← Maps That Matter
Data laden...
🗺️
Wat zie je
Elk gebied heeft een karakter
Zuid-Holland is opgedeeld in ~37.000 hexagons van elk ~350 meter (H3 resolutie 9). Per hexagon worden meer dan 100 kenmerken uit drie databronnen samengevoegd.

Een AI-model (Self-Organizing Map) leert hier patronen in: het groepeert vergelijkbare hexagons in een 15×15 raster van 225 gebiedstypen. De kleur = positie in dat raster.

Zelfde kleur = zelfde karakter — of dat nu in Rotterdam-Zuid, Westland of de Krimpenerwaard is.
CBSLGNSentinel-2
📊
Databron 1 van 3 — Bevolking & wonen
CBS 100m vierkantstatistieken
Het CBS publiceert jaarlijks statistieken per vakje van 100×100 meter. In één H3 hexagon van 500m passen zo'n 25 van die vakjes — we middelen ze samen tot één gebiedsprofiel.

👥 Bevolking — inwoners per leeftijdsgroep, huishoudenssamenstelling
🏠 Wonen — WOZ-waarde, verhouding huur/koop, aandeel sociale huur
📅 Bouwjaar — wanneer de woningen zijn gebouwd

Doordat we 6 jaarlijkse snapshots (2018–2023) hebben per hexagon, is te zien of een buurt aan het vergrijzen, verdichten of in waarde stijgen is.
CBS Vierkantstatistieken
🌾
Databron 2 van 3 — Landgebruik
LGN: de fysieke ruimte als spiegel van maatschappelijke druk
De Landgebruikskaart Nederland (LGN) classificeert elke vierkante meter in één van 28 categorieën — op basis van satellietbeelden en luchtfoto's. Per hexagon zien we het aandeel per type.

Dat maakt maatschappelijke vraagstukken zichtbaar als ruimtelijk patroon:

🏘️ Woningnood — hoeveel bebouwing, grasland of agrarisch land kan nog worden omgezet?
🌡️ Klimaat — weinig groen + veel bebouwing = hittestress. Water + laaggelegen grasland = overstromingsrisico.
📉 Krimp — leegstand en verschraling zijn zichtbaar als bebouwingsfractie daalt terwijl bevolking krimpt.
💶 Betaalbaarheid — waar agrarisch land grenst aan stedelijk gebied liggen de drukste transformatiezones.
LGN · lgn.nl
🛰️
Databron 3 van 3 — Satellietmetingen
Sentinel-2: de bodem gemeten vanuit de ruimte
De Europese Sentinel-2 satelliet (ESA · Copernicus) scant Nederland elke 5 dagen op 10m resolutie. Alle wolkenvrije beelden van een jaar worden gestapeld en er wordt een mediaan genomen — zo valt ruis weg.

Via Google Earth Engine berekenen we per hexagon het gemiddelde over het volledige oppervlak van vier spectrale indices:

🌱 NDVI — fotosynthetische activiteit: hoe groen en vitaal?
🏗️ NDBI — verharding en bebouwingsintensiteit
💧 NDWI — wateroppervlak en bodemvocht
🌿 EVI — vegetatiegezondheid in dichte kronen

Dit is de enige bron die fysiek meet wat er is — onafhankelijk van registers, kadaster of beleid.
Sentinel-2 · ESA Copernicus
🎯
Wat je kunt doorrekenen
De grote maatschappelijke vragen, zichtbaar op de kaart
🏘️ Woningnood
Nederland heeft 400.000 woningen tekort. Scenario bevolking +20%: welke gebieden kantelen? Dat zijn de plekken onder de meeste druk — en de kanslocaties voor verdichting.
📉 Vergrijzing & krimp
Platteland en middelgrote steden verliezen jongeren. Scenario bevolking -20%: welke kernen verschralen als de krimp doorzet — en waar dreigt een neerwaartse spiraal?
🌡️ Klimaatverandering
Hittegolven worden heviger en vaker. Scenario hitte +30% of +50%: stenen wijken, weinig groen, kwetsbare bewoners — welke gebieden worden onleefbaar zonder actie?
💶 Betaalbaarheidscrisis
Woningen onbetaalbaar voor middeninkomens. Scenario WOZ +20%: waar verdwijnt gemengde bebouwing en sociale huur als prijzen verder stijgen?

Zuid-Holland · Gebiedstypen

📅 Jaar
🎚️ Scenario
📈 Trend
– van Zuid-Holland kantelt bij dit scenario
Schuif door de tijd — 2018 tot 2023
2023
20182023
Kleurwijziging = gebiedstype veranderd. Volg hoe wijken transformeren door woningnood, gentrificatie en klimaat — 2018 was al anders dan 2023.
Kies een maatschappelijk vraagstuk
Wat als we niets doen? Trend doorgetrokken
Geen voorspelling — een doorgetrokken lijn op basis van gemeten data 2018–2023. Oranje = van gebiedstype gewisseld zonder beleidsingreep.
Gebiedstypen (15×15 grid, 225 typen)
← stedelijklandelijk →
Cluster –
Databronnen
CBS LGN Sentinel-2
▶ Hoe werkt dit?
Hoe werkt de kleur?
Een Self-Organizing Map (SOM) traint op 100+ kenmerken per hexagon. Het AI-model ordent alle hexagons in een 15×15 raster zodat vergelijkbare buren zijn. Kleur = positie in dat raster. Elk jaar opnieuw berekend.
CBS Vierkantstatistieken
100×100m grid, jaarlijks. Per hexagon (~25 vakjes) gemiddeld. Kenmerken: inwoners, leeftijdsopbouw, WOZ, huur/koop, sociale huur, bouwjaar, huishoudenstype. Tijdreeks 2018–2023.
LGN — Landgebruikskaart Nederland
Satelliet + luchtfoto classificatie, 28 typen. Per hexagon als fractie (0–1) per type: glastuinbouw, akkerbouw, grasland, bos, heide, duinen, rietmoeras, bebouwing, water. Plus overstromingsdiepte (5 scenario's, waterschappen).
Sentinel-2 · ESA Copernicus
Elke 5 dagen over NL, 10m resolutie. Wolkenvrije beelden per jaar gestapeld → mediaan → 4 indices per hexagon (gemiddeld over volledig oppervlak via Google Earth Engine): NDVI, NDBI, NDWI, EVI.
Kleur = druk op het gebiedstype
In scenariomodus toont elke kleur hoeveel een hexagon verschuift in de 100-dimensionale dataruimte. Diep oranje = sterke druk, verandert als eerste. Lichte tint = nauwelijks effect. Trendmodus toont alleen werkelijk van type gewisselde hexagons in oranje.
Toepassingen ZH
Glastuinbouw-transitie Westland · Bodemdaling veenweide Groene Hart · Woningbouw drukgebieden · Waterveiligheid dijkringen · Stikstof Krimpenerwaard
–
–