Bebouwd of Onbebouwd: Hoe bepaal je dat met GIS-tools en openbare data?
Wij werken als adviesbureau voor bouwconstructies aan het bepalen van windbelastingen op bouwwerken. Een belangrijke stap daarbij is vaststellen of een gebied “bebouwd” of “onbebouwd” is. Dit doen we op basis van het bebouwingspercentage binnen een bepaalde straal van het bouwwerk en de gemiddelde bouwhoogte van omliggende bebouwing.
Ik ben op zoek naar praktische tips om dit efficiënt te bepalen met tools en openbare data. Ik heb al wat informatie verzameld:
Mogelijke bronnen en tools:
Google Maps: Voor een eerste visuele check.
BAG (Basisregistratie Adressen en Gebouwen): Voor exacte gebouwcontouren en oppervlakten.
AHN (Actueel Hoogtebestand Nederland): Voor bouwhoogtes en terreinverschillen.
PDOK: Om BAG- en AHN-gegevens te downloaden.
GIS-software zoals QGIS: Voor verdere analyse.
Vraag:
Hoe kan ik bovenstaande tools gebruiken om het bebouwingspercentage en de gemiddelde bouwhoogte van een gebied te bepalen? En zijn er andere softwarepakketten of methoden die jullie aanraden?
Daarnaast lukt het mij nog niet om QGIS te downloaden zonder de suggestie voor een donatie. Heeft iemand tips hiervoor of alternatieven?
Je zou ook de 3D BAG mee kunnen nemen: www.3dbag.nl. Daarmee is de combinatie BAG en AHN al voor je gedaan
En in QGIS kun je de Map Library plugin installeren waarmee je ook google satellite in kunt laden. En ik raad je de PDOK services plugin aan waarmee je de actuele NLse luchtfoto kunt inladen.
@ jhpoosthoek:
Dank voor deze handige tips! QGIS en de plugins heb ik inmiddels geïnstalleerd.
Verder ben ik nog een leek in QGIS. Heb je ook handige tips om QGIS snel onder de knie te krijgen voor hetgeen ik wil bereiken?
Even met mijn OSGeo-pet op: gezien bovenstaande use-case in een commerciële setting, is het toch niet zo gek om een donatie te doen? Open Source is een “commons” zaak, zoals vroeger ‘meenten’ en ‘marken’, gezamenlijke gronden om bijv vee te laten grazen en te onderhouden. Als alleen van de bron geput wordt, droogt deze uit, worden de gronden kaalgevreten…Ook vanuit Nederland en op dit forum, zijn er ontwikkelaars die QGIS onderhouden. Dan moet dit verzoek merkwaardig klinken. (Of is hele stuk met een LLM gegenereerd?). Het advies daarna voelt ook als: hoe beste om te lopen wanneer collectebus nadert…
Dank Just, het was mij ook opgevallen. Vooral dat het kennelijk zo moeilijk was om die knop te vinden om te downloaden zonder een donatie te doen. Want volgens mij staat het er heel duidelijk en ook nog vriendelijk:
Wat ik ook begrijp is dat je niet meteen een donatie wil doen wanneer je QGIS downloadt! Je werkt voor je baas en gaat natuurlijk niet uit eigen zak een tientje overmaken. Je wil eerst proberen of een oplossing met QGIS wel gaat werken voordat je besluit een donatie te doen. Of je hebt gewoon heel weinig geld of besteedt het liever aan wat anders (want dat mag ook!).
Als je nou toch blij wordt van QGIS (of andere open source software), en QGIS heeft meerwaarde voor je bedrijf, dan kun je dit overwegen:
Ga terug naar die download-pagina en doe alsnog een donatie
Dag Wout, ik ben als constructeur ook bezig om precies die vraag te beantwoorden. het is me inmiddels gelukt een python script te schrijven die een aantal 3d tiles bekijkt en daaruit de gemiddelde bebouwingspercentage berekend, en zodoende “bebouwd of onbebouwd” uitrekent.
In onderstaande linkedin post leg ik het al deels uit:
op het moment ben ik ook aan het kijken of ik het voor elkaar kan krijgen om enkel met een adres een API request(aanvraag via 3dBag) te doen, zodat ik niet elke keer de relevante tiles hoef te downloaden.
Dag Thomas, goed punt, moet ik even nakijken. Ik heb t meeste berekent in Amsterdam, waar maaiveld vaak mij of meer op NAP ligt, maar voor andere plaatsen zou dat wel eens een rare afwijking kunnen geven.
Bedankt, ik ga het bekijken, ik kreeg het al wel voor elkaar om data op te vragen, maar mn verdere script liep spaak omdat het verwerken van die data blijkbaar net anders liep dan vanuit de opgevraagde city.json tiles
Dag Thomas, ik heb het gecontroleerd en je hebt volledig gelijk. waar het maaiveld in Amsterdam min of meer op NAP ligt en dus de gebouwhoogtes tov NAP zo goed als overeenkomen met de exacte hoogte van de panden. geldt dat uiteraard niet voor andere locaties. de tests die ik gedraaid had waren toevalligerwijs allemaal rond zeeniveau/NAP
een simpele test in bijvoorbeeld Valkenburg zou dan allemaal panden met een hoogte van 80m aangeven. bij deze gecorrigeerd met in onderstaande python code:
for obj_id, obj in cityjson_data["CityObjects"].items():
building_max = obj.get("attributes", {}).get("b3_h_dak_max", None)
building_maaiveld = obj.get("attributes", {}).get("b3_h_maaiveld", None)
ground_area = obj.get("attributes", {}).get("b3_opp_grond", None)
if building_max is not None and building_maaiveld is not None:
building_height = building_max - building_maaiveld
building_height_rounded = round(building_height)
