《Journal of Archaeological Science》：Mapping past forests in the Atacama Desert, Chile: A remote sensing and machine learning approach for archaeology
编辑推荐：
•
我们提出了一个遥感模型，用于绘制阿塔卡马沙漠中过去的森林分布图。
•
这些森林在这个世界上
- •
我们提出了一个遥感模型，用于绘制阿塔卡马沙漠中过去的森林分布图。
- •
这些森林在这个世界上最干旱的生态系统中对人类生活发挥了关键作用。
- •
这些景观支持了长期的人类居住和使用。
- •
我们对这些森林分布与考古遗址进行了空间和统计分析。
- •
结果支持使用遥感技术来识别植物亚化石遗存并重建过去的森林分布。
引言
遥感技术在考古学中的潜力一直是讨论的话题数十年之久，随着图像采集和分析成本的降低，它使得与远程识别考古遗址和资源绘制相关的广泛课题成为可能（Ebert, 1984; Forte and Campana, 2016; Wiseman and El-Baz, 2007）。其可重复性和非侵入性使其成为当前考古学中的主要方法，代表了一种可持续的研究方式（Casana, 2023）。
这些技术已被用于森林生物量的绘制、识别和监测，以及非光合作用植被覆盖的估算（Tian et al., 2023; Thakore et al., 2022; Li and Guo, 2018; Guo et al., 2021）。然而，将遥感技术特定用于识别与过去森林分布相关的未知代理指标，作为涉及考古遗址的空间分析的基础，是一种新的方法，尤其是在沙漠环境中。在这个背景下，遥感的挑战不在于直接检测过去的森林，而在于在多光谱图像中识别与其亚化石环境指标相关的光谱信号。
在塔玛鲁加尔平原（Pampa del Tamarugal, PDT）的考古研究中，干旱森林对自古以来居住在该地区的人类群体的文化发展具有重要意义（Alvarado and Uribe, 2022; McRostie et al., 2022）。这使得识别和绘制过去的森林成为探索世界上最干旱沙漠中考古遗址的合适策略。因此，本研究旨在通过开发一种基于多光谱卫星图像的监督分类方法，并结合实地真实数据，来检测PDT阿塔卡马沙漠中过去森林分布的光谱代理指标。具体而言，它探讨了（i）多光谱Sentinel-2数据是否能够在极端干旱的环境中识别与过去森林环境相关的亚化石代理指标，（ii）当监督分类结果与实地数据验证时的可靠性，以及（iii）检测到的森林代理指标与考古遗址分布之间的空间关系。这种方法的新颖之处在于，它将探索性的、基于代理指标的遥感模型应用于地球上最干旱地区的过去森林检测，明确整合了多光谱分类和考古空间分析。
遥感和机器学习技术越来越多地被应用于考古研究，特别是最近的研究趋向于使用环境资源作为识别考古遗址的代理指标，因为人工特征的稳定光谱特征难以检测（Casana, 2023）。在这方面，机器学习和人工智能发挥了核心作用，使得管理和分析由多光谱图像、LiDAR和地球物理调查生成的大量空间数据成为可能（Landauer et al., 2025; Melillos and Agapiou, 2026）。这些方法还强调了间接考古代理指标的检测，如植被压力模式（作物痕迹）、土壤反射率异常和微地形变化（Agapiou and Gravanis, 2024; Abate et al., 2025）。不同算法、分类器以及无监督技术的应用正在将考古遥感重塑为一个概率模型驱动的框架，能够在前所未有的尺度上解释过去的景观（Danese et al., 2025; Melillos and Agapiou, 2026）。
在南美洲，Borie等人（2019）使用遥感技术绘制了阿塔卡马沙漠中的石器采集来源，提供了关于过去土地利用和资源开发利用模式的见解。同样，Matteucci和Scheinsohn（2004）在阿根廷巴塔哥尼亚应用了监督分类来识别栖息地并生成了一个空间模型，以预测人类居住的高潜力区域。此外，Lamenza（2015）研究了查科地区，探讨了景观特征与史前人类定居点之间的关系。最近，Sakai等人（2024）应用机器学习在秘鲁识别纳斯卡地画，仅在六个月的实地工作中就发现了303个新的图案，而之前一个世纪仅发现了430个，这展示了大规模卫星数据处理在考古发现方面的巨大潜力。
遥感技术在南美考古学应用中的另一个重要发展是GeoPASCHA项目，该项目旨在支持将遥感技术获得的考古数据在安第斯地区进行整合和分析。正如Casana（2023）所解释的，该项目利用机器学习算法对大型图像数据集进行分类，以识别广阔区域内的潜在考古特征。此外，巴西的其他研究人员也采用了几种监督分类算法，通过地形变量来估计哪个算法更能预测考古遗址的位置（Pereira et al., 2024）。这种方法为了解考古遗址与环境或景观变量（如海拔、距离水源的距离和其他生态特征）之间的关系提供了新的见解。尽管这些研究表明遥感技术在南美考古学中的应用不断增加，但其应用在不同地区和研究问题之间仍存在不平衡，仍有很大的方法论发展潜力。
章节摘要
塔玛鲁加尔平原过去和现在森林的地理、古气候和考古背景
本研究位于塔拉帕卡地区（Tarapacá）的中间洼地，即阿塔卡马沙漠内。该区域是一个内流盆地，由多个发源于高安第斯高原的溪流灌溉，历史上是一个适合人类居住的环境，这一特点在丰富的考古记录中得到了体现。目前，PDT的气候极为干旱，几乎没有任何降水，昼夜温差显著
材料与方法
下一节描述了用于检测和分析与PDT过去森林分布相关的空间数据的方法论（如图2所示）。作为这种方法的一部分，实施了一种监督图像分类程序，以识别与过去森林代理指标光谱一致的区域。所有空间分析均使用QGIS（QGIS Development Team, 2020; 版本3.32.2）进行。统计分析也在
统计分析
多光谱图像的统计分析结果基于植物亚化石遗存的光谱特征，对过去森林的分布进行了表征。考虑到所有区域、样本和组合，77%的测试显示随机采样和目标采样获得的值之间存在显著差异（p < 0.05），无论是红外光谱还是短波红外光谱。这些结果在表2至表4中呈现。
通过机器学习绘制过去的森林
结果证实，塔玛鲁加尔平原中的亚化石森林代理指标在多光谱图像中具有可区分的特征，支持通过监督分类方法进行检测的可行性。然而，这些区域的具体土壤特性尚未系统地进行过表征。
尽管如此，应用这种方法也揭示了干旱环境固有的几个限制。主要工作涉及
结论
本研究强调了森林在阿塔卡马沙漠社区生活中的关键作用。为识别与亚化石植被残余光谱一致的区域而开发的方法论扩展了对预测模型和研究策略的研究，以应对干旱环境中的遥感挑战。除了技术贡献外，这种方法还为理解特定环境特征如何塑造人类生活方式提供了解释框架。
CRediT作者贡献声明
Elena Balmaceda-Baraona：撰写——原始草稿、可视化、方法论、概念化。 Víctor Méndez：撰写——审阅与编辑、监督、方法论、概念化。 Virginia McRostie：撰写——审阅与编辑、资源准备。 Ale Vidal-Elgueta：撰写——审阅与编辑、资源准备。 Francisca P. Díaz：撰写——审阅与编辑、资源准备。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
我们感谢Fondecyt Regular N°1130279项目（由Mauricio Uribe领导）提供了在Pampa Iluga地区进行所需分析的数据，以及收集其他实地数据的研究人员。这项研究是干旱森林应用历史生态学千年核心项目(AFOREST ANID/MILENIO/NCS2022_024)的一部分，并为其结果做出了贡献。
Elena Balmaceda-Baraona|Víctor Méndez|Virginia McRostie|Ale Vidal-Elgueta|Francisca P. Díaz
