Prediktív modellezés a Zsámbéki-medencében
Padányi-Gulyás Gergely
Térinformatikai szoftverismeret I-II. BME Építőmérnöki Kar Általános- és Felsőgeodézia Tanszék Térinformatikus szakmérnök 2009/2010. tavaszi félév
Bevezetés Régészeti szempontból újszerű szemléletet képviselnek a prediktív modellek, különösen Magyarországon. Elsősorban olyan helyen bírnak nagy jelentőséggel, ahol a szabad felszínen már nem figyelhetők meg elpusztult régészeti objektumok (pl. Hollandia: folyamatos feltöltések, elfedések), így a lelőhelyek hollétét más módszerekkel kell meghatározni. A prediktív modelleket térinformatikai rendszerekben állítják elő különböző bemenő adatok segítségével (terepmodell, talajtérkép stb). Az egyes rétegek súlyozásra kerülhetnek annak megfelelően, hogy melyik tényező milyen jelentőséggel bír. A végeredmény egy olyan térkép, mely az ismert lelőhelyek környezeti jellemzőiből kiindulva megmutatja a teljes területen a régészeti jelenségek előfordulásának valószínűségét. Egy jó modell hasznos eszköz lehet például egy beruházó számára, aki már a tervezés első szakaszában tudni szeretné hol valószínűek régészeti lelőhelyek, és azokat ha megpróbálja elkerülni, nagyban csökkentheti a beruházáshoz szükséges időt és pénzt. A modellezést 60 napos ingyenes verziójú ESRI ArcGIS 9.3.1. szoftverben végeztem.
Bemenő adatok, rétegek 1. Vizsgált terület, régészeti lelőhelyek Magyarországon nem nagyon készült még prediktív modell (egyedül Fekete Csanád régész-térinformatikus végzett ilyen irányú kutatást), így elsőre olyan területet kellett választani, ahol a lelőhelyek jórészt feltérképezettek már. Így esett a választás a Zsámbékimedencére, ahol a közel 38.000 hektáros területen 266 lelőhely ismert a különböző korokból.
2
2. Víztől való távolság A MÁFI által rendelkezésre bocsátott talajtérkép segítségével leválogathatók a vizek által létrehozott talajok, vagyis meghatározhatók azok a területek, ahol a történelem során valamikor jelentősebb ideig víz volt. Ez alapvető jelentőségű az emberi megtelepedés szempontjából, hiszen bármilyen messze nem lehet lenni a víztől. Az ismert lelőhelyek igen erősen mutatták ennek jelentőségét, hiszen több mint 80%uk a víztől maximum 100 m távolságra esett, 90%-uk pedig 300 m-es zónán belül található. A különböző vizek leválogatását a Select by attributes, a lelőhelyek különböző zónákba esését pedig a Select by location parancs segítségével végeztem el.
A Spatial Analyst/Distance/Straight line parancsával olyan térkép jött létre, melyben az egyes pixelek értékei a vizektől való távolságot jelentették. A Spatial Analyst/Reclassify paranccsal pedig újraosztályoztam a raszterképet, és 1-től 10-ig terjedő skálán leosztottam a távolságokat. Így egy olyan térképet kaptam, ahol nagyobb értéket kaptak a vízhez közelebbi, és alacsonyabbat a távolabbi területek.
3
3. Tengerszint feletti magasság Érdekességképp megvizsgáltam az egyes lelőhelyek centroidjának tengerszint feletti magasságát. A rendelkezésre álló terepmodell (SRTM) pontossága korlátozott, de még így is kiütközik, hogy a lelőhelyek egy bizonyos magasság-intervallumon belül „szeretnek” elhelyezkedni. Eszerint az ismert lelőhelyek több mint 90%-a 130 és 250 m közötti magasságon helyezkedik el, e fölött és ez alatt minimális az előfordulás. 400,00
350,00
300,00
250,00
200,00
Adatsor1
150,00
100,00
50,00
0,00
0
50
100
150
200
250
300
A terepmodell pixelértékei a tengerszint feletti magasságot tartalmazzák. Ezeket a már ismert Reclassify paranccsal kicseréltem úgy, hogy a 130 és a 250 m közötti területek kapják a legmagasabb értékeket, és az ettől növekvő, ill. csökkenő magasságértékek alacsonyabb kategóriába kerüljenek. A látványosabb megjelenítés érdekében generáltam egy felszínárnyékolt szürkeárnyalatos képet is a Spatial Analyst/Surface analyst/Hillshade parancs segítségével, melyet félig áttetszővé és a térkép fölé helyezve plasztikusabbá teszi a megjelenítést.
4
4. Lejtőkategória Az emberi megtelepedés nem minden lejtésviszonynál lehetséges: a túl meredek részeket a nagyobb esőzések elmoshatják, és a közlekedés is nehézkesebb, ha sokat kell felfelé menni. Alapvetésként elfogadható, hogy minél meredekebb egy terület, emberi megtelepedésre annál alkalmatlanabb. A meglévő terepmodellből generálható egy dőlésszög alapú lejtőkategória-térkép a Spatial Analyst/Surface analyst/Slope (/percent) parancs segítségével. A szoftver alapvetően egyenlő részekre osztja a pixelértékeket, de ez nekünk nem feltétlen jó, hiszen ha van pl. 6 kategóriám, akkor a minimális (vízszintes) és a maximális (függőleges) érték között a 45°-os, 100%-os lejtő esik középre, holott az már régen alkalmatlan a megtelepedésre. A 15%-nál meredekebb lejtőkkel már nem is érdemes foglalkoznunk. Ezért a Properties/Symbology menüben az értékeket a következőképpen érdemes felosztani: 0-3%, 3-6%, 6-9%, 9-12%, 12-15% és 15-max%. Ezek után következik az újraosztályozás, melyben a 15%-nál meredekebb lejtők (piros) 0 pontot kaptak, a 0-3% közöttiek (zöld) pedig 5-öt stb.
5
A végleges modell kialakítása Az egyik legfontosabb feladat az egyes bemenő rétegek (víztől való távolság, tengerszint feletti magasság, lejtőkategória) súlyainak meghatározása. A legfontosabbnak a víztől való távolság tűnik, ez 0,6-os szorzót kapott. A második legjelentősebb a lejtőkategória, ez 0,3-at, a tengerszint feletti magasság pedig 0,1-es szorzót kapott. A Spatial Analyst/Raster calculator segítségével az egyes raszterrétegek összevonhatók, és az egyes végleges értékeket a megfelelő pixelek megfelelő súllyal szorzott összege adja: Calculation = [viztav_recl] * 0.6 + [slope_recl] * 0.3 + [tszf_recl] * 0.1
A térkép számos olyan helyet kijelöl (piros területek), melyeken jelenleg nincs ismert régészeti lelőhely. A helyszíni ellenőrzés alapvető fontosságú lenne, ez eddig nem történt meg. Megnyugtató tény viszont, hogy a Nagykovácsi-medence – melynek lelőhelyeit nem vettük bele a vizsgálatba – ismert régészeti megfigyelései kizárólag a térkép piros területein vannak. Ez természetesen nem egy szabatos modell, csupán próbálkozás, a jövőben számos helyen pontosításra szorul (pl. súlyozás), és az újabb lelőhely-előfordulásokkal tovább finomodhat.
6