پیش بینی احتمال وجود محوطه های باستانی پیش ازتاریخ، از دوره مس و سنگ تا عصر آهن با استفاده از مدل رگرسیون لجستیک در محیط GIS، مطالعه موردی: دشت هرسین- بیستون

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 141

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-11-3_003

تاریخ نمایه سازی: 9 آبان 1400

چکیده مقاله:

گردآوری داده ها و ثبت محوطه های باستانی در باستان شناسی با روش بررسی میدانی، هزینه بر بوده و نیاز به نیروی انسانی و صرف وقت بسیار دارد. بر این اساس، استفاده از روش هایی که بتواند بدون نیاز به مشاهده مستقیم، احتمال وجود محوطه های باستانی را پیش بینی کند، نقش چشم گیری در صرفه جویی در زمان و هزینه های بررسی های میدانی باستان شناختی خواهد داشت. مسئله اصلی این پژوهش، ارزیابی میزان توانایی مدل رگرسیون لجستیک در پیش بینی پراکندگی محوطه های باستانی دشت هرسین- بیستون است. متغیرهای پیش بینی کننده برای این پژوهش شامل متغیرهای محیطی شیب، ارتفاع، فاصله تا رودخانه، پوشش گیاهی و متغیرهای فرهنگی فاصله تا شهرهای امروزی، تراکم روستاهای امروزی و فاصله تا جاده های اصلی می شوند و متغیر وابسته، متراکم ترین پهنه به لحاظ وجود محوطه های باستانی پیش از تاریخ است. نتایج نشان داد که مدل رگرسیون لجستیک در پیش بینی پراکندگی محوطه های باستانی در دشت هرسین- بیستون در دوره های مختلف موفق بوده است. همچنین معرفی پهنه های پرتراکم به لحاظ وجود محوطه های باستانی به عنوان متغیر وابسته به مدل در مناطقی که به لحاظ ریخت شناختی، دشت محسوب می شوند، کارآمد تر از معرفی صرفا نقاط GPS محوطه های باستانی است و به ترتیب متغیر فرهنگی تراکم روستاها در عصر مس وسنگ، تراکم روستاها، فاصله تا شهرها و فاصله از جاده های اصلی کنونی در عصر مفرغ، فاصله از شهرهای کنونی و فاصله از جاده های اصلی کنونی در عصر آهن، بیشترین تاثیر را در پیش بینی پراکندگی محوطه های باستانی داشته است. 

کلیدواژه ها:

نویسندگان

ساسان علیرضایی

دانش آموخته کارشناسی ارشد باستان شناسی، دانشگاه شهید بهشتی تهران

امیرصادق نقشینه

استادیار گروه باستان شناسی، دانشگاه شهید بهشتی تهران

جلال کرمی

استادیار گروه سنجش از دور و GIS، دانشگاه تربیت مدرس تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :