Het ruimtelijk belang van de paardensector in de Vlaamse open ruimte

Het ruimtelijk belang van de paardensector in de Vlaamse open ruimte Een verkennende analyse

Auteurs: •

Kirsten Bomans

•

Hubert Gulinck

•

Thérèse Steenberghen

Auteurs en info: Auteurs: •

Kirsten Bomans

•

Hubert Gulinck

•

Thérèse Steenberghen

•

Projectleiding: •

Hubert Gulinck

Datum: Juli 2009

Verantwoordelijke uitgever: Steunpunt Ruimte en Wonen Kasteelpark Arenberg 51 bus 2429 - 3001 Heverlee Tel: +32 (0)16/32 13 36 Email: [email protected]

Referent ie: Bomans, K., Gulinck, H., Steenberghen, T., 2009. Het ruimtelijk belang van de paardensector in de Vlaamse open ruimte – een verkennende analyse. Steunpunt Ruimte en Wonen, Heverlee. 74p.

Verantwoordelijke uitgever: Deze paper kwam tot stand met de steun van de Vlaamse Gemeenschap: Programma Steunpunten voor Beleidsrelevant Onderzoek. In deze tekst komt de mening van de auteur naar voor en niet die van de Vlaamse Gemeenschap. De Vlaamse Gemeenschap kan niet aansprakelijk gesteld worden voor het gebruik dat kan worden gemaakt van de meegedeelde gegevens.

This paper has been realised with the support of the Flemish Community: Program for Policy Research Centres. The text contains the views of the author and not the views of the Flemish Community. The Flemish Community cannot be held accountable for the potential use of the communicated views and data

Het ruimtelijke belang van de paardensector in de Vlaamse open ruimte

Inhoudstafel: 1 Inleiding ............................................................................................... 4 1.1 Motivatie.................................................................................................... 4 1.2 Probleemstelling ........................................................................................ 4 1.3 Onderzoeksvragen ...................................................................................... 4 1.4 Structuur van het rapport ........................................................................... 4

2 Literatuurstudie .................................................................................... 6 2.1 Belang van de paardensector ...................................................................... 6 2.1.1 Economisch belang ............................................................................... 6 2.1.2 Sociaal-Maatschappelijk belang ............................................................ 6 2.1.3 Ruimtelijk belang ................................................................................. 6 2.2 De Verpaarding .......................................................................................... 7 2.2.1 Het fenomeen van verpaarding ............................................................. 7 2.2.2 Verschillende percepties op verpaarding............................................... 7

3 Ruimtelijke spreiding van paardenweiden en kwalitatieve associaties met omgevingskenmerken........................................................................ 9 3.1 Methode ..................................................................................................... 9 3.1.1 Steekproefbepaling op perceelsniveau .................................................. 9 3.1.1.1 Clusteranalyse................................................................................ 9 3.1.1.2 Steekproefname per gemeente ..................................................... 11 3.1.1.3 Veldwerk ...................................................................................... 12 3.1.2 Analyse van de gegevens op perceelsniveau en op gemeenteniveau .... 13 3.2 Ruimtelijke spreiding op perceelsniveau: Resultaten ................................ 15 3.2.1 Oppervlakte ....................................................................................... 15 3.2.2 Patronen ............................................................................................ 16 3.2.3 Confrontatie van de landgebruikskartering met drie gegevensbronnen 17 3.2.3.1 Gewestplan .................................................................................. 17 3.2.3.2 Eenmalige perceelsregistratie (2008) ........................................... 19 3.2.3.3 Topografische landgebruikskaart NGI ........................................... 20 3.3 Ruimtelijke spreiding op gemeentelijk niveau, gebiedsdekkend voor Vlaanderen: Resultaten .................................................................................. 21 3.3.1 Aantal paarden ................................................................................... 21 3.3.2 Oppervlakte ....................................................................................... 21 3.3.3 Patronen ............................................................................................ 23

4 Kwantitatieve associaties tussen het voorkomen van paardenweiden en omgevingskenmerken ............................................................................ 27 4.1 Methode ................................................................................................... 27 4.1.1 Bepalen van de onafhankelijke variabelen .......................................... 27

Pag.I

4.1.2 Statistiek ........................................................................................... 28 4.1.2.1 Analyse op perceelsniveau: Logistische regressie ......................... 28 4.1.2.2 Analyse op gemeenteniveau: Multiple lineaire regressie ............... 29 4.2 Associaties op perceelsniveau: Resultaten ................................................ 29 4.2.1 Multicollineariteit ............................................................................... 29 4.2.2 Model 1: Forward Logistic Regression ................................................. 30 4.2.3 Model 2: Backward Logistic Regression .............................................. 34 4.3 Associaties op gemeenteniveau: Resultaten.............................................. 34 4.3.1 Model 1 .............................................................................................. 34 4.3.1.1 Normaalverdeeldheid ................................................................... 35 4.3.1.2 Resultaten.................................................................................... 36 4.3.1.3 Sterkte van het model .................................................................. 37 4.3.2 Model 2: stapsgewijze regressie ......................................................... 37 4.3.2.1 Normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden ...................................................................... 37 4.3.2.2 Resultaten.................................................................................... 39 4.3.2.3 Sterkte van het model .................................................................. 39 4.3.2.4 Identificatie van outliers .............................................................. 40 4.3.3 Model 3 .............................................................................................. 41 4.3.3.1 Normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden ...................................................................... 41 4.3.3.2 Resultaten.................................................................................... 43 4.3.3.3 Sterkte van model 3 ..................................................................... 43 4.4 Kwantitatieve associaties tussen het voorkomen van paardenweiden en omgevingskenmerken: Besluit ........................................................................ 43

5 Een verkennende analyse van ‘Verpaarding’ ......................................... 45 5.1 Evoluties volgens de landbouwtelling en de mestbankregistratie .............. 45 5.2 Een enquête bij paardenhouders in Vlaanderen ........................................ 47 5.2.1 Voor- en nadelen van internetenquêtes .............................................. 48 5.2.2 Opstelling van de enquête .................................................................. 48 5.2.2.1 Structuur van de enquête ............................................................. 48 5.2.2.2 Jump Blocks ................................................................................. 49 5.2.2.3 Analyse en weergave van de resultaten uit de enquête ................. 49 5.2.2.4 Testversie van de enquête ............................................................ 49 5.2.3 Verspreiding van de enquête .............................................................. 50 5.2.4 Representativiteit van de respons ...................................................... 50 5.3 Resultaten van de enquête ....................................................................... 51 5.3.1 Drop-out van de respons .................................................................... 51 5.3.2 Respons en spreiding van de respons.................................................. 51

Pag.II

5.3.3 Sociale achtergrond van de respondenten........................................... 52 5.3.4 Aantal paardachtigen ......................................................................... 53 5.3.5 Motivatie voor het houden van paarden .............................................. 54 5.3.6 Uitzicht en omgeving van de paardenweiden ...................................... 57 5.3.7 Landgebruiksveranderingen door verpaarding .................................... 59 5.3.8 Paarden(houders) en hun gronden...................................................... 62 5.3.9 De paardenhouders aan het woord ..................................................... 66

6 Besluit ................................................................................................ 69 6.1 De onderzoeksvragen beantwoord ............................................................ 69 6.2 Knelpunten en Aanbevelingen voor ruimtelijke ordening .......................... 69 6.2.1 Vastgestelde knelpunten .................................................................... 69 6.2.2 Aanbevelingen.................................................................................... 70 6.2.2.1 Duidelijke definities ..................................................................... 70 6.2.2.2 Een plaats voor de paardensector in het ruimtelijke beleid ........... 70 6.2.2.3 Belang van monitoring ................................................................. 71 6.2.2.4 Landschappelijke inpassing .......................................................... 71 6.2.2.5 Ruimte voor paarden binnen de visievorming rond open ruimte .... 71 6.3 Algemeen besluit...................................................................................... 71

Pag.III

Figuren: Afbeelding 1 Schematische voorstelling van de structuur van het onderzoek.................................. 5 Afbeelding 2 Resultaat van de K-means cluster analyse die morfologische verstedelijking, type landbouwactiviteit, bebossingsindex en versnippering van landbouwgebruikspercelen in rekening brengt (Bron: Landbouwtelling, FOD Directie Statistiek en Economische informatie, 2005; Boskartering ANB, 2001; Bodemgebruikskaart 2001, Landbouwgebruikspercelen VLM, 2006 en eigen berekening ABNL, KULeuven) ................. 10 Afbeelding 3 Weergave van de locatie van de onderzochte segmenten per studiegemeente ......... 12 Afbeelding 4 Voorbeeld van landgebruikskartering in een segment in Balen ................................. 13 Afbeelding 5 Ruimtelijke verdeling van het aantal paarden van de sanitair verantwoordelijken per km², per postcode (Bron: Belgische Confederatie voor het Paard, februari 2009 en eigen bewerking ABNL, KULeuven) ........................................................................................... 23 Afbeelding 6 Ruimtelijke verdeling van het aantal paarden van de sanitair verantwoordelijken per km², per gemeente met overlay van de locatie van manèges (Bron: Belgische Confederatie voor het Paard, februari 2009 ; VLM, 2008 en eigen bewerking ABNL, KULeuven) ............. 23 Afbeelding 7 Aantal paarden per oppervlakte aanwezig permanent grasland (km²) per gemeente (Bron: Belgische confederatie van het paard, februari 2009 en landbouwgebruikspercelen VLM, 2006). Hoe lager dit getal, hoe meer permanent grasland gebruikt wordt door andere dieren/activiteiten dan paarden. ..................................................................................... 25 Afbeelding 8 Concentratie van paarden, aangegeven bij de Mestbank in 2006 (bron: VLM, 2006) . 14 Afbeelding 9 Concentratie van paarden, aangegeven bij de landbouwtelling (2005). .................... 15 Afbeelding 10 Deviantieplot........................................................................................................ 31 Afbeelding 11 ROC curve............................................................................................................. 33 Afbeelding 12 Histogram als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 1 ............................................ 35 Afbeelding 13 P-P plot als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 1 ............................................ 35 Afbeelding 14 Histogram als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 2 ............................................ 38 Afbeelding 15 P-P plot als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 2 ............................................ 38 Afbeelding 16 De Outliers grafisch voorgesteld ........................................................................... 40 Afbeelding 17 Cook’s distance tov Centered Leverage Value ........................................................ 41 Afbeelding 18 Histogram als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 3 ............................................ 42 Afbeelding 19 P-P plot als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 3 ............................................ 42 Afbeelding 20 Evolutie van het aantal paardachtigen, aangegeven bij de landbouwtelling (19902005). Bron: FOD, Economie, Directie Statistiek en Economische Informatie. ................... 46 Afbeelding 21 Evolutie van het aantal paarden, aangegeven bij de Mestbank (2001-2007) (Bron: Voortgangsrapporten Mestbank, 2002 tem 2008) ............................................................ 46 Afbeelding 22 Dierlijke productie in kg N en kg P2O5 door paarden, per jaar berekend volgens de bepalingen van het Mestdecreet (Bron: Voortgangsrapport Mestbank, 2002) ................... 47 Afbeelding 23 Ruimtelijke spreiding van de respons op de internet-enquête in absolute aantallen 51 Afbeelding 24 Ruimtelijke spreiding van de respons op de internet-enquête, relatief ten opzichte van de oppervlakte van de deelgemeenten ...................................................................... 52 Afbeelding 25 Verdeling van de leeftijd van de respondenten ...................................................... 52 Afbeelding 26 Verdeling van het aantal kinderen binnen de gezinssituatie van de respondenten .. 53 Afbeelding 27 Frequentieverdeling van het aantal paarden van de respondenten......................... 54

Pag.IV

Afbeelding 28 Geografische spreiding van de hobbymatige respondenten (links) en de professionele (rechts) .......................................................................................................................... 54 Afbeelding 29 Belangrijkste motivatie van de respondenten die meerdere redenen aangaven ...... 55 Afbeelding 30 Frequentie-verdeling van de gemiddelde afstand van de woning tot stallingen en weiden ........................................................................................................................... 58 Afbeelding 31 Tijdstip waarop de respondenten paardenhouder werden...................................... 59 Afbeelding 32 Aantal paardachtigen van de respondenten in 2005 ten opzichte van hun aantal paardachtigen in 2009 .................................................................................................... 60 Afbeelding 33 Aantal paarden van anderen die gestald staan bij de respondenten ....................... 62 Afbeelding 34 Oppervlakte weiland per paard ten opzichte van het aantal respondenten ............. 63 Afbeelding 35 Verdeling van de hurende respondenten die wel/niet bij een land- of tuinbouwer huurt .............................................................................................................................. 64 Afbeelding 36 Verklaringen voor het gratis gebruik van gronden waar de respondenten zelf geen eigenaar van zijn ............................................................................................................ 64 Afbeelding 37 Frequentieverdeling van de aard van de aangehaalde problemen bij het verkrijgen van de nodige gronden ................................................................................................... 65 Afbeelding 38 Histogram en P-P plot als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 1 ............................................ viii Afbeelding 39 Histogram en P-P plot als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 2 ...............................................x Afbeelding 40 De Outliers grafisch voorgesteld ............................................................................ xii Afbeelding 41 Cook’s distance tov Centered Leverage Value ........................................................ xiii Afbeelding 42 Histogram en P-P plot als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 3 ............................................ xiii

Pag.V

Tabellen: Tabel 1 Oppervlakteverdelingen van de paardenweiden per studiegemeente ............................... 16 Tabel 2 Percentage van de gekarteerd paardenweiden en hobbyweiden van de 6 studiegemeenten per bestemming volgens het gewestplan 2002. ................................................................ 17 Tabel 3 Percentage van de gewestplanbestemmingen in de onderzochte segmenten, ingenomen door paardenweiden of hobbyweiden ............................................................................. 19 Tabel 4 Overlay van de gekarteerde paardenweiden met de registratie bij VLM (landgebruikdspercelen, 2006) ........................................................................................ 20 Tabel 5 Percentage van de gekarteerde paardenweiden per landgebruikscode volgens de topografische landgebruikskaart (NGI, 2004) ................................................................... 21 Tabel 6 Oppervlakte van Vlaanderen, in gebruik voor paarden, op basis van een aantal geschatte dichtheden en gegevens over het aantal paarden in Vlaanderen ...................................... 22 Tabel 7 Gemiddeld aantal paarden per km² per cluster (Bron: Belgische Confederatie voor het Paard, februari 2009 en eigen bewerking ABNL, KULeuven).............................................. 24 Tabel 8 Gemiddeld aantal paarden per km² permanent grasland per cluster................................. 25 Tabel 9 Gebruikte onafhankelijke variabelen ............................................................................... 27 Tabel 10 Statistieken van collineariteit: Tolerance en VIF ............................................................ 30 Tabel 11 Variabelen, niet in de vergelijking gebruikt bij stap 0 ..................................................... 30 Tabel 12 Variabelen, niet in de vergelijking gebruikt bij stappen 1, 2 en 3; Variabelen in het grijs vertonen geen significante score ..................................................................................... 30 Tabel 13 Hosmer-Lemeshow test................................................................................................. 31 Tabel 14The Significance of Change............................................................................................. 32 Tabel 15 Berekening van R Square als maat voor de sterkte van het model .................................. 32 Tabel 16 Validatie van het model ................................................................................................ 32 Tabel 17 Oppervlakte onder de curve als maat voor de sterkte van het model.............................. 33 Tabel 18 Variabelen en coëfficiënten van de voorwaartse lineaire regressie................................. 33 Tabel 19 Variabelen en coëfficiënten van de achterwaartse lineaire regressie .............................. 34 Tabel 20 Resultaten van model 1: Verbanden tussen de onafhankelijke variabelen en de concentratie aan paarden en statistieken van collineariteit ............................................. 36 Tabel 21 Multicollineariteitstest voor model 1: een eigenwaarde dicht bij 0 en een conditie index hoger dan 15 wijzen op multicollineariteit....................................................................... 36 Tabel 22 Sterkte van model 1. Hoe dichter R bij 1 ligt, hoe sterker het model .............................. 37 Tabel 23 ANOVA tabel van model 1 ............................................................................................. 37 Tabel 24 Resultaten van model 2: Stapsgewijze verbanden tussen de onafhankelijke variabelen ,opgenomen in het model en de concentratie aan paarden .............................................. 39 Tabel 25 Multicollineariteitstest voor model 2: een eigenwaarde dicht bij 0 en een conditie index hoger dan 15 wijzen op multicollineariteit....................................................................... 39 Tabel 26 Sterkte van model 2. Hoe dichter R bij 1 ligt, hoe sterker het model .............................. 39 Tabel 27 Outliers van model 2..................................................................................................... 40 Tabel 28 Resultaten van model 3: Stapsgewijze verbanden tussen de onafhankelijke variabelen, opgenomen in het model en de concentratie aan paarden ............................................... 43 Tabel 29 Sterkte van model 3. Hoe dichter R bij 1 ligt, hoe sterker het model .............................. 43 Tabel 30 Inkomensverdeling van de respondenten ...................................................................... 53 Tabel 31 Verdeling van de respons Liefhebberij/Professioneel ..................................................... 54 Tabel 32 Motivatie van de paardenhouders ................................................................................. 55 Tabel 33 Mening van de paardenhouders over hun plaats binnen de domeinen recreatie, landbouw, natuurbeheer, sport, commerciële doeleinden en erfgoed en cultuur. ............................. 56 Tabel 34 Verdeling naar type van professioneel kader ................................................................. 56 Tabel 35 Omgeving van de paardenweiden .................................................................................. 57 Tabel 36 Verdeling van de omheingstypen van de paardenweiden ............................................... 57

Pag.VI

Tabel 37 Aard van objecten in de paardenweide en de frequentie van vermelding in de enquete.. 58 Tabel 38 Procentuele verdeling van het tijdstip waarop respondenten startten met het houden van paardachtigen ................................................................................................................ 59 Tabel 39 Verdeling van de evolutie van het aantal paarden.......................................................... 60 Tabel 40 Verdeling van het vroeger landgebruik van de huidige paardenweiden ........................... 61 Tabel 41 Opdeling van ‘ander landgebruik’ op de huidige paardenweiden .................................... 61 Tabel 42 Evolutie van het vroegere landgebruik van 1985 tot 2005, volgens procentuele verdeling van de antwoorden ......................................................................................................... 61 Tabel 43 Verdeling van de respondenten die wel/niet hun eigen paarden elders stalt .................. 62 Tabel 44 Verdeling van respondenten die niet/wel paarden van anderen stallen .......................... 62 Tabel 45 Oppervlakte-inname door de 2323 paardachtigen van 580 respondenten ....................... 63 Tabel 46 Verdeling van de respondenten die (geen) eigenaar zijn van de gronden voor hun paarden ...................................................................................................................................... 63 Tabel 47 Verdeling van de respondenten die (geen) huurder is van de gronden voor hun paarden 64 Tabel 48 Verdeling van de respondenten die wel/geen problemen ondervonden voor het verkrijgen van hun gronden............................................................................................................. 65 Tabel 49 Aantal respondenten en percentageverdeling voor de aangehaalde problemen bij het verkrijgen van de nodige gronden voor paardachtigen ..................................................... 65 Tabel 50 De belangrijkste opmerkingen, door de paardenhouders gegeven op het einde van de enquête.......................................................................................................................... 67 Tabel 51 Resultaten van model 1: Verbanden tussen de onafhankelijke variabelen en de concentratie aan paarden en statistieken van collineariteit ............................................. viii Tabel 52 Multicollineariteitstest voor model 1: een eigenwaarde dicht bij 0 en een conditie index hoger dan 15 wijzen op multicollineariteit.........................................................................ix Tabel 53 Sterkte van model 1. Hoe dichter R bij 1 ligt, hoe sterker het model ................................ix Tabel 54ANOVA tabel van model 1 .................................................................................................x Tabel 55 Resultaten van model 2: Stapsgewijze verbanden tussen de onafhankelijke variabelen ,opgenomen in het model en de concentratie aan paarden ................................................ xi Tabel 56 Multicollineariteitstest voor model 2: een eigenwaarde dicht bij 0 en een conditie index hoger dan 15 wijzen op multicollineariteit.........................................................................xi Tabel 57 Sterkte van model 2. Hoe dichter R bij 1 ligt, hoe sterker het model ................................xi Tabel 58 Outliers van model 2...................................................................................................... xii Tabel 59 Resultaten van model 3: Stapsgewijze verbanden tussen de onafhankelijke variabelen, opgenomen in het model en de concentratie aan paarden ............................................... xiv Tabel 60 Sterkte van model 3. Hoe dichter R bij 1 ligt, hoe sterker het model .............................. xiv

Pag.VII

Dankwoord Dit onderzoek kwam tot stand dankzij de hulp en medewerking van meerdere mensen en instellingen. We willen dan ook de Belgische Confederatie van het Paard bedanken voor het ter beschikking stellen van hun registratiegegevens. Dit maakte het immers mogelijk een totaalbeeld voor Vlaanderen te kunnen maken. We danken ook de mensen van LUDIT (K.U.Leuven) voor de hulp bij het opstellen van de internetenquête en uiteraard ook al de mensen die bereid waren de enquête enthousiast in te vullen. We hopen dat dit onderzoek een leegte kan opvullen in onze kennis en inzichten rond het ruimtegebruik van de Vlaamse open ruimte en wensen u veel leesplezier toe!

Dankwoord

1

Samenvatting Dit onderzoek geeft een inschatting van het ruimtelijk belang van de paardensector in Vlaanderen. Meer bepaald gaat het onderzoek dieper in op devolgende onderzoeksvragen: 1.

Wat is de grootte-orde van het ruimtegebruik door paarden in Vlaanderen?

2.

Hoe zijn paarden(weiden) verspreid over Vlaanderen?

3.

Welke associaties zijn er te vinden tussen het voorkomen van paarden(weiden) en omgevingskenmerken?

4.

Wat zijn de grootte-orde en de achterliggende redenen van ‘verpaarding’?

Methode Om op bovenstaande vragen een antwoord te kunnen geven, worden enerzijds censusgegevens geanalyseerd, die ter beschikking werden gesteld door de Belgische Confederatie van het Paard en anderzijds wordt veldwerk verricht in 6 gemeenten. Hieruit worden inschattingen gemaakt naar aantallen paarden, oppervlakte en ruimtelijke spreiding. Via logistische regressie en multiple lineaire regressie wordt vervolgens gezocht naar mogelijke verbanden tussen het voorkomen van paarden en een aantal geografische kenmerken zoals de verstedelijkingsgraad, afstand tot tuinen en bos, landbouwversnippering en perceelsgrootte. Tot slot wordt de evolutie van het aantal paarden in beeld gebracht voor zover dit mogelijk is met beschikbare gegevens. De gebruikte gegevens hiervoor zijn enerzijds de landbouwtelling en de mestbankregistratie en anderzijds een eigen internetenquête. De enquête is gericht naar paardenhouders in Vlaanderen en heeft als doel extra informatie te verzamelen rond de evolutie van het aantal paarden en landgebruiksveranderingen die hier mee gepaard gaan. Daarnaast peilt de enquête ook naar motivatie van mensen om paarden te houden en mogelijke problemen die ze ondervinden, bijvoorbeeld om hun paard(en) de nodige ruimte te kunnen geven. Resultaten Het aantal paardachtigen in Vlaanderen wordt geschat op 150.000 en de grootte-orde van het ruimtegebruik hiervoor op ongeveer 70.000 ha. Dit is een opmerkelijk hogere oppervlakte dan geschat volgens vroegere studies (Viaene et al., 2003). In de spreiding van de concentratie aan paarden in Vlaanderen zijn 2 grote concentratiegebieden te situeren: één ten zuidoosten van Antwerpen en één tussen Brussel, Antwerpen en Gent. De laagste concentratie is te vinden in de Westhoek. Kwalitatieve en kwantitatieve analyses toonden significante en logische verbanden aan tussen het voorkomen van paardenweiden en de verstedelijkingsgraad, versnipperingsgraad, perceelsgrootte en afstand tot tuin en tot bos, met een hogere concentratie aan paarden (of een hogere kans op een paardenweide) dichter bij tuinen en bossen, in een sterk versnipperde en verstedelijkte omgeving, met kleine weidepercelen. Wegens schaalverschillen werden op gemeenteniveau niet steeds dezelfde verbanden gevonden als op perceelsniveau. Zo is de invloed van bos statistisch niet significant op gemeenteniveau, maar wel op perceelsniveau. Omgekeerd is de versnippering in de landen tuinbouw een doorslaggevende factor op gemeenteniveau, maar niet meer op perceelsniveau.

Samenvatting

2

Wanneer de evolutie van het aantal paarden in beeld wordt gebracht wijzen zowel de landbouwtelling als de mestbankregistratie op een toename. Deze gegevens zijn echter niet volledig en omvatten enkel paarden van personen die aangifteplichtig zijn. Maar ook de internetenquête, die veel hobbyisten en niet-aangifteplichtigen omvat, wijst op een toename, gezien meer dan 80% van de ondervraagden meer paarden bezit in 2009 in vergelijking met 2005. Uit de enquête komt bovendien een duidelijke motivatie van de paardenhouders naar voren die voornamelijk te maken heeft met sport en liefhebberij. Weinig paardenhouders associëren zichzelf met de landbouwsector. De vragen over landgebruiksveranderingen wijzen erop dat een groot deel van voormalig professioneel landbouwareaal nu gebruikt wordt als paardenweide, hoewel het niet altijd evident is voor de paardenhouders zelf om de nodige ruimte te bekomen.

Samenvatting

3

1 Inleiding 1.1 Motivatie De paardensector is in groei en valt sterk op in het landschap van de open ruimte. De ‘verpaarding’ als transformatieproces komt steeds meer in de aandacht. Dit is het proces waarbij voormalige landen tuinbouwgronden worden gebruikt voor paarden met verschillende functie en beheer (recreatief, fokkerij, sport, …). Vooraleer verder onderzoek kan gebeuren naar het proces van verpaarding, is het noodzakelijk te kunnen vertrekken van een reeks basisgegevens over de ruimtelijke spreiding van paarden(weiden). Behalve een ruwe schatting (Viaene, 2003) bestonden tot voor kort geen gedetailleerde cijfers over het totale ruimtegebruik door de sector in Vlaanderen. Ook wordt vaak gesproken over het verband tussen verstedelijking en verpaarding, hoewel dit nooit kwantitatief werd onderbouwd. Dit onderzoek wil hier dan ook een beter zicht op geven.

1.2 Probleemstelling Hoewel de aandacht voor de paardensector groeit1, is de sector tot voor kort vanuit de ruimtelijke planning een onderbelichte ruimtegebruiker. In veel landen, waaronder ook België, zijn statistieken over paarden slechts gedeeltelijk opgenomen in de landbouwstatistieken. Hierdoor is de omvang van de ruimte, gebruikt voor ondermeer hobbypaarden ongekend. Nochtans kan deze vorm van ruimtegebruik aanzienlijk zijn in oppervlakte en bovendien een grote impact hebben op het functioneren van het land en de rurale economie (Verburg et al., 2009). Er is daarom nood aan een basisbestand over de ruimtelijke spreiding van paarden en hieraan gekoppeld een aantal basisinzichten over de associaties met omgevingskenmerken, zoals landbouwkenmerken, bosindex, verstedelijkingsgraad enz.

1.3 Onderzoeksvragen Dit onderzoek tracht een antwoord te geven op volgende onderzoeksvragen: •

Wat is de grootte-orde van het ruimtegebruik door paarden in Vlaanderen?

•

Hoe zijn de paarden(weiden) verspreid over Vlaanderen?

•

Welke associaties zijn er te vinden tussen het voorkomen van paarden(weiden) en omgevingskenmerken?

•

Wat is de grootte-orde en welke zijn de achterliggende redenen van ‘verpaarding’?

1.4 Structuur van het rapport Om een antwoord te geven aan de bovenvermelde onderzoeksvragen, worden de onderwerpen van onderzoek in eerste instantie onderworpen aan een literatuurstudie om ze beter te kunnen kaderen in een zowel Vlaamse als internationale context (H2). Vervolgens wordt ingegaan op de ruimtelijke spreiding van paarden in Vlaanderen. Dit gebeurt enerzijds via gedetailleerde landgebruikskartering op perceelsniveau in zes studiegebieden en anderzijds via geaggregeerde gegevens over aantal paarden op gemeenteniveau (H3). Na dit eerder beschrijvende hoofdstuk wordt dieper ingegaan op 1

In 2008 werden in opdracht van de Vlaamse minister-president Kris Peeters een reeks dialoogdagen georganiseerd om het belang van de paardensector in het licht te stellen en recent werd het paardenloket opgericht (www.vlaamspaardenloket.be).

1. Inleiding

4

mogelijke kwantitatieve verbanden tussen het voorkomen van paarden(weiden) en enkele specifieke omgevingskenmerken (H4). Hierna wordt in de mate van het mogelijke het proces van verpaarding besproken (H5), door enerzijds de cijfers van de landbouwtelling en de mestbankregistratie in evolutie weer te geven en anderzijds een internetenquête te houden bij een aantal paardenhouders. In de enquête wordt gepolst naar evoluties in aantal paarden, ruimtegebruik en motivatie van mensen om paarden te houden. Tot slot worden in het besluit op basis van de bekomen resultaten een aantal aanbevelingen gevormd naar ruimtelijke ordening (H6). Een overzicht van de structuur van dit onderzoek wordt weergegeven in Afbeelding 1.

Afbeelding 1 Schematische voorstelling van de structuur van het onderzoek

1. Inleiding

5

2 Literatuurstudie In dit hoofdstuk wordt een korte schets gegeven van het economische en het sociaalmaatschappelijke belang van de paardensector, voornamelijk in Vlaanderen. Vervolgens wordt dieper ingegaan op de onderwerpen van onderzoek: het ruimtelijke belang van de sector en de ‘verpaarding’.

2.1 Belang van de paardensector 2.1.1 Economisch belang Vroeger vervulde het paard over heel de wereld een belangrijke rol als trekpaard in de landbouwsector, maar ook in de bosbouw, mijnen en havens, in het leger en voor openbaar en privé vervoer. Na de tweede wereldoorlog werden deze paarden door motorizering verdrongen. Zo daalde bijvoorbeeld het aantal trekpaarden in de gemeente Upsalla in Zweden volgens de landbouwstatistieken van 9457 paarden in 1901 tot 0 paarden in 1976 (Saifi en Drake, 2008). In België telde men in 1950 200.000 trekpaarden. In 1960 waren er nog 157.350 paarden voor 43.000 tractoren; in 1983 waren er nog 16.258 trekpaarden voor 120.000 tractoren. Nu zijn er 15.000 Belgische trekpaarden in België die voornamelijk voor recreatiedoeleinden gebruikt worden (www.trekpaarden.be). Waar het economische belang van de paardensector vroeger sterk bij deze trekpaarden lag, is dit nu verschoven naar de productie, de handel en/of het gebruik van fok- en rijpaarden. Zowel wat betreft de toegevoegde waarde als de tewerkstelling heeft de paardensector op economisch vlak een aanzienlijke betekenis in productie, verwerking en toelevering (Viaene et al., 2003). Ook de studie van Policy Research Cooperation (2008) toonde dit opnieuw aan voor Vlaanderen. De Vlaamse paardenhouderij genereert jaarlijks een toegevoegde waarde van 215 miljoen euro voor de Vlaamse economie en realiseert werkgelegenheid voor meer dan 3.500 voltijdse equivalenten (Policy Research Cooperation, 2008). 2.1.2 Sociaal-Maatschappelijk belang Meer en meer mensen houden een paard als hobby. Reeds in 1986 besprak Daniels het groeiende aantal hobby boerderijen in de urbane-rurale omgeving van Oregon. Paardrijden is volgens Törn et al. (2008) in Finland een vorm van recreatie die sterk toeneemt. Viaene et al. (2003) duidden op de groeiende interesse in België voor het recreatieve paardrijden en het mennen. Hetzelfde geldt voor Zweden, waarbij Myhr en Johansson (2008) dit voornamelijk zien gebeuren in de nabijheid van steden. In de studie van (Busck et al., 2008) nam het aantal ‘hobby-gerelateerde’ GVE2 in een studiegebied in Zweden toe van 0.02 tot 0.1 per hectare in de periode 1984 – 2004. (Verburg et al., 2009) stellen dat in de peri-urbane gebieden van West-Europa tegenwoordig grote hoeveelheden grasland op voormalige landbouwgronden gebruikt worden voor paardenhouderijen. In Vlaanderen zouden om en bij de 200.000 mensen actief zijn als paarden–recreant of –sporter (VLM, 2009). Zowel het pedagogisch als het therapeutisch belang van paarden (‘hippotherapie’) werden op de dialoogdag ‘paard en samenleving’ benadrukt (VLM, 2009). 2.1.3 Ruimtelijk belang Over het ruimtelijk belang van de paardensector is weinig informatie in de literatuur terug te vinden. Volgens een onderzoek van Alterra (Van der Windt et al., 2007) lopen in Nederland naar schatting 2

Eén GVE = 1 koe of 1 paard

2. Literatuurstudie

6

zo’n 400.000 paarden rond. Viaene et al. (2003) hebben het aantal paarden, ezels en pony’s in België geschat op 160.000 stuks. Op basis van een inschatting van het ruimtegebruik per paard betekent dit een oppervlakte benut door paarden van ongeveer 69.500 ha of 5% van de totale benutte landbouwoppervlakte. Dit zijn echter ruwe schattingen en Verburg et al. (2009) benadrukken terecht dat in veel landen hobby-paarden niet worden opgenomen in de landbouwstatistieken. Hierdoor is de omvang en oppervlakte gebruikt voor dit type van landgebruik grotendeels ongekend. Sinds juli 2008 geldt op het Belgische grondgebied wel de identificatieplicht voor paardachtigen. Eind 2008 bevatte de databank van de Belgische Confederatie van het Paard (BCP), die instaat voor het registreren van alle gechipte paardachtigen, 120.000 paarden, waarvan 75% of 90.000 paarden in Vlaanderen. In februari 2009 was dit aantal voor Vlaanderen opgelopen tot een kleine 107.000. Opinies van experten geven aan dat het totale aantal paarden nog een stuk hoger ligt en dat er mogelijk circa 200.000 paarden in België zijn, waarvan 150.000 in Vlaanderen (Persmedeling van het kabinet van Kris Peeters3, 16 oktober 2008). Dit getal voor Vlaanderen evenaart bijna het door Viaene et al. (2003) eerder geschatte cijfer voor België van 160.000.

2.2 De Verpaarding 2.2.1 Het fenomeen van verpaarding De laatste jaren zijn allerlei eerder vreemd klinkende termen opgedoken, zoals ‘verpaarding’, ‘verpaardelijking’ en ‘horsi-culture’, die er allen op wijzen dat het aantal paarden of de ruimte in gebruik door paarden zou toenemen. Niet voor niets werden in 2008 een reeks dialoogdagen georganiseerd door de Vlaamse overheid om het belang van de paardensector meer in het licht te plaatsen. Er zou bijna gesteld kunnen worden dat paarden nog nooit zo sterk in de politieke belangstelling hebben gestaan als vandaag. Niet enkel in Vlaanderen is er sprake van ‘verpaarding’. Zo werd ‘horsification’ door Veijre (2008) aangehaald als een opvallende evolutie in Denemarken. Ook Verburg et al. (2009) spreken van een toenemend aantal paardenweiden in West-Europa en van der Windt et al. (2007) wijzen op de sterke groei van de paardenhouderij in Nederland bij zowel professionals als particulieren. De oorzaken van verpaarding zijn terug te vinden in de economische sterkte van de sector en het toenemend belang van het paard als recreatiedier (cfr. Supra). Zo komen op sommige plaatsen manèges in de plaats van een stopgezet landbouwbedrijf. Mensen uit de stad nemen het bedrijf over en landbouwproductie vormt geen objectief meer. Een andere verklaring kan gezocht worden in de diversificatie van landbouwbedrijven, waarbij landbouwers alternatieve activiteiten uitvoeren op het bedrijf om te compenseren voor een dalend inkomen vanuit landbouwproductie (Busck et al., 2008), zoals het verhuren van weiland voor paarden. 2.2.2 Verschillende percepties op verpaarding Hoewel de verpaarding een tot op heden weinig bestudeerd fenomeen is en er geen kwantitatieve gegevens over bestaan, worden wel een aantal visies geformuleerd op het fenomeen, waarbij zowel positieve als een negatieve percepties aan bod komen.

3

Op dat moment Vlaamse minister-president en Vlaams minister van institutionele hervormingen, havens, landbouw, zeevisserij en plattelandsbeleid,

2. Literatuurstudie

7

Paardenhouderijen kunnen volgens van der Windt et al. (2007) een stimulans zijn voor plattelandsontwikkeling en recreatie. Ze kunnen het platteland een sterkere economische en recreatieve draagkracht geven. Ontsluiting van een gebied voor wandelaars en fietsers kan hand in hand gaan met de aanleg van ruiterpaden. Nochtans is niet iedereen hiervoor te vinden en dient ook rekening gehouden te worden met de negatieve gevolgen van recreatie met paarden. Zo bespreken Törn et al. (2008) de sterke recreatiedruk van paardrijden en de nadelige impacten ervan op de natuur. Voorbeelden zijn een grotere drukkracht op de bodem, schade aan vegetatie en een wijzigende plantensamenstelling door de introductie van vreemde zaden. Een andere ecologische impact vanuit de paardensector is uiteraard ook de productie van mest. Verder merken van der Windt et al. (2007) ook nog op dat de kleinschalige perceelsstructuren die verbonden zijn met paardenweiden een extra kans kunnen geven aan natuurontwikkling wanneer extra aandacht zou besteed worden aan de ontwikkeling van kleine landschapselementen (KLE) op deze percelen. Behalve een recreatieve, heeft de paardensector ook een belangrijke landschappelijke betekenis. Hoewel er in relatie tot paardenhouderijen vaak over een ‘verrommeling’ van het landschap wordt gesproken als gevolg van veranderingen in landschapsstructuur en verschillende artificiële elementen zoals omheiningen en gebouwen (Verburg et al., 2009), stellen van der Windt et al. (2007) dat paarden het landschap net kunnen verlevendigen. Vooral een goede inpassing waar nodig en een actieve sturing door het beleid kunnen de eventuele verrommeling verminderen of tegengaan. Wat wenselijk is, wisselt per landschapstype. Het toepassen van een erfbeplantingsplan of een landschapsbedrijfsplan zijn mogelijkheden om tot een goede landschappelijke inpassing te komen (VLM, 2009). Het zijn echter niet alleen de paardenhouderijen zelf, maar ook allerlei afgeleide vormen van bedrijvigheid zoals gespecialiseerde dierenartsen, dekstations, africhtstallen, winkels,... die een plaats zoeken om zich te vestigen. Gezien de historische band tussen paarden en het platteland willen deze nieuwe bedrijven zich vaak in dat landelijke gebied vestigen. De paardensector en de verpaarding worden op een zowel positieve als negatieve manier verbonden met de landbouwsector. Enerzijds biedt het houden van paarden kansen voor landen tuinbouwers om een extra inkomen te genereren (Verburg et al., 2009) of sommige landen tuinbouwers vormen hun bedrijf zelfs volledig om tot een paardenhouderij (van der Windt et al., 2007). Anderzijds kan de groei van de paardensector een bedreiging vormen voor de professionele landen tuinbouw. Zo stelt Daniels (1986) dat hobbylandbouwers grondprijzen de hoogte injagen en de versnippering van het platteland verergeren. Hierdoor kunnen ze een bedreiging vormen voor de mogelijkheid tot uitbreiding van professionele landbouwbedrijven. In de visievorming van een aantal Vlaamse experten op de open ruimte (Bomans & Gulinck, 2009), werd de ‘verpaarding’ enerzijds aanzien als een kans, maar anderzijds ook als een mogelijke bedreiging voor de landen tuinbouwsector. Het komt er op neer de paardensector kansen te geven, zonder dat hierbij de professionele landen tuinbouw in het gedrang komt.

2. Literatuurstudie

8

3 Ruimtelijke spreiding van paardenweiden en kwalitatieve associaties met omgevingskenmerken In dit hoofdstuk wordt de ruimtelijke spreiding van paarden onderzocht op 2 schaalniveaus: (1) perceelsniveau en (2) gemeenteniveau. De belangrijkste conclusies worden weergegeven in Box 1. Box 1: Hoofdstuk 3 samengevat * Paardenweiden nemen naar schatting 5% van de Vlaamse ruimte in en worden op basis van veldwerkgegevens geschat op minstens 69.300 ha. De paardensector neemt een groter aandeel van de ruimte in dan eerder geschat. * Het door experten geschatte aantal van 150.000 paarden voor Vlaanderen is bij vergelijking met de resultaten van deze studie realistisch. * Een vergelijking van het veldwerk met een aantal bestaande gegevensbronnen wijst op het ontbreken van bruikbare data om paardenweiden ruimtelijk te lokaliseren. * Een kwalitatieve benadering van de ruimtelijke spreiding van paardenweiden in Vlaanderen leidt tot de conclusie dat over het algemeen in de bosrijke en sterk verstedelijkte gemeenten meer paardenweiden voorkomen dan in de gebieden met een sterke aanwezigheid van professionele landen tuinbouw, een lage versnipperingsgraad en/of een lage verstedelijkingsgraad.

3.1 Methode 3.1.1 Steekproefbepaling op perceelsniveau 3.1.1.1 Clusteranalyse Voor de verkennende analyse van de ruimtelijke spreiding van paardenweiden op perceelsniveau, worden een aantal gemeenten in Vlaanderen uitgekozen op basis van een clusteranalyse. Via de ze clusteranalyse wordt Vlaanderen – op basis van een reeks omgevingskenmerken (indicatoren) relevant geacht voor het verdere verloop van het onderzoek4 – opgedeeld in 6 clusters. Als indicatoren zijn gebruikt: •

Verstedelijkingskenmerken: inwoners/gemeente en % verharde opp per gemeente

•

Landbouwkenmerken, m.n. aandeel van de aanwezige landen tuinbouwactiviteiten: tuinbouw open lucht, glastuinbouw, fruitteelt, akkerbouw, veeteelt, weiland en voedergewassen (inclusief korrelmaïs)

•

Versnippering: P/A verhouding van landbouwgebruikspercelen (VLM) per gemeente

•

Bosindex

4

Bij de keuze van de studiegebieden waren nog geen censusgegevens over de spreiding van paarden op gemeenteniveau aanwezig. Daarom is deze indicator niet mee in rekening gebracht bij de keuze van de gemeenten. Gebruikte bronnen zijn de Landbouwtelling 2005 (FOD), de bevolkginscijfers 2006 (FOD), de Boskartering 2001 (ANB), de Topografische landgebruikskaart 2004 (NGI), de landgebruikspercelen 2006 (VLM)

3. Ruimtelijke spreiding en kwalitatieve associaties

9

Er wordt gebruik gemaakt van de K-means clustering in SPSS 15.0. Dit is een niet-hiërarchische manier van clusteren, waarbij k het aantal clusters weergeeft. De observaties worden, na standardizatie van de gegevens, verdeeld in k initiële clusters. Vervolgens worden voor elke observatie de afstanden tot de clustermiddens berekend. Observaties worden indien nodig verplaatst naar de cluster met het dichtstbijzijnde gemiddelde, waarna het clustergemiddelde opnieuw wordt berekend. Deze stappen herhalen zich totdat er geen herallocaties van observaties meer plaatsvinden (Norusis, 2006). De clustering verdeelt hierdoor de gemeenten in groepen met gelijkaardige kenmerken van landbouw, verstedelijking, versnippering en bos. Door deze indicatoren van in het begin in rekening te brengen, worden de variaties aan versnippering, verstedelijking, landen tuinbouwactiviteiten en bosindex grotendeels mee opgenomen in de steekproef. 10 gemeenten werden uit de clusteranalyse gelaten, omdat er geen gegevens van de landbouwtelling beschikbaar waren. Ook Borsbeek en Duffel werden uit de analyse gelaten, omdat ze het eindbeeld sterk vertekenden. Specifieke kenmerken per cluster worden weergegeven in bijlage 1. In totaal worden 7 gemeenten (Balen, Leuven, Lubbeek, Lebbeke, Lendele-Ledegem, Zoutleeuw) opgenomen als casegebied, één gemeente per cluster, met uitzondering van de gemeenten Lendelede en Ledegem die, wegens hun kleine oppervlakte, samen worden genomen als studiegebied. Er wordt rekening gehouden met de afstand tot het clustercentrum, die niet te groot mag zijn om de gemeente als representatief voor de cluster te kunnen beschouwen. Bovendien bepalen de studiegebieden uit gelijklopend onderzoek5 en de aanwezigheid/beschikbaarheid van gegevens mee de keuze van de studiegebieden. De clusteranalyse resulteert in volgend kaartbeeld, met locatie van de gekozen gemeenten:

Afbeelding 2 Resultaat van de K-means cluster analyse die morfologische verstedelijking, type landbouwactiviteit, bebossingsindex en versnippering van landbouwgebruikspercelen in rekening brengt (Bron: Landbouwtelling, FOD Directie Statistiek en Economische informatie, 2005; Boskartering ANB, 2001; Bodemgebruikskaart 2001, Landbouwgebruikspercelen VLM, 2006 en eigen berekening ABNL, KULeuven) 5

Werkpakket 3 uit Steunpunt Ruimte en Wonen: Transformatieprocessen in de open ruimte ten gevolge van geleidelijke verstedelijking


10

Als extra controle op de clusteranalyse, wordt per indicator nagegaan of verschillende gradaties van aan/afwezigheid weldegelijk opgenomen zijn in de casegebieden. De kaartbeelden hiervan zijn opgenomen in bijlage 2. 3.1.1.2 Steekproefname per gemeente Omdat een totale inventarisatie van de spreiding van paarden(weiden) praktisch niet haalbaar is, wordt binnen elke gemeente een steekproef van segmenten genomen. Bij het kiezen van een steekproef dient nagedacht te worden over de volgende zaken: vorm van de segmenten, verdeling van de steekproef, grootte van de segmenten en aantal segmenten. De vorm van de segmenten kan bepaald worden door natuurlijke grenzen, perceelsgrenzen, wegen of door uniforme segmenten (FAO, 1996). Om een goede vergelijkbaarheid te behouden tussen de samples van verschillende studiegebieden, wordt er gekozen om als segment een vierkant te nemen. Dit is bovendien een snelle en goedkope manier om een steekproef te definiëren (Gallego, 1995). Voor de verdeling van de steekproef, wordt gekozen voor een at random bepaalde steekproef, verspreid over de gemeenten. Gezien de clusteranalyse als een vorm van stratificatie voor Vlaanderen beschouwd kan worden, wordt binnen eenzelfde gemeente geen verdere opdeling gemaakt. Naast het bepalen van de vorm van de segmenten, dient ook een geschikte grootte van de segmenten bepaald te worden. De theoretisch ideale grootte van een steekproef is degene die de grootste zekerheid geeft bij een gegeven kost (Tsiligirides, 1998). Praktisch is dit echter moeilijk te bepalen. De optimale grootte hangt samen met tal van factoren, zoals doelstelling, kost, variabiliteit tussen segmenten, bereikbaarheid, beschikbaarheid van gegevens … (Cotter & Nealon, 1987). De grootte van de segmenten heeft grotendeels te maken met de schaal van het open ruimte landschap. Over het algemeen gaan gebieden met kleine segmenten samen met kleine percelen, een intensieve landbouw en een urbaan landschap en grotere segmenten met een extensiever een grootschaliger landschap (FAO, 1995). Voor complexe landschappen zijn segmenten van 25 ha meer toepasselijk (Bunce et al., 2008, Cooper en McCann, 2002). Deze oppervlakte is over het algemeen kleiner dan deze uit een aantal landschapsecologische- en landgebruiksstudies (MARS (25ha tot 200ha) in Gallego, 1999, Countryside survey (1km²) in Bunce et al., 1992, Bunce et al., 2008 (1km²), Sepp, 1999 (450 tot 1200 ha), Rondeux et al., 1999 (1km²), …). In vergelijking met de meeste van bovenstaande studies is Vlaanderen kleinschaliger, complexer en intensiever van karakter. Een grootte van 25 ha is echter te klein volgens de vuistregel van O’Neill (2006). Deze stelt immers dat een segment twee tot vijf keer groter moet zijn dan de onderzochte patches, in dit geval (vroegere) landbouwpercelen. Gezien de maximale grootte van een landbouwperceel in de onderzochte gebieden 21 ha bedraagt, wordt gekozen voor een segmentgrootte van 49 ha (700m*700m). Het aantal segmenten dient op die manier gekozen te worden, zodat de segmenten van de steekproef, bij een gekozen grootte, de belangrijkste landgebruiksvormen van de open ruimte voldoende omvatten6. Er wordt daarom op basis van de topografische landgebruikskaart van het Nationaal Geografisch Instituut (2004) nagegaan welke de belangrijkste landgebruiksklassen7 van de 6

Niet enkel het landgebruik ‘paardenwei’, gezien de kartering ook gebeurd is in functie van vervolgonderzoeken 7

Met een voorkomen van meer dan 5%


11

studiegemeente zijn. Vervolgens wordt gesteld dat, wanneer een steekproef met hetzelfde aantal segmenten een aantal keren herhaald wordt en er tussen de herhalingen geen significant verschil in percentages van de verschillende landgebruiksklassen bestaat, de segmenten een representatief beeld geven van het landgebruik in de gemeente. Hierbij wordt een minimale gebiedsdekking van 10% van de gemeente vooropgesteld. Afhankelijk van de normaalverdeelheid van de gegevens wordt hiervoor Single Factor Anova (bij normale verdeling) of Kruskal-Wallis test (bij niet-normale verdeling) gebruikt (de resultaten hiervan zijn te vinden in bijlage 3). Als extra kwalitatieve controle wordt voor de finale steekproef nagegaan of de gemiddelde waarde voor de steekproef overeenstemt met de totale waarde voor de gemeente. De verdeling van de segmenten over de 7 gemeenten wordt weergegeven in Afbeelding 3.

Afbeelding 3 Weergave van de locatie van de onderzochte segmenten per studiegemeente

3.1.1.3 Veldwerk In de gekozen segmenten wordt het landgebruik gedetailleerd in kaart gebracht (een voorbeeld hiervan wordt gegeven in Afbeelding 4). Hierbij wordt in het kader van dit onderzoek aandacht geschonken aan de aanwezigheid van paardenweiden. Een wei wordt gekarteerd als paardenwei op basis van devolgende criteria: •

Er is een paard te zien

•

Er zijn typische paardenwei-attributen aanwezig, zoals houten of linten omheiningen of een schuilhok

•

Lokale bewoners bevestigen dat het een paardenwei is

Via het veldwerk van landgebruikskartering en via lokale bevraging wordt bovendien waar mogelijk genoteerd hoeveel paarden er in de wei staan.


12

Afbeelding 4 Voorbeeld van landgebruikskartering in een segment in Balen

3.1.2 Analyse van de gegevens op perceelsniveau en op gemeenteniveau De analyse van de veldwerkgegevens gebeurt in 3 stappen: •

Via een beschrijvende analyse van de gegevens, wordt nagegaan wat het relatieve ruimtegebruik door paarden is ten opzichte van de totale oppervlakte aanwezige open ruimte en ten opzichte van de totale oppervlakte (hobby)weiland, zowel voor de segmenten samen als per segment.

•

Kwalitatief wordt nagegaan of er specifieke patronen verschijnen in de ruimtelijke spreiding van de paardenweiden (kwantitatief wordt hier dieper op ingegaan in hoofdstuk 4).

•

Verder wordt ook, via overlay-operaties in ArcGIS 9.2, een confrontatie aangegaan van deze landgebruiksvorm met drie gegevensbronnen: het gewestplan, de topografische landgebruikskaart van het NGI en de eenmalige perceelsregistratie (VLM en ALT, 2008). Hierdoor wordt nagegaan op welke manier deze vorm van landgebruik ‘verdwijnt’ in een aantal belangrijke bestaande gegevens over landgebruik in de open ruimte.

Naast de analyse van de veldwerkgegevens, wordt in tweede instantie ook een analyse uigevoerd op censusgegevens, verkregen van de Belgische Confederatie van het Paard (2008). Op basis van deze gegevens over aantal paarden van de sanitair verantwoordelijken per gemeente, wordt via een dichtheidscijfer een inschatting gemaakt van de gebruikte oppervlakte in Vlaanderen. Deze oppervlakte wordt vergeleken met de oppervlakten van de segmenten om tot een realistische inschatting te komen. Ook hier wordt een vergelijking gemaakt met de totale oppervlakte van de gemeenten en met de totale oppervlakte weiland en wordt kwalitatief naar patronen gezocht in de ruimtelijke spreiding over Vlaanderen. Andere gegevens over paarden kunnen worden teruggevonden in de mestbankregistratie en de landbouwtelling, maar deze worden niet voldoende bevonden om een totaalbeeld te krijgen voor Vlaanderen.


13

•

De Mestbank registreert jaarlijks gegevens van landbouwpercelen. Wie minstens 2 ha landbouwgrond in gebruik heeft en/of 50 are groeimedium en/of een jaarlijkse productie van dierlijke mest groter dan of gelijk aan 300 kg P2O5 is aangifteplichtig in het kader van het mestdecreet.

•

De landbouwtelling registreert jaarlijks het aantal dieren en de grootte van de gebruikte oppervlakte per teelt. Ook het aantal paarden wordt hier opgenomen. Het gaat hier dan enkel om de paarden van landen tuinbouwers die aangifteplichtig zijn, namelijk alle landbouwbedrijven die landbouwproducten voortbrengen om ze te verkopen en die hun bedrijfszetel in België hebben.

Op basis van bovenstaande databronnen, zijn gegevens over aantal paarden op gemeenteniveau beschikbaar, maar onvolledig wanneer het gaat over aantal paarden, want niet iedereen die over één of meerdere paarden beschikt, is aangifteplichtig bij de Mestbank en/of de landbouwtelling. Afbeelding 5 geeft de verdeling van de paarden (inclusief pony’s) weer die in 2006 zijn aangegeven bij de mestbank. In totaal zijn 39.556 paarden/pony’s aangegeven. De spreiding van de paarden leidt tot andere patronen dan de gegevens van BelCoPaard (bv een nieuw concentratiegebied in Oost Limburg). Er zijn echter in totaal 65.878 minder paarden aangegeven dan in de registratie bij BelCoPaard, 2009. Dit was ook reeds te verwachten, gezien uit het veldwerk al bleek dat ongeveer 54% van de gekarteerde paardenweiden buiten de perceelsregistratie van de mestbank vielen. In de landbouwtelling van 2005 werden in totaal 21.639 paardachtigen aangegeven. Deze aangifte geeft echter ook een onvolledig beeld van het belang van de paardensector in de ruimte, gezien het werkelijke aantal paarden minstens vijf keer hoger ligt, vergeleken met de gegevens van BelCopaard. De spreiding van de paarden, aangegeven in de landbouwtelling wordt weergegeven in Afbeelding 6 en geeft geen duidelijke concentratiegebieden weer zoals wel het geval is bij de gegevens van BelCoPaard.

Afbeelding 5 Concentratie van paarden, aangegeven bij de Mestbank in 2006 (bron: VLM, 2006)


14

Afbeelding 6 Concentratie van paarden, aangegeven bij de landbouwtelling (2005).

Gezien het sterke verschil in gegevens en spreiding ervan over Vlaanderen voor zowel de landbouwtelling als de Mestbankaangifte, in vergelijking met de registratiegegevens van de Belgische Confederatie van het Paard, wordt besloten dat deze laatste de enige bruikbare gegevensbron is in het kader van deze studie, ook al is deze gegevensbron nog onvolledig (cfr. Supra). Deze gegevens worden sinds zeer recent verzameld (sinds 2008), waardoor een evolutieweergave op basis van deze gegevens niet mogelijk is. Daarom wordt in hoofdstuk 5 (een verkennende analyse van ‘verpaarding’) toch nog even teruggegrepen naar de gegevens van de landbouwtelling en de mestbankregistratie.

3.2 Ruimtelijke spreiding op perceelsniveau: Resultaten 3.2.1 Oppervlakte In Tabel 1 worden oppervlakteverdelingen weergeven van de paardenweiden zoals geïnventariseerd in de studiegebieden. Het aandeel paardenweiden wordt berekend tov (i) de totale geïnventariseerde ruimte, (ii) de open ruimte, (iii) de hobbyweiden8 en (iv) de totale oppervlakte weiland (zowel hobby als productief). Als open ruimte werd meegenomen: akkerbouw, tuinbouw in volle grond, boomkwekerijen, populieren, bos, houtkant, weilanden, andere graslanden, boomgaarden, voetbalterreinen, braakgronden en groeves. Om ook een idee te hebben van het ruimtelijk belang van hobbyweiland in de open ruimte, wordt in Tabel 1 ook de oppervlakte hobbyweiland ten opzichte van de totale oppervlakte weiland weergegeven.

8

Voor de eenvoudigheid werden al de weiden met paarden, schapen, struisvogels, pony’s, herten e.d. tijdens het veldwerk tot hobbyweide gerekend, hoewel het hier uiteraard niet altijd louter om een hobby-activiteit gaat. Op het terrein is echter niet zomaar dit onderscheid te maken. De definitie van ‘hobby’ is in deze context dus te interpreteren als ‘weiland met andere dieren dan runderen voor vlees- of melkproductie’.


15

Voor de verschillende gemeenten samen werd een totaalgemiddelde berekend. Dit gemiddelde werd herrekend tot een gewogen gemiddelde, rekening houdend met het oppervlakte-aandeel van de verschillende clusters. Het resultaat hiervan staat ook in Tabel 1. Tabel 1 Oppervlakteverdelingen van de paardenweiden per studiegemeente Oppervlakte paardenweiden tov open ruimte (%)

Oppervlakte paardenweiden tov weiland (%)

Studiegemeente

Oppervlakte paardenweiden tov totale ruimte (%)

Oppervlakte paardenweiden tov hobbyweiden (%)

Oppervlakte hobbyweiden (inclusief paardenweiden) tov weiland (%)

Balen

6.6

9.7

39.6

68.6

57.6

6.1

11.4

24

70.9

33.8 18

Lebbeke Lendellede Ledegem

–

1.8

2.6

11

61

Leuven

2.1

4.9

36.1

65.9

54.8

Lubbeek

4.5

6.4

31

81.9

37.8

27.1

77.9

34.8

28.1

70.5

39.5

30.3

73.0

41.6

Zoutleeuw Totaalgemiddelde Totaalgemiddelde herrekend

5.2 4.4 5.1

6.2 6.9 8.0

De bovenvermelde cijfers, berekend vanuit de veldwerkgegevens, zijn te interpreteren als minimumoppervlakten. Het is immers mogelijk dat binnen de studiegebieden ook weiden aanwezig waren die niet als paardenweiden aanzien werden op het moment van karteren (omdat er op dat moment bv geen paarden op stonden, geen attributen aanwezig waren die erop konden wijzen dat het om een paardenwei ging, of niemand aanwezig was om te bevestigen of het om een paardenwei ging of niet). Uit de analyse van de veldwerkgegevens komt als eerste belangrijke cijfer een gemiddeld ruimtegebruik door paarden van 5.1% naar voor ten opzichte van de totale oppervlakte van de onderzochte segmenten. Bij een omrekening van dit cijfer naar een totaalcijfer voor Vlaanderen, komt dit neer op een totale ruimte-inname door paarden van ongeveer 69.300 ha. Dit cijfer, enkel voor Vlaanderen berekend, komt overeen met het totale areaal geschat door Viaene et al. (2003) van 69.500 ha. Dit laatste cijfer werd echter berekend voor heel België. Dit betekent dat de paardensector een groter aandeel van de ruimte in Vlaanderen inneemt dan eerder geschat door Viaene et al. (2003). Deze cijfers bevestigen de eerder genomen stelling dat de paardensector een niet te onderschatten ruimtegebruiker is in de Vlaamse open ruimte. Op basis van de veldwerkgegevens kon immers vastgesteld worden dat sector ongeveer 1/3e inneemt van het totale weiland. Opvallend is ook dat ongeveer 40% van de totale oppervlakte weiland gebruikt wordt als hobbyweide, zoals in het veldwerk gedefinieerd. Binnen deze hobbyweiden nemen paarden het belangrijkste aandeel in (ongeveer 70%). 3.2.2 Patronen Er zijn tussen de studiegebieden verschillen te merken in de oppervlaktecijfers over paarden. De meeste paardenweiden zijn terug te vinden in de gemeenten Balen en Lebbeke, terwijl de gemeenten Lendelede-Ledegem en Leuven de minste paardenweiden hebben. Lubbeek en


16

Zoutleeuw vallen hiertussen. Deze veschillen kunnen verklaard worden door het aandeel andere landgebruiksvormen, aanwezig in de gemeenten – zoals verstedelijking en akkerbouw (in het geval van Leuven) of andere landbouwactiviteiten zoals bv veeteelt en tuinbouw in Lendelede-Ledegem – waardoor het aandeel paardenweiden eerder laag is. Nochtans scoren de segmenten van Leuven wel boven het gemiddelde wanneer wordt gekeken naar het aandeel paardenweiden tov de totale oppervlakte weiland. Het aandeel hobbyweiland tov de totale oppervlakte weiland bedraagt, net als in Balen, meer dan 50%. Dit bevestigt deels de literatuur, waar meer paardenweiden gesignaleerd worden nabij bosrijke en verstedelijkte gebieden. Deze interpretatie dient echter met een zekere omzichtigheid geïnterpreteerd te worden gezien Zoutleeuw, een toch eerder weinig bosrijke en weinig verstedelijkte gemeente, hier al een uitzondering op vormt. Ook zijn de bemerkte verschillen tussen de gemeenten niet sterk uitgesproken. Dit blijkt ook uit een ANOVA-test – die nagaat of er significante verschillen bestaan tussen de verschillende gemeenten in dichtheid aan paardenweiden. Hieruit blijkt dat het verschil tussen de gemeente met de grootste dichtheid aan paardenweiden (Balen) en de gemeente met de kleinste dichtheid (Lendelede/Ledegem) net niet significant is9. Voor een verdere uitspitting van de kwantitatieve analyse wordt verwezen naar H4 “Kwantitatieve associaties tussen het voorkomen van paardenweiden en omgevingskenmerken”. 3.2.3 Confrontatie van de landgebruikskartering met drie gegevensbronnen 3.2.3.1 Gewestplan Tabel 2 geeft de percentageverdelingen weer van de verschillende bestemmingen waarbinnen de gekarteerde paardenweiden en hobbyweiden uit de studiegemeenten vallen. Tabel 2 Percentage van de gekarteerd paardenweiden en hobbyweiden van de 6 studiegemeenten per bestemming volgens het gewestplan 2002.

Bestemming gewestplan (volgens hoofdcodes)

Percentage van de oppervlakte gekarteerde paardenweiden per bestemming

Percentage van de oppervlakte gekarteerde hobbyweiden (exclusief paardenweiden) per bestemming

Percentage van de oppervlakte gekarteerde hobbyweiden (inclusief paardenweiden) per bestemming

Woongebieden (0100)

3,23%

3,54%

3,32%

woongebieden met landelijk karakter (0102)

3,55%

3,38%

3,51%

Woonuitbreidingsgebieden (0105)

1,73%

8,85%

3,77%

Woonreservegebieden (0181)

1,38%

1,69%

1,47%

gebieden voor gemeenschapsvoorzieningen en openbaar nut (0200)

0,58%

0,00%

0,41%

gebieden voor dagrecreatie (0401)

0,61%

0,00%

0,43%

Parkgebieden (0500)

1,26%

4,43%

2,17%

Bufferzones (0600)

0,45%

0,00%

0,32%

Natuurgebieden (0701)

0,21%

5,89%

1,84%

Bosgebieden (0800)

1,34%

0,00%

0,95%

9

met een P-waarde van 0.051 (Bij een waarde kleiner dan 0.05 en α=5%, kan aangenomen worden dat de gemeenten significant verschillen)


17


Percentage van de oppervlakte gekarteerde paardenweiden per bestemming

Percentage van de oppervlakte gekarteerde hobbyweiden (exclusief paardenweiden) per bestemming

Percentage van de oppervlakte gekarteerde hobbyweiden (inclusief paardenweiden) per bestemming

agrarische gebieden (0900)

65,42%

43,47%

59,12%

landschappelijk waardevolle agrarische gebieden (0901)

19,35%

21,16%

19,87%

agrarische gebieden met ecologisch belang (0910)

0,05%

6,98%

2,04%

milieubelastende industrieën (1002)

0,11%

0,35%

0,18%

ambachtelijke bedrijven en kmo's (1100)

0,74%

0,14%

0,57%

Uit deze tabel komt zeer duidelijk naar voren dat het overgrote deel van de gekarteerde paardenweiden binnen de agrarische gebieden van het gewestplan vallen (in het totaal 84.8% van de gekarteerde weiden) gevolgd door woongebieden (9.9% in totaal met inbegrip van de woonuitbreidings en –reservegebieden). Wanneer ook andere hobbyweiden in rekening worden gebracht, gaat het om 81.0%, respectievelijk 12.1%. Opvallend is het hogere aandeel woonuitbreidingsgebieden bij de hobbyweiden, exclusief paardenweiden. De overige bestemmingen maken een beperkt percentage uit van de gekarteerde oppervlakte. Omgekeerd geeft Tabel 3 weer welk aandeel van de verschillende bestemmingen in realiteit uit paardenweiden of hobbyweiden bestaan. Hierdoor wordt ook rekening gehouden met de totale oppervlakte van de bestemmingszones. In de onderzochte segmenten blijkt 17.5% van de woongebiedbestemmingen in gebruik te zijn door paardenweiden en zelfs 30.6% wanneer ook andere hobbydieren meegerekend worden. Voor de verschillende typen van agrarische gebieden gaat het om 8.6%, respectievelijk 15.5% van de totale bestemmingsoppervlakte. Ook de bestemming van de bufferzones, parkgebieden en industrieën, bedrijven en kmo’s wordt voor een zeker percentage ingenomen door paarden- en hobbyweiden (zieTabel 3).


18

Tabel 3 Percentage van de gewestplanbestemmingen in de onderzochte segmenten, ingenomen door paardenweiden of hobbyweiden

Percentage van de gekarteerde paardenweiden per bestemming

Percentage van de gekarteerde hobbyweiden (exclusief paardenweiden) per bestemming

Percentage van de gekarteerde hobbyweiden (inclusief paardenweiden) per bestemming

Woongebieden (0100)

0,76%

0,34%

1,10%

woongebieden met landelijk karakter (0102)

1,74%

0,67%

2,41%

Woonuitbreidingsgebieden (0105)

2,93%

6,02%

8,95%

Woonreservegebieden (0181)

12,13%

5,98%

18,10%

gebieden voor gemeenschapsvoorzieningen en openbaar nut (0200)

1,04%

0,00%

1,04%

gebieden voor dagrecreatie (0401)

1,79%

0,00%

1,79%

Parkgebieden (0500)

1,73%

2,43%

4,16%

Bufferzones (0600)

6,52%

0,00%

6,52%

Natuurgebieden (0701)

0,09%

0,99%

1,08%

Bosgebieden (0800)

3,03%

0,00%

3,03%

agrarische gebieden (0900)

5,03%

1,34%

6,38%

landschappelijk waardevolle agrarische gebieden (0901)

3,50%

1,54%

5,04%

agrarische gebieden met ecologisch belang (0910)

0,08%

4,03%

4,11%

milieubelastende industrieën (1002)

3,87%

4,94%

8,80%

ambachtelijke bedrijven en kmo's (1100)

3,63%

0,28%

3,91%


3.2.3.2 Eenmalige perceelsregistratie (2008) Tabel 4 geeft weer in welke mate een overlap bestaat tussen de eenmalige perceelsregistratie (2008) en de gekarteerde paardenweiden en welk landgebruik (teeltcode) de paardenweiden volgens deze perceelsregistratie hebben. Uit Tabel 4 valt logischerwijs af te leiden dat het grootste deel van de paardenweiden die overlappen met percelen die aangegeven zijn bij de eenmalige perceelsregistratie (2008) als landgebruik tijdelijk of permanent grasland omvatten. De kleine percentages binnen andere teelten (bv. suikerbieten, korrelmaïs, wintertarwe, …) kunnen enerzijds te wijten zijn aan een wijziging in landgebruik tussen het tijdstip van registratie voor EPR en het tijdstip van karteren en anderzijds aan kleine fouten in overlap van de twee databronnen. De resultaten voor paardenweiden alleen zijn gelijkaardig aan de resultaten voor hobbyweiden zonder paarden (schapen, lama’s, e.d.). Zeer opvallend is dat ongeveer de helft van de gekarteerde paardenweiden binnen deze perceelsregistratie valt en ongeveer de helft erbuiten. Dit betekent dat een groot aandeel van de bestaande paardenweiden niet geregistreerd worden omdat ze hoogstwaarschijnlijk ook niet aangifteplichtig zijn gezien het vaak om relatief kleine oppervlakten gaat. Dit betekent wel dat er meer grasland aanwezig is in Vlaanderen dan wat af te leiden valt uit de perceelsregistratie.


19

Tabel 4 Overlay van de gekarteerde paardenweiden met de registratie bij VLM (landgebruikdspercelen, 2006) Teelt volgens de eenmalige perceelsregistratie, 2008

Percentage van de gekarteerde paardenweiden

Percentage van de gekarteerde hobbyweiden zonder paarden

Percentage van de gekarteerde hobbyweiden – inclusief paarden

Aardappelen

0.00

0.07

0.02

Groenten

0.01

0.02

0.01

Sierplanten

0.15

0.00

0.11

Blijvend grassland

25.64

30.28

26.94

Tijdelijk grassland

15.62

13.58

15.05

Grassen in natuurbeheer

0.15

0.00

0.11

Boomkwekerij

0.25

2.09

0.77

Maïs

1.51

1.41

1.48

Fruitteelt

0.10

1.12

0.39

Spontane bedecking

0.03

0.21

0.09

Bieten

0.21

0.07

0.17

Gerst

1.08

0.00

0.78

Tarwe

1.19

0.07

0.87

Meerjarige grasklaver

0.00

0.01

0.00

Niet nader omschreven gewas

2.11

4.98

2.91

Gebouwen

0.07

0.05

0.06

Binnen perceelsregistratie

48.12

53.98

49.75

Buiten perceelsregistratie

51.88

46.02

50.25

3.2.3.3 Topografische landgebruikskaart NGI Tabel 5 geeft de percentageverdelingen weer van de verschillende landgebruiksvormen volgens de topografische landgebruikskaart van het NGI waarbinnen de gekarteerde paardenweiden vallen. In het ideale geval zouden de gekarteerde paardenweiden voor 100% binnen de klasse ‘hooi- of weiland’ moeten vallen. Uit de tabel is af te leiden dat dit inderdaad voor het grootste deel van de gekarteerde oppervlakte geldt (63.12%), maar een groot deel overlapt echter met de klasse ‘land- of tuinbouwgrond’ (21.37%) en met de klasse ‘boomgaarden’ (6.45%). Dit kan te verklaren zijn door tijdsverschillen bij het moment van karteren door het NGI in vergelijking met de recente kartering van de paardenweiden. Ook laten sommige boomgaarden (hoogstam) begrazing toe. Een deel van de gekarteerde paardenweiden valt binnen de klasse ‘tuin’ (5.64%), wat een logisch gevolg kan zijn van hobbyweiden met paarden die aansluiten op tuinen en mogelijkerwijs ook als tuin gekarteerd zijn door het NGI. Overlappingen met andere landgebruiksklassen zijn eerder verwaarloosbaar en kunnen bovendien te wijten zijn aan overlappingsfouten bij het combineren van de twee gegevensbronnen.


20

Tabel 5 Percentage van de gekarteerde paardenweiden per landgebruikscode volgens de topografische landgebruikskaart (NGI, 2004)

Landgebruik volgens de topografische landgebruikskaart (NGI, 2004)

Percentage van de gekarteerde paardenweiden per landgebruik

steriele grond

0,39%

oppervlakte van waterloop

0,26%

watervlak

0,00%

middelhout of hoogstmmig loofhout met ondergroei van struiken

0,90%

populierenaanplant

0,04%

bos

0,36%

boomgaard

6,45%

struikgewas of kreupelhout

0,51%

ruderale vegetatie

0,77%

ruderale vegetatie met opslag van struiken

0,19%

grasperk, andere graslanden

0,01%

hooi- of weiland

63,12%

tuin

5,64%

land- of tuinbouwgrond

21,37%

3.3 Ruimtelijke spreiding op gemeentelijk niveau, gebiedsdekkend voor Vlaanderen: Resultaten 3.3.1 Aantal paarden Uit de gegevens over paarden, beschikbaar in februari 2009, kan een totaal aantal voor Vlaanderen afgeleid worden van ongeveer 105.500 stuks. De registratie is pas sinds 2008 van start gegaan en lang niet al de paarden zijn geregistreerd. Het werkelijke cijfer ligt dus ongetwijfeld hoger. Experten schatten het aantal op 150.000 voor Vlaanderen. 3.3.2 Oppervlakte Vanuit de gegevens over het aantal paarden kan via een dichtheidscijfer (hoeveelheid ruimte per paard) een schatting gemaakt worden van het ruimtegebruik door paarden in Vlaanderen. Er zijn echter verschillende benaderingen mogelijk om tot een algemeen dichtheidscijfer voor Vlaanderen te komen: 1. Via contactgegevens uit de gouden gids, werd een e-mail bevraging gedaan bij al de manèges uit Vlaanderen die per e-mail te bereiken waren. Uit 12 bruikbare antwoorden werd een dichtheidscijfer van 0.31 hectare per paard bekomen. 2. In het verleden schatten Viaene et al. (2003) het aantal paarden per ha op 2 (dus 0.5 ha per paard). Voor pony’s en ezels werd gerekend met 6 dieren per hectare. 3. Tijdens het veldwerk in de casegebieden werd het aantal paarden geteld, in de wei aanwezig. Uiteraard is het dichtheidscijfer van de ruimte per paard, bekomen uit dit veldwerk een


21

ondergrens. Het is immers zonder extra gegevens niet mogelijk om te weten of de aanwezige paarden nog extra ruimte ter beschikking hebben dan de wei waar ze op het moment van karteren op stonden. Uit het veldwerk werd een gemiddeld dichtheidscijfer van 0.15 ha per paard bekomen. 4. Uit de ministriële omzendbrief (RO/2002/01) van 25 januari 2002 wordt als richtnorm vermeld dat voor een paard minstens 0.25 ha graasweide vereist is. 5. Voor de aangifteplichtige bedrijven geldt volgens het mestdecreet, indien de mest niet elders kan afgezet worden of verwerkt, de norm van 2GVE/ha/j in kwetsbaar gebied. Dit betekent dus 0.5 ha per paard. Deze oppervlakte werd ook geschat in de internetenquête bij 1001 paardenhouders (zie hoofdstuk 5.2). 6. Mary Gordon-Watson vermeld in het handboek paarden (2001) dat een paard minstens een halve hectare ruimte nodig heeft, één hectare is ideaal. Volgens bovenstaande benaderingen van de ruimte per paard, ligt de gemiddelde oppervlakte per paard tussen 0.15 ha en 1 ha, afhankelijk van de gebruikte methode of bron. Zowel boven- als ondergrens zijn echter weinig realistisch: 1 ha is zeer ruim geschat, 0.15 ha is een onderschat cijfer, zoals hierboven reeds verduidelijkt. Deze twee cijfers van dichtheid worden daarom niet verder in beschouwing genomen om tot een realistische schatting van het ruimtegebruik te komen. Tabel 6 geeft de verschillende inschattingen van het ruimtegebruik weer, op basis van de overblijvende aangenomen dichtheden en op basis van enerzijds de aangifte-gegevens van 2009 en anderzijds de mening van experten over het werkelijke aantal (zie ook H2 Literatuurstudie). Tabel 6 Oppervlakte van Vlaanderen, in gebruik voor paarden, op basis van een aantal geschatte dichtheden en gegevens over het aantal paarden in Vlaanderen Oppervlakte (bij een aantal paarden volgens BelCoPaard, februari 2009:105.434) in ha

Oppervlakte (bij een aantal paarden voor Vlaanderen door experts geschat op 150.000) in ha

0.25 (ministriële omzendbrief RO/2002/01)

26359

37500

0.31 (steekproef bij 12 manèges)

32685

46500

0.5 (Viaene, 2003 – mestdecreet kwetsbaar gebied – internetenquête)

52717

75000

Gekozen dichtheid (ha per paard)

Door terug te grijpen naar de resultaten van het veldwerk, kan een realistische inschatting gemaakt worden van het werkelijke ruimtegebruik door paarden en van het werkelijke aantal paarden. In de veronderstelling dat de gekozen gemeenten en de clusters tot een representatief beeld voor Vlaanderen leiden, werd immers een minimumoppervlakte aan paardenweiden geschat op 69.300 ha. Dit zou betekenen dat de aangiftecijfers inderdaad nog lang niet volledig zijn, gezien de hieruit afgeleide oppervlakte zelfs bij een dichtheid van 0.5 ha per paard veel te laag is. Het geschatte aantal van 150.000 lijkt daarom meer realistisch en zeker niet overdreven hoog. Dit aantal komt bij een dichtheid van 0.5 ha per paard overeen met een oppervlakte-inname van 75.000 ha. Bij een dichtheid van 0.31 ha per paard, zoals geschat uit de steekproef van manèges, wordt het aantal paarden voor de oppervlakte van 69.300 ha zelfs geschat op meer dan 220.000 (69.300/0.31).


22

3.3.3 Patronen Op basis van gegevens over het aantal paarden van de sanitair verantwoordelijken per postcode, kan een benaderende ruimtelijke verdeling van de paarden over Vlaanderen weergegeven worden (zie Afbeelding 5).

Afbeelding 7 Ruimtelijke verdeling van het aantal paarden van de sanitair verantwoordelijken per km², per deelgemeente (Bron: Belgische Confederatie voor het Paard, februari 2009 en eigen bewerking ABNL, KULeuven)

De ruimtelijke verdeling per deelgemeente wordt geaggregeerd op gemeenteniveau om de combinatie met andere gegevensbronnen op gemeenteniveau in latere statistische analyses mogelijk te maken (zie Afbeelding 8).

Afbeelding 8 Ruimtelijke verdeling van het aantal paarden van de sanitair verantwoordelijken per km², per gemeente met overlay van de locatie van manèges (Bron: Belgische Confederatie voor het Paard, februari 2009 ; VLM, 2008 en eigen bewerking ABNL, KULeuven)

Bij een vergelijking van het aantal paarden en de locatie van manèges, lijkt niet altijd een eenduidig verband te bestaan (zie Afbeelding 8). Dit betekent dat veel paarden ook verbonden zijn aan andere


23

vormen van paardenhouderijen dan manèges. Zo zijn er in de streek rond Aalst, maar ook in HeistOp-Den-Berg en Putte opvallend weinig manèges voor de hoge concentratie aan paarden die er voorkomt. Omgekeerd zou men in Kasterlee en Lille op basis van het aantal manèges een hogere paardenconcentraties verwachten. Uiteraard zijn er ook gebieden met zowel een sterke concentratie aan manèges als een hoge concentratie aan paarden. Op het eerste zicht is de concentratie aan paarden het grootst in de meest verstedelijkte cluster en in de clusters die de gemeenten omvatten met een versnipperd landbouwareaal, relatief veel bos en weiland en een relatief hoge verstedelijkingsgraad. De concentratie is het laagst in de clusters van de gemeenten met voornamelijk akkerbouw of fruitteelt en een lage versnippering- en verstedelijkingsgraad en in de cluster met voornamelijk veeteelt en tuinbouw (zie Tabel 7 en ook Afbeelding 2). Dit verband is echter niet eenduidig, maar wordt wel bevestigd door een caseonderzoek in Sint-Katelijne-Waver (Van de Sype, 2008), behorend tot cluster 1, waar het aanzienlijke ruimtegebruik door paarden voor een deel te verklaren was door de omzetting van groenteteelt in open lucht naar weiland. Veel vroegere bedrijfsgebouwen zijn hier omgezet naar woningen en particulieren die een paard houden gebruiken nu een deel van deze gronden als weiland voor hun paarden. Verder bleek uit een onderzoek van Dewaelheyns (2007) in Roeselare en Sint-Truiden een verband te bestaan tussen hobbylandbouw en de afstand tot het stadscentrum, met een sterkere concentratie in een regio van 6-7 km vanuit het stadscentrum. Tabel 7 Gemiddeld aantal paarden per km² per cluster (Bron: Belgische Confederatie voor het Paard, februari 2009 en eigen bewerking ABNL, KULeuven)

Cluster

Gemiddeld aantal paarden per km²

1 (sterk versnipperde landbouw, relatief veel bos en weiland, eerder verstedelijkt) 2 (voornamelijk veeteelt en voedergewassen, relatief veel bos) 3 (voornamelijk akkerbouw, lage versnippering en lage verstedelijking)

10.1

4 (zeer verstedelijkt)

7.1

5 (voornamelijk fruitteelt)

6.7

6 (voornamelijk veeteelt en tuinbouw)

6.1

8.4 6.2

De concentratie aan paarden is het laagste in de Westhoek en in Haspengouw, twee regio’s die in ruimtegebruik in de open ruimte gedomineerd worden door professionele landen tuinbouwactiviteiten. Een lage concentratie aan paarden op het kaartbeeld betekent echter niet dat er weinig paarden zijn in absolute aantallen. Zo komen bijvoorbeeld in de gemeenten Meeuwen, Peer en Bilzen absoluut veel paarden voor, maar gezien het voorkomen van grote oppervlakten andere landgebruiksvormen in de open ruimte, zoals akkerbouw en bos is de uiteindelijke concentratie niet zo hoog. Hetzelfde geldt voor een reeks gemeenten in de Kempen (o.a. Geel, Balen, Mol, Kasterlee, Lommel, Wuustwezel) en het noorden van de grens West-Oost-Vlaanderen (bv. Maldegem en Beernem). Het kaartbeeld van het aantal paarden ten opzichte van de oppervlakte aanwezig weiland (zie Afbeelding 9) geeft daarom een heel andere verdeling, namelijk de mate waarin het aanwezige weiland in een gemeente al dan niet in gebruik is voor paarden.


24

Afbeelding 9 Aantal paarden per oppervlakte aanwezig permanent grasland (km²) per gemeente (Bron: Belgische confederatie van het paard, februari 2009 en landbouwgebruikspercelen VLM, 2006). Hoe lager dit getal, hoe meer permanent grasland gebruikt wordt door andere dieren/activiteiten dan paarden.

Uit Afbeelding 9 komt een duidelijk overwicht van de eerder bosrijke gebieden naar voren, zoals een groot deel van de provincie Antwerpen alsook een sterke concentratie ten oosten van Brussel en rond Genk. Een tweede concentratiegebied situeert zich als een band rond of aangrenzend aan dit eerste concentratiegebied. Het zijn voornamelijk de provincies Oost-, maar zeker West-Vlaanderen, waar de concentratie aan paarden per oppervlakte aanwezig permanent grasland laag is. Dit zijn ook de provincies met de beste opvolgingsgraad en een hoge concentratie aan landbouwproductieve veeteelt. In deze twee provincies stijgt de concentratie wel in de meer verstedelijkte regio’s, zoals enkele kustgemeenten, de regio rond Roeselare en Kortrijk en ook ten oosten van Gent. De relatie met bos en verstedelijking is ook terug te vinden in het gemiddeld aantal paarden per km² weiland per cluster, waarbij de meer versnipperde, verstedelijkte en bosrijke clusters een hogere concentratie kennen (zie Tabel 8). Tabel 8 Gemiddeld aantal paarden per km² permanent grasland per cluster

Cluster

Gemiddeld aantal paarden per km² weiland

1 (sterk versnipperde landbouw, relatief veel bos en weiland, eerder verstedelijkt) 2 (voornamelijk veeteelt en voedergewassen, relatief veel bos) 3 (voornamelijk akkerbouw, lage versnippering en lage verstedelijking)

80.9

4 (zeer verstedelijkt)

90.2

5 (voornamelijk fruitteelt)

65.1

6 (voornamelijk veeteelt en tuinbouw)

39.1

63.1 45.0

Bovenstaande resultaten sluiten in sterke mate aan bij de resultaten, bekomen uit de veldwerkgegevens. Zo kent Leuven een eerder laag ruimtegebruik door paarden ten opzichte van de totale ruimte (omwille van een hoog aandeel andere landgebruiksvormen, zoals verstedelijking en akkerbouw), maar een eerder hoog aandeel aan paardenweiden tov het aanwezige permanent


25

grasland in de gemeente. Balen behoort in de kaart van Vlaanderen tot de sterkste concentratiegebieden wat betreft het aandeel paardenweiden tov de oppervlakte aanwezig permanent grasland en was ook de gemeente met de hoogste concentratie van de zes studiegemeenten. Lendelede en Ledegem, de gemeenten die uit het veldwerk naar voren kwamen als de gemeenten met de laagste concentraties aan paarden, zowel tov de totale ruimte als tov het aanwezige permanent grasland, blijken ook op de kaartbeelden voor Vlaanderen een eerder lage concentratie te hebben.


26

4 Kwantitatieve associaties tussen het voorkomen van paardenweiden en omgevingskenmerken In het voorgaande hoofdstuk gebeurde een kwalitatieve analyse van de relatie tussen de ruimtelijke spreiding van paarden(weiden) en aanwezige omgevingskenmerken zoals verstedelijkingsgraad, aanwezigheid van bos, type landen tuinbouw, enz. In dit hoofdstuk wordt hier op een kwantitieve manier verder op ingegaan om bepaalde bevindingen uit het voorgaande hoofdstuk al dan niet te bevestigen. De belangrijkste conclusies uit dit hoofdstuk worden weergegeven in Box 2: Box 2: Hoofdstuk 4 samengevat * Op perceelsniveau zijn significante verbanden te vinden tussen het voorkomen van paardenweiden en (i) perceelsgrootte van de weilanden, (ii) afstand tot tuinen en (iii) afstand tot bos. Kleine percelen en nabijheid van tuinen en/of bossen geven een hogere kans op het voorkomen van een paard in de wei. * Op gemeenteniveau zijn significante verbanden te vinden tussen het voorkomen van paardenweiden en (i) landbouwversnippering, (ii) concentratie van weiland en (iii) tuinindex. Een sterke versnippering en een hoge dichtheid aan tuinen en weiland leiden tot een hogere concentratie aan paarden.

4.1 Methode 4.1.1 Bepalen van de onafhankelijke variabelen De onafhankelijke variabelen werden gekozen op basis van het literatuuronderzoek, de resultaten uit het voorgaande hoofdstuk en beschikbaarheid van gegevens en worden weergegeven in Tabel 9. Tabel 9 Gebruikte onafhankelijke variabelen Schaalniveau

Meetmethode

Motivatie

Perceel

Euclidische afstand tot tuin (Bron: Topografische landgebruikskaart, NGI 2004)

Gemeente

Dichtheid van tuinen (opp/km²) (Bron: Topografische landgebruikskaart, NGI 2004)

(i) Veel paarden worden door particulieren als hobby gehouden wat mogelijk tot een verband kan leiden met de nabijheid/Dichtheid van tuinen (ii) Veronderstellingen vanuit de literatuur vermelden een verband met verstedelijking en Dewaelheyns et al., 2008 toonden een significant verband aan tussen tuinen en verstedelijking, waardoor tuinen ook aanzien kunnen worden als een indicator van verstedelijking.

Perceel

Euclidische afstand tot bos (Bron: Boskartering ANB, 2001)

Onafhankelijke variabele

Nabijheid/ Dichtheid tuinen

Nabijheid/ Dichtheid bos

van

van

4. Kwantitatieve associaties

(i) In hoofdstuk 3 werd een kwalitatief verband met de aanwezigheid van bos

27

Schaalniveau

Meetmethode

Motivatie

Gemeente

Dichtheid van bossen (Bosindex) (Bron: Boskartering ANB, 2001)

vastgesteld in de spreidingskaarten en de studiegemeenten (ii) Veronderstellingen vanuit de literatuur vermelden een verband met nabijheid van bos

Perceel

Oppervlakte perceel (gemeenteniveau) (Bron: eigen veldwerk)

Onafhankelijke variabele

Perceelsgrootte van weiland

Versnippering van het landbouwareaal

Gemeente

Gemiddelde perceelsoppervlakte (Bron: landgebruikspercelen VLM, 2006)

Perceel

Versnipperingswaarde volgens de indicator van versnippering per kilometerhok (Bron: Steunpunt Ruimte en Wonen, 2008) Perimeter/Area verhouding van landen tuinbouwvlakken (=groep van aaneengesloten percelen) per gemeente (Bron: Landgebruikspercelen VLM, 2006) Aantal dieren (GVE) per oppervlakte landbouwgrond (Bron: Landbouwtelling, FOD, Directie Economie en Statistische Informatie, 2005)

Gemeente

Gemeente Concentratie van veeteelt

Gemeente Concentratie van weiland

Oppervlakte weiland tov totale oppervlakte landen tuinbouwgrond (Bron: Landbouwtelling, FOD, Directie Economie en Statistische Informatie, 2005)

(i) Uit het veldwerk bleek dat paardenweiden veelal kleine percelen zijn, wat ook bevestigd is door van der Windt et al. (2007)

(i) Uit de analyse in hoofdstuk 3 bleken de clusters met de sterkste landbouwversnippering gemiddeld een hoge dichtheid aan paarden te omvatten

(ii) Uit de spreidingskaart per km² weiland blijkt dat in gebieden met veel veeteelt over het algemeen minder paarden per aanwezig weiland voorkomen. (iii) Waar relatief veel weiland aanwezig is, in combinatie met een lage concentratie van veeteelt, kan een hoger aantal paarden verwacht worden.

4.1.2 Statistiek 4.1.2.1 Analyse op perceelsniveau: Logistische regressie Gezien op perceelsniveau de afhankelijke variabele binair is en de onafhankelijke variabelen continu, wordt gebruik gemaakt van logistische regressie. Er wordt nagegaan of de gekozen onafhankelijke variabelen (nabijheid van tuinen, nabijheid van bos, perceelsgrootte en versnippering van het landbouwareaal) een significante invloed hebben op het al dan niet voorkomen van paarden op een weideperceel. De weilanden met paard krijgen code 1, de weilanden voor runderen code 0. De percelen die niet volledig binnen de segmenten vallen worden uit de analyse gelaten om geen onderschatte perceelsgrootte mee in rekening te brengen. De percelen met andere dieren (schapen, struisvolgels, lama’s, e.d.) worden hier niet meegerekend. Logistische regressie gaat uit van kansverhoudingen of odds, namelijk de kans op 1 gedeeld door de kans op 0. Een odds heeft een bereik van 0 tot oneindig. Om met waarden van min tot plus oneindig te werken wordt de natuurlijke logaritme van de odds genomen ofwel de logit. In formulevorm ziet de logistische regressie er zo uit:


28

ln(pwel/pniet) = a + b1X1 + b2X2 + … De kans op 1 en de kans op 0 zijn beiden afhankelijk van de variabelen X, maar deze afhankelijkheid is niet lineair. Vooraleer de logistische regressie uit te voeren, wordt nagegaan of er geen onderlinge correlatie bestaat tussen de onafhankelijke variabelen. Dit gebeurt met multicollineariteitstesten. Wanneer multicollineariteit aanwezig is, dienen enkel die variabelen opgenomen te worden die onafhankelijk zijn van elkaar. 4.1.2.2 Analyse op gemeenteniveau: Multiple lineaire regressie Op gemeenteniveau wordt nagegaan of er significante verbanden bestaan tussen de concentratie aan paarden per gemeente als afhankelijke variabelen en de gekozen onafhankelijke variabelen uit Tabel 8. Hiervoor wordt gebruik gemaakt van een lineaire regressie met meerdere variabelen. Een lineair regressiemodel veronderstelt een lineair verband tussen de afhankelijke variabele en de onafhankelijke variabelen, zoals weergegeven in onderstaande formule: yi=b0+b1xi1+...+bpxip+ei Met •

yi de waarde van de afhankelijke variabele in geval i

•

p het aantal onafhankelijke variabelen

•

bj de waarde van de j-de coëfficiënt, j=0, …, p

•

xij de waarde van de j-de onafhankelijke ariabele in geval i

•

ei de fout in de geobserveerde waarde voor geval i

•

b0 de intercept, d.i. de waarde van de afhankelijke variabele wanneer de waarde van elke onafhankelijke variabele = 0

Om een lineaire regressie te kunnen uitvoeren, dient aan volgende voorwaarden voldaan te zijn: •

Normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden

•

Een lineair verband tussen de afhankelijke en de onafhankelijke variabelen.

•

Geen correlatie tussen de onafhankelijke variabelen

In een eerste stap worden al de variabelen tegelijk opgenomen in de regressie (model 1). Om multicollineariteit uit te sluiten en enkel de meest geschikte onafhankelijke variabelen in het model te betrekken, wordt vervolgens gebruik gemaakt van gestandardizeerde waarden in een stapsgewijze regressie (model 2). In een laatste model worden geïdentificeerde outliers van model 2 weggelaten (model 3).

4.2 Associaties op perceelsniveau: Resultaten 4.2.1 Multicollineariteit Uit de multicollineariteitstesten blijkt dat de onafhankelijke variabelen niet gecorreleerd zijn met elkaar. Een tolerantiewaarde (‘Tolerance’) dicht bij 0 en een VIF (variance of inflation) groter dan 2


29

worden als problematisch beschouwd (zie Tabel 10). In dit geval is er bijgevolg geen probleem en kunnen alle vooropgestelde variabelen (oppervlakte perceel (OPPHA), afstand tot bos (BOSDISTANC), afstand tot tuin (TUINDISTANC) en versnippering van het landbouwareaal (Z000PA)) opgenomen worden in het model. Tabel 10 Statistieken van collineariteit: Tolerance en VIF Tolerance VIF Z000PA

1,027

,305

BOSDISTANC

-3,250

,001

TUINDISTAN

-3,750

,000

OPPHA

-4,311

,000

4.2.2 Model 1: Forward Logistic Regression De Forward Logistic Regression start met een model dat geen enkele onafhankelijke variabele opneemt. In verschillende stappen wordt telkens de onafhankelijke variabele met de hoogste statistisch significante score in het model opgenomen. Tabel 11 Variabelen, niet in de vergelijking gebruikt bij stap 0

Score

Variables Step 0

df

Sig.

Z000PA BOSDISTANC

4,063

1

,044

6,802

1

,009

TUINDISTAN

21,391

1

,000

OPPHA

29,828

1

,000

41,603

4

,000

Overall Statistics

Variablen die geen significante score vertonen, worden niet toegevoegd in de volgende stappen (zie Tabel 12). Tabel 12 Variabelen, niet in de vergelijking gebruikt bij stappen 1, 2 en 3; Variabelen in het grijs vertonen geen significante score

Score

Variables Step 1

Step 3

Variables

Sig.

Z000PA

,895

1

,344

BOSDISTANC

5,234

1

,022

TUINDISTAN

7,619

1

,006

13,392

3

,004

Overall Statistics Step 2

df

Z000PA BOSDISTANC

,318

1

,573

6,118

1

,013

Overall Statistics

6,135

2

,047

Variables Z000PA Overall Statistics

,022

1

,882

,022

1

,882


30

Enkel versnippering van het landen tuinbouwareaal (Z000PA) vertoont nooit een significante score en wordt niet opgenomen als variabele in het uiteindelijke model. The Hosmer-Lemeshow statistiek duidt op een slechte fit van het model indien de significantiewaarde lager ligt dan 0.05. In dit geval betekent het dus geen slechte fit. Tabel 13 Hosmer-Lemeshow test

Step

Chi-square

df

Sig.

1

13,604

8

,093

2

13,305

8

,102

3

8,370

8

,398

De deviantieplot duidt op gevallen die slecht gefit worden door het model (zie Afbeelding 10) 5,00

chgdev

4,00

3,00

2,00

1,00

0,00 0,00000

0,20000

0,40000

0,60000

0,80000

1,00000

Predicted probability

Afbeelding 10 Deviantieplot

De curve van linksonder naar rechtsboven komt overeen met de percelen zonder paarden. De punten met een hoge predicted probability zijn percelen die slecht gefit zijn door het model. Omgekeerd geeft de curve van rechtsonder naar naar linksboven de percelen met paarden weer. Percelen met een lage ‘predicted probability’ zijn slecht gefit door het model. Deze punten kunnen de analyse beïnvloeden. Ze worden echter in de analyse gehouden, gezien verondersteld wordt dat de veldwerkgegevens juist zijn en deze percelen dus niet als outliers beschouwd kunnen worden. De keuze om de variabelen op te nemen in het model hangt af van ‘The Significance of the Change’. Deze dient in de laatste stap voor al gekozen variabelen lager te zijn dan 0.05.


31

Tabel 14The Significance of Change

Model Log Likelihood

Variable

Step 3

Change in 2 Log Likelihood

df

Sig. of the Change

BOSDISTANC

-141,433

6,166

1

,013

TUINDISTAN

-142,716

8,733

1

,003

OPPHA

-148,694

20,688

1

,000

R² wordt berekend als maat voor de sterkte van het model. Cox & Snell’s R² is gebaseerd op de log likelihood van het model in vergelijking met een standaard model. Het theoretische maximum van deze waarde is kleiner dan 1, zelfs voor een “perfect” model. De Nagelkerke’s R² is een aangepaste Cox & Snell’s R² die wel tussen 0 en 1 ligt. Hoge R² waarden betekenen dat een groot deel van de variatie verklaard wordt door het model. Tabel 15 Berekening van R Square als maat voor de sterkte van het model

Step

-2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1

290,700(a)

,148

,198

2

282,865(a)

,176

,235

3

276,699(a)

,197

,263

a Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.

Onderstaande Classificatietabel toont aan in welke mate het model een juiste voorspelling maakt. De ‘Unselected Cases’ werden niet betrokken in de opstelling van het model (30% van de oorspronkelijke gegevens), maar worden wel voor 75% goed voorspeld. Tabel 16 Validatie van het model

Observed

Predicted

SELECTED CASES PAARD

PAARD Step 3

UNSELECTED CASES PAARD

0

1

Percentage Correct

0

1

Percentage Correct

0

61

50

55,0

31

19

62,0

1

26

101

79,5

8

50

86,2

Overall Percentage

68,1

75,0

Een betere controle van het model gebeurt echter met de ROC Curve. Dit is een visuele voorstelling van de nauwkeurigheid van de inschatting volgens het model. Hoe meer de lijn boven de 45°lijn ligt, hoe sterker de nauwkeurigheid van het model.


32

Afbeelding 11 ROC curve

Tabel 17 Oppervlakte onder de curve als maat voor de sterkte van het model Asymptotic 95% Confidence Interval Area

Std. Error(a)

Asymptotic Sig.(b)

Upper Bound

Lower Bound

,694

,029

,000

,637

,751

The test result variable(s): Predicted group has at least one tie between the positive actual state group and the negative actual state group. Statistics may be biased. a Under the nonparametric assumption, b Null hypothesis: true area = 0.5

De oppervlakte onder de Curve (zie Tabel 17) vertegenwoordigt de kans dat de geschatte waarde van een random perceel volgens het model beter is dan volgens een willekeurig model. Gezien de significantie lager is dan 0.05, betekent dit dat het beter is het model te gebruiken dan te gokken. De schatting van de variabelen bepaalt het uiteindelijke effect van elke onafhankelijke variabele in de vergelijking. Tabel 18 Variabelen en coëfficiënten van de voorwaartse lineaire regressie

Step 3

B

S.E.

Wald

df

Sig.

Exp(B)

BOSDISTANC

-,001

,000

5,787

1

,016

,999

TUINDISTAN

-,011

,004

7,939

1

,005

,989

OPPHA

-1,207

,317

14,507

1

,000

,299

Constant

1,957

,341

32,877

1

,000

7,077

Uit Tabel 18 valt op te maken dat zowel oppervlakte van de percelen als afstand tot bos en tuin significant bijdragen aan het model, met een grotere kans op het voorkomen van paarden bij een kleinere oppervlakte van de percelen en een kleinere afstand tot bos en tuinen. Wanneer de perceelsoppervlakte, bosafstand of tuinafstand toenemen met 1 eenheid (1ha, of 1m), dan verkleint


33

de kans op de aanwezigheid van een paard respectievelijk met een factor 0.299 (e-1.207), 0.999 en 0.989. 4.2.3 Model 2: Backward Logistic Regression Als controle op het voorgaande model, wordt een zelfde analyse uitgevoerd, maar achterwaarts. Dit betekent dat het model vertrekt van al de onafhankelijke variabelen en telkens een variabele weghaalt die weinig bijdraagt aan het model totdat al de overgebleven variabelen significant bijdragen aan het model. In het beste geval houden zowel de voorwaartse als de achterwaartse methode dezelfde variabelen over. De kans is dan ook groter dat het model betrouwbaar is. Uit Tabel 19 blijkt dat in de achterwaartse methode inderdaad dezelfde variabelen overblijven als in het voorwaartse model, namelijk de perceelsgrootte van weiland, de afstand tot tuin en de afstand tot bos. Tabel 19 Variabelen en coëfficiënten van de achterwaartse lineaire regressie

B Step 1

Wald

df

Sig.

Exp(B)

Z000PA

-,003

,019

,022

1

,882

,997

BOSDISTANC

-,001

,000

5,535

1

,019

,999

TUINDISTAN

-,012

,004

7,841

1

,005

,989

-1,209

,317

14,540

1

,000

,299

Constant

2,048

,703

8,489

1

,004

7,753

BOSDISTANC

-,001

,000

5,787

1

,016

,999

TUINDISTAN

-,011

,004

7,939

1

,005

,989

-1,207

,317

14,507

1

,000

,299

1,957

,341

32,877

1

,000

7,077

OPPHA

Step 2

S.E.

OPPHA Constant

4.3 Associaties op gemeenteniveau: Resultaten De statistische testen op gemeenteniveau werden in eerste instantie uitgevoerd op de gegevens van BelCoPaard van september 2008. Gezien gedurende het onderzoek recentere gegevens ter beschikking kwamen, werden de testen opnieuw uitgevoerd met de recentere gegevens van februari 2009, met gelijkaardige resultaten tot gevolg. De analyse op de gegevens van september 2008 wordt weergegeven in bijlage. Hieronder volgen de resultaten voor de meest recente gegevens. 4.3.1 Model 1 In het eerste model worden de gemeenten opgenomen waar voor al de variabelen gegevens aanwezig zijn. Het gaat om 296 gemeenten. Niet opgenomen zijn de gemeenten Boom, DilsenStokkem, Drogenbos, Hemiksem, Herstappe, Kraainem, Linkebeek, Machelen, Mortsel, Niel, Wezembeek-Oppem en Wijnegem.


34

4.3.1.1 Normaalverdeeldheid In eerste instantie wordt de normaalverdeeldheid getest van het verschil tussen de geobserveerde en de gemodelleerde waarden, om na te gaan of het mogelijk is om met een lineaire regressie te werken. Dit gebeurt op basis van een histogram en een P-P plot.

Histogram

Dependent Variable: CONC

Frequency

60

40

20

Mean =-1,11E-15 Std. Dev. =0,99 N =296

0 -2,5

0,0

2,5

5,0

7,5

Regression Standardized Residual

Afbeelding 12 Histogram als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 1

Normal P-P Plot of Regression Standardized Residual


Expected Cum Prob

1,0

0,8

0,6

0,4

0,2

0,0 0,0

0,2

0,4

0,6

0,8

1,0

Observed Cum Prob

Afbeelding 13 P-P plot als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 1


35

Het histogram volgt duidelijk de curve van een normale verdeling. Ook de P-P plot wijst op een normale verdeling, gezien de waarden vrij goed de 45° lijn volgen. Noch het histogram, noch de P-P plot verwerpen normaalverdeeldheid. 4.3.1.2 Resultaten De resultaten van het model worden weergegeven in onderstaande tabel: Tabel 20 Resultaten van model 1: Verbanden tussen de onafhankelijke variabelen en de concentratie aan paarden en statistieken van collineariteit Unstandardized Coefficients

Standardized Coefficients

B

Std. Error

Beta

(Constant)

2,458

1,735

BOSINDEX

-,010

,022

GVE/HA

-,100

WEILANDCONC

Model

1

t

Sig.

Correlations Part

Tolerance

VIF

1,417

,158

-,026

-,440

,660

-,022 ,678

1,476

,075

-,073

-1,329 ,185

-,065 ,804

1,244

,079

,019

,242

4,129

,202

,695

1,438

perceelsgrootteweiha

-,733

,607

-,077

-1,207 ,228

-,059 ,595

1,682

Tuinindex

,134

,033

,253

4,121

,000

,015

-,026

-,022

Lbversn

173,385

68,872

,197

2,517

,012

-,215 -,078

-,065

,000

Uit Tabel 51 blijkt dat een aantal van de onafhankelijke variabelen niet significant bijdragen tot de voorspelling van de afhankelijke variabele, met een significantiewaarde hoger dan 0.05. Enkel de concentratie aan weiland, de tuinindex en versnipperingsgraad van het landbouwareaal dragen significant bij aan het model. Dit blijkt ook uit de gestandardizeerde coëfficiënten die duidelijk groter zijn voor deze drie onafhankelijke variabelen. In het tweede deel van de tabel worden mogelijke problemen mbt multicollineariteit weergegeven. Bij een tolerantiewaarde (‘Tolerance’) dicht bij 0 is er een hoge multicollineariteit. Een VIF (variance of inflation) groter dan 2 wordt als problematisch beschouwd. Gezien in bovenstaande tabel al de VIF-waarden lager zijn dan 2, wordt vermoed dat multicollineariteit in dit geval geen groot probleem vormt. Onderstaande tabel bevestigt dit vermoeden deels. Eigenwaarden dicht bij 0 en een condition index hoger dan 15 betekenen dat er multicollineariteit in het model zit. Gezien slechts één waarde aan deze voorwaarde voldoet, is het probleem van multicollineariteit eerder beperkt, maar wel aanwezig. Tabel 21 Multicollineariteitstest voor model 1: een eigenwaarde dicht bij 0 en een conditie index hoger dan 15 wijzen op multicollineariteit

Model

1

Dimension

Eigenvalue

Condition Index

1 2

5,806 ,490

1,000 3,443

3

,412

3,752

4

,142

6,386

5

,087

8,163

6

,055

10,247

7

,007

28,634


36

4.3.1.3 Sterkte van het model De sterkte van de relatie tussen de door het model voorspelde en de geobserveerde waarden wordt weergegeven door R. Hoe groter R, hoe sterker het verband. R square geeft weer dat ongeveer 30% van de variatie van de afhankelijke variabele door het model verklaard wordt. Tabel 22 Sterkte van model 1. Hoe dichter R bij 1 ligt, hoe sterker het model

Model

R

R Square

Adjusted R Square

Std. Error of the Estimate

1

,554

,307

,293

3,323

Een verdere analyse van de sterkte van het model gebeurt door de geschatte standaardafwijking van de concentratie op basis van het model te vergelijken met de standaardafwijking uit de beschrijvende statistieken van de concentratie aan paarden per gemeente. Hieruit blijkt dat de standaardafwijking met het model (3.323) lager is dan zonder het model (3.952). Dit betekent dat het model wel degelijk effect heeft. Ook de ANOVA tabel wijst erop dat de variatie die verklaard wordt door het model niet aan toeval te wijten is, gezien de significantiewaarde lager dan 0.05: Tabel 23 ANOVA tabel van model 1

Model

1

Regression Residual Total

Sum of Squares

df

1415,848 3192,060 4607,908

6 289 295

Mean Square 235,975 11,045

F

Sig.

21,364

,000

4.3.2 Model 2: stapsgewijze regressie In model 2 wordt een stapsgewijze regressie uitgevoerd met gestandardizeerde waarden. Deze methode wordt gebruikt om het probleem van multicollineariteit uit model 1 op te lossen. 4.3.2.1 Normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden Via een histogram en een P-P plot wordt normaalverdeelheid nagegaan.


37

Histogram


Frequency

60

40

20

Mean =-3,64E-17 Std. Dev. =0,995 N =296

0 -2,5

0,0

2,5

5,0

7,5





Expected Cum Prob

1,0

0,8

0,6

0,4

0,2

0,0 0,0

0,2

0,4

0,6

0,8

1,0

Observed Cum Prob


Het histogram volgt duidelijk de curve van een normale verdeling. Ook de P-P plot wijst op een normale verdeling, gezien de waarden vrij goed de 45° lijn volgen. Noch het histogram, noch de P-P plot verwerpen dus normaalverdeeldheid.


38

4.3.2.2 Resultaten De onafhankelijke variabelen landbouwversnippering, concentratie aan weiland en tuinindex worden weerhouden in het stapsgewijze model (met model 4 als uiteindelijke model). Tuinindex is het sterkst gecorreleerd met de concentratie aan paarden (B=1.768), gevolgd door de concentratie aan weiland (B=0,997) en landbouwversnippering (B=0.927). Een grote oppervlakte tuinen, een sterke versnippering van het landbouwareaal en een hoge concentratie aan weiland leiden tot een sterkere concentratie aan paarden. De verschillende variabelen dragen significant bij tot het model (Sig. < 0.05). De significante variabelen uit model 1 worden dus ook in model 2 weerhouden. Tabel 24 Resultaten van model 2: Stapsgewijze verbanden tussen de onafhankelijke variabelen ,opgenomen in het model en de concentratie aan paarden

Unstandardized Coefficients Std. Error B 8,472 ,206 1,768 ,206 8,472 ,198 1,519 ,205 ,997 ,205 8,472 ,193 1,082 ,228 ,837 ,204 ,927 ,230

Stap

1 2

3

(Constant) Zscore(Tuinindex) (Constant) Zscore(Tuinindex) Zscore(WEILANDCONC) (Constant) Zscore(Tuinindex) Zscore(WEILANDCONC) Zscore(Lbversn)

Sig. Partial 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

De resultaten van de collineariteitstest (Tabel 56) tonen aan dat het probleem van multicollineariteit uit model 1 zich nu niet meer voordoet (met een conditie-index<<15). Tabel 25 Multicollineariteitstest voor model 2: een eigenwaarde dicht bij 0 en een conditie index hoger dan 15 wijzen op multicollineariteit

Model

2

Dimension

Eigenvalue

Condition Index

1 2

1,718 1,000

1,000 1,311

3

,799

1,467

4

,483

1,886

4.3.2.3 Sterkte van het model De sterkte van het model is zeer vergelijkbaar met de sterkte van model 1 (zie Tabel 53): Tabel 26 Sterkte van model 2. Hoe dichter R bij 1 ligt, hoe sterker het model

Model

R

R Square

Adjusted R Square


2

,546

,299

,291

3,327


39

4.3.2.4 Identificatie van outliers Onderstaande tabel geeft de gemeenten weer met een duidelijk hogere concentratie aan paarden (CONCKM) dan verwacht (Predicted value) volgens het model (positieve waarden van Std. Residual) of een duidelijk lagere concentratie dan verwacht volgens het model (negatieve waarden van Std. Residual). Tabel 27 Outliers van model 2

Gemeente

Std. Residual

CONCKM

Predicted Value

Residual

WEMMEL OUD-HEVERLEE

2,209 4,211

19 23

11,32 9,09

7,350 14,009

SINT-NIKLAAS

2,218

17

9,50

7,379

LONDERZEEL

2,376

17

8,76

7,906

AFFLIGEM

3,078

23

12,48

10,241

SINT-KATELIJNE-WAVER

2,794

21

11,87

9,294

LINT

3,059

22

11,99

10,177

GENK

-2,031

4

10,53

-6,756

BORSBEEK

7,038

34

10,33

23,417

BRASSCHAAT

-2,149

11

17,65

-7,149

De sterkste uitschieters zijn Borsbeek en Oud-Heverlee met een duidelijk sterkere concentratie aan paarden dan verwacht volgens het model. De andere gemeenten blijken uit de scatterplot goed bij de overige gemeenten aan te sluiten en worden daarom niet als outliers beschouwd.

7,50000

BORSBEEK

Standardized Residual

5,00000 OUD-HEVERLEE

2,50000

0,00000

-2,50000

LONDERZEEL SINT-KATELIJNE-WAVER AFFLIGEM ALKEN LINT GALMAARDEN WEMMEL WAARSCHOOT PUTTE MEISE BAARLE-HERTOG ROOSDAAL HAALTERT PEER DE PANNELILLE NAZARETH LIER MEEUWEN-GRUITRODE GAVERE LENNIK BERLAAR HEIST-OP-DEN-BERG WUUSTWEZEL BILZEN WOMMELGEM BALEN DENDERMONDE RIJKEVORSEL LUBBEEK DUFFEL KONTICH NIEUWERKERKENBERTEM EVERGEM BORNEM KEERBERGEN LANGEMARK-POELKAPELLE HOVE NEERPELT LUMMEN BEGIJNENDIJK POPERINGE LANDEN HOEILAART MOL SCHILDE LIEDEKERKE LICHTERVELDE HOUTHALEN-HELCHTEREN BOORTMEERBEEK ZULTE HEUSDEN-ZOLDER IZEGEM TERVUREN MESENGISTEL BRASSCHAAT WAREGEM GENT KLUISBERGEN OVERIJSE LEOPOLDSBURG EDEGEM DIKSMUIDE HAM SCHOTEN ZONHOVEN DEERLIJK RONSE MAASMECHELEN

-2,00000

0,00000

2,00000

4,00000

Standardized Predicted Value

Afbeelding 16 De Outliers grafisch voorgesteld

Om outliers van het model verder te identificeren, wordt de ‘Cook’s Distance’ als y-variabele geplot tov de ‘Centered Leverage value’.


40

0,60000

BORSBEEK

Cook's Distance

0,50000

0,40000

0,30000

0,20000

BRASSCHAAT

SINT-LIEVENS-HOUTEM OUD-HEVERLEE WEMMEL LINTLIEDEKERKE ERPE-MERE MEULEBEKE AFFLIGEMGERAARDSBERGEN DENDERLEEUW 0,10000 VOEREN EDEGEM HOOGLEDE LEDE LILLEHULSHOUTSCHILDESINT-GENESIUS-RODE WOMMELGEM HOUTHALEN-HELCHTEREN KORTENBERG GINGELOM SINT-MARTENS-LATEM HOEILAART HOVEOPGLABBEEK ZAVENTEM PITTEM ROTSELAAR VOSSELAAR BEGIJNENDIJK IZEGEM ZUTENDAAL 0,00000 0,00000 0,02000 0,04000 0,06000 0,08000 0,10000 0,12000

Centered Leverage Value

Afbeelding 17 Cook’s distance tov Centered Leverage Value

Gemeenten met een hoge Cook’s distance en/of Centered Leverage Value hebben een sterke invloed op het uiteindelijke resultaat van het model. Hoe hoger de ‘Centered Leverage Value’, hoe sterker de gemeente de helling van de regressievergelijking beïnvloedt. Hoe hoger de ‘Cook’s Distance’, hoe sterker de gemeente de variabiliteit van de regressie beïnvloedt. Borsbeek en Brasschaat komen er als sterkste uitschieter uit. 4.3.3 Model 3 Om een mogelijk beter model te verkrijgen, wordt de voorgaande lineaire regressie nogmaals uitgevoerd met de overgebleven onafhankelijke variabelen, waarbij de gemeenten met een relatief hoge Cook’s distance, Leverage Value en/of St. Residual uit de analyse worden weerhouden (Borsbeek, Brasschaat en Oud-Heverlee). 4.3.3.1 Normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden Via een histogram en een P-P plot wordt normaalverdeelheid nagegaan.


41

Histogram

Dependent Variable: CONC 40

Frequency

30

20

10

Mean =-3,34E-16 Std. Dev. =0,995 N =293

0 -2

0

2

4





Expected Cum Prob

1,0

0,8

0,6

0,4

0,2

0,0 0,0

0,2

0,4

0,6

0,8

1,0

Observed Cum Prob




42

4.3.3.2 Resultaten De onafhankelijke variabelen landbouwversnippering, concentratie aan weiland en tuinindex worden opnieuw weerhouden in het stapsgewijze model. De coëfficiënten verschillen echter met het voorgaande model, waarbij de impact van landbouwversnippering en concentratie aan weiland aan belang winnen en tuinindex minder doorweegt. Tabel 28 Resultaten van model 3: Stapsgewijze verbanden tussen de onafhankelijke variabelen, opgenomen in het model en de concentratie aan paarden

Unstandardized Coefficients Std. B Error 8,345 ,184 1,717 ,185 8,360 ,173 1,403 ,181 1,190 ,191 8,369 ,169 ,992 ,202 1,116 ,187 ,840 ,201

Stap

1 2

3

(Constant) Zscore(Lbversn) (Constant) Zscore(Lbversn) Zscore(WEILANDCONC) (Constant) Zscore(Lbversn) Zscore(WEILANDCONC) Zscore(Tuinindex)

Sig. Partial ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,015

4.3.3.3 Sterkte van model 3 Dit model is het sterkst van de drie, hoewel er geen grote verschillen zijn met de voorgaande modellen (zie ook Tabel 53 en Tabel 57): Tabel 29 Sterkte van model 3. Hoe dichter R bij 1 ligt, hoe sterker het model

Model

R

R Square

Adjusted R Square


3

,598

,358

,351

2,885

4.4 Kwantitatieve associaties tussen het voorkomen van paardenweiden en omgevingskenmerken: Besluit De kwalitatieve besluiten uit hoofdstuk 3 in verband met de associaties tussen paardenweiden en omgevingskenmerken worden grotendeels bevestigd door de cijfersgegevens. Uit de regressieanalysen bleken immers enkele significante verbanden te bestaan tussen het voorkomen van paardenweiden en een aantal omgevingskenmerken die als geografische drijvende krachten kunnen gelden. Zo wezen de testen op gemeenteniveau op een verband met de concentratie aan weiland, de versnippering van het landen tuinbouwareaal en de dichtheid aan tuinen. Er komen meer paarden voor in gemeenten met veel weiland, waar de landen tuinbouw versnipperd is en waar een grote dichtheid aan tuinen is. Dit was ook te verwachten uit de literatuur, waar paarden vermeld worden in relatie tot stedelijke gebieden (Myhr en Johansson, 2008 en Verburg et al., 2009). Gezien de paarden vaak in de plaats komen van (andere) landen tuinbouwactiviteiten, is het ook te verwachten dat dit meer gebeurt in de landbouwversnipperde gebieden dan in de gemeenten met grote aaneengesloten percelen en een stabielere landen tuinbouw. Dichtheid van bos bleek op


43

gemeenteniveau geen doorslaggevende factor te zijn. Op perceelsniveau bleek de kans op een paardenwei wel groter naarmate de afstand tot bos kleiner is. Op een gedetailleerder niveau blijkt nabijheid van bos dus weldegelijk een rol te spelen. Tuin en perceelsgrootte van het weiland kwamen op perceelsniveau opnieuw naar voren als belangrijke omgevingsfactoren. Van der Windt et al. (2007) wezen ook al op de kleinschaligheid van de percelen met paarden (van der Windt et al., 2007). Uiteraard kunnen nog andere factoren een rol spelen in het al dan niet voorkomen van paardenweiden. In dit hoofdstuk werd enkel ingegaan op omgevingsfactoren en dus op geografische drijvende krachten, wat ook het hoofddoel van dit onderzoek vormt. Het sociaal-economische luik van het verhaal komt in het volgende hoofdstuk wel in zekere mate aan bod (“H5 Een verkennende analyse van Verpaarding”) als onderdeel van de enqu ête bij paardenhouders. Tot slot gaven de statistieken ook aan dat de gekozen casegemeenten niet als outliers uit de statistische testen komen.


44

5 Een verkennende analyse van ‘Verpaarding’ In voorgaande hoofdstukken werd ingegaan op de ruimtelijke spreiding van paarden(weiden) in 2008–2009. Hier is echter een evolutie aan voorafgegaan. Uit de literatuurstudie (hoofdstuk 2) bleek immers al dat de paardensector een sector in groei is en bijgevolg ruimte nodig heeft en inneemt. Dit zou grotendeels ten koste gaan van voormalige landen tuinbouwgronden. Deze evolutie krijgt al snel de term ‘verpaarding’ opgeplakt. Een analyse van vroegere gegevens van de landbouwtelling en de mestbankregistratie bevestigen deze evolutie in opwaartse lijn. Een enquête bij 1001 paardeneigenaars, verduidelijkt bovendien de redenen waarom mensen paarden houden en welk voormalig landgebruik hiervoor wordt opgeofferd. Ook wordt in de enquête gepeild naar eventuele problemen die zich hebben voorgedaan bij het verkrijgen van de nodige gronden. De belangrijkste conclusies worden weergegeven in Box 3:

Box 3: Hoofdstuk 5 samengevat * De statistieken van de landbouwtelling en de mestbankregistratie duiden op een duidelijk toename van het aantal paardachtigen in het recente verleden (sinds 1990). * Ook de internetenquête wijst erop dat het aantal paarden toeneemt. * Minstens de helft van de huidige paardenweiden bestond vroeger uit landbouwareaal (weiland voor runderen of akkerland). * De belangrijkste motivatie van paardeneigenaars voor het houden van paarden zijn sport, recreatie en een passie voor paarden. * Uit de enquête blijken een aantal knelpunten te bestaan tussen de paardenhouders en de landbouwsector, de natuursector en de ruimtelijke ordening. Deze problemen hebben respectievelijk te maken met ‘de strijd om ruimte/weiland’, het gebrek aan wandelpaden in natuurgebied en het verkrijgen van vergunningen om bv. stallingen en pistes te plaatsen.

5.1 Evoluties volgens de landbouwtelling en de mestbankregistratie Hoewel reeds eerder werd aangegeven dat de gegevens over paarden uit de landbouwtelling en de mestbankregistratie geen volwaardige informatie opleveren, kan er toch een beeld gevormd worden over de evolutie van het aantal paarden. Volgens de verwachtingen uit de literatuur is het aantal paarden in een opmars. Dit wordt ook bevestigd door de gegevens van de landbouwtelling (19902005), zie Afbeelding 20.

5. Een verkennende analyse van verpaarding

45

24000 22000 20000 18000 16000 14000 12000

aantal paardachtigen (NIS, 2005) 2005

2004

2003

2002

2001

2000

1999

1998

1997

1996

1995

1994

1993

1992

1991

1990

10000

Afbeelding 20 Evolutie van het aantal paardachtigen, aangegeven bij de landbouwtelling (1990-2005). Bron: FOD, Economie, Directie Statistiek en Economische Informatie.

Ook het aantal paarden, aangegeven bij de Mestbankregistratie is globaalgenomen toegenomen tussen 2001 en 2007 (zie Afbeelding 21). De categorie tussen 200 en 600 kg nam het sterkste toe. De categorie >600kg nam af. Evolutie aangifte paardachtigen bij de mestbank 45000 40000 35000

aantal

30000

>600kg

25000

200-600kg

20000

<200kg totaal

15000 10000 5000 0 2001

2002

2003

2004

2005

2006

2007

jaar

Afbeelding 21 Evolutie van het aantal paarden, aangegeven bij de Mestbank (2001-2007) (Bron: Voortgangsrapporten Mestbank, 2002 tem 2008)

Vóór 2000 gebeurde de aangifte niet volgens de opdeling van paarden naar hun gewicht. De paardachtigen besloegen toen 1 groep. Uit de evolutie van de mestproductie door paarden tussen 1991 en 1999 kan ook afgeleid worden dat het aantal dieren in die periode is toegenomen (zie Afbeelding 22).


46

3.000.000

2.500.000

kg

2.000.000 kg N

1.500.000

kg P2O5

1.000.000

500.000

0 1991

1992

1993

1994

1995

1996

1997

1998

1999

jaa rtal

Afbeelding 22 Dierlijke productie in kg N en kg P2O5 door paarden, per jaar berekend volgens de bepalingen van het Mestdecreet (Bron: Voortgangsrapport Mestbank, 2002)

Bovenstaande gegevens geven wel een idee over de mate waarin het aantal paarden in het recente verleden is toegenomen. Ze geven echter geen informatie over landgebruiksveranderingen ten gevolge van deze evolutie. Om hierover informatie te verzamelen wordt daarom een enquête uitgevoerd bij paardenhouders verspreid over Vlaanderen (zie verder).

5.2 Een enquête bij paardenhouders in Vlaanderen De “paardenweide” is een categorie van landgebruik die niet opgenomen wordt in bestaande statistieken (zie hoofdstuk 3) en die bovendien geografisch niet zomaar te lokaliseren is op luchtfoto’s of satellietbeelden. Bovendien willen we peilen naar de motivatie van mensen om een paard te houden en eventuele vastgestelde problemen identificeren. Daarom wordt beroep gedaan op de bereidwillige medewerking van paardeneigenaars in Vlaanderen via een internetenquête. De enquête is gericht naar iedereen die eigenaar is van één of meerdere paardachtigen (ook pony, ezel, …) en de enquête wil drie hoofdvragen beantwoorden: 1. Wat is belangrijkste drijfreden voor mensen om een paard te houden? 2. Welk landgebruik was er vroeger op de huidige paardenweiden? 3. Welke mogelijke problemen hebben zich voorgedaan bij het verkrijgen van de nodige gronden? Bij het opstellen van de enquête wordt in de eerste plaats met deze drie vragen rekening gehouden. Ook wordt er gevraagd naar cijfers over aantal paarden, aard van de professionele activiteiten en enkele sociale variabelen. Op het einde van de enquête is er bovendien ruimte voor de respondent om extra opmerkingen aan te geven. Door in de enquête de gemeente waar de paardenhouder woont mee op te nemen, kan een ruimtelijke differentiatie gemaakt worden van de respons. De resultaten van de enquête worden getoetst aan de voorgaande resultaten uit dit onderzoek.


47

5.2.1 Voor- en nadelen van internetenquêtes Dewaelheyns en Gulinck (2008) somden in hun onderzoek naar inputs en outputs in privétuinen een aantal belangrijke voor- en nadelen van internetenquêtes op. Een belangrijk voordeel van een internetenquête is de lage kost en de snelheid waarmee de enquête verspreid kan worden over verschillende regio’s. Ook het feit dat de antwoorden automatisch opgeslagen worden in een database is een belangrijk pluspunt, gezien hieraan een geautomatiseerde dataverwerking gekoppeld kan worden (Malhotra en Birks, 2003; Roth, 2006). Het is bovendien eenvoudig om via internetenquêtes op een anonieme manier mensen te bevragen en de deelname is volledig vrijwillig. Hierdoor is de kans groter dat er meer deelnemers zijn (Reips, 2000). Uiteraard zijn er ook een aantal nadelen verbonden aan het afnemen van internetenquêtes. De beperkte bereikbaarheid tot internet voor bepaalde huishoudens, technische problemen en het mogelijk optreden van zelfselectie zijn hier voorbeelden van (Reips, 2002, Malhotra en Birks, 2003). Bij zelfselectie heeft de verdeling van de respondenten niet toevallig plaatsgevonden. Dit kan het geval zijn wanneer slechts een beperkte groep mogelijke respondenten aangesproken wordt. Het is dus belangrijk om via verschillende wegen de enquête te verspreiden. Een ander probleem is het risico dat respondenten heel de enquête doorlopen maar vragen onbeantwoord laten. Dit kan voorkomen worden door per vragenblok een popup te laten verschijnen met ‘gelieve alle vragen te beantwoorden’ wanneer één of meerdere vragen werden opengelaten. Ook ‘drop out’ is een gekend probleem van internetenquêtes. Dit is het fenomeen waarbij een aantal deelnemers de enquête vroegtijdig afsluit. Een mogelijkheid om dit te voorkomen is de enquête niet te lang te maken, ‘vervelende vragen’ op het einde te stellen en eventueel een financiële impuls in het vooruitzicht stellen (Bächtiger et al., 2001; Reips, 2000). In deze enquête gebeurt dit door een prijs te koppelen aan de enquête. Het ontwerp, de laadtijd en de functionaliteit van de enquête spelen ook een belangrijke rol (Reips, 2000). In deze enquête werd hier in belangrijke mate rekening mee gehouden door de lengte van de enquête zo kort mogelijk te houden door het inlassen van ‘jump blocks’ (zie verder). Ook wordt duidelijk vermeld dat de enquête anoniem is en een wetenschappelijk doel heeft. 5.2.2 Opstelling van de enquête 5.2.2.1 Structuur van de enquête De enquête wordt opgesteld met behulp van het programma Question Mark Perception 4 (QMP4). Dit is een programma waarmee toetsen en enquêtes opgesteld kunnen worden op basis van verschillende typen van vragen. In deze enquête wordt gebruik gemaakt van volgende vraagtypen: Multiple Choice, Multiple Response, Knowledge Matrix, Numeric, Fill in Blanks, Text Match en Essay. Een bestaande lay out van de KULeuven wordt als template genomen. Binnen het programma QMP4 kan gekozen worden voor een anonieme enquête. Er worden bijgevolg geen persoonsgegevens gekoppeld aan de enquête. De enquête bestaat uit drie grote delen. Het eerste deel gaat over de huidige toestand van het ruimtegebruik door paarden, het tweede deelt gaat over de evolutie (van aantallen en landgebruik) en het laatste deel behandelt de motivatie van de paardenhouders alsook de mogelijke problemen


48

die zij ondervonden hebben voor het verkrijgen van hun benodigde ruimte. Tot slot worden ook leeftijd en gezinsinkomen opgenomen als sociale variabelen en is er ruimte voor eventuele opmerkingen. Aan de enquête is een prijs verbonden om meer mensen te motiveren deel te nemen. De winnaars worden bepaald door loting. Op het einde van de enquête wordt daarom gevraagd naar het emailadres van de respondent. Dit adres wordt enkel en alleen gebruikt om een verdeling van de prijzen achteraf mogelijk te maken zodat de anoniemiteit van de enquête verzekerd blijft. Om mogelijke sponsors voor de enquête te vinden, werd contact opgenomen met een aantal ruiterwinkels in Vlaanderen. Als tegenprestatie wordt het logo van de twee deelnemende winkels weergegeven op de startpagina van de enquête. De enquête wordt verbonden aan de LUDIT-serverruimte. Via een link naar deze server kunnen de respondenten de enquête invullen. Om een vlotte verspreiding van de enquête mogelijk te maken, wordt ervoor gekozen een domeinnaam aan te kopen (www.paardenenquete.be) en deze te koppelen aan de enquête. Aan de enquête wordt een link toegevoegd van het e-mail-adres waar respondenten terechtkunnen bij eventuele problemen. 5.2.2.2 Jump Blocks In de enquête wordt gebruik gemaakt van ‘Jump Blocks’. Dit betekent dat de respondent enkel de voor hem of haar relevante vragen te zien krijgt, afhankelijk van zijn of haar antwoorden op vorige vragen. Hierdoor wordt de lengte van de enquête zoveel mogelijk ingeperkt. Zo wordt een onderscheid gemaakt naar de groep van paardeneigenaars die paarden van anderen stallen en de groepen van paardeneigenaars van wie paarden niet, deels of volledig gestald staan bij anderen. Indien dit onderscheid niet gemaakt wordt, bestaat het risico op dubbeltellingen wanneer mensen hun paard bv. in een manège stallen en diezelfde manège de enquête invult, maar hierbij ook de paarden van andere mensen meetelt. De Flowchart van de enquête geeft een totaaloverzicht van de structuur van de enquête, inclusief de gebruikte ‘Jump Blocks’ en is terug te vinden in Bijlage 5. 5.2.2.3 Analyse en weergave van de resultaten uit de enquête De resultaten van de enquête kunnen ge-analyseerd worden via verschillende opties in de Reporter van de Perception Enterprise Manager van QMP4. De individuele ingevulde enquêtes kunnen opgevraagd worden (Coaching Report) alsook een samenvatting van de resultaten (Survey Report). Voor een gedetailleerdere analyse worden de resultaten geëxporteerd naar Excel of Ascii formaat. Voor de analyse van de enquête gegevens wordt voornamelijk beschrijvende statistiek gebruikt, waarbij de verdeling van respons wordt weergegeven met staafdiagrammen. Bij voldoende respons wordt ook de ruimtelijke verdeling (op gemeenteniveau) van bepaalde antwoorden nagegaan. 5.2.2.4 Testversie van de enquête Vooraleer een ruime verspreiding van de enquête gebeurt, wordt eerst een proefversie gemaakt die getest wordt bij 20-tal personen om de enquête te optimaliseren. Enerzijds wordt nagegaan of de enquête geen technische mankementen vertoont, anderzijds wordt de inhoud en begrijpbaarheid


49

ervan gecontroleerd door de 20 testpersonen. Er wordt bijgevolg in eerste instantie gezocht naar testpersonen die een kennis hebben van paarden. Waar nodig wordt de enquête aangepast voordat de definitieve versie online komt te staan. Hierdoor verhoogt de kwaliteit van de enquête en verlaagt het risico op technische problemen of een te lage respons. 5.2.3 Verspreiding van de enquête Om de enquête zo ruim mogelijk te verspreiden over heel Vlaanderen, werd op verschillende manieren contact gezocht met paardenhouders •

In eerste instantie werd gevraagd aan een aantal belangrijke overkoepelende instanties voor paardenhouders in Vlaanderen de link van de enquête te verspreiden naar hun leden of deze kenbaar te maken op hun website. Volgende instanties werden hiervoor gecontacteerd: o De Belgische Confederatie voor het Paard o Nationale Beroepsvereniging voor Manegehouders (NAVEMA) o FEBEMACH (een beroepsvereniging die de belangen van manegehouders verdedigt) o Wetenschappelijke vereniging voor de gezondheid van het paard (WVGP) o Vlaamse Hippische Sportbond (VHS) o Vlaamse Liga Paardensport (VLP) o De Landelijke Rijverenigingen (LRV) o De Belgische vereniging van studentenruiters (BVSR) o De Koninklijke Belgische Ruitersport Federatie (KBRSF) o www.paarden-info.be

•

De enquête werd bovendien vermeld in de Dagkrant van de KULeuven

•

Verder werd mbv adressen uit de gouden gids gemaild naar manèges met de vraag de link naar de enquête door te sturen naar mogelijke geïnteresseerden.

•

Er werd ook getracht een sneeuwbaleffect te verkrijgen door de link “viavia” naar zoveel mogelijk kandidaat-respondenten door te mailen, met de vraag deze link door te sturen naar andere mogelijke geïnteresseerden.

•

Tot slot werden een 900-tal personen gecontacteerd waarvan het e-mail adres te vinden is op de websites van de verschillende LRV verenigingen

5.2.4 Representativiteit van de respons De respons op de enquête wordt vergeleken met de geografische spreiding van paarden volgens de gegevens van BelcoPaard, 2009 (zie Hoofdstuk 3). Bij een goede overeenkomst kan gesteld worden dat de respons geografisch representatief is voor Vlaanderen. Een afwijking ten opzichte van de censusgegevens zal echter onvermijdelijk zijn. Door van in het begin een zo ruim mogelijke verspreiding na te streven naar verschillende doelgroepen toe, wordt echter wel getracht een zo breed publiek van paardenhouders te bereiken. De bekomen gegevens zijn daarom niet volledig representatief voor Vlaanderen, maar gezien de hoge respons op de enquête (1001 volledig ingevulde antwoorden) wel relevant voor discussie.


50

5.3 Resultaten van de enquête De gegevens gebruikt in de analyse zijn gebaseerd op de antwoorden op de enquête, gegeven tussen 3 april 2009 en 6 juli 2009, waarbij bijna 2000 paardenhouders de enquête invulden. Latere gegevens werden niet meer gebruikt, gegeven de tijd nodig voor analyse en afwerking van het rapport. Na 6 juli 2009 werd de toegang tot de enquête echter nog niet onmiddellijk afgesloten. In eventueel navolgend onderzoek kan deze extra informatie immers nog van pas komen. 5.3.1 Drop-out van de respons Iets minder dan de helft van de respondenten (48%) stopten vroegtijdig met het invullen van de enquête. Uiteindelijk bleven 1001 bruikbare, volledig ingevulde antwoorden over voor de verdere verwerking van de enquête. 5.3.2 Respons en spreiding van de respons Onderstaande figuur toont de geografische spreiding van de respondenten. Het gaat om de spreiding van 923 van de 1001 respondenten, gezien de postcode niet steeds werd ingevuld. De punten worden at random gelokaliseerd binnen een deelgemeente.

Afbeelding 23 Ruimtelijke spreiding van de respons op de internet-enquête in absolute aantallen

Er is een hoge respons op de enquête gekomen die over heel Vlaanderen verspreid is. Opvallend is de hoge respons in absolute aantallen in de provincie Antwerpen (met de hoogste repons in Beveren-Waas, Wuustwezel, Zoersel, Lier en Geel, zie Afbeelding 23). Wanneer de respons geografisch wordt weergegeven ten opzichte van de oppervlakte van de deelgemeenten, is de concentratie van respondenten relatief hoog in een grote band van deelgemeenten ten zuiden en zuidoosten van de stad Antwerpen (van Sint-Katelijne-Waver tot Mortsel en van Mortsel tot Hemiksem in het westen en Zoersel-Zandhoven in het oosten) en in een aantal deelgemeenten ten zuid-zuidoosten van Aalst (zoals Affligem en Liedekerke). De concentratie van de respondenten is min of meer te vergelijken met de concentratie van het aantal paarden per postcode (zie Afbeelding 7), hoewel volgens de cencusgegevens een hogere concentratie werd verwacht in de regio rond Aalst en ten zuid-zuidwesten van Gent.


51

Afbeelding 24 Ruimtelijke spreiding van de respons op de internet-enquête, relatief ten opzichte van de oppervlakte van de deelgemeenten

5.3.3 Sociale achtergrond van de respondenten In de enquête werd gevraagd naar de leeftijd, het aantal kinderen in het gezin en het netto maandelijkse gezinsinkomen van de respondenten. De leeftijdsverdeling van de respondenten wordt gegeven in onderstaande figuur.

leeftijd van de respondenten 50 45 40 35 aantal

30 25 20 15 10 5

72

67

64

61

58

55

52

49

46

43

40

37

34

31

28

25

21

18

15

10

0

leeftijd

Afbeelding 25 Verdeling van de leeftijd van de respondenten

Het leeftijdsdiagram toont aan dat een zeer uitgestrekte leeftijdsgroep bereikt werd, gaande van 10 jaar tot 72 jaar. Er zijn twee pieken te bemerken in leeftijd, enerzijds rond 25 jaar en anderzijds rond 45 jaar. 1/3e van de respondenten is jonger dan 30 jaar.


52

Ongeveer 1/3e van de respondenten zit in een gezinssituatie zonder kinderen en bijna 60% van de respondenten zit in een gezin met 1 of meerdere kinderen (zie Afbeelding 26).

aantal kinderen in het gezin van de respondent

30,0% 25,0% 20,0% 15,0% 10,0% 5,0%

ge

en

an

tw

oo

rd

7

6

5

4

3

1

2

0,0%

0

verdeling van de respondenten

35,0%

aantal kinderen

Afbeelding 26 Verdeling van het aantal kinderen binnen de gezinssituatie van de respondenten (n=1001)

Het gemiddelde netto-gezinsinkomen van de respondenten wordt in onderstaande tabel samengevat. Het gemiddelde schommelt rond 3000€ en is dus vergelijkbaar met gemiddeld inkomen per huishouden in Vlaanderen voor 2006, dat ongeveer 3200 € bedroeg. Tabel 30 Inkomensverdeling van de respondenten

Inkomen

Minder dan 1000 1000-2000 2000-3000 3000-4000 4000-5000 Niet beantwoord

Percentage

Aantal

4.20 27.67 23.78 19.98 13.89 10.49

42 277 238 200 139 105

5.3.4 Aantal paardachtigen Het totaal aantal paardachtigen waarover sprake in deze enquête bedraagt 3564 (2762 paarden, 788 pony’s, 14 ezels). Het merendeel van de paarden waarover sprake zijn dressuur- spring of rijpaarden (2667 stuks, inclusief eventingpaarden, wedstrijdpaarden, endurance paarden en rijpaarden op pensioen). Verder worden ook een aantal westernpaarden, menpaarden, fokpaarden, tuigpaarden, polopaarden, ijslanders en trekpaarden vermeld, maar deze vormen een minderheid.


53

De meerderheid van de respondenten heeft 2 tot 5 paardachtigen (53%) en een groot aantal respondenten heeft 1 paardachtige (33.5%). Dit is een gevolg van het feit dat een groot deel van de respondenten paarden niet houden in een professioneel kader, maar als hobby (zie verder). aantal paarden van de respondenten

percentage van de respondenten

60,00% 50,00% 40,00% 30,00% 20,00% 10,00% 0,00% 1

1 tot 5

5 tot 10

10 tot 20

20 tot 50

meer dan 50

aantal paarden

Afbeelding 27 Frequentieverdeling van het aantal paarden van de respondenten

5.3.5 Motivatie voor het houden van paarden De overgrote meerderheid (86%) de respondenten houdt paarden als hobby. 12% van de respondenten houdt paarden in een professioneel kader. Tabel 31 Verdeling van de respons Liefhebberij/Professioneel

Liefhebberij Professioneel Niet beantwoord

Percentage

Aantal

86.41 11.89 1.7

865 119 17

Afbeelding 28 Geografische spreiding van de hobbymatige respondenten (links) en de professionele (rechts)


54

Hoewel deze cijfers niet zomaar als representatief beschouwd mogen worden voor Vlaanderen, is het toch opvallend dat een aanzienlijk deel van de paardenhouders, paarden houden als hobby. Ook wanneer gevraagd werd naar de motivatie om paarden te houden, antwoordt het merendeel van de respondenten liefhebberij vóór een eventueel economisch motief. Het percentage ‘winstgevend’ (5.5%) is lager dan het percentage ‘professioneel’, wat erop wijst dat de professionele activiteiten in veel gevallen in eerste instantie ook uit liefhebberij zijn. Tabel 32 Motivatie van de paardenhouders

Motivatie om paarden te houden Winstgevende activiteit Liefhebberij Andere Niet beantwoord

Percentage

Aantal

62 959 73 22

5.56 85.93 6.54 1.97

Bij deze vraag werd de mogelijkheid opengehouden voor de respondent om andere motivaties te verduidelijken. Hierbij vormt sport de belangrijkste extra beweegreden, waarbij sommige respondenten aangeven dat ze investeren in de professionele carrière van hun dochter of zoon. Door de respondenten vrijuit te laten spreken over hun motivatie, wordt duidelijk dat het woord ‘liefhebberij’ voor sommigen niet de lading dekt van de passie die een aantal van hen ondervinden in hun paardenactiviteiten. Ontstressen, ontspannen, sociale contacten en groepsleven binnen de paardenclub, gezelschap van het paard zelf, de voldoening die men krijgt van het paarden fokken of het paardrijden, enz… Enkele respondenten motiveren ook het gezelschap van paarden voor therapeutische of opvoedende doeleinden. Meestal gaven de respondenten meerdere redenen op voor het houden van paarden. Wanneer gepeild werd naar hun belangrijkste reden, springen sport en hobby/ontspanning eruit. Het is uiteraard niet altijd eenvoudig om het onderscheid te maken tussen de verschillende motivaties. Sommige respondenten spreken over passie, terwijl andere respondenten met liefhebberij (wat hier bij hobby geplaatst werd) hetzelfde willen vertellen. Maar op zich verandert dit niets aan het feit dat sport, hobby en passie de belangrijkste drijfveren zijn. Belangrijkste motivatie 250

200

150

100

50

0 hobby en ontspanning

sport

passioneel bezig zijn met paarden

winst/werk

voor de kinderen

therapie

landbeheer en erfgoed

sociale controle op afgelegen plaatsen

Afbeelding 29 Belangrijkste motivatie van de respondenten die meerdere redenen aangaven


55

Een extra vraag rond motivatie peilde naar de mening van de paardenhouders over hun plaats binnen de domeinen recreatie, landbouw, natuurbeheer, sport, commerciële doeleinden en erfgoed en cultuur. De resultaten hiervan worden weergegeven in onderstaande tabel en geven het aantal antwoorden op de vraag: Als paardenhouder hoor ik thuis binnen het domein …. Tabel 33 Mening van de paardenhouders over hun plaats binnen de domeinen recreatie, landbouw, natuurbeheer, sport, commerciële doeleinden en erfgoed en cultuur.

Domein

Recreatie Landbouw Natuurbeheer Sport Commerciële doeleinden Erfgoed en cultuur

helemaal akkoord

akkoord

niet akkoord

helemaal niet akkoord

totaal

%akkoord

%niet akkoord

798 45 86 652

128 130 204 228

8 163 114 12

4 361 300 23

938 699 704 915

98,72% 25,04% 41,19% 96,17%

1,28% 74,96% 58,81% 3,83%

53 81

140 172

156 142

361 310

710 705

27,18% 35,89%

72,82% 64,11%

Uit de tabel komt duidelijk naar voor dat recreatie en sport de belangrijkste beweegredenen zijn van paardenhouders. Het merendeel ziet zichzelf niet passen binnen het domein ‘commerciële doeleinden’. Dit is een logisch gevolg van het feit dat het merendeel van de respondenten hun paard houden uit liefhebberij. Opvallend is wel dat een behoorlijk aantal (41%) de paardenhouderij linkt met natuurbeheer, terwijl het merendeel de link met landbouw niet legt (75%). Het merendeel ziet ook geen verband met erfgoed en cultuur, hoewel toch 1/3e (36%) hier wel mee akkoord gaat. De respondenten die paarden houden in een professioneel kader, houden zich voornamelijk bezig met de stalling van andermans paarden, fokkerijen of stoeterijen, paardenpensions, paardensport en manèges (zie Tabel 34). Geen van de respondenten houdt paarden in het kader van onderzoek of voor vleesproductie. De rubriek ‘andere’ omvat ondermeer handel in springpaarden, hoefsmeden, africhting, het geven van lessen en training, dressuur en een koetsiersbedrijf. Tabel 34 Verdeling naar type van professioneel kader

Professioneel kader Stalling Manège Fokkerij of stoeterij Paardenpension Kinderboerderij Natuurbeheer Hippotherapie Paardensport Andere Niet beantwoord

Percentage

Aantal

15.69 5.88 18.43 14.12 0.78 0.39 3.92 35.69 4.71 0.39

40 15 47 36 2 1 10 91 12 1


56

5.3.6 Uitzicht en omgeving van de paardenweiden De meerderheid van de paardenweiden waarover in deze enquête sprake, bevindt zich in een landelijke omgeving. De link die op basis van het veldwerk op perceelsniveau werd gevonden met afstand tot tuinen en bos wordt hier dus niet bevestigd. Uiteraard hangt hier veel af van de interpretatie van de respondenten zelf. Tabel 35 Omgeving van de paardenweiden

Omgeving

Moeilijk te bepalen Stedelijk (aansluitend gebouwen en tuinen) Bosrijk Landelijk (omgeven landbouwgronden) Niet beantwoord

Percentage

Aantal

23 113

2.79 bij 13.71 17.23

142 524

door 63.59 2.67

22

De omheining die gebruikt wordt voor de weiden bepaalt in belangrijke mate de verschijningsvorm van de weiden in het landschap. De resultaten tonen een overgewicht aan schrikdraad en schriklint. Tabel 36 Verdeling van de omheingstypen van de paardenweiden

Omheining

Gewone prikkeldraad Schrikdraad Schriklint Hekwerk Niet beantwoord

Percentage

Aantal

3.23 38.06 33.12 22.72 2.87

45 531 462 317 40

In de enquête werd ook gevraagd naar de gemiddelde afstand van de woning tot de stalling en weiden om een idee te krijgen van de verplaatsingen die nodig zijn voor de paardenhouders om tot aan hun weiden/stallingen te geraken. Ongeveer 57% van de respondenten moet zich gemiddeld minder dan 1 km verplaatsen tot de weiden en/of stallingen. Bijna 1/4e van de respondenten heeft er wel een verplaatsing van meer dan 10km voor over (23.5%). Het probleem van verre verplaatsingen komt opnieuw aan bod onder het hoofdstuk 5.3.8 Paarden(houders) en hun gronden, waar meerdere respondenten aangeven hoe moeilijk het is om de nodige (betaalbare) weilanden te vinden in de buurt van hun woning.


57

gemiddelde afstand van de woning tot de stallingen en weiden

Frequentie van respons

250 200 150 100 50

e or M

00

0

0 00 20

50

0 00 10

50

00

00 10

0 10

50

10

0

afstand (m)

Afbeelding 30 Frequentie-verdeling van de gemiddelde afstand van de woning tot stallingen en weiden

Tot slot werd ook gevraagd welke objecten in de paardenweiden aanwezig zijn, behalve een schuilhok of drinkbak. De antwoorden hiervan staan samengevat in Tabel 37. Tabel 37 Aard van objecten in de paardenweide en de frequentie van vermelding in de enquete

Antwoord

nee of niet beantwoord voederruimte/eetbak/hooiruif extra bergruimte (opslag hooi, materiaal, zadelkamer, eten, …) bomen stallen wateropslag/wateropvang springhindernissen piste liksteen/zoutblok extra hekken of palen ploegen/tractor/vrachtwagen mestopslag paardenvan/remorque/caravan speeltjes (o.a. bal) Pomp schuurpaal wasplaats aparte weide voor de geit/kippen houten planken op de grond andere

Aantal

816 43 41 31 25 24 18 6 6 6 5 5 5 3 3 3 3 2 2 10

Uit de tabel blijkt dat het merendeel van de respondenten (82%) geen melding maakt van andere objecten in de weide naast een schuilhok of drinkbak. De respondenten die deze vraag wel beantwoorden, spreken van allerlei soorten objecten/ruimten, waarbij voederruimte, extra bergruimte en stallen, wateropvang en springhindernissen het meeste terugkeren. De verzamelgroep ‘andere’ omvat de objecten die slechts eenmalig vermeld werden. Voorbeelden hiervan zijn een brug over een beek, een vijver, een trampoline, een bank, een dazenval en koeien.


58

5.3.7 Landgebruiksveranderingen door verpaarding In de enquête werd gepeild naar evoluties van aantal paarden en de landgebruiksveranderingen die gebeurd zijn wanneer gronden werden omgezet naar paardenweiden. Het grootste deel van de respondenten houdt zijn of haar paarden sinds 1990 of later (71%). Meer dan 1/5e van de respondenten (21 .1%) is nog niet langer dan 5 jaar paardenhouder (sinds 2005 of later). Tabel 38 Procentuele verdeling van het tijdstip waarop respondenten startten met het houden van paardachtigen

Paardenhouder sinds

1900-1950 1950-1960 1960-1970 1970-1980 1980-1990 1990-2000 2000-2009

percentage

0.23 0.91 2.61 10.00 15.23 34.20 36.82

Aantal paardenhouders met een paard sinds ... 350 300 250 200 150 100 50 0 1900-1950

1950-1960

1960-1970

1970-1980

1980-1990

1990-2000

2000-2009

Afbeelding 31 Tijdstip waarop de respondenten paardenhouder werden

Het aantal paarden is bij de meeste respondenten doorheen de tijd toegenomen (47%) of gelijk gebleven (40%). Slechts 10% spreekt over een afname. Dit bevestigt de literatuurstudie en de evoluties volgens de landbouwtelling en de mestbankregistratie die ook op een toename van het aantal paarden wijzen.


59

Tabel 39 Verdeling van de evolutie van het aantal paarden

Evolutie aantal paarden Toegenomen Afgenomen Gelijk gebleven Niet beantwoord

Percentage

Aantal

46.95 10.39 40.26 2.40

470 104 403 24

Deze trend van toename wordt ook geïllustreerd in Afbeelding 32 waar het aantal paarden per respondent in 2005 wordt uitgezet ten opzichte van het aantal in 2009.

120

aantal paarden in 2009

100 y = 1,2269x + 1,2017 R2 = 0,5808 80

60

40

20

0 0

5

10

15

20

25

30

35

40

45

aantal paarden in 2005

Afbeelding 32 Aantal paardachtigen van de respondenten in 2005 ten opzichte van hun aantal paardachtigen in 2009

Wanneer aan de paardenhouders – die hun paarden niet elders stallen – wordt gevraagd naar het landgebruik van hun gronden, voordat hun paarden erop stonden, blijkt het merendeel van deze gronden in het verleden een paardenweide (voor andermans paarden), een runderweide of een akkerland te zijn geweest. Ongeveer de helft van de huidige paardenweiden (49.72%) waarover in deze enquête sprake was vroeger met zekerheid in landbouwgebruik (als weiland voor runderen of akkerland).


60

Tabel 40 Verdeling van het vroeger landgebruik van de huidige paardenweiden

Vroeger landgebruik Weiland voor paarden van iemand anders Weiland voor runderen Akkerland Braakland Ander landgebruik Niet beantwoord

Percentage

Aantal

220 25.37 254 29.30 20.42 11.07 10.50 3.34

177 96 91 29

De rubriek ‘Ander landgebruik’ wordt verder verduidelijkt in Tabel 41. Tabel 41 Opdeling van ‘ander landgebruik’ op de huidige paardenweiden Vroeger landgebruik Vroeger landgebruik

Schapen Tuin/Gazon Fruitbomen Hooiland Bouwgrond Groenten Kalkoen/Kippen

Aantal

Aantal

17 16 14 6 5 3 3

Bos Recreatieterrein Boomkwekerij Buitenloop voor varkens Serre Verlaten bloemisterij

2 2 1 1 1 1

Onderstaande tabel geeft het percentage van de paardenhouders weer die per jaartal een specifiek landgebruik konden toekennen aan hun huidige paardenweiden (4% gaf geen antwoord op deze vraag). Tabel 42 Evolutie van het vroegere landgebruik van 1985 tot 2005, volgens procentuele verdeling van de antwoorden

Vroeger landgebruik

Eigen paarden Paarden van iemand anders Weiland voor runderen Akkerland Braakland Bos Andere

1985

1990

1995

2000

2005

2.19 2.45

4.06 3.00

7.31 3.00

10.63 3.32

15.13 2.08

6.43 3.43 1.50 0.07 1.97

5.22 2.67 1.39 0.07 1.94

3.98 2.19 1.06 0.04 1.72

2.56 1.35 0.88 0.04 1.21

1.32 0.69 0.66 0.04 0.58

Uit deze tabel komt voornamelijk een daling in weiland voor runderen, akkerland en braakland naar voor ten behoeve van nieuwe paardenweiden. Opvallend in deze tabel is het lage percentage in 2005, in gebruik voor eigen paarden. Dit betekent dat nog een aanzienlijk deel van het huidige areaal paardenweiden in 2005 nog een ander landgebruik kende dan in 2009.


61

5.3.8 Paarden(houders) en hun gronden Een groot deel van de paardenhouders stalt de paard(en) (deels) elders (zie Tabel 43). Tabel 43 Verdeling van de respondenten die wel/niet hun eigen paarden elders stalt

Paarden staan elders gestald Ja, allemaal Ja, deels Nee Geen antwoord

Percentage

Aantal

33.58 8.10 56.40 1.92

315 76 529 18

Iets meer dan de helft van de 12% professionele paardenhouders uit de enquête stalt paarden van anderen (zie Tabel 44). Gemiddeld worden zo’n 12 paarden van anderen gestald en de meerderheid van de respondenten die paarden van anderen stalt, stalt er 1 tot 5. Tabel 44 Verdeling van respondenten die niet/wel paarden van anderen stallen

Stalt paarden van anderen

aantal respondenten

Ja Nee Geen antwoord

Percentage

Aantal

52.94 46.22 0.84

63 55 1

20 15 10 5 0 1

1>5

5>10 10>15 15>20 20>50

>50

aantal paarden van anderen gestald

Afbeelding 33 Aantal paarden van anderen die gestald staan bij de respondenten

De enquête vroeg aan de paardenhouders een inschatting te maken van de oppervlakte inname voor/door hun paarden. Het gaat hierbij zowel om weilanden, gebouwen en overdekte ruimten, buitenpisten en eventueel andere oppervlakten die nodig zijn. Tabel 45 vat samen welke oppervlakte de paarden gemiddeld innemen. Niet alle respondenten vulden oppervlaktecijfers in. Het gaat hier om een totaal van 580 respondenten die gezamelijk 2323 paardachtigen bezitten. De tabel geeft ook een aantal cijfers van dichtheid weer. Eén paardachtige neemt gemiddeld ongeveer 0.5 ha weiland in en 0.6 ha ruimte. Bij de berekening werd geen onderscheid gemaakt naar typen van paardachtigen.


62

Tabel 45 Oppervlakte-inname door de 2323 paardachtigen van 580 respondenten Totale oppervlakte (ha) Weiland Paardenvoeder (buiten weiland) Gebouwen en overdekte ruimten Buitenpisten Andere Paarden/opp weiland (gemiddeld) Paarden/opp weiland (mediaan) Paarden/opp weiland (totaalsom) Paarden/totale opp (gemiddeld) Paarden/totale opp (mediaan) Paarden/totale opp (totaalsom)

1445,8 1025,8 373,1 8,42 24,11 14,4 1,7 2,5 2,3 1,1 2 1,6

100,00% 70,95% 25,81% 0,58% 1,67% 1,00% = 0,6 ha = 0,4 ha = 0,4 ha = 0,9 ha = 0,5 ha = 0,6 ha

weiland per paard weiland per paard weiland per paard per paard per paard per paard

Onderstaande figuur geeft de oppervlakte weiland per paard weer ten opzichte van het aantal respondenten.

aantal respondenten

250

200

150

100

50

>3

3 8> 2,

2,

6>

2, 8

2, 6 4> 2,

2 2, 2>

2, >2 ,4 2,

2 8> 1,

6>

1, 8

1, 6 1,

1,

2> 1,

4>

1, 4

2 1>

1,

1 8> 0,

0,

6>

0, 8

0, 6 0,

4>

0, 4 2> 0,

>0

,2

0

opp weiland per paard (ha)

Afbeelding 34 Oppervlakte weiland per paard ten opzichte van het aantal respondenten

Deze cijfers van dichtheid onderbouwen de gebruikte dichtheidscijfers voor schattingen van de totale ruimte-inname voor paarden die in de voorgaande hoofdstukken gemaakt werden op basis van het veldwerk en de censusgegevens (zie hoofdstuk 3.3.2). Iets minder dan de helft van de respondenten die hun paarden niet of slechts gedeeltelijk elders stalt, is zelf eigenaar van zijn of haar gronden. Tabel 46 Verdeling van de respondenten die (geen) eigenaar zijn van de gronden voor hun paarden

Eigenaar van de gronden

Ja Nee, niet van alle gronden Geen antwoord

Percentage

Aantal

45.77 51.17 3.06

314 351 21


63

De meerderheid van de personen die niet (volledig) eigenaar zijn, huurt de gronden volledig (60%) of deels (14%) (zie Tabel 47). Van de personen die gronden huren, huurt ongeveer 43% (een deel van) de gronden bij een land- of tuinbouwer. Tabel 47 Verdeling van de respondenten die (geen) huurder is van de gronden voor hun paarden

Huurt gronden

Aantal respondenten

Ja Ja, deels Nee Geen antwoord

Percentage

Aantal

59.95 14.25 19.89 5.91

223 53 74 22

200 150 100 50 0 Nee

Ja

Huurt bij landen tuinbouw er

Afbeelding 35 Verdeling van de hurende respondenten die wel/niet bij een land- of tuinbouwer huurt

Een aantal respondenten beschikt over ruimte voor hun paarden, zonder eigenaar of huurder van de gronden te zijn. De verklaringen die hiervoor gegeven werden, worden samengevat in Afbeelding 36 . De meerderheid krijgt ze gratis in gebruik via-via (voornamelijk familie). Ongeveer 36% vermeldt dat ze de gronden ter beschikking krijgen in ruil voor onderhoud van de wei of de verzorging van andere paardachtigen in de wei.

aantal respondenten

40 30 20 10 0 via buren

via familiebanden

in ruil voor onderhoud

via vrienden of kennissen

bouwgrond

Afbeelding 36 Verklaringen voor het gratis gebruik van gronden waar de respondenten zelf geen eigenaar van zijn

Tot slot waren de paardenhouders binnen het thema ‘gronden’ vrij om eventuele problemen te uiten die ze ondervonden hebben met het verkrijgen van hun nodige gronden. Tabel 48 toont aan dat ongeveer 36% van de respondenten problemen aangaven.


64

Tabel 48 Verdeling van de respondenten die wel/geen problemen ondervonden voor het verkrijgen van hun gronden Problemen bij het verkrijgen van de gronden Ja Nee Geen antwoord

Percentage

Aantal

36.26 59.54 4.20

363 596 42

De vermelde problemen van de verschillende respondenten zijn terug te brengen tot 7 grote groepen, weergegeven in Tabel 49 en Afbeelding 37. Tabel 49 Aantal respondenten en percentageverdeling voor de aangehaalde problemen bij het verkrijgen van de nodige gronden voor paardachtigen

Aangehaalde probleem

Percentage

181 126 48 24 16 7 2

44.80 31.19 11.88 5.94 3.96 1.73 0.50

Bestemming/omzetting naar golfterrein of recreatiezone gemeenschappelijke sportactiviteiten

bestemming/omzetting naar bos of natuur

ruzies/achterdocht

pacht

hoge prijzen

papierwerk en problemen met verkrijgen van vergunningen

200 180 160 140 120 100 80 60 40 20 0 weinig beschikbare gronden aanwezig

Aantal problemen

Weinig beschikbare gronden aanwezig Papierwerk en problemen met het verkrijgen van vergunningen Hoge prijzen Beperkingen owv pachtwetgeving Ruzies/achterdocht Bestemming of omzetting bos of natuur Besteming of omzetting golfterrein of recreatiezone voor gemeenschappelijke sportactiviteiten

Aantal

Afbeelding 37 Frequentieverdeling van de aard van de aangehaalde problemen bij het verkrijgen van de nodige gronden

Veel respondenten spreken over het feit dat het moeilijk is om aan de nodige gronden of stallingsruimte te geraken voldoende dicht bij de woning. De vraag naar meer ruimte voor paarden is, wat deze enquête betreft, hoog. Wanneer respondenten spreken over het feit dat er te weinig beschikbare ruimte aanwezig is, halen ze hier zelf verschillende redenen voor aan: •

Verstedelijking: Residentiële verkavelingen of industrie vervangen weiland

•

De aanwezigheid van veel andere paardeneigenaars in de omgeving die de vraag naar gronden groter maakt


65

•

Particulieren willen hun gronden niet verhuren in de hoop dat deze omgezet zullen worden naar bouwgrond

•

Landbouwers die hun gronden niet ter beschikking stellen omdat: o Ze hun gronden zelf gebruiken o Liever subsidies zoals de braakpremies ontvangen dan hun gronden te verhuren o De gronden zelf houden om hun mestquota te halen o Ze hopen dat de gronden bouwgrond zullen worden en ze dan ook niet verhuren om eventuele toekomstige problemen te vermijden o Ze vinden dat paarden de gronden te veel beschadigen

•

De regelgevingen beperken vaak de mogelijkheden om uit te breiden

Vaak wordt ook vermeld dat de gronden die wel beschikbaar zijn tegen woekerprijzen verkocht of verhuurd worden, zeker wanneer de vraag naar grond hoog is en de ruimte beperkt. Van paardenhouders wordt ook veelal verwacht dat ze over veel geld te beschikken, wat de prijs soms nog verder opdrijft. Het vinden van voldoende en betaalbare grond dicht bij de woning, blijkt in veel gevallen een probleem te zijn. Meerdere respondenten spreken in het kader hiervan ook over de beperkingen die ze ondervinden ten gevolge van de pachtwetgeving die landbouwers bevoorrecht, wat het vaak moeilijk maakt gronden te verwerven. Verder komen in de respons behoorlijk wat frustraties naar boven in verband met problemen die paardenhouders ondervinden, ondervonden hebben of verwachten te zullen ondervinden in de toekomst in verband met vergunningen en toelatingen, voornamelijk voor het plaatsen van schuttingen/stallingen/pistes en het papierwerk dat hieraan te pas komt. Veel respondenten hebben het gevoel dat allerlei regeltjes worden opgelegd die “onbegrijpbaar geworden zijn”, geen rekening houden met het welzijn van het paard of niet steeds logisch worden toegepast. Veel onder hen pleiten voor een soepeler en transparanter vergunningenbeleid, maar appreciëren ook dat hier reeds werk van wordt gemaakt. In mindere mate zijn ruzies en geschillen om gronden, bestemming of omzetting van weiland naar bv. natuur, bos of een golfterrein vermelde problemen. 5.3.9 De paardenhouders aan het woord In de enquête kregen de respondenten tot slot de mogelijkheid om verdere opmerkingen of bezorgdheden te uiten, naast de problemen die ze ondervinden voor het verkrijgen van de nodige ruimte (zie hoger). Er dient opgemerkt te worden dat het hier niet de bedoeling is om ‘partij te trekken’ voor de paardenhouders. Wel wil deze enquête door de problemen aan te halen, aangeven welke punten van discussie er bestaan volgens de paardenhouders zelf en welke problemen of frustraties hiermee samengaan. Uiteraard dienen de belangen en standpunten van andere stakeholders (bv. landbouwers, natuurverenigingen, landschap, enz) in rekening gebracht te worden, wil men bepaalde problemen – inclusief de problemen rond ruimte – effectief aanpakken.


66

Tabel 50 De belangrijkste opmerkingen, door de paardenhouders gegeven op het einde van de enquête

Algemene omschrijving opmerkingen

De vraag om meer geschikte ruiterpaden

Aantal

223

De nood aan een transparantere en/of soepelere wetgeving (Ruimtelijke ordening, mestwetgeving) en informatieverspreiding

75

De vraag om sensibilisering van ander wegverkeer (bv. fietsers, automobilisten) over 'hoe om te gaan met paarden in het verkeer'

47

Nood aan meer gemeenschappelijke voorzieningen/accomodaties voor paarden (bv. overdekte pistes) en mogelijkheden voor het inrichten van wedstrijden

26

Het gevoel dat de paardensector geen duidelijk statuut heeft en meer erkenning verdient (ook bv. in de media)

24

De hoge prijs die betaald moet worden voor allerlei veel zaken, zoals chippen/lidgelden/mestophaling/verzekering/gezondheidsattesten/enz.

20

De vraag om meer overheidssteun De vraag om een BTW verlaging op verkoop van paarden en training naar 6%, zoals in het buitenland Problemen van mesttransport, mestopslag, mestwetgeving De vraag om meer investering in de jeugd die bezig is met paarden(sport) De vraag naar meer kwaliteitscontrole/zwartwerk controle In sommige gevallen treedt verwaarlozing/slechte verzorging op van paarden, waar meer controle op zou moeten zijn Te weinig mogelijkheden voor opberging van materialen De vraag om meer groen en natuur in de omgeving De vrees voor concurrentievervalsing door de VLIF steun die wordt toegekend aan landbouwers die hun bedrijf omzetten naar een paardenhouderij tov nieuwe paardenhouderijen conflicten met jagers Andere opmerkingen

16

15

14 7 7

7

4 3

2

2 50

De meest vernoemde opmerking die hier duidelijk naar voor komt, is de behoefte aan meer en betere ruiterpaden, liefst in zand en niet verhard of volgestort met bouwafval, steenslag, grint, e.d. Aansluitend hierop wordt veel gesproken over problemen en geschillen met andere weggebruikers op de baan. Ook komt geregeld de vraag terug naar meer ruimte voor gemeenschappelijke accommodaties voor paardensport, zoals overdekte pistes. Verder wordt de noodzaak geuit voor een transparantere wetgeving en een gerichte informatieverspreiding. In het kader hiervan halen enkele respondenten het nut aan van de dialoogdagen die in 2008 georganiseerd werden en ook de recente oprichting van het paardenloket dat hier een antwoord op zou moeten bieden. Dat de paardensector een duidelijker statuut dient te krijgen wordt meermaals aangehaald.


67

De verschillende aangehaalde problemen worden hier niet verder behandeld of besproken, maar werden wel doorgegeven aan het Vlaamse paardenloket.


68

6 Besluit 6.1 De onderzoeksvragen beantwoord Het onderzoek naar het ruimtelijk belang van de paardensector heeft tot enkele duidelijke antwoorden geleid op de eerder geformuleerde onderzoeksvragen. 1. Wat is de grootte-orde van het ruimtegebruik door paarden in Vlaanderen? 2. Hoe zijn paarden(weiden) verspreid over Vlaanderen? 3. Welke associaties zijn er te vinden tussen het voorkomen van paarden(weiden) en omgevingskenmerken? 4. Wat is zijn de grootte-orde en achterliggende redenen van ‘verpaarding’? De grootte-orde van het ruimtegebruik door paarden in Vlaanderen werd geschat op ongeveer 70.000 ha. Dit is een opmerkelijk hogere oppervlakte dan geschat volgens vroegere studies. In de spreiding van de concentratie van paarden in Vlaanderen zijn 2 grote concentratiegebieden te situeren: één ten zuidoosten van Antwerpen en één tussen Brussel, Antwerpen en Gent (zie Afbeelding 5). De laagste concentratie is te vinden in de Westhoek. Kwalitatieve en kwantitatieve analyse toonden significante en logische verbanden aan tussen het voorkomen van paardenweiden en de verstedelijkingsgraad, versnipperingsgraad, perceelsgrootte en afstand tot tuin en tot bos, met een hogere concentratie aan paarden (of hogere kans op een paardenweide) dichter bij tuinen en bossen, in een sterk versnipperde en verstedelijkte omgeving, met kleine weidepercelen. Wegens schaalverschillen werden op gemeenteniveau niet steeds dezelfde verbanden gevonden als op perceelsniveau. Zo is de invloed van bos statistisch niet significant op gemeenteniveau, maar wel op perceelsniveau. Omgekeerd is de versnippering in de landen tuinbouw een doorslaggevende factor op gemeenteniveau, maar niet meer op perceelsniveau. Om een beeld te krijgen over de evolutie van het aantal paarden in het verleden, kan teruggegrepen worden naar een aantal databronnen, waaronder de landbouwtelling en de mestbankregistratie. Beide gegevens wijzen op een toename van het aantal paarden. Deze gegevens zijn echter niet volledig en omvatten enkel paarden van personen die aangifteplichtig zijn. Als aanvulling hierop, werd daarom een internetenquête opgesteld die zich richtte naar paardeneigenaars in Vlaanderen. Uit deze enquête kwam een duidelijke motivatie van de paardenhouders naar voren die voornamelijk te maken had met sport en liefhebberij. De enquête bevestigde bovendien de vermoedens van een toename van het aantal paarden, gezien meer dan 80% van de ondervraagden evenveel of meer paarden bezit in 2009 in vergelijking met 2005. De vragen over landgebruiksveranderingen wijzen erop dat een groot deel van voormalig professioneel landbouwareaal nu gebruikt wordt als paardenweide, hoewel het niet altijd evident is voor de paardenhouders zelf om de nodige ruimte te bekomen.

6.2 Knelpunten en Aanbevelingen voor ruimtelijke ordening 6.2.1 Vastgestelde knelpunten Op vijf juni 2008 werd in Steenhuffel een dialoogdag georganiseerd rond paarden en ruimtelijke ordening. In een discussie met verschillende betrokkenen van zowel de paardensector, de landbouwsector, de milieusector als de ruimtelijke ordening, werden een aantal belangrijke knelpunten naar voren geschoven.

6. Besluit

69

Een eerste probleem handelt over de terminologie rond paardenhouderijen. Een manège hoort strikt genomen niet thuis in agrarisch gebied, een fokkerij of een paardenpension wel. Voor zuivere paardenhouderijen die specifiek gericht zijn op het fokken, stellen zich niet veel problemen. Deze productiegerichte paardenhouderijen worden bestempeld als agrarisch of op zijn minst als paraagrarisch. Een groot probleem is echter dat er een zeer breed gamma aan soorten paardenhouderijen bestaat, van zuiver landbouw tot zuiver recreatie. Uit de internetenquête bleek duidelijk dat de meerderheid van de paardenhouders zich niet associeert met de landbouwsector. Hoewel de regelgeving in het agrarisch gebied behoorlijk goed geregeld is, doen zich nog allerlei problemen voor omwille van een onduidelijke terminologie. Het is bijvoorbeeld niet altijd eenvoudig om te bepalen of de hoofdactiviteit weldegelijk fokken is. Een duidelijkere terminologie rond paardenhouderijen en de infrastructuur die ermee samenhangt, is daarom dan ook noodzakelijk om te bepalen wat waar wel of niet kan en om op een objectieve manier te kunnen oordelen over een vergunning. Hierbij is het van belang om specifieke aandacht te schenken aan de mogelijkheden voor het (her)gebruik van bestaande gebouwen. Een overgroot deel van de paardenhouders, de hobbyhouders, valt buiten specifieke regelgevingen net omdat de huidige regelgeving toegespitst is op beroepsmatige paardenhouderijen. Nochtans is dit een groep die niet mag onderschat worden in haar totale ruimtegebruik. Zo bestond de respons op de internetenquête voor 88% uit ‘hobbyisten’. Een ander belangrijk knelpunt dat hierbij aansluit, is het gebrek aan communicatie naar, maar ook vanuit de sector. Hierdoor zijn een aantal regels gewoonweg niet gekend door een groot deel van de paardenhouders. De reden hiervoor is vooral het hobbymatige karakter van de sector. Een vademecum met alle belangrijke informatie rond definities en wetgeving zou, samen met de oprichting van het paardenloket, aan dit probleem tegemoet komen. Verder is het spanningsveld tussen de paardensector en de landbouw een blijvend probleem. Beide sectoren vragen ruimte en de paardensector wordt wel eens als indringer in het landbouwgebied aanzien, hoewel ze er ook grotendeels mee samenvalt. Vanuit het beleid wil men meer ruimte geven (letterlijk en figuurlijk) aan de paardensector, maar dit is uiteraard niet altijd zomaar mogelijk. Er moet een evenwicht gevonden worden. De dynamiek binnen de paardensector mag er niet toe leiden dat de landbouw negatieve gevolgen ondervindt. Een extra knelpunt dat uit de internetenquête naar voor kwam, is het spanningsveld tussen paardenhouders en de natuursector. De natuursector wordt geregeld negatief bekeken doordat meerdere wandelpaden in natuurgebied werden afgesloten voor ruiters. Het gebrek aan geschikte ruiterpaden was het meest aangehaalde probleem in de enquête. 6.2.2 Aanbevelingen 6.2.2.1 Duidelijke definities In eerste instantie moet er duidelijkheid komen over de huidige terminologieën. Begripsverwarring of verouderde definities leiden nu soms tot onnodige problemen. Het is hierbij zeker van belang duidelijk te stellen welke bedrijven uit de paardensector als agrarisch of para-agrarisch kunnen worden beschouwd. 6.2.2.2 Een plaats voor de paardensector in het ruimtelijke beleid De paardenhouderij in al zijn vormen dient een duidelijke plaats krijgen in het ruimtelijke beleid. Uit dit onderzoek is gebleken dat de paardenhouderij een belangrijke ruimtegebruiker in groei is, die dus

6. Besluit

70

ook in de toekomst nog ruimte zal vragen. De paardenhouderij wil zich als een volwaardige speler en zonder al te veel problemen kunnen vestigen in die gebieden die daarvoor het meest geschikt zijn. Men moet echter zorgvuldig omgaan met de beperkte open ruimte die er is en die ook andere sectoren claimen. De roep om aandacht en ruimte uit de ene sector, gaat immers meestal gepaard met een terughoudende houding vanuit een andere sector. Op de dialoogdag werd gebrek aan ruimte benadrukt voor de overgrote meerderheid van de paardenhouderijen die niet in agrarisch gebied thuishoren. Een planningsinitiatief op gemeentelijk niveau naar de bestemming “agrarisch en recreatief” – bijvoorbeeld binnen agrarische gebieden die structureel aangetast zijn en zich bevinden in de afbakening van de stedelijke gebieden – zou hieraan gehoor kunnen geven. In tegenstelling tot bijvoorbeeld Duitsland, bestaan de recreatiegebieden in Vlaanderen nu vooral uit voetbalvelden. Er zijn nauwelijks buitenpistes voor paarden, wat ook in de internetenquête als een belangrijke bezorgdheid naar voren is gekomen. 6.2.2.3 Belang van monitoring Een belangrijke vraag is hoe sterk de sector in de toekomst zal groeien en hoeveel ruimte hiermee zal samenhangen. Om te kunnen omgaan met groei/veranderingen in de sector is het van groot belang om over een goede, gerichte monitoring van de paardenhouderij te beschikken. Gezien de paardenregistratie sinds 2008 wettelijk verplicht is, is een betere opvolging en monitoring te verwachten voor de toekomst. 6.2.2.4 Landschappelijke inpassing Er dient voldoende aandacht te gaan naar mogelijke impacten van de toename van paardenweiden, zoals het gevaar op “verrommeling van het landschap”. Paarden vragen immers om allerlei extra objecten en structuren in de weide. Voor een goede inpassing bestaan reeds verschillende instrumenten voor die echter tot op heden nog onderbenut worden, zoals het erfbeplantingsplan of het landschapsbedrijfsplan. In alle gevallen dienen daarom de mogelijkheden voor een goede landschappelijke inpassing mee te wegen in de beoordeling van de vergunningsaanvragen. 6.2.2.5 Ruimte voor paarden binnen de visievorming rond open ruimte Hoe plaatsen we deze onderzoeksresultaten nu binnen de algemene visievorming voor open ruimte? In kader van bv verweving en monofunctionele landbouw (waar paarden deels ook binnen vallen, maar ook deels buiten) …

6.3 Algemeen besluit De toenemende aandacht voor de paardensector (bv. de dialoogdagen en de oprichting van het paardenloket) is niet uit de lucht gegrepen. Naast voorgaande of lopende studies rond het economische en sociale belang van de sector, toont deze studie aan dat het ruimtelijk belang van de paardensector niet onderschat kan worden. Paarden nemen een aanzienlijke oppervlakte van de Vlaamse open ruimte in. Bovendien lijken er bepaalde patronen te bestaan in de geografische spreiding over Vlaanderen, waaronder significante relaties met stedelijke gebieden, bos en versnipperde landbouwpercelen. Deze studie reikte via een internetenquête een reeks nieuw cijfermateriaal aan dat een aantal vermoedens bevestigt. Zo lijkt er een zeer groot deel van de paardeneigenaars hobbyist te zijn en is er een duidelijke toename van het aantal paarden vastgesteld, waarbij een groot deel van de

6. Besluit

71

paardenweiden voormalig landbouwareaal inneemt. Dit zijn evoluties die niet uit de huidige censusdata vastgesteld kunnen worden. Algemeen kan besloten worden dat het paard nu reeds een belangrijke plaats inneemt in de ruimte en duidelijk vrager is naar meer ruimte. Het is daarom belangrijk in de toekomst het ruimtegebruik door de paardensector op te volgen, enerzijds omwille van de potenties van de sector zelf, maar anderzijds ook omwille van de bedreiging die de sector kan vormen voor andere gebruikers van de open ruimte. Het komt er dan op aan om de paardenhouderij voldoende kansen te bieden op ontwikkeling in harmonie met alle andere ruimtegebruikers in het buitengebied zoals de landbouw, toerisme en natuur.

6. Besluit

72

Bronvermelding Literatuur [1] Bomans, K., Gulinck, H., 2008. Transformatieprocessen in de open ruimte in Vlaanderen: een overzicht – voortgangsrapport November 2008. Steunpunt Ruimte en Wonen, Leuven. pp 56. [2] Bunce, R.G.H., Howard, D.C.j., Hallam, C.J.., Benefield, C.B. (1992). Ecological consequences of land use change. Final report to Department of Environment, Institute of Terrestrial Ecology, Cumbria (UK). [3] Bunce, R. G. H., Metzger, M. J., Jongman, R. H. G., Brandt, J., De Blust, G., Elena-Rossello, R., et al. (2008). A Standardized Procedure for Surveillance and Monitoring European Habitats and Provision of Spatial Data. Landscape Ecology 23, 11-25. [4] Busck, A.G., Kristensen, S.r.P., Prøstholm, S.r., Primdahl, J.r. (2008). Porous landscapes - The case of Greater Copenhagen. Urban Forestry & Urban Greening, 7(3), 145-156. [5] Cooper, A. en McCann, T. (2002). Habitat change in the Northern Ireland countryside: summary report of the Northern Ireland countryside survey, 2000. Environment Heritage Service, Department of the environment for the Northern Ireland, Belfast. [6] Cotter, J. and Nealon, J. (1987). Area Frame Design for Agricultural Surveys. National Agricultural Statistics Service, USDA, Washington. [7] Daniels, T.L. (1986). Hobby farming in America: Rural development or threat to commercial agriculture? Journal of Rural Studies, 2(1), 31-40. [8] Dewaelheyns, V. (2007). Ruimtelijk-Fysieke variabelen voor semi-urbane gebieden. Eindwerk aan de Katholieke Universiteit Leuven, Departement Landbeheer- en Economie, Afdeling Bos, Natuur en Landschap. pp126. [9] Dewaelheyns, V., Gulinck, H. (2008). Inputs en outputs in privétuinen. Studie uitgevoerd in opdracht van de Vlaamse Milieumaatschappij, MIRA, MIRA/2008/02, Afdeling Bos, natuur en Landschap, KULeuven. [10]Dewaelheyns, V., Bomans, K., Gulinck, H., (2008). Verspreiding, morfologie en ruimtelijke associaties van het tuincomplex in Vlaanderen. Ad Hoc Opdracht voor Steunpunt Ruimte en Wonen. In opdracht van Departement Ruimte, Wonen en Onroerend Erfgoed, Brussel. [11]Food and Agriculture Organisation of the United Nations (FAO) (1996). Statistical Development Series 1996: Conducting Agricultural Censuses and Surveys. Rome. [12]Gallego, F.J. (1995). Sampling frames with square segments. Office for official publications of the European Communities, Luxembourg. [13]Gallego, F.J. (1999). Crop area estimation in the MARS project. Conference on ten years of the MARS Project, Brussels. Agriculture and Regional Information Systems, Space Applications Institute. JRC, Italy. [14]Gordon-Watson, M., Russell, L., Montgomery, S. (2001). Compleet handboek paarden. Centrale Uitgeverij Deltas. pp 256. [15]Malhotra, N.K., Warren, P.S., Kinzig, A.P. (2003). Questionnaire design. In: Marketing Research: an applied orientation. Pearson Education Limited, p 324-331. [16]Myhr, U. & Johansson, R. (2008). EcoEffect for outdoor environments, the process of tool development. Environ Impact Asses, 28(7), 439-454. [17]Norusis, M., J. (2006). SPSS 15.0. Statistical Procedures Companion. Prentice Hall. [18]O’Neill, R.V., Hunsaker, C.T., Timmins, S.P., Jackson, B.L., Jones, K.B., Riiters, K.H., Wickham, J.D. (1996). Scale problems in reporting landscape pattern at the regional scale. Landscape Ecology 11(3), 169180. [19]Policy Research Cooperation (2008). De paardensector als economische en maatschappelijke actor in Vlaanderen. Een analyse van het economische en sociaal-maatschappelijke profiel en belang van de Vlaamse paardenhouderijen. Presentatie workshop, 16 oktober 2008, Brussel. [20]Reips, U.D. (2000). The web-experiment method: advantages, disadvantages and solutions. Academic Press, San Diega, CA, 89-114. [21]Reips, U.D. (2002). Standards for Internet-Based Experimenting. Experimental Psychology, 49(4), 243-256. [22]Rondeux, J.E.al. Bauffe, C., Boreux, D., Dawant, J.M. (1999). Mise au point d’une méthodologie d’inventaire des habitats dans le cadre du suivi de la biodiversité en Région Wallone, Faculté Universitaire des sciences agronomiques de Gembloux, Unité de Gestion et Economie forestières. [23]Roth, M. (2006). Validating the use of Internet survey techniques in visual landscape assessment – an empirical study from Germany. Landscape and Urban Planning 78, 179-192. [24]Saifi, B. & Drake, L.(2008). Swedish agriculture during the twentieth century in relation to sustainability. Ecological Economics 68(1-2), 370-380. [25]Sepp, K. (1999). The methodology and applications of agricultural landscape monitoring in Estonia. Tartu University Press, 167 pp.

73

[26]Törn, A., Tolvanen, A., Norokorpi, Y., Tervo, R., Siikamäki, P. , in press. Comparing the impacts of hiking, skiing and horse riding on trail and vegetation in different types of forest. Journal of Environmental Management, Corrected Proof, doi:10.1016/j.jenvman.2008.08.014. [27]Tsiligirides, T.A. (1998). Remote sensing as a tool for agricultural statistics: a case study of area frame sampling methodology in Hellas. Computers and Electronics in Agriculture 20 (1998), 45-77. [28]Van de Sype, P. (2008). Drijvende krachten van landgebruiksveranderingen in Sint-Katelijne-Waver. Eindwerk aan de Katholieke Universiteit van Leuven, Departement aard- en omgevingswetenschappen, afdeling bos, natuur en landschap. pp105. [29]Van der Windt, N.P., Olde Loohuis, R.J.W., Agricola, H.J. (2007). De paardenhouderij in beeld, een verkenning naar de landschappelijke verschijningsvorm van de paardenhouderij. Alterra-rapport 1444. Wageningen: Alterra. [30]Vejre, H.(2008) Models for safeguarding urban fringe open landscapes the balance between public and private. Case study of management models for urban green space around Copenhagen . In V. Dewaelheyns & H. Gulinck (Eds.). Leuven: KULeuven. (Available online: www.ruralitynearthecity.be) [31]Verburg, P.H., van de Steeg, J., Veldkamp, A., Willemen, L., in press. From land cover change to land function dynamics: A major challenge to improve land characterization. J Environ Manage 90(3), 13271335. [32]Viaene, J., Gellynck, X., De Belder, T. (2003). Het economische belang van de paardensector. Universiteit van Gent. Faculteit landbouw en toegepaste biologische wetenschappen. In opdracht van de Belgische Confederatie van het Paard. pp 78. [33]Vlaamse Landmaatschappij (VLM) (2009). 7 dialoogdagen over de paardenhouderij – Discussieteksten en verslagen. Een initiatief van Vlaams minister-president Kris Peeters. Vlaamse Landmaatschappij. Vu Guido Clerx. Beschikbaar online op www.vlm.be.

Gebruikte gegevensbronnen [1] Belgische Confederatie van het Paard (2008 en 2009). Registratiegegevens: aantal paarden per sanitair verantwoordelijke per gemeente in september 2008 en februari 2009. [2] Departement Ruimte, Wonen en Onroerend Erfgoed (2002). Gewestplan. [3] FOD Economie, Directie Statistiek en Economische Informatie (2005). Landbouwtelling op gemeenteniveau. [4] FOD Economie, Directie Statistiek en Economische Informatie (2006). Bevolkingscijfers op gemeenteniveau. [5] Nationaal Geografisch Instituut (2004). Topografische landgebruikskaart, digitale rasterversie, resolutie 0.66m. [6] Vlaamse Landmaatschappij (2006). Registratie van de landgebruikspercelen. [7] Vlaamse Landmaatschappij en Afdeling Land- en Tuinbouw (2008). Eenmalige perceelsregistratie.

Websites www.trekpaarden.be

74

BIJLAGEN Bijlage 1: Eigenschappen van de indicatoren per cluster Bijlage 2: Kaartbeeld per indicator, gebruikt in de clusteranalyse voor de keuze van de studiegemeenten Bijlage 3: Samenvatting output ANOVA en Kruskal-Wallis Bijlage 4: Analyse van associaties op gemeenteniveau: resultaten van de testen op de gegevens van september 2008 Bijlage 5: Flowchart van de enquête

Bijlagen

ii

Bijlagen de

co

(a

re

:

(b o

in

x)

)

t)

ha

de

w/

sin

ui

t)

uw

(f r

d)

w)

ch

kk er bo

re

re

re

Zs co

Zs

Zs co

ou

lu

nb

en

ui

la n

n)

5

op

st

ei

se

P/ A

Zs co

re

in

(b

ch

in

w/

ha

x)

)

t) uw de

) t)

uw

(f r ui

lu

) d)

se n

bo

re

ha

x)

)

ha

ar d)

la n

os in :

w/

de

P/ A

ke rb o

re

re

(a k

Zs co

Zs co

Zs co

in

ei

as

:

en

tu

(w

op

as

rh

in

VE /

re

ew re

rg

uw

re

bo

(g l

Zs co

(tu

de

Zs co

oe

re

(v

Zs co

re

G

Zs co

re

el ve

:

de

:

os in

t)

3

Zs co

la

:

as

(w

w

re

Zs co

an

Zs co

(a

re

(b

ui

uw

(f r

)

t)

uw

ch

ke rb o

re

lu

bo

d)

n)

in

(b

-0,5

in

w/

nd ee lv er Zs ha co rd re ) : G VE /h Zs Zs a co co re re (v : oe P/ de A rg ew as Zs se co n) re Zs (w co ei re l Zs an (g co d) la re st ui (t u nb in ou bo w) uw op en lu ch t) Zs co Zs re co (f r ui re t) (a kk er Zs bo co uw re ) (b os in de Zs co x) re : in w/ ha

:

x) ha

de

)

it ) uw

(fr u

os in

)

t)

uw

ch

)

d)

se n

la n

lu

re

ha

ar d)

P/ A

bo

en

in

ei

as

:

ke rb o

re

re

(a k

Zs co

Zs co

re

op

tu

(w

Zs co

uw

as

re

w

rh

VE /

re

G

er ge

(g l

bo

re

Zs co

(t u

ed

:

lv e

Zs co

re

ee

Zs co

(v o

(a a

re

Zs co re

Zs co

re

Zs co

Zs co

co

1

uw

(g

bo

re

re

rg e

Zs co

oe

in

Zs co

(v

(t u

-1

Zs co

-0,5

ha

0

rd )

1

VE /

3

ha

4 -1

G

er

re

Zs co

re

(a k

Zs co

se

la n

-0,5

re

e lv

Zs co

in

en

tu

ei

as

P/ A

ha

0

:

de

ha

x)

)

Zs co

w

(w

op

as

uw

re

bo

(g l

co

in

Zs

(t u

re

re

er ge

:

VE /

re

0,5

re

an

w/

de

uw

re

ed

Zs co

(v o

Zs co

1,5

re

(a

in

sin

t)

t)

)

Zs co

re

Zs co

Zs co

ar d)

nd 0,2

Zs co

re

:

(b o

ch

(f r ui

bo

re

lu

)

d)

uw

la n

bo

en

in

kk er

re

re

(a

Zs co

Zs co

op

tu

Zs co

uw

re

bo

as

ei

se n

P/ A

ha

G

rh

(a a

Zs

re 0,6

Zs co

Zs co

in

Zs co

(t u

(g l

:

as

(w

w

re

:

lv e

-0,8

re

re

re

er ge

Zs co

ed

Zs co

re

ee

Zs co

1

Zs co

-2

VE /

ar d)

-1

(v o

-1

rh

nd

Zs co

(a a -0,5

G

lv e

re -0,6

re

:

ee

re

nd

Zs co -0,4

Zs co

(a a

Zs co

re

-0,2

Zs co

Zs co

Zs co

Bijlage 1: Eigenschappen van de indicatoren per cluster 2

1,5

0,8

0,4

1

0,5

0

0

-1

4

2,5

1 2

1,5 1

0,5

0

6

2,5

2

2

1,5

0,5 1

0

iii

Bijlage 2: Kaartbeeld per indicator, gebruikt in de clusteranalyse voor de keuze van de studiegemeenten

Bijlagen

iv

Bijlagen

v

Bijlage 3: Samenvatting output ANOVA en Kruskal-Wallis Statistische testen ter bepaling van de segmentgrootte en het aantal segmenten in de studiegemeenten (ANOVA en Kruskal-Wallis)

• • criteria voor aantal segmenten

• •

• • criteria voor segmentgrootte •

Gemeente Zoutleeuw Balen Lubbeek Lebbeke Lendelede-Lendegem Leuven

minimum 10% van de oppervlakte van de gemeente bij een at random nieuwe steekproef moet een gelijkaardige proportie landgebruik vertegenwoordigd zijn voor de belangrijkste landgebruiksklassen in de gemeente test via ANOVA (bij normaal volgens Shapiro Wilk) of Kruskal Wallis (bij niet normaal) kwalitatieve controle: overeenstemming landgebruik in steekproef ivm totale gemeente kleine segmenten (25ha) goed voor zeer verstedelijkte gebieden Hier is het een combinatie van allerlei soorten gebieden en om vergelijkbaarheid tussen segmenten te behouden wordt overal voor 49 ha gekozen past in vuistregel dat onderzochte object (perceel) 5x in de segmentgrootte moet passen

10% van opp (ha)

Aantal segmenten

Segment grootte

Aantal segmenten

467,364 730,941 449,895 277,506 382,009 572,985

9,538 14,917 9,182 5,663 7,796 11,694

49ha 49ha 49ha 49ha 49ha 49ha

10 15 10 6 8 12

ANOVA of Kruskall-Wallis OK (Sig. > 0.05) X X X X X X

Zoutleeuw

Kruskall-Wallis Asymp. Sig. ANOVA Sig.

verhard 0,218106 0,942536

populier 0,172455 0,12065

boomgaard 0,98822 0,992273

hooiwei 0,803415 0,709308

tuin 0,993688 0,988039

landtuin 0,688363 0,525711

Balen


verhard 0,828512 0,402321

Loofhout met struiken 0,657352 0,83345

naaldhout 0,627864 0,940874

hooiwei 0,493968 0,464221

tuin 0,964943 0,904675

landtuin 0,955637 0,9355

Lubbeek


Bijlagen

verhard 0,167108 0,13329

Loofhout met struiken 0,508627 0,451604

hooiwei 0,622287 0,548075

tuin 0,947202 0,983971

landtuin 0,55726 0,841904

vi

Lebbeke


verhard 0,266548 0,555812

hooiwei 0,413718 0,643312

tuin 0,192942 0,220072

landtuin 0,568266 0,568369

verhard 0,910706 0,889311

hooiwei 0,184268 0,165452

tuin 0,506884 0,633917

verhard 0,992303 0,996487

loofhoutmetstruiken 0,737628 0,778353

Lendelede-Ledegem


landtuin 0,937767 0,951877

Leuven


Bijlagen

hooiwei 0,56043 0,540351

tuin 0,473603 0,471074

landtuin 0,636996 0,547382

vii

Bijlage 4: Analyse van associaties op gemeenteniveau: resultaten van de testen op de gegevens van september 2008 A. Model 1 In het eerste model worden de gemeenten opgenomen waar voor al de variabelen gegevens aanwezig zijn. Het gaat om 296 gemeenten. Niet opgenomen zijn de gemeenten Boom, Dilsen-Stokkem, Drogenbos, Hemiksem, Herstappe, Kraainem, Linkebeek, Machelen, Mortsel, Niel, Wezembeek-Oppem en Wijnegem.

Normaalverdeeldheid In eerste instantie wordt de normaalverdeeldheid getest van het verschil tussen de geobserveerde en de gemodelleerde waarden, om na te gaan of het mogelijk is om met een lineaire regressie te werken. Dit gebeurt op basis van een histogram en een P-P plot.

Histogram


Dependent Variable: CONCKM


1,0

Expected Cum Prob

Frequency

60

40

20

0,8

0,6

0,4

0,2

Mean =9,19E-17 Std. Dev. =0,99 N =296

0 -4

-2

0

2

4

0,0 0,0

6

0,2

0,4

0,6

0,8

1,0

Observed Cum Prob


Afbeelding 38 Histogram en P-P plot als tests voor normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden voor model 1

Het histogram volgt duidelijk de curve van een normale verdeling. Ook de P-P plot wijst op een normale verdeling, gezien de waarden vrij goed de 45° lijn volgen. Noch het histogram, noch de P-P plot verwerpen normaalverdeeldheid.

Resultaten De resultaten van het model worden weergegeven in onderstaande tabel: Tabel 51 Resultaten van model 1: Verbanden tussen de onafhankelijke variabelen en de concentratie aan paarden en statistieken van collineariteit Unstandardized Coefficients

Model

1

Standardized Coefficients

t

Sig.

Correlations

Beta

Zeroorder

Partial

Part

1,019

,309

B

Std. Error

(Constant)

1,397

1,371

BOSINDEX

-,020

,017

-,073

-1,196 ,233

GVE/HA

-,022

,060

-,020

-,361

WEILANDCONC

,059

,015

,234

3,905

perceelsgrootteweiha

-,663

,480

-,090

-1,382 ,168

Tuinindex

,086

,026

,210

3,349

Lbversn

154,965

54,417

,228

2,848

Bijlagen

Tolerance

Collinearity Statistics Std. Error

VIF

B

-,028 -,070

-,060

,678 1,476

,718

-,151 -,021

-,018

,804 1,244

,000

,337

,195

,695 1,438

-,142 -,081

-,069

,595 1,682

,001

,402

,193

,168

,637 1,570

,005

,417

,165

,142

,390 2,563

,224

viii

Uit Tabel 51 blijkt dat een aantal van de onafhankelijke variabelen niet significant bijdragen tot de voorspelling van de afhankelijke variabelen, met een significantiewaarde hoger dan 0.05. Enkel de concentratie aan weiland, de tuinindex en versnipperingsgraad van het landbouwareaal dragen significant bij aan het model. Dit blijkt ook uit de gestandardizeerde coëfficiënten die duidelijk groter zijn voor deze drie onafhankelijke variabelen. In het tweede deel van de tabel worden mogelijke problemen mbt multicollineariteit weergegeven. Bij een tolerantiewaarde (‘Tolerance’) dicht bij 0 is er een hoge multicollineariteit. Een VIF (variance of inflation) groter dan 2 wordt als problematisch beschouwd. Gezien in bovenstaande tabel al de VIF-waarden lager zijn dan 2, wordt vermoed dat multicollineariteit in dit geval geen groot probleem vormt. Onderstaande tabel bevestigt dit vermoeden deels. Eigenwaarden dicht bij 0 en een condition index hoger dan 15 betekent dat er multicollineariteit in het model zit. Gezien slechts 1 waarde hieraan voldoet is het probleem van multicollineariteit eerder beperkt, maar wel aanwezig. Tabel 52 Multicollineariteitstest voor model 1: een eigenwaarde dicht bij 0 en een conditie index hoger dan 15 wijzen op multicollineariteit

Model

1

Dimension

Eigenvalue

Condition Index

1

5,806

1,000

2

,490

3,443

3

,412

3,752

4

,142

6,386

5

,087

8,163

6

,055

10,247

7

,007

28,634

Sterkte van het model De sterkte van de relatie tussen de door het model voorspelde en de geobserveerde waarden wordt weergegeven door R. Hoe groter R, hoe sterker het verband. R square geeft weer dat ongeveer 30% van de variatie van de afhankelijke variabele door het model verklaard wordt. Tabel 53 Sterkte van model 1. Hoe dichter R bij 1 ligt, hoe sterker het model

Model

R

R Square

Adjusted R Square


1

,526(a)

,276

,261

2,626

Een verdere analyse van de sterkte van het model gebeurt door de geschatte standaardafwijking uit voorgaande tabel te vergelijken met de standaardafwijking uit de beschrijvende statistieken van de concentratie aan paarden per gemeente. Hieruit blijkt dat de standaardafwijking met het model (2.626) lager is dan zonder het model (3.079). Dit betekent dat het model wel degelijk effect heeft. Ook de ANOVA tabel wijst erop dat de variatie die verklaard wordt door het model niet aan toeval te wijten is, gezien de significantiewaarde lager dan 0.05:

Bijlagen

ix

Tabel 54ANOVA tabel van model 1

Model

Regression Residual Total

1

Sum of Squares

df

761,007 1992,746 2753,753

6 289 295

Mean Square 126,835 6,895

F

Sig.

18,394

,000(a)

B. Model 2: stapsgewijze regressie Om de multicollineariteit uit model 1 uit te sluiten en enkel de meest geschikte onafhankelijke variabelen in het model te betrekken, wordt gebruik gemaakt van gestandardizeerde waarden in een stapsgewijze regressie om tot een tweede model te komen.

Normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden Via een histogram en een P-P plot wordt normaalverdeelheid nagegaan.

Histogram




1,0

Expected Cum Prob

Frequency

60

40

20

0,8

0,6

0,4

0,2 Mean =-1,13E-17 Std. Dev. =0,993 N =296

0 -4

-2

0

2

4


6

0,0 0,0

0,2

0,4

0,6

0,8

1,0

Observed Cum Prob



Resultaten De onafhankelijke variabelen landbouwversnippering, concentratie aan weiland, tuinindex en perceelsgrootte van het weiland worden weerhouden in het stapsgewijze model (met model 4 als uiteindelijke model). Landbouwversnippering is het sterkst gecorreleerd met de concentratie aan paarden (B=1.335), gevolgd door de concentratie aan weiland en tuinen (B=0.767) en de perceelsgrootte van weiland (B=-0.368). Een grote oppervlakte tuinen, een sterke versnippering van het landbouwareaal, een hoge concentratie aan weiland en de aanwezigheid van kleine weidepercelen leiden tot een sterkere concentratie aan paarden. De verschillende variabelen dragen significant bij tot het model (Sig. < 0.05).

Bijlagen

x

Tabel 55 Resultaten van model 2: Stapsgewijze verbanden tussen de onafhankelijke variabelen ,opgenomen in het model en de concentratie aan paarden

Stap

1 2

3

4

(Constant) Zscore(Lbversn) (Constant) Zscore(Lbversn) Zscore(WEILANDCONC) (Constant) Zscore(Lbversn) Zscore(WEILANDCONC) Zscore(Tuinindex) (Constant) Zscore(Lbversn) Zscore(WEILANDCONC) Zscore(Tuinindex) Zscore(perceelsgrootteweiha)

Unstandardized Coefficients Std. B Error 6,312087 0,163814 3,033083 0,385529 6,278763 0,159148 2,534907 0,391008 0,718744 0,164003 6,256146 0,155676 1,740342 0,434919 0,643197 0,161519 0,73928 0,193107 6,224889 0,155572 1,334833 0,475483 0,76686 0,171553 0,767347 0,192538 -0,3675 0,178953

Sig. Partial 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,005 0,000 0,000 0,041

De resultaten van de collineariteitstest (Tabel 56) tonen aan dat het probleem van multicollineariteit uit model 1 zich nu niet meer voordoet (met een conditie-index<<15). Tabel 56 Multicollineariteitstest voor model 2: een eigenwaarde dicht bij 0 en een conditie index hoger dan 15 wijzen op multicollineariteit

Model

2

Dimension

Eigenvalue

Condition Index

1 2

1,778

1,000

1,240

1,198

3

,995

1,337

4

,629

1,681

5

,358

2,227

Sterkte van het model De sterkte van het model is zeer vergelijkbaar met de sterkte van model 1 (zie Tabel 53), hoewel minder variabelen in rekening gebracht zijn: Tabel 57 Sterkte van model 2. Hoe dichter R bij 1 ligt, hoe sterker het model

Model

R

R Square

Adjusted R Square


2

,522

,272

,262

2,624

Bijlagen

xi

Identificatie van outliers Onderstaande tabel geeft de gemeenten weer met een duidelijk hogere concentratie aan paarden dan verwacht (positieve waarden) of een duidelijk lagere concentratie dan verwacht (negatieve waarden) volgens het model. Tabel 58 Outliers van model 2

Gemeente

Std. Residual

CONCKM

Predicted Value

Residual

AFFLIGEM

2,660

16

9,02

6,979

ALKEN

2,091

12

6,51

5,486

BORSBEEK

5,693

22

7,06

14,938

HOEILAART

-2,665

1

7,99

-6,993

LINT

4,470

20

8,27

11,730

LONDERZEEL

2,514

13

6,40

6,596

OUD-HEVERLEE

3,989

17

6,53

10,469

SINT-KATELIJNE-WAVER

2,811

16

8,62

7,377

De sterkste uitschieters zijn Borsbeek, Lint en Oud-Heverlee met een duidelijk sterkere concentratie aan paarden dan verwacht volgens het model. De andere gemeenten blijken uit de scatterplot goed bij de overige gemeenten aan te sluiten en worden daarom niet als outliers beschouwd.

6,00000

BORSBEEK

LINT OUD-HEVERLEE

Standardized Residual

4,00000

NAZARETH SINT-KATELIJNE-WAVER LONDERZEEL ALKEN AFFLIGEM LILLE PUTTE WUUSTWEZEL NEVELE ZEMST OPWIJK HAMME 2,00000 SINT-GILLIS-WAAS HEIST-OP-DEN-BERG BRECHT HULSHOUT LAARNE RIJKEVORSEL ZANDHOVEN LEBBEKE WEMMEL PEER LIER WOMMELGEM MERKSPLAS LAAKDAL DIEPENBEEK KUURNE ESSEN TREMELO BILZEN LOCHRISTI DENDERMONDE ZELE MEEUWEN-GRUITRODE GLABBEEK KONTICH LEDE HERSELT 0,00000 RAVELS VEURNE BEVEREN EEKLO HERENTHALLE HEERS HOVE SINT-MARTENS-LATEM DE PINTE TIENEN BRAKEL RIEMST SCHERPENHEUVEL-ZICHEM LANDEN POPERINGE SCHILDE STADEN ROESELARE GISTEL LO-RENINGE LIEDEKERKE AS TESSENDERLO IEPER BRASSCHAAT TERVUREN MESENVOEREN ZULTE BOORTMEERBEEK WAREGEM ZWEVEGEM ZAVENTEM -2,00000 ZONHOVEN OVERIJSE SINT-GENESIUS-RODE HOEILAART EDEGEM WERVIK LEOPOLDSBURG MAASMECHELEN RONSE ANTWERPEN

-4,00000 -2,00000

0,00000

2,00000

4,00000

Standardized Predicted Value

Afbeelding 40 De Outliers grafisch voorgesteld

Om outliers van het model verder te identificeren, wordt de ‘Cook’s Distance’ als y-variabele geplot tov de ‘Centered Leverage value’.

Bijlagen

xii

0,30000

Cook's Distance

BORSBEEK

0,20000

LINT

BRASSCHAAT

0,10000 HOEILAART OUD-HEVERLEE

0,00000

SINT-GENESIUS-RODE ANTWERPEN VOEREN EDEGEM SINT-KATELIJNE-WAVER HOVE ARDOOIE ROTSELAARZUTENDAALSINT-MARTENS-LATEM ALKEN BERINGEN AARTSELAAR OPGLABBEEK ANZEGEM DUFFELDE PANNEGERAARDSBERGEN HOUTHALEN-HELCHTEREN BEGIJNENDIJK HECHTEL-EKSEL 0,00000

0,10000

0,20000

0,30000

0,40000

Centered Leverage Value

Afbeelding 41 Cook’s distance tov Centered Leverage Value

Gemeenten met een hoge Cook’s distance en/of Centered Leverage Value hebben een sterke invloed op het uiteindelijke resultaat van het model. Hoe hoger de ‘Centered Leverage Value’, hoe sterker de gemeente de helling van de regressivergelijking beïnvloedt. Hoe hoger de ‘Cook’s Distance’, hoe sterker de gemeente de variabiliteit van de regressie beïnvloedt.

C. Model 3 Om een mogelijk beter model te verkrijgen, wordt de voorgaande lineaire regressie nogmaals uitgevoerd met de overgebleven onafhankelijke variabelen, waarbij de gemeenten met een relatief hoge Cook’s distance, Leverage Value en/of St. Residual uit de analyse worden weerhouden (Borsbeek, Brasschaat, HouthalenHelchteren, Lint en Oud-Heverlee).

Normaalverdeeldheid van het verschil tussen de geobserveerde en de gemodelleerde waarden Via een histogram en een P-P plot wordt normaalverdeelheid nagegaan.


Histogram


50

1,0

40

0,8

Expected Cum Prob

Frequency


30

20

0,6

0,4

0,2

10 Mean =3,08E-16 Std. Dev. =0,993 N =291

0 -2

0

2

0,0 0,0

0,2

0,4

0,6

0,8

1,0

Observed Cum Prob

4



Bijlagen

xiii


Resultaten De onafhankelijke variabelen landbouwversnippering, concentratie aan weiland, tuinindex en perceelsgrootte van het weiland worden opnieuw weerhouden in het stapsgewijze model. De coëfficiënten verschillen echter met het voorgaande model, waarbij de impact van landbouwversnippering en tuinindex minder doorwegen en de concentratie aan weiland aan belang wint. Tabel 59 Resultaten van model 3: Stapsgewijze verbanden tussen de onafhankelijke variabelen, opgenomen in het model en de concentratie aan paarden

Stap

1 2

3

4

(Constant) Zscore(Lbversn) (Constant) Zscore(Lbversn) Zscore(WEILANDCONC) (Constant) Zscore(Lbversn) Zscore(WEILANDCONC) Zscore(Tuinindex) (Constant) Zscore(Lbversn) Zscore(WEILANDCONC) Zscore(Tuinindex) Zscore(perceelsgrootteweiha)

Unstandardized Coefficients Std. B Error 5,973 ,144 1,201 ,144 5,973 ,136 ,944 ,142 ,874 ,142 5,973 ,135 ,757 ,160 ,837 ,142 ,387 ,158 5,973 ,134 ,590 ,175 ,937 ,147 ,424 ,157 -,345 ,150

Sig. Partial ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,015 ,000 ,001 ,000 ,007 ,022

Sterkte van model 3 Dit model is het sterkst van de drie, hoewel er geen grote verschillen zijn met de voorgaande modellen (zie ook Tabel 53 en Tabel 57): Tabel 60 Sterkte van model 3. Hoe dichter R bij 1 ligt, hoe sterker het model

Model

R

R Square

Adjusted R Square


3

,560(d)

,314

,304

2,278

Bijlagen

xiv

Bijlage 5: Flowchart van de internetenquête

Bijlagen

xv

Het ruimtelijk belang van de paardensector in de Vlaamse open ruimte

Recommend Documents