Modelstructuur op hoofdlijnen
Het vernieuwde RuimteScanner 2.0 model is net als zijn voorgangers onderdeel van een modelketen waarbinnen het de schakel vormt tussen verwachte ofwel gewenste regionale ontwikkelingen binnen verschillende sectoren enerzijds en (maatschappelijke) effecten anderzijds (Figuur 2). Net als in de werkelijkheid vormt het samenspel van de diverse ruimtevragers op grond- en vastgoedmarkten hierbij de spil. Nieuw in de hoofdstructuur van het model is dat, tegelijk met dominant ruimtegebruik, ook actoren en objecten aan locaties worden onttrokken en toegewezen. Om praktische redenen (beschikbare data en methoden, toegevoegde waarde in het model) gaat het hierbij in de huidige implementatie om een beperkt aantal actoren en objecten: woningen; werknemers (gekarakteriseerd naar de banen die zij vervullen) met bijbehorend vastgoed; recreatiewoningen; gigawatt windenergieproductie met bijbehorende windturbines en gigawatts zonne-energieproductie op grondgebonden zonneparken. In paragraaf 2.5 gaan we verder in op de mogelijke aanvullingen op deze drie lagen, zoals het toevoegen van huishoudenstypen.
Figuur 2 RuimteScanner 2.0 als onderdeel van een grotere modelketen.
De expliciete opname van actoren en objecten heeft diverse voordelen. Het belangrijkste is de mogelijkheid om concrete beleidskeuzen ten aanzien van deze lagen expliciet te verkennen (bijvoorbeeld een minimum percentage groen per een woonmilieu, of een maximale lokale woningdichtheid), en hierbij meer specifieke effecten (bijvoorbeeld gekoppeld aan deze woningdichtheid) te bepalen. Voorbeelden van zulke effecten zijn: de woningen, bedrijfsgebouwen en hun waarde die mogelijk door overstromingen getroffen worden (te berekenen met de nieuwe schademodule uit HIS-SSM); warmteopties voor gebouwen en buurten in de gebouwde omgeving (te berekenen met het gesynchroniseerde Hestia model); of lokale veranderingen in de bereikbaarheid van banen en groen. Door deze potentiële effecten terug te koppelen naar de RuimteScanner, via de lokale geschiktheidskaarten (internaliseren van externe effecten) en/of regionale doelstellingen (aanpassen ruimtevraag), kunnen beleidsvarianten (mede) op deze effecten worden afgestemd. Het volgende hoofdstuk illustreert enkele van deze toepassingsmogelijkheden aan de hand van een recente scenariostudie.
Het feit dat actoren worden onderscheiden en in geaggregeerde zin aan locaties worden toegewezen maakt dit overigens nog geen actor-gebaseerd model zoals die in de wetenschappelijke literatuur onderscheiden wordt (b.v. Groeneveld et al., 2017). Dergelijke modellen integreren twee componenten: een gridcel-gebaseerd model van het landschap en een actor-gebaseerd model dat de besluitvorming beschrijft van de belangrijkste betrokkenen in het beschreven ruimtegebruiksysteem (Parker et al., 2003). Beide componenten zijn geïntegreerd doordat ze de afhankelijkheden en terugkoppelingen tussen actoren en hun omgeving beschrijven. In RuimteScanner 2.0 zijn dergelijke onderlinge relaties niet uitgebreid opgenomen en wordt alleen de locatiekeuze beschreven. Afhankelijkheden en terugkoppelingen zijn slechts beperkt en relatief statisch opgenomen, bijvoorbeeld waar afstand tot banen een rol speelt in de geschiktheid voor wonen.
De regionale ontwikkeling van woningen en banen wordt overgenomen uit het Land-Use Transport Interaction (LUTI) model Tigris XL (Zondag et al., 2015; Zondag & Geurs, 2011). De relatie met Tigris XL is overigens tweezijdig: in een eerste stap, dat wil zeggen voordat de regionale ruimtevraag voor wonen en werken in Tigris XL wordt bepaald, wordt de hoeveelheid voor verstedelijking beschikbare ruimte (in het basisjaar) uit RuimteScanner toegevoegd aan Tigris XL. Hiermee wordt de consistentie tussen de twee modellen ten aanzien van de beschikbare ruimte voor verstedelijking gewaarborgd. In een tweede stap wordt de regionale ontwikkeling van ruimtegebruiksfuncties binnen de overige sectoren bepaald op basis van (combinaties van) trends, expert judgement of beleidsdoelen.
De regionale vraag in termen van onder andere aantallen woningen en banen wordt in RuimteScanner 2.0 toegewezen aan individuele gridcellen van 25x25m (ook wel AdminDomain genoemd in het model). Dit gebeurt op basis van het huidige of in de voorgaande tijdstappen toegewezen ruimtegebruik in deze cellen en, mede op basis daarvan, de beschikbaarheid en geschiktheid van deze cellen voor alternatieve aanwendingen. Voorafgaande aan de ruimtelijke allocatie worden per sector de volgende fasen doorlopen:
- Invulling van de relevante lagen van de sector in het basisjaar (de bestaande locaties van banen, woningen, windturbines, etc.);
- Bepaling van de beschikbaarheid van locaties voor de betreffende sector (bijvoorbeeld locaties zonder omgevingsrechtelijke beperkingen zoals Natura 2000 gebieden en geluidscontouren rond luchthavens);
- Bepaling van de geschiktheid van de beschikbare locaties voor de verschillende sectoren;
- Specificatie van de dichtheid waarin de relevante lagen in het geval van allocatie worden gerealiseerd (woningen per hectare bijvoorbeeld);
De eerste fase gebeurt in principe eenmalig. Deze wordt enkel opnieuw doorlopen wanneer modelupdates opportuun zijn, bijvoorbeeld als er data beschikbaar zijn voor een nieuw basisjaar. De overige fasen worden in de meeste toepassingen minstens één keer doorlopen. Dat geldt vooral voor de fasen twee (bepaling beschikbaarheid) en drie (bepaling geschiktheid). In eerdere RuimteScanner versies waren deze twee fasen geïntegreerd. Door ze te splitsen kunnen deze onderdelen, die verschillen in manier van definiëren en de gehanteerde eenheden, apart worden gespecificeerd, aangepast, gecommuniceerd en opgeslagen. Dit laatste bespaart veel rekentijd, wat live-toepassingen mogelijk maakt in bijvoorbeeld workshops en ontwerp-ateliers.
Om vergelijkbare redenen is ook fase drie zelf (bepaling geschiktheid) weer verder opgesplitst. De uiteindelijke geschiktheidskaart wordt hiermee opgebouwd uit twee componenten. De eerste component wordt empirisch onderbouwd. Deze beschrijft bijvoorbeeld de waarde van een plek (op basis van een analyse van vastgoedprijzen) of de relatieve waarschijnlijkheid van een bepaalde ruimtelijke ontwikkeling (op basis van bijvoorbeeld statistische analyses van reeds waargenomen ontwikkelingen). De tweede component komt ontwerpend tot stand en beschrijft de relatieve voorrang van specifieke locatietypen op bepaalde locaties. Deze wordt bepaald op basis van ontwerpprincipes ofwel (voorgenomen) beleid. In RuimteScanner 2.0 wordt deze geoperationaliseerd volgens het ‘ladder’ concept, met treden die van onder naar boven geredeneerd een aflopende geschiktheid toegewezen krijgen, zoals bijvoorbeeld de ladder voor duurzame verstedelijking . In de meest basale vorm kent de ladder twee treden gerelateerd aan de aanwezigheid van (harde) plancapaciteit. Deze capaciteit kan wel (trede nul) of niet (trede 1) beschikbaar zijn. Als er voor een sector informatie beschikbaar is over de hardheid en/of oplevertermijn van de plannen kunnen er extra treden worden toegevoegd, waarbij harde en/of korte termijn plannen lagere treden (en dus hogere geschiktheid) krijgen dan hun zachte en/of lange termijn equivalenten.
In de derde fase vormt de empirische component dus de basis voor de bepaling van lokale geschiktheid. Het is vaste modelinvoer die in eventueel gedefinieerde scenario’s en beleidsvarianten voor een toepassing steeds gelijk is. Bijbehorende kaarten worden eenmalig berekend, opgeslagen en gecommuniceerd, en kunnen daarna worden (her)gebruikt. De tweede, ontwerp-georiënteerde component van de geschiktheidsbepaling is juist bedoeld voor het uitwerken van verschillende (beleids)varianten. De kaarten kunnen snel samengesteld, geëvalueerd en eventueel weer aangepast worden. Deze component is hiermee bij uitstek geschikt voor exploratief, iteratief onderzoek. In de huidige implementatie heeft de ontwerpcomponent voorrang en zijn de hierin opgegeven voorkeurslocaties leidend. Alleen binnen deze locaties worden beschikbare locaties gesorteerd op basis van de empirisch bepaalde geschiktheid . Deze instelling kan aangepast worden als dat voor een toepassing gewenst is.
De laatste invoer die RuimteScanner 2.0 nodig heeft om de regionale projecties van (recreatie)woningen, banen en Gigawatts aan beschikbare en geschikte locaties toe te kunnen wijzen is hun dichtheid. Hoe hoger deze dichtheid, hoe hoger, in het geval van wonen, de mogelijkheden voor financieel haalbare woningbouw in de bestaande stad en hoe lager meer algemeen de benodigde extra ruimte voor deze functies. Hiermee blijft meer ruimte over voor andere functies zoals landbouw en natuur. Ook overstromingsrisico, bereikbaarheid, de kosten voor infrastructuur etc. zijn hier over het algemeen bij gebaat. Hoge dichtheden zijn echter niet altijd mogelijk, om technische (de productie van wind- en zonne-energie), economische of omgevingsrechtelijke (planschade) redenen (woongenot). In RuimteScanner 2.0 kunnen deze dichtheden eenvoudig worden ingesteld en veranderd, per locatie. Dit stelt de gebruiker in staat gemakkelijk de implicaties daarvan in samenhang te verkennen.
In tegenstelling tot de eerdere RuimteScanner versies verloopt de toewijzing van de regionale ontwikkelingen (b.v. aantallen woningen of banen per sector) aan locaties in eerste instantie achtereenvolgens (sequentieel) in plaats van integraal. De verschillende sectoren komen hierbij in volgorde van waargenomen, dan wel verwachte dominantie op de grondmarkt aan bod. ‘Wie het eerst komt, wie het eerst maalt’ dus. De default volgorde waarin sectoren aan de beurt komen is als volgt: wonen, werken, zonne-energie, verblijfsrecreatie, windenergie. Hiervan kan per toepassing worden afgeweken, bijvoorbeeld in beleidsvarianten waarin andere ambities voorop staan. De rationale achter deze wijziging van integrale naar sequentiële toewijzing van sectoren volgt uit de wens om: het model meer exploratief te kunnen toepassen, om iteratief, ‘tekenend en rekenend’ tot uitkomsten te komen.
Bovendien sluit de sequentiële benadering aan bij de Nederlandse praktijk met grote prijsverschillen op de grond- en vastgoedmarkt voor verschillende marktsegmenten (wonen, werken, landbouw) die samenhangen met regulering en verschillen in vraag en aanbod (Dekkers & Rietveld, 2011). Vanwege de grote druk op de woningmarkt zullen aantrekkelijke locaties binnen bestaande kernen waarschijnlijker ontwikkelen tot woonlocaties dan tot werklocaties. Het huidige model brengt dat default tot uiting door bij vergelijkbare geschiktheid op nieuwe locaties wonen in plaats van werken te ontwikkelen. Er worden pas werklocaties toegewezen als aan de vraag naar woonlocaties is voldaan in betreffende regio en tijdsperiode.
Het model kan echter ook ruimtelijke competitie simuleren. Deze vindt in dat geval plaats tussen zogenaamde ‘subsectoren’ binnen bovengenoemde sectoren. In de huidige modelimplementatie gaat het hierbij om verschillende woningtypen (binnen de sector wonen) en tussen economische functies (binnen de sector werken). De toewijzing van subsectoren binnen sectoren gebeurt met behulp van een iteratieve allocatieprocedure waarbij de regionale ontwikkelingen binnen de subsectoren worden toegewezen aan de beschikbare locaties op basis van hun geschiktheid. Het model ontwikkelt hierbij zoveel locaties als nodig is om in de regionale vraag voor betreffende subsectoren te voorzien. De toewijzing stopt als aan de regionale vraag is voldaan of als alle beschikbare locaties gevuld zijn. Bij deze allocatie geldt ‘het recht van de sterkste’, waarbij ‘de hoogste bieder wint’. In tegenstelling tot eerdere versies van RuimteScanner vindt hierbij geen uitruil van geschikte locaties plaats tussen subsectoren, en worden er geen evenwichtsprijzen berekend. Dit betekent dat de totale geschiktheid (in een regio, over de subsectoren heen) niet automatisch wordt gemaximaliseerd. Zie de kadertekst hieronder voor een uitgebreider beschrijving van deze simulatie van competitie tussen subsectoren.
Bij de allocatie van subsectoren aan beschikbare locaties is lokale geschiktheid leidend, waarbij de hoogste bieder (de subsector met de hoogste geschiktheid op een locatie) wint. In tegenstelling tot voorgaande allocatiemechanismen van het model zijn de geschiktheidswaarden (te beschouwen als biedprijzen) hierbij een vast gegeven. Er wordt dus geen prijsmechanisme gesimuleerd dat het aanbod in balans brengt met de vraag en zo de totale geschiktheid (voor een regio, gesommeerd over de locaties en subsectoren) maximaliseert. In de oorspronkelijke RuimteScanner werd een iteratief biedproces gehanteerd dat met schaduwprijzen de initiële biedprijzen kon ophogen. Zo werd bereikt dat locaties die bij uitstek geschikt waren voor een specifiek gebruik, maar een lagere startwaarde hadden, toch gekozen werden (zie voor meer details: Dekkers, 2005; Koomen & Buurman, 2002).
De nu toegepaste procedure werkt in opeenvolgende tussenstappen (iteraties) waarin steeds een deel van de regionale vraag (claim) voor een sector aan de meest geschikte plekken wordt toegewezen. Het restant na elke tussenstap bestaat uit restlocaties (de locaties die overblijven na de allocatie, en dus beschikbaar blijven voor andere subsectoren) en restclaims (de regionale claims van subsectoren die in de allocatie nergens de hoogste bieder waren). In eventuele, volgende iteraties worden de restclaims toegewezen aan de beschikbare restlocaties. De procedure stopt wanneer de beschikbare locaties of de claims op zijn. In Bijlage 3 gaan we dieper in op dit allocatieproces aan de hand van de Ruimtelijke Verkenningen 2023 toepassing.
Het allocatieproces maakt gebruik van de weighted nth element GeoDMS-functie. Deze wordt voor elke subsector aangeroepen, aan het begin van elke iteratie, voorafgaande aan de allocatie. De functie sorteert gridcellen op basis van hun geschiktheid, van hoog naar laag, en retourneert een afkapgrens: de laatste (en dus laagste) geschiktheidswaarde die nodig is om voor betreffende subsector de gehele (rest)claim te realiseren, rekening houdend met de lokale dichtheden voor deze subsector. Locaties met geschiktheden lager dan deze grens worden uit betreffende geschiktheidskaart verwijderd om overrealisatie van claims te voorkomen.
De uiteindelijke allocatie gebeurt met de arg_max functie. Deze geeft per locatie de subsector met de hoogste geschiktheid. Deze locaties worden vervolgens bebouwd (objecten) en geoccupeerd (actoren) volgens de dichtheden horende bij deze winnende subsector (fase 4). Eventuele bestaande actoren en objecten op deze locaties uit het basisjaar (fase 1) worden onttrokken, dan wel gesloopt en, in het geval van restclaims, in vervolgiteraties alsnog gealloceerd.
Standaard mogen reeds toegewezen actoren ofwel objecten niet vervangen worden door actoren of objecten uit (sub)sectoren die later aan bod komen. ‘Eens toegewezen, altijd toegewezen’. Actoren en objecten uit het basisjaar kunnen daarentegen wel worden vervangen, bijvoorbeeld door uitplaatsing of sloop. Dit wordt door het model geadministreerd, verdisconteerd met de resterende regionale ontwikkelingen en, in het geval van een restvraag, opnieuw in de toewijzing opgenomen. Restopgaven die eventueel overblijven wanneer alle beschikbare ruimte in een regio is opgebruikt worden ofwel geaccepteerd ofwel automatisch overgeheveld naar een hoger regionaal schaalniveau, alwaar de allocatieprocedure in dat geval wordt voortgezet. De keuze of dit dient te gebeuren en, zo ja, op welk ruimtelijk schaalniveau, is aan de gebruiker.
De gebruiker beoordeelt ook of de simulatie-uitkomsten in overeenstemming zijn met de doelstelling van de toepassing. Wat passend is, kan verschillen per studie: bij het nabootsen van trendmatige ontwikkelingen is het volgen van waargenomen veranderingen van belang; bij scenariostudies vooral aansluiting bij de verhaallijnen. De mate waarin de resultaten overeenstemmen met de verwachte uitkomsten kan beoordeeld worden op basis van de gegenereerde geschiktheidskaarten en de (effecten van) gesimuleerde ruimtelijke patronen. Op basis van deze evaluatie kunnen eventueel nieuwe, of aangepaste (beleids)varianten geconstrueerd worden. RuimteScanner 2.0 volgt met dit alles een hybride allocatieprocedure (sequentieel én afgewogen), met veel ruimte voor ontwerp.
Het uiteindelijke allocatieresultaat bestaat uit een set van kaarten (25x 25 meter grids) met per grid welke subsector nieuw is toegevoegd en de bij de subsector behorende lokale kenmerken zoals het aantal toegewezen objecten (woningen per type, recreatiewoningen), actoren (banen per subsector) en ruimtebeslag (aantal m2 pandfootprint voor werkfuncties). Op basis van deze output kan voor de toegewezen sectoren ook een weergave van toekomstig ruimtegebruik gegenereerd worden. Dit vormt de laatste laag van het drielagenmodel zoals beschreven in Figuur 2. Op de locaties waar nieuwe ontwikkeling plaatsvindt, worden reeds bestaande objecten verwijderd en homogeen per cel ingevuld volgens de lokale kenmerken van de toegewezen subsector.
De sectorspecifieke ruimtegebruikslagen beschrijven ieder een deel van de verwachte ontwikkelingen, maar leveren in afzondering geen integraal, landsdekkend beeld van het toekomstig ruimtegebruikskaart. Een dergelijk overzicht kan zinvol zijn om veranderingen in hun ruimtelijke context te bezien en bijvoorbeeld te vergelijken met het huidig ruimtegebruik zoals CBS dat karteert. Om een geïntegreerde ruimtegebruikskaart te maken is een ruimtelijke aggregatiemethode opgesteld die zoveel mogelijk aansluit bij de methodiek die CBS hanteert voor de constructie van haar bestand bodemgebruik. Deze methode is uitgewerkt voor de recente Deltascenario’s 2023 studie (Claassens et al., 2023) en hanteert drempelwaarden voor aantallen woningen, bedrijfspandoppervlak en aantal recreatiewoningen om een gridcel toe te kennen aan een van de in de modeltoepassing onderscheiden type ruimtegebruik. In aanvulling op de ruimtegebruiksweergave kunnen op basis van de modelresultaten diverse indicatoren berekend worden, waaronder de bereikbaarheid van banen, de nabijheid van groen en overstromingsrisico’s.
De exacte invulling van het allocatieproces en de fasen die daaraan vooraf gaan verschillen per sector. Deze paragraaf geeft per sector een verdere uitwerking. De focus ligt daarbij op de min of meer generieke componenten die specifieke toepassingen overstijgen. De mogelijkheden voor meer beleids- en ontwerpmatige uitwerkingen van vooral de beschikbaarheid en geschiktheid van locaties komen aan bod in Hoofdstuk 3.
Aangezien het startjaar van de simulaties in het model vaak niet samenvalt met de meest actuele invoerdata die voorhanden is bij bronhouders, is er meer informatie over de meest recente ontwikkelingen nodig. Voor de stand van wonen, werken en verblijfsrecreatie in het basisjaar wordt de BAG gebruikt, echter deze dataset wordt dagelijks geüpdatet. Oftewel, recente ontwikkelingen tussen startjaar en de datum van de meest recente BAG-versie in het model zijn al beschikbaar. Daarom worden tussen het startjaar en het eerste gemodelleerde zichtjaar deze recente bouwontwikkelingen meegenomen en hoeven daarmee niet meer gealloceerd te worden in het model. Daarnaast zit er in BAG ook al status-informatie voor ontwikkelingen in de nabije toekomst, panden die waarvoor een bouwvergunning verleend is, of de bouw al gestart is. Hiervan kan met grote zekerheid worden aangenomen dat deze gerealiseerd worden. Eveneens zijn er panden ofwel objecten die gesloopt zullen gaan worden. Een pand waarvoor een sloopvergunning verleend is zal zeer waarschijnlijk in de nabije toekomst gesloopt gaan worden en deze ontwikkeling wordt dan ook meegenomen in het eerstvolgende zichtjaar. Al deze informatie wordt toegepast in het eerste zichtjaar.
Samenvattend kan RuimteScanner 2.0 gekenmerkt worden als een hybride, semi-integraal allocatiemodel dat regionale projecties van actoren, objecten en ruimtegebruik toewijst aan beschikbare en geschikte locaties hiervoor. In lijn met de praktijk worden ruimtegebruiksfuncties sequentieel (achtereenvolgens) toegewezen. Functies die sequentieel worden toegewezen worden aangeduid als sectoren. In de huidige implementatie gaat het hierbij om respectievelijk wonen, werken, zonne-energie, verblijfsrecreatie en windenergie. Binnen de sectoren kan concurrentie gesimuleerd worden. Dit gebeurt dan tussen zogenaamde subsectoren, in een iteratief proces waarbij de hoogste bieder wint en dat stopt als de beschikbare ruimte op is of als alle regionale opgaven zijn gerealiseerd. In het huidige model vindt deze concurrentie plaats binnen de sectoren wonen (tussen woningtypen in ontwikkelopties) en werken (tussen economische sectoren).
Het model kent een flexibele opzet. Hierbij gaat het niet alleen om de volgorde waarin functies worden toegewezen en of dit al dan niet in concurrentie gebeurt. Het gaat ook om de vraag welke functies überhaupt aan bod komen. Voor de planmonitor van de NOVI (Kuiper, Rijken, et al., 2023), bijvoorbeeld, is alleen gekeken naar verstedelijking: wonen, werken en verblijfsrecreatie. Voor de Ruimtelijke Verkenning 2023 (Kuiper, Hamers, et al., 2023) werden daarentegen ook de sectoren zonne-energie en windenergie gesimuleerd. In vergelijking met eerdere versies geeft het model explicieter ruimte aan ontwerp. Het gaat daarbij vooral om de invulling van de beschikbaarheid en geschiktheid van plekken voor de verschillende functies en de dichtheid waarin deze aan plekken (mogen) worden toegewezen.
Tabel 1 geeft een overzicht van de manier waarop de huidige modelversie is opgezet. Om de werking en toepassingsmogelijkheden van het vernieuwde model te illustreren, gaan we in het volgende hoofdstuk dieper in op een specifieke toepassing die deze modelopzet volgt. We kiezen daarvoor de Ruimtelijke Verkenning 2023, omdat dit een uitgebreide toepassing betreft waarin diverse nieuwe modelaspecten zijn toegepast. De beschrijving van deze toepassing is nadrukkelijk een illustratie van die model aspecten. We gaan niet diep in op de inhoudelijke achtergrond en resultaten van deze studie, maar verwijzen daarvoor naar de beschikbare rapportages (Hamers et al., 2023; Kuiper, Hamers, et al., 2023). In dit rapport gaan we ook niet uitgebreid in op heel specifieke modelinstellingen voor deze toepassing aangezien deze zijn vastgelegd in de modelconfiguratie.
Tabel 1 Samenvatting herkomst ruimtevraag en definitie geschiktheid per sector in de huidige modelimplementatie.
| Sector | Herkomst ruimtevraag | Definitie geschiktheid (empirische component) | Definitie dichtheid | Competitie tussen subsectoren? |
|---|---|---|---|---|
| Wonen | Regionaal model (Tigris XL) | Exploitatiesaldo, o.b.v. empirie (hedonische prijsanalyse woningopbrengst, regressie grondproductiekosten en kentallen) | Woningen per ha, o.b.v. expert judgement, per ontwikkelpakket | Ja (ontwikkelopties) |
| Werken | Regionaal model (Tigris XL) | Kans op voorkomen (o.b.v. logistische regressie) | Banen per m2 pandvoetafdruk per ha, o.b.v. waargenomen dichtheden in en rond gridcel | Ja (economische sectoren) |
| Verblijfsrecreatie | Trends/expert judgement | Kans op voorkomen (o.b.v. logistische regressie) | Recreatiewoningen per ha, o.b.v. waargenomen dichtheden per regio | Nee |
| Zonne-energie | Beleidsdoelen/ expert judgement | Inverse van belevingskaart landschap (CBS et al., 2009), en per trede van de zonneladder | Gigawatt per ha, o.b.v. kentallen | Nee |
| Windenergie | Beleidsdoelen/ expert judgement | Inverse van belevingskaart landschap met een set regels over plaatsingsmogelijkheden van turbines (oriëntatie, minimale groepsgrootte, afstand van elkaar) | Gigawatt per ha, o.b.v. kentallen | Nee |