光谱歧视的考古遗址曾被农业社区使用原位高光谱数据

文摘

本研究调查野外光谱测量的能力从non-sites区分土壤(自然土壤)和从考古遗址,如贝冢(垃圾清理区域)和动物牛棚。首先,我们测试是否有不同元素的浓度在不同土壤类型时使用方差分析随机森林(RF)和变量选择转发(艘)方法用于选择重要土壤元素分类的考古遗址。在第二种方法中,我们评估的能力领域的光谱反射率测量nonsites之间的区别,贝冢玻化粪,nonvitrified粪便牛棚。引导主旨是随机森林(GRRF)是用于识别重要的波长上述考古和nonarchaeological土壤的歧视。之后,选择土壤元素和波长被用作输入变量在nonsites RF分类算法分类,贝冢玻化粪,nonvitrified粪便。调查结果显示,有显著性差异的化学元素的构成和光谱特征nonsites,贝冢玻化粪,nonvitrified粪便。总之,高分类精度达到当使用野外光谱数据证明,遥感技术可以用来利用上述土壤类型之间的光谱差异映射考古农业社区的功能特征的定居点。

1。介绍

考古材料的存在土壤中有局部的影响成分的物理和化学性质,使它不同于环境1,2]。人类学活动,如动物写和垃圾阻尼改变土壤结构和颜色。例如,拒绝的贝冢含灰通常以宽松的灰色颗粒(3),而动物潘宁地区出现灰色的沉积高有机动物分泌物(4]。化学方面,人类活动对土壤有机质含量有影响,影响的磷酸盐(5)和钾(6]。米德尔顿和价格(7)发现有高浓度的K, P, Mg炉区。霍夫曼et al。6)研究的形成和化学成分上的差异nonvitrified粪便和玻化粪存款在考古遗址。这种改变土壤理化性质发生通过风化和合并沉淀物质到面积和引爆土壤发生过程的平衡1,8,9]。方法通过地球化学分析确定不同的过去人类活动区域通常在站点内级别使用(1,2,10,11]。材料仍然和土壤物理性质的变化,如纹理和色彩也在景观层面的利益为目的的考古调查和现场识别(4,12]。Fieldwalking调查的主要方法是识别考古特征可见地球表面(4,6,13]。然而,地区考古特征不清晰可见或结构的信息在网站使用的空间是不确定的,土壤中元素的浓度进行了分析,以确定考古遗址(14)或不同的活动区域内网站(11,15]。上述传统的考古调查方法、地球化学分析和实地行走是耗时和昂贵的。

高分辨率多光谱传感器的出现在1990年代末不仅提供了利用高光谱分辨率的可能性,但同时也提供了一个机会在考古勘察(有效的数据处理方法16- - - - - -18]。大多数发表的研究测试了使用多光谱遥感植被指数计算的数据,以确定考古异常(19- - - - - -22]。然而,大多数考古的复杂的性质和小尺寸特性限制了多光谱传感器的广泛使用,容易产生信息损失和混乱由于空间和光谱分辨率较低23,24]。此外,一些考古特性可能有微妙的化学和物理差异与他们的环境,这可能会掩饰了多光谱传感器。

光谱数据,通常使用空中拍摄,手持,星载传感器提供数以百计的窄光谱波段。这些窄波段允许一个全面的详细的考古发现,否则错过了的数据通用波段多光谱传感器捕捉到(25,26]。然而,使用星载和机载数据带来的挑战与光谱特性和辐射和波长校准不确定性结果影响捕获数据的质量(23,27- - - - - -29日]。星载和机载传感器也缺乏空间和光谱分辨率类似于手持式光谱仪(23,27,28,30.]。结果是,上述挑战导致的有限使用机载和星载高光谱数据在土壤分析23]。

近年来,实验室可见近红外光谱(VISNIR) /短波红外短波红外成像光谱数据被视为一个潜在的具有成本效益的选择的实地调查和传统实验室土壤分析方法(29日,31日- - - - - -35]。这导致了光谱库的开发记录不同土壤的光谱特征及其属性。研究人员利用野外光谱数据来评估土壤属性如有机质含量、矿物质,质地,和水分34,36- - - - - -40]。因此,野外光谱数据可能有助于识别考古遗址与特定的土壤属性。

参考数据的文档不同考古的光谱反射特性的缺乏在图书馆。在最近的过去,只有少数研究用光谱学领域/高光谱数据文档植被的光谱特征覆盖考古材料和调查检测和映射的潜在植被健康埋考古材料的代理指标(41- - - - - -44]。因此,在考古领域的作用光谱应用探索仍然不佳。例如,和我们所知,没有研究到目前为止研究利用光谱学领域歧视考古表面特征利用土壤特性指标。

最引人注目的挑战之一的使用领域的光谱数据冗余大是由于强烈的光谱特征之间的相关性(45]。这种高维度需要足够的训练样本和计算过程可能耗时和高昂的成本46,47]。在大多数考古学研究中,训练样本的大小是受限制的考古遗址的大小或可访问性问题。这可能会导致一些问题,比如休斯现象或“魔咒”维度,即分类算法的准确性降低在处理有限数量的训练样本(48,49]。这是因为理想数量的分类特性受到训练样本的大小(48,50,51]。结果,需要减少维度处理领域光谱学数据时为了避免上述挑战。降维方法提高数据集的区别的能力减少谱带的数量没有下降的重要信息(52- - - - - -54]。众多的变量选择方法被用来降低高光谱数据的高维度通过选择最重要的波段数据分类。最常用的特征选择方法是遗传算法(55- - - - - -57)和随机森林(RF) (30.,58]。遗传算法(气)是基于自然选择的过程中,受到适者生存的原则。遗传算法通常是嵌入在支持向量机等分类波段选择算法(55,57,59),为了提高分类精度。然而,遗传算法容易受到随机的相关性特性(60和计算要求高55,61年]。

射频分类器,它被认为是最好的机器学习算法来处理高维数据(62年),措施中每个变量的重要性分类。然而,很容易产生偏见的冗余特性,因为对相关预测因子(63年,64年]。在射频,样本装袋通常由不太重要的功能,因此,降低分类精度(65年]。射频还排名功能没有选择最优特性的一个子集(30.]。

最近,邓和响66年)开发了一种引导主旨是随机森林(GRRF)算法旨在遏制传统的RF算法的局限性。GRRF消除冗余特性不选择功能携带着类似的信息已经选择在每个节点的一个子集(66年]。GRRF算法指导的特征选择过程里承认使用重要性分数从正常的RF(射频66年]。到目前为止,只有两个研究GRRF用于高维度的降低在植被高光谱数据的研究67年,68年]。

本研究调查野外光谱测量是否能辨别考古遗址利用土壤特性指标。更准确地说,这项研究的目标是(我)调查是否有显著差异在不同土壤元素浓度的考古遗址,即贝冢玻化粪牛栏,nonvitrified粪便牛栏,(2)使用原位高光谱测量中歧视nonsites(自然土壤),贝冢玻化粪便,nonvitrified粪便,(3)识别重要的波长区分上述特性使用引导主旨是随机森林算法。

2。材料和方法

2.1。研究区域

Mapungubwe研究的文化景观,位于沙市和林波波河河流的交汇处,林波波省的,南非,如图1。Shashi-Limpopo融合区域(SLCA)形成了三个国家的边界:博茨瓦纳向西方,南非向南,向北和津巴布韦。地质,SLCA位于林波波河移动皮带连接津巴布韦和Kaapvaal克拉通(69年]。这个地区的特点是火成岩、沉积岩卡鲁超群(70年]。侵蚀猖獗,尤其是在靠近河道地区,因此,形成砂岩山脊和露头覆盖大部分地区的SLCA稀疏分布的火山入侵(71年,72年]。一般来说,土壤的林波波河活动带包括粘土和砂源自卡鲁系统(73年]。

考古,研究区不断被不同组的农业社区自公元900年(74年- - - - - -77年]。这些社会实行中央牛模式(CCP)结算系统(78年]。这是结算系统,动物牛栏是位于中心的结算,接近男性收集区域(79年)(图2)。SLCA社会变化发生在公元十二世纪的职业Mapungubwe山,当领导人和平民成为身体分离(76年,81年]。动物只有保持在平民定居点,中国共产党继续实行,而统治者将驻留在此时提升领域,从平民(隐蔽的76年]。考古特征描述这些网站是玻化粪牛栏,nonvitrified粪牛栏,贝冢粮库站,陶器散射。绝大多数考古遗址被后期SLCA出现的农业社区开放空间内林地植被尤其是特点是陶瓷和nonvitrified粪便。上述植被的差异可能是影响陶瓷的化学成分和nonvitrified粪便网站被发现是不同于他们的环境6,82年]。

贝冢是地区家庭的一般废弃物,包括仍未使用的材料,如破碎的陶瓷碎片,动物的骨头,珠子,从壁炉和其他器具和灰烬,被丢弃(83年,84年]。贝冢不同大小取决于网站的持续时间和密度的职业(75年]。一些地区的贝冢列为国家,如K2,达到了一个直径182.88米和6米的深度79年,85年,86年]。陶瓷、nonvitrified粪粪两种类型的存款在研究区,这表明动物被保存在解决的领域。玻化粪燃烧形成的存款至少一米多厚,在非常高的温度下(1100°C)的地区87年,88年]。陶瓷的粪便含有大量的硝酸盐和磷酸盐一些草,这使得它不可能长在他们(87年]。Nonvitrified粪的特点是未燃的粪便存款。牛栏的牲畜和牲畜的平均直径3米,18米,分别(t . n .霍夫曼个人沟通,2018年9月)。

2.2。土样的采集和分析

土壤样本三考古特性(贝冢玻化,nonvitrified粪区域)和裸露的土壤(nonarchaeological站点)从周围自然景观被收集在2017年2月实验室光谱测量和化学分析。立意抽样技术使用在田野调查收集数据通过访问网站出现在文学和肯定有粪存款和贝冢(4,89年]。为了避免污染与考古特征由于风和水的侵蚀,裸露的土壤样本收集的区域远离考古遗址。共356个样本收集研究区在0-20厘米深度与表面的地平线在每个位置。只有表层土壤采样因为光学传感器不能穿透表面绘制地下土壤属性;因此,它将是没有意义的样本视野下的表层土壤光谱分析(89年]。此外,每个样本的GPS点的空间参考。从nonsites 60至117个样本收集,贝冢玻化粪,nonvitrified粪网站(图3)。所有收集到的土壤样品是有拉链的塑料袋包装的野外光谱测量和化学分析实验室。

2.3。实验室光谱数据采集

土壤中收集的字段被风干,渗到2毫米(39]在被平放在一个黑色塑料盘子里创建一个表面光滑。光谱反射率测量进行了在一个被控制的环境中使用分析光谱设备(ASD) FieldSpec®4光学传感器与350 - 2500纳米光谱范围(91年,92年]。分析光谱设备(ASD) FieldSpec®4光学传感器捕获数据抽样间隔为1.4 nm之间350 - 1000 nm和1001 nm之间- 2500 nm (91年]。光谱测量被从土壤表面的每个样本在最低点的位置与10毫米的视野使用Hi-Brite探测器配备100 w接触卤素反射灯。谱仪的校准后使用白色spectralon参考面板每10到15测量。土壤样本每袋被随机分为三个样品。三个光谱进行了测量每个样品通过随机调查土壤表面移动。9 (n= 9)光谱测量然后平均代表整个土壤样本(图3)。2151年乐队都包含在分析因为数据收集在一个受控的环境,所以没有需要删除光谱波段改善信噪比。任意参考数据分为训练(70%)和测试(30%)的数据集。

2.4。土壤分析

样品为33的构成元素进行分析ALS在约翰内斯堡。样品被风干,dry-sieved使用180微米的屏幕(泰勒80目)。此后,0.25克的提法已经准备好样本然后消化、硝酸、氢氟酸的,和盐酸。此后,稀盐酸和残渣,以及由此产生的解决方案是使用电感耦合等离子体原子发射光谱法分析(93年]。

2.5。统计方法进行土壤分析

描述性统计进行个别土类的典型值,意思是,中位数,和标准偏差的每个类中元素的浓度。元素的浓度的变化和在类之间测量使用变异系数和四分位范围。变异的两个提到的措施选择,因为它们能够摆脱与异常值相关的挑战[94年,95年]。变异系数也有能力标准化数据,比较两个或两个以上的分布的变化从不同或者相同的数据用不同的手段94年,96年]。列文的同质性测试是用来测试方差的同质性和韦尔奇的方差分析(方差分析)每当同质性侵犯。方差分析是用来测试是否有统计上显著差异平均nonsites之间的化学元素组成,每个考古特点:贝冢nonvitrified粪便,和玻化粪97年,98年]。的Games-Howell执行事后测试来找出哪些元素是明显不同的跨类自方差是异构和样本大小是不平等的。的水平之间的差异意味着被认为重要的是 。然而,方差分析的主要限制是它不是与任何机器学习分类器;因此,它不测量预测模型中的每个元素的重要性(99年]。

抑制上述局限性,射频结合了变量选择(艘)过程,试图找到理想的最少的元素的子集分类错误(One hundred.]。射频用于变量基于排名的重要性得分均值在降低精度决定使用out-of-bag (OOB)数据和评估的分类精度。然后,阵线的逐步过程采用,即元素被添加到模型根据他们的重要性开始最重要的一个(101年]。方法继续重复建设新的射频模式添加一个元素在每个迭代和记录OOB错误。数量的树木生长的参数(Ntree)和所需的变量数量将每个节点(Mtry)在每个迭代中使用网格搜索优化。这个过程是重申,直到所有元素加以利用;然后,最小的子群的元素最少的OOB错误被发现。选择最优元素被用作输入变量构造两种不同的射频分类器分类模型。在第一个模型中,最优的元素的子集被用来分类nonsites,贝冢玻化粪,nonvitrified粪网站。在第二个模型中,最优的元素的子集被GRRF结合最优波段选择和分类nonsites,贝冢玻化粪,nonvitrified粪网站了。这样做是为了检查是否有改善分类精度最佳乐队时的一般模型和土壤元素的总和。

2.6。使用引导主旨是随机变量选择的森林

GRRF特征选择算法,某种形式的regularisation适用于不同类型的决策树模型,执行一个特征子集的选择(66年,102年]。重要性regularisation是引导的功能使用基尼系数衡量传统的射频。基尼评估重要性水平的杂质的每个变量的重要性获得超过别人,在采样的一组变量,并选择最优分割在每个节点103年,104年]。基尼系数在一个节点y可以定义如下: 在哪里表示类的比例的观察k在节点y。基尼信息增益(h_我, )然后计算基尼系数在节点之间的区别吗y和基尼指数的加权平均在每个子节点y。获取信息的功能h_我基于杂质在节点y可以定义如下: 基尼(y_l)和基尼(y_R)代表了杂质,而和是左和右子节点的权重。

在GRRF regularisation添加到获取信息从传统的射频和每个个体特性给出一个点球系数。的主旨是信息增益的定义如下: 在哪里是regularisation系数 和F是特征选择在前面的节点的集合。计算基础上的重要性得分从传统的射频如下: 在哪里重要性系数和吗是控制regularisation系数。Regularisation允许与树相关的模型来减少冗余的特征选择模型,只选择一个新功能分解树节点中的数据,如果选择收益率不同的信息功能,在前面的分裂。不像其他的特征选择方法,主旨是框架允许单个模型的建设,因此减少所需的时间训练模式102年]。GRRF也有能力来选择理想的变量子集最低的误分类错误。在这项研究中,GRRF被用来选择关键波长准确区别对待nonsites贝冢玻化粪,nonvitrified粪便。这样做是为了减少高维度内固有的高光谱数据(101年,105年,106年]。关键的波长选择GRRF被利用作为输入变量在传统的RF算法nonsites之间的区别。

2.7。随机森林分类器

射频分类器被用来区分nonsites,贝冢玻化粪,nonvitrified粪便使用关键要素选择由GRRF阵线和波长选择的关键。RF分类算法已经广泛应用于高光谱和多光谱数据的分类(106年- - - - - -109年]。一般来说,射频可以被描述为一个创建二叉决策树的分类器和分配类以多数选票在每个节点106年]。决策树是生长相互独立地使用不同的样本,通过装袋随机创建原始数据集的子集,替代,为每个节点(110年]。变量不包含在引导样本,这使得三分之一的数据,称为out-of-bag (OOB)样本110年,111年]。每棵树生长不修剪(110年]。然而,Ntree,默认的号码是500棵树,和Mtry,默认是变量的总数量的平方根 ,是由用户定义的106年]。Mtry Ntree必须优化,以档案分类精度高(112年]。这项研究确定了最佳组合Mtry和Ntree参数使用网格搜索基于OOB近似误差(113年]。Ntree的优化是通过使用值范围在500 - 10000年间在500年的间隔,Mtry优化时使用一个倍增因子的违约。

射频能力变量重要性和固有的措施估计预测精度(111年]。射频估计预测精度通过交叉验证图谱装袋样本三分之一的数据被排除在样例(104年]。这些精度预测的分类误差称为OOB错误。变量重要性有助于理解每个变量的相关性预测在数据分类。射频组成变量重要性措施意味着变量重要性/意味着降低准确性(MDA)和基尼(重要性103年]。MDA是计算使用OOB观察和用于排名阵线模型中的元素作为输入变量。高MDA值表示分类的重要变量,而较低的值代表变量不重要的分类。基尼指数被用来评估不同光谱波段的重要性识别不同的考古遗址。高基尼杂质表示类之间的异质性,而基尼杂质较低表明类内同质性。因此,功能少意味着降低基尼系数的分类的重要性,因为他们不扮演任何的角色把数据分成类。

2.8。精度评估

精度评估是使用一个抵抗数据集由随机将实验室数据划分为前70%的训练,30%测试分类。误分类评估使用OOB错误,这是一个内部评估射频错误的过程。一个误差矩阵是计算用户的准确性,生产者的准确性,总体精度评估射频分类器的分类精度。Kappa系数是用来评估之间的协议参考数据和分类器由于其能力来弥补机会协议(114年]。完美的协议如果kappa值达到或接近一个(115年]。

3所示。结果

3.1。统计分析

本研究使用统计方法来评估在自然土壤元素的浓度,贝冢玻化粪,nonvitrified粪便。土壤样品分析完成上述的每一个类。不同元素的浓度的描述性统计在表中进行了总结1- - - - - -4自然土壤,玻化粪便,nonvitrified粪便,和贝冢。统计分析显示高可变性的大多数元素的浓度在每一个土类的变异系数在12%和50%之间。贝冢内的锌和铜的浓度非常高变量的变异系数为53.6%和56.9%,分别。大多数元素的浓度在不同的类变量也很强。P的平均浓度、锰、钙、镁、锌、和英航在玻化粪非常高。Nonvitrified粪便和贝冢也比nonsites上述元素的浓度相对较高(表1- - - - - -4)。

获得的结果使用韦尔奇的方差分析( )证明之间有显著差异的不同的元素在不同土类。比较之间的单个元素的平均浓度对土壤类显示只有磷(P)的浓度显著不同的所有四类玻化粪便,nonvitrified粪便,贝冢和自然土壤(Games-Howell, )。P显示显著的p值,从0.004的贝冢和nonvitrified粪便0.000贝冢和nonsites之间。,其他元素如镁、钠、铁、锰、年代,锌也记录两个或两个以上的土类之间的细微差异。例如,Mg显示显著p值,从0.003的贝冢和nonsites 0.000贝冢和玻化粪之间。然而,一个无关紧要的p记录值为0.379毫克元素之间的贝冢和nonvitrified粪便。

3.2。变量重要性和测量

MDA测量内内置射频分类算法是用来测量每个元素的重要性在歧视nonsites,贝冢玻化粪,nonvitrified粪网站。一般来说,钙、磷、和Sr前最重要的元素在识别上述类,如图4。Ga、Bi和Th nonsites之间差别的重要元素,最小的贝冢玻化粪,nonvitrified粪网站(图4)。在评估中每个元素的重要性区分单个类,Sr,艾尔,Ca是最重要的元素在区分网站玻化粪从网站的其余部分(图5)。在辨别nonsites P和Mg是重要,贝冢玻化粪,nonvitrified粪便。

基于测量变量(MDA)提供的RF重要性,阵线过程被用来找到最小的一组元素,导致预测精度最高的分类nonsites,贝冢玻化粪便,并使用射频nonvitrified粪便网站。最优选择预测变量(元素)最低的OOB错误率(15.38%)P,钙、锶、镁、铁、锌、有限公司使用所有元素时,出错率增加到17.31%(图6)。所选元素被用作输入变量在射频分类器模型映射nonsites,贝冢玻化粪,nonvitrified粪网站。

所有使用野外光谱仪的波长捕获输入射频分类模型。意味着降低基尼系数在一个普通的射频用来评估变量的重要性区分玻化粪便,自然土壤,贝冢和nonvitrified粪便网站。一般来说,基尼指数最高的意思是减少发生在可见光谱中波长(350 - 576海里),波长513纳米是最重要的。然而,重要的变量覆盖广泛的电磁(EM)波从可见光到近红外波段与著名的山峰,在350年和576纳米之间,1292 nm - 1380 nm, 1575和1748 nm和1801和1808海里(图7)。

GRRF用于选择最佳波长分类玻化粪便,贝冢nonvitrified粪便,和自然土壤。这样做是用变量重要性分数为每个波长从正常获得射频指导里承认射频特性的选择。选择最佳波长549 nm和624 nm在可见光谱中,虽然在近红外,996 nm、1026 nm、1665 nm、1774 nm、1934 nm和2290 nm选中,如图8。选定的波长被输入到射频标识符映射nonsites,贝冢玻化粪,nonvitrified粪网站。

3.3。精度评估

射频测试的预测能力使用最佳元素选择的阵线过程和所有的元素。坚持数据集,它是由随机将数据划分为训练(70%)和测试(30%),是用来测试两种模型的准确性。射频优化利用网格搜索Mtry的优化组合和Ntree实现最低的OOB误差约为15.38%。研究结果表明,网站可以更准确地映射使用选定的七个乐队比当使用33的所有元素(表5)。用户和生产者精度的两个模型比较表6。

在普通RF算法分类也使用GRRF最佳波段选择的模型。Mtry的优化组合和Ntree OOB误差最低的0.11。总的来说,分类模型实现了在使用所有波长准确度84.76%。然而,实现更高的整体精度为87%在使用最优波段选择GRRF(表7)。表8显示了用户和生产者之间的比较上述数据的精度。

最佳的组合元素和乐队也放入普通射频分类器,看看他们是否可以提高分类精度。结果表明,最优的组合元素和乐队产生一个分类精度比预测模型对于所有乐队,所有的元素,当只使用选中的元素。该模型实现了85.71%的总体精度(表9)。最优Mtry和Ntree模型产生最低的OOB误差约为14.29%。

4所示。讨论

本研究的主要目的是评估的可能性,利用高光谱数据歧视nonsites,贝冢nonvitrified粪便,和玻化粪站点区域以前是由农业社区的特征。它还评估如果上述类可以区分基于他们的化学成分。本研究的发现表明,有显著性差异的构成元素描述考古特性。最重要的是,它也表明,遥感技术可用于地图表面考古特性。考古调查,因为这是一个重要的发展遥感技术的使用将使网站在大面积的快速和便宜的文档。

总的来说,统计分析的结果表明,有一个显著的差异在nonsites元素的浓度,贝冢玻化粪,nonvitrified粪网站。这是因为不同的人为活动有不同的影响土壤的组成元素(15,116年]。整个nonsites P的浓度显著不同,贝冢玻化粪,nonvitrified粪便牛棚。平均玻化粪便有高浓度的P紧随其后nonvitrified粪便,贝冢和nonsites。这不足为奇,因为磷是广泛应用于考古研究的指标不同的人类活动117年,118年]。磷是土壤纳入的人类活动,包括准备食物,垃圾处理,和动物粪便存款;因此,有必要分析其浓度结合其他元素以识别不同的活动区域(10,116年]。在这项研究中,磷被存款纳入土壤动物粪便的牛栏和火山灰和有机存款的贝冢。其他元素钙和镁等明显不同玻化粪便和nonsites但没有显著不同的贝冢和nonvitrified粪便。一般来说,Mg和Ca都高度集中在活动区域玻化粪便,nonvitrified粪便,比nonactivity地区以nonsites贝冢。上述元素的含量在土壤类也高度可变。这也是支持的发现Luzzadder-Beach et al。5在元素的浓度对人为活动区域在土耳其和墨西哥和霍夫曼et al。6]在玻化粪钙的浓度在研究区域内的存款。这是影响钙和镁的浓度的差异在草被动物和木灰,这些都会增加土壤中的水平(6- - - - - -8,119年,120年]。元素的浓度差异在同一类也可以沉积和postdepositional过程的结果,影响整体土壤中元素的浓度,如人类活动、侵蚀、和浸出6,7,121年]。相反,钾(K)在所有无关紧要的不同的类除了玻化粪便。这支持霍夫曼et al。6)发现K₂O明显高于在玻化比nonvitrified粪粪。还不清楚什么导致高水平的K玻化粪存款;不过,霍夫曼et al。6)由于一些mopane日志用于构造牛栏周围的栅栏。

阵线过程特性的重要性得分基础上计算了普通射频用于选择关键元素的一个子集,可以准确地区别对待不同的考古遗址。磷、钙、锶、镁、铁、锌、和公司被选为最优元素区分的贝冢nonsites nonvitrified粪便,玻化粪站点。这是符合Wilson所研究。2)发现上述元素的成分是受人类活动等领域的贝冢和牛栏。选定元素的浓度也显著正如上面所讨论的不同在不同的类。射频的分类做了分类器使用射频分类器中选择最优的元素作为输入变量产生了较高的分类精度。这表明,分类算法也可以用于预测网站使用他们的化学成分。这也证实了发现Oonk和Spijker [14)考古遗址可以使用元素作为输入变量在预测的分类算法。

这项研究的光谱分析结果表明,野外光谱数据可以利用歧视nonsites,贝冢nonvitrified粪便,玻化粪便。GRRF模型被用来减少高维度的数据集(66年,68年]。该算法已在植被映射产生了很好的效果,但从来没有在土壤分析测试(67年,68年]。算法选择的八个重要的波长VIS /红外光谱,549 nm、624 nm、996 nm、1026 nm、1665 nm、1774 nm、1934 nm和2290 nm,区分nonsites,贝冢nonvitrified粪便,玻化粪便。从可见光谱波长的选择(549 nm和624 nm)可能影响土壤有机质含量的差异。这个研究的结果是一致的Bartholomeus et al。122年)和Nolet et al。123年)发现有相关性的吸收波长在可见光谱和土壤有机质的数量。土壤有机质含量也与颜色。这是由于高浓度的有机物的结果在黑暗的土壤和高的吸收波长(124年]。波长996 nm和1026 nm)在近红外区域可以与元素,如镁和钙的浓度或其化合物。这个结果支持Thomasson et al。125年)发现土壤中钙和镁浓度水平对光谱敏感地区在950到1500纳米之间。吸收其他四个选择波长1665 nm、1774 nm、1934 nm和2290 nm可以与样品中磷的浓度有关。磷水平的增加高度与之间的吸收波长1500 nm和2500 nm (126年]。土壤中的浓度的磷酸氢钙和镁磷酸盐也显示与反射光谱波长在上述地区高度相关(127年]。然而,必须指出的是,不同波长在同一光谱区与其他模型在其他选择的研究可能是选择,因为模型训练中删除相关。

一般来说,高分类精度达到当使用最佳乐队由GRRF比当使用所有2151年的乐队。低分类精度达到当使用所有固有的高2151乐队是由自相关领域内的光谱数据,影响预测模型的性能(101年,128年,129年]。这项研究的结果表明,删除相关变量可以提高分类器的预测精度。最重要的是,高分类精度通过使用最佳波长选择的子集GRRF肯定选择重要的波长的能力,提高射频的预测精度在考古遗址进行分类67年,68年]。关键元素的组合(n= 7)和关键波长(n= 8)取得了降低分类精度与使用关键元素(n= 7)和关键波长(n= 8)分开。低要素结合键时,分类精度达到波长是由数据冗余导致噪声分类输出(101年,128年,130年]。冗余提供的信息来自这样一个事实:波长土壤的物理和化学性质(31日,126年),这意味着结合元素和光谱数据在这项研究中产生了冗余数据。最重要的是,选择的波长与乐队GRRF模型对应位置的星载和机载传感器的全球视界2号,带来如地球资源观测卫星8奥利机载可见光红外成像光谱仪(AVIRIS) Hymap,亥伯龙神,机载棱镜实验(顶点),和紧凑的高分辨率成像光谱仪(克里斯)131年- - - - - -135年]。然而,光谱仪在细节捕捉数据以更少的噪音和窄谱带与乐队共同机载和星载传感器捕捉到。这是由于传感器的能力,比如空间采样和信噪比,随高度增加而下降(29日,136年- - - - - -138年]。上述权衡在光谱和空间分辨率可能会阻碍使用机载和星载传感器的映射考古的大多数特性,因为微妙的光谱差异和小自然比像素大小(139年]。因此,需要进行测试的研究确定一个合适的机载或星载传感器研究地区考古特征映射。

一般来说,高分类精度达到在这项研究表明,有可能直接探测考古等特性的贝冢玻化牛栏,nonvitrified牛栏使用野外光谱数据。因此,这个承诺具有成本效益的方法,它可以用来进行考古调查相比,在短时间内大面积的使用元素数据和实地调查行走。测量使用遥感技术还将文档和监控等考古遗址位于访问地区的战区和危险的野生动物的地方容易。

5。结论

本研究的重点是调查野外光谱测量是否能辨别在考古遗址利用土壤特性指标和识别重要的乐队。统计方法被用来评估是否有显著差异在考古特征元素的浓度和自然土壤。基于本研究的结果,可以使以下推论:(1)有显著差异nonsites之间元素的浓度,贝冢nonvitrified粪便和玻化粪站点。这种差异在上述元素的构成特性可以用来辨别其中当输入一个分类算法。磷、钙、锶、镁、铁、锌、和公司被认定为区分nonsites的重要元素,贝冢nonvitrified粪便,和玻化粪网站使用时作为输入变量在一个分类模型。(2)野外光谱数据有能力区分nonsites,贝冢nonvitrified粪便和玻化粪站点。这意味着nonvitrified粪便,玻化粪便,贝冢和nonsites有不同的光谱特征。(3)波长在可见近红外光谱可以用来区分自然土壤中,贝冢玻化粪,nonvitrified粪便牛棚。八个重要的乐队给最高的一个子集分类精度区分上述类识别时使用GRRF在可见近红外光谱。549 nm和624 nm内可见光谱在近红外波长996纳米的时候,1026 nm、1665 nm、1774 nm、1934 nm和2290 nm。

总之,这项研究的结果表明,有化学对比考古等特性的贝冢玻化粪牛栏,nonvitrified粪便牛栏和自然土壤使光谱学领域歧视。因此,潜在的遥感考古探测和映射特性与独特的土壤理化特性如在这项研究中使用的是礼物。尽管潜在的存在,还需要进一步的研究来高档野外光谱测量不同传感器光谱分辨率确定哪个卫星传感器的最佳波长探测考古遗址的特点是贝冢玻化粪,nonvitrified粪便。

数据可用性

土壤元素和光谱数据属性用于支持本研究的发现没有提供,因为我们仍然使用它进行进一步的研究。

的利益冲突

作者宣称没有利益冲突。

确认

由于博茨瓦纳大学培训部的支持本研究。感恩也给SANParks允许访问Mapungubwe国家公园和戴比尔斯集团(通过邓肯·麦克法迪恩)允许访问威尼西亚自然保护区和使用研究设施。作者也感谢教授托马斯·霍夫曼主张他的数据和投入时间通过我们通过研究区和Ihnos Dhau为他的援助在田野调查数据收集和数据处理的实验室。特别感谢将Lesego Madisha(前考古学家在SANParks Mapungubwe)对她的帮助,SANParks”文化遗产经理变脆Chauke,和威尼西亚自然保护区工作人员的帮助。这项工作是由博茨瓦纳和威特沃特斯兰德大学的大学。

引用

1. s . Oonk c·p·Slomp d·j·豪氏威马和s . p . Vriend“地球化学和矿物学的调查国内考古Tiel-Passewaaij现场土壤特性,荷兰,”《地球化学勘查,卷101,不。2、155 - 165年,2009页。视图:出版商的网站|谷歌学术搜索
2. c·a·威尔逊、d . a . Davidson和m . s .不尽,“多元化的土壤分析:评估其潜在的援助考古解释,“考古科学杂志,35卷,不。2、412 - 424年,2008页。视图:出版商的网站|谷歌学术搜索
3. n·j·沃克,”的意义的早期陶器和羊在津巴布韦,”南非考古公告,38卷,不。138年,第92 - 88页,1983年。视图:出版商的网站|谷歌学术搜索
4. t·n·霍夫曼的起源Mapungubwe项目进展报告2008准备戴比尔斯,NRF SAHRA SANParks, 2009。
5. s . Luzzadder-Beach t .海滩,r·e·特里和k . z医生,“基本勘查和地质考古学在土耳其和墨西哥,”系列,卷85,不。2、119 - 129年,2011页。视图:出版商的网站|谷歌学术搜索
6. t·n·霍夫曼,m . Elburg和m . Watkeys“玻化牛粪在南部非洲的铁器时代,“考古科学杂志,40卷,不。10日,3553 - 3560年,2013页。视图:出版商的网站|谷歌学术搜索
7. w·d·米德尔顿和d . t .价格鉴定活动领域从现代多元化的表征沉积物和考古学家地板使用电感耦合等离子体原子发射光谱,”考古科学杂志,23卷,不。5,673 - 687年,1996页。视图:出版商的网站|谷歌学术搜索
8. m . Hejcman j . Ondraček, z . Smrž“古老的浪费与木灰坑不可逆增加作物产量在欧洲中部,“植物和土壤,卷339,不。1 - 2、341 - 350年,2011页。视图:出版商的网站|谷歌学术搜索
9. m·j·施密特,a·拉普Py-Daniel c·德波拉·莫拉et al .,“黑暗地球和人类建立了亚马逊的景观:anthrosol形成的普遍模式,”考古科学杂志,42卷,第165 - 152页,2014年。视图:出版商的网站|谷歌学术搜索
10. w·d·米德尔顿,”识别化学活性残留在史前的房子楼层:轻微的multi-elemental表征方法和理由人为沉积物中酸的提取,”考古学,46卷,不。1,47 - 65、2004页。视图:出版商的网站|谷歌学术搜索
11. j·j·帕内尔、r·e·特里和z . Nelson”土壤化学分析应用作为解释工具,古代人类活动在德拉斯,危地马拉,”考古科学杂志卷,29号4、379 - 404年,2002页。视图:出版商的网站|谷歌学术搜索
12. l·雅各布森,j . c . Loock w·a·范德Westhuizen t·n·霍夫曼和j·j·b·德雷尔”从Kamdeboo玻化粪的发生区,南部卡鲁和窝国家林波波河山谷,南非:行动研究”南非科学杂志》上,卷99,不。1 - 2,途径的2003页。视图:谷歌学术搜索
13. c .伦弗鲁和p .铁路考古:理论、方法和实践英国伦敦泰晤士河和哈德逊,第六版,2012年版。
14. Oonk和j . Spijker”,监督机器学习方法对地球化学预测模型在考古学,”考古科学杂志59卷,第88 - 80页,2015年。视图:出版商的网站|谷歌学术搜索
15. j•弗莱舍评论和f·苏拉”,解读公共空间在城市环境:地球物理调查,多元化的土壤分析,和工件分布在公元15 th-16th-century斯瓦希里语解决松Mnara,坦桑尼亚,”考古科学杂志卷,55岁,55 - 70、2015页。视图:出版商的网站|谷歌学术搜索
16. a•罗兰兹,叫做a Sarris检测暴露和地下考古仍然使用多传感器遥感,”考古科学杂志,34卷,不。5,795 - 803年,2007页。视图:出版商的网站|谷歌学术搜索
17. a . Traviglia和d . Cottica遥感应用和考古研究在北方威尼斯泻湖:Constanciacus的失去了解决的情况下,“考古科学杂志,38卷,不。9日,第2050 - 2040页,2011年。视图:出版商的网站|谷歌学术搜索
18. 贝克尔h . m . Van Ess, j . et al .,单是“发现抢劫活动在伊拉克使用ikonos影像的考古遗址,”Agenwandte Geo-Informatik, Breitrage Zum 18。AGIT研讨会萨尔斯堡,j . Stroble t Blaschke, g . Griesebner Eds。,pp。66年9- - - - - -678,W我chman Verlag, Heidelberg, Germany, 2006.视图:谷歌学术搜索
19. a . Agapiou d·d·Alexakis m . Stavrou叫做a Sarris, k . Themistocleous和d . g . Hadjimitsis”前景和植被指数在考古研究的局限性:新石器时代塞萨利案例研究,”地球资源与环境遥感学报》第四/ GIS应用程序2013年9月,德国德累斯顿。视图:谷歌学术搜索
20. a . Agapiou和d . g . Hadjimitsis植被指数和字段spectroradiometric测量验证埋架构是:验证下区域与地球物理调查活动,“应用遥感技术杂志》上,5卷,不。1,文章ID 053554, 2011。视图:出版商的网站|谷歌学术搜索
21. r·贝内特k . Welham r·a·希尔和a . l . j .福特“植被指数的应用考古勘察的特点在grass-dominated环境中,“考古勘察,19卷,不。3、209 - 218年,2012页。视图:出版商的网站|谷歌学术搜索
22. r . Lasaponara和n . Masini”鉴定考古埋仍然基于归一化植被指数(NDVI) quickbird卫星数据,”IEEE地球科学和遥感信,3卷,不。3、325 - 328年,2006页。视图:出版商的网站|谷歌学术搜索
23. 诉l·穆德,s . De熊先生m . e . Schaepman t·r·迈尔,“遥感在土壤和地形的使用映射审查,”Geoderma,卷162,不。1 - 2,- 2011页。视图:出版商的网站|谷歌学术搜索
24. c . Siart b Eitel, d . Panagiotopoulos”过去的考古调查使用遥感和GIS的风景:山Ida方法的案例研究,克里特岛,”考古科学杂志,35卷,不。11日,第2926 - 2918页,2008年。视图:出版商的网站|谷歌学术搜索
25. s . a . Aqdus j·德拉蒙德,w·s·汉森”发现考古cropmarks:高光谱的方法,”《国际摄影测量的档案,遥感与空间信息科学,第366 - 361页,北京,中国,2008年7月。视图:谷歌学术搜索
26. c . Bassani r·m·卡瓦利r . Goffredo帕隆博,s . Pascucci和s . Pignatti”特定的光谱波段不同的土地覆盖情况下提高遥感考古勘察的效率:arpi案例研究,“《文化遗产2009年,10卷,pp. e41-e48。视图:出版商的网站|谷歌学术搜索
27. r . Casa f·卡斯塔尔迪,s . Pascucci A .帕隆博和s . Pignatti”比较传感器分辨率和校准土壤质地的策略从高光谱遥感估算,“Geoderma卷,197 - 198年17-26,2013页。视图:出版商的网站|谷歌学术搜索
28. c·戈麦斯r . a . v . Rossel, a . b . McBratney”土壤有机碳由高光谱遥感和实地可见光谱预测:一个澳大利亚案例研究中,“Geoderma,卷146,不。3 - 4、403 - 411年,2008页。视图:出版商的网站|谷歌学术搜索
29. p . Lagacherie f . Baret J.-B。Feret, j·马德拉最低,j . m . Robbez-Masson”估计土壤的粘土和碳酸钙使用实验室,字段和机载高光谱测量,”环境遥感,卷112,不。3、825 - 835年,2008页。视图:出版商的网站|谷歌学术搜索
30. e·m·亚当,o . Mutanga d . Rugege和r·伊斯梅尔”歧视的纸莎草植被(莎草纸莎草l .)及其co-existent物种使用随机森林和高光谱数据重新取样HYMAP,”国际遥感杂志》上,33卷,不。2、552 - 569年,2012页。视图:出版商的网站|谷歌学术搜索
31. e . Ben-Dor y Inbar y陈,“有机物的反射光谱中的可见光近红外、短波红外区(400 - 2500 nm)在控制分解过程中,“环境遥感,卷61,不。1、1 - 15,1997页。视图:出版商的网站|谷歌学术搜索
32. m . Gandariasbeitia g . Besga Albizu, s . Larregla和s . Mendarte”预测土壤的化学和生物变量放牧的地区可见和近红外光谱,”Geoderma卷,305年,第235 - 228页,2017年。视图:出版商的网站|谷歌学术搜索
33. r . a . v . Rossel和t . behren”使用数据挖掘模型和解释土壤漫反射光谱,”Geoderma,卷158,不。1 - 2,页46 - 54岁,2010年。视图:出版商的网站|谷歌学术搜索
34. k·d·谢泼德和m·g·沃尔什”发展表征土壤的反射光谱库属性,“美国土壤科学学会杂志》上,卷66,不。3、988 - 998年,2002页。视图:出版商的网站|谷歌学术搜索
35. m . Vohland m·路德维格、美国Thiele-Bruhn和b·路德维希”测定土壤与短期和中红外光谱的可见属性:光谱变量选择的影响,“Geoderma卷,223 - 225,88 - 96年,2014页。视图:出版商的网站|谷歌学术搜索
36. 诉Kopačkova和l . Koucka”集成从长波红外可见光谱吸收特性的信息范围矿产映射,”遥感,9卷,不。10,1006年,页2017。视图:出版商的网站|谷歌学术搜索
37. s . Nawar h . Buddenbaum j·希尔,j .科扎克和a . m . Mouazen”估算土壤粘粒含量和有机质通过不同校准方法的可见漫反射光谱,”土壤和耕作研究卷,155年,第522 - 510页,2016年。视图:出版商的网站|谷歌学术搜索
38. y Ogen, c·诺伊曼s Chabrillat n . Goldshleger Ben金龟子和大肠”评估有机物质使用的检测极限点和成像光谱,”Geoderma卷,321年,第109 - 100页,2018年。视图:出版商的网站|谷歌学术搜索
39. y Ogen: Goldshleger,大肠Ben-Dor”3 d光谱分析VNIR-SWIR光谱地区作为土壤分类、工具”Geoderma卷,302年,第110 - 100页,2017年。视图:出版商的网站|谷歌学术搜索
40. 黄c .徐w .曾庆红,j . j .吴和w . Van Leeuwen”预测土壤含水量和土壤盐浓度从高光谱实验室和现场数据,”遥感,8卷,不。1,42页,2016年。视图:出版商的网站|谷歌学术搜索
41. a . Agapiou d Hadjimitsis,叫做a Sarris k . Themistocleous和g . Papadavid“高光谱检测埋建筑地面实况数据依然存在,”学报-地中海合作会议施普林格,页318 - 331年,Lemessos,塞浦路斯,2010年11月。视图:谷歌学术搜索
42. a . Agapiou d . g . Hadjimitsis d . Alexakis叫做a Sarris,“天文台的验证新石器时代告诉(“magoules”) Thessalian平原,中部希腊,利用高光谱spectroradiometric数据,”考古科学杂志,39卷,不。5,1499 - 1512年,2012页。视图:出版商的网站|谷歌学术搜索
43. a . Agapiou d Hadjimitsis, d . Alexakis”评估宽带和窄带考古作物植被指数的识别标志,”遥感,4卷,不。12日,第3919 - 3892页,2012年。视图:出版商的网站|谷歌学术搜索
44. 叫做a Sarris:帕帕多普洛斯,a Agapiou et al .,“集成的地球物理调查、地面高光谱测量、航空和卫星影像的史前遗址考古勘察:Vesztő-Magor告诉的案例研究,匈牙利,”考古科学杂志,40卷,不。3、1454 - 1470年,2013页。视图:出版商的网站|谷歌学术搜索
45. l . j .冯娇,f·刘,t .太阳和x张“无监督特征选择基于最大信息和最小冗余的高光谱图像,”模式识别,51卷,第309 - 295页,2016年。视图:出版商的网站|谷歌学术搜索
46. j .汉堡和a .高恩在高光谱图像分析,数据处理”化学计量学和智能实验室系统,卷108,不。1,13-22,2011页。视图:出版商的网站|谷歌学术搜索
47. m·d·法雷尔和r . m . Mersereau”的影响PCA降维高光谱检测困难的目标,“IEEE地球科学和遥感信,卷2,不。2、192 - 195年,2005页。视图:出版商的网站|谷歌学术搜索
48. k的巨大和r·r·海耶斯”样本量的影响在分类器设计中,“IEEE模式分析与机器智能,11卷,不。8,873 - 885年,1989页。视图:出版商的网站|谷歌学术搜索
49. g . Taskin、h·卡亚和l . Bruzzone”特征选择基于高光谱图像高维模型表示,“IEEE图像处理,26卷,不。6,2918 - 2928年,2017页。视图:出版商的网站|谷歌学术搜索
50. j .火腿,y Yangchi Chen m·m·克劳福德和j . Ghosh”调查高光谱数据的随机森林分类框架,“IEEE地球科学和遥感,43卷,不。3、492 - 501年,2005页。视图:出版商的网站|谷歌学术搜索
51. a . k . Jain和w·g·沃勒”特性的最优数量分类的多元高斯分布数据,”模式识别,10卷,不。5 - 6,365 - 374年,1978页。视图:出版商的网站|谷歌学术搜索
52. x Cai, g .温家宝,j·魏,j . Li和z,“知觉relativity-based semi-supervised降维算法,”应用软计算》16卷,第123 - 112页,2014年。视图:出版商的网站|谷歌学术搜索
53. x贾和j·a·理查兹,”分段主成分转换为有效的高光谱遥感图像显示和分类,“IEEE地球科学和遥感,37卷,不。1,第542 - 538页,1999。视图:出版商的网站|谷歌学术搜索
54. j .魏m .孟问:妈,j . Wang和x王”自适应semi-supervised降维与使用成对约束稀疏表示,“Neurocomputing卷,177年,第571 - 564页,2016年。视图:出版商的网站|谷歌学术搜索
55. d . s . Li h . Wu Wan, j .朱”一个有效的特征选择方法对高光谱图像分类基于遗传算法和支持向量机,”以知识为基础的系统,24卷,不。1,40-48,2011页。视图:出版商的网站|谷歌学术搜索
56. j . p .妈,z . b .郑问:x,和l . f .郑”应用遗传算法对高光谱图像波段选择分类,”《2003国际机器学习与控制论会议5卷,第2813 - 2810页,IEEE, 2003年11月。视图:谷歌学术搜索
57. f·l·卓j .郑x Li, b . Ai和j .钱,“基于遗传算法的封装器特征选择方法,使用支持向量机的高光谱图像分类,”学报Geoinformatics 2008和关节GIS与建筑环境会议:遥感图像的分类卷。7147年,国际社会对于光学和光子学,广州,中国,2008年6月。视图:谷歌学术搜索
58. e . m .任f·b·艾哈迈德,r·伊斯梅尔“随机森林回归和估算甘蔗叶氮浓度的光谱波段选择使用eo - 1 hyperion高光谱数据,”国际遥感杂志》上,34卷,不。2、712 - 728年,2013页。视图:出版商的网站|谷歌学术搜索
59. y坝子和f . Melgani”,对一个最优支持向量机为高光谱遥感图像分类系统,”IEEE地球科学和遥感,44卷,不。11日,第3385 - 3374页,2006年。视图:出版商的网站|谷歌学术搜索
60. d . Jouan-Rimbaud d l .设计学院,o . e . De Noord“随机相关变量选择与遗传算法对多元校正,”化学计量学和智能实验室系统,35卷,不。2、213 - 220年,1996页。视图:出版商的网站|谷歌学术搜索
61. 傅t·张x r . s . m .吴作栋c . k . Kwoh g·k·k·李,“一个GA-SVM基于高性能计算技术,特征选择模型”学报2009年IEEE国际会议系统,人与控制论IEEE,页2653 - 2658年,圣安东尼奥,TX,美国,2009年10月。视图:谷歌学术搜索
62. p . o . Gislason j . a . Benediktsson和j·r·人“随机森林土地覆盖分类、”模式识别的字母,27卷,不。4、294 - 300年,2006页。视图:出版商的网站|谷歌学术搜索
63. k·k·尼哥底母,j·d·马利,c . Strobl和a·齐格勒,“随机森林permutation-based变量重要性的行为措施下预测相关性,”BMC生物信息学,11卷,不。1,p。110年,2010。视图:出版商的网站|谷歌学术搜索
64. t . Uddin和a . Uddiny”,引导活动识别,基于随机森林的特征选择方法”学报2015年电气工程和信息通信技术国际会议(ICEEICT),页1 - 6,IEEE,达卡,孟加拉国,2015年5月。视图:谷歌学术搜索
65. t·t·阮h .赵j . z黄t·t·阮和m . j .,”一个新特性随机森林预测高维数据,抽样方法”《亚太会议知识发现和数据挖掘施普林格,页459 - 470年,奥克兰,新西兰,2015年10月。视图:谷歌学术搜索
66. 邓h . g .响,“基因选择引导正规化随机森林”模式识别,46卷,不。12日,第3489 - 3483页,2013年。视图:出版商的网站|谷歌学术搜索
67. e .亚当·h·邓,j . Odindi e . m .任和o . Mutanga”检测的早期阶段phaeosphaeria叶斑病的侵扰,在玉米作物使用原位高光谱数据和指导正规化随机森林算法,”《光谱学卷,2017篇文章ID 6961387、8页,2017。视图:出版商的网站|谷歌学术搜索
68. n . Mureriwa e·亚当,a Sahu, s . Tesfamichael”检查的频谱分离prosopis glandulosa co-existent物种使用野外光谱测量和引导正规化随机森林,”遥感,8卷,不。2,p。144年,2016年。视图:出版商的网站|谷歌学术搜索
69. g . Chinoda w . Moyce:结业证书,r·欧文,“基线报告林波波河盆地的地质区域,“技术代表、Waternet,阿姆斯特丹,荷兰,2009年,Waternet工作报告7。视图:谷歌学术搜索
70. e . m . Bordy和o . Catuneanu沉积学的Beaufort-Molteno卡鲁Tuli盆地冲积地层,南非,”南非地质杂志》上,卷105,不。1,51 - 66,2002页。视图:出版商的网站|谷歌学术搜索
71. Cilliers a·r·格策,美国美国,h . Bezuidenhout”分析植被的砂岩脊(Ib土地类型)的Mapungubwe东北部地区的国家公园,林波波省,南非,”Koedoe:非洲保护区保护和科学,50卷,不。1,第81 - 72页,2008。视图:出版商的网站|谷歌学术搜索
72. e·o·m·Hanisch“Schroda: Zhizo网站在北德兰士瓦”指导考古遗址在北部和东部德兰士瓦,艾德·e·a·沃伊特。,页37-53,南非考古学家协会,比勒陀利亚,南非,1981。视图:谷歌学术搜索
73. a·r·格策s . s . Cilliers h . Bezuidenhout k .柯尔尼,“河岸植被的分析(Ia土地类型)的提议Vhembe-Dongola国家公园,林波波省,南非,”Koedoe,46卷,不。2、45 - 64年,2003页。视图:出版商的网站|谷歌学术搜索
74. j . a .花茎甘蓝“区际交互在非洲南部:Zhizo和豹的小丘关系在南非北部,津巴布韦西南部和东部博茨瓦纳,公元1000年到1200年,“非洲考古审查,17卷,不。4、183 - 210年,2000页。视图:出版商的网站|谷歌学术搜索
75. j . f . Eloff和a·迈耶”greefswald网站”指导考古遗址在北部和东部德兰士瓦,艾德·e·a·沃伊特。,页7-22,德兰士瓦博物馆,比勒陀利亚,南非,1981。视图:谷歌学术搜索
76. t·n·霍夫曼,”Mapungubwe和津巴布韦的起源文化。”古德温系列,8卷,14-29,2000页。视图:出版商的网站|谷歌学术搜索
77. j·c·沃格尔和j . a .花茎甘蓝”Leokwe希尔的约会网站,对区域年表,”古德温系列,8卷,47-50,2000页。视图:出版商的网站|谷歌学术搜索
78. e·o·m·Hanisch“Schroda:考古证据,”在粘土雕刻:铁器时代从Schroda雕像,南非林波波省页热带病,民族文化历史博物馆,比勒陀利亚,南非,2002。视图:谷歌学术搜索
79. t·n·霍夫曼,“Mapungubwe和伟大的津巴布韦:社会复杂性的起源和传播在南部非洲,”考古人类学杂志》,28卷,不。1页37-54 2009 a。视图:出版商的网站|谷歌学术搜索
80. e·o·m·Hanisch一个考古的解释某些铁器时代网站林波波河/沙市山谷比勒陀利亚大学比勒陀利亚,南非,1980年。
81. a·迈耶”,K2和Mapungubwe。”古德温系列,8卷,不。4、42、2000页。视图:出版商的网站|谷歌学术搜索
82. “j . r . Denbow Cenchrus ciliaris:一个铁器时代的贝冢的生态指标使用在博茨瓦纳、东部航空摄影”南非科学杂志》上,卷75,不。9日,第408 - 405页,1979年。视图:谷歌学术搜索
83. s . Chirikure m . Manyanga a . m .波拉德f . Bandama g . Mahachi i Pikirayi,“津巴布韦Mapungubwe前文化:从Mapela山新证据,津巴布韦西南部,”《公共科学图书馆•综合》,9卷,不。10篇文章ID e111224 2014。视图:出版商的网站|谷歌学术搜索
84. t·n·霍夫曼,”的历史考古Mapungubwe面积:布尔birwa,纳和砍刀,”南部非洲人文,24卷,不。1,33-59,2012页。视图:谷歌学术搜索
85. b·费根“greefswald序列:Bambandyanalo Mapungubwe,”《非洲的历史,5卷,不。3、337 - 361年,1964页。视图:谷歌学术搜索
86. e·a·沃伊特Mapungubwe:一个考古的解释一个铁器时代社区,卷1,德兰士瓦博物馆,比勒陀利亚,南非,1983年。
87. b .彼得,“玻化粪便在考古的情况下:一个实验研究的过程中形成的Mosu和Bobirwa区域,”普拉:博茨瓦纳非洲研究杂志》上,15卷,不。1,第143 - 125页,2001。视图:谷歌学术搜索
88. p .你,a . k . Segobye, d . w .明”的含义史前玻璃生物质渣从华东博茨瓦纳、”考古科学杂志,22卷,不。5,629 - 637年,1995页。视图:出版商的网站|谷歌学术搜索
89. t·n·霍夫曼Mapungubwe项目的起源,进步2011年进展报告准备戴比尔斯,NRF SAHRA SANParks, 2011。
90. p . Paillou洛佩兹,t . Farr, a . Rosenqvist”映射使用l波段SAR在撒哈拉沙漠地下地质:第一ALOS / PALSAR成像雷达的结果,“IEEE选择杂志的主题应用地球观测和遥感,3卷,不。4、632 - 636年,2010页。视图:出版商的网站|谷歌学术搜索
91. 分析光谱设备、公司“FieldSpec 4 standard-res光谱仪,”2018年,https://www.asdi.com/products-and-services/fieldspec-spectroradiometers/fieldspec-4-standard-res。视图:谷歌学术搜索
92. m·丹纳m .打孔机、t·汉克和k·里希特,“光谱采样与ASD FieldSpec 4-theory,测量问题,解释,“技术代表、地球科学数据服务、波茨坦,德国,2015年,EnMAP领域指导技术报告。视图:谷歌学术搜索
93. 肌萎缩性侧索硬化症,ME-ICP61跟踪级别使用传统icp - aes分析的方法ALSGLOBAL,约翰内斯堡,南非,2018年。
94. m·弗莱彻和g . r .锁,考古学家挖掘数字:基本统计数据33卷,考古学院的牛津大学,牛津大学,英国,2005。
95. s .深南量化考古爱荷华州,爱荷华大学出版社,城市,IA,美国,第二版,1997年版。
96. a·g·Bedeian和k·w·Mossholder”,使用变异系数作为衡量的多样性,”组织研究方法,3卷,不。3、285 - 297年,2000页。视图:出版商的网站|谷歌学术搜索
97. 诉贝维克l .脸颊,j .球”统计审查9:单向方差分析,“急救护理,8卷,不。2,p。130年,2004年。视图:出版商的网站|谷歌学术搜索
98. j·h·麦克唐纳生物统计手册出版,卷2,活泼的房子,巴尔的摩,医学博士,美国,2009年。
99. r·伊斯梅尔和o . Mutanga歧视的早期阶段sirex noctilio侵扰使用分类树集合体和短波红外波段,”国际遥感杂志》上,32卷,不。15日,第4266 - 4249页,2011年。视图:出版商的网站|谷歌学术搜索
100. e·亚当,o . Mutanga, r·伊斯梅尔”确定桉树的易感性nitens森林Coryphodema tristis (cossid蛾)发生在普马兰加,南非,”国际地理信息科学杂志》上,27卷,不。10日,1924 - 1938年,2013页。视图:出版商的网站|谷歌学术搜索
101. k·曼苏尔,o . Mutanga、t·艾弗森和e·亚当,”判别指标为牧场草地物种退化评估利用高光谱数据重新取样,爱莎鹰决议,”ISPRS《摄影测量与遥感卷。70年,56 - 65,2012页。视图:出版商的网站|谷歌学术搜索
102. 邓h . g .响,“通过正规化特征选择树”《2012年国际神经网络(IJCNN)联合会议IEEE,页1 - 8,布里斯班,澳大利亚,2012年6月。视图:谷歌学术搜索
103. 阿切尔k . j . r . v . kim,“森林实证描述随机变量措施重要性。”计算统计和数据分析,52卷,不。4、2249 - 2260年,2008页。视图:出版商的网站|谷歌学术搜索
104. w·g . Touw j . r . Bayjanov l . Overmars et al .,“数据挖掘在生命科学与随机森林:在公园里散步或迷失在丛林里?”简报的生物信息学,14卷,不。3、315 - 326年,2012页。视图:出版商的网站|谷歌学术搜索
105. e . m .任o . Mutanga e·亚当和r·伊斯梅尔”检测sirex noctilio grey-attacked和闪电击中的松树使用机载高光谱数据,随机森林和支持向量机分类器,”ISPRS《摄影测量与遥感卷。88年,48-59,2014页。视图:出版商的网站|谷歌学术搜索
106. j . C.-W。陈和d . Paelinckx”评价的随机森林和演算法基于树的系综分类为景观元素映射和频谱带选择使用机载高光谱图像,”环境遥感,卷112,不。6,2999 - 3011年,2008页。视图:出版商的网站|谷歌学术搜索
107. e .任d . Makori t Landmann et al .,”爱莎鹰高光谱数据的实用程序和随机森林分类器花映射,”遥感,7卷,不。10日,13298 - 13318年,2015页。视图:出版商的网站|谷歌学术搜索
108. O。Akar和o . Gungor”,用随机森林算法的多光谱图像分类”,大地测量学和地质信息杂志》上,1卷,不。2、105 - 112年,2013页。视图:出版商的网站|谷歌学术搜索
109. v . f . Rodriguez-Galiano m . Chica-Olmo f . Abarca-Hernandez p·m·阿特金森和c . Jeganathan“地中海土地覆盖的随机森林分类使用multi-seasonal意象和multi-seasonal纹理,”环境遥感卷,121年,第107 - 93页,2012年。视图:出版商的网站|谷歌学术搜索
110. r .膝、j . m . Poggi和c . Tuleau-Malot“变量选择使用随机森林,”模式识别的字母没有,卷。31日。14日,第2236 - 2225页,2010年。视图:出版商的网站|谷歌学术搜索
111. m . Belgiu和l . Drăguţ“随机森林遥感:回顾应用和未来的发展方向,”ISPRS《摄影测量与遥感卷。114年,24-31,2016页。视图:出版商的网站|谷歌学术搜索
112. o . Mutanga、e·亚当和m . a .曹”高密度的湿地植被生物量估算全球视界2号图像和随机森林回归算法,带来使用”国际期刊《应用地球观测和地质信息18卷,第406 - 399页,2012年。视图:出版商的网站|谷歌学术搜索
113. f .田l·杨,f . Lv, p .周”预测液相色谱保留时间的肽黑腹果蝇蛋白质组的机器学习方法,“分析Chimica学报,卷644,不。1 - 2日,10到16,2009页。视图:出版商的网站|谷歌学术搜索
114. g·h·罗森菲尔德和k . Fitzpatrick-Lins协议系数作为衡量主题分类精度,”摄影测量工程和遥感,52卷,不。2、223 - 227年,1986页。视图:谷歌学术搜索
115. h . m .麦克亨利和k .咖啡”,身心AustralopithecustoHomo:转换”,年度回顾人类学卷,29号1,第146 - 125页,2000。视图:出版商的网站|谷歌学术搜索
116. j . a . Entwistle p·w·亚伯拉罕,r . a . Dodgshon”geoarchaeological意义和空间变异性的一系列土壤物理和化学属性前居住地点,斯凯岛,“考古科学杂志,27卷,不。4、287 - 303年,2000页。视图:出版商的网站|谷歌学术搜索
117. 诉t·霍利迪和w·g . Gartner“土壤P分析考古学的方法,”考古科学杂志,34卷,不。2、301 - 333年,2007页。视图:出版商的网站|谷歌学术搜索
118. s . r . Hutson a . Magnoni t .海滩,r·e·特里,b . h . Dahlin和m . j . Schabel”磷酸分馏和空间模式在古代废墟:一个案例研究来自尤卡坦半岛,“系列,卷78,不。3、260 - 269年,2009页。视图:出版商的网站|谷歌学术搜索
119. m·A·格里菲斯,”一个考古遗址的土壤调查在安大略省,加拿大,我考试的土壤和附近村庄前,“Geoderma,24卷,不。4、327 - 336年,1980页。视图:出版商的网站|谷歌学术搜索
120. p . m . Mashimbye球晶:放牧在Mapungubwe策略的证据南非约翰内斯堡金山大学,2013。
121. c·a·威尔逊、d . a . Davidson和m . s .不尽”网站的一个评估土壤元素签名的特异性识别和解释功能区域前,“考古科学杂志,36卷,不。10日,2327 - 2334年,2009页。视图:出版商的网站|谷歌学术搜索
122. h . m . Bartholomeus m . e . Schaepman l . Kooistra a·史蒂文斯w·b·Hoogmoed和o . s . p . Spaargaren“光谱反射率为土壤有机碳量化指标为基础,“Geoderma,卷145,不。1 - 2日,几个,2008页。视图:出版商的网站|谷歌学术搜索
123. c . Nolet a . Poortinga p . Roosjen h . Bartholomeus和g . Ruessink”测量和建模的影响表面水分光谱反射率的海岸沙滩,”《公共科学图书馆•综合》,9卷,不。11日文章ID e112151, 2014。视图:出版商的网站|谷歌学术搜索
124. z . t .他j . Wang Lin, y,“土壤有机质的光谱特性,”地理空间信息科学,12卷,不。1,33-40,2009页。视图:出版商的网站|谷歌学术搜索
125. j . a . Thomasson r .隋m . s .考克斯和a . Al-Rajehy”土壤反射率传感确定土壤特性在精准农业,”交易的ASAE,44卷,不。6,1445年,页2001。视图:出版商的网站|谷歌学术搜索
126. 即Bogrekci和w·s·李”,提高磷传感通过消除土壤光谱测量粒子尺寸效应,”交易的ASAE,48卷,不。5,1971 - 1978年,2005页。视图:出版商的网站|谷歌学术搜索
127. 即Bogrekci和w·s·李,“共同土壤的光谱测量磷酸盐,”交易的ASAE,48卷,不。6,2371 - 2378年,2005页。视图:出版商的网站|谷歌学术搜索
128. e·亚当,o . Mutanga d Rugege, r·伊斯梅尔”字段的纸莎草植被光谱法(莎草纸莎草l .)在圣卢西亚的沼泽湿地,南非,”学报2009年IEEE国际地球科学和遥感研讨会,4卷,页4 - 260 - 4 - 263,IEEE,首尔,韩国,2009年7月。视图:出版商的网站|谷歌学术搜索
129. 美国媒体报道和g .莫泽”提取光谱通道从高光谱图像分类的目的,“IEEE地球科学和遥感,45卷,不。2、484 - 495年,2007页。视图:出版商的网站|谷歌学术搜索
130. p . Bajcsy p .树林,“高光谱波段选择方法,”摄影测量工程&遥感,卷70,不。7,793 - 802年,2004页。视图:出版商的网站|谷歌学术搜索
131. a . k . Ayasse a·k·索普d·a·罗伯茨et al .,“评估表面性质的影响甲烷检索使用合成机载可见光/红外成像光谱仪下一代(AVIRIS-NG)形象,“环境遥感卷,215年,第397 - 386页,2018年。视图:出版商的网站|谷歌学术搜索
132. r·m·卡瓦利f . Colosi帕隆博,s . Pignatti和m . Poscolieri”远程高光谱图像作为支持考古勘察,”《文化遗产,8卷,不。3、272 - 283年,2007页。视图:出版商的网站|谷歌学术搜索
133. j . a . m . Dematte c·l·s·摩根,美国Chabrillat et al .,“光谱遥感在土壤科学:从地面到空间的艺术,应用程序,潜在的和视角,”土地资源监测、建模、测绘遥感,p . s . Thenkabail Ed,页661 - 732,CRC出版社,2015年美国佛罗里达州博卡拉顿的。视图:谷歌学术搜索
134. m . e . Schaepman m . Jehle, a Hueni et al .,“先进的辐射测量的测量和地球科学应用与机载棱镜实验(顶点),“环境遥感卷,158年,第219 - 207页,2015年。视图:出版商的网站|谷歌学术搜索
135. a·斯坦伯格Chabrillat, a·史蒂文斯k . Segl和s·福斯特把“共同表面土壤性质的预测基于可见光机载可见光和模拟EnMAP成像光谱数据:预测精度和空间分辨率的影响,“遥感,8卷,不。7,613年,页2016。视图:出版商的网站|谷歌学术搜索
136. r·f·Kokaly”成像光谱仪校准矿物识别和评估的影响映射使用机载数据收集在阿拉斯加,美国Khandahar,阿富汗,”2016年IEEE国际地球科学和遥感学报》研讨会(雪茄烟),第1934 - 1931页,北京,中国,2016年7月。视图:谷歌学术搜索
137. f·a·克鲁斯j . w . Boardman和j·f·亨廷顿“机载高光谱数据的比较和eo - 1 hyperion矿物映射,”IEEE地球科学和遥感第41卷。。6,1388 - 1400年,2003页。视图:出版商的网站|谷歌学术搜索
138. n .王妃v . r . Mandla, t·辛格(manmohan Singh)”评价大气修正的高光谱数据与矿物映射,”地球科学前沿,8卷,不。4、797 - 808年,2017页。视图:出版商的网站|谷歌学术搜索
139. o . l . Thabeng s .梅洛和e·亚当,”高分辨率遥感的勘察和先进的分类技术考古遗址的标志:粪便存款Shashi-Limpopo融合地区(南非),”考古科学杂志卷。102年,48-60,2019页。视图:出版商的网站|谷歌学术搜索

版权

版权©2019 Olaotse Lokwalo Thabeng等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。