باستان شناسان به خوبی می دانند که آثار مختلف باستان شناسی قابل مشاهده_مثل خاک،علایم کاشت، علایم سایه و نشانه های مرطوب_ شواهد بسیار مهمی هستند که نشان دهنده وجود بقایای باستان شناختی از فضا هستند.
این علایم به علت شرایط مختلف جغرافیایی و توپوگرافی در مقایسه با محیط اطراف خود، قابل مشاهده هستند. علایم خاک می تواند در رنگ، شکل و یا بافت خاک ظاهر شود(1و2) . به منظور شناسایی این ویژگی های دفن شده، از انواع تصاویر سنجش از دور استفاده شده است از جمله عکس های هوایی (1و3و4) تصاویر فضایی و رادار (5و7) ، تصاویر لیدار (8و9) همچنین تصاویر طیف سنجی (10-13) . اخیراً باستان شنان به شناسایی ویژگی های باستان شناختی با بکارگیری تصاویر با رزولوشن بالا علاقه مند شده اند که با تصاویرتجاری ماهواره ای امکان آن فراهم شده است.
با این وجود، جمع آوری این داده ها زمانگیر و پرهزینه است بنابراین محدودیت های شدیدی دراندازه منطقه ای که می توان بررسی کرد وجود دارد(21). در همین حال ، گوگل ارث ، برنامه کامپیوتری اطلاعات جغرافیایی یک جهان مجازی است که در سال 2005 منتشر شده است، و در حال حاضر به طور گسترده توسط برنامه ریزان،سیاست گذاران و مردم در تحقیقات و تدریس در علوم انسانی و علوم اجتماعی و طبیعی مورد استفاده قرار گرفته است (28-20و22) . در طول دهه گذشته گوگل ارث یک نوع بی سابقه از تصاویر با رزولیشن بالا با وضوح فضایی 1 متر یا بیشتر ارائه داده است. اگرچه این اطلاعات مالتی اسپکترال را ارائه نمی دهند. امابرای اولین بار حتی سایت های کوچک باستان شناسی نیز قابل شناسایی است که یک گام بزرگ برای پیشبرد باستان شناسی است(22و26و28و29).
استخراج آثار باستان شناسی از تصاویر سنجش از دور به عنوان یک کار مهم قبل از پردازش بیشتر است. تجزیه و تحلیل داده های سنجش از را دور و پردازش برای استخراج بقایای باستان شناختی اساساً تفسیر دستی یا بصری بوده است(30-33) . این شناسایی دستی موجب جلوگیری از اثرات غلط می شود اما وقت گیر هستند و بشدت به تجربه دیجیتال سازی باستان شناسان بستگی دارد . ردیابی بقایای باستان شناسی بسیار سخت است.آنها اغلب به عنوان اجزای جزئی به نظر می رسند که از وضوح تصویر درشت ، تخریب تصویر و حضور موانع (درختان،اشیاء ساخته انسان وغیره) به نظر میرسد که دید را کاهش می دهد. بقایای باستان شناختی ویژگی های مشابهی در تصاویر دارند از قبیل تنوع در سایه،رنگ خاک، الگوی رطوبت، نشانه های برف و علائم محصولات (15و20). به عبارتی، اکثر روش ها بر روی استفاده از کاربردهای افزایش رادیومتریک، فیلترهای فضایی و شاخص های طیفی برای تحقیقات باستان شناختی تمرکز کرده اند (15و36-38) . به منظور صرفه جویی در وقت ونیروی انسانی، مطالعات متعددی تلاش کرده اند روش های اتوماتیک را برای استخراج عناصر باستان شناسی (44-14و16و21و26و39) بکار گیرند.
کار موجود تقریباً به طور انحصاری بر روش های تحقیق برای استخراج (نیمه) خودکار از آثار باستانی از خطوط، مستطیل یا دایره ای از تصاویر سنجش از دور تمرکز می کند. روش های استخراج بقایای باستان شناختی مبتنی بر تصویر به دو دسته کلی تقسیم می شود : یکی از آنها بدون نظارت که کاملاً رویکرد خودمختار و آزادانه ای است و دیگری نظارت شده که نیاز به ورود یک متخصص دارد. روش های کنترل نشده (نظارت نشده) به تکنیک های تشخیص الگو برای شناسایی اثر باستان شناختی در یک تصویر به عنوان ویژگی های دایره ای یا بیضی شکل بستگی دارد(21و39). تصویر اصلی برای افزایش شناسایی بقایای باستان شناختی و استخراج واقعی با استفاده از تبدیل هاف (39) ، الگوریتم های ژنتیکی (21) یا رویکرد تقسیم تصویر (14و36) که مناطق با کنتراست واضح راشناسایی می کند برای پیش پردازش بکار می روند. همچنین مقایسه سه روش _GISوپیکسل و تکنیک های شی گرا_ نشان داده اند که روش مبتنی بر شی در تشخیص دیوار بهترین روش را دارد(14).
روش های نظارت شده (44-34و41) از مفاهیم یادگیری ماشین برای آموزش الگوریتمی برای استخراج بقایای باستان شناختی استفاده می کند. در مرحله یادگیری ، یک مجموعه از تصاویر حاوی بقایای باستان شناختی توسط متخصصین امر به یک الگوریتمداده می شود و در مرحله استخراج ،الگوریتم اثار باستانی را در یک مجموعه جدید بدون برچسب نشان می دهد. تکنیک مدل قالب پیوسته-صعودپذیر برای دستیابی به استخراج مقبره های باستانی عربی و علایم کشاورزی استفاده شده است(41و42) . بترتیب D’Orazio et al (34) یک روش نیمه اتوماتیک برا استخراج بقایای باستان شناختی که در یک منطقه بر اساس مدل کنتور فعال استفاده کرده است و در آن(43) روش های استخراج بقایای باستان شناختی شامل ترکیبی از مدل کنتور فعال ، تقسیم بندی تصویر و تحلیل فیلتر شی گرا است . در (44) الگوریتم های ژنتیکی نظارت نشده و حماین نظارت شده ماشین های برداری با هم مورد آزمایش قرار گرفت ، که باعث بهبود دقت استخراج تصاویر رادار زمین نفوذ می شوند.
قنات، همچنین به نام کاریز شناخته شده است، در حدود 3000 سال پیش بکار گرفته شده است (45) و هنوز هم به عنوانیکی از راه های اصلی تامین آببرای آبیاری وتوسعه کشاورزی نتنها در حوضه تورفان چین بلکه در کشورهای دیگر مانند ایران و افغانستان بکار می رود ( 49-46) .
یک قنات سیستم تامین آبی است که شامل یک تونل زیر زمینی است که به وسیله یک سری شافت ها (میله ها ) به هم متصل شده است و با استفاده از گرانش آب را از زیر به سطح زمین هدایت می کند .قنات یک منبع قابل اعتماد برای شهرک های انسانی و آبیاری در مناطق خشک و نیمه خشک فرام میکند و ابتدا توسط ایرانیان اختراع شد (48و46). آنها یک شکل از سیستم آبیاری سنتی هستند که کمک زیادی به اوج گرفتن تمدن های خود کرده اند053-50) در چین سیستم های قنات تنها در سین کیانگ وجود دارد . محققان چینی فکر می کنند که تاریخ قنات در سین کیانگ را می توان پیش از 2000 سال پیش به عقب برد،اما نظرات مختلف بر مبنای تاریخ و تاریخ قنات ناشی از فقدان مدارک وجود دارد.(52-53) در حال حاضر ، بسیاری از عوامل سیستم های قنت را در چینو در سراسر دنیا تهدید می کند. تغییرات آب وهوایی جهانی و بیابان زایی و گسترش شهرک ها (50-53و54) و مصرف بیش از حد آب شیرین و معرفی فناوری های جدید (509 و همچنین سیاست های نامناسب ، به کاهش سیستم های هوشمندانه قنات کمک کرده اند . (559). تعداد زیادی از قنات های باستانی _میراث کشاورزی وفرهنگی نادر و ارزشمند در جاده ابریشم باستانی_ در حوضه تورفان شمال سین کیانگ باقی می مانند . در دهه های اخیر ، قنات ها با چاه های پمپاژ مدرن جایگزین شدده اند تا تقاضا برای تامین آب در حوضه تورفان به شدت افزایش یافته است. بنابراین، ضرورت فوری برای حفاظت واحیای شبکه موجود از سیستم های قنات به منظور حفظ منبع آب و تنوع زیستی زراعتی در مناطق خشک جهان، ضروری است. تنها قسمت هایی از شافت های قنات (میله ها) نشان دهنده روند سیستم قنات ، از فضا قابل مشاهده اندو بطور کلی ،مطالعا اولیه قنات بر اساس نتایج استخراجدستی میله های قنات از نصاویر سنجش از دور (54و55) بود که نیاز به مقدار زیادی نیروی انسانی ،دانش خاص و مهارت داشت . در این مقاله، یک روش اتوماتیک برای استخرا ج میله های قنات با استفاده تبدیل دایره ای هاف (CHT) و سپس پردازش مورفولوژی ریاضی (MMP) و آشکار ساز لبه(CED) پیشنهاد می کنیم . مشارکت اصلی این کار شامل اتخاذ MMP و CED برای غلبه بر عملکرد محدود درزمینه ما با توجه به نقاط اختلال ما است . تست ها بر روی تصاویر گوگل ارث با رزولوشن بالا در زمینه های مختلف برای نشان دادن اثر بخشی روش در برنامه های گسترده انجام شده است .
انتشار یافته برای اولین بار در این وبگاه
"ذکر منبع حرفه‌ای گری شما را نشان میدهد"
سعید بیگی