Onderzoek naar spatiotemporele ontwikkelingspatronen en drijvende mechanismen van materieel cultureel erfgoed op basis van machine learning

Waarom oude wegen vandaag nog van belang zijn

Lang voordat snelwegen en hogesnelheidstreinen bestonden, sneed de Shu Road een gevaarlijke route door steile bergen om het binnenland van China met het zuidwesten te verbinden. Langs deze route ontstonden stadjes, tempels, forten en bruggen die nog steeds het landschap sieren. Deze studie stelt een schijnbaar eenvoudige vraag met moderne middelen: waarom verschenen deze plaatsen juist daar, en hoe veranderde hun patroon over meer dan tweeduizend jaar? Door historische bronnen, oude kaarten en machine learning te combineren, onthullen de auteurs hoe terrein, water, politiek en mensen samen deze culturele corridor vormden — en hoe die kennis nu kan helpen om haar te beschermen.

Een bergweg van herinnering

De Shu Road is geen enkel spoor maar een bundel van zeven hoofdroutes die zich een weg banen over de ruige Qinling- en Daba-bergen tussen het huidige Shaanxi en Sichuan. De auteurs beschouwen de fysieke overblijfselen langs deze wegen als een soort langdurig archief: niet alleen de wegstructuren zelf, maar ook wegplaatsjes, rotsgravures, stadspoorten, bergpassen en religieuze gebouwen. Ze ordenen deze overblijfselen in vijf groepen — wegen, ondersteunende structuren en monumenten, nederzettingen, militaire locaties en religieuze relicten — en volgen hun verschijning door belangrijke historische periodes, van vóór het keizerrijk tot de Ming- en Qing-dynastieën. Daarmee veranderen ze een verspreide verzameling ruïnes in een samenhangend beeld van hoe een grenscorridor geleidelijk een dicht bevolkt cultureel hartland werd.

Hoe het centrum van het erfgoed naar het zuiden schoof

Door elk bekend object in een geografisch informatiesysteem te plaatsen en een statistische techniek te gebruiken die kernel density-estimatie heet, volgt het team waar erfgoedlocaties in elk tijdvak het sterkst geconcentreerd waren. Vroeg zijn de overblijfselen geconcentreerd in het noorden, nabij het oude politieke centrum op de Guanzhong-vlakte, met slechts enkele uitposten in Sichuan. In de loop van de tijd, vooral na de Sui- en Tang-dynastieën toen het Jangtsebekken economisch aan belang won, verschuift de balans. Tegen de Ming- en Qing-periode lopen dichte banden van sites langs de Jinniu-, Micang- en Lizhi-wegen in Sichuan, terwijl noordelijke trajecten slechts dunnere clusters vertonen. Elk type erfgoed volgt zijn eigen spoor: wegstructuren blijven vaker in het noorden voorkomen, wegmonumenten en tempels stapelen zich op langs de Jinniu-weg, en religieuze locaties ontwikkelen zich van enkele rotsgravures tot een rijk web van tempels en paleizen tussen belangrijke steden.

Het landschap van oude nederzettingen lezen

Om verder te gaan dan beschrijving zoomen de auteurs in op nederzettingserfgoed — stadjes en dorpen die reizigers, soldaten en handelaren ooit bedienden. Deze plaatsen vatten het wederzijdse lange termijnspel tussen mens en landschap het beste samen. Het team deelt het onderzoeksgebied in een raster en noteert voor elke cel of er een Ming–Qing-nederzettingsplaats aanwezig is. Vervolgens stellen ze tien factoren samen die kunnen beïnvloeden waar zulke nederzettingen ontstaan, variërend van hoogte, helling en nabijheid van rivieren tot afstand tot hoofdwegen, nabijheid van transportknooppunten, bestuurlijke rang en geschatte bevolkingsdichtheid. Met deze invoer testen ze verschillende moderne machine learning-methoden en vinden dat een model genaamd CatBoost het beste voorspelt waar nederzettingen verschijnen, terwijl overfitting op de bekende data wordt vermeden.

Wat steden deed wortelen

Met een uitlegtechniek bekend als SHAP kijken de onderzoekers in het gekozen model om te zien welke factoren het meest tellen en hoe hun invloed met de omstandigheden verandert. Bevolkingsdichtheid blijkt het sterkste enkele signaal te zijn, maar niet op een eenvoudige manier van “hoe meer, hoe beter”: bij lage niveaus stimuleren toenames sterk de vorming van nederzettingen, terwijl voorbij een bepaald punt het voordeel afvlakt. Water en beweging volgen. Nederzettingen zijn veel waarschijnlijker nabij rivieren, dicht bij de hoofdlijnen van de Shu Road en in de buurt van transportknooppunten, waarbij de invloed scherp afneemt voorbij tientallen kilometers. Het terrein kent zijn eigen drempels: zacht of matig hellend land en middelmatige hoogtes ondersteunen dichte bewoning, terwijl zeer rotsachtig reliëf of grote hoogtes die neiging onderdrukken — behalve waar militaire of strategische behoeften comfort overtroeven, zoals bij bergpassen.

Wanneer natuur en samenleving elkaar beïnvloeden

De analyse toont ook dat geen enkele factor alleen optreedt. Bepaalde combinaties van helling en landvorm veranderen bijvoorbeeld van belemmerend naar bevorderend voor nederzettingen zodra ze een “sweet spot” van matige steilheid in heuvelachtig terrein bereiken, waar verdediging en gevarieerde hulpbronnen zwaarder wegen dan moeilijkheden van toegang. Bestuurlijke centra op hoog niveau versterken de aantrekkingskracht van omliggende gebieden, vooral op geschikte hoogtes, terwijl grote rivieren zowel zegen als bedreiging kunnen zijn: matige watersystemen voeden nederzettingen, maar zeer brede rivierzones kunnen overstromingsrisico’s meebrengen die mensen wegduwen. Samen schetsen deze interacties een genuanceerd beeld waarin gemeenschappen veiligheid, toegang, hulpbronnen en macht afwegen bij het kiezen waar ze steden langs de weg bouwen en herbouwen.

Waarom deze bevindingen nu van belang zijn

Voor niet-specialisten is de kernboodschap van de studie dat de culturele locaties langs de Shu Road geen willekeurige overblijfselen zijn; zij zijn het zichtbare spoor van langdurige onderhandelingen tussen land, water, handelsroutes en menselijke beslissingen. Gedurende eeuwen verschoof het levenscentrum langs deze corridor naar het zuiden, en verschillende vormen van erfgoed — forten, tempels, bruggen, dorpen — namen uiteenlopende ruimtelijke patronen aan. Door moderne machine learning te gebruiken om deze patronen te ontcijferen, identificeren de auteurs welke delen van de route het dichtst gelaagd zijn met geschiedenis en welke milieu- en sociale drukfactoren daartoe hebben geleid. Die kennis biedt praktische handvatten voor hedendaagse planners: het helpt conservatie te richten op de meest kwetsbare en betekenisvolle zones, informeert risicomanagement voor gevaren zoals overstromingen of erosie en levert een sjabloon voor het begrijpen en beschermen van andere lineaire erfgoedcorridors wereldwijd.

Bronvermelding: Zhang, H., Shu, B., Wei, Y. et al. Research on spatiotemporal evolution patterns and driving mechanisms of material cultural heritage based on machine learning. npj Herit. Sci. 14, 249 (2026). https://doi.org/10.1038/s40494-026-02505-8

Trefwoorden: Shu Road, cultureel erfgoed, ruimtelijke patronen, machine learning, Chinese geschiedenis