Modellering van visuele perceptie van Chinese klassieke privé-tuinen met beeldparsing en interpreteerbare machine learning

Waarom tuinzicht nog steeds van belang is

In veel steden liggen historische Chinese tuinen nu naast hoogbouw en snelwegen, maar ze blijven toch rustig, rijk en zorgvuldig gecomponeerd aanvoelen. Deze studie stelt een eenvoudige vraag met moderne middelen: wat is het precies aan de doorkijkjes in deze klassieke privé-tuinen dat ze voor hedendaagse bezoekers helder, intrigerend of soms verwarrend doet lijken? Door tuinfoto’s om te zetten in data en die te koppelen aan de reacties van mensen, tonen de onderzoekers hoe specifieke visuele ingrediënten en ruimtelijke indelingen onze ervaring vormen — en hoe oude ontwerpkennis toekomstige groene ruimten kan sturen.

Nauwkeuriger kijken naar klassieke tuinen van Suzhou

Het team richtte zich op drie beroemde privé-tuinen in Suzhou, China, alle drie op de Werelderfgoedlijst: de Tuin van Verzorging (Garden of Cultivation), het Canglang-paviljoen en de Tuin van de Netmeester (Net Master’s Garden). Hoewel vergelijkbaar van omvang, legt elke tuin de nadruk op een ander thema — een evenwicht tussen berg en water, berggericht of watergericht. Onderzoekers liepen de hoofdpaden af en namen ongeveer elke tien meter op ooghoogte foto’s in vier richtingen, waarmee ze een set van 300 beelden samenstelden die nabootsen wat een bezoeker ziet tijdens het bewegen door de ruimte. Vrijwilligers bekeken deze beelden online en beoordeelden per scène hoe die aanvoelde langs vier eenvoudige dimensies: hoe ordelijk het leek (coherentie), hoe makkelijk het zou zijn de weg te vinden (leesbaarheid/legibiliteit), hoe rijk en gevarieerd het oogde (complexiteit) en hoeveel het uitnodigde tot verkennen (mysterie).

Scenery omzetten in cijfers

Om te koppelen wat bezoekers zien aan hoe ze zich voelen, gebruikten de auteurs computer vision en kunstmatige intelligentie om elke foto te analyseren. Een segmentatiemodel identificeerde sleutelelementen — planten, rotsen, gebouwen, water en paden — en mat welk aandeel van het zicht elk innam. Een ander model schatte diepte in, waardoor voorgrond, middengebied en achtergrond gescheiden werden, terwijl kleuranalyse helderheid, verzadiging en de mix van warme en koele tonen vastlegde. Textuur werd samengevat met een fractale maat voor visuele ruwheid. In totaal werden voor elk beeld 35 verschillende visuele indicatoren geëxtraheerd. Een machine-learningmodel leerde vervolgens hoe combinaties van deze kenmerken de vier perceptiescores voorspelden, en een interpretatiemethode (SHAP) toonde welke kenmerken het meest telden en hoe hun effecten veranderden naarmate de hoeveelheden toenamen.

Wat een tuinscène helder of mysterieus maakt

De analyse liet zien dat niet alle visuele ingrediënten evenveel gewicht in de schaal leggen. Gebouwen, water, rotsen, planten en paden — vooral het aandeel van het zicht dat door architectuur, bestrating en rotspartijen werd ingenomen — beïnvloedden sterk of scènes coherent en leesbaar aanvoelden. Water en rotsen leken een gevoel van rijkdom en mysterie te versterken, terwijl te veel gevels uiteindelijk scènes minder complex en eentoniger deden lijken. Kleur en textuur speelden subtielere maar belangrijke rollen: een breder kleurenpalet verhoogde de waargenomen complexiteit en matige kleurverzadiging hielp mensen de structuur in een scène te herkennen zonder te botsen met de traditioneel zachte paletten van de tuinen. Cruciaal was dat veel effecten niet-lineair waren. Bijvoorbeeld: een bescheiden hoeveelheid water in beeld (ongeveer 15% van de scène) vergrootte het gevoel van mysterie sterk, maar daarbovenop voegde extra water weinig toe. Evenzo verrijkten enige scherming in de voorgrond en lage beplanting mysterie en diepte, maar wanneer dichte struiken meer dan ongeveer een derde van het zicht vulden, voelden bezoekers zich meer verloren en minder geneigd te verkennen.

Hoe ruimtelijke indeling de ervaring stuurt

De onderzoekers stapten vervolgens terug van losse snapshots om te bekijken hoe verschillende soorten ruimtes — waterkanthoven, bergzichtzones en toegangs- corridors — deze visuele ‘knoppen’ op verschillende manieren inzetten. In de Tuin van de Netmeester creëert een ring van gebouwen en beplanting rond een centrale vijver naar binnen gerichte ruimten waarin water, gematigd gevelaandeel en wisselende voorgrondschermen samen hoge scores opleveren voor coherentie, leesbaarheid en mysterie. In het berggerichte Canglang-paviljoen omsluit dichte begroeiing vele paden, wat onderdompeling bevordert; zorgvuldig geplaatste openingen en iets ruimere paden fungeren als visuele “ontlastingspunten”, herstellen oriëntatie en openen het zicht. Toegangscorridors met architectuur en duidelijke bestrating geven enkele van de hoogste coherentie- en leesbaarheidsscores, en werken als visuele trechters die bezoekers voorbereiden op complexere scènes dieper in de tuin. Niet-corridor ingangen bereiken iets soortgelijks door een centraal pad te flankeren met schaduw en rotspartijen, het gezichtsveld te vernauwen terwijl ze hintten naar wat zich daarachter bevindt.

Oude tuinwijsheid, nieuwe ontwerprichtlijnen

Alles bij elkaar laat de studie zien dat de blijvende charme van Chinese klassieke privé-tuinen geen magie is, maar een fijn afgestuurde beheersing van visuele informatie. Ontwerpers balanceren historisch gezien wat wordt getoond en wat wordt verborgen, hoeveel water of architectuur tegelijk verschijnt en hoe dicht de voorgrond aanvoelt, waarbij elk element binnen reeksen wordt gehouden die zowel duidelijkheid als nieuwsgierigheid ondersteunen. Door deze reeksen te kwantificeren met moderne beeldanalyse en machine learning geven de auteurs praktische leidraden voor het restaureren van historische tuinen en voor het vormgeven van nieuwe stedelijke groene ruimtes die leesbaar en toch uitnodigend aanvoelen. Voor gewone bezoekers is de boodschap eenvoudig: het genoegen van het wandelen door deze tuinen komt van het zorgvuldige ritme van paden, doorkijkjes en verrassingen die het oog — en de geest — zachtjes van het ene moment naar het volgende leiden.

Bronvermelding: Huang, X., Li, H., Mei, Z. et al. Modeling visual perception of Chinese classical private gardens with image parsing and interpretable machine learning. npj Herit. Sci. 14, 105 (2026). https://doi.org/10.1038/s40494-026-02372-3

Trefwoorden: Chinese klassieke tuinen, landschapperceptie, visuele voorkeuren, machine learning, stedelijk erfgoed