چکیده

این مقاله بر اساس روش تجزیه و تحلیل نقاط مهم (آمار معناداری Getis-Ord Gi*)، مدل مکعب فضا-زمان (STC) و روش آزمون روند Mann-Kendall، یک روش تحلیل مکانی-زمانی G-STC-M را بر اساس سایت های باستان شناسی این روش می‌تواند تجزیه و تحلیل متغیر داده‌های مکانی-زمانی و مدل مکعب فضا-زمان را برای کشف توزیع مکانی-زمانی سایت‌های باستان‌شناسی ادغام کند. روش G-STC-M برای انجام تجزیه و تحلیل برش زمانی بر روی داده‌های سایت‌های باستان‌شناسی در منطقه مورد مطالعه استفاده شد و ویژگی‌های تغییرات مکانی-زمانی سایت‌های باستان‌شناسی در شرق چین از سلسله تانگ تا سلسله چینگ مورد بحث قرار گرفت. پراکنش محوطه‌های باستان‌شناسی دارای نقاط حساس زمانی و کانون‌های مکانی است. از نظر زمانی، توزیع سایت های باستان شناسی روند افزایشی تدریجی را نشان داد و تعداد سایت های باستان شناسی در سلسله چینگ به حداکثر رسید. از نظر فضایی، نقاط داغ سایت‌های باستان‌شناسی عمدتاً در جیانگ‌سو (30 درجه تا 33 درجه شمالی، 118 درجه تا 121 درجه شرقی) و آنهویی (29 درجه تا 31 درجه شمالی، 117 درجه تا 119 درجه شرقی) و منطقه مرکزی ژجیانگ توزیع شده‌اند. (28 درجه تا 31 درجه شمالی، 118 درجه تا 121 درجه شرقی). از نظر زمانی و مکانی، توزیع مکان‌های باستان‌شناسی عمدتاً در شانگهای (30 درجه تا 32 درجه شمالی، 121 درجه تا 122 درجه شرقی) متمرکز است و به منطقه جنوبی گسترش می‌یابد.

کلید واژه ها:

محوطه های باستانی ; G-STC-M ; تحلیل مکانی – زمانی

1. مقدمه

در باستان‌شناسی، «محل‌های باستان‌شناختی» به بقایای فعالیت‌های انسان باستانی اطلاق می‌شود که در فرآیند توسعه تاریخی با ارزشی مهم وجود دارد [ 1 ، 2 ، 3 ]. با تجزیه و تحلیل محوطه‌های باستان‌شناسی و درک ویژگی‌های تنوع مکانی-زمانی آنها، می‌توان به عمق بخشیدن به درک محوطه‌های باستان‌شناسی در دوره‌های تاریخی کمک کرد.
با توجه به سوابق باستان‌شناسی و مطالب تاریخی خلاصه‌شده توسط محققان در گذشته، می‌توان دید که در سلسله تانگ، کانون‌های فعالیت‌های انسانی عمدتاً در استان یانگژو، استان چانگژو و استان هانگژو توزیع می‌شد. در سلسله سونگ، استان هانگژو، استان تایژو و استان لوژو به کانون فعالیت های انسانی تبدیل شدند. در سلسله یوان، استان Ningguo در نقاط حساس ظاهر شد. در سلسله مینگ، کانون‌ها عمدتاً در استان سوژو، استان آنکینگ و استان نینگگو توزیع شدند. در سلسله چینگ، استان Fengyang و استان Yingzhou نیز به کانون اصلی فعالیت های انسانی تبدیل شدند [ 4 ، 5 ، 6 ]]. این سوابق باستان شناسی عمدتاً توسط داده های اصلی مواد فیزیکی در قالب کلمات و تصاویر ثبت شده است [ 7 ، 8 ، 9 ]. برخی از مقایسه‌های داده‌های تاریخی وجود دارد، اما حجم داده‌ها ناقص است و وسعت مناطق تقسیم‌شده توسط هر سلسله سازگار نیست، که بر تحلیل سوابق باستان‌شناسی تأثیر می‌گذارد.
سایت‌های باستان‌شناسی شامل مکان‌های فرهنگی باستانی، مقبره‌های باستانی، ساختمان‌های باستانی، کنده‌کاری‌های غار و مقوله‌های دیگر (مانند چاه‌های باستانی، جاده‌های باستانی و غیره) است. آنها با باقیمانده ناقص، با دامنه جغرافیایی مشخص مشخص می شوند [ 10 ، 11 ]]. در حال حاضر روش‌های اصلی تحلیل و بیان مکانی- زمانی محوطه‌های باستانی به شرح زیر است: روش تحلیل شاخص آماری داده‌های مکانی، نمایش مدل مکانی-زمانی و روش تحلیل آمار مکانی در حال تغییر با زمان. روش تحلیل شاخص آماری داده‌های مکانی مبتنی بر شاخص‌های آماری روند متمرکز در آمار است که با روش تحلیل توصیفی رویدادها ترکیب می‌شود و شاخص‌های آماری را برای توصیف روند متمرکز در تحلیل فضایی مطرح می‌کند. این روش عمدتاً شامل روش تحلیل خودهمبستگی فضایی محلی داده ها [ 12 ، 13 ، 14 ] و روش تحلیل سلسله مراتبی مربوط به داده ها و سری های زمانی [ 15 ] می باشد.]. هدف از روش تجزیه و تحلیل خودهمبستگی فضایی محلی داده ها این است که تعیین کند آیا متغیرها از نظر مکانی همبستگی دارند و چقدر مرتبط هستند. این شامل تجزیه و تحلیل خوشه [ 16 ، 17 ]، تحلیل عاملی [ 18 ]، تجزیه و تحلیل مطابقت [ 19 ]، تجزیه و تحلیل رگرسیون [ 20 ، 21 ] و تجزیه و تحلیل نقاط داغ [ 22 ، 23 ] است.]. در میان آنها، روش تجزیه و تحلیل نقاط داغ به روش محاسبه آماری Getis-Ord Gi* برای هر عنصر در مجموعه داده های سایت های باستانی اشاره دارد. با استفاده از داده‌های محاسبه‌شده با این روش، می‌توانیم به وضوح درباره مکان خوشه‌بندی عناصر با ارزش بالا یا کم در فضا قضاوت کنیم. این روش می‌تواند داده‌های محوطه‌های باستان‌شناسی را بهتر آزمایش کند و مشخص کند که آیا نقاط داغ از نظر آماری محوطه‌های باستان‌شناسی در میان اشیاء تحقیقاتی وجود دارد یا خیر. روش تحلیل سلسله مراتبی مربوط به داده ها و سری های زمانی یک روش آماری برای پردازش داده های پویا است که قاعده آماری داده های تصادفی و همبستگی سری های زمانی را مطالعه می کند. این عمدتا شامل تجزیه و تحلیل سری زمانی ثابت [ 24 ]، روش تجزیه حالت تجربی مجموعه [ 25 ، 26 ] است.] و تجزیه و تحلیل آزمون روند من-کندال [ 27 ، 28 ]. در میان آنها، تجزیه و تحلیل آزمون روند Mann-Kendall یک روش آماری برای آزمایش همبستگی بین ارزش محوطه‌های باستان‌شناسی و رتبه سری‌های زمانی در مطالعه محوطه‌های باستان‌شناسی است. مزیت تجزیه و تحلیل آزمون روند Mann-Kendall این است که نیازی به پیروی از توزیع مشخصی از نمونه های تحقیق نیست و توسط تعداد کمی از موارد پرت مختل نمی شود. این روش بیشتر برای متغیرهای نوع و متغیرهای دنباله مناسب است و محاسبه نسبتاً ساده است.
مدل مکانی- زمانی نوعی مدل جغرافیایی است که می تواند به طور موثر داده های جغرافیایی زمانی را سازماندهی و مدیریت کند. این ویژگی کامل‌تر، معناشناسی مکانی-زمانی دارد و ساختار پویا را بیان می‌کند که با زمان تغییر می‌کند [ 29 ]. مدل مکانی-زمانی عمدتاً در تحلیل تغییرات زمانی داده‌های مکانی استفاده می‌شود. معمولاً، شامل یک مدل داده‌های مکانی-زمانی مبتنی بر رویداد [ 30 ]، مدل شی مکانی-زمانی [ 31 ]، حالت پایه با مدل اصلاحات [ 32 ]، مدل عکس‌های فوری متوالی [ 33 ]، مدل ترکیبی فضا-زمان [ 34 ] است. و مدل مکعب فضا-زمان [ 35 ، 36 ، 37]. در میان آنها، مدل مکعب فضا-زمان بعد مکانی-زمانی دو بعدی را ترکیب می کند و ویژگی های تغییر داده های مکانی-زمانی را از فضای سه بعدی در قالب یک مکعب نمایش می دهد. این فرم می‌تواند موقعیت مکانی و داده‌های سنی محوطه‌های باستان‌شناسی را بهتر ترکیب کند و توزیع مکانی-زمانی محوطه‌های باستانی را به‌طور شهودی و واضح‌تر بیان کند.
روش تجزیه و تحلیل آمار مکانی در حال تغییر با زمان نیز روشی است که برای مطالعه پراکندگی مکانی – زمانی محوطه‌های باستان‌شناسی مورد استفاده قرار می‌گیرد. این روش شامل تحلیل سری زمانی شاخص آماری مکانی و تحلیل تغییرات شاخص مکانی-زمانی می باشد. تجزیه و تحلیل سری زمانی شاخص آماری مکانی تغییر الگوی فضایی با زمان را منعکس می کند. روش های رایج مورد استفاده شامل تجزیه و تحلیل ترکیب [ 38 ]، تجزیه و تحلیل مقایسه ای از همان نوع [ 39 ]، تجزیه و تحلیل چند شاخص [ 40 ] و تحلیل روند زمانی [ 41 ] است.]. در این میان، تحلیل روند زمانی می‌تواند ارزش آماری مکانی محوطه‌های باستان‌شناسی را با توجه به سری‌های زمانی مربوطه تحلیل کند تا روند تغییرات آمار مکانی محوطه‌های باستان‌شناسی و زمانی را به‌دست آورد. این روش کاربردی و پرکاربرد است که به وضوح ویژگی های تمایز فضایی محوطه های باستانی را بیان می کند [ 42 ]]. علاوه بر این، تغییر آمار مکانی با زمان را نیز می توان با تحلیل تغییرات شاخص مکانی – زمانی نشان داد. تغییر مکانی-زمانی به عنوان تغییر توزیع مکانی با زمان در نظر گرفته می‌شود و آمارهای مکانی به ترتیب در هر نقطه زمانی ساخته می‌شوند و سپس با توجه به ترتیب زمانی به یکدیگر پیوند داده می‌شوند تا تغییر شاخص آماری مکانی را منعکس کنند. روش تحلیل تغییر شاخص مکانی-زمانی معمولاً با تحلیل برش مکانی-زمانی محقق می شود. تحلیل برش مکانی-زمانی به روش تقسیم بندی زمانی گروهی از داده های سری زمانی طولانی محوطه های باستانی و سپس توزیع مکانی آماری هر سری زمانی و در نهایت تحلیل مقایسه ای آمار مکانی سایت های سری زمانی مختلف اشاره دارد.
این مقاله روشی را برای مطالعه توزیع مکانی-زمانی محوطه‌های باستان‌شناسی پیشنهاد می‌کند که ترکیبی از تجزیه و تحلیل شاخص آماری مکانی، مدل مکعب فضا-زمان و تحلیل تغییرات زمانی آمار مکانی است. در این روش، (1) از تحلیل شاخص آماری داده‌های مکانی برای قضاوت در مورد همبستگی مکانی – زمانی داده‌های محوطه‌های باستان‌شناسی استفاده می‌شود، (2) از مدل مکعب فضا-زمان برای بیان توزیع مکانی – زمانی محوطه‌های باستان‌شناسی استفاده می‌شود. و (3) تجزیه و تحلیل تغییرات مکانی – زمانی آمار فضایی برای کشف تغییرات مکانی – زمانی سایت‌های باستان‌شناسی در منطقه مورد مطالعه استفاده می‌شود. در نهایت، از این روش برای تجزیه و تحلیل داده‌های برش زمانی محوطه‌های باستان‌شناسی استفاده می‌شود و ویژگی‌های تغییرات مکانی-زمانی محوطه‌های باستان‌شناسی به‌دست می‌آیند.
نتایج تحقیق برای تعمیق درک توزیع مکانی- زمانی محوطه‌های باستان‌شناسی در دوره‌های تاریخی، و همچنین ترویج تفسیر قانون فعالیت‌های انسانی و تسهیل توسعه بیشتر حفاری و حفاظت از محوطه‌های باستان‌شناسی مفید است [ 43 ، 44 ]. ، 45 ].

2. حوزه تحقیق و روش تحقیق

2.1. داده های باستان شناسی

منطقه مورد مطالعه در این مقاله در شرق چین (27°02′-35°20′ شمالی، 114°54′-123°10′ شرقی)، شامل استان آنهویی، استان ژجیانگ، استان جیانگ سو و شهر شانگهای واقع شده است. مساحت کل حدود 359140 کیلومتر مربع است . این مناطق توسط تپه ها، حوضه ها و دشت ها، با آب و هوای موسمی آشکار، رودخانه ها و دریاچه های متراکم پوشیده شده و منابع غنی تاریخی و فرهنگی، تسلط دارند.
با توجه به اداره میراث فرهنگی دولتی چین که جزو اولین تا هشتمین دسته راهنمای اطلاعات واحد حفاظت از آثار فرهنگی در سطح استانی فهرست شده است، این مقاله منطقه مورد مطالعه در سلسله تانگ، سلسله سونگ، سلسله یوان، سلسله مینگ و سلسله چینگ را انتخاب می‌کند. پنج سلسله در محوطه های باستان شناسی در واحد حفاظت از آثار فرهنگی ملی و استانی، به عنوان هدف تحقیق (مجموعاً 1846 محوطه). اطلاعات منتشر شده شامل موقعیت جغرافیایی محوطه‌های باستان‌شناسی، سلسله‌ای که در آن وجود داشته و نوع محوطه باستان‌شناسی به آن تعلق دارد. از نظر سلسله‌هایی که محوطه‌های باستان‌شناسی به آن‌ها تعلق دارند، محوطه‌های باستان‌شناسی سلسله‌های تانگ، سونگ، یوان، مینگ و چینگ به ترتیب ۶۷، ۱۹۱، ۵۷، ۶۲۳ و ۹۰۸ هستند.جدول 1 .
ما طول و عرض مکانی داده‌های این سایت‌های باستان‌شناسی را جمع‌آوری کردیم و تمام مقادیر مشخصه‌ها را در ابزار تحلیل وارد کردیم تا پایگاه داده شی تحقیق را به دست آوریم. در پایگاه داده سایت های باستانی، هر محوطه باستانی با داده های نقطه ای مربوطه نشان داده می شود. مقادیر مشخصه آن عبارتند از ID، نام، سلسله، فاصله زمانی، زمان شروع، زمان پایان، طول جغرافیایی، عرض جغرافیایی، انواع و موقعیت جغرافیایی مربوطه، همانطور که در شکل 1 نشان داده شده است.
منطقه مورد مطالعه از سلسله تانگ تا سلسله چینگ، که پنج سلسله در توزیع فضایی سایت‌های باستان‌شناسی را پوشش می‌دهد، در شکل 2 و شکل 3 نشان داده شده است .

2.2. Getis-Ord Gi* روش آماری نقاط سرد و گرم معنی‌دار

Getis-Ord Gi* یک روش آماری است که توسط Getis و Ord در سال 1995 برای شناسایی نقاط داغ در مجموعه داده های فضایی [ 46 ، 47 ] پیشنهاد شد.]. خود همبستگی فضایی محلی بین سایت‌های باستان‌شناسی، همبستگی بین محوطه‌های باستان‌شناسی در منطقه مورد مطالعه و استان‌های همجوار آن (شهرداری‌های مستقیماً زیر نظر دولت مرکزی) را توصیف می‌کند. به عنوان شاخصی برای ارزیابی خودهمبستگی فضایی محلی، از آمار محلی Getis-Ord Gi* استفاده می‌شود تا مشخص شود که محوطه‌های باستان‌شناسی در منطقه مورد مطالعه با مقادیر بالا (نقاط داغ) یا مقادیر کم (نقاط سرد) خوشه‌بندی شده‌اند. در این مقاله از روش Getis-Ord Gi* برای شناسایی نقاط سرد و گرم با اهمیت آماری در میان محوطه‌های باستان‌شناسی محدوده مورد مطالعه استفاده شده است. آمار محلی Getis-Ord Gi* را می توان به صورت (معادله (1)) بیان کرد:

جیمن*=∑j=1nwمن،jایکسj-ایکس¯∑j=1nwمن،jاسn∑j=1nwمن،j2-∑j=1nwمن،j2n-1

که در آن: xi مقدار ویژگی عنصر j سایت های باستانی و w(i,j) وزن فضای بین عناصر i و j سایت های باستانی است. هنگامی که عنصر j همزمان در محدوده فضای همسایگی و محدوده زمانی عنصر هدف i قرار می گیرد، w(i,j) = 1; در غیر این صورت، w(i,j) = 0، و n تعداد کل عناصر است. معادلات (2) و (3) به شرح زیر است:

ایکس¯=∑j=1nایکسjn
اس=∑j=1nایکسj2n-ایکس¯2
در معادلات، آمار Gi* یک امتیاز Z را برمی‌گرداند که مضربی از انحراف استاندارد است و درجه پراکندگی یک مجموعه داده را منعکس می‌کند.
پیش نیاز استفاده از Getis-Ord Gi* برای محاسبه نقاط سرد و گرم قابل توجه محوطه های باستان شناسی این است که مجموعه داده های سایت های باستانی دارای ویژگی های خوشه بندی فضایی باشند. بر اساس فرضیه صفر توزیع تصادفی محوطه‌های باستان‌شناسی، این مقاله ابتدا تحلیل مدل عنصری را انجام می‌دهد. تحلیل مدل عنصری عمدتاً برای قضاوت در مورد همبستگی فضایی سایت‌های باستان‌شناسی استفاده می‌شود. Z-score و p -value محاسبه‌شده توسط این ابزار تحلیل می‌تواند برای تعیین اینکه آیا داده‌های سایت‌های باستان‌شناسی ویژگی‌های خوشه‌بندی معنی‌دار آماری یا الگوهای گسسته را نشان می‌دهند استفاده می‌شوند. در توزیع نرمال، Z-score و p– مقادیر برای اندازه گیری الگوی توزیع فضایی استفاده می شود. Z-score مضربی از انحراف استاندارد است که درجه پراکندگی یک مجموعه داده را منعکس می کند. p – value احتمال را نشان می دهد و احتمال یک رویداد را منعکس می کند [ 48 ]. همانطور که در شکل 4 نشان داده شده است ، اگر در هر دو انتهای نتایج آماری، نمرات Z بسیار بالا یا بسیار پایین، مربوط به مقادیر p کوچکتر به نظر برسد، مکان‌های باستان‌شناسی با الگوی توزیع مکانی نقطه‌ای از یک مجموعه داده شناسایی می‌شوند که مطابقت ندارد. به فرضیه صفر نشان داده شده توسط یک الگوی تصادفی، در حالی که اگر قدر مطلق Z-score بالاتر باشد، مربوط به p بزرگتر است.– مقادیر، نشان می دهد که سایت های باستان شناسی داده های نقطه ای دارای ویژگی های آشکار خوشه بندی فضایی هستند.
توزیع فضایی داده‌های محوطه‌های باستان‌شناسی با «اطمینان» آزمایش می‌شود. اطمینان به نسبت داده‌ها با ویژگی‌های خوشه‌بندی فضایی در داده‌های محوطه‌های باستان‌شناسی اشاره دارد. اطمینان پیش شرط لازم برای رد فرضیه صفر است. به طور کلی، اطمینان 90٪، 95٪ یا 99٪ است، که در این میان 99٪ نشان دهنده رد فرضیه صفر است، یعنی موقعیت مکانی در یک منطقه خاص توزیع کاملا تصادفی را ارائه نمی دهد.
اگر داده‌های محوطه‌های باستان‌شناسی ویژگی‌های خوشه‌بندی فضایی را از طریق تحلیل الگوی عناصر نشان دهند، سپس Getis-Ord Gi* برای محاسبه نقاط سرد و گرم قابل توجه محوطه‌های باستان‌شناسی استفاده می‌شود. با این حال، با استفاده از روش Getis-Ord Gi* فقط می‌توان نقاط سرد و گرم محوطه‌های باستان‌شناسی را در فضا محاسبه کرد که توزیع خوشه‌بندی با ارزش بالا یا خوشه‌بندی کم ارزش محوطه‌های باستانی در فضا را نشان می‌دهد. از ویژگی زمانی محوطه های باستانی به طور کامل استفاده نشده است.

2.3. ساخت مدل مکعب فضا-زمان

مقیاس مکانی-زمانی شامل مقیاس زمانی و مقیاس فضایی است. در این مقاله از روش ناکس برای محاسبه مقیاس مکانی-زمانی استفاده می کنیم. تعیین مقیاس مکانی-زمانی مقدمه بیان مکعب فضا-زمان است. اگر مقیاس خیلی بزرگ باشد، ممکن است دقت تحلیل مکعب فضا-زمان تحت تأثیر قرار گیرد. اگر مقیاس خیلی کوچک باشد، ممکن است تعداد زیادی ستون خالی ظاهر شود [ 49 ، 50 ]. در تحلیل خوشه‌بندی فضایی، معمولاً از روش آزمون تعامل مکانی-زمانی ناکس برای یافتن قوانین تغییرات توزیع مکانی داده‌ها در محدوده‌های مکانی مختلف استفاده می‌شود و با توجه به قوانین تغییرات به‌دست‌آمده، می‌توان از آن به عنوان مرجع برای تعیین فاصله استفاده کرد. آستانه در تجزیه و تحلیل خوشه بندی [ 51]. در این مقاله از روش آزمون تعامل مکانی-زمانی ناکس برای بررسی الگوهای تجمع محوطه های باستانی در شرایط مختلف زمانی و مکانی استفاده شده است و بر این اساس مقیاس مکانی- زمانی مکعب فضا-زمان محوطه های باستانی محاسبه می شود. .

در این مقاله فرض بر این است که n محوطه باستانی در فضا-زمان وجود دارد و روش ناکس ابتدا تمام محوطه های باستان شناسی را به صورت جفت ترکیب می کند تا N جفت نقطه باستانی را تشکیل دهد، همانطور که در رابطه (4) نشان داده شده است. در همین حال، یک مقدار بحرانی بر روی زمان (t) و فضای (d) تعریف شده است. سپس رابطه همجواری بین جفت محوطه باستانی یک به یک مورد قضاوت قرار می گیرد. اگر فاصله مکانی دو محوطه باستانی بین [0, d] باشد، این دو محوطه باستانی به مجاورت فضایی تعلق دارند. تعداد محوطه‌های باستان‌شناسی مجاور شمارش می‌شود و Ns به عنوان لگاریتم محوطه‌های باستان‌شناسی مجاور در فضا تعریف می‌شود. اگر فاصله زمانی بین دو محوطه باستانی بین [0, t] باشد، این دو محوطه باستانی متعلق به زمان مجاور هستند، و Nt به عنوان گزارش سایت های باستان شناسی مجاور زمان تعریف می شود. تنها زمانی که دو محوطه باستان شناسی هر دو با هم مجاورت مکانی-زمانی برخورد کنند، می توان این جفت سایت های باستان شناسی را به عنوان مجاورت مکانی- زمانی ارزیابی کرد. با توجه به رابطه مجاور بین دو محوطه باستان شناسی، مقدار مشاهده شده، K، کمیت آزمون آماری است، همانطور که در رابطه (5) نشان داده شده است:

ن=nn-12
ک=12∑متر∑n≠مترDدقیقه×تیدقیقه

که در آن m و n به ترتیب نشان دهنده محوطه باستانی m و محوطه باستانی n در جفت سایت های باستانی هستند. Dmn نشان دهنده رابطه مجاورت فضایی بین جفت سایت باستان شناسی است. اگر محوطه‌های باستان‌شناسی m و n در مجاورت فضا باشند، Dmn = 1. در غیر این صورت، Dmn = 0. Tmn رابطه مجاورت زمانی بین جفت محوطه باستانی است. اگر محوطه‌های باستان‌شناسی m و n از نظر زمانی مجاور باشند، Tmn = 1. در غیر این صورت، Tmn = 0.

ما از مکعب فضا-زمان برای بیان بعد فضا-زمان استفاده می کنیم. مدل مکعب فضا-زمان توسط هاگرستراند پیشنهاد شد، که محور زمان را در فضای دو بعدی سنتی معرفی کرد و با ساخت مکعب فضا-زمان، داده های مکانی-زمانی را بیان کرد [ 52 ].]. هر مکعب فضا-زمان از یک نوار فضا-زمان واحد، متشکل از سطرها، ستون ها و مراحل زمانی تشکیل شده است. در مکعب فضا-زمان، تعداد ردیف های ضرب در تعداد ستون ها در تعداد مراحل زمانی، تعداد کل ستون های مکعب فضا-زمان است. سطرها و ستون های مکعب فضا-زمان موقعیت مکانی اشیاء جغرافیایی را توصیف می کنند و گام زمانی مکعب فضا-زمان نشان دهنده ویژگی زمانی شی جغرافیایی است. مکعب فضا-زمان برای نشان دادن شهودی ویژگی‌های مکانی و ویژگی‌های موجودات (یا پدیده‌های) جغرافیایی در حال تغییر با زمان در فضای سه‌بعدی، همانطور که در شکل 5 نشان داده شده است، ساخته شده است .
در این مقاله، نقاط محوطه‌های باستان‌شناسی در ستون‌های فضایی-زمانی تجمیع شده‌اند که در آن ردیف‌ها و ستون‌ها موقعیت جغرافیایی نقاط محوطه‌های باستانی و مراحل زمانی، زمان تاریخی نقاط محوطه‌های باستانی را توصیف می‌کنند. مکعب فضا-زمان محوطه‌های باستان‌شناسی از طریق تعدادی ستون فضایی-زمانی تجسم می‌شود که در آن هر ستون نشان‌دهنده تغییر محوطه‌های باستان‌شناسی در یک مکان خاص در طول زمان است و ستون کل نشان‌دهنده تغییر محوطه‌های باستان‌شناسی در مکان های مختلف در زمان های مختلف ستون‌هایی که یک مکان را پوشش می‌دهند و در محدوده‌های گام‌های زمانی مختلف توزیع شده‌اند، مکان یکسانی دارند و یک سری زمانی ستونی را در مجموعه داده‌های سایت‌های باستان‌شناسی تشکیل می‌دهند. ستون‌هایی که محدوده زمانی یکسانی را پوشش می‌دهند و در مکان‌های فضایی مختلف توزیع می‌شوند، زمان یکسانی دارند و یک برش زمانی در مجموعه داده‌های سایت‌های باستان‌شناسی را تشکیل می‌دهند. مدل مکعب فضا-زمان محوطه های باستان شناسی را می توان به صورت یک مکعب سه بعدی متشکل از تعداد زیادی ستون مکانی-زمانی در موقعیت های مکانی مختلف مشاهده کرد.
مزیت ایجاد مدل مکعب فضا-زمان محوطه های باستانی این است که بیان ویژگی های زمانی محوطه های باستانی بسیار شهودی است. اگر ادغام روش‌های آماری ریاضی وجود نداشته باشد، توزیع مکانی و زمانی محوطه‌های باستان‌شناسی به‌طور کمی قابل توصیف نیست. از سوی دیگر، با افزایش حجم داده ها، دستکاری مکعب پیچیده تر و پیچیده تر می شود، تا جایی که در نهایت غیر قابل مدیریت می شود.

2.4. روش آزمون روند Mann-Kendall

روش Mann–Kendall که توسط Mann and Kendall ارائه شده است، یک روش آزمایشی برای تحلیل همبستگی بین مقدار عددی پدیده های جغرافیایی آماری و رتبه سری های زمانی است [ 53 ]. روش آزمون Mann-Kendall ناپارامتریک (بدون آزمون توزیع) است. مزیت آن این است که فرضیه آزمایشی نیازی به پیروی از قانون توزیع مشخصی از نمونه محوطه های باستانی ندارد یا توسط چند نقطه پرت مختل می شود و می تواند تغییرات متغیرهای داده های محوطه های باستانی را که در طول زمان افزایش یا کاهش می یابد به دقت آزمایش کند.

در این مقاله، از آزمون من-کندال برای آزمایش روند تغییرات توزیع مکعب فضا-زمان در محوطه‌های باستان‌شناسی استفاده شده است. در هر مکان با داده‌ها، روش روند Mann-Kendall آزمایش‌هایی را روی سری‌های زمانی ستون‌های مکانی-زمانی سایت‌های باستان‌شناسی مستقل انجام می‌دهد. روند سری های زمانی هر نوار فضا-زمان به عنوان یک امتیاز Z و یک مقدار p ثبت می شود . یک مقدار p کوچک نشان می دهد که روند دارای اهمیت آماری است. نمادهای مرتبط با امتیاز Z می‌توانند تعیین کنند که آیا روند افزایش میله‌های مکانی-زمانی (امتیاز Z مثبت) یا کاهش میله‌های فضا-زمان (امتیاز Z منفی) است. برای سری های زمانی، X = {x1، x2، …، xn،} و آزمون روند Mann–Kendall مطابق معادلات (6) و (7) است:

اس=∑من=1n-1∑j=من+1nsgnایکسj-ایکسمن
sgnایکسj-ایکسمن=1 ،ایکسj>ایکسمن0 ،ایکسj=ایکسمن-1 ،ایکسj<ایکسمن

وقتی n بزرگتر یا مساوی 10 باشد، آمار ستون مکانی- زمانی، S، محوطه های باستان شناسی اساساً از توزیع نرمال با مقدار میانگین 0 تبعیت می کند و واریانس مطابق با معادلات (8) و (9) محاسبه می شود. ):

Varاس=nn-12n+518
زج=اس-1Varاس ،اس>0       0 ، اس=0اس+1Varاس ،اس<0
روش Mann-Kendall را می توان برای تشخیص روند تغییر مکان های باستان شناسی و اهمیت روند در حال تغییر استفاده کرد. با این حال، این روش فقط برای تحلیل روند سری های زمانی قابل استفاده است. اگر با مکعب فضا-زمان سایت‌های باستان‌شناسی ترکیب شود، می‌توان روند ارزش نوار فضا-زمان موقعیت جغرافیایی هر محوطه باستان‌شناسی را اندازه‌گیری کرد و روند سری زمانی محوطه‌های باستان‌شناسی را در کل منطقه مورد مطالعه به‌دست آورد.

2.5. روش G-STC-M

روش G-STC-M به روش تحقیق توزیع مکانی- زمانی محوطه‌های باستان‌شناسی اشاره دارد که Getis-Ord Gi*، مدل مکعب فضا-زمان و روش آزمون روند Mann-Kendall را ادغام می‌کند. Getis-Ord Gi* برای قضاوت در مورد همبستگی مکانی-زمانی داده های سایت های باستان شناسی، مدل مکعب فضا-زمان برای بیان توزیع مکانی- زمانی سایت های باستان شناسی و از روش آزمون روند Mann-Kendall برای کاوش استفاده می شود. تغییرات مکانی – زمانی محوطه های باستانی در منطقه مورد مطالعه
در این روش ابتدا مدل مکعب فضا-زمان محوطه‌های باستان‌شناسی ساخته شد، مکعب فضا-زمان استاندارد محوطه‌های باستان‌شناسی تنها بیان‌کننده تعداد محوطه‌های باستان‌شناسی در فضا-زمان است و سپس سردی قابل‌توجهی است. و نقاط داغ برای هر ستون مکانی-زمانی شمارش شد. مکعب فضا-زمان محاسبه شده با روش آماری Getis-Ord Gi* می تواند ظاهر نقاط سرد و گرم محوطه های باستان شناسی را در فضا-زمان نشان دهد. در مرحله دوم، روش آماری روند Mann-Kendall برای تجزیه و تحلیل روند سری های زمانی هر ستون از مکعب فضا-زمان محوطه های باستان شناسی، با مقدار Z به دست آمده با روش آماری Getis-Ord Gi* استفاده شد. در این روش، همه داده‌های سایت در یک مدل مکعب فضا-زمان ادغام می‌شوند تا داده‌های مکانی-زمانی را در حالت سه بعدی نمایش دهند و ویژگی‌های مکانی-زمانی آن را منعکس کنند. ترکیب با روش‌های G و M تجزیه و تحلیل متغیر داده‌های مکانی-زمانی، نقاط کانونی مکانی-زمانی و روند تغییرات آن‌ها در سایت‌های باستان‌شناسی به صورت کمی تحلیل می‌شوند. در نهایت با استفاده از این روش و تحلیل برش مکعب فضا-زمان، ویژگی‌های تغییرات مکانی- زمانی محوطه‌های باستان‌شناسی به دست می‌آید.
فرآیند فنی در شکل 6 نشان داده شده است .

3. آزمایش کنید

در این آزمایش از ArcGIS ® Pro شرکت Esri به عنوان ابزار آزمایشی استفاده شد.

3.1. محاسبه نقاط سرد و گرم قابل توجه در محوطه های باستان شناسی

ابزار تجزیه و تحلیل خوشه ای در ابزار آمار فضایی ArcGIS ® Pro برای انجام تحلیل مدل المان در محوطه های باستان شناسی در منطقه مورد مطالعه استفاده شد. زمان شروع در ویژگی داده‌های محوطه‌های باستان‌شناسی به عنوان میدان تحلیل برای انجام تحلیل همبستگی فضایی تعیین شد. نتایج نشان می‌دهد که امتیاز Z 1.874696 و p – value 0.060835 بود. به عبارت دیگر، سایت‌های باستان‌شناسی ویژگی‌های خوشه‌بندی فضایی را نشان می‌دهند، همانطور که در شکل 7 نشان داده شده است. سپس ابزار تجزیه و تحلیل نقاط داغ برای محاسبه نقاط سرد و گرم قابل توجه محوطه های باستانی انتخاب شد. با طبقه بندی آمار Gi* محاسبه شده (Gi_Bin)، Z-score و p-value، استاندارد درجه خوشه بندی سرد و گرم را می توان به دست آورد.
اگر Gi_Bin صفر و مقدار Z بین 1.65- و 1.65 باشد، مقدار p مربوطه بیشتر از 0.1 است، به این معنی که از نظر آماری هیچ نقطه سرد یا نقطه داغ در منطقه مورد مطالعه وجود ندارد. هنگامی که مقادیر Gi_Bin به صورت 1، 2 و 3 ظاهر می شوند، نشان دهنده وجود نقاط داغ در توزیع سایت ها در منطقه مورد مطالعه است. علاوه بر این، همانطور که در جدول 2 نشان داده شده است، هرچه مقدار Gi_Bin بزرگتر باشد، درجه اطمینان بالاتر است و احتمال خوشه بندی نقاط داغ سایت های باستان شناسی بیشتر است .
با توجه به درجه خوشه‌بندی سرد و گرم، نقشه پراکنش نقاط سرد و گرم محوطه‌های باستانی تجسم می‌شود. در نهایت، نمودار توزیع فضایی نقاط داغ محوطه های باستان شناسی، همانطور که در شکل 8 نشان داده شده است، به دست آمد .
نقاط داغ در منطقه تحقیقاتی عمدتاً در استان‌های آنهویی و ژجیانگ توزیع شده‌اند، در حالی که نقاط سرد عمدتاً در تقاطع استان‌های آنهویی، ژجیانگ و جیانگ سو توزیع شده‌اند: بخش‌هایی از شمال آنهویی (33 تا 35 درجه شمالی، 115 درجه تا 117 درجه شمالی). E)، مانند فویانگ و بوژو، و آنهویی غربی (30 درجه تا 32 درجه شمالی، 116 درجه تا 117 درجه شرقی)، مانند آنکینگ، لوآن و هفی. در منطقه مرکزی ژجیانگ (28 درجه تا 30 درجه شمالی، 119 درجه تا 131 درجه شرقی)، مانند جین‌هوا، تایژو و نینگبو، امتیاز Z مثبت و مقدار p به دست آمده توسط آمار Getis-Ord Gi* نسبتاً بالا است. ، ارزش اطمینان متناظر نسبتاً بالا و درجه خوشه بندی با ارزش بالا نسبتاً زیاد است و این مناطق به کانون توزیع مکانی – زمانی محوطه های باستان شناسی تبدیل شده اند.
نقاط سرد مربوطه عمدتاً در تقاطع سه استان (30 درجه تا 32 درجه شمالی، 119 درجه تا 121 درجه شرقی) مانند سوژو، جیاکسینگ، هوژو، ژوانچنگ و ووکسی توزیع شده‌اند. در برخی مناطق، امتیاز Z روند کاهش تدریجی را نشان می دهد. امتیاز Z منفی کوچک است، و خوشه‌بندی کم ارزش نزدیک است، و آن را به نقطه سردی برای توزیع مکانی-زمانی سایت‌های باستان‌شناسی تبدیل می‌کند.

3.2. ساخت مدل مکعب فضا-زمان محوطه های باستانی

3.2.1. تحلیل مقیاس مکعب فضا-زمان محوطه های باستان شناسی

بر اساس مکان‌های پنج سلسله تاریخی در منطقه تحقیقاتی، در این مقاله، مجموعه‌ای از مکعب‌های فضا-زمان با فواصل زمانی و فواصل مختلف ساخته شد. بر اساس این مکعب ها، تجزیه و تحلیل نقاط کانونی مکانی-زمانی انجام شد و نتایج تحقیق با هم مقایسه شدند. سپس مقیاس های تحلیل زمان و مکان مناسب با ترکیب با روش آزمون تعامل فضا-زمان ناکس تعیین شد. این آزمایش در ابزارهای استخراج الگوی فضا-زمان ArcGIS Pro انجام شد ، ابزار Create Space-Time Cube by Aggregating Points برای ایجاد مدل مکعب فضا-زمان سایت‌های باستان‌شناسی و انتخاب زمان شروع در داده‌های سایت‌های باستان‌شناسی انتخاب شد. به عنوان میدان زمان
تحت شرط تنظیم بازه زمانی یکسان، فاصله بین مکعب‌های فضا-زمان در محوطه‌های باستان‌شناسی به طور مداوم افزایش می‌یابد تا تفاوت‌های ویژگی‌های تمایز فضایی مدل‌های مکعبی ساخته‌شده در فواصل فاصله‌های مختلف مورد بررسی قرار گیرد. نتایج نشان می‌دهد که با افزایش فاصله فاصله، تعداد ستون‌های خالی در مکعب به وضوح کاهش می‌یابد، روند رشد کلی تعداد محوطه‌های باستان‌شناسی ثابت می‌ماند، تعداد نقاط سرد و گرم در همان فضای تحلیل نقاط داغ. دامنه زمانی به تدریج کاهش می یابد و نسبت نقاط سرد و گرم در فضا و زمان کاهش می یابد، همانطور که در جدول 3 نشان داده شده است.
در شرایط تنظیم فاصله فاصله یکسان، بازه زمانی مکعب فضا-زمان محوطه‌های باستان‌شناسی به طور مداوم افزایش می‌یابد و تفاوت فرآیند تکامل مدل مکعبی ساخته‌شده در بازه‌های زمانی مختلف مورد مطالعه قرار می‌گیرد. نتایج نشان می‌دهد که با افزایش فاصله فاصله، تعداد ستون‌های خالی در مکعب به طور قابل‌توجهی کاهش می‌یابد، روند رشد کلی تعداد محوطه‌های باستان‌شناختی ثابت می‌ماند، تعداد نقاط سرد و داغ در همان نقاط داغ، محدوده زمانی – مکانی تحلیل می‌شود. همانطور که در جدول 4 نشان داده شده است به تدریج کاهش می یابد و نسبت نقاط سرد و گرم در فضا-زمان کاهش می یابد .
همراه با روش آزمون تعامل مکانی-زمانی ناکس، مدل مکعب فضا-زمان نقاط محوطه‌های باستان‌شناسی در فاصله زمانی 50 سال و فاصله فضایی 100 کیلومتر ایجاد شد.
3.2.2. بیان مکعب فضا-زمان محوطه های باستان شناسی
مکعب فضا-زمان داده های سایت های باستان شناسی 1846 نقطه را در 340 موقعیت مش از طریق 11 مرحله زمانی همگرا می کند. هر مکان 50 کیلومتر در 50 کیلومتر مربع است. کل مکعب فضا-زمان داده های سایت های باستان شناسی 850 کیلومتر از غرب به شرق و 1000 کیلومتر از شمال به جنوب را در بر می گیرد. مدت زمان هر بازه گام زمانی 100 سال است، بنابراین کل دوره زمانی تحت پوشش مکعب فضا-زمان داده های سایت های باستان شناسی 1100 سال است. از مجموع 340 مکان، 189 (55.59٪) مکان های موثر هستند که حداقل یک نقطه را شامل می شوند. 189 مکان از 2079 جعبه زمانی تشکیل شده بودند که از این تعداد 479 (23.04٪) دارای تعداد امتیاز بیشتر از صفر بودند.
مکعب نمادین مستقیماً تغییرات روند مکانی-زمانی داده‌های سایت‌های باستان‌شناسی را بیان می‌کند. هر چه رنگ ستون تیره‌تر باشد، مکان‌های باستان‌شناسی بیشتری در آن دوره ظاهر شده‌اند. یک مکعب خاکستری نشان می دهد که تعداد محوطه های باستان شناسی 1 یا کمتر از 1 است. با توجه به نمودار مکعبی، توزیع مکانی- زمانی محوطه های باستان شناسی و روند تغییر هر مرحله زمانی قابل تجزیه و تحلیل است که تغییرات باستان شناسی را نشان می دهد. سایت هایی از سلسله تانگ تا سلسله سونگ، همانطور که در شکل 9 نشان داده شده است.

3.3. تحلیل روند مکعب فضا-زمان مکان‌های باستان‌شناسی

در هر موقعیت ستون مکانی-زمانی از مکعب فضا-زمان سایت های باستان شناسی، روند Mann-Kendall سری زمانی ستون فضایی-زمانی مستقل را آزمایش کرد. مقادیر میله های مکانی- زمانی دوره اول با مقادیر میله های مکانی- زمانی دوره دوم مقایسه شده است. اگر اولی کمتر از دومی باشد، نتیجه مقایسه به صورت 1 داده می شود. اگر اولی بزرگتر از دومی باشد، نتیجه مقایسه 1- است. اگر این دو برابر باشند، نتیجه مقایسه 0 است. نتایج مقایسه برای هر جفت دوره زمانی را جمع کنید. اگر مجموع مورد انتظار 0 باشد، در طول زمان هیچ روندی در نوار مکانی-زمانی در مکعب فضا-زمان وجود ندارد. روند سری های زمانی هر نوار مکانی-زمانی به عنوان یک امتیاز Z و یک مقدار p ثبت می شود . Z-scores و p– مقادیر هر دو معیار از اهمیت آماری هستند.
اگر مقدار Z زیاد باشد، نشان می دهد که توالی تغییرات در محوطه های باستان شناسی روندی صعودی دارد. اگر مقدار Z نزدیک به 0 باشد، نشان می دهد که روند تغییر قابل توجهی وجود ندارد و اهمیت روند تغییر، همانطور که در جدول 5 نشان داده شده است، درجه بندی می شود .
بر اساس مدل مکعب فضا-زمان داده‌های محوطه‌های باستان‌شناسی، آزمون روند کل مدل مکعب فضا-زمان داده‌های محوطه‌های باستان‌شناسی و سری‌های زمانی هر ستون با استفاده از روش آزمون روند من-کندال انجام شد. این آزمایش ابزار Visualize Space Time Cube in 2D را در زیر ابزار Utilities انتخاب کرد و موضوع نمایش را روی روندها تنظیم کرد تا تحلیل روند مکعب فضا-زمان سایت‌های باستان‌شناسی را انجام دهد. نتایج به صورت سلسله مراتبی با مقدار Trend_Bin، همانطور که در شکل 10 نشان داده شده است، مشاهده می شوند.
همانطور که از شکل مشخص است، منطقه ارغوانی سری زمانی نوارهای داده محوطه های باستان شناسی با روند صعودی است. از بین 189 مکان مکعب داده محوطه های باستان شناسی، 47 مکان مکعب داده محوطه های باستانی روند صعودی را نشان دادند. در مجموع، این میله‌های مکعب فضا-زمان با روند صعودی عمدتاً در نواحی حاشیه‌ای و برخی از نواحی مرکزی توزیع شده‌اند و نشان می‌دهد که پراکندگی محوطه‌های باستان‌شناسی در این مناطق در زمان و مکان در حال افزایش است. در میان آنها، متعلق به استان آنهویی، 17 ستون فضایی-زمانی وجود داشت که 29.79٪ را شامل می شود. متعلق به استان جیانگ سو، 9 ستون فضایی-زمانی، 19.14٪، و متعلق به استان ژجیانگ، 21 ستون فضایی-زمانی، 44.68٪ وجود داشت.

3.4. روش G-STC-M برای محوطه های باستانی

در این مقاله، بر اساس مدل مکعب فضا-زمان محوطه‌های باستان‌شناسی، روش آماری Getis-Ord Gi* و آزمون روند Mann-Kandall برای شناسایی تغییرات روند مکانی-زمانی سرد و گرم محوطه‌های باستان‌شناسی ترکیب شدند.
ابتدا، برش زمانی داده‌های هر سایت باستان‌شناسی (TIME_STEP_ID) به عنوان واحد محاسبه مقادیر آمار محلی Getis-Ord Gi* همه موقعیت‌های مکانی در برش زمانی گرفته می‌شود. سپس آمار Getis-Ord Gi* Z-score و p-ارزش موقعیت مکعب داده های هر سایت باستان شناسی به دست می آید. در نهایت، روند توزیع نقاط سرد و گرم در موقعیت مکانی در سری زمانی به دست آمده است. با توجه به نتایج تجزیه و تحلیل آماری Getis-Ord Gi* هر ستون و نتایج آزمون روند Mann-Kendall مربوط به هر ستون فضایی- زمانی حاوی داده‌های سایت‌های باستان‌شناسی، قوانین تغییرات مکانی-زمانی نقاط سرد و گرم هر مکان مورد قضاوت قرار گرفت و نقاط سرد و گرم فضایی-زمانی شناسایی شده طبقه بندی شدند. طبقه بندی الگوی نقاط سرد و گرم در جدول 6 نشان داده شده است .
تحلیل روند مکان‌های سرد و گرم فضایی-زمانی محوطه‌های باستان‌شناسی بر اساس مکعب فضا-زمان نقاط سایت‌های باستان‌شناسی فوق به عنوان داده‌های ورودی است. با توجه به مکعب فضا-زمان ایجاد شده، تجزیه و تحلیل نقاط کانونی مکانی-زمانی انجام می شود و Z-score و p -value مربوطه از طریق تجزیه و تحلیل آماری هر ستون به دست می آید. این آزمایش ابزار Visualize Space Time Cube در دوبعدی را در زیر ابزار Utilities انتخاب کرد و موضوع نمایش را روی گرایش های نقطه داغ و سرد تنظیم کرد تا روند تغییرات مکانی-زمانی سایت های باستان شناسی را انجام دهد. سپس با توجه به تعریف الگوی روند مکانی- زمانی نقاط سرد و گرم، نمودار نتیجه به دست می آید که در شکل 11 نشان داده شده است.. با تجزیه و تحلیل نقاط کانونی مکان‌های باستان‌شناسی که توسط مکعب فضا-زمان ایجاد شده‌اند، می‌توان مکان‌های باستان‌شناسی را به صورت بصری بر روی نقشه در قالب نقاط سرد و داغ نمایش داد تا روند تغییرات مکانی-زمانی آنها را بیان کند.
از شکل مشاهده می شود که از میان 189 مکعب داده محوطه های باستان شناسی، 64 موقعیت مکعبی موقعیت های توزیع نقطه داغ هستند. در این میان 26 هات اسپات جدید اضافه شده، 33 هات اسپات متوالی و 5 هات اسپات پراکنده وجود دارد.
نقاط داغ عمدتاً در بخش جنوبی استان های جیانگ سو و آنهویی، بخش مرکزی استان ژجیانگ و منطقه شانگهای و بخش جنوبی استان جیانگ سو (30 درجه تا 33 درجه شمالی، 119 درجه تا 121 درجه شرقی) مانند تایژو توزیع شده اند. ، چانگژو و سوژو. در بخش شرقی ژجیانگ (29 درجه تا 31 درجه شمالی، 116 درجه تا 119 درجه شرقی)، مانند هوژو، جیاکسینگ، هانگژو، شائوکسینگ، کوژو، جین‌هوا و لیشوی، این مناطق حاوی نقاط داغ جدید اضافه شده، کانون‌های مستمر و کانون‌های پراکنده هستند. . شانگهای عمدتاً دارای نقاط داغ جدید است، در حالی که بخش جنوبی آنهویی (30 درجه تا 33 درجه شمالی، 119 درجه تا 121 درجه شرقی)، مانند ژوان‌چنگ، تونگلینگ، آنکینگ، چیژو و هوانگشان، دارای نقاط داغ جدید و کانون‌های مستمر است.

4. تجزیه و تحلیل و بحث

به منظور تحلیل بهتر تغییرات مکانی – زمانی محوطه‌های باستان‌شناسی و انعکاس وضعیت در حال تغییر فعالیت‌های باستانی انسان، فاصله زمانی داده‌های محوطه‌های باستانی با دقت بیشتری تقسیم می‌شود، یعنی داده‌های محوطه‌های باستانی در منطقه مورد مطالعه بر اساس برش زمانی بر اساس روش G-STC-M تجزیه و تحلیل شد. داده‌های محوطه‌های باستان‌شناسی در حوزه پژوهشی شامل پنج سلسله از نظر زمانی است. پس از سال 1293، داده‌های سری زمانی به چهار بازه زمانی مجاور (تانگ-سونگ، سونگ-یوان، یوان-مینگ و مینگ-کینگ) و توزیع نقاط سرد قابل توجه مکعب فضا-زمان محوطه‌های باستان‌شناسی تقسیم می‌شوند. همانطور که در شکل 12 و شکل 13 نشان داده شده است، داده های مربوط به سلسله های مجاور به دست آمده است .
تعداد و مکان کانون‌ها در محوطه‌های باستان‌شناسی بین سلسله‌های مختلف مجاور تغییر می‌کرد. از سلسله تانگ تا سلسله چینگ، مکعب‌های تاریک بیشتری ظاهر شدند و تعداد سایت‌های باستان‌شناسی به تدریج افزایش یافت، که نشان می‌دهد فعالیت‌های بشری به تدریج گسترش می‌یابد. علاوه بر این، در تجزیه و تحلیل مبتنی بر روش G-STC-M، تعداد هات اسپات های جدید اضافه شده به تدریج از هات اسپات های پراکنده به هات اسپات های جدید بیشتر و بیشتر شد و تعداد هات اسپات های جدید اضافه شده در سلسله یوان و مینگ به حداکثر رسید. و در نهایت، تعداد نقاط پراکنده در سلسله‌های مینگ و چینگ آشکارترین بود.
در سلسله‌های تانگ و سونگ، فقط نقاط داغ پیوسته ظاهر شدند که عمدتاً در قسمت جنوب شرقی منطقه مورد مطالعه (30 درجه تا 32 درجه شمالی، 120 درجه تا 122 درجه شرقی)، مانند سوژو، جیاکسینگ و شانگهای توزیع شده‌اند. در سلسله‌های سونگ و یوان، تعداد کانون‌های مستمر افزایش یافت و نقاط داغ جدید چانگژو، هوژو و نانتانگ بودند. در سلسله‌های یوان و مینگ، نقاط داغ جدیدی ظاهر شدند که عمدتاً در جنوب استان آنهویی (29 درجه تا 31 درجه شمالی، 117 درجه تا 119 درجه شرقی) مانند چیژو، تونگلینگ، ژوان‌چنگ، هوانگشان، ووهو و مانشان پراکنده شدند. بخش جنوبی استان جیانگ سو (30 درجه تا 33 درجه شمالی، 118 درجه تا 121 درجه شرقی)، مانند چانگژو، نانجینگ، ژنجیانگ، یانگژو و منطقه تایژو، و بخش مرکزی استان ژجیانگ (28 درجه تا 31 درجه شمالی) ، 118 درجه تا 121 درجه شرقی)، مانند منطقه هانگژو، هوژو، جیاکسینگ، جین هوا، شائوکسینگ، تایژو و لیشوی. دامنه در حال گسترش کانون‌های جدید نشان می‌دهد که فعالیت‌های انسانی به سمت این مناطق تغییر می‌کند و شروع به همگرایی می‌کنند. در نهایت، در سلسله‌های مینگ و چینگ، بیشتر نقاط داغ جدید در سلسله‌های یوان و مینگ به کانون‌های پیوسته تبدیل شدند و نقاط داغ جدیدی نیز ظاهر شدند، مانند Anqing و Ningbo. نقاط داغ پیوسته عمدتاً در بخش مرکزی کل منطقه تحقیقاتی (29 درجه تا 331 درجه شمالی، 117 درجه تا 121 درجه شرقی) توزیع شدند. فعالیت های انسانی در این مناطق نسبتاً متمرکز بود. نقاط داغ پیوسته عمدتاً در بخش مرکزی کل منطقه تحقیقاتی (29 درجه تا 331 درجه شمالی، 117 درجه تا 121 درجه شرقی) توزیع شدند. فعالیت های انسانی در این مناطق نسبتاً متمرکز بود. نقاط داغ پیوسته عمدتاً در بخش مرکزی کل منطقه تحقیقاتی (29 درجه تا 331 درجه شمالی، 117 درجه تا 121 درجه شرقی) توزیع شدند. فعالیت های انسانی در این مناطق نسبتاً متمرکز بود.
در گذشته، مطالعه وضعیت تغییر فعالیت انسان باستان، با استفاده از مشاهده و استنباط غیرمستقیم مواد باستان شناسی، تنها می تواند به سوابق باستان شناسی، مانند توصیف زبان طبیعی متن یا بیان نقشه صفحه تاریخی دست یابد. در این تحقیق از روش بیان فضا-زمان و آمار ریاضی برای تحلیل برش زمانی محوطه های باستانی استفاده کردیم و از بیان یکپارچه زمان-مکان برای نشان دادن پراکندگی مکانی- زمانی محوطه های باستانی، کمی سازی روند فضایی استفاده کردیم. – توزیع زمانی نقاط سرد و گرم و تعیین موقعیت مکانی متناظر نقاط سرد و گرم به گونه ای که وضعیت تغییر فعالیت های انسانی را نشان دهد.54 ، 55 ].
با این حال، در استفاده از آمار ریاضی، صحت نتایج تحقیقات ارتباط تنگاتنگی با دقت داده های تحقیق دارد [ 56 ]. با توجه به سوابق باستان شناسی، دقت داده های ویژگی زمانی محوطه های باستان شناسی نیاز به بهبود دارد. در آینده، با ارتباط نزدیک‌تر بین باستان‌شناسی و سایر علوم، حوزه پژوهشی باستان‌شناسی گسترده‌تر و محتوای پژوهش عمیق‌تر خواهد شد [ 57 ، 58 ، 59 ]. روش‌های باستان‌شناسی نه تنها با آمار ریاضی، بلکه با فناوری هوش مصنوعی ترکیب می‌شوند [ 60 ]]. محتوای تحقیقات باستان شناسی و روش های تحقیق به غنی سازی ادامه خواهد داد و سوابق باستان شناسی همچنان افزایش خواهد یافت.

5. نتیجه گیری ها

در این مقاله، روش تحقیق قانون تغییرات مکانی- زمانی بر اساس روش G-STC-M برای تحلیل مکانی- زمانی محوطه های باستانی پیشنهاد شده است. در تجزیه و تحلیل متغیرهای داده‌های مکانی-زمانی، ابتدا تحلیل الگوی عاملی داده‌های نقطه‌ای محوطه‌های باستانی برای تعیین توزیع مکانی داده‌های نقطه‌ای محوطه‌های باستانی به‌عنوان یک الگوی خوشه‌بندی انجام شد. برای محاسبه نقاط سرد و گرم قابل توجه محوطه های باستان شناسی از Getis-Ord Gi* استفاده شد. با توجه به آمار Getis-Ord Gi*، آمار Z-score و Gi* برگشتی (Gi_Bin) به دست آمد و به این نتیجه رسید که بخش های شمالی و غربی استان آنهویی و بخش مرکزی استان ژجیانگ در منطقه مورد مطالعه هستند. نقاط پراکنده سایت های باستانی
در ساخت مدل مکعب فضا-زمان، ابتدا یک سری آزمایش های ساخت مکعب و روش های آزمون تعامل مکانی-زمانی ناکس برای تعیین مقیاس فضا-زمان مناسب ساخت مکعب خرابه های باستانی انجام شد. سپس، روش آزمون روند من-کندال با مکعب فضا-زمان ترکیب شد تا روند مکعب فضا-زمان داده های سایت های باستان شناسی را تحلیل کند. در نهایت، بر اساس روش G-STC-M، تجزیه و تحلیل مقطع زمانی داده‌های محوطه‌های باستان‌شناسی برای کاوش ویژگی‌های تمایز فضایی و فرآیند تکامل محوطه‌های باستان‌شناسی در منطقه مورد مطالعه انجام شد.
بر اساس نمودار تحلیل روند مکعب فضا-زمان تمام داده‌های سایت‌های باستان‌شناسی، مقادیر Trend_Bin طبقه‌بندی و شمارش شد و مشخص شد که موقعیت‌های مکعب داده‌های 47 مکان باستان‌شناسی (24.87%) روند صعودی را در بین 189 نشان می‌دهند. موقعیت های مکعب با توجه به تحلیل برش زمانی داده‌های محوطه‌های باستان‌شناسی بر اساس روش G-STC-M، چهار مدل مکعب فضا-زمان از داده‌های محوطه‌های باستان‌شناسی به‌دست آمد و توزیع محوطه‌های باستان‌شناسی دارای کانون‌های زمانی و مکانی است. به طور موقت، توزیع سایت های باستان شناسی به تدریج افزایش یافت و سایت های باستان شناسی در سلسله چینگ به حداکثر رسید. از نظر فضایی، نقاط داغ سایت‌های باستان‌شناسی عمدتاً در منطقه جنوبی جیانگ سو (30 تا 33 درجه شمالی، 118 درجه تا 121 درجه شرقی) و آنهویی (29 تا 31 درجه شمالی) توزیع شده‌اند. 117 درجه تا 119 درجه شرقی) و منطقه مرکزی ژجیانگ (28 تا 31 درجه شمالی، 118 درجه تا 121 درجه شرقی). از نظر زمانی و مکانی، محدوده توزیع سایت‌های باستان‌شناسی عمدتاً در شانگهای (30 تا 32 درجه شمالی، 121 درجه تا 122 درجه شرقی) متمرکز است و به سمت جنوب گسترش می‌یابد.
توزیع فعالیت های انسان باستان دارای نقاط حساس زمانی و مکانی است. از نظر زمانی، توزیع فعالیت های بشر باستان به تدریج افزایش یافت و فعالیت های بشر باستانی در سلسله چینگ به حداکثر رسید. در فضا، نقاط داغ فعالیت های انسان باستان عمدتاً در منطقه جنوبی جیانگ سو و آنهویی و منطقه مرکزی ژجیانگ توزیع شده است. در زمان و مکان، فعالیت های انسان باستان عمدتاً در شانگهای متمرکز شده و به جنوب غربی گسترش یافته است.

منابع

  1. کاپوزولی، ال. دی مارتینو، جی. کاپوزولی، وی. دوپلوی، ا. هنینگ، آ. Rizzo، E. سکونتگاه بالای تپه پیش از روم در Monte Torretta di Pietragalla: نتایج اولیه بررسی ژئوفیزیکی. آرکائول. چشم انداز. 2020 ، 9 ، 1-14. [ Google Scholar ] [ CrossRef ]
  2. مور، اف. فوکو، ام. اسمیت، A. باستان شناسی دانش. Man 1972 , 9 , 318. [ Google Scholar ] [ CrossRef ]
  3. اینگولد، تی. موقتی منظر. باستان شناسی جهانی 1993 ، 25 ، 152-174. [ Google Scholar ] [ CrossRef ]
  4. Fangzhong، L. آمار ثبت خانوار، مالیات زمین و زمین در تاریخ چین . شرکت کتاب ژونگ هوآ: پکن، چین، 1985; صص 78-261. [ Google Scholar ]
  5. Songdi، W. تاریخ جمعیت چین ; انتشارات دانشگاه فودان: شانگهای، چین، 2000; جلد 3، صص 373-644. [ Google Scholar ]
  6. شوجی، سی. تاریخ جمعیت چین . انتشارات دانشگاه فودان: شانگهای، چین، 2000; جلد 4، ص 121-430. [ Google Scholar ]
  7. اولسون، BR; Placchetti، RA; کوارترمین، جی. Killebrew، AE پروژه کل باستان شناسی Tel Akko (Akko، اسرائیل): ارزیابی مناسب بودن ضبط میدانی سه بعدی چندمقیاس در باستان شناسی. J. فیلد آرکائول. 2013 ، 38 ، 244-262. [ Google Scholar ] [ CrossRef ]
  8. لمبرز، ک. آیزنبیس، اچ. Sauerbier، M. کوپفرشمیت، دی. گایسکر، تی. ستوده، س. Hanusch, T. ترکیب فتوگرامتری و اسکن لیزری برای ضبط و مدل‌سازی سایت دوره متوسط ​​اواخر Pinchango Alto، Palpa، پرو. J. Archaeol. علمی 2007 ، 34 ، 1702-1712. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  9. Valera, A. Povoado dos Perdiges (Reguengos de Monsaraz): Dados preliminares dos trabalhos arqueológicos realados em 1997. Rev. Port. آرکئول. 1998 ، 1 ، 45-102. [ Google Scholar ]
  10. چیس، AF؛ چیس، دی.زی. ویشامپل، جی اف. دریک، جی بی. Shrestha، RL; Slatton، KC; هیبت، جی جی. کارتر، WE Airborne LiDAR، باستان شناسی، و چشم انداز باستانی مایا در کاراکول، بلیز. J. Archaeol. علمی 2011 ، 38 ، 387-398. [ Google Scholar ] [ CrossRef ]
  11. دی روی، جی. پلتس، جی. ورهوون، جی. دی اسمدت، پی. خفاش ها، م. چرت، بی. دی مایر، دبلیو. دکونینک، جی. هرمانس، دی. لالو، پ. و همکاران به سوی ثبت سه بعدی و مقرون به صرفه میراث باستانی. J. Archaeol. علمی 2013 ، 40 ، 1108-1121. [ Google Scholar ] [ CrossRef ]
  12. لو، سی. جین، اس. تانگ، ایکس. لو، سی. لی، اچ. Pang, J. اندازه‌گیری‌های جامع مکانی-زمانی سطوح سلامت شهروندان چینی و عوامل مؤثر مرتبط با آن. بهداشت و درمان 2020 ، 8 ، 231. [ Google Scholar ] [ CrossRef ]
  13. هازل، EC؛ Rinner, C. تاثیر مقیاس فضایی: کاوش الگوهای فراوانی و غنای پروانه شهری با استفاده از تجزیه و تحلیل تصمیم چند معیاره و تجزیه و تحلیل مؤلفه های اصلی. بین المللی جی. جئوگر. Inf. علمی 2019 ، 34 ، 1648-1681. [ Google Scholar ] [ CrossRef ]
  14. پیترز، سی. Van Kolfschoten, T. The site formation history of Schöningen 13II-4 (آلمان): آزمایش مدل های مختلف شکل گیری سایت با استفاده از تحلیل فضایی، آمار فضایی و تحلیل جهت گیری. J. Archaeol. علمی 2020 , 114 , 105067. [ Google Scholar ] [ CrossRef ]
  15. بوجسن، م. اسکوف-پترسن، اچ. Gylling، M. پیش بینی پتانسیل تولید بیوگاز دانمارکی – نمایش فضایی زنجیره های مارکوف. Biomass Bioenergy 2015 ، 81 ، 462-472. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  16. پی، تی. گونگ، ایکس. شاو، اس.-ال. ما، تی. ژو، سی. خوشه بندی فرآیندهای رویداد زمانی. بین المللی جی. جئوگر. Inf. علمی 2013 ، 27 ، 484-510. [ Google Scholar ] [ CrossRef ]
  17. Grekousis، G. خوشه بندی وزنی جغرافیایی فازی محلی: روشی جدید برای تقسیم بندی جغرافیایی. بین المللی جی. جئوگر. Inf. علمی 2020 ، 35 ، 1-23. [ Google Scholar ] [ CrossRef ]
  18. فرزانه، ح. مهرداد، ن. احد، ج. آندریت، ب. تحلیل عاملی انعطاف‌پذیر بر اساس کلاس میانگین مخلوط توزیع‌های نرمال. محاسبه کنید. آمار داده آنال. 2020 ، 157 ، 107162. [ Google Scholar ]
  19. رودریگز-گاویریا، EM; اوچوا-اوسوریو، اس. بیلز-جارامیلو، ای. Botero-Fernández، V. نشانگر آسیب پذیری محاسباتی از پایین به بالا برای مناطق شهری با درآمد کم. پایداری 2019 ، 11 ، 4341. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  20. ون زوست، وی. Osei، FB; هوک، جی. Stein، A. کریجینگ رگرسیون مکانی-زمانی برای مدل‌سازی غلظت‌های NO2 شهری. بین المللی جی. جئوگر. Inf. علمی 2019 ، 34 ، 851-865. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. وو، اس. وانگ، ز. دو، ز. هوانگ، بی. ژانگ، اف. لیو، آر. رگرسیون وزنی شبکه عصبی از نظر جغرافیایی و زمانی برای مدل‌سازی روابط غیر ثابت فضایی و زمانی. بین المللی جی. جئوگر. Inf. علمی 2020 ، 35 ، 1-27. [ Google Scholar ] [ CrossRef ]
  22. رایت، DK; کیم، جی. پارک، جی. یانگ، جی. کیم، جی. مدل‌سازی فضایی مکان‌های سایت باستان‌شناسی بر اساس توزیع‌های احتمالی و تجزیه و تحلیل‌های نقطه داغ: مطالعه موردی از دوره پادشاهی ThreeI، کره. J. Archaeol. علمی 2020 , 113 , 105036. [ Google Scholar ] [ CrossRef ]
  23. سانچز-مارتین، جی.ام. Rengifo-Gallego، JI; Blas-Morato، R. تجزیه و تحلیل نقطه داغ در مقابل تجزیه و تحلیل خوشه ای و پرت: تحقیقی در مورد گروه بندی مسکن روستایی در اکسترمادورا (اسپانیا). ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 176. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  24. ژانگ، اس. تجزیه و تحلیل، تجزیه و تحلیل طیفی کوپولای بیزی برای سری های زمانی ثابت. محاسبه کنید. آمار داده های آنال. 2018 ، 133 ، 166-179. [ Google Scholar ] [ CrossRef ]
  25. Nunes، JC; بوائون، ی. دلشل، ای. نیانگ، او. Bunel, P. تجزیه و تحلیل تصویر با تجزیه حالت تجربی دو بعدی. تصویر Vis. محاسبه کنید. 2003 ، 21 ، 1019-1026. [ Google Scholar ] [ CrossRef ]
  26. داوبچیس، آی. لو، جی. وو، اچ.-تی. تبدیل موجک همزمان: ابزاری شبیه به تجزیه حالت تجربی. Appl. محاسبه کنید. هارمون مقعدی 2011 ، 30 ، 243-261. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  27. مووچان، دی. Kostyuchenko، YV پویایی منطقه ای بهره وری پوشش گیاهی زمینی و بازخوردهای آب و هوایی برای قلمرو اوکراین. بین المللی جی. جئوگر. Inf. علمی 2015 ، 29 ، 1490-1505. [ Google Scholar ] [ CrossRef ]
  28. اسکیورتینو، ام. دی فلیس، ام. د سکو، ال. Borfecchia، F. سنجش از دور برای نظارت و نقشه برداری بهره وری زمین در ایتالیا: یک روش ارزیابی سریع. Catena 2020 , 188 , 104375. [ Google Scholar ] [ CrossRef ]
  29. چن، توسط; یوان، اچ. لی، کیو. شاو، اس.-ال. لام، WHK; چن، ایکس. مدل داده های مکانی-زمانی برای تحلیل جغرافیایی زمان شبکه در عصر داده های بزرگ. بین المللی جی. جئوگر. Inf. علمی 2015 ، 30 ، 1041-1071. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  30. وانگ، ز. یو، ی. او، بی. نی، ک. تو، دبلیو. دو، س. لی، کیو. یک مدل فضایی-زمانی بیزی برای تجزیه و تحلیل پایداری الگوهای توزیع جمعیت در یک فضای شهری با استفاده از داده های تلفن همراه. بین المللی جی. جئوگر. Inf. علمی 2020 ، 35 ، 1-19. [ Google Scholar ] [ CrossRef ]
  31. لاورده-باراخاس، م. پرز، GAC; چشتی، ف. پورتینگا، ا. اویلنهوت، آر. Solomatine، DP تجزیه خطاهای بارندگی مبتنی بر ماهواره در تخمین سیل: پاسخ های هیدرولوژیکی با استفاده از روش راستی آزمایی مبتنی بر شی فضایی-زمانی. جی هیدرول. 2020 , 591 , 125554. [ Google Scholar ] [ CrossRef ]
  32. بای، LY; جیا، زی؛ لیو، JM تبدیل داده های مکانی-زمانی فازی از XML به پایگاه داده شی گرا. علوم زمین به اطلاع رساندن. 2018 ، 11 ، 449-461. [ Google Scholar ] [ CrossRef ]
  33. لیو، دبلیو. لی، ایکس. نمایش و تجزیه و تحلیل رویداد Rahn، DA Storm بر اساس یک مدل گراف مکانی-زمانی جهت‌دار. بین المللی جی. جئوگر. Inf. علمی 2015 ، 30 ، 948-969. [ Google Scholar ] [ CrossRef ]
  34. شیدر، اس. گرلر، بی. پبسما، ای. استاش، سی. مدلسازی تولید اطلاعات مکانی و زمانی. بین المللی جی. جئوگر. Inf. علمی 2016 ، 1-29. [ Google Scholar ] [ CrossRef ]
  35. بوگوچکا، ای. Jahnke، M. امکان سنجی مکعب فضا-زمان در تجسم منظر فرهنگی زمانی. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 209. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  36. استارک، ام جی. میتاسووا، اچ. Wegmann، KW; لیون، N. مکعب فضا-زمان نمایش تکامل بانک جریان نقشه برداری شده توسط اسکن لیزری زمینی. IEEE Geosci. سنسور از راه دور Lett. 2013 ، 10 ، 1369–1373. [ Google Scholar ] [ CrossRef ]
  37. ژائو، ی. Ge، L. لیو، جی. لیو، اچ. یو، ال. وانگ، ن. ژو، ی. دینگ، X. تجزیه و تحلیل تب خونریزی دهنده با سندرم کلیوی در استان هوبی، چین: رویکردی مبتنی بر مکعب فضا-زمان. J. Int. پزشکی Res. 2019 ، 47 ، 3371-3388. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  38. آلامانوس، ا. Papaioannou، G. یک ابزار تجزیه و تحلیل چند معیاره GIS برای ارزیابی اولیه کم هزینه، اثربخشی تالاب برای بافر مواد مغذی در مقیاس حوضه: مطالعه موردی گراند ریور، انتاریو، کانادا. Water 2020 , 12 , 3134. [ Google Scholar ] [ CrossRef ]
  39. هاسنر، دی. واگنر، ام. تاراسوف، پی. چن، ایکس. Leipe، C. الگوهای توزیع فضایی و زمانی سایت‌های باستان‌شناسی در چین در دوران نوسنگی و عصر برنز: مروری. هولوسن 2016 ، 26 ، 1576-1593. [ Google Scholar ] [ CrossRef ]
  40. آرگریو، ا. تیو، آر. رست، دی. ساریس، A. تجزیه و تحلیل تصمیم چند معیاره GIS برای ارزیابی و نقشه‌برداری تغییر شکل چشم‌انداز نئوتکتونیکی: مطالعه موردی از کرت. ژئومورفولوژی 2016 ، 253 ، 262-274. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  41. آناند، بی. کارونانیذی، د. سوبرامانی، ت. Srinivasamoorthy، K. Suresh، M. تشخیص روند بلند مدت و تجزیه و تحلیل فضایی و زمانی سطوح آب های زیرزمینی با استفاده از تکنیک های GIS در حوضه رودخانه Bhavani پایین، تامیل نادو، هند. محیط زیست توسعه دهنده حفظ کنید. 2019 ، 22 ، 2779–2800. [ Google Scholar ] [ CrossRef ]
  42. هرولد، ام سی; گلدشتاین، NC; کلارک، ک. شکل فضایی و زمانی رشد شهری: اندازه‌گیری، تحلیل و مدل‌سازی. سنسور از راه دور محیط. 2003 ، 86 ، 286-302. [ Google Scholar ] [ CrossRef ]
  43. سورا، سی. ورهوون، جی. دونئوس، م. Draganits، E. سطوح از گذشته بصری: بازیابی داده های زمین با وضوح بالا از تصاویر هوایی تاریخی برای تجزیه و تحلیل منظره چندزمانی. J. Archaeol. نظریه روش 2018 ، 25 ، 611-642. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. Ortman، SG تجزیه و تحلیل تراکم احتمال یکنواخت و تاریخچه جمعیت در شمال ریوگرانده. J. Archaeol. نظریه روش 2016 ، 23 ، 95-126. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  45. Vecco, M. تعریفی از میراث فرهنگی: از ملموس به ناملموس. J. Cult. میراث. 2010 ، 11 ، 321-324. [ Google Scholar ] [ CrossRef ]
  46. تام جک، QT; برنشتاین، جی.ام. لویولا، ال سی نقش ژئوپردازش در نقشه برداری جرم با استفاده از خیابان های داغ. ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 540. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  47. مارتین-دلگادو، ال.-م. سانچز-مارتین، جی.-ام. رنگیفو-گالگو، جی.-آی. تجزیه و تحلیل شاخص های شهرت آنلاین با استفاده از تکنیک های زمین آماری-مورد اسکان روستایی در اکسترمادورا، اسپانیا. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 208. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  48. Lehmann, EL Testing Statistical Hypotheses , 2nd ed.; Springer Science & Business Media: نیویورک، نیویورک، ایالات متحده آمریکا، 1997; جلد 53، ص. 1. [ Google Scholar ]
  49. کولادزه، آی. کراک، ام.-جی. ون الزاکر، CPJM چارچوبی روش شناختی برای تحقیق در مورد قابلیت استفاده مکعب فضا-زمان. کارتوگر. J. 2013 ، 50 ، 201-210. [ Google Scholar ] [ CrossRef ]
  50. فیلهو، JAW; استورزلینگر، دبلیو. Nedel, L. ارزیابی یک مکان یابی غوطه ور در مکعب فضا-زمان برای اکتشاف داده های مسیری بصری. IEEE Trans. Vis. نمودار محاسباتی 2020 ، 26 ، 514-524. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  51. بولزان، ا. اینسوآ، آی. پامپارانا، سی. سلست جینر، ام. مدینه، ع. کدو سبز، ب. دینامیک و توصیف اپیدمیولوژیک شیوع دنگی در آرژانتین 2016: مورد استان بوئنوس آیرس. کشیش چیل. اینفکتول 2019 ، 36 ، 16-25. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  52. مو، سی. تان، دی. مای، تی. بی، سی. کوین، جی. پانگ، دبلیو. Zhang، Z. تجزیه و تحلیل الگوی فضایی-زمانی برای COIVD-19 در چین بر اساس مکعب فضا-زمان. جی. مد. ویرول. 2020 ، 92 ، 1587-1595. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  53. مالک، ع. کومار، ا. فام، QB; زو، اس. Tri، DQ شناسایی روند EDI با استفاده از روش های Mann-Kendall و en-Innovative Trend (Uttarakhand، هند). عرب جی. ژئوشی. 2020 ، 13 ، 951. [ Google Scholar ] [ CrossRef ]
  54. کاظم، من. عابد، FM پتانسیل تجزیه و تحلیل داده های فتوگرامتری LiDAR و پهپاد برای تفسیر مکان های باستان شناسی: مطالعه موردی قلعه چون در جنوب غربی انگلستان. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 41. [ Google Scholar ] [ CrossRef ]
  55. شورینی، ای. سالینی، ال. گرانجون، ال. گوگی، دی. کوردیر، ا. پاترات، ی. Giosa، A. شناسه و ثبت بقایای باستان شناسی باستان شناسی جنگلی از طرفین LiDAR: Méthode et limites. Archéosciences 2018 ، 31-43. [ Google Scholar ] [ CrossRef ]
  56. Mccoy، MD داده های بزرگ جغرافیایی و باستان شناسی: چشم اندازها و مشکلات آنقدر بزرگ است که نمی توان نادیده گرفت. J. Archaeol. علمی 2017 ، 84 ، 74-94. [ Google Scholar ] [ CrossRef ]
  57. Massagrande، F. رویکرد GIS برای مطالعه داده‌های جمع‌آوری‌شده غیر سیستماتیک: مطالعه موردی از مدیترانه. محاسبه کنید. Appl. مقدار. روش ها Archaeol. 1995 ، 94 ، 147-156. [ Google Scholar ]
  58. میائو، اف. دنگ، ایکس. Lu, L. تحقیق در مورد نمایش مهاجرت آثار تاریخی بر اساس مدل G/S. در احیای گذشته: مجموعه مقالات سی و نهمین کنفرانس کاربردهای کامپیوتری و روش های کمی در باستان شناسی، پکن، چین، 12-16 آوریل 2011 . Mingquan، Z.، Ed. انتشارات دانشگاه آمستردام: آمستردام، هلند، 2012; صص 343-347. [ Google Scholar ]
  59. Wilcox، B. مدل سازی پیش بینی باستان شناسی مورد استفاده برای مدیریت میراث فرهنگی. در احیای گذشته: مجموعه مقالات سی و نهمین کنفرانس کاربردهای کامپیوتری و روش های کمی در باستان شناسی، پکن، چین، 12-16 آوریل 2011 . Mingquan، Z.، Ed. انتشارات دانشگاه آمستردام: آمستردام، هلند، 2012; صص 353-358. [ Google Scholar ]
  60. سرنا، ا. پراتس، ال. مانگ، ای. سالازار-گارسیا، دی سی; پیامدهای Bataille، CP برای مطالعات paleomobility اثرات آتشفشانی کواترنر بر استرانسیوم زیستی: یک مورد آزمایشی در پاتاگونیای شمالی (آرژانتین). J. Archaeol. علمی 2020 ، 121 ، 12. [ Google Scholar ] [ CrossRef ]
Ijgi 10 00312 g001 550
شکل 1. جدول مشخصات داده های محوطه های باستانی.
Ijgi 10 00312 g002 550
شکل 2. توزیع فضایی محوطه های باستانی در محدوده مورد مطالعه پنج سلسله تاریخی.
Ijgi 10 00312 g003 550
شکل 3. نمونه هایی از مکان های باستان شناسی: ( الف ) موزه کاخ سلسله مینگ در کشور نانجینگ، ( ب ) غرفه کانگلانگ در کشور سوژو، ( ج ) بتکده معبد بائوئن در کشور سوژو، ( د ) دو بتکده گوانگجیائو معبد در کشور Xuancheng.
Ijgi 10 00312 g004 550
شکل 4. نمودار توزیع نرمال.
Ijgi 10 00312 g005 550
شکل 5. بیان مکعب فضا-زمان.
Ijgi 10 00312 g006 550
شکل 6. نمودار جریان فنی.
Ijgi 10 00312 g007 550
شکل 7. نتایج خودهمبستگی فضایی.
Ijgi 10 00312 g008 550
شکل 8. توزیع قابل توجه نقاط سرد و گرم در محوطه های باستان شناسی.
Ijgi 10 00312 g009 550
شکل 9. بیان مکعب فضا-زمان محوطه های باستان شناسی در منطقه مورد مطالعه.
Ijgi 10 00312 g010 550
شکل 10. تحلیل روند مکعب فضا-زمان محوطه های باستانی.
Ijgi 10 00312 g011 550
شکل 11. تجزیه و تحلیل G-STC-M محوطه های باستانی.
Ijgi 10 00312 g012a 550 Ijgi 10 00312 g012b 550
شکل 12. تجزیه و تحلیل برش های مکعب فضا-زمان در محوطه های باستان شناسی. ( الف ) تجزیه و تحلیل G-STC-M از سایت‌های باستان‌شناسی سلسله‌های تانگ و سونگ، ( ب ) تحلیل G-STC-M از مکان‌های باستان‌شناسی سلسله‌های سونگ و یوان، ( ج ) تجزیه و تحلیل G-STC-M از محوطه‌های باستان‌شناسی یوان و سلسله‌های مینگ، ( د ) تجزیه و تحلیل G-STC-M از سایت‌های باستان‌شناسی سلسله‌های مینگ و چینگ.
Ijgi 10 00312 g013a 550 Ijgi 10 00312 g013b 550
شکل 13. بیان مکعب فضا-زمان محوطه های باستانی. ( الف ) بیان مکعب فضا-زمان مکان‌های باستان‌شناختی سلسله‌های تانگ و سونگ، ( ب ) بیان مکعب فضا-زمان مکان‌های باستان‌شناسی سلسله‌های سونگ و یوان، ( ج ) بیان مکعب فضا-زمان مکان‌های باستان‌شناختی سلسله‌های یوان و مینگ ، ( د ) بیان مکعب فضا-زمان سایت های باستان شناسی سلسله های مینگ و چینگ.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید