《ISPRS International Journal of Geo-Information》：Application of an Interpretable Machine Learning Model to Archaeological Site Prediction: A Case Study of the Three Gorges Region in Chongqing
编辑推荐：
考古遗址预测模型（ASPM）的构建以及影响因子驱动机制的定量研究，是深入理解古代人类与环境之间多维交互的关键，也是指导田野考古调查与发掘的重要技术途径。该研究旨在为重庆三峡地区（CQTGR）开发一个高度稳定、准确且可解释的考古遗址预测模型。BP神经网络预测（B
考古遗址预测模型（ASPM）的构建以及影响因子驱动机制的定量研究，是深入理解古代人类与环境之间多维交互的关键，也是指导田野考古调查与发掘的重要技术途径。该研究旨在为重庆三峡地区（CQTGR）开发一个高度稳定、准确且可解释的考古遗址预测模型。BP神经网络预测（BPNN）已在多个领域得到应用，但其随机初始权重和阈值常导致精度欠佳且可解释性弱。为解决这些问题，研究人员构建了经贝叶斯算法优化的BPNN以提升其精度，并整合SHAP模型以定量识别影响因子的非线性交互作用和阈值效应，从而增强其可解释性。结果表明：（1）基于BPNN的预测模型优于其他传统模型。经贝叶斯算法超参数优化后，测试集上的AUC（受试者工作特征曲线下面积）提升了0.0812，最终达到0.8815，说明优化模型有效且模型具有强预测能力。（2）考古遗址沿长江及其主要支流呈阶梯状和线性廊道分布模式，可分为以主干水系核心向外辐射的五个同心阶梯。高概率区特别集中于低洼平坦的河谷地带。（3）考古遗址分布受自然环境与人类活动的综合影响，高程和河流系统是关键驱动因子，NDVI（归一化植被指数）和土地利用也发挥显著作用。主要因子表现出显著的阈值效应和交互效应，因子间呈正增强交互作用的区域往往是考古遗址分布的核心区域。该研究不仅为考古遗址潜在分布区的预防性保护与监测提供了精确的科学依据，也为遗址的空间保护规划提供了决策支持。
考古遗址作为古代人类活动在地表留下的遗迹，承载着丰富的历史、科学和文化价值，是珍贵的文化遗产。然而，随着全球化和城市化进程的加速，考古遗址面临消失和退化的威胁，因此对其开展预防性保护与监测成为景观考古学研究的热点。考古遗址预测模型（ASPM）是估算遗址出现概率的重要定量方法，可用于预测潜在分布区并理解人类选址与自然环境的关系，对于揭示古人类-环境相互作用、指导考古调查与发掘以及支持文化遗产保护管理具有重要意义。传统考古调查方法在大区域、高精度、高效率的系统性发掘与监测方面存在明显局限，尤其在地形复杂的山区，遗址预测模型能缩小调查范围，提高田野工作效率。重庆三峡地区（CQTGR）位于中国第二、三级地形阶梯的过渡带，是长江上游的重要交通走廊和文化廊道，拥有丰富且具区域特色的考古遗址。但近年来，该地区遗址面临经济发展与环境破坏的双重威胁，且在三峡文物抢救性发掘中仍发现部分遗址有待进一步调查。在时间和资源约束下，亟需开发一种既能实现高预测精度又能提供预测机制可解释性的模型，用于指导该地区的考古研究。
研究人员开展了以下研究：构建了一种增强的可解释深度学习预测模型（BPNN-SHAP），并首次应用于CQTGR。研究目标包括：（1）构建结合贝叶斯优化的BPNN-SHAP可解释预测模型，解释遗址空间分布特征与规律，为田野考古调查与发掘及文化遗产的分级保护与监测提供科学依据。（2）评估模型在复杂山区的预测精度和实用性，并与传统模型比较以提升应用价值。（3）定量识别并解释塑造CQTGR遗址分布的关键影响因子、阈值及交互效应，揭示区域人地关系规律。该研究不仅为长江国家文化公园重庆三峡段的建设提供精确科学支持，也为其他地形复杂山区的考古遗址预测提供可迁移的技术方法。论文发表在《ISPRS International Journal of Geo-Information》。
主要关键技术方法概括（不超过250字）：研究人员构建了基于二元分类的反向传播神经网络（BPNN）模型，并采用贝叶斯优化算法对超参数进行调优，以提升预测精度。模型可解释性通过SHAP（Shapley加法解释）模型实现，用于量化各特征对预测的边际贡献，并识别因子间的非线性交互和阈值效应；同时，利用局部加权散点平滑（LOWESS）曲线拟合SHAP依赖图，以捕捉特征值与预测值之间的非线性关系及关键阈值。数据方面，研究建立了CQTGR考古遗址空间数据库，重点收集新石器时代以来的遗址信息，共获得1227个遗址点（正样本），并以1:1比例随机生成非遗址点（负样本）。影响因子包括自然因素（高程、坡度、坡向、平面曲率、剖面曲率、距河流距离）、人类活动因素（土地利用）以及综合因素（NDVI、土壤），所有因子经Spearman相关性检验保留（相关系数<0.5）。数据集按8:2划分训练集和测试集，采用K折交叉验证评估模型性能。
研究结果：
- 遗址空间分布特征：通过概率预测图（图5）和分区统计表（表4）得出，CQTGR考古遗址沿长江及其主要支流呈阶梯状线性廊道分布模式，以长江主干水系为核心向外辐射为高、中高、中、中低、低概率区。高概率区（HPZ）主要集中于低洼平坦的河谷地带，面积占比7.99%却包含36.20%的遗址，分布密度最高（0.121个/km2）；遗址高程集中在67-602 m，平均241.33 m，52.27%的遗址距河流5 km以内。中高概率区（MHPZ）分布于高概率区外围，包含17.53%的遗址，平均高程346.36 m。中低概率区（MLPZ）和低概率区（LPZ）主要分布于中东部高山区，遗址密度低且分散。整体上，遗址空间集中度呈“西南高、东北低”趋势，长江与嘉陵江汇合处形成核心-边缘结构。
- 关键影响因子、阈值与交互效应：通过SHAP模型（图6、图7）识别出影响因子重要性排序为：高程、河流、NDVI、土地利用、剖面曲率、平面曲率、坡度、坡向、土壤。高程和河流是关键驱动因子，NDVI和土地利用也显著影响，构成四大驱动因子。进一步利用LOWESS曲线拟合SHAP依赖图（图8）识别出阈值：高程在485.84 m处SHAP值为0，低于此阈值贡献为正；河流距离在7588.86 m处为阈值；NDVI在0.77处为阈值；土地利用中林地呈现明显阈值。交互效应分析（图10）显示，高程与河流交互最强，低海拔近河区域贡献为正；NDVI与河流交互显著，低NDVI近河区域正贡献增强；土地利用与河流交互，农田和林地近河区域分布集中。其他因子间如剖面曲率与土壤、平面曲率与坡度等也存在交互效应，正协同增强的区域与遗址核心分布区高度一致。
- 模型优势与特点：通过对比逻辑回归（LR）、支持向量机（SVM）、随机森林（RF）、XGBoost等模型（表6），基于BPNN的模型精度最高，经贝叶斯优化后AUC从0.8003提升至0.8815，提升0.0812，增益值（G-value）达到77.93%，表明模型具有高预测精度和良好区域适用性。结合SHAP的可解释集成模型弥补了传统机器学习模型的“黑箱”效应，提供了数据驱动的定量解释。
- 模型实用性验证：采用Kvamme提出的G值评估方法，高概率区G值为77.93%，高于既往研究；中高概率区G值为30.46%，与以往研究相当。随机选取典型遗址（巫山双堰塘遗址、夔州古城遗址、苏公祠摩崖题刻、马王场遗址）进行验证，预测概率分别为79.25%、81.99%、95.54%、91.95%，均落入高概率区，且位于低洼河谷，与已有研究一致，表明模型准确。
讨论部分总结：研究从四个方面展开讨论。首先，定量识别了关键影响因子及其阈值和交互效应，揭示了遗址分布受自然环境和人类活动双重影响，因子间正协同增强区域是遗址核心区，为理解三峡独特山河地理空间塑造的区域景观系统提供了理论支持。其次，与常用模型比较，BPNN因具备强非线性拟合能力而表现更优，结合贝叶斯优化和SHAP提升了精度和可解释性，具有重要学术和实践价值，并为三峡库区后续抢救性发掘缩小调查范围提供了参考。第三，通过G值评估和典型遗址验证，模型实用性得到确认，高概率区集中了大部分遗址，验证了模型在指导区域调查中的有效性。最后，研究指出不足：缺乏时间维度动态分析（未能区分不同历史时期的环境选择差异），未来计划构建多时间断面时空数据库；因子体系和模型泛化性需改进，可引入新构造活动、社会经济等变量；古环境代理数据精度偏差，当前使用现代DEM数据可能带来系统误差，未来需构建古DEM和古水系网络，结合多源遥感数据提高精度。
结论部分翻译：
（1）本研究构建了基于BPNN的考古遗址预测模型，并经过贝叶斯优化。在多种常用预测方法中，BPNN表现最佳。经贝叶斯调优后，AUC从0.8003提升至0.8815，提高了0.0812，增益值为77.93%，表明模型具有高预测精度和良好的区域适用性。
（2）CQTGR考古遗址的空间分布以长江主干及其主要支流为中心呈阶梯状带状模式。从水系向外，概率区依次为高、中高、中、中低、低。低洼河谷和平坦地区是最集中的遗址区，概率随高程和距河流距离增加而递减。总体遗址密度呈“西南高、东北低”趋势，长江与嘉陵江汇合处形成遗址分布核心区。
（3）遗址分布由自然环境和人类活动共同塑造，高程和河流距离是关键驱动因子，其次为NDVI和土地利用。各因子对遗址分布表现出多样的非线性阈值效应，关键阈值分别为高程485.84 m、距河流距离7588.86 m、NDVI 0.77、土地利用类型（林地）。因子交互中，高程-河流、河流-高程、剖面曲率-土壤、土壤-坡度的协同增强效应较为显著，其正叠加区域与遗址核心分布区高度一致。
本研究构建的CQTGR考古遗址预测模型（ASPM）通过对比测试和验证展现了高精度和实用性，可为该地区系统高效调查及针对性发掘提供科学依据，并为区域文化遗产的预防性、分级保护与监测提供决策支持。未来研究可聚焦于古环境重建，以进一步完善和调整模型，提升其实用价值和泛化能力。
