt ons ook in staat om een breed scala aan waardevolle indicatoren te genereren, zoals de nabijheid van diensten en de toegankelijkheid van het openbaar vervoer.

Totale toegankelijkheid van diensten afgeleid uit een rijke verzameling van Vlaamse in-situ landgebruiksgegevens over diensten (Verachtert et al., 2023)

Zelfs in regio's met beperkte data kan het GeoDynamiX-model betrouwbare inzichten genereren dankzij de steeds groeiende beschikbaarheid van remote sensing-data zoals de open en gratis Copernicus Sentinel-satellietgegevens. Vooral in lage-inkomenslanden vormt verstedelijking een serieuze uitdaging om aan de behoeften van de groeiende stedelijke bevolking te voldoen. Door stedelijke groei te simuleren en de toekomstige omvang van steden te projecteren, zoals in het voorbeeld van Niamey in de afbeelding hieronder, helpt GeoDynamiX met het inschatten van de mogelijke gevolgen voor landgebruik, huisvesting, bereikbaarheid en meer.

Historische ontwikkeling van de stad Niamey in Niger en projectie voor 2050 op basis van het SSP2-scenario met behulp van het
GeoDynamiX-model (gesimuleerd in het u-CLIP-project)

GeoDynamiX kan ondersteuning bieden bij het ontwerpen van beleid voor duurzame ontwikkeling. Dit model kan de potentiële impact op toekomstige landgebruikscenario's onderzoeken, zoals het aanmoedigen van verdichting of het implementeren van een zero land-take beleid. Of je nu toegang hebt tot gedetailleerde lokale datasets of vertrouwt op open-source landbedekkingsgegevens, GeoDynamiX biedt je waardevolle inzichten om weloverwogen beslissingen te nemen. Neem contact met ons op om te ontdekken hoe ons model jouw planningsuitdagingen kan ondersteunen en kan bijdragen aan een duurzamere toekomst!

• White, R., Engelen, G., & Uljee, I. (2015). Modeling cities and regions as complex systems: From theory to planning applications. MIT Press.
• Kuhk, A., Engelen, G., E., Vandenbroeck, P., Lievois, E., Schreurs, J., & Moulaert, F. (2011). De toekomst van de Vlaamse Ruimte in een veranderende wereld. Aanzet tot scenario-analyse voor het ruimtelijk beleid in Vlaanderen vertrekkend van de studie Welvaart en Leefomgeving Nederland (2006). Kwalitatieve analyse. Studie in opdracht van Afdeling Ruimtelijke Planning Departement Ruimtelijke Ordening, Woonbeleid en Onroerend Erfgoed
  
• Crols, T., White, R., Uljee, I., Engelen, G., Poelmans, L., & Canters, F. (2015). A travel time-based variable grid approach for an activity-based cellular automata model. International journal of geographical information science, 29(10), 1757-1781.
• Crols, T. (2017). Integrating network distances into an activity based cellular automata land-use model–Semi-automated calibration and application to Flanders, Belgium. Doctoral dissertation
• White, R., Uljee, I., & Engelen, G. (2012). Integrated modelling of population, employment and land-use change with a multiple activity-based variable grid cellular automaton. International Journal of Geographical Information Science, 26(7), 1251-1280.
  
• Verachtert, E., Mayeres, I., Vermeiren, K., Van der Meulen, M., Vanhulsel, M., Vanderstraeten, G., ... & Poelmans, L. (2023). Mapping regional accessibility of public transport and services in support of spatial planning: A case study in Flanders. Land Use Policy, 133, 106873.