Einführung
Seit Anfang 2017 haben wir alle möglichen räumlichen Daten betreffend Paititi gesammelt: Satellitenbilder, alte und moderne Karten, schriftliche und mündliche Zeugnisse, Ergebnisse anderer Expeditionen, wahre Dokumente und Legenden. Es war eine schwierige Aufgabe, die wir bis heute fortführen. Da wir mit digitalen Informationen arbeiten, benötigen wir auch Karten in digitaler Form: keine gescannten JPEG-Bilder, sondern Daten in einem Format, das für die Geoinformationsanalyse geeignet ist. Das Gebiet unseres Interesses ist unbewohntes Gebiet der östlichen Abhänge der Anden, und kartographische Materialien dafür sind nirgends zu finden. Und wenn sie es sind, dann in kleinem Umfang und nicht informativ genug. Um zu verstehen, womit wir es zu tun haben, werfen Sie einen Blick auf die folgenden zwei Abbildungen:
Nur die Fernerkundung der Erde (im Folgenden: ERS) gibt uns die Möglichkeit, verlässliche und relevante Informationen über das Untersuchungsgebiet zu erhalten, und geografische Informationssysteme (im Folgenden GIS) bündeln das Wissen über das Gebiet an einem Ort und helfen uns bei der Suche für eine Antwort auf die Hauptfrage: „Wo ist Paititi?“
Struktur von „In der Suche nach Paititi“ GIS
Um von den gesammelten Daten zu profitieren, haben wir unser eigenes GIS entwickelt — nennen wir es um der Schönheit willen „Auf der Suche nach Paititi“. Im Zentrum seiner Infrastruktur befindet sich ein virtueller privater Server, der auf dem Ubuntu-Betriebssystem läuft. Auf dem Server (wir nennen es einen GIS-Server) installierten wir Open-Source Geo-Information und Kartierungs-Software:
- PostgreSQL — ein objektrelationales Datenbankmanagementsystem mit PostGIS-Erweiterung zur Unterstützung geografischer Funktionen
- GeoServer — Software zur Veröffentlichung von Geodaten auf einem Server (Kartenserver)
Geografische Objekte verschiedener Typen (z. B. „Flüsse“, „Inkastrassen“, „Dörfer“ usw.) werden in separaten Tabellen gespeichert, und ihre Koordinaten werden in einer nicht lesbaren Binärform (für die Verarbeitungsgeschwindigkeit) aufgezeichnet:
Einmal pro Woche wird die Datenbank automatisch gesichert und an den Cloud-Speicher gesendet, um den Verlust unserer harten Arbeit im Falle eines GIS-Serverausfalls zu verhindern. Innerhalb eines Tages können wir das Projekt auf Zustand vor mindestens einer Woche zurücksetzen.
Die Speicherung aller räumlichen Informationen in einer Datenbank bietet uns eine grossartige Gelegenheit — alle Mitglieder des Paititi Research-Teams können von überall auf der Welt eine Verbindung zu ihr herstellen. Dazu müssen Sie die Open-Source-Software QGIS (sie läuft unter Windows, Mac OS und Linux) auf Ihrem Computer installieren. In QGIS können Sie unsere Geodaten bereits in der üblichen Form einer Karte, bestehend aus einzelnen GIS-Ebenen, einsehen und eine Vielzahl von Analysen durchführen. Die Zugriffsebene wird für jeden Benutzer individuell eingerichtet und bestimmt, was angezeigt oder bearbeitet werden kann (z. B. Hinzufügen neuer Objekte durch Interpretieren von Satellitenbildern).
Geoinformationsanalyse
Dann beginnt die interessanteste Schritt — Geoinformationsanalyse: die Schaffung von neuem Wissen aus bestehenden. Hier beginnen wir, unsere Fähigkeiten in vollem Umfang zu beweisen. Hier ist es wichtig, den grossen Beitrag, den das digitale Höhenmodell (im Folgenden: DEM) für unsere Forschung leistet, zu beachten. Es erlaubt, die quantitativen Eigenschaften der Oberfläche zu extrahieren und die Bewegung von Wasserströmungen zu simulieren, sowie die Beleuchtung des Territoriums zu berechnen.
Modellierung des detaillierten Stromgebietes
Das Flussnetz ist die Grundlage unserer Forschung und mit seiner Identifikation haben wir unsere Arbeit begonnen. Die Namen der Flüsse beziehen sich auf literarische Quellen; alle Expeditionen beschreiben ihre Bewegungen im Verhältnis zu Flüssen; mit Hilfe von Flüssen georeferenzieren wir alte Karten; Schliesslich nach wie vor bauen die Menschen entlang der Flüsse ihre Häuser. Um ungerade verbale Informationen mit Koordinatenreferenz in GIS zu verweisen, ist es wichtig, eine detaillierte Karte des Flussnetzes mit den tatsächlichen Namen der Ströme zu haben. Und Sie werden eine solche Karte nicht finden. Glücklicherweise ist die Simulation der Bewegung von Wasserströmen mit einem DEM kein grosses Problem, was wir auch getan haben. Natürlich ist es nach Erhalt einer solchen Karte notwendig, Flüsse und Bäche mit Namen zu versehen, was schon eine viel schwierigere Aufgabe ist: Da man sich in der anderen Hemisphäre der Erde befindet, ist es nicht immer möglich herauszufinden, wie die Einheimischen ein kleiner Fluss nennen (und das Internet ist auch nicht allmächtig). Am Ende konnten wir jedoch alle Flüsse, die irgendwie mit der Suche nach Paititi verbunden sind, identifizieren.
Erhalten von morphometrischen Eigenschaften eines Reliefs
Ein Relief gibt an, wie Flüsse fliessen, wie die Oberfläche nass und beleuchtet ist und wie Bäume wachsen. Für diejenigen, die mit topografischen Karten und DEM gearbeitet haben, sollte es offensichtlich sein: ein Relief ist die Grundlage dafür, wie wir uns niederlassen und wie wir unsere wirtschaftlichen Aktivitäten durchführen.
Oberflächenneigung
Die Steilheit (oder Neigung) bestimmt den Grad der Oberflächenveränderung in horizontaler und vertikaler Richtung und wird in Grad von 0 bis 90 gemessen. Wir haben versucht zu erkennen, welche Werte der Steigung alten und modernen Siedlungen in unserem Interessengebiet entsprechen. Die Ergebnisse sind interessant: Es zeigt sich, dass die Siedlungen auf Flächen mit einer Steilheit von nicht mehr als 20° liegen. Selbst wenn man im Hochland lebt, findet man immer noch ziemlich flache Oberflächen für das Leben. So können wir den Suchbereich deutlich reduzieren und unbewohnbare Bereiche mit einer Steilheit von mehr als 60° sicher eliminieren.
Oberflächenaspekt
Jeder bekannte Ort der Inkas in der Mitte ihres Reiches wurde aufgestellt, um die Morgensonne zu empfangen (sowohl aus religiösen als auch aus praktischen Gründen) [1]. Es stellt sich die Frage: Ist es möglich, solche Bereiche des Territoriums zu identifizieren, in denen es möglich wäre, die Morgendämmerung zu treffen? Die Antwort ist ja — wir können das tun, indem wir den Aspekt des Reliefs berechnen, der die Abwärtsrichtung in Bezug auf den Kompass bestimmt. Dies ist eine triviale Aufgabe in GIS.
Berechnung der eingehenden Sonnenstrahlung
Bei der Untersuchung der Weltraumbilder und DEM haben wir festgestellt, dass einige Bereiche aufgrund der Besonderheiten der Topographie ständig im Schatten liegen. Dann kam uns eine andere Idee in den Sinn: Was wäre, wenn wir die einfallende Sonnenstrahlung an der Oberfläche (Sonneneinstrahlung) auswerten würden, um solche, für das Leben ungünstigen Stellen, herauszufiltern? Um die Sonneneinstrahlung zu berechnen, verwendeten wir eine Software ArcGIS Pro — es dauerte einige Tage, da der Prozess der Berechnungen sehr ressourcenintensiv ist. Das Ergebnis ist eine thematische Rasterkarte der Strahlungsverteilung, wobei jedes Pixel eine Zahl in Watt pro Quadratmeter (W/m2) enthält. Natürlich sind absolute Werte der Sonneneinstrahlung für uns nicht wichtig. Wir haben verglichen, welche Strahlungswerte modernen Siedlungen und entdeckten Ruinen entsprechen, und schliesslich haben wir offensichtlich ungünstige Gebiete, die fast nicht von der Sonne beschienen werden, abgeschnitten.
3D Modellierung
Das Hinzufügen der dritten Dimension zu räumlichen Daten erhöht unsere Fähigkeit, sie zu interpretieren. Mit einem DEM können Sie das Gelände in 3D neu erstellen und dann alle anderen Daten darüber überlagern.
Visuelle Analyse
Computeranalyse der Sichtbarkeit
Als wir das Gebiet in 3D-Modus untersuchten, fanden wir plötzlich eine interessante Tatsache: Alle Ruinen im Tal des Chunchusmayo-Flusses waren gegenseitig sichtbar:
Später fanden wir Bestätigung für unsere Theorie. Die Inkas verwendeten regelmässig einfache Kommunikationsmethoden in direkter Sichtverbindung: Rauch und reflektiertes Sonnenlicht bei Tag und Feuer bei Nacht [2]. Also, bewaffnet mit einem weiteren Hinweis für die Suche nach Paititi, begannen wir die Theorie in der Praxis zu testen, um jene Gebiete zu markieren, die von den bereits bekannten Ruinen aus beobachtet werden können.
Erstellung von thematischen Karten
Die sogenannten thematischen Karten vermitteln mit grosser Vollständigkeit Elemente, Eigenschaften oder Phänomene, die auf allgemeinen geografischen Karten nicht dargestellt sind. Wir interessieren uns für zwei Eigenschaften der Landschaft, für die keine Karten gefunden werden können — sie sind die Eignung des Territoriums für Menschen und seine Passierbarkeit (Durchlässigkeit) zu Fuss.
Passierbarkeitskarte
Wir brauchen diese Karte, um eine Bodenexpedition zu planen – um die Route auf die optimale Weise (in Bezug auf Dauer und Leichtigkeit der Bewegung) zu machen. Als Hauptfaktoren für die Durchlässigkeit haben wir gewählt:
- Baumdichte
- Oberflächenneigung
Um die Dichte des Waldes zu bestimmen, verwendeten wir die Karten der VCF (Vegetation Continuous Fields), die an der Universität von Maryland basierend auf Daten von Landsat-Satelliten erstellt wurden. Für die Schätzung der Steigung nahmen wir DEM. Um diese beiden Datensätze zu kombinieren, wurden sie auf die gleichen Werte umklassifiziert. Die resultierende Passierbarkeitskarte zeigt die Verteilung des Indexes in einem Wert von 1 bis 5, wobei 5 entspricht passierbaren (flachen und entwaldeten) und 1 absolut unpassierbaren Flächen (steile Hänge mit dichtem Wald).
Unterschiedliche Farben auf der Karte entsprechen unterschiedlichen Werten des Geländepassierbarkeitsindexes:
- Rot — unpassierbar
- Orange — fast unpassierbar
- Gelb — schwer passierbar
- Hellgrün — passierbar
- Dunkelgrün — leicht passierbar
Siedlungseignungskarte
Wir haben verschiedene Karten für einzelne Faktoren, von denen wir glauben, dass sie die Eignung der Gebiete für das Leben der Menschen beeinflussen, erstellt. Diese Faktoren sind Ihnen bereits bekannte Karten von Oberflächenneigung, Sonneneinstrahlung und Oberflächenaspekt. Wir haben auch versucht, den Feuchtigkeitsgehalt des Untersuchungsgebiets durch die Berechnung des sogenannten topographischen Nässe-Indexes zu bestimmen. Nach zahlreichen Experimenten haben wir jedoch nur zwei Faktoren behalten, von denen wir eine Karte der Eignung für die Siedlung erstellt haben:
- Hangsteilheit
- Sonneneinstrahlung
Das Prinzip der Kombination dieser zwei Karten war das gleiche wie für die Geländepassierbarkeitskarte. Als Ergebnis haben wir einen Eignungsindex, der Werte von 1 bis 5 annimmt, wobei 5 flachen und gut beleuchteten Bereichen, die für menschliche Aktivitäten geeignet sind, entspricht.
Der Eignungsindex wird auf unserer Karte in verschiedenen Farben wie folgt angezeigt:
- Rot — sehr ungeeignet
- Orange — ungeeignet
- Gelb — leicht ungeeignet
- Hellgrün — geeignet
- Dunkelgrün — sehr geeignet
Das ursprüngliche Gebiet unserer Forschung war ungefähr 1300 Quadratkilometer. Nach der Kartierung der Siedlungseignung haben wir das Forschungsgebiet mehrfach reduziert und uns viele Stunden ergebnisloser Arbeit erspart.
Interpretation von Satellitenbildern
Dies ist die letzte Phase unserer Büroarbeiten. Indem wir das Suchgebiet von Paititi mit Hilfe der obigen räumlichen Analyse erheblich reduzierten, konnten wir die Interpretation von Fernerkundungsdaten von verschiedenen Satelliten und Flugzeugen weiterführen (mehr dazu unter „Von uns benutzte Geodaten“). Jetzt können wir das Territorium der peruanischen Selva auf der Suche nach etwas „Verdächtigem“ im Detail untersuchen, indem wir verschiedene Spektralbereiche verwenden: von der sichtbaren (mittlere Wellenlänge von 500 nm) bis zur Mikrowelle (Wellenlänge von etwa 20 cm).
Wir haben die Interpretation visuell durchgeführt, indem wir das fortschrittlichste Werkzeug dafür verwendet haben: unsere Augen und unser Gehirn. In der Tat haben wir Erfahrung in der automatischen Erkennung von Funktionen, und wir haben versucht, diesen Prozess zu automatisieren, einige Probleme sind jedoch aufgetreten:
- Wir sind nicht in der Lage klar zu formulieren das, was wir suchen, in Computer-verständliche Form. Dies kann zum Beispiel eine Variation in der Farbe und Helligkeit der Waldbedeckung sein, eine Art Spiel von Schatten und Licht… Wir haben eine Idee, wie maschinelle Lerntechniken angewendet werden können, um nach archäologischen Stätten in unbewohnten Gebieten zu suchen, aber es erfordert ernsthafte wissenschaftliche Studien und viel Erfahrung beim Schreiben neuer Algorithmen für maschinelles Lernen.
- Fernerkundungsdaten, die wir haben und die für eine detaillierte Suche geeignet sind, haben eine unzureichende spektrale Auflösung. Wir haben versucht, die spektralen Eigenschaften der Vegetation mit den Eigenschaften der darunter liegenden Oberfläche zu verbinden. Zum Beispiel, wenn einige Steinstrukturen halb unter dem Blätterdach des Waldes begraben sind, ändern sie sicherlich das Regime der Feuchtigkeit und Ernährung des Bodens an einem bestimmten Ort. Dies sollte den Chlorophyllgehalt in den Blättern beeinflussen (den wir aus dem Weltraum messen können), sowie auch die Menge an Biomasse, die letztlich zu einer Veränderung des Reflexionsvermögens im Gegensatz zu den umgebenden Bäumen führt. Unglücklicherweise haben die am besten geeigneten öffentlich verfügbaren Raumbilder, die dieses Problem lösen können, eine geringe räumliche Auflösung (etwa 10 m). Es ist notwendig, Weltraumbilder von kommerziellen Super-hochauflösenden Satelliten (30 cm) zu bestellen.
Sie können einige der gefundenen potentiellen Ruinen auf der Seite „Aktuelle Ergebnisse“ sehen.
Ausblick
Der Erwerb von Fernerkundungsdaten mit der besten räumlichen und spektralen Auflösung (und diese Daten sind auf dem kommerziellen Markt verfügbar) wird es uns ermöglichen, die Suche nach neuen archäologischen Stätten erheblich zu beschleunigen und zu vereinfachen. Jedenfalls wird nur eine einzige Bodenexpedition in der Lage sein, den Vogel abschiessen. Die beste Option, die wir anstreben, ist die Anschaffung eines unbemannten Luftfahrzeugs (UAV), ausgestattet mit einem Laserscanner (Lidar), der ein detailliertes Bild der Oberfläche unter der Abdeckung eines dichten Waldes und über eine grosse Fläche zur Verfügung stellen wird.
