基于新型地衣模拟与激光扫描建模技术揭示巨石阵地衣覆盖下的青铜时代早期雕刻

研究人员针对巨石阵23%石面被枝状地衣Ramalina siliquosa覆盖可能遮蔽未知雕刻的问题，开发了基于激光扫描数据的地衣生长模拟算法RDLA和3D形状分类器MeshNet。研究表明R. siliquosa不影响雕刻识别，MeshNet在模拟地衣覆盖雕刻上的识别准确率达73.3%，为非破坏性考古发现提供了新方法。

　　

在英国索尔兹伯里平原上矗立着举世闻名的巨石阵，这座新石器时代遗址表面23%的面积被枝状地衣Ramalina siliquosa覆盖，可能遮蔽了大量青铜时代早期的斧头雕刻。这些雕刻是研究史前文明的重要线索，但传统的地衣清除方法会破坏这一脆弱生态系统。如何在不损害地衣的前提下发现隐藏雕刻，成为考古学家面临的重大挑战。

研究人员开发了创新的地衣生长模拟算法RDLA（Ramalina siliquosa Diffusion-Limited Aggregation），该算法通过激光扫描获取Stone 30石面地衣厚度分布数据，结合改进的扩散限制聚集模型和锥形附着模式（Cone-Based Attachment），首次实现了物种特异性的地衣形态模拟。研究还采用机器学习方法MeshNet对模拟地衣覆盖的雕刻进行3D形状分类。

关键技术包括：（1）使用Z+F Imager 5016激光扫描仪获取地衣厚度分布；（2）开发RDLA算法模拟R. siliquosa生长；（3）通过距离映射和球面旋转算法实现地衣表面重建；（4）应用MeshNet神经网络进行雕刻识别；（5）采用曼-惠特尼U检验评估去噪效果。

研究结果部分显示：

1. 地衣模拟与验证：RDLA成功模拟了R. siliquosa的高度分布（均值9.6±6.4mm），与实地测量数据高度吻合。通过概率优势分析显示，去噪后地衣噪声降低70.7%。
2. 雕刻可视化：深度图比较表明，即使在地衣覆盖下，F602、F622等浅雕刻和F615、F611等深雕刻仍可辨识。
3. 机器学习识别：MeshNet在模拟地衣覆盖雕刻上的识别准确率达73.3%，虽低于无地衣情况的90.7%，但显著高于随机猜测。

讨论部分指出，RDLA模型通过α（直方图匹配）和β（锥形附着模式）改进，超越了前人工作。虽然模拟密度参数ρ仍需优化，但该方法为考古发现提供了非破坏性解决方案。MeshNet的较高召回率（86.0%）表明其适合用于初步筛查，可减少人工检查工作量。

这项发表在《Results in Engineering》的研究具有多重意义：首先，为巨石阵及其他史前遗址的雕刻发现提供了新方法；其次，开发的RDLA算法可拓展应用于树木、珊瑚等其他生物形态模拟；最后，将激光扫描与机器学习结合的技术路线，为文化遗产保护领域树立了新标杆。未来研究可进一步验证RDLA对真实地衣的模拟效果，并探索基于深度图的2D神经网络在整体岩板雕刻识别中的应用。