Menu
Een datagedreven m.e.r.
Blog
Een milieu-effectrapportage (m.e.r.) kan op vele wijzen uitgevoerd worden. Vaak resulteert dat in een dik rapport dat niet altijd veel gelezen wordt. Met een datagedreven aanpak is het echter mogelijk om betere analyses uit te voeren en tegelijkertijd een moderne digitale informatiedienst aan te bieden.
Voor milieu-effectrapportages komen veel wetten en regels om de hoek kijken. Welke effecten hebben deze op het milieu en in de leefomgeving in het algemeen? Hoe houd je overzicht op de wet- en regelgeving en hoe weeg je optimaal de verschillende belangen af?
Een manier om belangen zorgvuldig tegen elkaar af te wegen is om gebruik te maken van beoordelingsprocessen waarin de ruimtelijke geometrie van geodata ingezet wordt. Met geodata als medium komt elk conflicterend belang naar boven via zogenaamde overlap tussen de ruimtelijke datalagen. Belangen die mogelijk met elkaar botsen krijgen daarmee voldoende aandacht.
In dit artikel leggen we uit hoe een datagedreven m.e.r. , of liever gezegd, een gebiedsgedreven m.e.r. , tot stand komt. De m.e.r. waarmee ervaring mee is opgedaan is in kwestie een m.e.r. waarbij gekeken wordt hoe kansrijk het is om windmolens en grootschalige zonnepaneelparken te plaatsen om de doelstellingen voor de energietransitie te halen.
Inleiding
Het Nationaal Programma Regionale Energie Strategie (NPRES) is een verbindende factor die ondersteunt in, en streeft naar, het behalen van de klimaatdoelen van Parijs.
Eén van de afspraken is dat 30 energieregio’s in Nederland onderzoeken waar en hoe het best duurzame elektriciteit op land (wind en zon) opgewekt kan worden. De NPRES stort zich op vraagstukken als: Waar is ruimte? Hoeveel ruimte is er? En… bestaan er plekken die de voorkeur hebben wat betreft maatschappelijke opgaven?
In RES-overleggen worden afspraken gemaakt over de energietransitie waarbij zoekgebieden worden gevormd. Deze zoekgebieden zijn locaties waar zich eventueel nieuwe geschikte locaties bevinden voor zonnepaneel- en windmolenparken. Deze zoekgebieden zullen als input gebruikt worden om deze te beoordelen.
De m.e.r. brengt de milieueffecten van een plan of project in beeld. In een m.e.r. worden dus de mogelijke gevolgen op de omgeving in kaart gebracht. Denk hierbij aan gebieden met een bepaalde afstand tot woonlocaties of aan stiltegebieden of weidevogelgebieden. Ieder milieueffect van de m.e.r. wordt getoetst op basis van verschillende disciplines. Biologen, geluidsexperts en planologen, om er een paar te noemen, worden betrokken bij het bepalen van geschikte locaties.
Door de milieu-effecten in kaart te brengen kan de overheid deze meenemen bij haar besluit over het plan of project. In dit geval wordt er bekeken welke gebieden kansrijk zijn voor de plaatsing van zonnepaneel- en windmolenparken om zo de energietransitie te volbrengen.
Welke rol speelt geodata in de oplossing?
Om de potentiële gebieden voor nieuwe zonnevelden en windparken efficiënt in kaart te brengen is er voor gekozen om de m.e.r. data gedreven uit te voeren. Data gedreven werken houdt in dat men hun beslissingen en ander werk laat leiden door data. In dit geval is er geodata gebruikt, wat de aanpak niet alleen datagedreven maar ook gebiedsgedreven maakt.
In deze m.e.r. wordt gebruik gemaakt van beoordelingen vanuit verschillende disciplines. Een stappenplan om tot gebiedsgedreven beoordelingen te komen is hieronder te lezen.
Figuur 1.1:
Stap 1: eerst worden de zoekgebieden ingeladen. Hier zie je de zoekgebieden van potentiële locaties voor zonnepanelen en windmolens
Figuur 1.2:
Stap 2: laad gebieden in van een relevant thema waarop de zoekgebieden getoetst worden. Hier zie je de zoekgebieden inclusief weidevogelgebieden. Behoud en welzijn van de weidevogels is één van de mogelijk botsende thema’s in de energietransitie.
Figuur 1.3:
De overlap tussen de zoekgebieden en de themagebieden zijn hier gearceerd. Deze gebieden noemen we ook wel botsgebieden.
Figuur 1.4:
Hier zijn de originele zoekgebieden te zien waarbij delen worden aangegeven als botsgebieden en andere delen als botsvrije gebieden. De botsgebieden zullen beoordeeld worden door experts op, in dit geval, het gebied van behoud en welzijn van weidevogels.
Figuur 1.5:
De botsgebieden zijn hier beoordeeld op kansrijk, matig kansrijk of niet kansrijk in het opzetten van een zonnepaneel- en windmolengebieden voor het desbetreffende belang van behoud en welzijn van weidevogels. De botsvrije gebieden zijn hierbij automatisch groen, terwijl de botsgebieden zijn beoordeeld op kansrijkheid.
Eenzelfde analyse kan uitgevoerd worden voor elk relevant thema binnen de m.e.r. Voorbeelden van andere thema’s zijn bijvoorbeeld geluidsoverlast en veiligheid.
De rol van de FME Custom Transformer
Transformers zijn bouwstenen binnen een FME Workbench die de mogelijkheid bieden om data te manipuleren. Deze worden door het bedrijf achter FME, Safe Software, aangeboden. Een Custom Transformer daarentegen, kan door een FME specialist zelf worden ontwikkeld.
Door de FME Custom Transformer generiek te ontwikkelen kan deze, onafhankelijk van het datamodel, elke databron inlezen en verwerken tot botsgebieden. Een gebruiker hoeft slechts de Custom Transformer te configureren naar eigen wens, waarna aspecten als vlakdekkendheid, gebiedsgrootte en meldingen van afwijkingen gecontroleerd en uitgevoerd worden. Diegene die de gegevens verwerkt wordt daarbij geattendeerd op eventuele (ongewenste) leemtes in de kaartlagen of te kleine overlapgebieden die mogelijk niet interessant zijn om op te nemen als botsgebied.
Bijkomend voordeel is dat er gestandaardiseerd gewerkt wordt. Een andere werkwijze waarin andere verwerkingsstappen worden ondernomen kan tot inconsistente en eventueel foutieve resultaten leiden. Met de ontwikkelden FME Custom Transformer worden de inconsistenties (en mogelijk fouten) voorkomen en kan iedereen voor zich alsnog de gegevens verwerken. Bijkomend voordeel is dat daarmee ook de snelheid waarmee de gegevens verwerkt worden omhoog gaat.
Bijkomend voordeel is dat er gestandaardiseerd gewerkt wordt. Een andere werkwijze waarin andere verwerkingsstappen worden ondernomen kan tot inconsistente en eventueel foutieve resultaten leiden. Met de ontwikkelde FME Custom Transformer worden de inconsistenties (en mogelijk fouten) voorkomen en kan iedereen voor zich alsnog de gegevens verwerken. Bijkomend voordeel is dat daarmee ook de snelheid waarmee de gegevens verwerkt worden omhoog gaat.
Figuur 2: de beschreven FME Custom Transformer.
Een automatisch gegenereerd hulpmiddel om tot eindbeoordelingen te komen
Nadat de zoekgebieden, in dit geval de locaties waar zich eventueel nieuwe geschikte locaties voor zonnepaneel- en windmolenparken, vergeleken zijn met de verschillende themagebieden, zoals die van geluid of weidevogels, er botsgebieden verkregen zijn en deze beoordeeld zijn door de experts, blijft er nog een vraag onbeantwoord:
Hoe kom je tot een totaalbeeld van de potentieel geschikte gebieden?
Ieder thema laat een eigen spoor achter van (matig) kansarme gebieden, dus om tot een totaalbeeld te komen van de geschikte gebieden moeten deze thema’s in lagen over elkaar heen gelegd worden.
Een ‘eenvoudige’ optelsom van kleuren maakt dit werk goed te automatiseren. Onderstaand Figuur laat zien hoe de verschillende lagen op elkaar gestapeld worden en hoe er vervolgens met een satéprikker doorheen wordt geprikt om de kleuren uit te lezen.
Aan de hand van de satéprikker komen verschillende scenario’s naar voren:
- één of meer keer rood = rood
- alles groen = groen
- groen en oranje = oranje
De optelsom van thema’s resulteert in het totaalbeeld van de geschikte, eventueel geschikte en ongeschikte gebieden. Dit totaalbeeld brengt een overzichtelijk eindbeeld voor de beleidsmakers.
Kortom, het automatiseren van de m.e.r. brengt een aantal voordelen met zich mee: er wordt efficiënter gewerkt, er is sprake van hergebruik en standaardisatie, er vindt een optimale werkverdeling en kennisoverdracht plaats en de transparantie en reproduceerbaarheid komt ten goede.
Van een woordenboek-dik rapport … middels een rappe FME Workspace … naar inzicht, uitzicht en overzicht middels de kaart! Dit is een nieuwe manier hoe we beter aan maatschappelijke opgaven kunnen werken.