Classificatie van landgebruik binnen 80.000 mijnlocaties wereldwijd

Waarom mijnen ertoe doen in een opwarmende wereld

De drang om fossiele brandstoffen te vervangen door schone energie verandert ons landschap op onverwachte manieren. Zonnepanelen, windturbines en elektrische auto’s zijn allemaal afhankelijk van metalen die uit de grond worden gehaald, en de jacht op deze mineralen breidt mijnbouwlocaties over de hele wereld uit. Tot nu toe hadden we echter slechts een vaag beeld van hoeveel land mijnbouw daadwerkelijk in beslag neemt en wat er precies binnen die uitgestrekte sites gebeurt. Deze studie levert een scherp, wereldomspannend beeld van mijnbouwlandgebruik en helpt de samenleving de verborgen milieukosten van de energietransitie beter af te wegen.

Mijnen zien vanuit de ruimte

De auteurs maakten een wereldkaart van het landgebruik binnen meer dan 80.000 bekende mijngebieden in meer dan 150 landen. In plaats van alleen de grenzen van mijnen aan te geven, verdelen ze elk mijngebied in verschillende zones: diepe dagbouwputten, hopen afval- en slakkenmateriaal, verstoorde grond, waterlichamen zoals vijvers en ondergelopen putten, gebouwde faciliteiten, kale bodem en resterende vegetatie. In totaal vinden ze dat mijnbouwactiviteiten die vegetatie verwijderen ongeveer 95.600 vierkante kilometer land bedekken — een gebied ter grootte van een middelland — wat neerkomt op ongeveer 0,07% van het landoppervlak van de wereld (exclusief Antarctica). Dit fijnmazige beeld onthult niet alleen hoe wijdverspreid mijnbouw is, maar ook welke delen van elk terrein het meest waarschijnlijk risico’s vormen voor natuur en mensen.

Kleur en hoogte combineren om het landschap te lezen

Onderscheiden wat er op de grond gebeurt op basis van satellietbeelden is niet eenvoudig. Dagbouwputten en afvalhopen kunnen er in standaardkleurbeelden sterk op elkaar lijken, omdat beide kale rots en grond blootleggen. Om dit te overwinnen combineerde het team twee soorten satellietgegevens. Ten eerste gebruikten ze optische beelden van Europa’s Sentinel‑2-missie, die gedetailleerde kleurinformatie leveren en de berekening van indexen mogelijk maken die vegetatie, bebouwde oppervlakken, water en kale bodem benadrukken. Ten tweede gebruikten ze hoogteveranderingskaarten van de TanDEM‑X radarmissie, die meten hoe de hoogte van het aardoppervlak in de loop van de tijd is veranderd. Waar de grond is uitgegraven voor een dagbouwput daalt het oppervlak; waar afval en slakken worden opgestapeld, rijst het oppervlak. Door deze twee datasets in de tijd op elkaar af te stemmen voor elke mijn konden de onderzoekers zowel de “huid” als de “vorm” van mijnlandschappen zien.

Een computer leren mijnlandschappen te ordenen

Met honderden mijnsites die zorgvuldig door experts waren gelabeld, trainden de auteurs een machine-learningmodel dat bekendstaat als een Random Forest-classifier. Ze definieerden zeven landgebruik- en landbedekkingsklassen op pixelniveau en verfijnden trainingsvoorbeelden met drempels voor vegetatie, water, kale bodem, bebouwde oppervlakken en hoogteverandering om vage of gemengde pixels te vermijden. Na training werd het model toegepast op alle mijnpolygonen wereldwijd en vervolgens gladgestreken zodat aangrenzende pixels coherente vlekken vormden. Het resultaat is een consistente, hoogresolutiew kaart van mijnbouwlandgebruik die per regio kan worden gedownload. Bij testen bleek dat het gecombineerde kleur‑en‑hoogtemodel ongeveer 92% van de validatiepixels correct classificeerde — aanzienlijk beter dan een model dat alleen kleurinformatie gebruikte.

Wat de wereldkaart onthult

De nieuwe dataset toont dat binnen mijngebieden vooral kale bodem en algemeen verstoord land het grootste deel van de ruimte innemen, gevolgd door dagbouwputten. Oost-Azië valt op met het grootste totale mijngebied en de grootste omvang van dagbouwputten, terwijl Latijns-Amerika, Noord-Amerika en Oost-Europa ook grote voetafdrukken herbergen. In een grovere wereldwijde rasterweergave onthult de kaart duidelijke hotspots: kolen- en metaalrieten in Noord-China, mijnbouwregio’s in Indonesië, Australië’s hulpbronnenrijke binnenland, koper- en goudrieten in de Andes, en pockets van intensieve activiteit in Afrika en Centraal-Azië. De gegevens werpen ook licht op kleinschalige en ambachtelijke mijnbouw op plekken zoals het Amazonegebied, en laten zien dat eerdere handgetekende grenzen vaak het werkelijke gebied van actieve winning overschatten door grote stroken bos en ongebruikt land bij “mijnzones” te rekenen.

Beperkingen en toepassingen van het nieuwe beeld

Aangezien de mapping is gebaseerd op satellietpixels van 10 meter, kan zij smalle elementen zoals kleine gebouwen, wegen en sommige verwerkingsstructuren niet volledig vastleggen; die kunnen vermengd raken met categorieën zoals kale bodem of verstoord land. Bepaalde faciliteitstypen, slakken­dammen en loogvelden worden samengevoegd in bredere afval- of waterklassen. Bovendien zijn verschillende mijnsites in verschillende jaren tussen 2017 en 2022 in kaart gebracht, afhankelijk van wanneer geschikte hoogtedata beschikbaar waren, dus de dataset is geen enkele momentopname. Ondanks deze kanttekeningen stellen de auteurs dat de dataset goed bruikbaar is voor mondiale en regionale studies van de milieuvoetafdruk van mijnbouw, zoals het volgen van ontbossing, het beoordelen van bedreigingen voor biodiversiteit of het koppelen van mineralenvoorzieningsketens aan specifieke landimpacten.

Waarom dit ertoe doet voor mensen en de planeet

Door over te gaan van ruwe omtrekken van mijnen naar gedetailleerde kaarten van wat er binnen die gebieden gebeurt, biedt dit werk een eerlijker beeld van de landkosten van onze mineraalbehoefte. Niet elke grond binnen een mijn is even gevaarlijk: diepe putten, afvalhopen en verontreinigde vijvers vormen veel grotere risico’s dan onaangetaste vegetatie of licht verstoorde bodem. Door deze zones wereldwijd te scheiden, stelt de dataset overheden, bedrijven en gemeenschappen in staat de aandacht te richten op de schadelijkste delen van mijnactiviteiten, slimmer beleid te ontwerpen en de voordelen van schone energie beter in balans te brengen met de verantwoordelijkheid om ecosystemen en lokale levensonderhoud te beschermen.

Bronvermelding: Cheng, YT., Hoang, N.T., Maupu, L. et al. Classifying land use within 80,000 mining sites on a global scale. Sci Data 13, 338 (2026). https://doi.org/10.1038/s41597-026-06681-x

Trefwoorden: mijnvoetafdruk, remote sensing, landgebruik, kritieke mineralen, milieu-impact