Быков Н.И.   Глебова А.Б.   Сергеев И.С.  

Ландшафтные закономерности расселения человека в Юго-Восточном Алтае по археологическим данным

Докладчик: Быков Н.И.

Н.И. Быков1, А.Б. Глебова2, И.С. Сергеев2
1Институт водных и экологических проблем СО РАН, Барнаул, Россия
2Санкт-Петербургский государственный университет Институт наук о Земле,Санкт-Петербург, Россия
nikolai_bykov@mail.ru, a_glebova@mail.ru, igorsergeev.spb@gmail.com
Ландшафтные закономерности расселения человека в Юго-Восточном Алтае по археологическим данным

N.I. Bykov1, A.B. Glebova2, I.S. Sergeev2
1Institute of Water and Environmental Problems SB RAS, Barnaul, Russia
2St. Petersburg State University Institute of Earth Sciences, St. Petersburg, Russia
nikolai_bykov@mail.ru, a_glebova@mail.ru, igorsergeev.spb@gmail.com
Landscape regularity settlement of human in Southeast Altai according to archaeological data

Исследование поддержано грантами РФФИ: № 18-05-00998 «Морфолитогенез высокогорных долин Юго-Восточного Алтая в голоцене: изучение комплекса природных архивов на основе абсолютного датирования»; № 19-05-00535 «Природные катастрофы и трансформация ландшафтов юго-восточного Алтая и северо-западной Монголии в период с максимума последнего оледенения».

ABSTRACT: This article provides to the identification of landscape regularity of the location of archaeological sites in Southeast Altai. GIS analysis is based on available archaeological data and the Digital Relief Model (DEM). Based on the established regularities, a forecast map of the discovery of new unexplored archaeological sites has been compiled.


Расселения человека по территории, особенно в древнее время, сильно зависело от ландшафтных факторов, т.к. хозяйственная деятельность населения была неразрывно связана с природными условиями. В полной мере это относится и к Юго-Восточному Алтаю. Несмотря на длительную историю освоения, часто ощущается недостаток прямых письменных свидетельств о событиях прошлого, а нередко есть только косвенные свидетельства, основанные на сопоставление размещения археологических объектов с природными особенностями территорий. На основе ГИС-анализа имеющихся археологических данных и Цифровой Модели Рельефа (ЦМР) выявлены ландшафтные закономерности расположения археологических памятников в Юго-Восточном Алтае. На основе установленных закономерностей составлена прогнозная карта обнаружения новых неисследованных археологических объектов.
Юго-Восточный Алтай включает в себя массива Табын-Богдо-Ола и хребты Чихачева и Сайлюгем. В состав этой провинции входит плоскогорье Укок, Курайская и Чуйская котловины.
Для выявления ландшафтных закономерностей расселения человека в Юго-Восточном Алтае была составлена информационная база данных археологических памятников, как на основе литературных материалов [Кирюшин, Тишкин, 2003; Киселев, 1951; Кубарев, 1980; Кубарев, 2001; Слюсаренко и др., 2008; Буржуа и др. 2014; Соёнов, 1995 и многие др.], так и на собственных полевых исследованиях авторов [Быков, Крупочкин, 2015; Глебова, 2016; Глебова, Сергеев, 2019]. В информационной базе данных содержатся сведения о 1394 археологических объектах, из них в анализе участвовали 894 памятника более или менее разнесенные в пространстве. Встречающиеся памятники характеризуют все основные исторические эпохи Горного Алтая от каменного века до позднего средневековья, но большинство памятников относится к скифскому и тюркскому периодам. Среди памятников абсолютно преобладают курганы самых разных размеров. Встречаются как комплексы курганов, так и цепочки. Также распространены оленные камни, каменные изваяния, поминальные сооружения, оградки, балбалы, херексуры и др.
На основе ГИС-анализа имеющихся археологических данных и ЦМР [Сайт Геологической службы США] были созданы растры распределения археологических объектов по: абсолютной высоте; положению относительно водотоков; уклонам; экспозиции; интенсивности солнечной радиации за июнь; интенсивности солнечной радиации за декабрь. Эти данные использовались для определения статистических закономерностей размещения археологических объектов. Разрешение цифровой модели рельефа было уменьшено с 30 м до 50 м. Исследование проводилось в программе ArcGIS с использованием модуля пространственного анализа (Spatial Analyst Tools) [Самсонов, 2011; Электронный ресурс ArcGIS]
Геоинформационный анализ гистограмм позволил выявить ряд особенностей и закономерностей расположения археологических объектов в зависимости от ландшафтных условий (рис. 1. В). Наибольшее количество археологических памятников расположено в диапазоне высот от 1600 до 1700 м и от 2120 до 2180 м (рис. 1. В-а). Значительная часть памятников встречается на склонах с уклонами до 3,20 (рис. 1. В-б). Преобладающее количество объектов расположено на склонах южной, юго-восточной и западной экспозиции, что было связано с тем, что склоны этих экспозиций хорошо прогреваются в летнее время (рис. 1. В-г). Это давало возможность древним народам в весенне-летнее-осеннее время сооружать здесь курганы, т.к. многолетняя мерзлота оттаивала на большую глубину. Гистограммы распределения солнечной радиации в декабре и июне имеют правильную форму Гауссова распределения с максимумами 11,1 кДж/м2 за месяц и 199 кДж/м2 за месяц соответственно (рис. 1 В-д, В-е). Летний максимум сдвинут на гистограмме в правую часть графика, что указывает на предпочтения древних племен в хорошей теплообеспеченности мест сооружения погребальных сооружений в летнее время. При анализе состояние атмосферы не учитывалось.
Для возможности построения прогнозной модели на основе полученных статистик распределения был проведен анализ попарной взаимной корреляции по шести заявленным ландшафтным признакам, они составили от 0,05 до 0,3 [Девис, 1990]. Невысокие значения корреляции указывают на достаточную независимость признаков. На основании этого прогнозным методом был выбран метод «обучения с учителем» - одним из вариантов применения которого может являться построение нейронной сети [Мюллер, 2016-2017]. Создание кода для обучения нейронной сети осуществлялось в программной среде Python 3.7 [Официальный сайт разработчиков Python] с применением стандартных библиотек научного анализа данных: Numpy, Matplotlib, Skipy, Skicit-learn и др. [Официальный сайт разработчиков Python].
Обучение нейронной сети сложностью в 20х20 нейронов на произвольной тестовой части исходных данных показал хорошую обучаемость – только 3 из 100 объектов не были распознаны как потенциальные места сооружения древних погребальных сооружений.  Таким образом, результаты «обучения с учителем» были применены к исходным ландшафтным характеристикам на изучаемую территорию, что позволило выделить участки с различной прогнозной вероятностью месторасположения археологических объектов, от 0,5 до 1. Для удобства восприятия этой информации на карте данный интервал вероятности обнаружения археологических объектов в зависимости от рассмотренных ландшафтных признаков, был разбит на 5 классов (рис. 1. А): вероятность 0,5-0,6 – очень низкая; вероятность 0,61-0,7 – низкая; вероятность 0,71-0,8 – средняя; вероятность 0,81-0,97 – высокая; вероятность 0,98-1,00 – очень высокая. Как видно из прогнозной модели наибольшая вероятность обнаружения новых археологических объектов в Юго-Восточном Алтае по долинам рек.
Построенная прогнозная модель позволяет оценить вклад ландшафтных признаков в пространственные закономерности размещения культовых сооружений древних народов и использовать эти данные для более целенаправленных исследований и поиска новых археологических объектов.

Рис. 1. А – картосхема возможного расположения неисследованных археологических объектов. В – гистограммы распределения зафиксированных археологических объектов Юго-Восточного Алтая по: а – абсолютной высоте; б – положению относительно водотоков; в – уклонам; г – экспозиции; д – интенсивности солнечной радиации за июнь; е – интенсивности солнечной радиации за декабрь.
 

СПИСОК ЛИТЕРАТУРЫ:
Буржуа Ж., Черемисин Д.В., Плетс Г., Дворников Э.П., Эбель А.В., Стихельбаут Б., Ван Хооф Л., Гейли В. Археологический ландшафт долины Джазатора (Алтай): памятники и петроглифы эпохи энеолита – этнографического времени. // Археология, этнография и антропология Евразии 4 (60). 2014. С. 106-119.
Быков Н.И., Крупочкин Е.П. Археологические объекты Курайской котловины. Свидетельство о регистрации базы данных RU 2016620264, 19.02.2016. Заявка № 2015621671 от 25.12.2015.
Глебова А. Б. Ландшафтная приуроченность археологических памятников долины р. Джазатор (Алтай). //Известия Русского географического общества. Т. 148, вып. 6. 2016. С. 57 – 72. 3.
Глебова, А. Б., Сергеев, И. С. Ландшафтная приуроченность археологических памятников в окрестностях долины р. Ортолык (Алтай). //Вестник Санкт-Петербургского университета. Науки о Земле. Т. 64. № 3. 2019 г. С.403–420.
Дэвис С.Дж. Статистический анализ данных в геологии. /пер.англ/ Т.1, М., 1990. 319 с.
Кирюшин Ю.Ф., Тишкин А.А., 2003.  Скифская эпоха Горного Алтая. Ч. 2. Барнаул, 2003.
Киселев С.В. Древняя история Южной Сибири. Москва, 1951. 642 с.
Кубарев В. Д. Изваяние, оградка, балбалы (о проблемах типологии, хронологии и семантики древнетюркских поминальных сооружений Алтая и сопредельных территорий).  Алтай и сопредельные территории в эпоху средневековья. Сборник научных трудов.  Барнаул, 2001 С. 24 – 54.
Кубарев В.Д. Археологические памятники Кош-Агачского района (Горный Алтай) // Археологический поиск (Северная Азия). Новосибирск, 1980. С. 69–91.
Мюллер А., Гвидо С. Введение в машинное обучение. Руководство для специалистов по работе с данными. М., 2016-2017. 393 с.
Слюсаренко И. В., Богданов Е. С., Соенов В. И., 2008. Новые материалы гунно-сарматской эпохи из Горного Алтая (могильник Курайка). Изучение историко-культурного наследия народов Южной Сибири, Вып. 7, Горно-Алтайск, 42-57.
Соёнов, В. И.  Могильник Курайка, в: Проблемы охраны, изучения и использования культурного наследия Алтая, Изд-во Алт. ун-та, Барнаул, 1995. С.145–147.
Сайт Геологической службы США (United States Geological Survey - USGS).  http://earthexplorer.usgs.gov/. (дата обращения 02.03.2020 г.).
Самсонов Т.Е. Мультимасштабное картографирование рельефа: общегеографические и гипсометрические карты. Lambert Academic Publishing (LAP), 2011. 208 с.
Официальный сайт разработчиков Python: https://www.python.org/
Электронный ресурс библиотек Python: https://www.lfd.uci.edu/~gohlke/pythonlibs/
Электронный ресурс ArcGIS: http://resources.arcgis.com/ru/help/

 


К списку докладов