Nederland is door de jaren heen topografisch goed in. Historische Geodata: een nieuwe dimensie!

Transcriptie

1 Geo-Informatie Nederland H ET GRONDGEBRUIKVANAF 1850 ONTSLOTEN ALS GEODATA 244 Satellietbeelden en luchtfoto s zijn belangrijke bronnen voor geodata. Op basis van deze beelden worden bijvoorbeeld Top10Vector, CBS Bodemstatistiek en het Landelijk Grondgebruiksbestand Nederland (LGN) vervaardigd. Deze geodata worden toegepast in modellen, meetreeksen en historische analyses van het ruimtegebruik. Dergelijke gegevens krijgen nog meer betekenis wanneer ze worden vergeleken met geodata van andere (oudere) tijdstippen. Het project Historisch Grondgebruik Nederland (HGN) maakt gebruik van topografische kaarten om over de afgelopen 150 jaar het grondgebruik landsdekkend in een GIS-omgeving in beeld te krijgen. In onderstaande bijdrage wordt de ontwikkelde techniek beschreven. Vervolgens wordt een toepassing toegelicht: de ruimtelijke dynamiek van het grondgebruik in Oost-Nederland sinds Historische Geodata: een nieuwe dimensie! Nederland is door de jaren heen topografisch goed in kaart gebracht. De eerste landsdekkende topografische kaart stamt uit 1850, de Topografisch Militaire Kaart op schaal 1: Tussen 1870 en 1935 is de topografie vastgelegd in de Chromotopografische Kaart des Rijks op schaal 1:25.000, de zogenaamde Bonnekaarten. Deze kaartserie is opgevolgd door de moderne topografische kaart op schaal 1: Deze is in de stereografische projectie weergegeven en vanaf 1950 beschikbaar. Van delen van Nederland zijn ook nog oudere topografische kaarten verschenen. Al deze topografische kaarten hebben de gemeenschappelijke eigenschap dat ze alleen als papieren kaarten beschikbaar zijn. Hierdoor zijn ze ongeschikt voor analyse in een GIS-omgeving. De eerste digitale topografische bestanden stammen uit 1991 en pas rond 1995 was de topo- Henk Kramer, Centrum Geo-Informatie en Wim Knol, Centrum Water en Klimaat, Alterra. Henk.Kramer@wur.nl, Wim.Knol@wur.nl grafie van Nederland voor het eerst landsdekkend digitaal beschikbaar. Van topografie naar grondgebruik De digitale ontsluiting van (papieren) topografische kaarten is een wens die al lang leeft bij historisch-geografen, ecologen, planologen en anderen die zich met de ruimtelijke ontwikkeling van Nederland bezighouden. Het in detail vectoriseren van kaarten vergt echter een enorme tijdsinvestering, waarbij de vraag rijst of dit detail in brede kring ook relevant is. In het project Historisch Grondgebruik Nederland (HGN) is daarom gekozen voor het digitaal ontsluiten van het grondgebruik op basis van topografische kaarten. Verandering van het grondgebruik wordt veelvuldig gebruikt om referenties en ontwikkelingen vast te stellen en toekomstige veranderingen in het ruimtegebruik te voorspellen zoals in de Leefomgevingsverkenner [1] [2]. De door ons gebruikte methode is toepasbaar op uiteenlopende kaartbronnen qua tijdvak, schaal en projectie. De hiermee ontwikkelde tijdreeksen grondgebruik lenen zich uitstekend voor ruimtelijke analyses en statistieken. Het voordeel van de toegepaste methodiek is dat er goed vergelijkbare tijdreeksen grondgebruik ontstaan. Van kaart naar geodata Gekleurde topografische kaarten blijken een geschikte bron voor het opbouwen van een grondgebruiksbestand (fig.1). Grondgebruiksklassen als grasland, kale grond (akkerland), bos,

2 classificatiemethode niet beter door het scannen met een hogere resolutie. Bij het scannen met een lagere resolutie verdwijnen echter teveel details. heide, water, zandgronden, bebouwing en wegen worden met een specifieke kleur op de kaart weergegeven en kunnen op basis van deze kleur aan een grondgebruiksklasse worden toegekend. De diverse kartografische elementen als symbolen, teksten en arceringen die in de kaart voorkomen kunnen niet op basis van hun kleur aan een grondgebruiksklasse toegekend worden. Voor deze kartografische elementen is het grondgebruik meestal wel aan de hand van de directe omgeving te bepalen. Figuur 2 geeft schematische de ontwikkelde werkwijze weer. Aggregatie biedt een oplossing voor het verwerken van de kartografische elementen. Fig. 1. Wageningen op topografische kaarten uit 1870, 1932, 1966 en stap 2 : georeferentie De scans zijn vervolgens gegeorefereerd naar het RijksDriehoekstelsel (RD-stelsel). De RD-coördinaten van de hoekpunten van de Bonnekaarten zijn ontleend aan gegevens van de Topografische Dienst Nederland. Bij de invoering van Rijksdriehoeksmeting aan het begin van de 20ste eeuw zijn deze hoekpunten in de stereografische projectie berekend [3]. De geometrische correctie is uitgevoerd met het programma Erdas/Imaging 8.4 volgens de rubbersheeting methode. Hierbij worden de vier hoekpunten van het kaartblad aangewezen en worden de bijbehorende RD-coördinaten opgegeven. Het programma rekent vervolgens de scan om naar een bestand voorzien van georeferentie in het RD-stelsel. Het resultaat hiervan zijn scans met een pixelgrootte van vijf meter voor de 1: kaarten die met 150 dpi gescand zijn. Voor de rubbersheeting methode is gekozen omdat hiermee ook de invloed van de werking van het papier enigszins gecorrigeerd wordt. Het kaartblad wordt hiermee exact naar de rechthoek gecorrigeerd die door de vier opgegeven hoekpunten beschreven wordt. Aangrenzende kaartbladen sluiten op deze manier op de hoekpunten altijd goed aan. Wel kan het voorkomen dat topografische elementen tussen kaartbladen niet goed aansluiten. De oorzaak hiervan kan liggen in verschillen in werking van de papieren kaartbladen maar ook in versieverschillen tussen de kaarten of onnauwkeurigheden in de kartering. Niet alle kaartbladen zijn immers in hetzelfde jaar verkend. Andere methoden voor georeferentie zoals het opzoeken van tientallen referentiepunten op het kaartblad zijn bijzonder tijdrovend en leveren lang niet altijd een beter resultaat op. Veel potentiële referentiepunten op oude kaarten, zoals kruisingen van wegen, zijn nu verdwenen of verplaatst. 245 stap 1 : scannen De eerste kaart waarvan het grondgebruik is omgezet naar geodata is de Bonnekaart van rond 1900 geweest. Bij de uitvoering van het project in 2000 is besloten om deze kaarten met 150 dpi en 24 bit RGB-kleurdiepte te scannen. Dit was vooral ingegeven door de kosten en capaciteit van opslagmedia. Tijdens het testen van de classificatiemethode is gebleken dat scans die met 150 dpi gemaakt zijn, voldoende detail bevatten en zeer geschikt zijn voor het classificatieproces. Een pixel van de gescande kaart komt bij het scannen met 150 dpi overeen met ongeveer vijf meter in werkelijkheid. De kwaliteit van de classificatie wordt bij de gebruikte Fig. 2. Globale werkwijze bij de ontwikkeling van het HGN.

3 Geo-Informatie Nederland Bij het georefereren van de Bonnekaarten is geen rekening gehouden met het verschil tussen de Bonneprojectie en de stereografische projectie van het RD-stelsel. Ook dit draagt bij aan het ontstaan van geometrische afwijkingen in de digitale kaart. In de praktijk blijken de geometrische afwijkingen vooral veroorzaakt te worden door vervormingen van het papier en onnauwkeurigheden van de basiskartering. De afwijkingen na geometrische correctie liggen voor de Bonnekaarten rond de twintig meter ten opzichte van de RD-coördinaten vergeleken met het Top10Vector-bestand. Oudere edities vertonen grotere afwijkingen die zelfs verschillen binnen één kaartblad. stap 3 : basisclassificatie Op basis van de onderscheidende kaartkleuren in de legenda van de kaart is een legenda van grondgebruiksklassen opgesteld. De onderstaande grondgebruiksklassen kunnen op de Bonnekaart worden onderscheiden. Fig. 3a. De zwart/wit stippellijn geeft het gebied weer waarvan de reflectiewaarden uit de scan gebruikt wordt voor het opstellen van het profiel voor de klasse gras1. Fig. 3b. RGB Profielen voor drie klassen grondgebruik. 246 Tabel 1. Onderscheiden klassen met grondgebruik in HGN 1 Gras 6 bebouwd/wegen 2 akker/kale grond 7 water 3 heide/hoogveen 8 rietmoeras 4 Loofbos 9 stuifzand/zandplaat 5 Naaldbos 10 overig Het classificatieproces bestaat uit het omzetten van de RGBkleuren in de scan naar de tien gewenste grondgebruikklassen. De ouderdom van de kaarten heeft echter wel verkleuring veroorzaakt waardoor binnen een kaart soms grote kleurverschillen optreden. Voor het omzetten van de scans naar een grondgebruiksbestand is de supervised classification methode uit het programma Erdas/Imagine 8.4 gebruikt. Hierbij wordt op de scan per klasse een relevante pixel aangewezen. Op basis van de RGB-kleurwaarde van de aangewezen pixel zoekt het programma naar buurpixels met overeenkomstige kleurwaarden (fig. 3a). Op deze manier wordt het profiel voor de geselecteerde klasse opgesteld (fig. 3b). Het profiel bevat een statistische beschrijving van de RGBkleurwaarden voor deze specifieke klasse. Vervolgens worden alle pixels op de kaart of in een geselecteerd gebied vergeleken met het profiel volgens de box classifier methode. Valt een RGB-waarde van een pixel binnen het profiel van de klasse, dan wordt deze aan de klasse toegekend (fig. 3c). Door voor alle gewenste klassen een profiel op te stellen wordt het kaartblad geclassificeerd (fig. 3d). Soms zijn de kleuren op de kaart zo variabel dat er voor een klasse meerdere profielen moeten worden opgesteld om tot een acceptabel resultaat te komen (fig. 3e). Wel blijft er altijd een restklasse niet-geclassificeerd over. Dat zijn de pixels die aan geen enkel profiel voldoen. Voorbeelden daarvan zijn kartografische elementen als tekst, arceringen en het coördinatengrid. Deze restklasse verdwijnt tijdens de volgende stap: de aggregatie. Dit proces moet voor ieder kaartblad opnieuw worden uitgevoerd, de kleurverschillen tussen de verschillende kaartbladen zijn te groot om de opgestelde profielen te kunnen hergebruiken. stap 4: handmatige correcties Het is niet mogelijk om alle grondgebruiksklassen automatisch te classificeren. De klasse Rietmoeras wordt op de Fig. 3c. Resultaat van de classificatie op basis van het profiel van de klasse gras1. In de ondergrond is de scan nog zichtbaar. Fig. 3d. Resultaat van de classificatie met de profielen van alle klassen. In de ondergrond zijn nog delen van de scan zichtbaar. Fig. 3e. Overzicht van alle aangemaakte klassen. Voor sommige klassen zijn meerdere profielen opgesteld (gras, heide,water).

4 Fig. 4a. Scan met 50-meter gridcellen. Fig. 4b. Basisclassificatie met 50-meter gridcellen Fig. 4c. Aggregatie van de basisclassificatie met nummers van de voorbeelden. Fig. 4d. HGN grondgebruiksklassen. Bonnekaart weergegeven door een arcering op een groene ondergrond. De kleur is hetzelfde als voor gras, de arcering bepaalt dat het rietmoeras is. Deze klasse kan alleen door handmatig digitaliseren geclassificeerd worden. De klasse Water is bij plassen en meren niet vlakdekkend blauw maar met een blauwe lijnarcering op witte ondergrond weergegeven. De witte ondergrond wordt bij de automatische classificatie toegekend aan de klasse Akker en kale grond. De klasse Overig is een verzamelklasse van gebieden die op de Bonnekaart grijs weergegeven worden. Dit zijn bijvoorbeeld tuinbouwgebieden, boomgaarden en tuinen bij bebouwing. Als gevolg van het scannen komt de kleur grijs echter ook veelvuldig voor als mengkleur, bijvoorbeeld op de overgang tussen witte akkers en de zwarte perceelsgrens. Bij een volledig automatische classificatie worden deze pixels fout geclassificeerd. Op een aantal kaartbladen zijn de kleurverschillen tussen lichtgroen (gras) en wit (akker en kale grond) niet voldoende onderscheidend om een volledig automatische classificatie uit te kunnen voeren. De RGB-kleurprofielen van deze twee klassen overlappen elkaar, terwijl met het oog, inclusief de contextuele informatie, het verschil wel herkenbaar is. Al deze gebieden zijn handmatig gecorrigeerd. stap 5: aggregatie Bij het HGN-project is er voor gekozen om met gridcellen van vijftig meter te werken. Per vijftigmetergridcel bevat het HGN bestand een waarde voor het grondgebruik. Voor vijftig meter is gekozen om goed aan te sluiten bij bestaande geodata als LGN [10]. Hiertoe worden de vijfmetergridcellen uit de basisclassificatie geaggregeerd naar vijftigmetergridcellen. Per vijftigmetergridcel wordt de majority klasse van de onderliggende vijfmetergridcellen bepaald en toegekend aan de vijftigmetergridcel. Bij het bepalen van de majority wordt de klasse 0 (niet geclassificeerd) niet meegenomen. Op deze wijze verdwijnen de onderdelen uit de topografische kaart die niet aan een grondgebruiksklasse kunnen worden toegekend. Dit zijn bijvoorbeeld de kartografische elementen als tekst en arceringen, maar ook niet eenduidig te classificeren kleuren in de scan. Figuur 4 laat zien hoe de aggregatiemethode wordt toegepast. Voor een groot aantal vijftigmetergridcellen is de toewijzing van de majority regel eenduidig. Bij locatie 1 komt in de basisclassificatie alleen grasland voor en is de eindklasse ook grasland. Locatie 2 betreft een vijftigmetergridcel met grasland en tekst die op grasland is geplaatst. De tekst is in de basisclassificatie niet geclassificeerd en wordt bij het bepalen van de majority niet meegerekend. Ook hier is de eindklasse grasland. De grijze arcering in de heide op locatie 3 kan niet via de aggregatie naar heide worden omgezet, deze arcering is te groot. Hier is een handmatige correctie noodzakelijk. Binnen de vijftigmetergridcel op locatie 4 komt bijna evenveel heide als loofbos voor. De kleur voor heide is eenduidig, de strook loofbos bevat een aantal verschillende tinten groen en wordt begrensd door zwarte lijnen. In de basisclassificatie (fig. 4c) is te zien dat de heide volledig geclassificeerd is en het bos deels geclassificeerd. De majority binnen deze vijftigmetergridcel wordt nu heide. Een effect van de aggregatie naar vijftigmetergridcellen is dan ook dat kleinschalige elementen als houtwallen, bomenlanen en smalle waterlopen grotendeels niet in het HGN-bestand voorkomen. stap 6 : validatie Voor de validatie van het HGN-1900-bestand zijn de classificatieresultaten vergeleken met de oorspronkelijke kaart. Het is een validatie van de kwaliteit van het classificatieproces waarbij de kaart als werkelijkheid wordt beschouwd. Er zijn geen onafhankelijke referenties over het grondgebruik rond 1900 beschikbaar die voor een validatie gebruikt kunnen worden. 247

5 Geo-Informatie Nederland 248 Per provincie zijn, afhankelijk van de oppervlakte, tussen de vierhonderd en achthonderd steekproefpunten getrokken uit het HGN-bestand. Ieder steekproefpunt is vervolgens vergeleken met de kaart. Een steekproefpunt is echter geen punt, maar beslaat een vlak van vijftig bij vijftig meter. Voor het bepalen van de refentieklasse moet dan ook naar het corresponderende vlak van vijftig bij vijftig meter op de Bonnekaart gekeken worden. Voor ieder steekproefpunt is dit vlak doorzichtig op de Bonnekaart geprojecteerd, terwijl de omgeving halfdoorzichtig gemaakt is. Op deze wijze is het kaartbeeld voor het referentievlak duidelijk zichtbaar en kan geschat worden wat de meest voorkomende referentieklasse is voor dit vlak (fig. 5). Voor heel Nederland ontstaat op deze wijze een steekproef van ruim 6300 validatiepunten. Na de eerste validatie is een aantal correcties op het HGN-bestand uitgevoerd, waarna de validatie voor de betreffende provincie opnieuw uitgevoerd is. Uit de validatie blijkt dat de nauwkeurigheid van het HGNbestand 96% bedraagt. De resultaten van de validatie per provincie worden besproken in het Alterra-rapport Historisch Grondgebruik Nederland [4]. Fig. 5. Het gebied van 50 bij 50 meter dat representief is voor het getrokken validatiepunt. Fig. 7. Grondgebruik in de Geldersche Vallei in 1900 (boven) en 2000 (onder). Historisch Grondgebruik Nederland 1900 Het eerste landsdekkende resultaat is het grondgebruik rond 1900 (fig. 6). Een grondgebruiksbestand voor 2000 is afgeleid uit het LGN-4-bestand. Figuur 7 geeft een indruk van de veranderingen in grondgebruik in de Geldersche Vallei. Naast de sterke toename van het bebouwde gebied en de duidelijke afname van stuifzanden en heide is ook duidelijk te zien dat het landschap grootschaliger is geworden. De kleinschalige per- ceel- Fig. 6. HGN 1900 structuur van akker- en graslanden en kleine bosjes en heidevelden zijn uit het landschap verdwenen. Tijdreeksen met grondgebruik van 1850 tot 1990 zijn op dit moment voor de provincie Noord-Holland [5] en een gebied in Oost-Nederland inclusief het aangrenzende deel van Duitsland ontwikkeld [6]. Ruimtelijke dynamiek Oost- Nederland De veranderingen van het grondgebruik worden in statistieken meestal weergegeven als areaalverandering [8]. Soms zijn ze nog uitgesplitst per administratieve regio zoals provincies of gemeenten. De ruimtelijke verandering van het grondgebruik blijft echter onbekend. Langjarige tijdreeksen gebaseerd op geodata laten een totaal ander beeld van de ruimtelijke ontwikkeling van Nederland zien. In onderstaande voorbeelden wordt deze tijdruimte-dimensie toegelicht.

6 Het CBS geeft sinds 1900 informatie over het areaal bos en landbouwgrond in Nederland, gebaseerd op de landbouwtellingen uit die tijd. Voor de klasse bos is een vergelijking gemaakt tussen de HGN-geodata van 1900 en de CBS-gegevens. Voor 2000 zijn de CBSgegevens [7] vergeleken met HGN 2000 (een herclassificatie van LGN-4). In tabel 3 zijn de resultaten hiervan weergegeven. Daaruit blijkt dat er in 1900 een groot verschil bestaat tussen de arealen volgens de HGN-methode en die van het CBS. Volgens het CBS is het bos in Nederland fors toegenomen, terwijl dit volgens de HGN-methode vrijwel gelijk is gebleven. Voor 2000 is er een grote overeenkomst en bedraagt het verschil slechts 4500 hectare (1,5%). De grote verschillen in 1900 worden vooral veroorzaakt door de krappe definitie van bos in 1900 (CBS) en ook enigszins doordat de gebruikte topografische kaarten een periode beslaan en geen peiljaar. De eerste bosstatistiek ( ), die recent ook met de HGN-methode is ontsloten [9], geeft ook een veel hoger aandeel bos (3300 km2) dan het CBS. De inspanning van Nederland om in honderd jaar tot structureel meer bos te komen lijkt dus, anders dan wordt aangenomen, op niets uitgelopen. Tabel 3. Verandering in het areaal bos (km 2 ) tussen 1900 en 2000 (CBS en HGN) en het aandeel bos dat sinds 1900 nog op dezelfde plek ligt (HGN onveranderd) Bron CBS HGN CBS HGN HGN onveranderd Bos % Tabel 4. Onveranderd grondgebruik (km 2 )in de regio Oost-Nederland vanaf Klasse grondgebruik areaal areaal Aandeel grondgebruik onveranderd onveranderd 1850 grondgebruik grondgebruik (%) grasland % akker en kale grond % heide en hoogveen % naald- en loofbos % bebouwing en wegen % water % rietmoeras 9 0 < 1 % stuifduinen en zandplaten % totaal % Fig. 8. Grondgebruik in Oost-Nederland en Duitsland in 1850 en Door een overlay-procedure is ook bepaald welk percentage bos in 2000 nog op dezelfde plek ligt als in 1900 (tabel 3, kolom HGN onveranderd ). Dat blijkt hooguit eenderde deel te zijn. Er is in de afgelopen eeuw dus enorm geschoven met het Nederlandse bos. Dit is een van de redenen dat de ecologische kwaliteit van veel bossen zeer te wensen overlaat. Onveranderde (oude) bossen hebben namelijk een veel grotere biodiversiteit en een beter ontwikkelde bosbodem dan bossen die steeds zijn verplaatst. In het volgende voorbeeld zullen voor een deel van Nederland niet twee maar vijf tijdstappen met elkaar worden vergeleken. Hierdoor ontstaat een nog beter beeld van de ruimtelijke dynamiek. Voor een gebied in Oost Nederland en een aangrenzend gebied in Duitsland (fig. 8) is voor de jaren 1850, 1900, 1930, 1960 en 1990 het grondgebruik geclassificeerd [6]. Deze bestanden hebben een gridgrootte van vijftig meter en sluiten ook qua legenda grotendeels aan bij de landelijke systematiek [4]. Voor deze tijdstappen is berekend hoe vaak op een locatie het grondgebruik is veranderd (fig. 9). In tabel 4 is aangegeven welk areaal grondgebruik sinds 1850 onveranderd is gebleven. Dat blijkt dus nog maar een fractie te zijn. Opmerkelijk is dat nog geen 3% van het oorspronkelijke areaal stuifzand bewaard is gebleven en rietmoeras helemaal verdwenen is. De feitelijke veranderingen zijn nog groter omdat het hier slechts vijf tijdstappen betreft. Vooral in landbouwgebieden is de dynamiek groter dan hier weergegeven. Ook blijkt dat de dynamiek in Duitsland veel kleiner is dan die in Nederland. Tot slot Uit de hier gepresenteerde methode en de toepassingen blijkt dat het mogelijk is de huidige geodatasets met grondgebruik zeer fors in de tijd te verlengen. Deze bestanden zijn onderling goed vergelijkbaar en hebben een hoge nauwkeurigheid. Ze leveren nieuwe inzichten op in de ruimtelijke dynamiek van het grondgebruik. Deze kennis is weer toepasbaar in uiteenlopende vakgebieden waarbij 249

7 Geo-Informatie Nederland Fig. 9. De dynamiek van het grondgebruik. This knowledge is applicable in various subject areas that make use of land use scenarios or prediction models. KEYWORDS Geo-information provision, mapping, analysis 250 wordt gewerkt met landgebruikscenario s of voorspellingsmodellen. Daarnaast kunnen de HGN-geodatasets worden gebruikt om recente of oudere bestanden te verbeteren. Er is met deze techniek ook ervaring opgedaan met Duitse topografische kaarten vanaf Momenteel wordt gewerkt aan een landsdekkend bestand van De methode leent zich ook voor het digitaal ontsluiten van andersoortige thematische (gekleurde) kaarten. Samenvatting Op basis van topografische kaarten rond 1900 is een GIS-bestand met historisch grondgebruik voor Nederland ontwikkeld, het HGN Veranderingen in het Nederlandse grondgebruik over de laatste honderd jaar kunnen hiermee ruimtelijk in beeld worden gebracht. De methode is ook gebruikt om een tijdreeks met grondgebruik van 1850, 1900, 1930, 1960 en 1990 voor een gebied in Oost- Nederland en Duitsland te ontwikkelen. Naast de feitelijke verandering van het grondgebruik geven deze tijdreeksen ook een goed beeld van de ruimtelijke dynamiek van het grondgebruik. Deze kennis is weer toepasbaar in uiteenlopende vakgebieden waarbij wordt gewerkt met landgebruikscenario s of voorspellingsmodellen. TREFWOORDEN geo-informatievoorziening, kaartvervaardiging, analyse Summary Based on topographic maps from around 1900, a GIS database of historical land use in the Netherlands has been developed, the so-called HGN Land use changes over the last 100 years can thus be geographically represented. The method has also been applied to develop a time series of land use covering an area in the eastern part of the Netherlands and Germany in 1850, 1900, 1930, 1960, and Besides an actual change in land use, these time series provides a good perpective on the geographic dynamics of land use. Résumé À partir des cartes topographiques des années 1900 un fichier SIG, appelé HGN-1900, avec l occupation du sol historique a été développé pour les Pays-Bas. Des changements de l occupation des sols durant les cent dernières années peuvent être ainsi spatialement représentés. La méthode a aussi été employé pour développer une série temporelle pour les années 1850, 1900, 1930, 1960 et 1990 pour la partie orientale des Pays-Bas et pour l Allemagne. En plus des changements dans l occupation des sols, ces séries temporelles offrent une bonne idée de la dynamique spatiale de l occupation du sol. Ce savoir est à son tour utile dans d autres disciplines, où on emploie des scénarios de l utilisation du sol et des modèles de prédiction. MOTS CLÉS information géographique, cartographie, analyse Literatuur [1] Kramer, H. & W.C. Knol, Historisch Grondgebruik 1970 in 500 meter grids. Wageningen, Alterra, Alterra-rapport 717. [2] Nijs T. de, R. de Niet & G. de Hollander, De LeefOmgevings- Verkenner: Kaartbeelden van Een verkenning van de inzet bij beleidsondersteuning. Bilthoven, Rijksintituut voor Volksgezondheid en Milieu, RIVM Rapport [3] Schermerhorn, W De nieuwe topografische kaart van Nederland op de schaal 1: Nederlandsch Aardrijkskundig Genootschap. Tijdschrift, 2d ser., 52: [4] Knol, W.C., H. Kramer & H. Gijsbertse, Historisch Grondgebruik Nederland; een landelijke reconstructie van het grondgebruik rond Wageningen, Alterra, Alterra-rapport 573.

8 [5] Knol, W.C., H. Kramer, G.J. Dorland & H. Gijsbertse, Historisch Grondgebruik Nederland: tijdreeksen grondgebruik Noord-Holland van Wageningen, Alterra. Alterrarapport 751. [6] Knol, W.C., H. Kramer & G.J. Dorland, Ontwikkelingen in het grondgebruik in Oost- Nederland en de West-Duitse grensregio: tijdreeksen grondgebruik van 1850 tot Wageningen, Alterra. Alterrarapport 822. [7] CBS, Statline. Bodemgebruik in Nederland. Centraal Bureau voor de Statiek, Voorburg/Heerlen. [8] CBS, Statistiek van het bodemgebruik, Kwartaalbericht Milieustatistieken. CBS, Voorburg. [9] Clement, J. & L. Kooistra, Eerste bosstatistiek digitaal; opbouw van een historisch basisbestand. Wageningen, Alterra. Alterra rapport 744. [10] Thunnissen H.A.M., De Wit A.J.W., The national land cover database of the Netherlands. In K.J. Beek & M. Molenaar (eds.), Geoinformation for all; XIX congress of the International Society for Photogrammetry and Remote Sensing (ISPRS). [Lemmer], GITC, Int. Arch. Photogramm. Remote Sens. Vol. 33, Part B7/3, pp (cd-rom). 251