Spatial soil information as a proxy for archaeological predictive modelling in arid regions: the Selevani plain example (Kurdistan, Iraq). - Archive ouverte HAL Accéder directement au contenu
Poster De Conférence Année : 2023

Spatial soil information as a proxy for archaeological predictive modelling in arid regions: the Selevani plain example (Kurdistan, Iraq).

L'information spatial des sols comme proxies pour l'archéologie prédictive en région aride: l'exemple de la plaine de Selevani (Kurdistan, Irak)

Résumé

Background: Archaeological predictive modelling (APM) is a powerful tool for collecting quantitative data used in cultural heritage management, preventive archaeology or more broadly for landscape planners (Nicu et al., 2019). The data used for APMs varies from one study to another and there are no “common” data sets to all these models besides digital elevation models and other remote sensing data. When it comes to predicting archaeological settlements, environmental factors seem preeminent (e.g., geology, soils, precipitation, and temperature). However, soil information has been often omitted from APM and not tested with statistical models, or their impact on the prediction model was assumed to be marginal. To the best of our knowledge, we are still in the early stages of understanding soils and their properties for settlement dynamics and their interactions with landscape development in an archaeological context, especially in dry regions. Therefore, in the current research, we aim to fill a methodological gap in APM regarding the role of soil information and its high potential to improve prediction models and to better understand the role of soils for settlement dynamics. Subject: Our studied area is located in Selevani plain, Iraqi Kurdistan covering over 800 km2 from the Bek’hair anticlines to the Tigris River and Mosul dam lake with the climate being arid in a temperate zone. The surveyed area contains 336 sites dating from the Paleolithic to the Islamic period. We sampled 101 soil profiles at different depth increments (0 – 10 cm; 10 – 30 cm; 30 – 50 cm; 50 – 70 cm; 70 – 100 cm) for archaeological classification and soil analyses. Then, soil properties were measured, and Soil Quality Ranking (SQR) was computed. SQR further was used as an input APM and the results showed if soil information is able to improve the prediction accuracy (Fathizad et al., 2020). The models were compared using different metrics and statistics (Verhagen, 2007). Discussion: Our work (session S34, ID 117) aims at not only to give the most accurate models for archaeological prediction maps in dry regions, but it will also be a first step in defining the settlement patterns in the Selevani plain. Indeed, prediction maps give precious information on the valuable’s environmental elements of archaeological settlements. Once combined with the concept of Site Exploitation Territories (SET) prediction maps will help to depict the past societies' geographical areas and their settlement patterns.
Contexte : Les modèles d'archéologie prédictive (MAP) sont un outil puissant pour la collecte de données quantitatives utilisées dans la gestion du patrimoine culturel, l'archéologie préventive ou plus largement pour les planificateurs du paysage (Nicu et al., 2019). Les données utilisées pour les MPA varient d'une étude à l'autre et il n'existe pas d'ensembles de données "communs" à tous ces modèles en dehors des modèles numériques d'élévation et d'autres données de télédétection. Lorsqu'il s'agit de prédire les établissements archéologiques, les facteurs environnementaux semblent prééminents (par exemple, la géologie, les sols, les précipitations et la température). Cependant, les informations sur les sols ont souvent été omises dans le modèle APM et n'ont pas été testées avec des modèles statistiques, ou bien leur impact sur le modèle de prédiction a été considéré comme marginal. À notre connaissance, nous n'en sommes qu'aux premiers stades de la compréhension des sols et de leurs propriétés pour la dynamique des établissements et leurs interactions avec le développement du paysage dans un contexte archéologique, en particulier dans les régions sèches. C'est pourquoi la présente recherche vise à combler une lacune méthodologique dans la GPA en ce qui concerne le rôle de l'information sur les sols et son potentiel élevé pour améliorer les modèles de prédiction et mieux comprendre le rôle des sols dans la dynamique de l'établissement. Objet d'étude : La zone étudiée est située dans la plaine de Selevani, au Kurdistan irakien, et couvre plus de 800 km2 depuis les anticlinaux de Bek'hair jusqu'au fleuve Tigre et au lac de barrage de Mosul, avec un climat aride dans une zone tempérée. La zone étudiée contient 336 sites datant du paléolithique à la période islamique. Nous avons échantillonné 101 profils de sol à différentes profondeurs (0 - 10 cm ; 10 - 30 cm ; 30 - 50 cm ; 50 - 70 cm ; 70 - 100 cm) pour la classification archéologique et l'analyse des sols. Ensuite, les propriétés du sol ont été mesurées et le classement de la qualité du sol (SQR) a été calculé. Le SQR a ensuite été utilisé comme entrée de l'APM et les résultats ont montré que les informations sur le sol pouvaient améliorer la précision de la prédiction (Fathizad et al., 2020). Les modèles ont été comparés à l'aide de différentes mesures et statistiques (Verhagen, 2007). Discussion : Notre travail (session S34, ID 117) vise non seulement à fournir les modèles les plus précis pour les cartes de prédiction archéologique dans les régions sèches, mais il constituera également une première étape dans la définition des schémas de peuplement dans la plaine de Selevani. En effet, les cartes de prédiction fournissent des informations précieuses sur les éléments environnementaux des sites archéologiques. Combinées au concept de territoires d'exploitation des sites (SET), les cartes de prédiction aideront à décrire les zones géographiques des sociétés du passé et leurs modes d'occupation.
Fichier principal
Vignette du fichier
CAA_2023_PosterV2.pdf (11.98 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-04601297 , version 1 (04-06-2024)

Licence

Identifiants

  • HAL Id : hal-04601297 , version 1

Citer

Mathias Bellat, Benjamin Glissmann, Ruhollah Tagizadeh-Mehrjardi, Tobias Rentschler, Paola Sconzo, et al.. Spatial soil information as a proxy for archaeological predictive modelling in arid regions: the Selevani plain example (Kurdistan, Iraq).. CAA 50 Years of Synergy, Apr 2023, Amste, Netherlands. 2023. ⟨hal-04601297⟩
17 Consultations
1 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More