Loading article…
 | |
| タイプ | 考古学的地表遺構 |
|---|---|
| 視界状況 | 太陽高度が低い（午前または午後）、晴天 |
| 検出方法 | 航空写真、マルチスペクトル画像処理、SAR、LiDAR |
| 関連技術 | 作物痕、土壌痕、NDVI、GPR |
影の跡は、低い角度の太陽光が地面のわずかな高さの変化に沿って細長い影を落とすことで形成される表面パターンであり、地表レベルでは見えない埋没または侵食された特徴を明らかにします。[ 1 ]一般的に航空写真や衛星画像で観察される影の跡は、考古学者が古代の構造物、土塁、景観の改変を特定するのに役立ちます。[ 2 ]その視認性は、照明角度、表面反射率（アルベド）、植生や雲量などの環境条件に依存します。[ 3 ]影の跡は、生物学的または化学的変化ではなく地形のコントラストに依存するという点で、作物の跡や土壌の跡とは異なります。[ 4 ] [ 5 ] LiDAR、NDVI、合成開口レーダー（SAR）などの最新のリモートセンシング技術は、精度を向上させ、環境上の制約を克服するために、影の跡の分析と統合されることがよくあります。[ 6 ] [ 7 ] [ 8 ]最近の発展には、検出を強化するためのAI支援画像分類と仮想光シミュレーションも含まれます。[ 9 ]考古学以外にも、影の痕跡は地形学、文化遺産保護、戦場研究に応用されており、景観解釈のためのマルチセンサーアプローチにおける重要な指標であり続けている。[ 1 ]
影の跡は、太陽光が低い角度で当たるときに地形のわずかな標高差によって生じる、地表に見える模様です。[ 1 ]これらの標高差によって細長い影が作られ、古代の壁、溝、塚などの微妙な地形の不規則性を上空から視覚化することができます。 [ 2 ]植生ストレスによって生じる作物の跡や、土壌の質感や色の変化によって生じる土壌の跡とは異なり、影の跡は主に地形の起伏と光の幾何学に依存しています。[ 4 ] [ 1 ]そのため、影の跡は地表では検出できない、埋没または浸食された考古学的特徴の貴重な指標となります。[ 1 ]
影跡の視認性は照明条件に大きく左右されます。[ 1 ]早朝と夕方は、太陽が地平線近くにあり影が長いため、高低差のコントラストが強調され、観察に最適な時間帯です。[ 1 ]このような照明の下では、特に植生がまばらで光の角度が最適な冬の時期には、地形のわずかな起伏さえも明らかになります。 [ 1 ]考古学者は、影の鮮明さを利用するために、これらの時間帯に航空写真を撮影することがよくあります。平坦な地形では、表面の特徴が最小限であることが多いため、光と表面の質感の相互作用によって、わずかな地形の変化が強調され、影跡が特に効果的になります。[ 7 ]
しかし、影のマークの鮮明さは、さまざまな地表面の状態によって影響を受ける可能性があります。[ 5 ]植生被覆、耕作地、土壌水分、雲の影はすべて、光が地面とどのように相互作用するか、そして結果としてこれらのマークの視認性に影響を与えます。[ 5 ] [ 6 ] [ 7 ]このため、影のマークの検出には、さまざまな環境条件や季節条件の下で繰り返し航空調査を行う必要があることがよくあります。低地や乾燥地帯では、一時的な地表面の特徴やインフラストラクチャが解釈を複雑にし、慎重な目視分析が必要になる場合があります。[ 5 ]
環境要因に敏感であるにもかかわらず、シャドウマークは考古学的探査において依然として重要なツールである。その地形的基盤は他のリモートセンシング技術を補完し、生物学的または化学的なコントラストを生じない可能性のある特徴の検出を可能にする。[ 7 ]他の方法と統合すると、シャドウマークは地下景観の複合的な見解を形成するのに役立ち、長期間埋没した文化的特徴や地形の変化を明らかにするのに特に有用であることが証明されている。[ 1 ]
影の痕跡の形成は、物理学と光学の基本原理、特に光が地表の地形の違いとどのように相互作用するかに基づいています。[ 1 ]太陽光が不均一な表面に低い角度で当たると、高い部分と低い部分のコントラストがより際立つ長い影ができます。[ 1 ]この光学効果は、直接的な真上からの照明条件下では明らかにならない地面の不規則性を視覚化できるため、わずかな考古学的特徴を観察する上で不可欠です。[ 7 ]
太陽光の照射角度は、影の痕跡を生み出す主な要因です。朝と夕方（午後遅く）は太陽が空の低い位置にあるため、影が長くなり、地面のわずかな起伏でもはっきりとわかります。[ 1 ]このため、考古学者は影の痕跡を最大限に活用するために、この時間帯に航空調査を実施します。しかし、影の痕跡の有効性は、緯度、季節、大気によって異なり、それぞれが光の散乱と影の鮮明さに影響を与える可能性があります。[ 1 ]
アルベド、つまり表面反射率も、写真や影の痕跡のその他の記録において重要な要素です。異なる材料は、入射光の吸収と反射に関して異なるアルベドを持ち、コントラストを生み出す能力が異なり、影を増したり、影をぼかしたりする可能性があります。[ 3 ]例えば、埋設された石造構造物や壁が、土壌を圧縮したり、水分保持に影響を与えたりすることによって、周囲の土壌の物理的または化学的性質を変化させた場合、その上の領域は、周囲の未変化の土壌とは異なる方法で日光を反射する可能性が高いです。[ 10 ]表面反射率、つまりアルベドの変化は、航空写真では、トーンのコントラストや影の強度の違いとして観察できる場合があります。[ 10 ]耕された畑は、基礎が地下に隠れていても、影や色のわずかな違いによって、土壌に埋設された基礎のかすかな輪郭が明らかになる露出の例です。[ 10 ]さらに、水分含有量によって光の反射の仕方が異なるため、以前の気象条件によって影の痕跡が見やすくなる場合と見にくくなる場合がある。[ 7 ]
影跡は、標高に依存する地表指標として、埋没または浸食された構造物を視覚的に露出させることで、考古学的調査において中心的な役割を果たします。[ 11 ]その視認性は主に照明に依存しますが（前述のとおり）、地形の変化が保存されている前近代の農業景観において、特に要塞や土塁の識別に効果的です。[ 1 ] [ 4 ] [ 10 ]
航空写真は、特に20世紀初頭の考古学的調査において、影の痕跡を記録する主要な方法であった。[ 11 ] [ 12 ]初期の考古学者は、従来のカメラや航空写真を使用して景観の変化のコントラストを強調するために、早朝または夕方に手動で撮影した画像を介して影の痕跡を記録した。[ 11 ]リモートセンシングの技術は、高解像度の衛星画像の開発、ドローンによる測量、および航空機搭載型光検出測距（LiDAR）を使用した補完的な測量によって、このプロセスを改善した。[ 6 ] LiDARは影の痕跡の検出において大きな進歩であり、その主な貢献は、以前は密生した植生のために隠されていた地形のわずかな変化を強調するデジタル地形モデル（DTM）を生成する能力である。[ 11 ]
実際の事例研究では、考古学的発見における影の痕跡の実用的な価値が実証されています。例えば、イギリスのメイデン城上空での航空調査では、影を強調した地形によって複雑な要塞構造が明らかになりました。[ 13 ] 同様に、中国では、SAR画像によって農地の下に埋もれた城壁の影のパターンがうまく検出されました。[ 8 ]
これらの例は、特に作物や土壌の痕跡が限られた情報しか提供しない場合、影の痕跡が地下の特徴の最初の視覚的な手がかりとなることが多いことを強調しています。 [ 14 ] [ 7 ]影の痕跡は、他のリモートセンシング手法 と併用すると最も有益です。 [ 14 ] [ 15 ]他のリモートセンシングと組み合わせると、影の痕跡は補完的な視覚的、生物学的、物理的指標を通じて考古学的解釈を三角測量するのに役立ちます。[ 14 ]
そのため、今日の考古学者はマルチプロキシアプローチを重視しています。研究者はシャドウマーク分析をLiDAR（地形）、GPR（地中探査）、マルチスペクトルバンド分析（景観発達）と組み合わせて使用し、人為的特徴と自然の特徴を分類しています。[ 16 ]より多くのデータが地理情報システム（GIS）に取り込まれるにつれて、シャドウマークもGISに配置できるため、考古学的遺跡の空間分析は予測モデリングと文化的景観の再構築能力を向上させることができます。[ 17 ]シャドウマークは、比較的低技術であっても、拡大するリモートセンシング考古学のツールボックスにおいて重要であり続けるでしょう。[ 11 ]
影の痕跡は理想的な照明条件下では古代遺跡の特徴の視認性を高めることができるが、環境干渉にも非常に弱い。[ 5 ]雲の影、不均一な地形、植生、道路や耕作などの地表面の改変はすべて影のパターンを歪ませたり隠したりし、解釈の信頼性を低下させる可能性がある。[ 5 ] [ 7 ]これらの制約により、高度なリモートセンシング技術とマルチセンサー手法の使用が必要となる。[ 7 ]航空技術による受動光学イメージングも影の痕跡の解釈を改善した。[ 6 ]マルチスペクトルおよびハイパースペクトルイメージングは、雲の影などの大気干渉の一部をフィルタリングしたり除去したりして考古学的パターンを保存することを可能にする。これは、太陽光を記録して影を操作する際に地表面の影の痕跡を補正するからである。[ 18 ]マルチスペクトルライトドームを使用すると、考古学者はデジタル復元で影の痕跡を解釈するために太陽の角度をシミュレートすることもできる。[ 3 ]さらに、人工的に影の状態を作り出すための合成照明シミュレーションを開発することができ、これにより考古学者は、現地では不可能なデジタル地形の特徴を操作する潜在的な能力を得ることができます。[ 19 ]
環境や季節要因は、考古学者が頻繁に雲に覆われる地域や周期的な考古学的特徴の影の角度が変化する地域で作業する場合、影の痕跡に影響を与える可能性があります。[ 1 ] [ 11 ]同様に、空気や植生の状態が完璧であっても、現代のインフラ、道路、現代の都市開発によって影の痕跡が歪んだり圧縮されたりして、解釈がますます困難になる場合もあります。[ 20 ]これらの問題に対処するため、考古学者は現在、影の痕跡分析と地中レーダー（GPR）および地形学的調査アプリケーションを併用して、過去の解釈を検証する統合的な方法論を日常的に使用しています。 [ 11 ]これらの非常に信頼されている学際的な技術と方法論は、考古学的遺跡の調査の精度を高め、最終的には考古学におけるリモートセンシングアプリケーションでの影の痕跡の有効性を検証します。[ 11 ]
最近の応用例では、スペクトル指数（バンド比やNDVIなど）が、作物の痕跡や湿った痕跡を含む考古学的特徴を覆い隠す雲の影の人工的な影響を軽減するために使用されています。[ 7 ]これらの指数は、雲の干渉などの大気の影響だけでなく、植生の成長や通過する気象システムから生じる一時的な自然の影にも対抗するのに役立ちます。[ 7 ]これらのアプローチを使用すると、埋没した溝から生じるものなど、見えにくい円形の痕跡の視認性を向上させることができます。
さらに、合成開口レーダー（SAR）技術、特にCOSMO-SkyMed Xバンドデータを使用した技術は、困難な環境条件下での影のマークの識別を改善する可能性を示しています。[ 21 ] SARデータを光学画像と重ね合わせると、特に光学的手法だけでは不十分な乾燥地帯や植生が密集した地域では、この組み合わせたアプローチによって検出の信頼性が大幅に向上します。[ 5 ]多時期平均化と単一日付強調（スペックルフィルタリングや形態学的処理を含む）の両方を使用して、地表下の微細な地形マークや構造の検出を改善しようとしました。[ 21 ] 2つの利点として、次の点が挙げられます。
影光学の今後の研究では、AI によってエージェント (センサーなど) が光の条件に素早く適応するように調整されるリアルタイム適応条件下での画像化が含まれる可能性が高い。[ 22 ]ハイパースペクトル画像化と LiDAR の改良により、影の正確な分類が増加し、偽陽性とエラーが減少する。物理学の成果と画像化手法の融合は限界まで続けられ、影の痕跡を効果的に解釈することは、リモートセンシングと考古学的な地球上の遺跡や特徴の検出の重要な枠組みとなる。[ 2 ]
シャドウマーク分析と人工知能（AI）の連携により、考古学的リモートセンシングに新たな可能性が開かれました。[ 9 ]シャドウマーク分析は従来、航空写真の解釈に基づいて遺跡を特定していました。しかし、近年の機械学習とコンピュータビジョンの技術進歩により、より効率的かつ正確な自動シャドウマーク分析が可能になりました。AIベースのアプローチにより、研究者は無数の航空写真や衛星画像のデータセットを分析し、人間の介入を最小限に抑えながらシャドウマークを特定することができます。[ 9 ]
この分野における顕著な進展は、影の痕跡の検出と分類に畳み込みニューラルネットワーク（CNN）を導入することである。 [ 23 ] CNNは、本物の考古学的影の特徴と、雲、植生、または都市の特徴によって引き起こされる他のアーティファクトを区別することができる。[ 23 ]さらに、研究者らは最近、既知の考古学的遺跡を含むデータセットでAIモデルをトレーニングすることにより、影の痕跡の自動検出の精度が向上したことを実証した。[ 9 ]研究者らは最近、クラスタリングアルゴリズムなどの教師なし学習法を使用して航空画像をセグメント化し、地下にある可能性のある特徴の影の特徴を抽出している。[ 9 ] [ 23 ]
もう一つの重要な進展は、3Dフォトグラメトリーと光シミュレーションを適用して影の痕跡の視認性を向上させることです。照明条件の仮想的な再構築により、研究者は太陽の角度とそれに対応する影の両方をシミュレートして再現することができ、さまざまな照明条件下で遺跡がどのように見えるかを視覚化することができます。この技術は、季節や天候条件のために現実世界の影の痕跡を検出できない場合に役立っています。[ 19 ]
AI 駆動型リモートセンシングでは、影分析と同時にマルチスペクトルデータ処理も採用され始めています。[ 9 ]正規化植生指数(NDVI)などのスペクトル指数を適用することで、研究者は物体の影のパターンを調べ、埋葬遺物に関連する影と植生の違いによって生成される影を区別する方法を確立できます。[ 9 ]この分離により、研究者は偽陽性の機会をフィルタリングできます。特に、樹木と考古学的影の区別が困難な密林地帯では有効です。[ 23 ]
影痕検出のためのこれらのAI手法は、世界中で常に利用できるとは限らない高品質のトレーニングデータセットに依存しているため、依然として限界があります。[ 9 ]また、景観の変化によって、時間の経過とともに生成される影の種類がさらに複雑化および多様化する可能性があるため、影認識のAIプロセスには継続的な開発と改善が必要になるという懸念もあります。[ 23 ]いずれにせよ、より多くのデータセットが利用可能になるにつれて、AI手法は考古学的調査のための年代リモートセンシングと影分析のルーチンの一部になると予想されます。[ 9 ] [ 23 ]