Ученые предложили исследовать археологические памятники до раскопок с помощью математического моделирования и машинного обучения. Комплекс инновационных технологий позволил создать цифровую модель поселений и захоронений, скрытых под землей на территории Южного Зауралья. Методика поможет обнаружить неизвестные ранее археологические объекты культурного наследия, а также защитить их от повреждения при хозяйственной деятельности. Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Russian Journal of Earth Sciences.
В Южном Зауралье известно около двух тысяч памятников археологии, оставленных людьми более чем за сто тысяч лет. Один из наиболее интересных этапов истории этого региона — период бронзового века (конец третьего и второе тысячелетия до нашей эры), когда здесь сформировалось общество древних скотоводов и металлургов, говоривших на одном из индоевропейских языков. Специалисты объединяют памятники этого времени в синташтинскую и петровскую археологические культуры, а широкой публике они известны под условным названием «Страна городов». По оценкам специалистов, за многие десятилетия работы выявлено и изучено меньше половины таких объектов, поскольку многие из них скрыты слоем почвы. При этом их необходимо искать, картировать и вносить в земельный кадастр, чтобы сохранить в условиях активной строительной и иной хозяйственной деятельности современного человека.
С конца XX века ученые используют для поиска и изучения памятников археологии дистанционные методы, в том числе аэрофотосъемку, спутниковую съемку и геофизические исследования. Например, магнитометрия — измерение локальных аномалий магнитного поля на той или иной территории — позволяет выявить конструктивные элементы скрывающихся под землей объектов: остатки домов, рвов и стен, погребальные камеры. С помощью дистанционных методов в последние годы специалисты открыли в Челябинской области несколько новых укрепленных поселений в северной и центральной части «Страны городов». Однако «ручной» анализ аэрофотоснимков и геофизических данных может занимать годы, что делает актуальным использование современных информационных технологий.
Исследователи из Челябинского государственного университета (Челябинск), Югорского государственного университета (Ханты-Мансийск) и Института геофизики имени Ю.П. Булашевича УрО РАН (Екатеринбург) разработали методологию дистанционного поиска и исследования археологических памятников. Она представляет собой комплекс инновационных технологий, включая математическое моделирование и машинное обучение. С помощью методологии авторы изучили памятники бронзового века в долинах рек Уй и Синташта: окрестности древних поселений Степное и Левобережное, а также недавно открытых укрепленных поселений Нижнеуспенское и Верхнеуральское.
Для обнаружения новых памятников и изучения их внутреннего устройства исследователи применили различные комбинации методов. Обнаруживать находящиеся под землей объекты позволила цифровая 2D-модель рельефа местности, построенная на основе спутниковых и аэрофотоснимков, результатов съемки территории с помощью электронного прибора тахеометра, а также данных электроразведки. Последний метод, предложенный другими авторами в 2018 году, заключается в измерении электрического сопротивления грунта для выявления предметов из разных материалов. Электроразведка позволила ученым исследовать поселение Степное, где магнитная съемка неэффективна из-за природных аномалий.
2D-модель рельефа поселений авторы проанализировали с помощью ранее разработанной нейронной сети ResNet50 + RBF. Это позволило определить точные границы древних поселений для дальнейших исследований.
Отдельные структуры археологических памятников исследователи изучили на их детальных цифровых 3D-копиях. Чтобы их сформировать, ученые применили электроразведку, а также построили объемные модели ландшафта при помощи аэрофотосъемки и лазерного сканирования с воздуха. 3D-модели памятников проанализировали с помощью нейронной сети Pointview-GCN на основе графов и нейронный сети Mask3d* на основе архитектуры трансформера, разработанной авторами исследования. Искусственный интеллект с точностью до 96% определил на карте поселения оборонительные укрепления, рвы, жилища и некоторые типы могильников. Однако точность распознавания таких объектов как следы колодцев и входы в поселения составила менее 40%, чего недостаточно для определения структуры памятника без участия человека.
Тем не менее технологии машинного обучения позволили получить новую информацию о памятниках бронзового века. В частности, на территории поселения Верхнеуральское ученые выявили остатки разновременных построек. Так, кроме описанного ранее прямоугольного укрепленного поселения авторы нашли более ранние оборонительные укрепления овальной формы. При этом в центральной и восточной частях площадки были обнаружены остатки строений неукрепленного поселения, которое было воздвигнуто поверх руин в позднем бронзовом веке.
Предложенные методы помогут оперативно изучать обширные территории и выявлять потенциально значимые археологические объекты, требующие исследований на местности. Это обеспечит сохранность памятников археологии в условиях хозяйственной деятельности человека. На уже открытых археологических памятниках дистанционные технологии позволят еще до раскопок культурного слоя выяснять расположение и количество жилищ, рвов и стен, курганов и делать более масштабные выводы о планировке и этапах функционирования древних поселений, могильников и культовых сооружений.
«Мы стремимся объединить разнообразные методы картографирования, геофизики и машинного обучения, чтобы решить глобальную задачу защиты мирового археологического и культурного наследия. Предложенную систему дистанционного неразрушающего исследования можно применять на разных территориях. В дальнейшем мы планируем использовать ее для изучения археологических памятников бронзового века Северного Синьцзяна в Китае, которые имеют схожие ландшафт и характерные визуальные и цифровые маркеры культурных объектов», — рассказывает руководитель проекта, поддержанного грантом РНФ, Александр Вохминцев, доктор технических наук, заведующий научно-исследовательской лабораторией «Интеллектуальные информационные технологии и системы» Челябинского государственного университета.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
