کاربرد توابع وزن - شاهد در مدلسازی ارتباط میان متغیرهای محیطی و الگوی پراکنش محوطه های باستانی مطالعه موردی: شهرستان های بروجن و لردگان استان چهارمحال و بختیاری

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری باستان شناسی دانشگاه هنر اصفهان

2 دانشجوی دکتری دانشگاه هنر اصفهان

3 استادیار گروه محیط زیست دانشگاه تربیت مدرس

4 دانشجوی دکتری رشته محیط زیست دانشگاه ملایر

5 فارغ التحصیل کارشناسی ارشد دانشگاه تربیت مدرس

چکیده

اطلاعات در زمینه باستان شناسی و پراکنش نقاط باستانی به جهت امکان تجزیه و تحلیل جوامع گذشته و آثار برجای مانده از آنها، از اهمیت خاصی برخوردار است. اما متأسفانه اطلاعات ما در مورد محوطههای باستانی و الگوی پراکنش آنها اغلب با نقص و عدم قطعیت همراه است.در مطالعه حاضر از تکنیکهای آماری و سیستم اطلاعات جغرافیایی جهت دریافت ارتباط میان متغیرهای محیطی (شامل: فاصله از چشمه‌‌ها، فاصله از رودخانه‌‌های دائمی، فاصله از قناتها و چاه‌‌های آب، فاصله از جاده‌‌های مالرو و فاصله از قبرستانها) که بر الگوی پراکنش جمعیت بشر در اعصار مختلف تعیین کننده و تأثیرگذار بوده‌‌اند،استفاده شده است. در میان تکنیک‌‌های آماری، توابع وزن-شاهد قادرند از دانسته‌‌ها و نادانسته‌‌های کاربر در مورد وقوع یک پدیده (مکان و محوطههای باستانی) استفاده نماید و با پردازش فرضیات از روی دانسته‌‌ها و محدود کردن فرضیه‌‌ها در مواردی که دانش دقیق وجود ندارد و در نهایت ترکیب وزنی ورودی‌‌ها، نقص اطلاعات را در نتایج نهایی نمایش دهد. برای ارزیابی صحت مدلسازی از آماره ROC استفاده شده است و نتایج تحقیق نشاندهنده توانایی بالای این مدل در پیش بینی پهنه‌‌های مساعد مکانها و محوطههای باستانی شناخته نشده در شهرستان‌‌های بروجن و لردگان استان چهارمحال و بختیاری بوده است (89/0=ROC). این رویکرد بعنوان راهکاری مناسب جهت تصمیمگیری و مدیریت در زمینه پژوهشهای باستانشناسی است و از نتایج این تحقیق میتوان جهت مدیریت و برنامهریزی بررسیها و کاوشهای باستان شناسی، اولویت بندی پهنه‌‌های مستعد موجود از لحاظ اهمیت باستانی و در نهایت صرفه جویی در هزینههای زمانی و اقتصادی استفاده نمود.

کلیدواژه‌ها


عنوان مقاله [English]

Application of weight-evidence in modeling the linkage between environmental variables and distribution pattern of archaeological sites Case study: Borujen and lordegan cities of Chaharmahal and Bakhtiari

نویسندگان [English]

  • Fakhraldin Shaikhi 1
  • Zabihallah Masoudinia 2
  • Mahdi Gholamalifard 3
  • Mohsen Mirzaii 4
  • Rasoul Mousavi Bidli 5
1 Ph.D. Student, Isfahan University
2 دانشجوی دکتری باستان شناسی دانشگاه هنر اصفهان (نویسنده مسئول)
3 Assistant professor, Tarbiat Modarres University
4 Ph.D. Student, Malayer University
5 M.A.Tarbiat Modarres University
چکیده [English]

Abstract[1]
 
Information on archeology and the distribution of ancient sites for the possibility of analyzing the past societies and the remaining remnants of them is of particular importance. But unfortunately, our information about ancient sites and their pattern of distribution is often accompanied by flaws and uncertainty.In the present study, statistical techniques and geographic information systems have been used to obtain the relationship between environmental variables (including: distance from springs, distance from permanent rivers, distance from aqueducts and wells, distance from bridle paths and distance from cemeteries) which have decisive and influential on the pattern of human population distribution in different ages.Among the statistical techniques, the weight-evidence functions are able to use the knowns and the unknowns of the user about the occurrence of a phenomenon (ancient locations and sites) and by processing hypotheses from the knowns and limiting the hypotheses cases where there is no accurate knowledge and finally the weight composition of the inputs, display the information defect in the final results.ROC statistics were used to assess the accuracy of modeling.To evaluate the accuracy of modeling, ROC statistics have been used and the results of the research indicate that this model has the ability to predict favorable areas of unknown ancient locations and sites in Boroujen and Lordegan in provinces of ChaharmahalvaBakhtiari province (ROC=0.89).This approach is an appropriate solution for decision making and management in the field of archaeological research and the results of this research can be used for the management and planning of surveys, and archaeological excavations, prioritizing the existing susceptible areas in terms of ancient importance and ultimately saving on time and economic costs.



[1] - به دلیل کیفیت نامناسب ترجمه (چکیده مبسوط انگلیسیِ دریافتی) نشریه، به ناچار اقدام به ترجمه مجدد متن مختصر چکیده فارسی و انتشار آن به جای چکیده مبسوط انگلیسی نموده است.
 

کلیدواژه‌ها [English]

  • Weight-Evidence Functions
  • Dempster-Shafer Theory
  • Archaeology Modeling
  • Lordeganand Borujen

1- زارع، م.، حسن جوری، م.، عسکری زاده، د.، سالاریان، ت.، فخر قاضی، م. (1395). تحلیل خطر زمین لغزش در حوزه آبخیز ماسوله با استفاده از تئوری دمپستر-شیفر (Dempster-Shafer) و GIS. پژوهشنامه مدیریت حوزه آبخیز. 7(13): 209-217.

2- سلمان ماهینی، ع. ا. و کامیاب، ح. ر. 1390 .سنجش از دور و سامانه های اطلاعات جغرافیایی کاربردی با نرم افزار ایدریسی، سازمان حفاظت محیط زیست، 620 صفحه.

3- مرادی، ح.، محمدی، م.، پورقاسمی، ح.، مصطفی زاده، ر.، (1389). تحلیل خطر زمین لغزش در استان گلستان با استفاده از تئوری دمپستر-شیفر (Dempster-Shafer). پژوهش‌های دانش زمین. 1(3): 1-14.

4- مظلوم، ب، ز.، میکائیلی، ع.، ماهینی، ع، ر.، (1393). ارتقای ارزیابی آثار توسعه با تئوری دمپستر - شیفر (مطالعة موردی: شهرستان بینالود - خراسان رضوی). محیط‌شناسی، 40 (3): 621-630.

5- موسوی کوهپر، س، م.، حیدریان، م.، آقایاری، م.، وحدتی نصب، ح.، خطیب شهیدی، ح.، نیسانی، ج.، (1390)، تحلیل نقش عوامل طبیعی در توزیع فضایی محوطه های باستانی استان مازندران، پژوهش‌های جغرافیای طبیعی (پژوهش‌های جغرافیایی) (75):1-19.

6- نوروزی، ع ،ا.، (1388). مطالعات باستان شناسی در حوضه آخیز کارون شمالی (استان چهارمحال و بختیاری). مطالعات باستان شناسی. 1 (2): 161-175.

7- نیکنامی،ک.، خطیب شهیدی، ح.، سعیدی هرسینی، م.، (1391)، تئوری‌ها و تکنیک‌های مدلسازی پیش‌بینی مکان‌ها و پراکنش‌های سایت‌های پیش از تاریخی در پهندشت‌های باستان شناختی با کاربرد GIS و رگرسیون لجستیک(مطالعه موردی حوضه رودخانه گاماسب زاگرس مرکزی، مجله دانشکده ادبیات و علوم انسانی دانشگاه تهران،ص193تا211.

8- Canning, S. (2005). ‘BELIEF’ in the past: Dempster-Shafer theory, GIS and archaeological predictive modelling. Australian Archaeology, 6-15.

9- Causey, M., and Lane, P. (2005). GIS and landscape archaeology: Delineating the possible long-term environmental effects of pastoralism on the Laikipia Plateau, Kenya. Nyame akuma, 64, 24-32.

10- Dempster, A.P. 1967. Upper and Lower Probabilities Induced by a Multivalued Mapping. Annals of

11- Ducke, B. (2003). Archaeological predictive modelling in intelligent network structures. The Digital Heritage of Archaeology: Computer Applications and Quantitative Methods in Archaeology, 267-273.

12- Malpica, J. A., Alonso, M. C., and Sanz, M. A. (2007). Dempster–Shafer Theory in geographic information systems: A survey. Expert Systems with Applications, 32(1), 47-55.

13- Mathematical Statistics, 28: 325-339.

14- Mink, P. B., Ripy, M. J., Bailey, K., Box, H. B., and Grossardt, T. (2009). Predictive Archaeological Modeling using GIS-Based Fuzzy Set Estimation.

15- Nardini, A., and Salvadori, F. (2003). Gis Platform Dedicated To The Production Of Models Of Distribution Of Archaeo (Zoo) Logical Remains. Archaeofauna, 12, 127-141.

16- Neubauer, W. (2004). GIS in archaeology—the interface between prospection and excavation. Archaeological Prospection, 11(3), 159-166.

17- O’Connell, J. F. (1987). Alyawara site structure and its archaeological implications. American Antiquity, 74-108.

18- Olukole, T. O. (2007). Geographical Information System (GIS) and Tourism: The Prediction of archaeological sites in Ijaiye-Orile, Southwestern Nigeria. Nyame Akuma Bulletin, 69-74.

19- Pontius Jr, R. G., and Schneider, L. C. (2001). Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems andamp; Environment, 85(1–3), 239-248.

20- Shafer, G. 1976. A Mathematical Theory of Evidence. Princeton University Press, Princeton. 103 pp.

21- Verhagen, P., and Whitley, T. G. (2012). Integrating archaeological theory and predictive modeling: a live report from the scene. Journal of Archaeological Method and Theory, 19(1), 49-100.

22- Warren, R. E., and Asch, D. L. (2000). A predictive model of archaeological site location in the Eastern Prairie Peninsula. Practical applications of GIS for archaeologists: a predictive modeling toolkit, 1, 6.