Atrás Un sistema de aprendizaje automático permite localizar yacimientos arqueológicos en zonas remotas

Un sistema de aprendizaje automático permite localizar yacimientos arqueológicos en zonas remotas

Un artículo publicado en la revista PNAS, con la participación de Marco Madella, profesor de investigación ICREA-UPF y coordinador del Grupo de Investigación CaSEs, presenta un analisis de datos procedentes de satélites multisensores. El estudio, que ha descubierto más de un centenar de nuevos montículos arqueológicos de un desierto de Pakistán, proporciona información de gran valor para la creación de mapas y una bases de datos regionales del patrimonio.
21.07.2020

Imatge inicial

Actualmente, los sitios arqueológicos de todo el mundo se pierden a mucha velocidad debido a la expansión del suelo agrícola, la urbanización y los conflictos. Además, es muy importante detectar y registrar el patrimonio en zonas de difícil aproximación debido a dificultades técnicas, como puede ocurrir en los desiertos, o por problemas políticos, por ejemplo durante los conflictos.

La posibilidad de detectar yacimientos arqueológicos en lugares complicados mediante un enfoque metodológico, especialmente en zonas con poca cobertura vegetal, puede ayudar a establecer mapas iniciales de patrimonio y "puntos calientes" de protección, incluso en las zonas más remotas o inaccesibles del mundo.

"El nuevo método proporciona resultados sensiblemente superiores al uso de enfoques de teledetección de una fuente única".

Una colaboración del Grupo de Investigación Complexity and Socio-Ecological Dynamics (CaSEs) del Departamento de Humanidades de la UPF con el Departamento de Arqueología de la Universidad de Cambridge, junto con el Instituto Catalán de Arqueología Clásica (ICAC) y el Instituto de Ciencias de la Tierra Jaume Almera (ICTJA) del CSIC, ha permitido hacer avances en esta línea.

El análisis de un nuevo conjunto de datos, procedentes de satélites multisensores, se ha publicado recientemente en la revista Processing of the National Academy of Sciences (PNAS), a partir de un estudio que presenta la primera combinación de bandas SAR multi-temporales, multi-polarizadores y multi-ángulo y bandas ópticas multi-temporales (incluidas las visibles, de borde rojo, NIR y SWIR).

El trabajo, liderado por Hector A. Orengo (ICAC, primer autor del artículo y investigador principal, IP) y Cameron Petrie (Universidad de Cambridge, también IP), ha contado con la participación de Marco Madella, profesor de investigación ICREA del Departamento de Humanidades de la UPF y coordinador de CaSEs, además de otros cuatro autores de las instituciones colaboradoras.

Un algoritmo de aprendizaje automático que detecta nuevos yacimientos

Los datos de los satélites multisensores fueron analizadas utilizando un algoritmo de aprendizaje automático (machine learning) en una plataforma de computación en la nube para la detección y el análisis de montículos arqueológicos, que tiene el potencial de transformar y hacer posible la localización de los yacimientos.

El algoritmo de aprendizaje automático utilizado pudo detectar todos los montículos conocidos anteriormente en la zona de estudio, para los que los investigadores pudieron re-establecer sus ubicaciones precisas, así como localizar un gran número de montículos nuevos, más allá de las expectativas previstas en investigaciones anteriores. "El nuevo método proporciona resultados sensiblemente superiores al uso de enfoques de teledetección de una fuente única", afirman los autores.

Análisis de un desierto de Pakistán, con la localización de cientos de nuevos asentamientos

El ejemplo que los autores han incluido en el artículo publicado les ha permitido localizar cientos de nuevos asentamientos, es el desierto del Cholistan, en Pakistán, una zona actualmente difícil de visitar pero rica en restos arqueológicos, que datan al menos de la Edad del Bronce.

La nueva distribución de yacimientos arqueológicos en el desierto de Cholistan, en combinación con datos arqueológicos heredados, sugieren que la mayoría de estos montículos son asentamientos protohistóricos, que se extendían por un área mayor de lo que se reconocía anteriormente. Se trata de varios montículos hasta ahora desconocidos que, al menos algunos de ellos, probablemente representan asentamientos urbanos de la Civilización del Indo.

La mayoría de estos montículos son asentamientos protohistóricos, que se extendían por un área mayor de lo que se reconocía anteriormente.

Los datos arqueológicos, en combinación con el análisis del paisaje, que incluye la cartografía de factores que afectan a la visibilidad del lugar, sugieren que estos montículos eran sólo una parte relativamente pequeña de los allí presentes. Muchos de ellos podrían encontrarse por debajo de las grandes dunas que forman parte del desierto del Cholistan.

La detección de los montículos, desde los pequeños (menos de 5 hectáreas) hasta los grandes (más de 30 hectáreas) sugiere que se produjeron desplazamientos de la población en esta area del desierto. Según los autores, es probable que estos cambios reflejen respuestas a unas dinamicas de la red hidrológica, con una consecuente diminución de la aportacion de agua en estos ríos y a la influencia de un avance progresivo del desierto hacia el norte. Esto fue un proceso a largo plazo, que culminó con el abandono de parte de la zona asentada y la desaparición de asentamientos urbanos durante el periodo Harappiense tardío.

El estudio, que está siendo la base de nuevas investigaciones sobre la dinámica de población de la Civilización del Indo (desde el año 3.300 al 1.500 aC) proporciona información de gran valor para la creación de mapas y bases de datos regionales del patrimonio.

"Los resultados de nuestro estudio tienen implicaciones importantes para comprender la importancia arqueológica de la región", concluyen los autores, que destacan que se trata del primer enfoque regional para detectar y registrar el patrimonio arqueológico a través de las imágenes de satélite.

Artículo de referencia: H.A. Orengo, F.C. Conesa, A. Garcia-Molsosa, A. Lobo, A. S. Green, M. Madella y C.A. Petrie (julio 2020). "Automated detection of archaeological mounds using machine-learning classification of multisensor and multitemporal satellite data". PNAS 
https://doi.org/10.1073/pnas.2005583117

Multimedia

Categorías:

ODS - Objetivos de desarrollo sostenible:

Els ODS a la UPF

Contact

Para más información

Noticia publicada por:

Oficina de Comunicación