Machine-learning-gebaseerde reconstructie van Ming-dynastie verdedigingscorridors in Yuxian

Waarom oude vestingwerken nog steeds van belang zijn

Langs China’s Grote Muur vormde het district Yuxian ooit een cruciaal schild voor de Ming-dynastie. Tegenwoordig liggen de vervallen forten, wachttorens en postenwegen verspreid over bergen en valleien, wat het moeilijk maakt zich voor te stellen hoe het gehele verdedigingssysteem ooit functioneerde. Deze studie gebruikt moderne kaarttechnieken en machine-learningtools om de “onzichtbare” verdedigingscorridors te reconstrueren die muren, passen en landbouwnederzettingen met elkaar verbonden tot een levend veiligheidsnetwerk, en biedt daarmee een nieuwe manier om geschiedenis rechtstreeks uit het landschap te lezen.

Een bergpoort naar het achterland

Yuxian lag aan de zuidelijke rand van een keten grenssteden, tussen het hoge Taihanggebergte en de vlakten die naar Peking en de centrale provincies leiden. In Ming-tijd was dit ruige gebied vol verdedigingen: een garnizoenstad naast de Huliu-rivier, talrijke ommuurde dorpen die tevens als forten fungeerden, en wachttorens die langs de Grote Muur waren geregen. Forten werden vaak geplaatst waar de heuvels overgingen in smalle passen, een combinatie van goede landbouwgronden en sterke posities. Deze mix van steile ruggen, rivierdalen en kunstmatige bolwerken maakte van Yuxian zowel een schild tegen noordelijke plunderaars als een graanschuur die de troepen voedde die de grens bewaakten.

Van oude kaarten naar slimme modellen

Eerder onderzoek naar deze frontier baseerde zich hoofdzakelijk op documenten en casestudies, waardoor er veel hiaten ontstonden in hoe het hele systeem ruimtelijk in elkaar zat. De auteurs brengen hier diverse gegevens samen: historische kaarten en plaatsbeschrijvingen die forten, garnizoensteden en postenstations registreren; moderne digitale hoogtekaarten die het terrein beschrijven; en een eerder gereconstrueerd netwerk van Ming-tijdse postenwegen. Ze controleren zorgvuldig de betrouwbaarheid van 65 belangrijke erfgoedsites en inventariseren 278 militaire locaties in en rond Yuxian, en analyseren vervolgens hoe deze sites clusteren, elkaar in het landschap kunnen zien, en hoe ze verbonden zijn met passen en wegen. Dit levert een gedetailleerd, kaartgebaseerd beeld op van waar het militaire systeem het sterkst was en hoe het werd gevormd door heuvels, rivieren en ruggen.

Een computer leren het landschap te lezen

Om verder te gaan dan eenvoudige kaarten trainen de onderzoekers machine-learningmodellen om de verborgen regels te leren achter de locaties van Ming-militairen. Ze voeren aan de modellen vele potentiële beïnvloedende factoren: hoogte, helling, ruigheid, afstand tot rivieren en postenwegen, de dichtheid van nabijgelegen forten, en hoe gemakkelijk een site andere locaties kan zien en gezien kan worden. Met geavanceerde boomgebaseerde algoritmen en speciale “ruimtelijke” kruiscontroles vermijden ze dat ze zichzelf misleiden met patronen die alleen ontstaan doordat punten dicht bij elkaar liggen. Vervolgens passen ze een techniek genaamd SHAP toe om de ‘zwarte doos’ van het model te openen, en meten ze hoe sterk elke factor een locatie in de richting van een verdedigingscorridor duwt of juist niet, en waar belangrijke drempels liggen — bijvoorbeeld hellingen die steil genoeg zijn om verdedigbaar te zijn maar niet te steil om te passeren.

Verborgen verdedigingscorridors traceren

Mede op basis van deze inzichten zetten de onderzoekers het landschap om in een “weerstandsvlak”, waarbij elke pixel aangeeft hoe moeilijk het vanuit verdedigingsperspectief zou zijn voor een corridor om daar doorheen te lopen. Gebieden met goed zicht, een dichte clustering van sites, gematigde hellingen en toegang tot wegen worden behandeld als routes met lage weerstand. Ze gebruiken vervolgens een standaard landschap-analysenmethode om paden van minste weerstand tussen forten, passen en andere militaire knooppunten te traceren, waardoor gelaagde corridors in plaats van enkele lijnen naar voren komen. De resultaten tonen sterke buitenste corridors langs de Grote Muur en bergpassen, en dieper gelegen corridors die landinwaarts langs valleien en rugschouders lopen om satellietforten, garnizoensteden en postenwegknooppunten te verbinden. De meeste bekende militaire sites vallen binnen enkele kilometers van deze voorspelde routes, en een groot deel van gereconstrueerde postenwegen en segmenten van de Grote Muur komt overeen met zones van hoge geschiktheid.

Wat dit onthult over een oud oorlogsmachine

Voor niet-specialisten is de kernboodschap dat de Ming-frontier rond Yuxian niet slechts een muur en een verspreiding van forten was, maar een zorgvuldig gelaagd netwerk dat voedselproductie, snelle communicatie en verdedigingskracht in balans bracht. Door historische bronnen te combineren met moderne rekenmethoden toont de studie aan dat zichtlijnen tussen torens en de clustering van nederzettingen de belangrijkste krachten waren die bepaalden waar verdedigingscorridors liepen, met terrein en wegen die het patroon verfijnden. De methode biedt een herbruikbare toolkit voor andere delen van de Grote Muur en soortgelijke grensregio’s wereldwijd, en helpt planners en erfgoedbeheerders om grootschalige verdedigingslandschappen te herkennen, beschermen en uitleggen die op het terrein niet langer duidelijk zijn.

Bronvermelding: Zhao, P., Xue, Q., Qin, H. et al. Machine-learning-based reconstruction of Ming-dynasty defensive corridors in Yuxian. npj Herit. Sci. 14, 225 (2026). https://doi.org/10.1038/s40494-026-02438-2

Trefwoorden: Verdediging van de Grote Muur, historische GIS, machine learning archeologie, militaire landschappen, Ming-dynastie Yuxian