Help Center

Downloads

Carto Gebruikershandleiding

This manual guides you step by step through Carto’s features and provides all the information you need to make the most of the application. It explains how to set up Carto, use its features, and train high-quality satellite-AI models.

Download

Model Card

(to be uploaded) This model card provides a technical description of the AI models used in Carto: what the architecture is, which datasets were used for training, and more.

Download

Frequently asked questions

Here you'll find answers to frequently asked questions. Still need help? Feel free to reach out to us.

How secure is Carto’s AI? Does Carto comply with the European AI Act?: Carto’s artificial intelligence consists of two parts: our foundation model, and the Carto system in which specific models are trained for each use case. To ensure compliance with the European AI Act by August 2025 (when the law’s requirements take effect), Spheer follows the guidelines and compliance checker provided by the Future of Life Institute:
Foundation model: our foundation model qualifies as a General Purpose AI Model without Systemic Risk. To comply with the AI Act, we will soon publish a Model Card on our website, explaining how the model was developed and how it should be used.
Carto: Carto falls under the category of ‘Limited Risk AI Systems’. In line with the AI Act, we clearly state within Carto that users are interacting with an AI model, and we include in our terms of use that users remain responsible for any decisions made based on insights from Carto.
Do I need technical knowledge to use Carto?: No, you don’t!
Carto is designed for everyone, regardless of technical background. You don’t need to know anything about AI or satellite data—just use your browser to train a model and get valuable insights within minutes. Your expertise in the subject matter on the ground is all you need.
And if you ever need help using Carto, we’re happy to assist!
How accurate is Carto?: Carto is highly accurate, thanks to our foundation model trained on years of Sentinel-2 satellite data.
Field validations with our users show that Carto is often as accurate as manual mapping by experts. The platform delivers detailed, trustworthy maps—giving you confidence in your decisions.
Read more about how users apply Carto.
How quickly will I see results?: Carto is highly accurate, thanks to our foundation model trained on years of Sentinel-2 satellite data.
Field validations with our users show that Carto is often as accurate as manual mapping by experts. The platform delivers detailed, trustworthy maps—giving you confidence in your decisions.
Read more about how users apply Carto.
How does Carto handle personal data? Is Carto GDPR compliant?: Qua persoonsgegevens bevat Carto alleen inlognamen en emailadressen van gebruikers, die niet zichtbaar zijn voor mensen buiten Carto. Spheer houdt van iedere gebruiker bij wat diegene doet binnen Carto. Op verzoek kan deze informatie worden overhandigd en/of verwijderd uit onze systemen.
How large an area can I monitor with Carto?: Carto lets you consistently monitor large areas—up to entire provinces or beyond! Thanks to our smart and scalable architecture, users can train models and generate maps for province-sized areas in just minutes.
Carto also works just as well for smaller areas—whether it’s a single municipality or nature reserve
Waar en hoe krijg ik toegang tot Carto?: Carto is only accessible via a user account through client organizations. When you first start using Carto, you'll receive a login link via email. Be sure to check your spam folder. The first time you log in, you’ll set a password.
After settong your password, you can log in directly at carto.spheer.ai using your email address and password.

Veelgestelde vragen

Hieronder vind je antwoorden op veelgestelde vragen. Staat je antwoord hier niet tussen? Neem dan gerust contact met ons op.

Hoe veilig is de AI van Carto? Voldoet Carto aan de Europese AI Act?: Onze artificiële intelligentie bestaat uit twee delen: ons foundation model en het AI-systeem Carto waarbinnen specifieke modellen voor use-cases worden getraind. Om te voldoen aan de Europese AI Act vóór Augustus 2025 (wanneer de vereisten uit de wet van toepassing worden) baseert Spheer zich op de uitleg en compliance checker van het Future of Life Instituut:
Foundation model: ons foundation model is een zogeheten General Purpose AI Model without Systemic Risk. Om te voldoen aan de vereisten van de AI Act, publiceren we binnenkort een pagina op onze website met een Model Card: uitleg over hoe dit model ontwikkeld is, en hoe het gebruikt dient te worden.
Carto: Carto valt binnen de AI Act onder de categorie ‘Limited Risk AI Systems’. Om te voldoen aan de AI Act maken we binnen Carto transparant dat de gebruiker interacteert met een AI model, en hebben we in de gebruikersvoorwaarden opgenomen dat gebruikers altijd zelf verantwoordelijk zijn voor keuzes die genomen worden op basis van inzichten verkregen uit Carto.
Heb ik technische kennis nodig om Carto te gebruiken?: Nee, dat is niet nodig!
Carto is ontworpen voor iedereen, ongeacht technische achtergrond. Je hoeft geen kennis van AI of satellietdata te hebben—via je browser train je eenvoudig een model en krijg je binnen minuten bruikbare inzichten. Jouw domeinexpertise over de casus op de grond is alles wat je nodig hebt.
Mocht je toch hulp nodig hebben met het gebruiken van Carto, dan staan we voor je klaar!
Hoe nauwkeurig is Carto?: Carto is zeer nauwkeurig, dankzij het gebruik van foundation models, getraind op jaren aan Sentinel-2 satellietdata.
Steekproeven met onze gebruikers in het veld tonen aan dat Carto vaak net zo nauwkeurig is als menselijke karteerders. Het platform levert betrouwbare en gedetailleerde kaarten, waarmee je met vertrouwen beslissingen kunt nemen. Lees hier meer over hoe gebruikers Carto toepassen.
Hoe snel kan ik resultaten verwachten?: Carto is zeer nauwkeurig, dankzij het gebruik van foundation models, getraind op jaren aan Sentinel-2 satellietdata.
Steekproeven met onze gebruikers in het veld tonen aan dat Carto vaak net zo nauwkeurig is als menselijke karteerders. Het platform levert betrouwbare en gedetailleerde kaarten, waarmee je met vertrouwen beslissingen kunt nemen. Lees hier meer over hoe gebruikers Carto toepassen.
Hoe gaat Carto om met persoonsgegevens? Voldoet Carto aan de AVG?: Qua persoonsgegevens bevat Carto alleen inlognamen en emailadressen van gebruikers, die niet zichtbaar zijn voor mensen buiten Carto. Spheer houdt van iedere gebruiker bij wat diegene doet binnen Carto. Op verzoek kan deze informatie worden overhandigd en/of verwijderd uit onze systemen.
Hoe groot is het gebied dat ik met Carto kan monitoren?: Carto laat je op een uniforme manier naar grote gebieden kijken, tot hele provincies, of nog groter! Door onze slimme en schaalbare aanpak kunnen gebruikers ook voor gebieden ter grootte van een provincie modellen trainen en kaarten maken binnen minuten.
Overigens kun je Carto ook prima gebruiken voor kleinere gebieden, zoals een gemeente of enkel natuurgebied, net wat jij wil.
Waar en hoe krijg ik toegang tot Carto?: Carto is alleen te openen met een gebruikersaccount via klantorganisaties. Wanneer je Carto voor het eerst gaat gebruiken, ontvang je een login link van ons via e-mail. Controleer ook je spambox. Bij de eerste keer inloggen stel je een wachtwoord in.
Na het instellen van je wachtwoord, kun je voortaan direct inloggen op carto.spheer.ai met je e-mailadres en wachtwoord.

Carto tips

Quality over quantity

A few accurate observations are more useful than a large number of less precise ones. The more specific and accurate your examples, the easier it is for Carto to detect meaningful patterns.

Be specific in your examples

Split observations when necessary. Instead of one large 50% block, divide it into separate 100% and 0% areas if that better represents reality. This helps Carto distinguish subtle differences and leads to more refined models.

Vary your observations

Be sure to include not only examples of what you're interested in, but also examples of ‘other’ classes. This helps Carto make better distinctions and avoids misclassifying unlabelled areas. This applies to both regression (where you indicate levels of presence) and classification (where you assign different categories including a potential ‘other’ class).

Include observations from different years

This helps Carto to better understand growth patterns and temporal variation. Growth doesn’t look the same every year. Experiments show that including data from at least two different years already improves predictions significantly. In general: the more years you provide data for, the more stable the monitoring becomes.

Improve Carto iteratively

Start with a small number of observations and train the model. Gradually add more examples and see if predictions improve. Start with areas you are completely sure about, and only add edge cases in later iterations. This step-by-step process allows for quick feedback and efficient model tuning.

Make sure your observations are the right size

Observations should be at least 10m x 10m and no more than 1km x 1km. Smaller areas don’t contain enough satellite pixels for training, while larger areas slow down processing unnecessarily.