Scroll Top

Testen unserer Möglichkeiten

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:

Black Marble - Suomi NPP night image over Paititi research area
Bild der Erde in der Nacht aufgenommen vom US-Wetter-Satelliten Suomi NP. Rotes Oval markiert den Bereich unserer Suche nach Paititi. Die hellen Punkte im Bild entsprechen den Siedlungen, und der dunkle Ton entspricht den unbewohnten Gebieten. Der obere Teil des Bildes ist der Beginn eines fast unbewohnten Amazonasbeckens.

Insufficient data
Datos Insuficientes („nicht genügend Daten“ auf Spanisch) ist ziemlich übliche Bezeichnung auf topografischen Karten unseres Interessensgebietes, wenn die Karten überhaupt gefunden werden können.

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)
Schema der Struktur des Geoinformationssystems „Auf der Suche nach Paititi“.
Schema der Struktur des Geoinformationssystems „Auf der Suche nach Paititi“.

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:

Скриншот таблицы в PostgreSQL
Ein Fragment einer Tabelle mit einem Flussnetz in unserer Datenbank. Jeder einzelne Datensatz entspricht einem Fluss oder Bach. Natürlich ist es viel einfacher, sich die Flüsse auf einer Karte anzusehen, als die unbekannten Koordinaten in binärer Form zu betrachten.

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).

Ein Bildschirmfoto des GIS-Fensters „Auf der Suche nach Paititi“. Der grösste Teil wird vom Kartenbereich eingenommen, und es gibt die Ebenen, die diese Karte auf der linken Seite bilden; An der Spitze gibt es eine Vielzahl von Werkzeugen zum Bearbeiten und Analysieren von Geodaten. Alle Ebenen werden über das Internet aus der Datenbank geladen.

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.

Речная сеть, построенная с помощью ЦМР, и покрывающая 44 тыс. кв.км (район поиска Пайтити и окрестности)
Das Flussnetz wird mit DEM gebaut und umfasst 44 Tausend Quadratkilometer (Suchgebiet von Paititi und Umgebung).

Процесс привязки старинной карты (справа) по отчётливым линиям речной сети (слева).
Der Prozess der Georeferenzierung einer alten Karte (rechts) zu den ausgeprägten Mäandern eines Flussnetzes (links).

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.

ЦМР вместе с гидрографической сетью позволяет создать основу всего исследования. Без понимания рельефа невозможно искать Пайтити.
Das DEM bildet zusammen mit dem hydrographischen Netzwerk die Grundlage für die gesamte Studie. Ohne ein Verständnis des Geländes ist es unmöglich nach Paititi zu suchen.

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.

Ein Fragment der Karte der Oberflächenneigung. Orange und rote Bereiche (Neigung über 30°) können von der Analyse ausgeschlossen werden und der Fokus sollte auf „grüne“ Bereiche (Neigung weniger als 20°) gelegt werden. Gleichzeitig wird, wie aus dieser Abbildung ersichtlich, das Untersuchungsgebiet deutlich reduziert.

Eine Karte des Oberflächenabhangs für die Ruinen, die im Tal des Flusses Chunchusmayo entdeckt wurden. Die Ruinen befinden sich in kleinen Grünflächen, die Flächen mit einer Neigung von weniger als 20° entsprechen.

Фрагмент карты крутизны поверхности для руин Вилькабамбы. Руины находятся на большом ровном плато с крутизной поверхности менее 20°
Ein Fragment der Oberflächeneigungeitskarte für die Ruinen von Vilcabamba la Vieja. Alle Steinstrukturen befinden sich auf einem grossen flachen Plateau mit einer Neigung von weniger als 20°.

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.

Фрагмент карты уклона поверхности, где разными цветами закодированы направления по сторонам света.
Ein Fragment der Oberflächenaspektkarte, in dem alle Himmelsrichtungen mit unterschiedlichen Farben codiert sind.

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.

Фрагмент карты, представляющий совокупное солнечное излучение (прямое + рассеянное), поступающее на поверхность и вычисленное на весь 1500 год. Красный цвет соответствует максимальным значениям, жёлтый — средним, а чёрный - минимальным.
Ein Fragment der Karte, das die Verteilung der gesamten Sonnenstrahlung (direkt und gestreut), die an die Oberfläche kommt, darstellt und für das ganze Jahr 1500 n.Chr. berechnet wurde. Die rote Farbe entspricht den Maximalwerten, Gelb dem Durchschnitt und Schwarz dem Minimum.

Ein Fragment der Einstrahlungskarte für das Tal des Chunchusmayo Flusses. Die orange Symbole auf der Karte entsprechen den gefundenen Inka-Siedlungen. Diese Orte befinden sich in Gebieten mit überdurchschnittlicher Beleuchtung (rot). Das graue Symbol entspricht einer modernen Siedlung in der „gelben“ Zone.

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

Режим просмотра ЦМР наложенными спутниковыми снимками и реалистичной атмосферной дымкой.
DEM-Ansichtsmodus mit überlagerten Satellitenbildern und realistischem atmosphärischem Dunst.

Пример того, как использование трёхмерного просмотра местности помогает нам собирать необходимые сведения. Слева: фотография священной горы Апу Катинти, местоположение которой мы пытались определить (источник: Quest for Paititi, сайт экспедиции Грегори Дейерменджяна, copyright © 2004 Quest for Paititi). Справа: та же гора, обнаруженная в программе Google Earth, и в последствии занесённая в нашу базу данных.
Ein Beispiel, wie die Verwendung der dreidimensionalen Geländeansicht uns hilft, die notwendigen Informationen zu sammeln. Links: Foto des heiligen Berges Apu Catinti, den wir identifizieren wollten (Quelle: Quest for Paititi—Deyermenjian’s expedition website, copyright © 2004 Quest for Paititi). Rechts: Derselbe Berg, der in Google Earth gefunden und später in unsere Datenbank aufgenommen wurde.

Другой пример успешного применения 3D-просмотра местности при поиске горы с пятью вершинами (слева — фото, справа — 3D-модель).
Ein weiteres Beispiel für eine erfolgreiche Anwendung der 3D-Ansicht bei der Suche nach einem Berg mit fünf Gipfeln. Links – Foto von Carlos Neuenschwander Landa aus seinem Buch „Paititi en la bruma de la historia“. Rechts — 3D-Modell des Geländes.

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:

Gegenseitige Sichtbarkeit zwischen den Ruinen im Tal des Chunchusmayo Flusses

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.

Viewshed from the sacred mount of Apu Catinti
Die gelb hervorgehobenen Bereiche entsprechen den Territorien, die von der Spitze des heiligen Berges Apu Catinti aus sichtbar sind.

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).

Ein Fragment der Geländepassierbarkeitskarte.

Unterschiedliche Farben auf der Karte entsprechen unterschiedlichen Werten des Geländepassierbarkeitsindexes:

  1. Rot — unpassierbar
  2. Orange — fast unpassierbar
  3. Gelb — schwer passierbar
  4. Hellgrün — passierbar
  5. 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.

Фрагмент карты пригодности к заселению на район вокруг Мачу Пикчу.
Auf der rechten Seite — ein Ausschnitt unserer Eignungskarte für die Besiedlung in der Gegend um Machu Picchu. Wie Sie sehen können, befindet sich der berühmte Inka-Standort in der „grünen“ Zone mit einem hohen Eignungsindex.

Der Eignungsindex wird auf unserer Karte in verschiedenen Farben wie folgt angezeigt:

  1. Rot — sehr ungeeignet
  2. Orange — ungeeignet
  3. Gelb — leicht ungeeignet
  4. Hellgrün — geeignet
  5. 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).

Der Prozess der Bildinterpretation in QGIS. Die roten Linien zeigen die identifizierten linearen Strukturen (mögliche Strassen).

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.

Phoenix LiDAR - separate ground and forest
Die mit Lidar ausgerüsteten Drohnen ermöglichen die Erzeugung sogenannter „point clouds“, aus denen Informationen über die Oberfläche unter dem Wald gewonnen werden können. Quelle: ein Bildschirmfoto aus „Webinar: Popular UAV LiDAR Use Cases“Phoenix LiDAR, lizenziert unter Standard-YouTube-Lizenz / Vom Original geändert

Verweise

  1. LEE, Vincent R. Forgotten Vilcabamba: Final Stronghold of the Incas, 2000, USA, Empire Publishing, ISBN: 0-9677109-1, S.113
  2. LEE, Vincent R. Forgotten Vilcabamba: Final Stronghold of the Incas, 2000, USA, Empire Publishing, ISBN: 0-9677109-1, S.165

Warning: shell_exec(): Cannot execute a blank command in /var/www/u0317545/data/www/paititi.info/wp-content/themes/thegem/footer.php on line 2