Methodology

To calculate the 3-30-300 score of each building, we, DataLab, used open data that was publicly available for each region. As data sources differ for each region, we warn to not compare regions to one another. In order to get a score for each building, we also had to make a lot of assumptions. A different methodology with different data sources and assumptions may therefore result in different outcomes. Moreover, the latest update is different for each data source, having more up-to-date data would increase the accuracy of the scores and bring them closer to reality.

Buildings

Individual buildings are the basis for mapping the 3-30-300 rule. The list and shapes of buildings were constructed based on the following sources:

New buildings that were not yet existing/referenced in the datasets mentioned above are thus not included in the map nor in the analyses.

In the datasets from Flanders and Wallonia, a difference is made between "main buildings" and "annexes". On the final map, we chose to display only the main buildings, but annexes were still used to better calculate the 3-trees-visible rule (see next section).

Finally, buildings smaller than 18 m² were filtered out because Flemish Housing Quality Standards prescribe that the total net floor area of a self-contained dwelling must be at least 18 m². Annexes that are smaller than 18 m² were also excluded.

3 trees

We made the decision to only consider trees that are less than 60m away from the building. It is of course possible to see trees that are further away, especially in areas with a low density of habitations, but the spirit of the rule is not only to have trees visible from the building, but to have trees nearby. Other studies use a radius of 15 to 100 metres around the building. 60 metres was chosen as the golden mean.

For this, the data mentioned above regarding buildings was used, in combination with the Flemish Green Map (2021), the Brussels Vegetation Map (2021), and the “Occupation du Sol en Wallonie”-map (2020). The 2021 Flemish Green Map is a 1-metre resolution grid of segmentation classification from summer flight orthophotos, which classifies the Flemish territory into high green (above 3 metres), low green, not green, and agricultural area. The high green category was used to identify trees. Similarly, the 2020 Walloon land use map is a 1-metre resolution grid that identifies land cover based on orthophotos, including the categories of deciduous and coniferous trees higher than 3 metres, with an accuracy of 92.29%. The Brussels vegetation map was created based on infrared aerial photos with a resolution of 2 metres, and distinguishes tall vegetation (interpreted as trees) and low vegetation with an accuracy of 92.5%. Given these very similar methodologies, we consider these datasets to be comparable. Unfortunately, the data is already old and may be outdated in several places. Wallonia is preparing a new dataset based on orthophoto from 2023, but it has not been released at the time of writing.

In a development compared to the first version of the map, we chose in some cases to group buildings with their annexes to more accurately calculate the 3-trees rule. These merged buildings were only used for calculations, only the main building is shown on the map. More precisely, we decided to ignore annexes not connected to a main building (likely garden sheds, for example) and to merge annexes connected to a main building with that building (likely extensions that are now integral parts of the main building).

In the absence of identifiers linking an annex to its corresponding main building, we merged each annex with the building with which it shared the longest boundary. This heuristic method inevitably led to some incorrect associations. Unconnected annexes were still taken into account in the tree visibility calculation, as they may affect the view from main buildings and thus the number of visible trees. We acknowledge this is debatable, as one could argue such an annex might not be tall enough to obstruct trees.

The estimation of the 3-rule was done via a machine learning approach, using a convolutional neural network (CNN). This is the main difference with the first version of this map, which used a geometrical estimation of the field of view combined with a simple threshold based on the number of square metres of seen tree canopy.

The CNN uses as input an image representing an aerial view of the neighborhood of the target building, cropped to a 60m radius. The image has 3 layers: the target building, the other buildings, and the data from the vegetation maps described earlier. The output is a probability that at least 3 trees are visible from that target building.

The CNN was trained on almost 10,000 annotated images. The annotations came from 3 different sources:

Those annotated images were split into 3 groups: 60% in a train set, 20% in a validation set and 20% in a test set. Several models were trained on the train set, using the validation set to perform early stopping (a technique to avoid overfitting). The models were then evaluated and compared on the test set, and we used the best ones in an ensemble method to make the final predictions. The accuracy of our final prediction is about 90% on the test set, but the actual accuracy of the model depends on the quality of the data sources, and might be lower dus to outdated data or labelling errors.

30% tree canopy cover

For this calculation, a 500-metre radius was drawn around the geometric centre of each building within which the number of square metres of green vegetation taller than 3 metres was calculated as a percentage of the entire radius. The same publicly available data were used for this as for identifying trees (the Flemish and Brussels vegetation map and the Walloon land use map). Because canopy cover is exactly represented on the vegetation and land use maps, and thus we do not have to make derivations and assumptions as in estimating the amount of trees, we can assume that these data are very accurate. Other such studies also use a 500-metre radius, and Professor Cecil Konijnendijk (who popularised the rule) also recommended that we use a 500-metre radius.

300 metres to a public green space

A public green space is in this context defined as a publicly accessible green space of at least 0.2 hectares. A 300-metre buffer was drawn around the park boundaries, and all buildings within that buffer meet the rule. To do this, we used publicly available data of public parks and neighbourhood green space from the following sources:

The 2019 Flemish "Buurtgroen"-map includes all clusters of publicly accessible green space with an area from 0.2 hectares, with a resolution of 10x10m2. From this map, the categories of neighbourhood green, district green, urban green and urban forest were included. The Walloon "Projet Informatique de Cartographie Continue (PICC)" contains landscape elements such as buildings, infrastructure, relief, as well as natural landscape elements. From this map, the categories "Bosquet", "Parc récréatif", "Terrain de Sport" and "Forêt" were used to describe publicly accessible green space. The Brussels land use map INSPIRE includes categories park and forest, which were used to identify public green space. Because each of these maps applies different categories to identify public green space, there will be slight variations that make comparisons between regions difficult.

The mapping of the 300 rule is an overestimation of the reality of access to public green space, as a result of the limitations of the available data. Professor Konijnendijk imposes a park size of 1 hectare with a lower limit of 0.5 hectare in densely populated urbanised areas. The pragmatic choice here was set to 0.2 hectares because the Flemish dataset uses this as the lower limit for green space. This lower limit could not be raised to 0.5 hectares, because the parks in the Flemish dataset are divided by footpaths crossing the parks and these areas are not clustered on the map. By increasing the minimum area, we would lose many parks that are split on the map by hiking trails. This would greatly undermine the accuracy of the map. To apply the same methodology as much as possible across the three regions, it was opted to then set the minimum area of green space for the entire map at 0.2 hectares. An additional overestimation lies in the fact that the 300 metre distance from a park is calculated as a bird's eye view, without taking into account the effective walking distance to that green space. This choice overestimates the proportion of buildings that effectively meet the 300 rule.

Survey

In May 2024, Greenpeace distributed an online survey via social media and by email to its own database about the 3-30-300 rule. People were asked to count the trees they can see from their homes and measure the distance to the nearest public green space. In this way, Greenpeace collected 4,432 responses. We then used this data to fact-check the automated analysis to improve its methodology. In this way, citizens helped map urban nature in Belgium.

Data

As stated, all data that was used to realise the 3-30-300 analysis is publicly available. In the same spirit, we, as DataLab, want to provide public access to the data you see in the map:

Méthodologie

Pour calculer le score 3-30-300 pour chaque bâtiment, nous, DataLab, avons utilisé des données publiquement disponibles pour chaque région. Étant donné que les sources de données diffèrent selon la région, nous recommandons de ne pas comparer les régions entre elles. Afin d'obtenir un score pour chaque bâtiment, nous avons également dû faire de nombreuses hypothèses. Une méthodologie différente, utilisant d'autres sources de données et d'autres hypothèses, pourrait donc aboutir à des résultats différents. De plus, la dernière mise à jour des données varie selon chaque source de données ; disposer de données plus récentes permettrait d'améliorer la précision des scores et de les rapprocher de la réalité.

Bâtiments

Les bâtiments individuels constituent la base pour cartographier la règle 3-30-300. La liste des bâtiments et leurs formes ont été établies à partir des sources suivantes :

Les nouveaux bâtiments qui n'étaient pas encore existants ou référencés dans les bases de données mentionnés ci-dessus ne sont donc pas inclus dans la carte ni dans les analyses.

Dans les bases de données de Flandre et de Wallonie, une distinction est faite entre « bâtiments principaux » et « annexes ». Sur la carte finale, nous avons choisi d'afficher uniquement les bâtiments principaux, mais nous avons tout de même utilisé les annexes afin de mieux calculer la règle des 3 arbres visibles (voir section suivante).

Enfin, les bâtiments de moins de 18 m² ont été enlevés. Cette décision se base sur les normes flamandes de qualité du logement qui prescrivent qu'une habitation indépendante doit posséder une surface nette totale d'au moins 18 m² pour être habitable. Les annexes d'une superficie inférieure à 18 m² ne sont pas prises en compte non plus.

3 arbres

Nous avons pris la décision de ne considérer que les arbres situés à moins de 60 mètres du bâtiment. Il est bien entendu possible d'apercevoir des arbres qui se trouvent plus loin, en particulier dans des zones à faible densité d'habitations, mais l'esprit de la règle ne consiste pas seulement à voir des arbres depuis le bâtiment, mais aussi à en avoir à proximité immédiate. D'autres études utilisent un rayon allant de 15 à 100 mètres autour du bâtiment. Les 60 mètres ont été retenus comme compromis optimal.

Pour cela, les données mentionnées ci-dessus concernant les bâtiments ont été combinées avec la Carte Verte flamande (2021), la Carte de la Végétation de Bruxelles (2021), et la Carte Occupation du Sol en Wallonie (2020). La Carte Verte flamande de 2021 est une grille de classification de la végétation avec une résolution de 1 mètre, issue d'orthophotos prises durant l'été, qui classe le territoire flamand en zones de hautes végétations (plus de 3 mètres), basses végétations, non végétalisées et zones agricoles. La catégorie des hautes végétations a servi à identifier les arbres. De même, la Carte d'Occupation du Sol wallonne 2020 est une grille d'un mètre de résolution, basée sur des orthophotos et permettant d'identifier la couverture du sol, y compris les catégories d'arbres feuillus et résineux de plus de 3 mètres, avec une précision de 92,29 %. La Carte de la Végétation de Bruxelles a été élaborée à partir de photos aériennes infrarouges d'une résolution de 2 mètres, distinguant la végétation haute (interprétée comme des arbres) et la végétation basse, avec une exactitude de 92,5 %. Étant donné la proximité des méthodologies, nous considérons que ces jeux de données sont comparables. Malheureusement, ces données sont déjà anciennes et risquent d'être obsolètes à certains endroits. La Wallonie prépare un nouveau jeu de données basé sur des orthophotos de 2023, mais il n'était pas encore disponible au moment de la rédaction.

Dans une évolution par rapport à la première version de la carte, nous avons choisi, dans certains cas, de regrouper les bâtiments avec leurs annexes afin de calculer plus précisément la règle des 3 arbres. Ces bâtiments fusionnés n'ont été utilisés qu'à des fins de calcul ; seule la partie principale du bâtiment est affichée sur la carte. Plus précisément, nous avons décidé d'ignorer les annexes qui n'étaient pas connectées à un bâtiment principal (il s'agit probablement d'abris de jardin, par exemple) et de fusionner les annexes reliées à un bâtiment principal avec celui-ci (ces annexes sont vraisemblablement des extensions qui font désormais partie intégrante du bâtiment principal).

En l'absence d'identifiants permettant de relier une annexe à son bâtiment principal correspondant, nous avons fusionné les annexes avec le bâtiment dont elles partageaient la plus longue frontière. Cette méthode heuristique a inévitablement entraîné certaines associations erronées. Les annexes non reliées ont néanmoins été prises en compte dans le calcul de la règle des 3 arbres, car elles peuvent affecter la vue depuis les bâtiments principaux et, par conséquent, le nombre d'arbres visibles. Nous reconnaissons que cette décision est discutable, puisqu'on pourrait avancer qu'une telle annexe n'est pas forcément assez haute pour masquer les arbres.

L'estimation de la règle des 3 arbres a été réalisée à l'aide d'une approche d'apprentissage automatique (machine learning), basée sur un réseau de neurones convolutifs (CNN). Cela constitue la principale différence avec la première version de la carte, qui s'appuyait sur une estimation géométrique du champ de vision combinée à un simple seuil basé sur la surface de couvert arboré visible. L'utilisation d'une méthode d'apprentissage automatique a permis d'obtenir de meilleurs résultats lors de la comparaison avec les données des enquêtes et les corrections des utilisateurs (voir dernier paragraphe).

Le réseau de neurones convolutifs (CNN) utilise comme entrée une image représentant une vue aérienne du quartier entourant le bâtiment cible, découpée dans un rayon de 60 mètres. L'image comporte 3 couches : le bâtiment cible, les autres bâtiments, et les données issues des cartes de végétation décrites précédemment. En sortie, le modèle donne la probabilité qu'au moins 3 arbres soient visibles depuis ce bâtiment cible.

Le CNN a été entraîné sur près de 10 000 images annotées. Les annotations proviennent de trois sources distinctes :

Ces images annotées ont été réparties en trois groupes : 60 % pour l'ensemble d'entraînement, 20 % pour la validation et 20 % pour le test. Plusieurs modèles ont été entraînés sur l'ensemble d'entraînement, en utilisant l'ensemble de validation pour un arrêt anticipé (une technique visant à éviter le surapprentissage). Les modèles ont ensuite été évalués et comparés sur l'ensemble de test, et nous avons utilisé les meilleurs dans une approche par assemblage pour produire les prédictions finales. L'exactitude de notre prédiction finale atteint environ 90 % sur l'ensemble de test, mais l'exactitude réelle dépend de la qualité des sources de données ; elle pourrait donc être inférieure, du fait que certaines données sont parfois obsolètes et que notre annotation manuelle peut comporter une part d'erreur humaine.

30% de couverture végétale

Pour ce calcul, un rayon de 500 mètres a été tracé autour du centre géométrique de chaque bâtiment, à l'intérieur duquel le nombre de mètres carrés de végétation verte d'une hauteur supérieure à 3 mètres a été calculé en pourcentage de l'aire total. Pour ce faire, les mêmes données publiques ont été utilisées que pour l'identification des arbres (la Carte de la Végétation flamande et bruxelloise et la Carte de l'Occupation des Sols wallonne). Étant donné que le couvert végétal est exactement représenté sur les cartes de la végétation et de l'occupation des sols, et que nous ne devons donc pas faire de dérivations et d'hypothèses comme pour l'estimation de la quantité d'arbres, nous pouvons supposer que ces données sont très précises. D'autres études de ce type utilisent également un rayon de 500 mètres, et le professeur Cecil Konijnendijk (qui a popularisé la règle) a également recommandé l'utilisation d'un rayon de 500 mètres.

300 mètres d'un espace vert public

Un espace vert public est ici défini comme un espace vert accessible au public d'au moins 0,2 hectare. Un périmètre de 300 mètres a été tracé autour des limites des parcs, et tous les bâtiments situés à l'intérieur de cette zone répondent à la règle. Pour ce faire, nous avons utilisé les données publiques disponibles sur les parcs publics et les espaces verts de quartier, provenant des sources suivantes :

La carte flamande « Buurtgroen » de 2019 comprend tous les ensembles d'espaces verts accessibles au public d'une superficie minimale de 0,2 hectare, avec une résolution de 10x10 m². À partir de cette carte, les catégories “buurtgroen, wijkgroen, stadsdeelgroen, stadsgroen en stadsbos” ont été incluses. Le Projet Informatique de Cartographie Continue (PICC) wallon comprend des éléments de paysage tels que bâtiments, infrastructures, relief, ainsi que des éléments naturels. À partir de cette carte, les catégories Bosquet, Parc récréatif, Terrain de Sport et Forêt ont été utilisées pour décrire les espaces verts publics accessibles. La Carte de l'Occupation du Sol de Bruxelles INSPIRE comprend les catégories parc et forêt, qui ont servi à identifier les espaces verts publics. Chaque carte utilisant des catégories différentes pour identifier les espaces verts publics, il en résulte de légères variations qui rendent la comparaison entre régions difficile.

La cartographie de la règle des 300 mètres constitue donc une surestimation de la réalité de l'accès aux espaces verts publics, en raison des limites des données disponibles. Le professeur Konijnendijk impose une taille minimale des parcs de 1 hectare, avec une limite inférieure de 0,5 hectare dans les zones urbaines denses. Le choix pragmatique ici a été de fixer la limite minimale à 0,2 hectare parce que l'ensemble de données flamand utilise ce seuil pour les espaces verts. Cette limite inférieure n'a pas pu être augmentée à 0,5 hectare, car les parcs du jeu de données flamand sont divisés par des sentiers piétons qui traversent les parcs et ces zones ne sont pas regroupées sur la carte. Augmenter la superficie minimale entraînerait la perte de nombreux parcs qui sont ainsi segmentés sur la carte par les chemins de randonnée, ce qui nuirait grandement à la précision de la cartographie. Afin d'appliquer autant que possible la même méthodologie dans les trois régions, il a donc été décidé de fixer la taille minimale des espaces verts à 0,2 hectare pour toute la carte. Une autre surestimation réside dans le fait que la distance de 300 mètres depuis un parc est calculée à vol d'oiseau, sans prendre en compte la distance effective à parcourir pour accéder à cet espace vert. Ce choix surestime la proportion de logements respectant effectivement la règle des 300 mètres.

Enquête

En mai 2024, Greenpeace a diffusé une enquête en ligne via les réseaux sociaux et par courriel auprès de sa propre base de données au sujet de la règle du 3-30-300. Les personnes interrogées devaient compter le nombre d'arbres visibles depuis leur domicile et mesurer la distance jusqu'à l'espace vert public le plus proche. Ce procédé a permis à Greenpeace de recueillir 4432 réponses. Ces données ont ensuite servi à vérifier l'analyse automatisée, à améliorer la méthodologie employée et à affiner cette nouvelle version de la carte. Ainsi, la participation citoyenne a contribué à cartographier la nature urbaine en Belgique.

Données

Comme indiqué précédemment, toutes les données utilisées pour réaliser l'analyse 3-30-300 sont accessibles au public. Dans le même esprit, nous, en tant que DataLab, souhaitons offrir un accès public aux données visibles sur la carte :

Methodologie

Om de 3-30-300-score voor elk gebouw te berekenen, hebben wij, DataLab, gebruik gemaakt van openbaar beschikbare gegevens voor elke regio. Aangezien de gegevensbronnen per regio verschillen, raden we aan om de regio's niet met elkaar te vergelijken. Om een score voor elk gebouw te verkrijgen, moesten we bovendien verschillende aannames maken. Een andere methodologie, met andere databronnen en aannames, zou dus tot andere resultaten leiden. Bovendien is het tijdstip van de laatste gegevensupdate per bron verschillend. Recentere data zou de nauwkeurigheid van de scores verbeteren en ze dichter bij de werkelijkheid brengen.

Gebouwen:

Individuele gebouwen zijn het uitgangspunt voor het in kaart brengen van de 3-30-300-regel. De lijst van gebouwen in België is samengesteld op basis van de volgende bronnen:

Nieuwe gebouwen die nog niet bestonden of nog niet opgenomen waren in bovenstaande databases, zijn niet meegenomen op de kaart of in de analyses.

In de databases van Vlaanderen en Wallonië wordt een onderscheid gemaakt tussen "hoofdgebouwen" en "bijgebouwen". Op de uiteindelijke kaart tonen we enkel de hoofdgebouwen, maar de bijgebouwen werden wel gebruikt om de regel van 3 zichtbare bomen beter te berekenen (zie volgende sectie).

Gebouwen met een oppervlakte van minder dan 18 m² zijn uit de dataset gehaald. Deze beslissing is gebaseerd op de Vlaamse woningkwaliteitsnormen , die voorschrijven dat een zelfstandige woning minstens 18 m² netto-oppervlakte moet hebben om bewoonbaar te zijn. Ook bijgebouwen met een kleinere oppervlakte zijn niet meegenomen.

3 bomen

We hebben ervoor gekozen enkel rekening te houden met bomen die zich binnen een straal van 60 meter rond het gebouw bevinden. Het is uiteraard mogelijk om bomen te zien die verder weg staan, zeker in minder dichtbebouwde gebieden, maar de opzet van de regel is niet enkel het zicht op bomen, maar ook hun onmiddellijke nabijheid. Andere studies hanteren een straal tussen 15 en 100 meter. 60 meter werd gekozen als compromis.

Voor de bereking van het zicht op minstens 3 bomen werden de eerder vermelde gebouwgegevens gecombineerd met de Vlaamse Groenkaart (2021), de Brusselse Vegetatiekaart (2021), en de "Occupation du Sol en Wallonie"-map (2020). De Vlaamse Groenkaart van 2021 is een vegetatieclassificatie met een resolutie van 1 meter, gebaseerd op orthofoto's uit de zomer. Ze verdeelt het Vlaamse grondgebied in zones met hoge vegetatie (meer dan 3 meter), lage vegetatie, niet-vegetatie en landbouwzones. De categorie "hoge vegetatie" werd gebruikt om bomen te identificeren. De Waalse "Occupation du Sol"-kaart heeft ook een resolutie van 1 meter en laat toe om onder andere loof- en naaldbomen van meer dan 3 meter te herkennen, met een nauwkeurigheid 92,29%. De Vegetatiekaart van Brussel is gebaseerd op infraroodluchtfoto's met een resolutie van 2 meter, die hoge (bomen) en lage vegetatie onderscheiden, met een nauwkeurigheid van 92,5%. Door de gelijkaardige methodologieën beschouwen we deze datasets als onderling vergelijkbaar. Helaas zijn deze gegevens al wat verouderd, wat in sommige gebieden tot onnauwkeurigheden kan leiden. Wallonië bereidt een nieuwe dataset voor op basis van orthofoto's van 2023, maar die was tijdens de studie nog niet beschikbaar.

Ten opzichte van de eerste versie van de kaart hebben we in sommige gevallen gekozen om hoofdgebouwen en bijgebouwen samen te voegen om de 3-bomenregel preciezer te berekenen. Deze samengestelde gebouwen zijn enkel gebruikt voor de berekening, op de kaart wordt enkel het hoofdgebouw weergegeven. Meer specifiek hebben we bijgebouwen die niet verbonden waren met een hoofdgebouw (zoals tuinhuizen) weggelaten, en de bijgebouwen die wel verbonden waren, samengevoegd met het hoofdgebouw (onder de aanname dat deze een uitbreiding vormen van het hoofdgebouw).

Omdat er geen unieke identificatie beschikbaar is om een bijgebouw aan het bijhorende hoofdgebouw te koppelen, hebben we een heuristiek gebruikt: bijgebouwen zijn samengevoegd met het gebouw waarmee ze de langste grens deelden. Deze aanpak leidde onvermijdelijk tot enkele foute koppelingen. Losstaande bijgebouwen werden toch meegenomen in de berekening van de 3-bomenregel, omdat ze mogelijk het zicht vanuit het hoofdgebouw belemmeren en dus het aantal zichtbare bomen beïnvloeden. We erkennen dat deze keuze betwistbaar is, aangezien zo'n bijgebouw mogelijk niet hoog genoeg is om bomen te blokkeren.

De inschatting van de 3-bomenregel is gemaakt via een machine learning-aanpak op basis van een convolutioneel neuraal netwerk (CNN). Dit is het grootste verschil met de eerste versie van de kaart, waarin een geometrische schatting van het gezichtsveld werd gecombineerd met een drempelwaarde voor boomoppervlak. Door machine learning te gebruiken, konden we betere resultaten behalen bij vergelijking met enquêtegegevens (zie laatste paragraaf) en gebruikerscorrecties.

Het CNN-model krijgt als input een afbeelding van de omgeving van het doelgebouw binnen een straal van 60 meter. Deze afbeelding bevat 3 lagen: het doelgebouw, andere gebouwen, en de vegetatiegegevens zoals eerder beschreven. Als output geeft het model de kans dat er minstens 3 bomen zichtbaar zijn vanuit dit gebouw.

Het netwerk werd getraind op bijna 10.000 gelabelde beelden. De labels zijn afkomstig uit drie bronnen:

De beelden zijn onderverdeeld in trainingsdata (60%), validatiedata (20%) en testdata (20%). Meerdere modellen zijn getraind op de trainingsset, met vroegtijdige stopzetting op basis van de validatieset (om overfitting te vermijden). Daarna werden de modellen vergeleken op de testset en de beste modellen werden gecombineerd via een ensemble-aanpak om de uiteindelijke voorspellingen te genereren. De nauwkeurigheid op de testset bedraagt ongeveer 90%, maar de werkelijke nauwkeurigheid hangt af van de kwaliteit van de brondata en kan dus lager liggen door verouderde gegevens of menselijke fouten bij het labelen.

30% kroonbedekking

Voor deze berekening werd een straal van 500 meter rond het geometrisch centrum van elk gebouw getrokken. Binnen die straal werd het aantal vierkante meters vegetatie hoger dan 3 meter berekend als percentage van de totale oppervlakte. Hiervoor werden dezelfde publieke gegevens gebruikt als bij de identificatie van bomen (Vlaamse en Brusselse Vegetatiekaart, Waalse Bodemgebruikkaart). Aangezien deze kaarten de vegetatie accuraat weergeven en er geen afleidingen of aannames nodig zijn zoals bij het boomzicht, gaan we ervan uit dat deze data zeer nauwkeurig zijn. Andere gelijkaardige studies hanteren ook een straal van 500 meter, en professor Cecil Konijnendijk (die de regel populair maakte) beveelt dit eveneens aan.

300 meter tot publiek groen

Een publieke groene ruimte is hier gedefinieerd als een publiek toegankelijke groenzone van minstens 0,2 hectare. Rond de grenzen van deze parken werd een buffer van 300 meter getrokken, waarna alle gebouwen die binnen die zone vallen voldoen aan de regel. Hiervoor gebruikten we publieke gegevens over parken en buurtgroen uit:

De Vlaamse Buurtgroenkaart van 2019 bevat alle publieke groenzones vanaf 0,2 hectare, met een resolutie van 10x10 m². De categorieën buurtgroen, wijkgroen, stadsdeelgroen, stadsgroen en stadsbos zijn meegenomen. De Waalse PICC-kaart bevat landschapselementen zoals gebouwen, infrastructuur, reliëf en natuur. Voor publieke groene ruimten zijn de categorieën Bosquet, Recreatiepark, Sportterrein en Bos gebruikt. De Brusselse INSPIRE-kaart bevat de categorieën park en bos. Door deze verschillende categorieën zijn er lichte regionale verschillen, wat vergelijking tussen regio's moeilijk maakt.

De kaart van de 300-meterregel is een overschatting van de werkelijke toegang tot publiek groen, door beperkingen in de gegevens. Professor Konijnendijk stelt een minimumoppervlakte van 1 hectare voor, met een ondergrens van 0,5 hectare in dichte stedelijke gebieden. We kozen hier pragmatisch voor 0,2 hectare omdat dit de drempel is in de Vlaamse dataset. Een hogere grens (bv. 0,5 hectare) was niet mogelijk, omdat veel parken in de Vlaamse dataset gesegmenteerd zijn door wandelpaden die niet samengevoegd zijn, wat zou leiden tot het wegvallen van vele parken. Om in alle regio's dezelfde methodologie toe te passen, is dus 0,2 hectare als ondergrens gekozen. Een tweede overschatting is dat de 300 meter in vogelvlucht gemeten wordt, dus niet volgens de werkelijke wandelroute.

Enquête

In mei 2024 lanceerde Greenpeace een online enquête via sociale media en per e-mail naar hun databank, over de 3-30-300-regel. De deelnemers werden gevraagd het aantal zichtbare bomen vanuit hun woning te tellen en de afstand tot het dichtstbijzijnde publieke groen te meten. Dit leverde 4.432 reacties op. Deze data werden gebruikt om de geautomatiseerde analyse te controleren, de methodologie te verbeteren en deze nieuwe versie van de kaart te verfijnen. Zo droeg burgerparticipatie bij aan het in kaart brengen van de stedelijke natuur in België.

Data

Zoals eerder aangegeven, zijn alle gebruikte gegevens voor de 3-30-300-analyse openbaar toegankelijk. In dezelfde geest stellen wij, als DataLab, ook graag de kaartdata publiek beschikbaar:

Go to the map Accéder à la carte Ga naar de kaart