Сарычев Д. В., Земцов Г. Л. Предиктивное археологическое моделирование методом максимальной энтропии (на примере поселений позднеримского времени в бассейне Верхнего Дона)

Сарычев Дмитрий Владимирович
старший преподаватель кафедры геоэкологии и мониторинга окружающей среды, факультет географии, геоэкологии и туризма, Воронежский государственный университет
Воронеж, Россия
E-mail: sarychev.geo@gmail.com
ORCID: 0000-0002-3755-0108

Земцов Григорий Леонидович
кандидат исторических наук, доцент кафедры отечественной и всеобщей истории института истории, права и общественных наук Липецкого государственного педагогического университета имени П. П. Семёнова-Тян-Шанского
Липецк, Россия
E-mail: grizem@rambler.ru
ORCID: 0000-0002-7177-7242

 Скачать |  К содержанию № 1. 2023

УДК 902.2(470.61):912.648
DOI: 10.58529/2782-6511-2023-2-1-6-23

АННОТАЦИЯ. В статье рассмотрена методика предиктивного моделирования потенциальных местоположений археологических памятников с помощью геоинформационных технологий и машинного обучения на основе метода максимальной энтропии (MaxEnt). Объектом моделирования являлись места поселений позднеримского времени типа Каширки-Седелок, существовавшие в бассейне Верхнего Дона с середины III по начало IV в. н. э. В целях исследования была подготовлена географическая база данных, включающая сведения о локализации 169 известных археологических памятников данного типа в исследуемом регионе — координаты их местоположений послужили для обучения и валидации предиктивной модели. В качестве предикторов использовались ГИС-слои, созданные на основе тематических карт и цифровой модели рельефа, прямо или косвенно отражающие палеогеографические условия ландшафта, в частности рельеф, подстилающие породы, климат, гидрографию и почвенный покров бассейна Верхнего Дона в исследуемый период. В результате созданная модель проанализировала более 7 миллионов участков размером 90 x 90 м общей площадью 59,4 тыс. км2 на предмет их потенциальной пригодности для размещения поселений типа Каширки-Седелок и выявила среди них 29 860 га наиболее пригодных участков (менее 1 % от исследуемой территории). По тестовой
выборке археологических памятников была показана высокая статистическая надежность созданной модели (AUC = 0,915) и ее прогностическая эффективность для археологических исследований (Прирост Квамме KG = 0,97). Результаты проведенного моделирования используются для планирования и проведения полевых археологических исследований в регионе.

КЛЮЧЕВЫЕ СЛОВА: предиктивное археологическое моделирование, APM, максимальная энтропия, MaxEnt, позднеримское время, археологические памятники типа Каширки-Седелок, ГИС.

Для цитирования: Сарычев Д. В., Земцов Г. Л. Предиктивное археологическое моделирование методом максимальной энтропии (на примере поселений позднеримского времени в бассейне Верхнего Дона) // Историко-географический журнал. 2023 Т. 2 № 1 С. 6–23.

СПИСОК ЛИТЕРАТУРЫ

  • Восточная Европа в середине I тысячелетия н. э. М.: Институт археологии РАН, 2007. (Раннеславянский мир. Археология славян и их соседей: Сер. науч. публикаций; Вып. 9).
  • Глебова А. Б., Сергеев И. С., Быков Н. И. Геоинформационный анализ с построением модели нейронной сети для прогноза размещения археологических объектов в ландшафтах Юго-Восточного Алтая // Вестник Санкт-Петербургского университета. Науки о Земле. 2022. Т. 67, № 3. С. 491–514.
  • Долина Дона: природа и ландшафты. Воронеж: Центр-Черноземное кн. изд-во, 1982.
  • Зайцева Е. А. Прогнозирование расположения объектов археологии с применением ГИС и ДЗЗ // Труды IV (XX) всероссийского археологического съезда в Казани: сборник научных статей. В 5 т. Казань: Отечество, 2014. Т. 4. С. 399–401.
  • Земцов Г. Л., Сарычев Д. В., Фабрициус Е. В. Картография поселений позднеримского времени в бассейне реки Быстрая Сосна // Гуманитарные исследования Центральной России. 2019. № 4 (13). С. 7–10.
  • Земцов Г. Л., Сарычев Д. В., Фабрициус Е. В., Гончаров В. О. Население Верхнего Подонья в позднеримское время: жертва или агрессор? // Stratum plus. Археология и культурная антропология. 2019. № 4. С. 257–264.
  • Земцов Г. Л., Сарычев Д. В., Гончаров В. О., Фабрициус Е. В. Микрорегион поселений «Плющань» позднеримского времени на территории Верхнего Подонья // Российская археология. 2020. № 2. С. 60–71.
  • Лисовский А. А., Дудов С. В. Преимущества и ограничения использования методов экологического моделирования ареалов. 2. MaxEnt // Журнал общей биологии. 2020. Т. 81, № 2. С. 135–146.
  • Мартынов А. И., Медведев А. А., Алексеенко Н. А., Кошутин Р. А. Создание предиктивной модели для поиска археологических объектов на Соловецком архипелаге // Геодезия, картография, геоинформатика и кадастры. От идеи до внедрения: сборник научных статей. СПб: Политехника, 2017. С. 448–455.
  • Обломский А. М. О ритмах развития лесостепного Поднепровья и Подонья в позднеримское и гуннское время // Археология Центрального Черноземья и сопредельных территорий: сборник научных статей. Липецк: Изд-во Воронеж. пед. ин-та, 1999. С. 127–134.
  • Сарычев Д. В., Земцов Г. Л., Фабрициус Е. В. Моделирование размещения археологических памятников методом максимальной энтропии (на примере поселений позднеримского времени Липецкой области) // Археология и геоинформатика. Четвертая Международная конференция. Тезисы докладов. М.: ИА РАН, 2019. С. 85–86.
  • Сарычев Д. В., Земцов Г. Л., Фабрициус Е. В. Выявление археологических памятников позднеримского времени в Липецкой области методом максимальной энтропии // Геоинформационное картографирование в регионах России: сборник научных статей. Воронеж: Цифровая полиграфия, 2020. С. 302–308.
  • Чечушков И. В., Валиахметов И. А. «Ветер крепчает»: моделирование скорости ветра при формировании объяснительных моделей системы расселения // Археология и геоинформатика: электронное издание. 2021. Вып. 10. Режим доступа: https://www.archaeolog.ru/media/periodicals/agis/AGIS-10/Chechushkov/page1.html (дата обращения: 10.01.2023).
  • Baldwin R. A. Use of Maximum Entropy Modeling in Wildlife Research // Entropy. 2009, vol. 11, no. 4, pp. 854–866.
  • Banks W. E. The application of ecological niche modeling methods to archaeological data in order to examine culture-environment relationships and cultural trajectories // Quaternaire. 2017, vol. 28, no. 2, pp. 271–276.
  • Boyce M. S., Vernier P. R., Nielsen S. E., Schmiegelow F. A. Evaluating resource selection functions // Ecological Modeling. 2002, no. 157, pp. 281–300.
  • Brown J., Hill D., Dolan A., Carnaval A. C., Haywood A. M. PaleoClim, high spatial resolution paleoclimate surfaces for global land areas // Scientific Data. 2018. Vol. 5, iss. 1. Article number: 180254.DOI: 10.1038/sdata.2018.254.
  • Elith J., Leathwick J. R. The contribution of species distribution modelling to conservation prioritization // Spatial Conservation Prioritization: Quantitative Methods & Computational Tools. Oxford: Oxford University Press, 2009, pp. 70–93.
  • Elith J., Phillips S. J., Hastie Т., Dudik М., Chee Y. E., Yates C. J. A statistical explanation of MaxEnt for ecologists // Diversity and Distributions. 2011, no. 17, pp. 43–57.
  • Galletti C. S., Ridder E., Falconer S. E., Fall P. L. Maxent Modeling of Ancient and Modern Agricultural Terraces in the Troodos Foothills, Cyprus // Applied Geography. 2013, no. 39. pp. 46–56.
  • Gerlitz, L., Conrad O., Böhner J. Large scale atmospheric forcing and topographic modification of precipitation rates over High Asia — a neural network based approach // Earth System Dynamics. 2015, no. 6, pp. 1–21.
  • GIS and archaeological site location modeling. Boca Raton: CRC Press Taylor & Francis Group, 2006.
  • Guisan A., Weiss S. B., Weiss A. D. GLM versus CCA spatial modeling of plant species distribution // Plant Ecology. 1999, no. 143, pp. 107–122.
  • Hastie T., Tibshirani R., Friedman J. H. The elements of statistical learning: data mining, inference, and prediction, 2nd ed. New York: Springer-Verlag, 2009.
  • Hirzel A. H., Le Lay G., Helfer V., Randon C., Guisan A. Evaluating the ability of habitat suitability models to predict species presences // Ecological Modeling. 2006, no. 199, pp. 142–152.
  • Howey M. C., Palace M. W., McMichael C. H. Geospatial modeling approach to monument construction using Michigan from AD 1000–1600 as a case study // Proceedings of the National Academy of Sciences. 2016, no. 27, pp. 7443–7448.
  • Judge W. J., Martin D. W., Sebastian L. Quantifying the present and predicting the past: theory, method, and application of archaeological predictive modeling. Washington, D.C.: Bureau of Land Management, 1989.
  • Kass J. M., Muscarella R., Galante P. J., Bohl C., Pinilla-Buitrago G. E., Boria R. A., Soley-Guardia M., Anderson R. P. ENMeval 2.0: redesigned for customizable and reproducible modeling of species’ niches and distributions // Methods in Ecology and Evolution. 2021, no. 12, pp. 1602–1608.
  • Kramer-Schadt S., Niedballa J., Pilgrim J.D., Schröder B., Lindenborn J., Reinfelder V., Stillfried M., Heckmann I., Scharf A.K., Augeri D.M., Cheyne S.M., Hearn A.J., Ross J., Macdonald D.W., Mathai J., Eaton J., Marshall A.J., Semiadi G., Rustam R., Bernard H., Alfred R., Samejima H., Duckworth J.W., Breitenmoser-Wuersten C., Belant J.L., Hofer H., Wilting A. The importance of correcting for sampling bias in MaxEnt species distribution models // Diversity Distribution. 2013. no. 19, pp. 1366–1379.
  • Liu C., White M., Newell G. Selecting thresholds for the prediction of species occurrence with presence-only data // Journal of Biogeography. 2013. vol. 40, no. 4, pp. 778–789.
  • Lobo J. M., Jimenez-Valverde A., Real R. AUC: a misleading measure of the performance of predictive distribution models // Global Ecology & Biogeography. 2008. vol. 17, iss. 2, pp. 145–151.
  • McCune B., Keon D. Equations for potential annual direct incident radiation and heat load // Journal of Vegetation Science. 2002, vol. 13, iss. 4, pp. 603–606.
  • Merow C., Smith M. J., Silander J. A. A practical guide to MaxEnt for modeling species’ distributions: what it does, and why inputs and settings matter // Ecography. 2013, vol. 36, iss. 10, pp. 1058–1069.
  • Moore I. D., Gessler P. E., Nielsen G. A., Petersen G.A. Terrain attributes: estimation methods and scale effects // Modeling Change in Environmental Systems. London: Wiley, 1993, pp. 189–214.
  • Nicu I. C., Mihu-Pintilie A., Williamson J. GIS-Based and Statistical Approaches in Archaeological Predictive Modelling (NE Romania) // Sustainability. 2019. vol. 11, iss. 21, pp 1–13.
  • Phillips S. J., Anderson R. P., Schapire R. E. Maximum entropy modeling of species geographic distributions // Ecological Modeling. 2006. vol. 190, iss. 3-4, pp. 231–259.
  • Phillips S. J., Dudík М. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation // Ecography. 2008. vol. 31, iss. 2. pp. 161–175.
  • Poggio L., Sousa L. M., Batjes N. H., Heuvelink G. M., Kempen B., Ribeiro E., Rossiter D. SoilGrids 2.0: producing soil information for the globe with quantified spatial uncertainty // Soil. 2021. vol. 7, iss. 1, pp. 217–240.
  • Rafuse D. J. A Maxent Predictive Model for Hunter-Gatherer Sites in the Southern Pampas, Argentina // Open Quaternary. 2021. vol. 7, no. 6, pp. 1–21.
  • Stepinski T., Jasiewicz J. Geomorphons — a new approach to classification of landform, // Proceedings of Geomorphometry. Redlands: Esri Press, 2011, pp. 109–112.
  • Verhagen P., Drăguţ L. Object-based landform delineation and classification from DEMs for archaeological predictive mapping // Journal of Archaeological Science. 2012, vol. 39, no. 3. pp. 698–703.
  • Wachtel I., Zidon R., Garti S., Shelach-Lavi G. Predictive modeling for archaeological site locations: Comparing logistic regression and maximal entropy in north Israel and north-east China // Journal of Archaeological Science. 2018, no. 92, pp. 28–36.
  • Wollan A. K., Bakkestuen V., Kauserud H., Gulden G., Halvorsen R. Modelling and predicting fungal distribution patterns using herbarium data // Journal of Biogeography. 2008, vol. 35, iss. 12, pp. 2298–2310.
  • Yamazaki D., Ikeshima D., Tawatari R., Yamaguchi T., O’Loughlin F., Neal J. C., Sampson C.C., Kanae S., Bates P. D. A high accuracy map of global terrain elevations // Geophysical Research Letters. 2017, vol. 44, iss. 11, pp. 5844–5853.
  • Yaworsky P. M., Vernon K. B., Spangler J. D., Brewer S. C., Codding B. F. Advancing predictive modeling in archaeology: An evaluation of regression and machine learning methods on the Grand Staircase-Escalante National Monument // PloS one. 2020, vol. 15, iss. 10, p. e0239424.
  • Zevenbergen L. W., Thorne C. R. Quantitative analysis of land surface topography // Earth Surface Processes and Landforms. 1987, vol. 12, iss. 1, pp. 47–56.