Onze bomendata is opnieuw geactualiseerd. In deze update zijn vier belangrijke verbeteringen doorgevoerd: een landelijke actualisatie op basis van de zomerluchtfoto’s van 2025, een uitbreiding van het detectiemodel met kasherkenning, de toevoeging van monumentale bomen aan de dataset en een betere detectie van ondergroei.
Actualisatie met zomerluchtfoto’s 2025
De volledige bomendatabase is opnieuw verwerkt op basis van de meest recente zomerluchtfoto’s van 2025. Deze luchtfoto’s worden jaarlijks ingewonnen in de periode van ongeveer mei tot en met september.
Door deze update sluiten de boomgegevens nog beter aan op de actuele situatie in het veld. Bomen die inmiddels zijn verdwenen worden automatisch in de dataset gemarkeerd en nieuwe situaties worden beter zichtbaar in de analyse.
Verbeterde detectie: kassen uitgesloten uit boomdetectie
Een tweede verbetering zit in het detectiemodel dat bomen automatisch identificeert.
We hebben een eigen model ontwikkeld dat kassen (greenhouses) herkent. Deze herkenning is nu geïntegreerd in het boomdetectieproces. Hierdoor worden kassen automatisch uitgesloten van de boomdetectie.
Dit is relevant omdat kassen in luchtfoto- en hoogteanalyses soms eigenschappen hebben die lijken op bomen. Ze hebben hoogte en zijn vaak transparant, waardoor vegetatie binnen de kas zichtbaar kan zijn op luchtfoto’s. Daardoor konden ze in sommige gevallen eerder als boom worden geïnterpreteerd.
Door kasdetectie expliciet mee te nemen in het model worden deze objecten nu automatisch gefilterd. Dit zorgt voor een consistenter bomenbestand.
Monumentale bomen toegevoegd
Daarnaast hebben we een nieuwe attribuutlaag toegevoegd: monumentale bomen.
Deze informatie is gekoppeld aan onze bomendata en wordt ook beschikbaar gemaakt via de API. Hierdoor kunnen gebruikers eenvoudig zien of een boom als monumentaal geregistreerd staat.
De monumentale bomen zijn gebaseerd op open data van De Bomenstichting. Deze organisatie registreert en beheert informatie over monumentale bomen in Nederland.
Een boom kan als monumentaal worden aangemerkt wanneer deze bijzondere waarde heeft, bijvoorbeeld op het gebied van:
- cultuurhistorie
- landschap en erfgoed
- ecologie
- leeftijd
- bijzondere verschijningsvorm of soort
Door deze dataset ruimtelijk te koppelen aan onze bomeninventarisatie ontstaat een extra informatielaag die waardevol kan zijn voor beleidsmakers, onderzoekers en beheerders van de openbare ruimte.
Geoptimaliseerd algoritme voor betere ondergroeidetectie
Naast de bovengenoemde verbeteringen is het algoritme verder geoptimaliseerd, met als specifiek doel het beter detecteren van ondergroei. Onder ondergroei verstaan we lagere beplanting die zich bevindt onder of tussen de boomkronen, zoals struiken, heesters en kleinere opslag. Dit type vegetatie was in eerdere versies van het model lastiger te onderscheiden van de omringende omgeving. Door aanpassingen in de modelarchitectuur en verfijning van de detectieparameters is het nu mogelijk om deze ondergroei nauwkeuriger te identificeren en te classificeren. Dit levert een gedetailleerder en completer beeld op van de totale groenstructuur, wat met name waardevol is voor beheerders en beleidsmakers die inzicht willen in de volledige opbouw van het stedelijk en landelijk groen.
Beschikbaar via bomenservice en API
Alle verbeteringen zijn opgenomen in de nieuwste versie van de NEO bomenservice. De geactualiseerde bomendata en de nieuwe attributen zijn beschikbaar via de bestaande dataleveringen en API.