2018年2月13日

這是一幅由1254張圖像產(chǎn)生的印度西北部植被指數(shù)的合成圖像。圖像展示了一個(gè)由8000公里以上的古河道組成的復(fù)雜古河道網(wǎng)。新MSRM算法將有助于對(duì)印度西北部完整的古代古河網(wǎng)進(jìn)行制圖，并更好地了解公元前2600-1900年印度河流域文明發(fā)展情況。

圖片提供：Hector A. Orengo

　　遠(yuǎn)程探知地形變化工作長(zhǎng)期以來依賴航空和衛(wèi)星圖像解譯。然而，有效解析這些圖像的工作可能會(huì)受到拍攝時(shí)的環(huán)境條件阻礙、圖像質(zhì)量以及地形信息缺乏的影響。

　　最近，攝影測(cè)量（photogrammetry）、激光探測(cè)和測(cè)距（LiDAR）模型數(shù)據(jù)對(duì)于工程師、水文學(xué)家、景觀設(shè)計(jì)師和考古學(xué)家進(jìn)行地理分析已司空見慣。

　　一般來說，這些技術(shù)旨在突出小尺度“微地形”，如：最近在危地馬拉茂密叢林中發(fā)現(xiàn)的龐大瑪雅定居網(wǎng)絡(luò)。但是，如何在更大的范圍進(jìn)行這些點(diǎn)的連接呢？

　　本周發(fā)表于《地球表面處理與地形（Earth Surface Processes and Landforms）》期刊上的一項(xiàng)新研究成果中展示，英國(guó)劍橋（Cambridge）考古學(xué)家提出了一種新算法——多尺度地形模型（Multi-Scale Relief Model，MSRM）模型，它能夠在各種尺度上提取微地形信息，使用微、中、大尺度數(shù)字陸表（DSM）和數(shù)字地形（DTM）模型。

　　McDonald考古研究所研究員，該研究論文第一作者，Hector Orengo博士表明，我們最初開發(fā)這個(gè)算法是用于補(bǔ)充多時(shí)相多光譜遙感衛(wèi)星圖像，作為TwoRains項(xiàng)目的一部分，目前它應(yīng)用于重建史前印度西北部的河流網(wǎng)絡(luò)。

　　TwoRains多時(shí)相遙感途徑具有一種重要的作用，它能夠發(fā)現(xiàn)和精確地追蹤超過8000公里的殘水路線；該圖像已被選為今年劍橋科學(xué)節(jié)（Cambridge Science Festival）的封面圖片（見上圖）。

　　此外，論文作者意識(shí)到許多古代河流還未被發(fā)現(xiàn)。

　　Orengo博士指出，我們很快發(fā)現(xiàn)，探知和勘測(cè)堤壩、河床、河邊懸崖和沙丘等地形特征可以幫助我們深入了解古河流變化的行為以及他們最終消失的原因。MSRM新算法已經(jīng)解決了這一需求，它的應(yīng)用已經(jīng)大大擴(kuò)充了我們對(duì)印度西北部超過10000條新的古河道palaeoriver網(wǎng)絡(luò)的認(rèn)知。

　　了解印度河文明對(duì)當(dāng)時(shí)水資源進(jìn)行利用和管理的過程是TwoRains項(xiàng)目的核心。

　　該ERC資助項(xiàng)目的負(fù)責(zé)人、論文聯(lián)合作者Cameron Petrie博士評(píng)論，我們正在對(duì)人類適應(yīng)印度冬季和夏季降雨系統(tǒng)所創(chuàng)造的生態(tài)環(huán)境的本質(zhì)進(jìn)行調(diào)查。這些系統(tǒng)對(duì)于了解過去和規(guī)劃未來非常重要，因?yàn)樗鼈冇锌赡軐?duì)當(dāng)前問題產(chǎn)生直接影響，例如：糧食安全以及在特定地區(qū)的人類居住區(qū)的可持續(xù)性問題。

　　因?yàn)槿祟惪梢哉{(diào)整他們的行為適應(yīng)廣泛的各種不同的氣候和環(huán)境條件，所以至關(guān)重要的是，我們需要了解過去、現(xiàn)在和未來在面對(duì)天氣變化條件下以及遭遇突發(fā)氣候變化事件時(shí)，人類選擇所具有的恢復(fù)性和可持續(xù)性程度。重建位于印度西北部的Sutlej-Yamuna 河谷地區(qū)史前水文網(wǎng)絡(luò)有助于我們更全面了解這些適應(yīng)性。

　　Orengo博士認(rèn)為這種新方法在考古學(xué)領(lǐng)域外還有很多用途。他認(rèn)為，MSRM應(yīng)用也能有利于其他所有關(guān)于小地形差異解譯的研究領(lǐng)域。我們已在論文中開放代碼，希望其他研究人員能夠利用它開展他們的研究工作，并對(duì)其進(jìn)行評(píng)估和改進(jìn)。

　　原文題目：Micro to macro mapping - Observing past landscapes via remote-sensing

　　資料來源：https://www.arch.cam.ac.uk/micro-to-macro-mapping-2013-observing-past-landscapes-via-remote-sensing

　　（王化編譯，殷永元審核）