Post on 01-Dec-2023
transcript
Hornung (Hrsg) middot Mensch und Umwelt I
Universitaumltsforschungenzur praumlhistorischen Archaumlologie
Band 192
Aus dem Institut fuumlr Vor- und Fruumlhgeschichteder Universitaumlt Mainz
2010
Verlag Dr Rudolf Habelt GmbH Bonn
von
Sabine Hornung
2010
Verlag Dr Rudolf Habelt GmbH Bonn
Mensch und Umwelt I
Archaumlologische und naturwissenschaftliche Forschungenzum Wandel der Kulturlandschaft um den
herausgegeben
bdquoHunnenringrdquo bei OtzenhausenGem Nonnweiler Lkr St Wendel
ISBN 978-3-7749-3712-3
Ein Titelsatz ist bei der Deutschen Bibliothek erhaumlltlich(httpwwwddbde)
Copyright 2010 by Dr Rudolf Habelt GmbH Bonn
Herausgeber sind derzeit
Die Reihe bdquoUniversitaumltsforschungen zur praumlhistori-schen Archaumlologieldquo soll einem in der juumlngeren Vergan-genheit entstandenen Beduumlrfnis Rechnung tragen naumlm-lich Examensarbeiten und andere Forschungsleistun-gen vornehmlich juumlngerer Wissenschaftler in die Oumlf-fentlichkeit zu tragen Die etablierten Reihen und Zeit-schriften des Faches reichen laumlngst nicht mehr aus dievorhandenen Manuskripte aufzunehmen Die Uni-versitaumlten sind deshalb aufgerufen Abhilfe zu schaf-fen Einige von ihnen haben mit den ihnen zur Ver-fuumlgung stehenden Mitteln unter zumeist tatkraumlftigemHandanlegen der Autoren die vorliegende Reihe be-gruumlndet Thematisch soll darin die ganze Breite desFaches vom Palaumlolithikum bis zur Archaumlologie derNeuzeit ihren Platz finden
VORWORT DER HERAUSGEBER
Urspruumlnglich hatten sich fuumlnf Universitaumltsinstitute inDeutschland zur Herausgabe der Reihe zusammenge-funden der Kreis ist inzwischen groumlszliger geworden Erlaumldt alle interessierten Professoren und Dozenten einals Mitherausgeber taumltig zu werden und Arbeiten ausihrem Bereich der Reihe zukommen zu lassen Fuumlrdie einzelnen Baumlnde zeichnen jeweils die Autoren undInstitute ihrer Herkunft die im Titel deutlich gekenn-zeichnet sind verantwortlich Sie erstellen Satz Um-bruch und einen Ausdruck Bei gleicher Anordnungdes Umschlages haben die verschiedenen beteiligtenUniversitaumlten jeweils eine spezifische Farbe Finan-zierung und Druck erfolgen entweder durch sie selbstoder durch den Verlag Dr Rudolf Habelt GmbHder in jedem Fall den Vertrieb der Baumlnde sichert
Kurt Alt (Mainz)Peter Breuning (Frankfurt am Main)
Philippe Della Casa (Zuumlrich)Manfred KH Eggert (Tuumlbingen)
Clemens Eibner (Heidelberg)Ralf Gleser (Muumlnster)
Bernhard Haumlnsel (Berlin)Alfred Haffner (Kiel)
Svend Hansen (Berlin)Ole Harck (Kiel)
Joachim Henning (Frankfurt am Main)Christian Jeunesse (Strasbourg)Albrecht Jockenhoumlvel (Muumlnster)
Ruumldiger Krause (Frankfurt am Main)Klaacutera Kuzmovaacute (Trnava)Amei Lang (Muumlnchen)Achim Leube (Berlin)
Andreas Lippert (Wien)Jens Luumlning (Frankfurt am Main)
Joseph Maran (Heidelberg)Wilfried Menghin (Berlin)
Carola Metzner-Nebelsick (Muumlnchen)Johannes Muumlller (Kiel)
Ulrich Muumlller (Kiel)Michael Muumlller-Wille (Kiel)
Maacuteria Novotnaacute (Trnava)Bernd Paumlffgen (Muumlnchen)Christopher Pare (Mainz)
Hermann Parzinger (Berlin)Margarita Primas (Zuumlrich)
Britta Ramminger (Hamburg)Sabine Rieckhoff (Leipzig)
Wolfram Schier (Berlin)Heiko Steuer (Freiburg im Breisgau)
Thomas Stoumlllner (Bochum)Biba Terzan (Berlin)
Andreas Zimmermann (Koumlln)
Predictive Modelling 225
einleitung
im rahmen eines seit november 2006 am in-stitut fuumlr vor- und Fruumlhgeschichte der Johannes gutenberg-universitaumlt Mainz laufenden Projektes zu Besiedlungsgeschichte Kulturlandschaftsgenese und sozialem Wandel im umfeld des bdquoHunnen-ringsldquo von otzenhausen lkr St Wendel Saarland stellt neben der erforschung zentraler orte der ei-sen- und roumlmerzeit auch die Frage nach der ein-bindung dieser Zentren in ein laumlndliches Siedlungs-umfeld einen wichtigen Forschungsschwerpunkt dar Waumlhrend aus dem Arbeitsgebiet das einen Bereich von 10 km um den bdquoHunnenringldquo abdeckt eine verhaumlltnismaumlszligig groszlige Zahl roumlmischer villae rusticae bekannt ist nicht zuletzt aufgrund ihrer gu-ten Sichtbarkeit im gelaumlnde fehlen Hinweise auf gehoumlftsiedlungen der eisenzeit fast voumlllig letztere sind im gegensatz zu den leicht zu lokalisierenden roumlmischen Siedlungen mit ihren Steingebaumluden und Ziegeldaumlchern ohne gezielte Ausgrabungen archaumlo-logisch nur schwer nachzuweisen um die chancen einer lokalisierung eisenzeitlicher gehoumlfte bei Pro-spektionen optimieren zu koumlnnen sollte daher ein Predictive Modelling entwickelt werden auf dessen Basis eine gezieltere Suche nach Spuren vorge-schichtlicher Siedlungstaumltigkeit moumlglich wird
eine durchsicht der bislang bekannten Fund-stellen meist roumlmischer Zeitstellung ergab dass die Wahl eines Siedlungsplatzes von verschiedenen umweltfaktoren unmittelbar gepraumlgt wird durch gezielte verschneidung dieser unterschiedlichen lageparameter sollte es daher moumlglich sein Berei-che mit einer hohen Fundwahrscheinlichkeit isolie-ren zu koumlnnen wobei der erfolg dieser Methode entscheidend von der korrekten Formulierung der besagten lagekriterien abhaumlngt Aus diesem grun-de erschien es sinnvoll das Predictive Modelling zunaumlchst fuumlr ein kleines testgebiet mit vergleichs-weise gutem Forschungsstand auszuarbeiten und an diesem Beispiel die relevanten lageparameter zu isolieren und zu schaumlrfen
Wichtiger Bestandteil der untersuchung sollte aber auch die Uumlberpruumlfung der statistisch ausgewie-
senen Praumlferenzflaumlchen in Form von Begehungen im gelaumlnde sein deshalb beschraumlnkte sich die Mo-dellierung zunaumlchst auf ein ca 50 kmsup2 umfassendes gebiet 4 km nordwestlich des bdquoHunnenringesldquo im umfeld der Stadt Hermeskeil lkr trier-Saarburg welches sich aufgrund seiner relativ groszligen Anzahl roumlmischer Siedlungsfunde sowie einer vielzahl von graumlbern roumlmischer und eisenzeitlicher datierung gut fuumlr eine erste Anwendung dieser Methodik zu eignen schien (Abb 1) Aus praktischer Sicht spielen neben den aus archaumlologischen erfahrungswerten abgeleiteten lageparametern aber auch sekundaumlre Einflussfaktoren auf die Quellenlage eine wichtige rolle So haumlngt z B die Sichtbarkeit einer Fundstel-le im gelaumlnde wesentlich von erosions- und Akku-mulationsprozessen ab letztere lassen sich durch Beruumlcksichtigung des ergebnisses einer erosions-modellierung in das Predictive Modelling einbezie-hen so dass auf diesem Wege konkrete Aussagen uumlber die Sichtbarkeit und den erhaltungszustand einzelner Fundstellen moumlglich werden
Ziel dieses Artikels ist die darstellung einer ersten giS-basierten Modellierung von Besied-lungsstrategien der eisenzeitlichen und roumlmerzeit-lichen Bevoumllkerung fuumlr das ausgewaumlhlte teilgebiet des untersuchungsraumes rund um den Hunnen-ring von otzenhausen gem nonnweiler lkr St Wendel die es in Zukunft weiter auszuarbeiten gilt Auf diese Weise soll versucht werden einen Beitrag zur erforschung auch anderer vor allem peripherer Siedlungslandschaften zu leisten deren landschaftli-che eigenheiten ebenso wie die hieraus resultieren-den Formen moderner umweltnutzung bzw deren Folgen (z B erosionsprozesse) die archaumlologische Forschung mit einer reihe von methodischen Pro-blemen konfrontieren
die als testgebiet zur entwicklung der ange-wandten Methoden ausgewaumlhlte region um die Stadt Hermeskeil zeichnet sich durch ein dichtes naturbelassenes gewaumlssernetz aus welches im We-sentlichen durch die in nord-Suumld-richtung entwaumls-sernden Baumlche loumlster und Prims sowie ihre weit-verzweigten Nebenfluumlsse (ebenso) gespeist wird die tallagen des untersuchungsraumes bewegen
Predictive Modelling iM uMFeld deS bdquoHunnenringSldquo von otZenHAuSen geM nonnWeiler lKr St Wendel ndash
MetHodiScHe UumlBerlegungen ProBleMe und PerSPeKtiven FUumlr die PrAKtiScHe AnWendung giS-BASierter AnAlySeverFAHren
von SilKe BooS SABine Hornung und HArtMut MUumlller
226 S BooS S Hornung H MUumlller
sich auf einem Houmlhenniveau zwischen 429 und 530 m und werden von verschieden ausgedehnten Houmlhenruumlcken umgeben die auf bis zu 623 m an-steigen das heute eher duumlnn besiedelte untersu-chungsgebiet wird etwa zu gleichen teilen durch bewaldete und landwirtschaftlich genutzte Flaumlchen gepraumlgt bietet also aus archaumlologischer Sicht sehr unterschiedliche voraussetzungen fuumlr die lokali-sierung neuer Fundstellen und damit eine flaumlchen-deckende erfassung vor- und fruumlhgeschichtlicher Siedlungsmuster
Predictive Modelling
das sogenannte Predictive Modelling ist ein verfahren welches in den spaumlten 1970iger Jahren in den uSA1 in Zusammenhang mit staatlichen landmanagement-Projekten entwickelt wurde es basiert auf der Annahme dass die Siedlungs- oder Bestattungsplatzwahl vergangener gesellschaften in enger Beziehung zu naturraumlumlichen Faktoren und somit unter dem Einfluss sozio-kultureller Aspekte
1 clarke 1977 Hodderorton 1976
Abb 1 Eisen- und roumlmerzeitliche Funde im Untersuchungsgebiet bei Hermeskeil (Grafik S Boos)
Predictive Modelling 227
zu sehen ist Ausgehend von dieser Hypothese ist es Ziel des Predictive Modelling die angesproche-nen Faktoren menschlicher Besiedlungsstrategien zu modellieren um auf diese Weise signifikante Flaumlchen mit einem spezifizierten Verdachtsmo-ment fuumlr die Anwesenheit archaumlologischer Hinter-lassenschaften zu berechnen Zur Analyse dieses empirisch ermittelten Musters wird vielfach ein geographisches informationssystem (giS) heran-gezogen da dieses uumlber geeignete Werkzeuge fuumlr (raumbezogene) Analysen und die Modellierung al-ler relevanten Faktoren verfuumlgt
in Zusammenhang mit der entwicklung eines archaumlologischen Praumldiktionsmodells lassen sich grundsaumltzlich zwei verschiedene Zielsetzungen un-terscheiden die entweder einen korrelierenden oder einen erklaumlrenden Ansatz verfolgen2 Projekte mit einem akademischen Hintergrund untersuchen die verschiedenen Aspekte des historischen Siedlungs- und landnutzungsverhaltens und versuchen diese zu erklaumlren waumlhrend fuumlr Projekte mit bodendenk-malpflegerischem Interesse die Konservierung des archaumlologischen erbes im vordergrund steht und der Fokus einer solchen Modellierung auf einer moumlglichst praumlzisen und in Form von Wahrschein-lichkeiten und Korrelationen bewerteten Fundprog-nose liegt Auch wenn sich diese Zielsetzungen un-terscheiden besteht nur ein geringer unterschied in Bezug auf die zur erstellung des Modells angewen-deten verfahren
Auch hinsichtlich der methodischen Herange-hensweise bei der entwicklung eines archaumlologi-schen Praumldiktionsmodells koumlnnen zwei grundle-gende Ansaumltze unterschieden werden Induktive Modelle greifen Beobachtungen von umweltfak-toren eines untersuchungsgebietes auf nehmen auf dieser Basis Abschaumltzungen und Schlussfolge-rungen uumlber die Signifikanz der verwendeten Daten in Bezug auf bekannte Fundstellen vor und leiten hieraus allgemeinguumlltige regeln ab dies erfolgt in der regel unter verwendung statistischer Metho-den die das lagemuster der Fundstellen abstra-hieren so dass auf diese Weise eine Aufteilung des untersuchungsgebietes in Bereiche verschiedener Wahrscheinlichkeiten fuumlr das Auftreten von Fun-den erzeugt wird Deduktive Modelle hingegen basieren auf abstrakten theorien die auf die rea-litaumlt transformiert werden und diese auf grundlage des Modells zu erklaumlren versuchen die deduktive
2 van leusen 2002
Methodik setzt somit bestimmte Annahmen uumlber praumlhistorische verhaltensweisen voraus welche zu dem betrachteten raum in Beziehung gesetzt und abgeglichen werden die bekannten Fundstellen des untersuchungsgebietes dienen bei dieser vor-gehensweise zur Uumlberpruumlfung des ergebnisses
viele archaumlologische Praumldiktionsmodelle lassen allerdings erkennen dass die strenge dichotomie dieser beiden Ansaumltze in der realen umsetzung sel-ten eingehalten werden kann und der terminus hy-bride Modellierung diesen Sachverhalt eher trifft3 So laumlsst sich als Kritik an einer induktiven Modellie-rung die wertfreie Auswahl der umweltparameter aufzeigen die alleine auf der verfuumlgbarkeit der ver-wendeten eingangsdaten beruht und somit archaumlo-logische erklaumlrungsansaumltze fuumlr Besiedlungsstrategi-en auszliger Acht laumlsst4 Bei naumlherer Betrachtung zeigt sich allerdings dass die Wahl der umweltparameter nicht als vollkommen willkuumlrlich anzusehen ist und oftmals immanente Annahmen uumlber menschliche verhaltensweisen bezuumlglich der Wahl eines Stand-ortes beinhaltet Andersherum schlieszligt ein deduk-tiver Ansatz per se induktion ein da das diesem Ansatz zugrunde gelegte Wissen das ergebnis sich wiederholender und somit statistisch belegbarer erfahrungen und Beobachtungen zu verschiede-nen umweltfaktoren ist
Bei der praktischen umsetzung der Modellie-rung werden verschiedene Methoden angewendet die sich hinsichtlich ihrer Komplexitaumlt von einfa-chen additiven Methoden bis hin zu multivaria-ten Regressionsanalysen erstrecken in juumlngerer Zeit greift man verstaumlrkt auf Methoden der Fuzzy Logik5 oder probabilistische Ansaumltze6 zuruumlck die es ermoumlglichen das einer archaumlologischen vor-hersagemodellierung implizite unsichere bzw un-scharfe Wissen uumlber menschliche verhaltensweisen mit in die Prognose einzubeziehen ducke u a7 und ejstrud8 stellten in ihren untersuchungen die ergebnisse verschiedener Modellierungsansaumltze ge-genuumlber und konnten die Wirksamkeit probabilisti-scher Methoden nachweisen die durchweg bessere ergebnisse erzielten als die klassischen verfahren Als Maszlig fuumlr die Modellguumlte zogen sie den gain-Fak-
3 ebd
4 ebert 2000
5 Bailey u a 2009
6 canning 2005 ducke u a 2009 ejstrud 2008
7 ducke u a 2009
8 ejstrud 2003
228 S BooS S Hornung H MUumlller
tor9 heran der sich mathematisch folgendermaszligen ausdruumlcken laumlsst
gain factor = 1 - Prozentanteil Verdachtsflaumlche Prozentanteil Fundplaumltze in Verdachtsflaumlche
ein gutes Modellierungsergebnis druumlckt sich durch einen hohen gain-Faktor fuumlr Verdachtsflauml-chen mit groszligem archaumlologischem Potential aus was dieser Formel zufolge gleichbedeutend mit ei-nem hohen Anteil an Fundplaumltzen in einer prozen-tual geringen Verdachtsflaumlche ist
im Folgenden sollen die wichtigsten Methoden die im Zusammenhang mit dem Predictive Model-ling Anwendung finden kurz eroumlrtert werden um schlieszliglich naumlher auf die in dieser Arbeit angewand-te theorie von dempster-Shafer einzugehen
Additive Methoden
Bei diesen verfahren wird fuumlr jeden betrachteten Parameter ein Wertebereich definiert fuumlr den der Zustand Fundstellenanwesenheit gilt oder alterna-tiv ein Wahrscheinlichkeitswert uumlbergeben und die einzelnen Werte durch intersektion zu einem ge-samtergebnis vereinigt eine Abwandlung des ver-fahrens kann durch eine gewichtung der Parame-ter erreicht werden die z B aus dem Flaumlchenanteil eines Einzelfaktors an der Gesamtflaumlche berechnet wird oder aber auch aus einer Beruumlcksichtigung von expertenwissen resultieren kann10
regressionsbasierte verfahren
Diese am haumlufigsten angewendeten Verfahren11 basieren auf einer induktiven logik und ermitteln die raumlumliche Korrelation zwischen verschiedenen unabhaumlngigen variablen (meist umweltparametern) und bekannten Fundstellen woraus unter Anwen-dung statistischer Methoden Wahrscheinlichkeiten fuumlr Fundplatzvorkommen prognostiziert werden
Fuzzylogik und Probabilistische theorien
Methoden aus dem Bereich der Wahrscheinlich-keitstheorie und der Fuzzylogik setzen sich mit dem thema der Wissensrepraumlsentation von unsicherem
9 Kvamme 1988
10 deeben u a 2002
11 Kvamme 1992 Hobbs u a 2002 Muumlnch 2003
oder vagem Wissen auseinander Klassische statisti-sche Ansaumltze vernachlaumlssigen diese einer vorhersa-gemodellierung inhaumlrente Komponente und tragen auf diese Weise zu einer unvollstaumlndigen Modellie-rung des abzubildenden Prozesses bei nicht nur aus diesem grund erweisen sich probabilistische Methoden und Fuzzylogik als sinnvolle Alternative zu den bewaumlhrten verfahren Auch ermoumlglichen sie es erfahrungen und intuitionen archaumlologischer experten hinsichtlich des Wirkungsgrades der ver-schiedenen Einflussfaktoren zu integrieren12
Fuzzylogik wurde urspruumlnglich zur Modellie-rung linguistischer Beschreibungen mit dem Ziel der transformation dieser Ausdruumlcke in mathema-tisch verallgemeinerte charakteristische Funktionen entwickelt grundlage der Fuzzylogik sind die so genannten unscharfen Mengen die im gegensatz zu traditionellen Mengen in denen ein element in einer vorgegebenen grundmenge entweder enthal-ten oder nicht enthalten sein kann elemente auch nur ein wenig enthalten sein koumlnnen13 der grad der Zugehoumlrigkeit wird meist durch eine Zugehouml-rigkeitsfunktion (membership function) micro beschrie-ben die den elementen einer grundmenge eine reelle Zahl zwischen 0 und 1 zuordnet So nutzen Bailey u a14 Fuzzylogik fuumlr die Modellierung von Siedlungspraumlferenzen durch integration von ar-chaumlologischem expertenwissen und von literatur-quellen um somit zu einer einschaumltzung der einen Besiedelungsprozess beeinflussenden Parameter zu gelangen sowie eine landschaft hinsichtlich ihres archaumlologischen Potentials bewerten zu koumlnnen Der Einfluss der einzelnen Parameter wird in Form verbal festgelegter Wahrscheinlichkeiten auf einer Skala von sehr unwahrscheinlich bis sehr wahr-scheinlich bewertet welche daraufhin analog dazu in eine metrisch skalierte Klassifikation der Para-meter transformiert wird
im gegensatz zu klassischen statistischen ver-fahren versuchen probabilistische Ansaumltze Schluss-folgerungen die sich vielfach nicht mittels strikt deterministischer gesetze ziehen lassen anhand von Wahrscheinlichkeiten zu generieren es ist be-kannt welche ereignisse (Aussagen) eintreten koumln-nen Welches der ereignisse letztlich dann aber ein-tritt ist unsicher was sich als Wahrscheinlichkeit des eintretens in Form eines numerischen Wertes
12 Bailey u a 2009 ducke u a 2009
13 Zadeh 1965
14 Bailey u a 2009
Predictive Modelling 229
ausdruumlcken laumlsst der uumlblicherweise zwischen 0 und 1 liegt Mit diesem Wert wird festgelegt wie wahr-scheinlich (nahe dem Wert 1) oder unwahrschein-lich (nahe dem Wert 0) eine Aussage ist
ein sehr verbreiteter Ansatz unter den probabi-listischen Methoden ist das Bayes-theorem15 wel-ches die repraumlsentation von unsicherheit durch das einbeziehen von bedingten und unbedingten Wahrscheinlichkeiten abbildet Wahrscheinlichkeit wird bei diesem Ansatz also unter der vorausset-zung des eintretens eines bedingenden anderen ereignisses betrachtet und durch die einbeziehung zusaumltzlicher quantitativer Daten modifiziert Diese regelhaftigkeit ist fuumlr beliebig viele Aussagen er-weiterbar und laumlsst somit eine Wahrscheinlichkeits-verteilung fuumlr eine Menge von Aussagen erzeugen
Als eine Weiterentwicklung des Bayes-theo-rems ist die theorie von dempster-Shafer anzu-sehen die anstelle von Wahrscheinlichkeiten mit glaubensmaszligen oder evidenzen arbeitet um auf diese Weise unsicherheit zu modellieren
die dempster-Shafer-theorie
die dempster-Shafer-theorie16 beschaumlftigt sich mit dem unterschied zwischen unsicherheit und unwissen es wird nicht die Wahrscheinlichkeit einer Aussage berechnet sondern die Wahrschein-lichkeit mit der bestimmte informationsteile (evi-denzen oder glaubensmaszlige) eine Aussage stuumltzt dies wird durch so genannte Belief-Funktionen ausgedruumlckt geschrieben Bel(X)
vereinfacht ausgedruumlckt handelt es sich bei der theorie um eine Aggregationsvorschrift in welche im Zuge von Entscheidungsfindungsprozessen mit unterschiedlichem bdquogewichtldquo (vertrauen Zustim-mung zu einer Hypothese = degree of belief) einge-hen koumlnnen um bestimmte Hypothesen zu unter-stuumltzen bzw auszuschlieszligen die Kernaussage der dempster-Shafer-theorie besagt dass jede Wis-sensdomaumlne unwissen impliziert und dass daher als das Komplement einer Hypothese nicht auto-matisch deren negation zuzusprechen ist sondern vielmehr dem Faktor unwissen zufaumlllt Mathema-tisch ausgedruumlckt laumlsst sich eine Modellierung nach dempster-Shafer folgendermaszligen darstellen
15 verhagen 2007
16 dempster 1968 Shafer 1976
das Modell setzt sich aus einer Menge von Hypo-bull thesen H = h1n zusammen welche alle moumlgli-chen und sich gegenseitig ausschlieszligenden Aus-praumlgungen dieser Hypothesen beinhaltet diese Menge wird als Frame of Discernment (Ω) bezeichnet
Jede Hypothese laumlsst sich als eine teilmenge bull von Ω darstellen Ein Basismaszlig m(A) (auch Ba-sic Probability Assignment rarr BPA) repraumlsen-tiert das Maszlig an glauben das man exakt der Menge (bzw dieser Hypothese) zuweist die-ses genuumlgt den folgenden beiden Bedingungen
(1)
(2)
der glaube Bel(A) an eine einzelne Hypothese bull laumlsst sich als die Summe aller teilmengen m(B) die diese Hypothese unterstuumltzen ausdruumlcken
(3)
Als ein weiteres wichtiges Maszlig repraumlsentiert bull Plausibilitaumlt (Pl) den grad mit dem eine Hypo-these nicht zuruumlckgewiesen werden kann (also genau der glauben der nicht gegen diese Hy-pothese spricht) und beinhaltet somit jeglichen glauben an Mengen die mit dieser Hypothese konsistent sind
(4)
die differenz aus Belief und Plausibility ist eine bull weitere wichtige groumlszlige des dempster-Shafer-Formalismus und wird als Beliefintervall bezeich-net Das Beliefintervall repraumlsentiert somit den Bereich in dem das groumlszligte unwissen herrscht
die einzelnen glaubensmaszlige lassen sich mit bull Hilfe der dempsterrsquos rule of combination durch paarweise verknuumlpfung kombinieren und auf diese Weise sukzessive zu einem gesamt-Belief aggregieren
(5)
Wenn dann gilt
(6)
0 = (Oslash) m
( ) ( ) ( )( ) ( )YmXm
YmXm=Zm
21
21
1 lowastminus
lowast
sumsum ( )
( ) Φ=YXwennZ=YXwenn
capcap
( ) ( ) Φ=YfuumlrX=YmXm caplowastsum 021
( ) ( ) ( ) Z=YXfuumlrYmXm=Zm 21 )( caplowastsum
sumcap AB
m(B)Bel(A)
sum
cap ΩAm(A) 1
sum0Am(B)Pl(A)
Bcap ne
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Universitaumltsforschungenzur praumlhistorischen Archaumlologie
Band 192
Aus dem Institut fuumlr Vor- und Fruumlhgeschichteder Universitaumlt Mainz
2010
Verlag Dr Rudolf Habelt GmbH Bonn
von
Sabine Hornung
2010
Verlag Dr Rudolf Habelt GmbH Bonn
Mensch und Umwelt I
Archaumlologische und naturwissenschaftliche Forschungenzum Wandel der Kulturlandschaft um den
herausgegeben
bdquoHunnenringrdquo bei OtzenhausenGem Nonnweiler Lkr St Wendel
ISBN 978-3-7749-3712-3
Ein Titelsatz ist bei der Deutschen Bibliothek erhaumlltlich(httpwwwddbde)
Copyright 2010 by Dr Rudolf Habelt GmbH Bonn
Herausgeber sind derzeit
Die Reihe bdquoUniversitaumltsforschungen zur praumlhistori-schen Archaumlologieldquo soll einem in der juumlngeren Vergan-genheit entstandenen Beduumlrfnis Rechnung tragen naumlm-lich Examensarbeiten und andere Forschungsleistun-gen vornehmlich juumlngerer Wissenschaftler in die Oumlf-fentlichkeit zu tragen Die etablierten Reihen und Zeit-schriften des Faches reichen laumlngst nicht mehr aus dievorhandenen Manuskripte aufzunehmen Die Uni-versitaumlten sind deshalb aufgerufen Abhilfe zu schaf-fen Einige von ihnen haben mit den ihnen zur Ver-fuumlgung stehenden Mitteln unter zumeist tatkraumlftigemHandanlegen der Autoren die vorliegende Reihe be-gruumlndet Thematisch soll darin die ganze Breite desFaches vom Palaumlolithikum bis zur Archaumlologie derNeuzeit ihren Platz finden
VORWORT DER HERAUSGEBER
Urspruumlnglich hatten sich fuumlnf Universitaumltsinstitute inDeutschland zur Herausgabe der Reihe zusammenge-funden der Kreis ist inzwischen groumlszliger geworden Erlaumldt alle interessierten Professoren und Dozenten einals Mitherausgeber taumltig zu werden und Arbeiten ausihrem Bereich der Reihe zukommen zu lassen Fuumlrdie einzelnen Baumlnde zeichnen jeweils die Autoren undInstitute ihrer Herkunft die im Titel deutlich gekenn-zeichnet sind verantwortlich Sie erstellen Satz Um-bruch und einen Ausdruck Bei gleicher Anordnungdes Umschlages haben die verschiedenen beteiligtenUniversitaumlten jeweils eine spezifische Farbe Finan-zierung und Druck erfolgen entweder durch sie selbstoder durch den Verlag Dr Rudolf Habelt GmbHder in jedem Fall den Vertrieb der Baumlnde sichert
Kurt Alt (Mainz)Peter Breuning (Frankfurt am Main)
Philippe Della Casa (Zuumlrich)Manfred KH Eggert (Tuumlbingen)
Clemens Eibner (Heidelberg)Ralf Gleser (Muumlnster)
Bernhard Haumlnsel (Berlin)Alfred Haffner (Kiel)
Svend Hansen (Berlin)Ole Harck (Kiel)
Joachim Henning (Frankfurt am Main)Christian Jeunesse (Strasbourg)Albrecht Jockenhoumlvel (Muumlnster)
Ruumldiger Krause (Frankfurt am Main)Klaacutera Kuzmovaacute (Trnava)Amei Lang (Muumlnchen)Achim Leube (Berlin)
Andreas Lippert (Wien)Jens Luumlning (Frankfurt am Main)
Joseph Maran (Heidelberg)Wilfried Menghin (Berlin)
Carola Metzner-Nebelsick (Muumlnchen)Johannes Muumlller (Kiel)
Ulrich Muumlller (Kiel)Michael Muumlller-Wille (Kiel)
Maacuteria Novotnaacute (Trnava)Bernd Paumlffgen (Muumlnchen)Christopher Pare (Mainz)
Hermann Parzinger (Berlin)Margarita Primas (Zuumlrich)
Britta Ramminger (Hamburg)Sabine Rieckhoff (Leipzig)
Wolfram Schier (Berlin)Heiko Steuer (Freiburg im Breisgau)
Thomas Stoumlllner (Bochum)Biba Terzan (Berlin)
Andreas Zimmermann (Koumlln)
Predictive Modelling 225
einleitung
im rahmen eines seit november 2006 am in-stitut fuumlr vor- und Fruumlhgeschichte der Johannes gutenberg-universitaumlt Mainz laufenden Projektes zu Besiedlungsgeschichte Kulturlandschaftsgenese und sozialem Wandel im umfeld des bdquoHunnen-ringsldquo von otzenhausen lkr St Wendel Saarland stellt neben der erforschung zentraler orte der ei-sen- und roumlmerzeit auch die Frage nach der ein-bindung dieser Zentren in ein laumlndliches Siedlungs-umfeld einen wichtigen Forschungsschwerpunkt dar Waumlhrend aus dem Arbeitsgebiet das einen Bereich von 10 km um den bdquoHunnenringldquo abdeckt eine verhaumlltnismaumlszligig groszlige Zahl roumlmischer villae rusticae bekannt ist nicht zuletzt aufgrund ihrer gu-ten Sichtbarkeit im gelaumlnde fehlen Hinweise auf gehoumlftsiedlungen der eisenzeit fast voumlllig letztere sind im gegensatz zu den leicht zu lokalisierenden roumlmischen Siedlungen mit ihren Steingebaumluden und Ziegeldaumlchern ohne gezielte Ausgrabungen archaumlo-logisch nur schwer nachzuweisen um die chancen einer lokalisierung eisenzeitlicher gehoumlfte bei Pro-spektionen optimieren zu koumlnnen sollte daher ein Predictive Modelling entwickelt werden auf dessen Basis eine gezieltere Suche nach Spuren vorge-schichtlicher Siedlungstaumltigkeit moumlglich wird
eine durchsicht der bislang bekannten Fund-stellen meist roumlmischer Zeitstellung ergab dass die Wahl eines Siedlungsplatzes von verschiedenen umweltfaktoren unmittelbar gepraumlgt wird durch gezielte verschneidung dieser unterschiedlichen lageparameter sollte es daher moumlglich sein Berei-che mit einer hohen Fundwahrscheinlichkeit isolie-ren zu koumlnnen wobei der erfolg dieser Methode entscheidend von der korrekten Formulierung der besagten lagekriterien abhaumlngt Aus diesem grun-de erschien es sinnvoll das Predictive Modelling zunaumlchst fuumlr ein kleines testgebiet mit vergleichs-weise gutem Forschungsstand auszuarbeiten und an diesem Beispiel die relevanten lageparameter zu isolieren und zu schaumlrfen
Wichtiger Bestandteil der untersuchung sollte aber auch die Uumlberpruumlfung der statistisch ausgewie-
senen Praumlferenzflaumlchen in Form von Begehungen im gelaumlnde sein deshalb beschraumlnkte sich die Mo-dellierung zunaumlchst auf ein ca 50 kmsup2 umfassendes gebiet 4 km nordwestlich des bdquoHunnenringesldquo im umfeld der Stadt Hermeskeil lkr trier-Saarburg welches sich aufgrund seiner relativ groszligen Anzahl roumlmischer Siedlungsfunde sowie einer vielzahl von graumlbern roumlmischer und eisenzeitlicher datierung gut fuumlr eine erste Anwendung dieser Methodik zu eignen schien (Abb 1) Aus praktischer Sicht spielen neben den aus archaumlologischen erfahrungswerten abgeleiteten lageparametern aber auch sekundaumlre Einflussfaktoren auf die Quellenlage eine wichtige rolle So haumlngt z B die Sichtbarkeit einer Fundstel-le im gelaumlnde wesentlich von erosions- und Akku-mulationsprozessen ab letztere lassen sich durch Beruumlcksichtigung des ergebnisses einer erosions-modellierung in das Predictive Modelling einbezie-hen so dass auf diesem Wege konkrete Aussagen uumlber die Sichtbarkeit und den erhaltungszustand einzelner Fundstellen moumlglich werden
Ziel dieses Artikels ist die darstellung einer ersten giS-basierten Modellierung von Besied-lungsstrategien der eisenzeitlichen und roumlmerzeit-lichen Bevoumllkerung fuumlr das ausgewaumlhlte teilgebiet des untersuchungsraumes rund um den Hunnen-ring von otzenhausen gem nonnweiler lkr St Wendel die es in Zukunft weiter auszuarbeiten gilt Auf diese Weise soll versucht werden einen Beitrag zur erforschung auch anderer vor allem peripherer Siedlungslandschaften zu leisten deren landschaftli-che eigenheiten ebenso wie die hieraus resultieren-den Formen moderner umweltnutzung bzw deren Folgen (z B erosionsprozesse) die archaumlologische Forschung mit einer reihe von methodischen Pro-blemen konfrontieren
die als testgebiet zur entwicklung der ange-wandten Methoden ausgewaumlhlte region um die Stadt Hermeskeil zeichnet sich durch ein dichtes naturbelassenes gewaumlssernetz aus welches im We-sentlichen durch die in nord-Suumld-richtung entwaumls-sernden Baumlche loumlster und Prims sowie ihre weit-verzweigten Nebenfluumlsse (ebenso) gespeist wird die tallagen des untersuchungsraumes bewegen
Predictive Modelling iM uMFeld deS bdquoHunnenringSldquo von otZenHAuSen geM nonnWeiler lKr St Wendel ndash
MetHodiScHe UumlBerlegungen ProBleMe und PerSPeKtiven FUumlr die PrAKtiScHe AnWendung giS-BASierter AnAlySeverFAHren
von SilKe BooS SABine Hornung und HArtMut MUumlller
226 S BooS S Hornung H MUumlller
sich auf einem Houmlhenniveau zwischen 429 und 530 m und werden von verschieden ausgedehnten Houmlhenruumlcken umgeben die auf bis zu 623 m an-steigen das heute eher duumlnn besiedelte untersu-chungsgebiet wird etwa zu gleichen teilen durch bewaldete und landwirtschaftlich genutzte Flaumlchen gepraumlgt bietet also aus archaumlologischer Sicht sehr unterschiedliche voraussetzungen fuumlr die lokali-sierung neuer Fundstellen und damit eine flaumlchen-deckende erfassung vor- und fruumlhgeschichtlicher Siedlungsmuster
Predictive Modelling
das sogenannte Predictive Modelling ist ein verfahren welches in den spaumlten 1970iger Jahren in den uSA1 in Zusammenhang mit staatlichen landmanagement-Projekten entwickelt wurde es basiert auf der Annahme dass die Siedlungs- oder Bestattungsplatzwahl vergangener gesellschaften in enger Beziehung zu naturraumlumlichen Faktoren und somit unter dem Einfluss sozio-kultureller Aspekte
1 clarke 1977 Hodderorton 1976
Abb 1 Eisen- und roumlmerzeitliche Funde im Untersuchungsgebiet bei Hermeskeil (Grafik S Boos)
Predictive Modelling 227
zu sehen ist Ausgehend von dieser Hypothese ist es Ziel des Predictive Modelling die angesproche-nen Faktoren menschlicher Besiedlungsstrategien zu modellieren um auf diese Weise signifikante Flaumlchen mit einem spezifizierten Verdachtsmo-ment fuumlr die Anwesenheit archaumlologischer Hinter-lassenschaften zu berechnen Zur Analyse dieses empirisch ermittelten Musters wird vielfach ein geographisches informationssystem (giS) heran-gezogen da dieses uumlber geeignete Werkzeuge fuumlr (raumbezogene) Analysen und die Modellierung al-ler relevanten Faktoren verfuumlgt
in Zusammenhang mit der entwicklung eines archaumlologischen Praumldiktionsmodells lassen sich grundsaumltzlich zwei verschiedene Zielsetzungen un-terscheiden die entweder einen korrelierenden oder einen erklaumlrenden Ansatz verfolgen2 Projekte mit einem akademischen Hintergrund untersuchen die verschiedenen Aspekte des historischen Siedlungs- und landnutzungsverhaltens und versuchen diese zu erklaumlren waumlhrend fuumlr Projekte mit bodendenk-malpflegerischem Interesse die Konservierung des archaumlologischen erbes im vordergrund steht und der Fokus einer solchen Modellierung auf einer moumlglichst praumlzisen und in Form von Wahrschein-lichkeiten und Korrelationen bewerteten Fundprog-nose liegt Auch wenn sich diese Zielsetzungen un-terscheiden besteht nur ein geringer unterschied in Bezug auf die zur erstellung des Modells angewen-deten verfahren
Auch hinsichtlich der methodischen Herange-hensweise bei der entwicklung eines archaumlologi-schen Praumldiktionsmodells koumlnnen zwei grundle-gende Ansaumltze unterschieden werden Induktive Modelle greifen Beobachtungen von umweltfak-toren eines untersuchungsgebietes auf nehmen auf dieser Basis Abschaumltzungen und Schlussfolge-rungen uumlber die Signifikanz der verwendeten Daten in Bezug auf bekannte Fundstellen vor und leiten hieraus allgemeinguumlltige regeln ab dies erfolgt in der regel unter verwendung statistischer Metho-den die das lagemuster der Fundstellen abstra-hieren so dass auf diese Weise eine Aufteilung des untersuchungsgebietes in Bereiche verschiedener Wahrscheinlichkeiten fuumlr das Auftreten von Fun-den erzeugt wird Deduktive Modelle hingegen basieren auf abstrakten theorien die auf die rea-litaumlt transformiert werden und diese auf grundlage des Modells zu erklaumlren versuchen die deduktive
2 van leusen 2002
Methodik setzt somit bestimmte Annahmen uumlber praumlhistorische verhaltensweisen voraus welche zu dem betrachteten raum in Beziehung gesetzt und abgeglichen werden die bekannten Fundstellen des untersuchungsgebietes dienen bei dieser vor-gehensweise zur Uumlberpruumlfung des ergebnisses
viele archaumlologische Praumldiktionsmodelle lassen allerdings erkennen dass die strenge dichotomie dieser beiden Ansaumltze in der realen umsetzung sel-ten eingehalten werden kann und der terminus hy-bride Modellierung diesen Sachverhalt eher trifft3 So laumlsst sich als Kritik an einer induktiven Modellie-rung die wertfreie Auswahl der umweltparameter aufzeigen die alleine auf der verfuumlgbarkeit der ver-wendeten eingangsdaten beruht und somit archaumlo-logische erklaumlrungsansaumltze fuumlr Besiedlungsstrategi-en auszliger Acht laumlsst4 Bei naumlherer Betrachtung zeigt sich allerdings dass die Wahl der umweltparameter nicht als vollkommen willkuumlrlich anzusehen ist und oftmals immanente Annahmen uumlber menschliche verhaltensweisen bezuumlglich der Wahl eines Stand-ortes beinhaltet Andersherum schlieszligt ein deduk-tiver Ansatz per se induktion ein da das diesem Ansatz zugrunde gelegte Wissen das ergebnis sich wiederholender und somit statistisch belegbarer erfahrungen und Beobachtungen zu verschiede-nen umweltfaktoren ist
Bei der praktischen umsetzung der Modellie-rung werden verschiedene Methoden angewendet die sich hinsichtlich ihrer Komplexitaumlt von einfa-chen additiven Methoden bis hin zu multivaria-ten Regressionsanalysen erstrecken in juumlngerer Zeit greift man verstaumlrkt auf Methoden der Fuzzy Logik5 oder probabilistische Ansaumltze6 zuruumlck die es ermoumlglichen das einer archaumlologischen vor-hersagemodellierung implizite unsichere bzw un-scharfe Wissen uumlber menschliche verhaltensweisen mit in die Prognose einzubeziehen ducke u a7 und ejstrud8 stellten in ihren untersuchungen die ergebnisse verschiedener Modellierungsansaumltze ge-genuumlber und konnten die Wirksamkeit probabilisti-scher Methoden nachweisen die durchweg bessere ergebnisse erzielten als die klassischen verfahren Als Maszlig fuumlr die Modellguumlte zogen sie den gain-Fak-
3 ebd
4 ebert 2000
5 Bailey u a 2009
6 canning 2005 ducke u a 2009 ejstrud 2008
7 ducke u a 2009
8 ejstrud 2003
228 S BooS S Hornung H MUumlller
tor9 heran der sich mathematisch folgendermaszligen ausdruumlcken laumlsst
gain factor = 1 - Prozentanteil Verdachtsflaumlche Prozentanteil Fundplaumltze in Verdachtsflaumlche
ein gutes Modellierungsergebnis druumlckt sich durch einen hohen gain-Faktor fuumlr Verdachtsflauml-chen mit groszligem archaumlologischem Potential aus was dieser Formel zufolge gleichbedeutend mit ei-nem hohen Anteil an Fundplaumltzen in einer prozen-tual geringen Verdachtsflaumlche ist
im Folgenden sollen die wichtigsten Methoden die im Zusammenhang mit dem Predictive Model-ling Anwendung finden kurz eroumlrtert werden um schlieszliglich naumlher auf die in dieser Arbeit angewand-te theorie von dempster-Shafer einzugehen
Additive Methoden
Bei diesen verfahren wird fuumlr jeden betrachteten Parameter ein Wertebereich definiert fuumlr den der Zustand Fundstellenanwesenheit gilt oder alterna-tiv ein Wahrscheinlichkeitswert uumlbergeben und die einzelnen Werte durch intersektion zu einem ge-samtergebnis vereinigt eine Abwandlung des ver-fahrens kann durch eine gewichtung der Parame-ter erreicht werden die z B aus dem Flaumlchenanteil eines Einzelfaktors an der Gesamtflaumlche berechnet wird oder aber auch aus einer Beruumlcksichtigung von expertenwissen resultieren kann10
regressionsbasierte verfahren
Diese am haumlufigsten angewendeten Verfahren11 basieren auf einer induktiven logik und ermitteln die raumlumliche Korrelation zwischen verschiedenen unabhaumlngigen variablen (meist umweltparametern) und bekannten Fundstellen woraus unter Anwen-dung statistischer Methoden Wahrscheinlichkeiten fuumlr Fundplatzvorkommen prognostiziert werden
Fuzzylogik und Probabilistische theorien
Methoden aus dem Bereich der Wahrscheinlich-keitstheorie und der Fuzzylogik setzen sich mit dem thema der Wissensrepraumlsentation von unsicherem
9 Kvamme 1988
10 deeben u a 2002
11 Kvamme 1992 Hobbs u a 2002 Muumlnch 2003
oder vagem Wissen auseinander Klassische statisti-sche Ansaumltze vernachlaumlssigen diese einer vorhersa-gemodellierung inhaumlrente Komponente und tragen auf diese Weise zu einer unvollstaumlndigen Modellie-rung des abzubildenden Prozesses bei nicht nur aus diesem grund erweisen sich probabilistische Methoden und Fuzzylogik als sinnvolle Alternative zu den bewaumlhrten verfahren Auch ermoumlglichen sie es erfahrungen und intuitionen archaumlologischer experten hinsichtlich des Wirkungsgrades der ver-schiedenen Einflussfaktoren zu integrieren12
Fuzzylogik wurde urspruumlnglich zur Modellie-rung linguistischer Beschreibungen mit dem Ziel der transformation dieser Ausdruumlcke in mathema-tisch verallgemeinerte charakteristische Funktionen entwickelt grundlage der Fuzzylogik sind die so genannten unscharfen Mengen die im gegensatz zu traditionellen Mengen in denen ein element in einer vorgegebenen grundmenge entweder enthal-ten oder nicht enthalten sein kann elemente auch nur ein wenig enthalten sein koumlnnen13 der grad der Zugehoumlrigkeit wird meist durch eine Zugehouml-rigkeitsfunktion (membership function) micro beschrie-ben die den elementen einer grundmenge eine reelle Zahl zwischen 0 und 1 zuordnet So nutzen Bailey u a14 Fuzzylogik fuumlr die Modellierung von Siedlungspraumlferenzen durch integration von ar-chaumlologischem expertenwissen und von literatur-quellen um somit zu einer einschaumltzung der einen Besiedelungsprozess beeinflussenden Parameter zu gelangen sowie eine landschaft hinsichtlich ihres archaumlologischen Potentials bewerten zu koumlnnen Der Einfluss der einzelnen Parameter wird in Form verbal festgelegter Wahrscheinlichkeiten auf einer Skala von sehr unwahrscheinlich bis sehr wahr-scheinlich bewertet welche daraufhin analog dazu in eine metrisch skalierte Klassifikation der Para-meter transformiert wird
im gegensatz zu klassischen statistischen ver-fahren versuchen probabilistische Ansaumltze Schluss-folgerungen die sich vielfach nicht mittels strikt deterministischer gesetze ziehen lassen anhand von Wahrscheinlichkeiten zu generieren es ist be-kannt welche ereignisse (Aussagen) eintreten koumln-nen Welches der ereignisse letztlich dann aber ein-tritt ist unsicher was sich als Wahrscheinlichkeit des eintretens in Form eines numerischen Wertes
12 Bailey u a 2009 ducke u a 2009
13 Zadeh 1965
14 Bailey u a 2009
Predictive Modelling 229
ausdruumlcken laumlsst der uumlblicherweise zwischen 0 und 1 liegt Mit diesem Wert wird festgelegt wie wahr-scheinlich (nahe dem Wert 1) oder unwahrschein-lich (nahe dem Wert 0) eine Aussage ist
ein sehr verbreiteter Ansatz unter den probabi-listischen Methoden ist das Bayes-theorem15 wel-ches die repraumlsentation von unsicherheit durch das einbeziehen von bedingten und unbedingten Wahrscheinlichkeiten abbildet Wahrscheinlichkeit wird bei diesem Ansatz also unter der vorausset-zung des eintretens eines bedingenden anderen ereignisses betrachtet und durch die einbeziehung zusaumltzlicher quantitativer Daten modifiziert Diese regelhaftigkeit ist fuumlr beliebig viele Aussagen er-weiterbar und laumlsst somit eine Wahrscheinlichkeits-verteilung fuumlr eine Menge von Aussagen erzeugen
Als eine Weiterentwicklung des Bayes-theo-rems ist die theorie von dempster-Shafer anzu-sehen die anstelle von Wahrscheinlichkeiten mit glaubensmaszligen oder evidenzen arbeitet um auf diese Weise unsicherheit zu modellieren
die dempster-Shafer-theorie
die dempster-Shafer-theorie16 beschaumlftigt sich mit dem unterschied zwischen unsicherheit und unwissen es wird nicht die Wahrscheinlichkeit einer Aussage berechnet sondern die Wahrschein-lichkeit mit der bestimmte informationsteile (evi-denzen oder glaubensmaszlige) eine Aussage stuumltzt dies wird durch so genannte Belief-Funktionen ausgedruumlckt geschrieben Bel(X)
vereinfacht ausgedruumlckt handelt es sich bei der theorie um eine Aggregationsvorschrift in welche im Zuge von Entscheidungsfindungsprozessen mit unterschiedlichem bdquogewichtldquo (vertrauen Zustim-mung zu einer Hypothese = degree of belief) einge-hen koumlnnen um bestimmte Hypothesen zu unter-stuumltzen bzw auszuschlieszligen die Kernaussage der dempster-Shafer-theorie besagt dass jede Wis-sensdomaumlne unwissen impliziert und dass daher als das Komplement einer Hypothese nicht auto-matisch deren negation zuzusprechen ist sondern vielmehr dem Faktor unwissen zufaumlllt Mathema-tisch ausgedruumlckt laumlsst sich eine Modellierung nach dempster-Shafer folgendermaszligen darstellen
15 verhagen 2007
16 dempster 1968 Shafer 1976
das Modell setzt sich aus einer Menge von Hypo-bull thesen H = h1n zusammen welche alle moumlgli-chen und sich gegenseitig ausschlieszligenden Aus-praumlgungen dieser Hypothesen beinhaltet diese Menge wird als Frame of Discernment (Ω) bezeichnet
Jede Hypothese laumlsst sich als eine teilmenge bull von Ω darstellen Ein Basismaszlig m(A) (auch Ba-sic Probability Assignment rarr BPA) repraumlsen-tiert das Maszlig an glauben das man exakt der Menge (bzw dieser Hypothese) zuweist die-ses genuumlgt den folgenden beiden Bedingungen
(1)
(2)
der glaube Bel(A) an eine einzelne Hypothese bull laumlsst sich als die Summe aller teilmengen m(B) die diese Hypothese unterstuumltzen ausdruumlcken
(3)
Als ein weiteres wichtiges Maszlig repraumlsentiert bull Plausibilitaumlt (Pl) den grad mit dem eine Hypo-these nicht zuruumlckgewiesen werden kann (also genau der glauben der nicht gegen diese Hy-pothese spricht) und beinhaltet somit jeglichen glauben an Mengen die mit dieser Hypothese konsistent sind
(4)
die differenz aus Belief und Plausibility ist eine bull weitere wichtige groumlszlige des dempster-Shafer-Formalismus und wird als Beliefintervall bezeich-net Das Beliefintervall repraumlsentiert somit den Bereich in dem das groumlszligte unwissen herrscht
die einzelnen glaubensmaszlige lassen sich mit bull Hilfe der dempsterrsquos rule of combination durch paarweise verknuumlpfung kombinieren und auf diese Weise sukzessive zu einem gesamt-Belief aggregieren
(5)
Wenn dann gilt
(6)
0 = (Oslash) m
( ) ( ) ( )( ) ( )YmXm
YmXm=Zm
21
21
1 lowastminus
lowast
sumsum ( )
( ) Φ=YXwennZ=YXwenn
capcap
( ) ( ) Φ=YfuumlrX=YmXm caplowastsum 021
( ) ( ) ( ) Z=YXfuumlrYmXm=Zm 21 )( caplowastsum
sumcap AB
m(B)Bel(A)
sum
cap ΩAm(A) 1
sum0Am(B)Pl(A)
Bcap ne
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
von
Sabine Hornung
2010
Verlag Dr Rudolf Habelt GmbH Bonn
Mensch und Umwelt I
Archaumlologische und naturwissenschaftliche Forschungenzum Wandel der Kulturlandschaft um den
herausgegeben
bdquoHunnenringrdquo bei OtzenhausenGem Nonnweiler Lkr St Wendel
ISBN 978-3-7749-3712-3
Ein Titelsatz ist bei der Deutschen Bibliothek erhaumlltlich(httpwwwddbde)
Copyright 2010 by Dr Rudolf Habelt GmbH Bonn
Herausgeber sind derzeit
Die Reihe bdquoUniversitaumltsforschungen zur praumlhistori-schen Archaumlologieldquo soll einem in der juumlngeren Vergan-genheit entstandenen Beduumlrfnis Rechnung tragen naumlm-lich Examensarbeiten und andere Forschungsleistun-gen vornehmlich juumlngerer Wissenschaftler in die Oumlf-fentlichkeit zu tragen Die etablierten Reihen und Zeit-schriften des Faches reichen laumlngst nicht mehr aus dievorhandenen Manuskripte aufzunehmen Die Uni-versitaumlten sind deshalb aufgerufen Abhilfe zu schaf-fen Einige von ihnen haben mit den ihnen zur Ver-fuumlgung stehenden Mitteln unter zumeist tatkraumlftigemHandanlegen der Autoren die vorliegende Reihe be-gruumlndet Thematisch soll darin die ganze Breite desFaches vom Palaumlolithikum bis zur Archaumlologie derNeuzeit ihren Platz finden
VORWORT DER HERAUSGEBER
Urspruumlnglich hatten sich fuumlnf Universitaumltsinstitute inDeutschland zur Herausgabe der Reihe zusammenge-funden der Kreis ist inzwischen groumlszliger geworden Erlaumldt alle interessierten Professoren und Dozenten einals Mitherausgeber taumltig zu werden und Arbeiten ausihrem Bereich der Reihe zukommen zu lassen Fuumlrdie einzelnen Baumlnde zeichnen jeweils die Autoren undInstitute ihrer Herkunft die im Titel deutlich gekenn-zeichnet sind verantwortlich Sie erstellen Satz Um-bruch und einen Ausdruck Bei gleicher Anordnungdes Umschlages haben die verschiedenen beteiligtenUniversitaumlten jeweils eine spezifische Farbe Finan-zierung und Druck erfolgen entweder durch sie selbstoder durch den Verlag Dr Rudolf Habelt GmbHder in jedem Fall den Vertrieb der Baumlnde sichert
Kurt Alt (Mainz)Peter Breuning (Frankfurt am Main)
Philippe Della Casa (Zuumlrich)Manfred KH Eggert (Tuumlbingen)
Clemens Eibner (Heidelberg)Ralf Gleser (Muumlnster)
Bernhard Haumlnsel (Berlin)Alfred Haffner (Kiel)
Svend Hansen (Berlin)Ole Harck (Kiel)
Joachim Henning (Frankfurt am Main)Christian Jeunesse (Strasbourg)Albrecht Jockenhoumlvel (Muumlnster)
Ruumldiger Krause (Frankfurt am Main)Klaacutera Kuzmovaacute (Trnava)Amei Lang (Muumlnchen)Achim Leube (Berlin)
Andreas Lippert (Wien)Jens Luumlning (Frankfurt am Main)
Joseph Maran (Heidelberg)Wilfried Menghin (Berlin)
Carola Metzner-Nebelsick (Muumlnchen)Johannes Muumlller (Kiel)
Ulrich Muumlller (Kiel)Michael Muumlller-Wille (Kiel)
Maacuteria Novotnaacute (Trnava)Bernd Paumlffgen (Muumlnchen)Christopher Pare (Mainz)
Hermann Parzinger (Berlin)Margarita Primas (Zuumlrich)
Britta Ramminger (Hamburg)Sabine Rieckhoff (Leipzig)
Wolfram Schier (Berlin)Heiko Steuer (Freiburg im Breisgau)
Thomas Stoumlllner (Bochum)Biba Terzan (Berlin)
Andreas Zimmermann (Koumlln)
Predictive Modelling 225
einleitung
im rahmen eines seit november 2006 am in-stitut fuumlr vor- und Fruumlhgeschichte der Johannes gutenberg-universitaumlt Mainz laufenden Projektes zu Besiedlungsgeschichte Kulturlandschaftsgenese und sozialem Wandel im umfeld des bdquoHunnen-ringsldquo von otzenhausen lkr St Wendel Saarland stellt neben der erforschung zentraler orte der ei-sen- und roumlmerzeit auch die Frage nach der ein-bindung dieser Zentren in ein laumlndliches Siedlungs-umfeld einen wichtigen Forschungsschwerpunkt dar Waumlhrend aus dem Arbeitsgebiet das einen Bereich von 10 km um den bdquoHunnenringldquo abdeckt eine verhaumlltnismaumlszligig groszlige Zahl roumlmischer villae rusticae bekannt ist nicht zuletzt aufgrund ihrer gu-ten Sichtbarkeit im gelaumlnde fehlen Hinweise auf gehoumlftsiedlungen der eisenzeit fast voumlllig letztere sind im gegensatz zu den leicht zu lokalisierenden roumlmischen Siedlungen mit ihren Steingebaumluden und Ziegeldaumlchern ohne gezielte Ausgrabungen archaumlo-logisch nur schwer nachzuweisen um die chancen einer lokalisierung eisenzeitlicher gehoumlfte bei Pro-spektionen optimieren zu koumlnnen sollte daher ein Predictive Modelling entwickelt werden auf dessen Basis eine gezieltere Suche nach Spuren vorge-schichtlicher Siedlungstaumltigkeit moumlglich wird
eine durchsicht der bislang bekannten Fund-stellen meist roumlmischer Zeitstellung ergab dass die Wahl eines Siedlungsplatzes von verschiedenen umweltfaktoren unmittelbar gepraumlgt wird durch gezielte verschneidung dieser unterschiedlichen lageparameter sollte es daher moumlglich sein Berei-che mit einer hohen Fundwahrscheinlichkeit isolie-ren zu koumlnnen wobei der erfolg dieser Methode entscheidend von der korrekten Formulierung der besagten lagekriterien abhaumlngt Aus diesem grun-de erschien es sinnvoll das Predictive Modelling zunaumlchst fuumlr ein kleines testgebiet mit vergleichs-weise gutem Forschungsstand auszuarbeiten und an diesem Beispiel die relevanten lageparameter zu isolieren und zu schaumlrfen
Wichtiger Bestandteil der untersuchung sollte aber auch die Uumlberpruumlfung der statistisch ausgewie-
senen Praumlferenzflaumlchen in Form von Begehungen im gelaumlnde sein deshalb beschraumlnkte sich die Mo-dellierung zunaumlchst auf ein ca 50 kmsup2 umfassendes gebiet 4 km nordwestlich des bdquoHunnenringesldquo im umfeld der Stadt Hermeskeil lkr trier-Saarburg welches sich aufgrund seiner relativ groszligen Anzahl roumlmischer Siedlungsfunde sowie einer vielzahl von graumlbern roumlmischer und eisenzeitlicher datierung gut fuumlr eine erste Anwendung dieser Methodik zu eignen schien (Abb 1) Aus praktischer Sicht spielen neben den aus archaumlologischen erfahrungswerten abgeleiteten lageparametern aber auch sekundaumlre Einflussfaktoren auf die Quellenlage eine wichtige rolle So haumlngt z B die Sichtbarkeit einer Fundstel-le im gelaumlnde wesentlich von erosions- und Akku-mulationsprozessen ab letztere lassen sich durch Beruumlcksichtigung des ergebnisses einer erosions-modellierung in das Predictive Modelling einbezie-hen so dass auf diesem Wege konkrete Aussagen uumlber die Sichtbarkeit und den erhaltungszustand einzelner Fundstellen moumlglich werden
Ziel dieses Artikels ist die darstellung einer ersten giS-basierten Modellierung von Besied-lungsstrategien der eisenzeitlichen und roumlmerzeit-lichen Bevoumllkerung fuumlr das ausgewaumlhlte teilgebiet des untersuchungsraumes rund um den Hunnen-ring von otzenhausen gem nonnweiler lkr St Wendel die es in Zukunft weiter auszuarbeiten gilt Auf diese Weise soll versucht werden einen Beitrag zur erforschung auch anderer vor allem peripherer Siedlungslandschaften zu leisten deren landschaftli-che eigenheiten ebenso wie die hieraus resultieren-den Formen moderner umweltnutzung bzw deren Folgen (z B erosionsprozesse) die archaumlologische Forschung mit einer reihe von methodischen Pro-blemen konfrontieren
die als testgebiet zur entwicklung der ange-wandten Methoden ausgewaumlhlte region um die Stadt Hermeskeil zeichnet sich durch ein dichtes naturbelassenes gewaumlssernetz aus welches im We-sentlichen durch die in nord-Suumld-richtung entwaumls-sernden Baumlche loumlster und Prims sowie ihre weit-verzweigten Nebenfluumlsse (ebenso) gespeist wird die tallagen des untersuchungsraumes bewegen
Predictive Modelling iM uMFeld deS bdquoHunnenringSldquo von otZenHAuSen geM nonnWeiler lKr St Wendel ndash
MetHodiScHe UumlBerlegungen ProBleMe und PerSPeKtiven FUumlr die PrAKtiScHe AnWendung giS-BASierter AnAlySeverFAHren
von SilKe BooS SABine Hornung und HArtMut MUumlller
226 S BooS S Hornung H MUumlller
sich auf einem Houmlhenniveau zwischen 429 und 530 m und werden von verschieden ausgedehnten Houmlhenruumlcken umgeben die auf bis zu 623 m an-steigen das heute eher duumlnn besiedelte untersu-chungsgebiet wird etwa zu gleichen teilen durch bewaldete und landwirtschaftlich genutzte Flaumlchen gepraumlgt bietet also aus archaumlologischer Sicht sehr unterschiedliche voraussetzungen fuumlr die lokali-sierung neuer Fundstellen und damit eine flaumlchen-deckende erfassung vor- und fruumlhgeschichtlicher Siedlungsmuster
Predictive Modelling
das sogenannte Predictive Modelling ist ein verfahren welches in den spaumlten 1970iger Jahren in den uSA1 in Zusammenhang mit staatlichen landmanagement-Projekten entwickelt wurde es basiert auf der Annahme dass die Siedlungs- oder Bestattungsplatzwahl vergangener gesellschaften in enger Beziehung zu naturraumlumlichen Faktoren und somit unter dem Einfluss sozio-kultureller Aspekte
1 clarke 1977 Hodderorton 1976
Abb 1 Eisen- und roumlmerzeitliche Funde im Untersuchungsgebiet bei Hermeskeil (Grafik S Boos)
Predictive Modelling 227
zu sehen ist Ausgehend von dieser Hypothese ist es Ziel des Predictive Modelling die angesproche-nen Faktoren menschlicher Besiedlungsstrategien zu modellieren um auf diese Weise signifikante Flaumlchen mit einem spezifizierten Verdachtsmo-ment fuumlr die Anwesenheit archaumlologischer Hinter-lassenschaften zu berechnen Zur Analyse dieses empirisch ermittelten Musters wird vielfach ein geographisches informationssystem (giS) heran-gezogen da dieses uumlber geeignete Werkzeuge fuumlr (raumbezogene) Analysen und die Modellierung al-ler relevanten Faktoren verfuumlgt
in Zusammenhang mit der entwicklung eines archaumlologischen Praumldiktionsmodells lassen sich grundsaumltzlich zwei verschiedene Zielsetzungen un-terscheiden die entweder einen korrelierenden oder einen erklaumlrenden Ansatz verfolgen2 Projekte mit einem akademischen Hintergrund untersuchen die verschiedenen Aspekte des historischen Siedlungs- und landnutzungsverhaltens und versuchen diese zu erklaumlren waumlhrend fuumlr Projekte mit bodendenk-malpflegerischem Interesse die Konservierung des archaumlologischen erbes im vordergrund steht und der Fokus einer solchen Modellierung auf einer moumlglichst praumlzisen und in Form von Wahrschein-lichkeiten und Korrelationen bewerteten Fundprog-nose liegt Auch wenn sich diese Zielsetzungen un-terscheiden besteht nur ein geringer unterschied in Bezug auf die zur erstellung des Modells angewen-deten verfahren
Auch hinsichtlich der methodischen Herange-hensweise bei der entwicklung eines archaumlologi-schen Praumldiktionsmodells koumlnnen zwei grundle-gende Ansaumltze unterschieden werden Induktive Modelle greifen Beobachtungen von umweltfak-toren eines untersuchungsgebietes auf nehmen auf dieser Basis Abschaumltzungen und Schlussfolge-rungen uumlber die Signifikanz der verwendeten Daten in Bezug auf bekannte Fundstellen vor und leiten hieraus allgemeinguumlltige regeln ab dies erfolgt in der regel unter verwendung statistischer Metho-den die das lagemuster der Fundstellen abstra-hieren so dass auf diese Weise eine Aufteilung des untersuchungsgebietes in Bereiche verschiedener Wahrscheinlichkeiten fuumlr das Auftreten von Fun-den erzeugt wird Deduktive Modelle hingegen basieren auf abstrakten theorien die auf die rea-litaumlt transformiert werden und diese auf grundlage des Modells zu erklaumlren versuchen die deduktive
2 van leusen 2002
Methodik setzt somit bestimmte Annahmen uumlber praumlhistorische verhaltensweisen voraus welche zu dem betrachteten raum in Beziehung gesetzt und abgeglichen werden die bekannten Fundstellen des untersuchungsgebietes dienen bei dieser vor-gehensweise zur Uumlberpruumlfung des ergebnisses
viele archaumlologische Praumldiktionsmodelle lassen allerdings erkennen dass die strenge dichotomie dieser beiden Ansaumltze in der realen umsetzung sel-ten eingehalten werden kann und der terminus hy-bride Modellierung diesen Sachverhalt eher trifft3 So laumlsst sich als Kritik an einer induktiven Modellie-rung die wertfreie Auswahl der umweltparameter aufzeigen die alleine auf der verfuumlgbarkeit der ver-wendeten eingangsdaten beruht und somit archaumlo-logische erklaumlrungsansaumltze fuumlr Besiedlungsstrategi-en auszliger Acht laumlsst4 Bei naumlherer Betrachtung zeigt sich allerdings dass die Wahl der umweltparameter nicht als vollkommen willkuumlrlich anzusehen ist und oftmals immanente Annahmen uumlber menschliche verhaltensweisen bezuumlglich der Wahl eines Stand-ortes beinhaltet Andersherum schlieszligt ein deduk-tiver Ansatz per se induktion ein da das diesem Ansatz zugrunde gelegte Wissen das ergebnis sich wiederholender und somit statistisch belegbarer erfahrungen und Beobachtungen zu verschiede-nen umweltfaktoren ist
Bei der praktischen umsetzung der Modellie-rung werden verschiedene Methoden angewendet die sich hinsichtlich ihrer Komplexitaumlt von einfa-chen additiven Methoden bis hin zu multivaria-ten Regressionsanalysen erstrecken in juumlngerer Zeit greift man verstaumlrkt auf Methoden der Fuzzy Logik5 oder probabilistische Ansaumltze6 zuruumlck die es ermoumlglichen das einer archaumlologischen vor-hersagemodellierung implizite unsichere bzw un-scharfe Wissen uumlber menschliche verhaltensweisen mit in die Prognose einzubeziehen ducke u a7 und ejstrud8 stellten in ihren untersuchungen die ergebnisse verschiedener Modellierungsansaumltze ge-genuumlber und konnten die Wirksamkeit probabilisti-scher Methoden nachweisen die durchweg bessere ergebnisse erzielten als die klassischen verfahren Als Maszlig fuumlr die Modellguumlte zogen sie den gain-Fak-
3 ebd
4 ebert 2000
5 Bailey u a 2009
6 canning 2005 ducke u a 2009 ejstrud 2008
7 ducke u a 2009
8 ejstrud 2003
228 S BooS S Hornung H MUumlller
tor9 heran der sich mathematisch folgendermaszligen ausdruumlcken laumlsst
gain factor = 1 - Prozentanteil Verdachtsflaumlche Prozentanteil Fundplaumltze in Verdachtsflaumlche
ein gutes Modellierungsergebnis druumlckt sich durch einen hohen gain-Faktor fuumlr Verdachtsflauml-chen mit groszligem archaumlologischem Potential aus was dieser Formel zufolge gleichbedeutend mit ei-nem hohen Anteil an Fundplaumltzen in einer prozen-tual geringen Verdachtsflaumlche ist
im Folgenden sollen die wichtigsten Methoden die im Zusammenhang mit dem Predictive Model-ling Anwendung finden kurz eroumlrtert werden um schlieszliglich naumlher auf die in dieser Arbeit angewand-te theorie von dempster-Shafer einzugehen
Additive Methoden
Bei diesen verfahren wird fuumlr jeden betrachteten Parameter ein Wertebereich definiert fuumlr den der Zustand Fundstellenanwesenheit gilt oder alterna-tiv ein Wahrscheinlichkeitswert uumlbergeben und die einzelnen Werte durch intersektion zu einem ge-samtergebnis vereinigt eine Abwandlung des ver-fahrens kann durch eine gewichtung der Parame-ter erreicht werden die z B aus dem Flaumlchenanteil eines Einzelfaktors an der Gesamtflaumlche berechnet wird oder aber auch aus einer Beruumlcksichtigung von expertenwissen resultieren kann10
regressionsbasierte verfahren
Diese am haumlufigsten angewendeten Verfahren11 basieren auf einer induktiven logik und ermitteln die raumlumliche Korrelation zwischen verschiedenen unabhaumlngigen variablen (meist umweltparametern) und bekannten Fundstellen woraus unter Anwen-dung statistischer Methoden Wahrscheinlichkeiten fuumlr Fundplatzvorkommen prognostiziert werden
Fuzzylogik und Probabilistische theorien
Methoden aus dem Bereich der Wahrscheinlich-keitstheorie und der Fuzzylogik setzen sich mit dem thema der Wissensrepraumlsentation von unsicherem
9 Kvamme 1988
10 deeben u a 2002
11 Kvamme 1992 Hobbs u a 2002 Muumlnch 2003
oder vagem Wissen auseinander Klassische statisti-sche Ansaumltze vernachlaumlssigen diese einer vorhersa-gemodellierung inhaumlrente Komponente und tragen auf diese Weise zu einer unvollstaumlndigen Modellie-rung des abzubildenden Prozesses bei nicht nur aus diesem grund erweisen sich probabilistische Methoden und Fuzzylogik als sinnvolle Alternative zu den bewaumlhrten verfahren Auch ermoumlglichen sie es erfahrungen und intuitionen archaumlologischer experten hinsichtlich des Wirkungsgrades der ver-schiedenen Einflussfaktoren zu integrieren12
Fuzzylogik wurde urspruumlnglich zur Modellie-rung linguistischer Beschreibungen mit dem Ziel der transformation dieser Ausdruumlcke in mathema-tisch verallgemeinerte charakteristische Funktionen entwickelt grundlage der Fuzzylogik sind die so genannten unscharfen Mengen die im gegensatz zu traditionellen Mengen in denen ein element in einer vorgegebenen grundmenge entweder enthal-ten oder nicht enthalten sein kann elemente auch nur ein wenig enthalten sein koumlnnen13 der grad der Zugehoumlrigkeit wird meist durch eine Zugehouml-rigkeitsfunktion (membership function) micro beschrie-ben die den elementen einer grundmenge eine reelle Zahl zwischen 0 und 1 zuordnet So nutzen Bailey u a14 Fuzzylogik fuumlr die Modellierung von Siedlungspraumlferenzen durch integration von ar-chaumlologischem expertenwissen und von literatur-quellen um somit zu einer einschaumltzung der einen Besiedelungsprozess beeinflussenden Parameter zu gelangen sowie eine landschaft hinsichtlich ihres archaumlologischen Potentials bewerten zu koumlnnen Der Einfluss der einzelnen Parameter wird in Form verbal festgelegter Wahrscheinlichkeiten auf einer Skala von sehr unwahrscheinlich bis sehr wahr-scheinlich bewertet welche daraufhin analog dazu in eine metrisch skalierte Klassifikation der Para-meter transformiert wird
im gegensatz zu klassischen statistischen ver-fahren versuchen probabilistische Ansaumltze Schluss-folgerungen die sich vielfach nicht mittels strikt deterministischer gesetze ziehen lassen anhand von Wahrscheinlichkeiten zu generieren es ist be-kannt welche ereignisse (Aussagen) eintreten koumln-nen Welches der ereignisse letztlich dann aber ein-tritt ist unsicher was sich als Wahrscheinlichkeit des eintretens in Form eines numerischen Wertes
12 Bailey u a 2009 ducke u a 2009
13 Zadeh 1965
14 Bailey u a 2009
Predictive Modelling 229
ausdruumlcken laumlsst der uumlblicherweise zwischen 0 und 1 liegt Mit diesem Wert wird festgelegt wie wahr-scheinlich (nahe dem Wert 1) oder unwahrschein-lich (nahe dem Wert 0) eine Aussage ist
ein sehr verbreiteter Ansatz unter den probabi-listischen Methoden ist das Bayes-theorem15 wel-ches die repraumlsentation von unsicherheit durch das einbeziehen von bedingten und unbedingten Wahrscheinlichkeiten abbildet Wahrscheinlichkeit wird bei diesem Ansatz also unter der vorausset-zung des eintretens eines bedingenden anderen ereignisses betrachtet und durch die einbeziehung zusaumltzlicher quantitativer Daten modifiziert Diese regelhaftigkeit ist fuumlr beliebig viele Aussagen er-weiterbar und laumlsst somit eine Wahrscheinlichkeits-verteilung fuumlr eine Menge von Aussagen erzeugen
Als eine Weiterentwicklung des Bayes-theo-rems ist die theorie von dempster-Shafer anzu-sehen die anstelle von Wahrscheinlichkeiten mit glaubensmaszligen oder evidenzen arbeitet um auf diese Weise unsicherheit zu modellieren
die dempster-Shafer-theorie
die dempster-Shafer-theorie16 beschaumlftigt sich mit dem unterschied zwischen unsicherheit und unwissen es wird nicht die Wahrscheinlichkeit einer Aussage berechnet sondern die Wahrschein-lichkeit mit der bestimmte informationsteile (evi-denzen oder glaubensmaszlige) eine Aussage stuumltzt dies wird durch so genannte Belief-Funktionen ausgedruumlckt geschrieben Bel(X)
vereinfacht ausgedruumlckt handelt es sich bei der theorie um eine Aggregationsvorschrift in welche im Zuge von Entscheidungsfindungsprozessen mit unterschiedlichem bdquogewichtldquo (vertrauen Zustim-mung zu einer Hypothese = degree of belief) einge-hen koumlnnen um bestimmte Hypothesen zu unter-stuumltzen bzw auszuschlieszligen die Kernaussage der dempster-Shafer-theorie besagt dass jede Wis-sensdomaumlne unwissen impliziert und dass daher als das Komplement einer Hypothese nicht auto-matisch deren negation zuzusprechen ist sondern vielmehr dem Faktor unwissen zufaumlllt Mathema-tisch ausgedruumlckt laumlsst sich eine Modellierung nach dempster-Shafer folgendermaszligen darstellen
15 verhagen 2007
16 dempster 1968 Shafer 1976
das Modell setzt sich aus einer Menge von Hypo-bull thesen H = h1n zusammen welche alle moumlgli-chen und sich gegenseitig ausschlieszligenden Aus-praumlgungen dieser Hypothesen beinhaltet diese Menge wird als Frame of Discernment (Ω) bezeichnet
Jede Hypothese laumlsst sich als eine teilmenge bull von Ω darstellen Ein Basismaszlig m(A) (auch Ba-sic Probability Assignment rarr BPA) repraumlsen-tiert das Maszlig an glauben das man exakt der Menge (bzw dieser Hypothese) zuweist die-ses genuumlgt den folgenden beiden Bedingungen
(1)
(2)
der glaube Bel(A) an eine einzelne Hypothese bull laumlsst sich als die Summe aller teilmengen m(B) die diese Hypothese unterstuumltzen ausdruumlcken
(3)
Als ein weiteres wichtiges Maszlig repraumlsentiert bull Plausibilitaumlt (Pl) den grad mit dem eine Hypo-these nicht zuruumlckgewiesen werden kann (also genau der glauben der nicht gegen diese Hy-pothese spricht) und beinhaltet somit jeglichen glauben an Mengen die mit dieser Hypothese konsistent sind
(4)
die differenz aus Belief und Plausibility ist eine bull weitere wichtige groumlszlige des dempster-Shafer-Formalismus und wird als Beliefintervall bezeich-net Das Beliefintervall repraumlsentiert somit den Bereich in dem das groumlszligte unwissen herrscht
die einzelnen glaubensmaszlige lassen sich mit bull Hilfe der dempsterrsquos rule of combination durch paarweise verknuumlpfung kombinieren und auf diese Weise sukzessive zu einem gesamt-Belief aggregieren
(5)
Wenn dann gilt
(6)
0 = (Oslash) m
( ) ( ) ( )( ) ( )YmXm
YmXm=Zm
21
21
1 lowastminus
lowast
sumsum ( )
( ) Φ=YXwennZ=YXwenn
capcap
( ) ( ) Φ=YfuumlrX=YmXm caplowastsum 021
( ) ( ) ( ) Z=YXfuumlrYmXm=Zm 21 )( caplowastsum
sumcap AB
m(B)Bel(A)
sum
cap ΩAm(A) 1
sum0Am(B)Pl(A)
Bcap ne
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
ISBN 978-3-7749-3712-3
Ein Titelsatz ist bei der Deutschen Bibliothek erhaumlltlich(httpwwwddbde)
Copyright 2010 by Dr Rudolf Habelt GmbH Bonn
Herausgeber sind derzeit
Die Reihe bdquoUniversitaumltsforschungen zur praumlhistori-schen Archaumlologieldquo soll einem in der juumlngeren Vergan-genheit entstandenen Beduumlrfnis Rechnung tragen naumlm-lich Examensarbeiten und andere Forschungsleistun-gen vornehmlich juumlngerer Wissenschaftler in die Oumlf-fentlichkeit zu tragen Die etablierten Reihen und Zeit-schriften des Faches reichen laumlngst nicht mehr aus dievorhandenen Manuskripte aufzunehmen Die Uni-versitaumlten sind deshalb aufgerufen Abhilfe zu schaf-fen Einige von ihnen haben mit den ihnen zur Ver-fuumlgung stehenden Mitteln unter zumeist tatkraumlftigemHandanlegen der Autoren die vorliegende Reihe be-gruumlndet Thematisch soll darin die ganze Breite desFaches vom Palaumlolithikum bis zur Archaumlologie derNeuzeit ihren Platz finden
VORWORT DER HERAUSGEBER
Urspruumlnglich hatten sich fuumlnf Universitaumltsinstitute inDeutschland zur Herausgabe der Reihe zusammenge-funden der Kreis ist inzwischen groumlszliger geworden Erlaumldt alle interessierten Professoren und Dozenten einals Mitherausgeber taumltig zu werden und Arbeiten ausihrem Bereich der Reihe zukommen zu lassen Fuumlrdie einzelnen Baumlnde zeichnen jeweils die Autoren undInstitute ihrer Herkunft die im Titel deutlich gekenn-zeichnet sind verantwortlich Sie erstellen Satz Um-bruch und einen Ausdruck Bei gleicher Anordnungdes Umschlages haben die verschiedenen beteiligtenUniversitaumlten jeweils eine spezifische Farbe Finan-zierung und Druck erfolgen entweder durch sie selbstoder durch den Verlag Dr Rudolf Habelt GmbHder in jedem Fall den Vertrieb der Baumlnde sichert
Kurt Alt (Mainz)Peter Breuning (Frankfurt am Main)
Philippe Della Casa (Zuumlrich)Manfred KH Eggert (Tuumlbingen)
Clemens Eibner (Heidelberg)Ralf Gleser (Muumlnster)
Bernhard Haumlnsel (Berlin)Alfred Haffner (Kiel)
Svend Hansen (Berlin)Ole Harck (Kiel)
Joachim Henning (Frankfurt am Main)Christian Jeunesse (Strasbourg)Albrecht Jockenhoumlvel (Muumlnster)
Ruumldiger Krause (Frankfurt am Main)Klaacutera Kuzmovaacute (Trnava)Amei Lang (Muumlnchen)Achim Leube (Berlin)
Andreas Lippert (Wien)Jens Luumlning (Frankfurt am Main)
Joseph Maran (Heidelberg)Wilfried Menghin (Berlin)
Carola Metzner-Nebelsick (Muumlnchen)Johannes Muumlller (Kiel)
Ulrich Muumlller (Kiel)Michael Muumlller-Wille (Kiel)
Maacuteria Novotnaacute (Trnava)Bernd Paumlffgen (Muumlnchen)Christopher Pare (Mainz)
Hermann Parzinger (Berlin)Margarita Primas (Zuumlrich)
Britta Ramminger (Hamburg)Sabine Rieckhoff (Leipzig)
Wolfram Schier (Berlin)Heiko Steuer (Freiburg im Breisgau)
Thomas Stoumlllner (Bochum)Biba Terzan (Berlin)
Andreas Zimmermann (Koumlln)
Predictive Modelling 225
einleitung
im rahmen eines seit november 2006 am in-stitut fuumlr vor- und Fruumlhgeschichte der Johannes gutenberg-universitaumlt Mainz laufenden Projektes zu Besiedlungsgeschichte Kulturlandschaftsgenese und sozialem Wandel im umfeld des bdquoHunnen-ringsldquo von otzenhausen lkr St Wendel Saarland stellt neben der erforschung zentraler orte der ei-sen- und roumlmerzeit auch die Frage nach der ein-bindung dieser Zentren in ein laumlndliches Siedlungs-umfeld einen wichtigen Forschungsschwerpunkt dar Waumlhrend aus dem Arbeitsgebiet das einen Bereich von 10 km um den bdquoHunnenringldquo abdeckt eine verhaumlltnismaumlszligig groszlige Zahl roumlmischer villae rusticae bekannt ist nicht zuletzt aufgrund ihrer gu-ten Sichtbarkeit im gelaumlnde fehlen Hinweise auf gehoumlftsiedlungen der eisenzeit fast voumlllig letztere sind im gegensatz zu den leicht zu lokalisierenden roumlmischen Siedlungen mit ihren Steingebaumluden und Ziegeldaumlchern ohne gezielte Ausgrabungen archaumlo-logisch nur schwer nachzuweisen um die chancen einer lokalisierung eisenzeitlicher gehoumlfte bei Pro-spektionen optimieren zu koumlnnen sollte daher ein Predictive Modelling entwickelt werden auf dessen Basis eine gezieltere Suche nach Spuren vorge-schichtlicher Siedlungstaumltigkeit moumlglich wird
eine durchsicht der bislang bekannten Fund-stellen meist roumlmischer Zeitstellung ergab dass die Wahl eines Siedlungsplatzes von verschiedenen umweltfaktoren unmittelbar gepraumlgt wird durch gezielte verschneidung dieser unterschiedlichen lageparameter sollte es daher moumlglich sein Berei-che mit einer hohen Fundwahrscheinlichkeit isolie-ren zu koumlnnen wobei der erfolg dieser Methode entscheidend von der korrekten Formulierung der besagten lagekriterien abhaumlngt Aus diesem grun-de erschien es sinnvoll das Predictive Modelling zunaumlchst fuumlr ein kleines testgebiet mit vergleichs-weise gutem Forschungsstand auszuarbeiten und an diesem Beispiel die relevanten lageparameter zu isolieren und zu schaumlrfen
Wichtiger Bestandteil der untersuchung sollte aber auch die Uumlberpruumlfung der statistisch ausgewie-
senen Praumlferenzflaumlchen in Form von Begehungen im gelaumlnde sein deshalb beschraumlnkte sich die Mo-dellierung zunaumlchst auf ein ca 50 kmsup2 umfassendes gebiet 4 km nordwestlich des bdquoHunnenringesldquo im umfeld der Stadt Hermeskeil lkr trier-Saarburg welches sich aufgrund seiner relativ groszligen Anzahl roumlmischer Siedlungsfunde sowie einer vielzahl von graumlbern roumlmischer und eisenzeitlicher datierung gut fuumlr eine erste Anwendung dieser Methodik zu eignen schien (Abb 1) Aus praktischer Sicht spielen neben den aus archaumlologischen erfahrungswerten abgeleiteten lageparametern aber auch sekundaumlre Einflussfaktoren auf die Quellenlage eine wichtige rolle So haumlngt z B die Sichtbarkeit einer Fundstel-le im gelaumlnde wesentlich von erosions- und Akku-mulationsprozessen ab letztere lassen sich durch Beruumlcksichtigung des ergebnisses einer erosions-modellierung in das Predictive Modelling einbezie-hen so dass auf diesem Wege konkrete Aussagen uumlber die Sichtbarkeit und den erhaltungszustand einzelner Fundstellen moumlglich werden
Ziel dieses Artikels ist die darstellung einer ersten giS-basierten Modellierung von Besied-lungsstrategien der eisenzeitlichen und roumlmerzeit-lichen Bevoumllkerung fuumlr das ausgewaumlhlte teilgebiet des untersuchungsraumes rund um den Hunnen-ring von otzenhausen gem nonnweiler lkr St Wendel die es in Zukunft weiter auszuarbeiten gilt Auf diese Weise soll versucht werden einen Beitrag zur erforschung auch anderer vor allem peripherer Siedlungslandschaften zu leisten deren landschaftli-che eigenheiten ebenso wie die hieraus resultieren-den Formen moderner umweltnutzung bzw deren Folgen (z B erosionsprozesse) die archaumlologische Forschung mit einer reihe von methodischen Pro-blemen konfrontieren
die als testgebiet zur entwicklung der ange-wandten Methoden ausgewaumlhlte region um die Stadt Hermeskeil zeichnet sich durch ein dichtes naturbelassenes gewaumlssernetz aus welches im We-sentlichen durch die in nord-Suumld-richtung entwaumls-sernden Baumlche loumlster und Prims sowie ihre weit-verzweigten Nebenfluumlsse (ebenso) gespeist wird die tallagen des untersuchungsraumes bewegen
Predictive Modelling iM uMFeld deS bdquoHunnenringSldquo von otZenHAuSen geM nonnWeiler lKr St Wendel ndash
MetHodiScHe UumlBerlegungen ProBleMe und PerSPeKtiven FUumlr die PrAKtiScHe AnWendung giS-BASierter AnAlySeverFAHren
von SilKe BooS SABine Hornung und HArtMut MUumlller
226 S BooS S Hornung H MUumlller
sich auf einem Houmlhenniveau zwischen 429 und 530 m und werden von verschieden ausgedehnten Houmlhenruumlcken umgeben die auf bis zu 623 m an-steigen das heute eher duumlnn besiedelte untersu-chungsgebiet wird etwa zu gleichen teilen durch bewaldete und landwirtschaftlich genutzte Flaumlchen gepraumlgt bietet also aus archaumlologischer Sicht sehr unterschiedliche voraussetzungen fuumlr die lokali-sierung neuer Fundstellen und damit eine flaumlchen-deckende erfassung vor- und fruumlhgeschichtlicher Siedlungsmuster
Predictive Modelling
das sogenannte Predictive Modelling ist ein verfahren welches in den spaumlten 1970iger Jahren in den uSA1 in Zusammenhang mit staatlichen landmanagement-Projekten entwickelt wurde es basiert auf der Annahme dass die Siedlungs- oder Bestattungsplatzwahl vergangener gesellschaften in enger Beziehung zu naturraumlumlichen Faktoren und somit unter dem Einfluss sozio-kultureller Aspekte
1 clarke 1977 Hodderorton 1976
Abb 1 Eisen- und roumlmerzeitliche Funde im Untersuchungsgebiet bei Hermeskeil (Grafik S Boos)
Predictive Modelling 227
zu sehen ist Ausgehend von dieser Hypothese ist es Ziel des Predictive Modelling die angesproche-nen Faktoren menschlicher Besiedlungsstrategien zu modellieren um auf diese Weise signifikante Flaumlchen mit einem spezifizierten Verdachtsmo-ment fuumlr die Anwesenheit archaumlologischer Hinter-lassenschaften zu berechnen Zur Analyse dieses empirisch ermittelten Musters wird vielfach ein geographisches informationssystem (giS) heran-gezogen da dieses uumlber geeignete Werkzeuge fuumlr (raumbezogene) Analysen und die Modellierung al-ler relevanten Faktoren verfuumlgt
in Zusammenhang mit der entwicklung eines archaumlologischen Praumldiktionsmodells lassen sich grundsaumltzlich zwei verschiedene Zielsetzungen un-terscheiden die entweder einen korrelierenden oder einen erklaumlrenden Ansatz verfolgen2 Projekte mit einem akademischen Hintergrund untersuchen die verschiedenen Aspekte des historischen Siedlungs- und landnutzungsverhaltens und versuchen diese zu erklaumlren waumlhrend fuumlr Projekte mit bodendenk-malpflegerischem Interesse die Konservierung des archaumlologischen erbes im vordergrund steht und der Fokus einer solchen Modellierung auf einer moumlglichst praumlzisen und in Form von Wahrschein-lichkeiten und Korrelationen bewerteten Fundprog-nose liegt Auch wenn sich diese Zielsetzungen un-terscheiden besteht nur ein geringer unterschied in Bezug auf die zur erstellung des Modells angewen-deten verfahren
Auch hinsichtlich der methodischen Herange-hensweise bei der entwicklung eines archaumlologi-schen Praumldiktionsmodells koumlnnen zwei grundle-gende Ansaumltze unterschieden werden Induktive Modelle greifen Beobachtungen von umweltfak-toren eines untersuchungsgebietes auf nehmen auf dieser Basis Abschaumltzungen und Schlussfolge-rungen uumlber die Signifikanz der verwendeten Daten in Bezug auf bekannte Fundstellen vor und leiten hieraus allgemeinguumlltige regeln ab dies erfolgt in der regel unter verwendung statistischer Metho-den die das lagemuster der Fundstellen abstra-hieren so dass auf diese Weise eine Aufteilung des untersuchungsgebietes in Bereiche verschiedener Wahrscheinlichkeiten fuumlr das Auftreten von Fun-den erzeugt wird Deduktive Modelle hingegen basieren auf abstrakten theorien die auf die rea-litaumlt transformiert werden und diese auf grundlage des Modells zu erklaumlren versuchen die deduktive
2 van leusen 2002
Methodik setzt somit bestimmte Annahmen uumlber praumlhistorische verhaltensweisen voraus welche zu dem betrachteten raum in Beziehung gesetzt und abgeglichen werden die bekannten Fundstellen des untersuchungsgebietes dienen bei dieser vor-gehensweise zur Uumlberpruumlfung des ergebnisses
viele archaumlologische Praumldiktionsmodelle lassen allerdings erkennen dass die strenge dichotomie dieser beiden Ansaumltze in der realen umsetzung sel-ten eingehalten werden kann und der terminus hy-bride Modellierung diesen Sachverhalt eher trifft3 So laumlsst sich als Kritik an einer induktiven Modellie-rung die wertfreie Auswahl der umweltparameter aufzeigen die alleine auf der verfuumlgbarkeit der ver-wendeten eingangsdaten beruht und somit archaumlo-logische erklaumlrungsansaumltze fuumlr Besiedlungsstrategi-en auszliger Acht laumlsst4 Bei naumlherer Betrachtung zeigt sich allerdings dass die Wahl der umweltparameter nicht als vollkommen willkuumlrlich anzusehen ist und oftmals immanente Annahmen uumlber menschliche verhaltensweisen bezuumlglich der Wahl eines Stand-ortes beinhaltet Andersherum schlieszligt ein deduk-tiver Ansatz per se induktion ein da das diesem Ansatz zugrunde gelegte Wissen das ergebnis sich wiederholender und somit statistisch belegbarer erfahrungen und Beobachtungen zu verschiede-nen umweltfaktoren ist
Bei der praktischen umsetzung der Modellie-rung werden verschiedene Methoden angewendet die sich hinsichtlich ihrer Komplexitaumlt von einfa-chen additiven Methoden bis hin zu multivaria-ten Regressionsanalysen erstrecken in juumlngerer Zeit greift man verstaumlrkt auf Methoden der Fuzzy Logik5 oder probabilistische Ansaumltze6 zuruumlck die es ermoumlglichen das einer archaumlologischen vor-hersagemodellierung implizite unsichere bzw un-scharfe Wissen uumlber menschliche verhaltensweisen mit in die Prognose einzubeziehen ducke u a7 und ejstrud8 stellten in ihren untersuchungen die ergebnisse verschiedener Modellierungsansaumltze ge-genuumlber und konnten die Wirksamkeit probabilisti-scher Methoden nachweisen die durchweg bessere ergebnisse erzielten als die klassischen verfahren Als Maszlig fuumlr die Modellguumlte zogen sie den gain-Fak-
3 ebd
4 ebert 2000
5 Bailey u a 2009
6 canning 2005 ducke u a 2009 ejstrud 2008
7 ducke u a 2009
8 ejstrud 2003
228 S BooS S Hornung H MUumlller
tor9 heran der sich mathematisch folgendermaszligen ausdruumlcken laumlsst
gain factor = 1 - Prozentanteil Verdachtsflaumlche Prozentanteil Fundplaumltze in Verdachtsflaumlche
ein gutes Modellierungsergebnis druumlckt sich durch einen hohen gain-Faktor fuumlr Verdachtsflauml-chen mit groszligem archaumlologischem Potential aus was dieser Formel zufolge gleichbedeutend mit ei-nem hohen Anteil an Fundplaumltzen in einer prozen-tual geringen Verdachtsflaumlche ist
im Folgenden sollen die wichtigsten Methoden die im Zusammenhang mit dem Predictive Model-ling Anwendung finden kurz eroumlrtert werden um schlieszliglich naumlher auf die in dieser Arbeit angewand-te theorie von dempster-Shafer einzugehen
Additive Methoden
Bei diesen verfahren wird fuumlr jeden betrachteten Parameter ein Wertebereich definiert fuumlr den der Zustand Fundstellenanwesenheit gilt oder alterna-tiv ein Wahrscheinlichkeitswert uumlbergeben und die einzelnen Werte durch intersektion zu einem ge-samtergebnis vereinigt eine Abwandlung des ver-fahrens kann durch eine gewichtung der Parame-ter erreicht werden die z B aus dem Flaumlchenanteil eines Einzelfaktors an der Gesamtflaumlche berechnet wird oder aber auch aus einer Beruumlcksichtigung von expertenwissen resultieren kann10
regressionsbasierte verfahren
Diese am haumlufigsten angewendeten Verfahren11 basieren auf einer induktiven logik und ermitteln die raumlumliche Korrelation zwischen verschiedenen unabhaumlngigen variablen (meist umweltparametern) und bekannten Fundstellen woraus unter Anwen-dung statistischer Methoden Wahrscheinlichkeiten fuumlr Fundplatzvorkommen prognostiziert werden
Fuzzylogik und Probabilistische theorien
Methoden aus dem Bereich der Wahrscheinlich-keitstheorie und der Fuzzylogik setzen sich mit dem thema der Wissensrepraumlsentation von unsicherem
9 Kvamme 1988
10 deeben u a 2002
11 Kvamme 1992 Hobbs u a 2002 Muumlnch 2003
oder vagem Wissen auseinander Klassische statisti-sche Ansaumltze vernachlaumlssigen diese einer vorhersa-gemodellierung inhaumlrente Komponente und tragen auf diese Weise zu einer unvollstaumlndigen Modellie-rung des abzubildenden Prozesses bei nicht nur aus diesem grund erweisen sich probabilistische Methoden und Fuzzylogik als sinnvolle Alternative zu den bewaumlhrten verfahren Auch ermoumlglichen sie es erfahrungen und intuitionen archaumlologischer experten hinsichtlich des Wirkungsgrades der ver-schiedenen Einflussfaktoren zu integrieren12
Fuzzylogik wurde urspruumlnglich zur Modellie-rung linguistischer Beschreibungen mit dem Ziel der transformation dieser Ausdruumlcke in mathema-tisch verallgemeinerte charakteristische Funktionen entwickelt grundlage der Fuzzylogik sind die so genannten unscharfen Mengen die im gegensatz zu traditionellen Mengen in denen ein element in einer vorgegebenen grundmenge entweder enthal-ten oder nicht enthalten sein kann elemente auch nur ein wenig enthalten sein koumlnnen13 der grad der Zugehoumlrigkeit wird meist durch eine Zugehouml-rigkeitsfunktion (membership function) micro beschrie-ben die den elementen einer grundmenge eine reelle Zahl zwischen 0 und 1 zuordnet So nutzen Bailey u a14 Fuzzylogik fuumlr die Modellierung von Siedlungspraumlferenzen durch integration von ar-chaumlologischem expertenwissen und von literatur-quellen um somit zu einer einschaumltzung der einen Besiedelungsprozess beeinflussenden Parameter zu gelangen sowie eine landschaft hinsichtlich ihres archaumlologischen Potentials bewerten zu koumlnnen Der Einfluss der einzelnen Parameter wird in Form verbal festgelegter Wahrscheinlichkeiten auf einer Skala von sehr unwahrscheinlich bis sehr wahr-scheinlich bewertet welche daraufhin analog dazu in eine metrisch skalierte Klassifikation der Para-meter transformiert wird
im gegensatz zu klassischen statistischen ver-fahren versuchen probabilistische Ansaumltze Schluss-folgerungen die sich vielfach nicht mittels strikt deterministischer gesetze ziehen lassen anhand von Wahrscheinlichkeiten zu generieren es ist be-kannt welche ereignisse (Aussagen) eintreten koumln-nen Welches der ereignisse letztlich dann aber ein-tritt ist unsicher was sich als Wahrscheinlichkeit des eintretens in Form eines numerischen Wertes
12 Bailey u a 2009 ducke u a 2009
13 Zadeh 1965
14 Bailey u a 2009
Predictive Modelling 229
ausdruumlcken laumlsst der uumlblicherweise zwischen 0 und 1 liegt Mit diesem Wert wird festgelegt wie wahr-scheinlich (nahe dem Wert 1) oder unwahrschein-lich (nahe dem Wert 0) eine Aussage ist
ein sehr verbreiteter Ansatz unter den probabi-listischen Methoden ist das Bayes-theorem15 wel-ches die repraumlsentation von unsicherheit durch das einbeziehen von bedingten und unbedingten Wahrscheinlichkeiten abbildet Wahrscheinlichkeit wird bei diesem Ansatz also unter der vorausset-zung des eintretens eines bedingenden anderen ereignisses betrachtet und durch die einbeziehung zusaumltzlicher quantitativer Daten modifiziert Diese regelhaftigkeit ist fuumlr beliebig viele Aussagen er-weiterbar und laumlsst somit eine Wahrscheinlichkeits-verteilung fuumlr eine Menge von Aussagen erzeugen
Als eine Weiterentwicklung des Bayes-theo-rems ist die theorie von dempster-Shafer anzu-sehen die anstelle von Wahrscheinlichkeiten mit glaubensmaszligen oder evidenzen arbeitet um auf diese Weise unsicherheit zu modellieren
die dempster-Shafer-theorie
die dempster-Shafer-theorie16 beschaumlftigt sich mit dem unterschied zwischen unsicherheit und unwissen es wird nicht die Wahrscheinlichkeit einer Aussage berechnet sondern die Wahrschein-lichkeit mit der bestimmte informationsteile (evi-denzen oder glaubensmaszlige) eine Aussage stuumltzt dies wird durch so genannte Belief-Funktionen ausgedruumlckt geschrieben Bel(X)
vereinfacht ausgedruumlckt handelt es sich bei der theorie um eine Aggregationsvorschrift in welche im Zuge von Entscheidungsfindungsprozessen mit unterschiedlichem bdquogewichtldquo (vertrauen Zustim-mung zu einer Hypothese = degree of belief) einge-hen koumlnnen um bestimmte Hypothesen zu unter-stuumltzen bzw auszuschlieszligen die Kernaussage der dempster-Shafer-theorie besagt dass jede Wis-sensdomaumlne unwissen impliziert und dass daher als das Komplement einer Hypothese nicht auto-matisch deren negation zuzusprechen ist sondern vielmehr dem Faktor unwissen zufaumlllt Mathema-tisch ausgedruumlckt laumlsst sich eine Modellierung nach dempster-Shafer folgendermaszligen darstellen
15 verhagen 2007
16 dempster 1968 Shafer 1976
das Modell setzt sich aus einer Menge von Hypo-bull thesen H = h1n zusammen welche alle moumlgli-chen und sich gegenseitig ausschlieszligenden Aus-praumlgungen dieser Hypothesen beinhaltet diese Menge wird als Frame of Discernment (Ω) bezeichnet
Jede Hypothese laumlsst sich als eine teilmenge bull von Ω darstellen Ein Basismaszlig m(A) (auch Ba-sic Probability Assignment rarr BPA) repraumlsen-tiert das Maszlig an glauben das man exakt der Menge (bzw dieser Hypothese) zuweist die-ses genuumlgt den folgenden beiden Bedingungen
(1)
(2)
der glaube Bel(A) an eine einzelne Hypothese bull laumlsst sich als die Summe aller teilmengen m(B) die diese Hypothese unterstuumltzen ausdruumlcken
(3)
Als ein weiteres wichtiges Maszlig repraumlsentiert bull Plausibilitaumlt (Pl) den grad mit dem eine Hypo-these nicht zuruumlckgewiesen werden kann (also genau der glauben der nicht gegen diese Hy-pothese spricht) und beinhaltet somit jeglichen glauben an Mengen die mit dieser Hypothese konsistent sind
(4)
die differenz aus Belief und Plausibility ist eine bull weitere wichtige groumlszlige des dempster-Shafer-Formalismus und wird als Beliefintervall bezeich-net Das Beliefintervall repraumlsentiert somit den Bereich in dem das groumlszligte unwissen herrscht
die einzelnen glaubensmaszlige lassen sich mit bull Hilfe der dempsterrsquos rule of combination durch paarweise verknuumlpfung kombinieren und auf diese Weise sukzessive zu einem gesamt-Belief aggregieren
(5)
Wenn dann gilt
(6)
0 = (Oslash) m
( ) ( ) ( )( ) ( )YmXm
YmXm=Zm
21
21
1 lowastminus
lowast
sumsum ( )
( ) Φ=YXwennZ=YXwenn
capcap
( ) ( ) Φ=YfuumlrX=YmXm caplowastsum 021
( ) ( ) ( ) Z=YXfuumlrYmXm=Zm 21 )( caplowastsum
sumcap AB
m(B)Bel(A)
sum
cap ΩAm(A) 1
sum0Am(B)Pl(A)
Bcap ne
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Herausgeber sind derzeit
Die Reihe bdquoUniversitaumltsforschungen zur praumlhistori-schen Archaumlologieldquo soll einem in der juumlngeren Vergan-genheit entstandenen Beduumlrfnis Rechnung tragen naumlm-lich Examensarbeiten und andere Forschungsleistun-gen vornehmlich juumlngerer Wissenschaftler in die Oumlf-fentlichkeit zu tragen Die etablierten Reihen und Zeit-schriften des Faches reichen laumlngst nicht mehr aus dievorhandenen Manuskripte aufzunehmen Die Uni-versitaumlten sind deshalb aufgerufen Abhilfe zu schaf-fen Einige von ihnen haben mit den ihnen zur Ver-fuumlgung stehenden Mitteln unter zumeist tatkraumlftigemHandanlegen der Autoren die vorliegende Reihe be-gruumlndet Thematisch soll darin die ganze Breite desFaches vom Palaumlolithikum bis zur Archaumlologie derNeuzeit ihren Platz finden
VORWORT DER HERAUSGEBER
Urspruumlnglich hatten sich fuumlnf Universitaumltsinstitute inDeutschland zur Herausgabe der Reihe zusammenge-funden der Kreis ist inzwischen groumlszliger geworden Erlaumldt alle interessierten Professoren und Dozenten einals Mitherausgeber taumltig zu werden und Arbeiten ausihrem Bereich der Reihe zukommen zu lassen Fuumlrdie einzelnen Baumlnde zeichnen jeweils die Autoren undInstitute ihrer Herkunft die im Titel deutlich gekenn-zeichnet sind verantwortlich Sie erstellen Satz Um-bruch und einen Ausdruck Bei gleicher Anordnungdes Umschlages haben die verschiedenen beteiligtenUniversitaumlten jeweils eine spezifische Farbe Finan-zierung und Druck erfolgen entweder durch sie selbstoder durch den Verlag Dr Rudolf Habelt GmbHder in jedem Fall den Vertrieb der Baumlnde sichert
Kurt Alt (Mainz)Peter Breuning (Frankfurt am Main)
Philippe Della Casa (Zuumlrich)Manfred KH Eggert (Tuumlbingen)
Clemens Eibner (Heidelberg)Ralf Gleser (Muumlnster)
Bernhard Haumlnsel (Berlin)Alfred Haffner (Kiel)
Svend Hansen (Berlin)Ole Harck (Kiel)
Joachim Henning (Frankfurt am Main)Christian Jeunesse (Strasbourg)Albrecht Jockenhoumlvel (Muumlnster)
Ruumldiger Krause (Frankfurt am Main)Klaacutera Kuzmovaacute (Trnava)Amei Lang (Muumlnchen)Achim Leube (Berlin)
Andreas Lippert (Wien)Jens Luumlning (Frankfurt am Main)
Joseph Maran (Heidelberg)Wilfried Menghin (Berlin)
Carola Metzner-Nebelsick (Muumlnchen)Johannes Muumlller (Kiel)
Ulrich Muumlller (Kiel)Michael Muumlller-Wille (Kiel)
Maacuteria Novotnaacute (Trnava)Bernd Paumlffgen (Muumlnchen)Christopher Pare (Mainz)
Hermann Parzinger (Berlin)Margarita Primas (Zuumlrich)
Britta Ramminger (Hamburg)Sabine Rieckhoff (Leipzig)
Wolfram Schier (Berlin)Heiko Steuer (Freiburg im Breisgau)
Thomas Stoumlllner (Bochum)Biba Terzan (Berlin)
Andreas Zimmermann (Koumlln)
Predictive Modelling 225
einleitung
im rahmen eines seit november 2006 am in-stitut fuumlr vor- und Fruumlhgeschichte der Johannes gutenberg-universitaumlt Mainz laufenden Projektes zu Besiedlungsgeschichte Kulturlandschaftsgenese und sozialem Wandel im umfeld des bdquoHunnen-ringsldquo von otzenhausen lkr St Wendel Saarland stellt neben der erforschung zentraler orte der ei-sen- und roumlmerzeit auch die Frage nach der ein-bindung dieser Zentren in ein laumlndliches Siedlungs-umfeld einen wichtigen Forschungsschwerpunkt dar Waumlhrend aus dem Arbeitsgebiet das einen Bereich von 10 km um den bdquoHunnenringldquo abdeckt eine verhaumlltnismaumlszligig groszlige Zahl roumlmischer villae rusticae bekannt ist nicht zuletzt aufgrund ihrer gu-ten Sichtbarkeit im gelaumlnde fehlen Hinweise auf gehoumlftsiedlungen der eisenzeit fast voumlllig letztere sind im gegensatz zu den leicht zu lokalisierenden roumlmischen Siedlungen mit ihren Steingebaumluden und Ziegeldaumlchern ohne gezielte Ausgrabungen archaumlo-logisch nur schwer nachzuweisen um die chancen einer lokalisierung eisenzeitlicher gehoumlfte bei Pro-spektionen optimieren zu koumlnnen sollte daher ein Predictive Modelling entwickelt werden auf dessen Basis eine gezieltere Suche nach Spuren vorge-schichtlicher Siedlungstaumltigkeit moumlglich wird
eine durchsicht der bislang bekannten Fund-stellen meist roumlmischer Zeitstellung ergab dass die Wahl eines Siedlungsplatzes von verschiedenen umweltfaktoren unmittelbar gepraumlgt wird durch gezielte verschneidung dieser unterschiedlichen lageparameter sollte es daher moumlglich sein Berei-che mit einer hohen Fundwahrscheinlichkeit isolie-ren zu koumlnnen wobei der erfolg dieser Methode entscheidend von der korrekten Formulierung der besagten lagekriterien abhaumlngt Aus diesem grun-de erschien es sinnvoll das Predictive Modelling zunaumlchst fuumlr ein kleines testgebiet mit vergleichs-weise gutem Forschungsstand auszuarbeiten und an diesem Beispiel die relevanten lageparameter zu isolieren und zu schaumlrfen
Wichtiger Bestandteil der untersuchung sollte aber auch die Uumlberpruumlfung der statistisch ausgewie-
senen Praumlferenzflaumlchen in Form von Begehungen im gelaumlnde sein deshalb beschraumlnkte sich die Mo-dellierung zunaumlchst auf ein ca 50 kmsup2 umfassendes gebiet 4 km nordwestlich des bdquoHunnenringesldquo im umfeld der Stadt Hermeskeil lkr trier-Saarburg welches sich aufgrund seiner relativ groszligen Anzahl roumlmischer Siedlungsfunde sowie einer vielzahl von graumlbern roumlmischer und eisenzeitlicher datierung gut fuumlr eine erste Anwendung dieser Methodik zu eignen schien (Abb 1) Aus praktischer Sicht spielen neben den aus archaumlologischen erfahrungswerten abgeleiteten lageparametern aber auch sekundaumlre Einflussfaktoren auf die Quellenlage eine wichtige rolle So haumlngt z B die Sichtbarkeit einer Fundstel-le im gelaumlnde wesentlich von erosions- und Akku-mulationsprozessen ab letztere lassen sich durch Beruumlcksichtigung des ergebnisses einer erosions-modellierung in das Predictive Modelling einbezie-hen so dass auf diesem Wege konkrete Aussagen uumlber die Sichtbarkeit und den erhaltungszustand einzelner Fundstellen moumlglich werden
Ziel dieses Artikels ist die darstellung einer ersten giS-basierten Modellierung von Besied-lungsstrategien der eisenzeitlichen und roumlmerzeit-lichen Bevoumllkerung fuumlr das ausgewaumlhlte teilgebiet des untersuchungsraumes rund um den Hunnen-ring von otzenhausen gem nonnweiler lkr St Wendel die es in Zukunft weiter auszuarbeiten gilt Auf diese Weise soll versucht werden einen Beitrag zur erforschung auch anderer vor allem peripherer Siedlungslandschaften zu leisten deren landschaftli-che eigenheiten ebenso wie die hieraus resultieren-den Formen moderner umweltnutzung bzw deren Folgen (z B erosionsprozesse) die archaumlologische Forschung mit einer reihe von methodischen Pro-blemen konfrontieren
die als testgebiet zur entwicklung der ange-wandten Methoden ausgewaumlhlte region um die Stadt Hermeskeil zeichnet sich durch ein dichtes naturbelassenes gewaumlssernetz aus welches im We-sentlichen durch die in nord-Suumld-richtung entwaumls-sernden Baumlche loumlster und Prims sowie ihre weit-verzweigten Nebenfluumlsse (ebenso) gespeist wird die tallagen des untersuchungsraumes bewegen
Predictive Modelling iM uMFeld deS bdquoHunnenringSldquo von otZenHAuSen geM nonnWeiler lKr St Wendel ndash
MetHodiScHe UumlBerlegungen ProBleMe und PerSPeKtiven FUumlr die PrAKtiScHe AnWendung giS-BASierter AnAlySeverFAHren
von SilKe BooS SABine Hornung und HArtMut MUumlller
226 S BooS S Hornung H MUumlller
sich auf einem Houmlhenniveau zwischen 429 und 530 m und werden von verschieden ausgedehnten Houmlhenruumlcken umgeben die auf bis zu 623 m an-steigen das heute eher duumlnn besiedelte untersu-chungsgebiet wird etwa zu gleichen teilen durch bewaldete und landwirtschaftlich genutzte Flaumlchen gepraumlgt bietet also aus archaumlologischer Sicht sehr unterschiedliche voraussetzungen fuumlr die lokali-sierung neuer Fundstellen und damit eine flaumlchen-deckende erfassung vor- und fruumlhgeschichtlicher Siedlungsmuster
Predictive Modelling
das sogenannte Predictive Modelling ist ein verfahren welches in den spaumlten 1970iger Jahren in den uSA1 in Zusammenhang mit staatlichen landmanagement-Projekten entwickelt wurde es basiert auf der Annahme dass die Siedlungs- oder Bestattungsplatzwahl vergangener gesellschaften in enger Beziehung zu naturraumlumlichen Faktoren und somit unter dem Einfluss sozio-kultureller Aspekte
1 clarke 1977 Hodderorton 1976
Abb 1 Eisen- und roumlmerzeitliche Funde im Untersuchungsgebiet bei Hermeskeil (Grafik S Boos)
Predictive Modelling 227
zu sehen ist Ausgehend von dieser Hypothese ist es Ziel des Predictive Modelling die angesproche-nen Faktoren menschlicher Besiedlungsstrategien zu modellieren um auf diese Weise signifikante Flaumlchen mit einem spezifizierten Verdachtsmo-ment fuumlr die Anwesenheit archaumlologischer Hinter-lassenschaften zu berechnen Zur Analyse dieses empirisch ermittelten Musters wird vielfach ein geographisches informationssystem (giS) heran-gezogen da dieses uumlber geeignete Werkzeuge fuumlr (raumbezogene) Analysen und die Modellierung al-ler relevanten Faktoren verfuumlgt
in Zusammenhang mit der entwicklung eines archaumlologischen Praumldiktionsmodells lassen sich grundsaumltzlich zwei verschiedene Zielsetzungen un-terscheiden die entweder einen korrelierenden oder einen erklaumlrenden Ansatz verfolgen2 Projekte mit einem akademischen Hintergrund untersuchen die verschiedenen Aspekte des historischen Siedlungs- und landnutzungsverhaltens und versuchen diese zu erklaumlren waumlhrend fuumlr Projekte mit bodendenk-malpflegerischem Interesse die Konservierung des archaumlologischen erbes im vordergrund steht und der Fokus einer solchen Modellierung auf einer moumlglichst praumlzisen und in Form von Wahrschein-lichkeiten und Korrelationen bewerteten Fundprog-nose liegt Auch wenn sich diese Zielsetzungen un-terscheiden besteht nur ein geringer unterschied in Bezug auf die zur erstellung des Modells angewen-deten verfahren
Auch hinsichtlich der methodischen Herange-hensweise bei der entwicklung eines archaumlologi-schen Praumldiktionsmodells koumlnnen zwei grundle-gende Ansaumltze unterschieden werden Induktive Modelle greifen Beobachtungen von umweltfak-toren eines untersuchungsgebietes auf nehmen auf dieser Basis Abschaumltzungen und Schlussfolge-rungen uumlber die Signifikanz der verwendeten Daten in Bezug auf bekannte Fundstellen vor und leiten hieraus allgemeinguumlltige regeln ab dies erfolgt in der regel unter verwendung statistischer Metho-den die das lagemuster der Fundstellen abstra-hieren so dass auf diese Weise eine Aufteilung des untersuchungsgebietes in Bereiche verschiedener Wahrscheinlichkeiten fuumlr das Auftreten von Fun-den erzeugt wird Deduktive Modelle hingegen basieren auf abstrakten theorien die auf die rea-litaumlt transformiert werden und diese auf grundlage des Modells zu erklaumlren versuchen die deduktive
2 van leusen 2002
Methodik setzt somit bestimmte Annahmen uumlber praumlhistorische verhaltensweisen voraus welche zu dem betrachteten raum in Beziehung gesetzt und abgeglichen werden die bekannten Fundstellen des untersuchungsgebietes dienen bei dieser vor-gehensweise zur Uumlberpruumlfung des ergebnisses
viele archaumlologische Praumldiktionsmodelle lassen allerdings erkennen dass die strenge dichotomie dieser beiden Ansaumltze in der realen umsetzung sel-ten eingehalten werden kann und der terminus hy-bride Modellierung diesen Sachverhalt eher trifft3 So laumlsst sich als Kritik an einer induktiven Modellie-rung die wertfreie Auswahl der umweltparameter aufzeigen die alleine auf der verfuumlgbarkeit der ver-wendeten eingangsdaten beruht und somit archaumlo-logische erklaumlrungsansaumltze fuumlr Besiedlungsstrategi-en auszliger Acht laumlsst4 Bei naumlherer Betrachtung zeigt sich allerdings dass die Wahl der umweltparameter nicht als vollkommen willkuumlrlich anzusehen ist und oftmals immanente Annahmen uumlber menschliche verhaltensweisen bezuumlglich der Wahl eines Stand-ortes beinhaltet Andersherum schlieszligt ein deduk-tiver Ansatz per se induktion ein da das diesem Ansatz zugrunde gelegte Wissen das ergebnis sich wiederholender und somit statistisch belegbarer erfahrungen und Beobachtungen zu verschiede-nen umweltfaktoren ist
Bei der praktischen umsetzung der Modellie-rung werden verschiedene Methoden angewendet die sich hinsichtlich ihrer Komplexitaumlt von einfa-chen additiven Methoden bis hin zu multivaria-ten Regressionsanalysen erstrecken in juumlngerer Zeit greift man verstaumlrkt auf Methoden der Fuzzy Logik5 oder probabilistische Ansaumltze6 zuruumlck die es ermoumlglichen das einer archaumlologischen vor-hersagemodellierung implizite unsichere bzw un-scharfe Wissen uumlber menschliche verhaltensweisen mit in die Prognose einzubeziehen ducke u a7 und ejstrud8 stellten in ihren untersuchungen die ergebnisse verschiedener Modellierungsansaumltze ge-genuumlber und konnten die Wirksamkeit probabilisti-scher Methoden nachweisen die durchweg bessere ergebnisse erzielten als die klassischen verfahren Als Maszlig fuumlr die Modellguumlte zogen sie den gain-Fak-
3 ebd
4 ebert 2000
5 Bailey u a 2009
6 canning 2005 ducke u a 2009 ejstrud 2008
7 ducke u a 2009
8 ejstrud 2003
228 S BooS S Hornung H MUumlller
tor9 heran der sich mathematisch folgendermaszligen ausdruumlcken laumlsst
gain factor = 1 - Prozentanteil Verdachtsflaumlche Prozentanteil Fundplaumltze in Verdachtsflaumlche
ein gutes Modellierungsergebnis druumlckt sich durch einen hohen gain-Faktor fuumlr Verdachtsflauml-chen mit groszligem archaumlologischem Potential aus was dieser Formel zufolge gleichbedeutend mit ei-nem hohen Anteil an Fundplaumltzen in einer prozen-tual geringen Verdachtsflaumlche ist
im Folgenden sollen die wichtigsten Methoden die im Zusammenhang mit dem Predictive Model-ling Anwendung finden kurz eroumlrtert werden um schlieszliglich naumlher auf die in dieser Arbeit angewand-te theorie von dempster-Shafer einzugehen
Additive Methoden
Bei diesen verfahren wird fuumlr jeden betrachteten Parameter ein Wertebereich definiert fuumlr den der Zustand Fundstellenanwesenheit gilt oder alterna-tiv ein Wahrscheinlichkeitswert uumlbergeben und die einzelnen Werte durch intersektion zu einem ge-samtergebnis vereinigt eine Abwandlung des ver-fahrens kann durch eine gewichtung der Parame-ter erreicht werden die z B aus dem Flaumlchenanteil eines Einzelfaktors an der Gesamtflaumlche berechnet wird oder aber auch aus einer Beruumlcksichtigung von expertenwissen resultieren kann10
regressionsbasierte verfahren
Diese am haumlufigsten angewendeten Verfahren11 basieren auf einer induktiven logik und ermitteln die raumlumliche Korrelation zwischen verschiedenen unabhaumlngigen variablen (meist umweltparametern) und bekannten Fundstellen woraus unter Anwen-dung statistischer Methoden Wahrscheinlichkeiten fuumlr Fundplatzvorkommen prognostiziert werden
Fuzzylogik und Probabilistische theorien
Methoden aus dem Bereich der Wahrscheinlich-keitstheorie und der Fuzzylogik setzen sich mit dem thema der Wissensrepraumlsentation von unsicherem
9 Kvamme 1988
10 deeben u a 2002
11 Kvamme 1992 Hobbs u a 2002 Muumlnch 2003
oder vagem Wissen auseinander Klassische statisti-sche Ansaumltze vernachlaumlssigen diese einer vorhersa-gemodellierung inhaumlrente Komponente und tragen auf diese Weise zu einer unvollstaumlndigen Modellie-rung des abzubildenden Prozesses bei nicht nur aus diesem grund erweisen sich probabilistische Methoden und Fuzzylogik als sinnvolle Alternative zu den bewaumlhrten verfahren Auch ermoumlglichen sie es erfahrungen und intuitionen archaumlologischer experten hinsichtlich des Wirkungsgrades der ver-schiedenen Einflussfaktoren zu integrieren12
Fuzzylogik wurde urspruumlnglich zur Modellie-rung linguistischer Beschreibungen mit dem Ziel der transformation dieser Ausdruumlcke in mathema-tisch verallgemeinerte charakteristische Funktionen entwickelt grundlage der Fuzzylogik sind die so genannten unscharfen Mengen die im gegensatz zu traditionellen Mengen in denen ein element in einer vorgegebenen grundmenge entweder enthal-ten oder nicht enthalten sein kann elemente auch nur ein wenig enthalten sein koumlnnen13 der grad der Zugehoumlrigkeit wird meist durch eine Zugehouml-rigkeitsfunktion (membership function) micro beschrie-ben die den elementen einer grundmenge eine reelle Zahl zwischen 0 und 1 zuordnet So nutzen Bailey u a14 Fuzzylogik fuumlr die Modellierung von Siedlungspraumlferenzen durch integration von ar-chaumlologischem expertenwissen und von literatur-quellen um somit zu einer einschaumltzung der einen Besiedelungsprozess beeinflussenden Parameter zu gelangen sowie eine landschaft hinsichtlich ihres archaumlologischen Potentials bewerten zu koumlnnen Der Einfluss der einzelnen Parameter wird in Form verbal festgelegter Wahrscheinlichkeiten auf einer Skala von sehr unwahrscheinlich bis sehr wahr-scheinlich bewertet welche daraufhin analog dazu in eine metrisch skalierte Klassifikation der Para-meter transformiert wird
im gegensatz zu klassischen statistischen ver-fahren versuchen probabilistische Ansaumltze Schluss-folgerungen die sich vielfach nicht mittels strikt deterministischer gesetze ziehen lassen anhand von Wahrscheinlichkeiten zu generieren es ist be-kannt welche ereignisse (Aussagen) eintreten koumln-nen Welches der ereignisse letztlich dann aber ein-tritt ist unsicher was sich als Wahrscheinlichkeit des eintretens in Form eines numerischen Wertes
12 Bailey u a 2009 ducke u a 2009
13 Zadeh 1965
14 Bailey u a 2009
Predictive Modelling 229
ausdruumlcken laumlsst der uumlblicherweise zwischen 0 und 1 liegt Mit diesem Wert wird festgelegt wie wahr-scheinlich (nahe dem Wert 1) oder unwahrschein-lich (nahe dem Wert 0) eine Aussage ist
ein sehr verbreiteter Ansatz unter den probabi-listischen Methoden ist das Bayes-theorem15 wel-ches die repraumlsentation von unsicherheit durch das einbeziehen von bedingten und unbedingten Wahrscheinlichkeiten abbildet Wahrscheinlichkeit wird bei diesem Ansatz also unter der vorausset-zung des eintretens eines bedingenden anderen ereignisses betrachtet und durch die einbeziehung zusaumltzlicher quantitativer Daten modifiziert Diese regelhaftigkeit ist fuumlr beliebig viele Aussagen er-weiterbar und laumlsst somit eine Wahrscheinlichkeits-verteilung fuumlr eine Menge von Aussagen erzeugen
Als eine Weiterentwicklung des Bayes-theo-rems ist die theorie von dempster-Shafer anzu-sehen die anstelle von Wahrscheinlichkeiten mit glaubensmaszligen oder evidenzen arbeitet um auf diese Weise unsicherheit zu modellieren
die dempster-Shafer-theorie
die dempster-Shafer-theorie16 beschaumlftigt sich mit dem unterschied zwischen unsicherheit und unwissen es wird nicht die Wahrscheinlichkeit einer Aussage berechnet sondern die Wahrschein-lichkeit mit der bestimmte informationsteile (evi-denzen oder glaubensmaszlige) eine Aussage stuumltzt dies wird durch so genannte Belief-Funktionen ausgedruumlckt geschrieben Bel(X)
vereinfacht ausgedruumlckt handelt es sich bei der theorie um eine Aggregationsvorschrift in welche im Zuge von Entscheidungsfindungsprozessen mit unterschiedlichem bdquogewichtldquo (vertrauen Zustim-mung zu einer Hypothese = degree of belief) einge-hen koumlnnen um bestimmte Hypothesen zu unter-stuumltzen bzw auszuschlieszligen die Kernaussage der dempster-Shafer-theorie besagt dass jede Wis-sensdomaumlne unwissen impliziert und dass daher als das Komplement einer Hypothese nicht auto-matisch deren negation zuzusprechen ist sondern vielmehr dem Faktor unwissen zufaumlllt Mathema-tisch ausgedruumlckt laumlsst sich eine Modellierung nach dempster-Shafer folgendermaszligen darstellen
15 verhagen 2007
16 dempster 1968 Shafer 1976
das Modell setzt sich aus einer Menge von Hypo-bull thesen H = h1n zusammen welche alle moumlgli-chen und sich gegenseitig ausschlieszligenden Aus-praumlgungen dieser Hypothesen beinhaltet diese Menge wird als Frame of Discernment (Ω) bezeichnet
Jede Hypothese laumlsst sich als eine teilmenge bull von Ω darstellen Ein Basismaszlig m(A) (auch Ba-sic Probability Assignment rarr BPA) repraumlsen-tiert das Maszlig an glauben das man exakt der Menge (bzw dieser Hypothese) zuweist die-ses genuumlgt den folgenden beiden Bedingungen
(1)
(2)
der glaube Bel(A) an eine einzelne Hypothese bull laumlsst sich als die Summe aller teilmengen m(B) die diese Hypothese unterstuumltzen ausdruumlcken
(3)
Als ein weiteres wichtiges Maszlig repraumlsentiert bull Plausibilitaumlt (Pl) den grad mit dem eine Hypo-these nicht zuruumlckgewiesen werden kann (also genau der glauben der nicht gegen diese Hy-pothese spricht) und beinhaltet somit jeglichen glauben an Mengen die mit dieser Hypothese konsistent sind
(4)
die differenz aus Belief und Plausibility ist eine bull weitere wichtige groumlszlige des dempster-Shafer-Formalismus und wird als Beliefintervall bezeich-net Das Beliefintervall repraumlsentiert somit den Bereich in dem das groumlszligte unwissen herrscht
die einzelnen glaubensmaszlige lassen sich mit bull Hilfe der dempsterrsquos rule of combination durch paarweise verknuumlpfung kombinieren und auf diese Weise sukzessive zu einem gesamt-Belief aggregieren
(5)
Wenn dann gilt
(6)
0 = (Oslash) m
( ) ( ) ( )( ) ( )YmXm
YmXm=Zm
21
21
1 lowastminus
lowast
sumsum ( )
( ) Φ=YXwennZ=YXwenn
capcap
( ) ( ) Φ=YfuumlrX=YmXm caplowastsum 021
( ) ( ) ( ) Z=YXfuumlrYmXm=Zm 21 )( caplowastsum
sumcap AB
m(B)Bel(A)
sum
cap ΩAm(A) 1
sum0Am(B)Pl(A)
Bcap ne
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 225
einleitung
im rahmen eines seit november 2006 am in-stitut fuumlr vor- und Fruumlhgeschichte der Johannes gutenberg-universitaumlt Mainz laufenden Projektes zu Besiedlungsgeschichte Kulturlandschaftsgenese und sozialem Wandel im umfeld des bdquoHunnen-ringsldquo von otzenhausen lkr St Wendel Saarland stellt neben der erforschung zentraler orte der ei-sen- und roumlmerzeit auch die Frage nach der ein-bindung dieser Zentren in ein laumlndliches Siedlungs-umfeld einen wichtigen Forschungsschwerpunkt dar Waumlhrend aus dem Arbeitsgebiet das einen Bereich von 10 km um den bdquoHunnenringldquo abdeckt eine verhaumlltnismaumlszligig groszlige Zahl roumlmischer villae rusticae bekannt ist nicht zuletzt aufgrund ihrer gu-ten Sichtbarkeit im gelaumlnde fehlen Hinweise auf gehoumlftsiedlungen der eisenzeit fast voumlllig letztere sind im gegensatz zu den leicht zu lokalisierenden roumlmischen Siedlungen mit ihren Steingebaumluden und Ziegeldaumlchern ohne gezielte Ausgrabungen archaumlo-logisch nur schwer nachzuweisen um die chancen einer lokalisierung eisenzeitlicher gehoumlfte bei Pro-spektionen optimieren zu koumlnnen sollte daher ein Predictive Modelling entwickelt werden auf dessen Basis eine gezieltere Suche nach Spuren vorge-schichtlicher Siedlungstaumltigkeit moumlglich wird
eine durchsicht der bislang bekannten Fund-stellen meist roumlmischer Zeitstellung ergab dass die Wahl eines Siedlungsplatzes von verschiedenen umweltfaktoren unmittelbar gepraumlgt wird durch gezielte verschneidung dieser unterschiedlichen lageparameter sollte es daher moumlglich sein Berei-che mit einer hohen Fundwahrscheinlichkeit isolie-ren zu koumlnnen wobei der erfolg dieser Methode entscheidend von der korrekten Formulierung der besagten lagekriterien abhaumlngt Aus diesem grun-de erschien es sinnvoll das Predictive Modelling zunaumlchst fuumlr ein kleines testgebiet mit vergleichs-weise gutem Forschungsstand auszuarbeiten und an diesem Beispiel die relevanten lageparameter zu isolieren und zu schaumlrfen
Wichtiger Bestandteil der untersuchung sollte aber auch die Uumlberpruumlfung der statistisch ausgewie-
senen Praumlferenzflaumlchen in Form von Begehungen im gelaumlnde sein deshalb beschraumlnkte sich die Mo-dellierung zunaumlchst auf ein ca 50 kmsup2 umfassendes gebiet 4 km nordwestlich des bdquoHunnenringesldquo im umfeld der Stadt Hermeskeil lkr trier-Saarburg welches sich aufgrund seiner relativ groszligen Anzahl roumlmischer Siedlungsfunde sowie einer vielzahl von graumlbern roumlmischer und eisenzeitlicher datierung gut fuumlr eine erste Anwendung dieser Methodik zu eignen schien (Abb 1) Aus praktischer Sicht spielen neben den aus archaumlologischen erfahrungswerten abgeleiteten lageparametern aber auch sekundaumlre Einflussfaktoren auf die Quellenlage eine wichtige rolle So haumlngt z B die Sichtbarkeit einer Fundstel-le im gelaumlnde wesentlich von erosions- und Akku-mulationsprozessen ab letztere lassen sich durch Beruumlcksichtigung des ergebnisses einer erosions-modellierung in das Predictive Modelling einbezie-hen so dass auf diesem Wege konkrete Aussagen uumlber die Sichtbarkeit und den erhaltungszustand einzelner Fundstellen moumlglich werden
Ziel dieses Artikels ist die darstellung einer ersten giS-basierten Modellierung von Besied-lungsstrategien der eisenzeitlichen und roumlmerzeit-lichen Bevoumllkerung fuumlr das ausgewaumlhlte teilgebiet des untersuchungsraumes rund um den Hunnen-ring von otzenhausen gem nonnweiler lkr St Wendel die es in Zukunft weiter auszuarbeiten gilt Auf diese Weise soll versucht werden einen Beitrag zur erforschung auch anderer vor allem peripherer Siedlungslandschaften zu leisten deren landschaftli-che eigenheiten ebenso wie die hieraus resultieren-den Formen moderner umweltnutzung bzw deren Folgen (z B erosionsprozesse) die archaumlologische Forschung mit einer reihe von methodischen Pro-blemen konfrontieren
die als testgebiet zur entwicklung der ange-wandten Methoden ausgewaumlhlte region um die Stadt Hermeskeil zeichnet sich durch ein dichtes naturbelassenes gewaumlssernetz aus welches im We-sentlichen durch die in nord-Suumld-richtung entwaumls-sernden Baumlche loumlster und Prims sowie ihre weit-verzweigten Nebenfluumlsse (ebenso) gespeist wird die tallagen des untersuchungsraumes bewegen
Predictive Modelling iM uMFeld deS bdquoHunnenringSldquo von otZenHAuSen geM nonnWeiler lKr St Wendel ndash
MetHodiScHe UumlBerlegungen ProBleMe und PerSPeKtiven FUumlr die PrAKtiScHe AnWendung giS-BASierter AnAlySeverFAHren
von SilKe BooS SABine Hornung und HArtMut MUumlller
226 S BooS S Hornung H MUumlller
sich auf einem Houmlhenniveau zwischen 429 und 530 m und werden von verschieden ausgedehnten Houmlhenruumlcken umgeben die auf bis zu 623 m an-steigen das heute eher duumlnn besiedelte untersu-chungsgebiet wird etwa zu gleichen teilen durch bewaldete und landwirtschaftlich genutzte Flaumlchen gepraumlgt bietet also aus archaumlologischer Sicht sehr unterschiedliche voraussetzungen fuumlr die lokali-sierung neuer Fundstellen und damit eine flaumlchen-deckende erfassung vor- und fruumlhgeschichtlicher Siedlungsmuster
Predictive Modelling
das sogenannte Predictive Modelling ist ein verfahren welches in den spaumlten 1970iger Jahren in den uSA1 in Zusammenhang mit staatlichen landmanagement-Projekten entwickelt wurde es basiert auf der Annahme dass die Siedlungs- oder Bestattungsplatzwahl vergangener gesellschaften in enger Beziehung zu naturraumlumlichen Faktoren und somit unter dem Einfluss sozio-kultureller Aspekte
1 clarke 1977 Hodderorton 1976
Abb 1 Eisen- und roumlmerzeitliche Funde im Untersuchungsgebiet bei Hermeskeil (Grafik S Boos)
Predictive Modelling 227
zu sehen ist Ausgehend von dieser Hypothese ist es Ziel des Predictive Modelling die angesproche-nen Faktoren menschlicher Besiedlungsstrategien zu modellieren um auf diese Weise signifikante Flaumlchen mit einem spezifizierten Verdachtsmo-ment fuumlr die Anwesenheit archaumlologischer Hinter-lassenschaften zu berechnen Zur Analyse dieses empirisch ermittelten Musters wird vielfach ein geographisches informationssystem (giS) heran-gezogen da dieses uumlber geeignete Werkzeuge fuumlr (raumbezogene) Analysen und die Modellierung al-ler relevanten Faktoren verfuumlgt
in Zusammenhang mit der entwicklung eines archaumlologischen Praumldiktionsmodells lassen sich grundsaumltzlich zwei verschiedene Zielsetzungen un-terscheiden die entweder einen korrelierenden oder einen erklaumlrenden Ansatz verfolgen2 Projekte mit einem akademischen Hintergrund untersuchen die verschiedenen Aspekte des historischen Siedlungs- und landnutzungsverhaltens und versuchen diese zu erklaumlren waumlhrend fuumlr Projekte mit bodendenk-malpflegerischem Interesse die Konservierung des archaumlologischen erbes im vordergrund steht und der Fokus einer solchen Modellierung auf einer moumlglichst praumlzisen und in Form von Wahrschein-lichkeiten und Korrelationen bewerteten Fundprog-nose liegt Auch wenn sich diese Zielsetzungen un-terscheiden besteht nur ein geringer unterschied in Bezug auf die zur erstellung des Modells angewen-deten verfahren
Auch hinsichtlich der methodischen Herange-hensweise bei der entwicklung eines archaumlologi-schen Praumldiktionsmodells koumlnnen zwei grundle-gende Ansaumltze unterschieden werden Induktive Modelle greifen Beobachtungen von umweltfak-toren eines untersuchungsgebietes auf nehmen auf dieser Basis Abschaumltzungen und Schlussfolge-rungen uumlber die Signifikanz der verwendeten Daten in Bezug auf bekannte Fundstellen vor und leiten hieraus allgemeinguumlltige regeln ab dies erfolgt in der regel unter verwendung statistischer Metho-den die das lagemuster der Fundstellen abstra-hieren so dass auf diese Weise eine Aufteilung des untersuchungsgebietes in Bereiche verschiedener Wahrscheinlichkeiten fuumlr das Auftreten von Fun-den erzeugt wird Deduktive Modelle hingegen basieren auf abstrakten theorien die auf die rea-litaumlt transformiert werden und diese auf grundlage des Modells zu erklaumlren versuchen die deduktive
2 van leusen 2002
Methodik setzt somit bestimmte Annahmen uumlber praumlhistorische verhaltensweisen voraus welche zu dem betrachteten raum in Beziehung gesetzt und abgeglichen werden die bekannten Fundstellen des untersuchungsgebietes dienen bei dieser vor-gehensweise zur Uumlberpruumlfung des ergebnisses
viele archaumlologische Praumldiktionsmodelle lassen allerdings erkennen dass die strenge dichotomie dieser beiden Ansaumltze in der realen umsetzung sel-ten eingehalten werden kann und der terminus hy-bride Modellierung diesen Sachverhalt eher trifft3 So laumlsst sich als Kritik an einer induktiven Modellie-rung die wertfreie Auswahl der umweltparameter aufzeigen die alleine auf der verfuumlgbarkeit der ver-wendeten eingangsdaten beruht und somit archaumlo-logische erklaumlrungsansaumltze fuumlr Besiedlungsstrategi-en auszliger Acht laumlsst4 Bei naumlherer Betrachtung zeigt sich allerdings dass die Wahl der umweltparameter nicht als vollkommen willkuumlrlich anzusehen ist und oftmals immanente Annahmen uumlber menschliche verhaltensweisen bezuumlglich der Wahl eines Stand-ortes beinhaltet Andersherum schlieszligt ein deduk-tiver Ansatz per se induktion ein da das diesem Ansatz zugrunde gelegte Wissen das ergebnis sich wiederholender und somit statistisch belegbarer erfahrungen und Beobachtungen zu verschiede-nen umweltfaktoren ist
Bei der praktischen umsetzung der Modellie-rung werden verschiedene Methoden angewendet die sich hinsichtlich ihrer Komplexitaumlt von einfa-chen additiven Methoden bis hin zu multivaria-ten Regressionsanalysen erstrecken in juumlngerer Zeit greift man verstaumlrkt auf Methoden der Fuzzy Logik5 oder probabilistische Ansaumltze6 zuruumlck die es ermoumlglichen das einer archaumlologischen vor-hersagemodellierung implizite unsichere bzw un-scharfe Wissen uumlber menschliche verhaltensweisen mit in die Prognose einzubeziehen ducke u a7 und ejstrud8 stellten in ihren untersuchungen die ergebnisse verschiedener Modellierungsansaumltze ge-genuumlber und konnten die Wirksamkeit probabilisti-scher Methoden nachweisen die durchweg bessere ergebnisse erzielten als die klassischen verfahren Als Maszlig fuumlr die Modellguumlte zogen sie den gain-Fak-
3 ebd
4 ebert 2000
5 Bailey u a 2009
6 canning 2005 ducke u a 2009 ejstrud 2008
7 ducke u a 2009
8 ejstrud 2003
228 S BooS S Hornung H MUumlller
tor9 heran der sich mathematisch folgendermaszligen ausdruumlcken laumlsst
gain factor = 1 - Prozentanteil Verdachtsflaumlche Prozentanteil Fundplaumltze in Verdachtsflaumlche
ein gutes Modellierungsergebnis druumlckt sich durch einen hohen gain-Faktor fuumlr Verdachtsflauml-chen mit groszligem archaumlologischem Potential aus was dieser Formel zufolge gleichbedeutend mit ei-nem hohen Anteil an Fundplaumltzen in einer prozen-tual geringen Verdachtsflaumlche ist
im Folgenden sollen die wichtigsten Methoden die im Zusammenhang mit dem Predictive Model-ling Anwendung finden kurz eroumlrtert werden um schlieszliglich naumlher auf die in dieser Arbeit angewand-te theorie von dempster-Shafer einzugehen
Additive Methoden
Bei diesen verfahren wird fuumlr jeden betrachteten Parameter ein Wertebereich definiert fuumlr den der Zustand Fundstellenanwesenheit gilt oder alterna-tiv ein Wahrscheinlichkeitswert uumlbergeben und die einzelnen Werte durch intersektion zu einem ge-samtergebnis vereinigt eine Abwandlung des ver-fahrens kann durch eine gewichtung der Parame-ter erreicht werden die z B aus dem Flaumlchenanteil eines Einzelfaktors an der Gesamtflaumlche berechnet wird oder aber auch aus einer Beruumlcksichtigung von expertenwissen resultieren kann10
regressionsbasierte verfahren
Diese am haumlufigsten angewendeten Verfahren11 basieren auf einer induktiven logik und ermitteln die raumlumliche Korrelation zwischen verschiedenen unabhaumlngigen variablen (meist umweltparametern) und bekannten Fundstellen woraus unter Anwen-dung statistischer Methoden Wahrscheinlichkeiten fuumlr Fundplatzvorkommen prognostiziert werden
Fuzzylogik und Probabilistische theorien
Methoden aus dem Bereich der Wahrscheinlich-keitstheorie und der Fuzzylogik setzen sich mit dem thema der Wissensrepraumlsentation von unsicherem
9 Kvamme 1988
10 deeben u a 2002
11 Kvamme 1992 Hobbs u a 2002 Muumlnch 2003
oder vagem Wissen auseinander Klassische statisti-sche Ansaumltze vernachlaumlssigen diese einer vorhersa-gemodellierung inhaumlrente Komponente und tragen auf diese Weise zu einer unvollstaumlndigen Modellie-rung des abzubildenden Prozesses bei nicht nur aus diesem grund erweisen sich probabilistische Methoden und Fuzzylogik als sinnvolle Alternative zu den bewaumlhrten verfahren Auch ermoumlglichen sie es erfahrungen und intuitionen archaumlologischer experten hinsichtlich des Wirkungsgrades der ver-schiedenen Einflussfaktoren zu integrieren12
Fuzzylogik wurde urspruumlnglich zur Modellie-rung linguistischer Beschreibungen mit dem Ziel der transformation dieser Ausdruumlcke in mathema-tisch verallgemeinerte charakteristische Funktionen entwickelt grundlage der Fuzzylogik sind die so genannten unscharfen Mengen die im gegensatz zu traditionellen Mengen in denen ein element in einer vorgegebenen grundmenge entweder enthal-ten oder nicht enthalten sein kann elemente auch nur ein wenig enthalten sein koumlnnen13 der grad der Zugehoumlrigkeit wird meist durch eine Zugehouml-rigkeitsfunktion (membership function) micro beschrie-ben die den elementen einer grundmenge eine reelle Zahl zwischen 0 und 1 zuordnet So nutzen Bailey u a14 Fuzzylogik fuumlr die Modellierung von Siedlungspraumlferenzen durch integration von ar-chaumlologischem expertenwissen und von literatur-quellen um somit zu einer einschaumltzung der einen Besiedelungsprozess beeinflussenden Parameter zu gelangen sowie eine landschaft hinsichtlich ihres archaumlologischen Potentials bewerten zu koumlnnen Der Einfluss der einzelnen Parameter wird in Form verbal festgelegter Wahrscheinlichkeiten auf einer Skala von sehr unwahrscheinlich bis sehr wahr-scheinlich bewertet welche daraufhin analog dazu in eine metrisch skalierte Klassifikation der Para-meter transformiert wird
im gegensatz zu klassischen statistischen ver-fahren versuchen probabilistische Ansaumltze Schluss-folgerungen die sich vielfach nicht mittels strikt deterministischer gesetze ziehen lassen anhand von Wahrscheinlichkeiten zu generieren es ist be-kannt welche ereignisse (Aussagen) eintreten koumln-nen Welches der ereignisse letztlich dann aber ein-tritt ist unsicher was sich als Wahrscheinlichkeit des eintretens in Form eines numerischen Wertes
12 Bailey u a 2009 ducke u a 2009
13 Zadeh 1965
14 Bailey u a 2009
Predictive Modelling 229
ausdruumlcken laumlsst der uumlblicherweise zwischen 0 und 1 liegt Mit diesem Wert wird festgelegt wie wahr-scheinlich (nahe dem Wert 1) oder unwahrschein-lich (nahe dem Wert 0) eine Aussage ist
ein sehr verbreiteter Ansatz unter den probabi-listischen Methoden ist das Bayes-theorem15 wel-ches die repraumlsentation von unsicherheit durch das einbeziehen von bedingten und unbedingten Wahrscheinlichkeiten abbildet Wahrscheinlichkeit wird bei diesem Ansatz also unter der vorausset-zung des eintretens eines bedingenden anderen ereignisses betrachtet und durch die einbeziehung zusaumltzlicher quantitativer Daten modifiziert Diese regelhaftigkeit ist fuumlr beliebig viele Aussagen er-weiterbar und laumlsst somit eine Wahrscheinlichkeits-verteilung fuumlr eine Menge von Aussagen erzeugen
Als eine Weiterentwicklung des Bayes-theo-rems ist die theorie von dempster-Shafer anzu-sehen die anstelle von Wahrscheinlichkeiten mit glaubensmaszligen oder evidenzen arbeitet um auf diese Weise unsicherheit zu modellieren
die dempster-Shafer-theorie
die dempster-Shafer-theorie16 beschaumlftigt sich mit dem unterschied zwischen unsicherheit und unwissen es wird nicht die Wahrscheinlichkeit einer Aussage berechnet sondern die Wahrschein-lichkeit mit der bestimmte informationsteile (evi-denzen oder glaubensmaszlige) eine Aussage stuumltzt dies wird durch so genannte Belief-Funktionen ausgedruumlckt geschrieben Bel(X)
vereinfacht ausgedruumlckt handelt es sich bei der theorie um eine Aggregationsvorschrift in welche im Zuge von Entscheidungsfindungsprozessen mit unterschiedlichem bdquogewichtldquo (vertrauen Zustim-mung zu einer Hypothese = degree of belief) einge-hen koumlnnen um bestimmte Hypothesen zu unter-stuumltzen bzw auszuschlieszligen die Kernaussage der dempster-Shafer-theorie besagt dass jede Wis-sensdomaumlne unwissen impliziert und dass daher als das Komplement einer Hypothese nicht auto-matisch deren negation zuzusprechen ist sondern vielmehr dem Faktor unwissen zufaumlllt Mathema-tisch ausgedruumlckt laumlsst sich eine Modellierung nach dempster-Shafer folgendermaszligen darstellen
15 verhagen 2007
16 dempster 1968 Shafer 1976
das Modell setzt sich aus einer Menge von Hypo-bull thesen H = h1n zusammen welche alle moumlgli-chen und sich gegenseitig ausschlieszligenden Aus-praumlgungen dieser Hypothesen beinhaltet diese Menge wird als Frame of Discernment (Ω) bezeichnet
Jede Hypothese laumlsst sich als eine teilmenge bull von Ω darstellen Ein Basismaszlig m(A) (auch Ba-sic Probability Assignment rarr BPA) repraumlsen-tiert das Maszlig an glauben das man exakt der Menge (bzw dieser Hypothese) zuweist die-ses genuumlgt den folgenden beiden Bedingungen
(1)
(2)
der glaube Bel(A) an eine einzelne Hypothese bull laumlsst sich als die Summe aller teilmengen m(B) die diese Hypothese unterstuumltzen ausdruumlcken
(3)
Als ein weiteres wichtiges Maszlig repraumlsentiert bull Plausibilitaumlt (Pl) den grad mit dem eine Hypo-these nicht zuruumlckgewiesen werden kann (also genau der glauben der nicht gegen diese Hy-pothese spricht) und beinhaltet somit jeglichen glauben an Mengen die mit dieser Hypothese konsistent sind
(4)
die differenz aus Belief und Plausibility ist eine bull weitere wichtige groumlszlige des dempster-Shafer-Formalismus und wird als Beliefintervall bezeich-net Das Beliefintervall repraumlsentiert somit den Bereich in dem das groumlszligte unwissen herrscht
die einzelnen glaubensmaszlige lassen sich mit bull Hilfe der dempsterrsquos rule of combination durch paarweise verknuumlpfung kombinieren und auf diese Weise sukzessive zu einem gesamt-Belief aggregieren
(5)
Wenn dann gilt
(6)
0 = (Oslash) m
( ) ( ) ( )( ) ( )YmXm
YmXm=Zm
21
21
1 lowastminus
lowast
sumsum ( )
( ) Φ=YXwennZ=YXwenn
capcap
( ) ( ) Φ=YfuumlrX=YmXm caplowastsum 021
( ) ( ) ( ) Z=YXfuumlrYmXm=Zm 21 )( caplowastsum
sumcap AB
m(B)Bel(A)
sum
cap ΩAm(A) 1
sum0Am(B)Pl(A)
Bcap ne
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
226 S BooS S Hornung H MUumlller
sich auf einem Houmlhenniveau zwischen 429 und 530 m und werden von verschieden ausgedehnten Houmlhenruumlcken umgeben die auf bis zu 623 m an-steigen das heute eher duumlnn besiedelte untersu-chungsgebiet wird etwa zu gleichen teilen durch bewaldete und landwirtschaftlich genutzte Flaumlchen gepraumlgt bietet also aus archaumlologischer Sicht sehr unterschiedliche voraussetzungen fuumlr die lokali-sierung neuer Fundstellen und damit eine flaumlchen-deckende erfassung vor- und fruumlhgeschichtlicher Siedlungsmuster
Predictive Modelling
das sogenannte Predictive Modelling ist ein verfahren welches in den spaumlten 1970iger Jahren in den uSA1 in Zusammenhang mit staatlichen landmanagement-Projekten entwickelt wurde es basiert auf der Annahme dass die Siedlungs- oder Bestattungsplatzwahl vergangener gesellschaften in enger Beziehung zu naturraumlumlichen Faktoren und somit unter dem Einfluss sozio-kultureller Aspekte
1 clarke 1977 Hodderorton 1976
Abb 1 Eisen- und roumlmerzeitliche Funde im Untersuchungsgebiet bei Hermeskeil (Grafik S Boos)
Predictive Modelling 227
zu sehen ist Ausgehend von dieser Hypothese ist es Ziel des Predictive Modelling die angesproche-nen Faktoren menschlicher Besiedlungsstrategien zu modellieren um auf diese Weise signifikante Flaumlchen mit einem spezifizierten Verdachtsmo-ment fuumlr die Anwesenheit archaumlologischer Hinter-lassenschaften zu berechnen Zur Analyse dieses empirisch ermittelten Musters wird vielfach ein geographisches informationssystem (giS) heran-gezogen da dieses uumlber geeignete Werkzeuge fuumlr (raumbezogene) Analysen und die Modellierung al-ler relevanten Faktoren verfuumlgt
in Zusammenhang mit der entwicklung eines archaumlologischen Praumldiktionsmodells lassen sich grundsaumltzlich zwei verschiedene Zielsetzungen un-terscheiden die entweder einen korrelierenden oder einen erklaumlrenden Ansatz verfolgen2 Projekte mit einem akademischen Hintergrund untersuchen die verschiedenen Aspekte des historischen Siedlungs- und landnutzungsverhaltens und versuchen diese zu erklaumlren waumlhrend fuumlr Projekte mit bodendenk-malpflegerischem Interesse die Konservierung des archaumlologischen erbes im vordergrund steht und der Fokus einer solchen Modellierung auf einer moumlglichst praumlzisen und in Form von Wahrschein-lichkeiten und Korrelationen bewerteten Fundprog-nose liegt Auch wenn sich diese Zielsetzungen un-terscheiden besteht nur ein geringer unterschied in Bezug auf die zur erstellung des Modells angewen-deten verfahren
Auch hinsichtlich der methodischen Herange-hensweise bei der entwicklung eines archaumlologi-schen Praumldiktionsmodells koumlnnen zwei grundle-gende Ansaumltze unterschieden werden Induktive Modelle greifen Beobachtungen von umweltfak-toren eines untersuchungsgebietes auf nehmen auf dieser Basis Abschaumltzungen und Schlussfolge-rungen uumlber die Signifikanz der verwendeten Daten in Bezug auf bekannte Fundstellen vor und leiten hieraus allgemeinguumlltige regeln ab dies erfolgt in der regel unter verwendung statistischer Metho-den die das lagemuster der Fundstellen abstra-hieren so dass auf diese Weise eine Aufteilung des untersuchungsgebietes in Bereiche verschiedener Wahrscheinlichkeiten fuumlr das Auftreten von Fun-den erzeugt wird Deduktive Modelle hingegen basieren auf abstrakten theorien die auf die rea-litaumlt transformiert werden und diese auf grundlage des Modells zu erklaumlren versuchen die deduktive
2 van leusen 2002
Methodik setzt somit bestimmte Annahmen uumlber praumlhistorische verhaltensweisen voraus welche zu dem betrachteten raum in Beziehung gesetzt und abgeglichen werden die bekannten Fundstellen des untersuchungsgebietes dienen bei dieser vor-gehensweise zur Uumlberpruumlfung des ergebnisses
viele archaumlologische Praumldiktionsmodelle lassen allerdings erkennen dass die strenge dichotomie dieser beiden Ansaumltze in der realen umsetzung sel-ten eingehalten werden kann und der terminus hy-bride Modellierung diesen Sachverhalt eher trifft3 So laumlsst sich als Kritik an einer induktiven Modellie-rung die wertfreie Auswahl der umweltparameter aufzeigen die alleine auf der verfuumlgbarkeit der ver-wendeten eingangsdaten beruht und somit archaumlo-logische erklaumlrungsansaumltze fuumlr Besiedlungsstrategi-en auszliger Acht laumlsst4 Bei naumlherer Betrachtung zeigt sich allerdings dass die Wahl der umweltparameter nicht als vollkommen willkuumlrlich anzusehen ist und oftmals immanente Annahmen uumlber menschliche verhaltensweisen bezuumlglich der Wahl eines Stand-ortes beinhaltet Andersherum schlieszligt ein deduk-tiver Ansatz per se induktion ein da das diesem Ansatz zugrunde gelegte Wissen das ergebnis sich wiederholender und somit statistisch belegbarer erfahrungen und Beobachtungen zu verschiede-nen umweltfaktoren ist
Bei der praktischen umsetzung der Modellie-rung werden verschiedene Methoden angewendet die sich hinsichtlich ihrer Komplexitaumlt von einfa-chen additiven Methoden bis hin zu multivaria-ten Regressionsanalysen erstrecken in juumlngerer Zeit greift man verstaumlrkt auf Methoden der Fuzzy Logik5 oder probabilistische Ansaumltze6 zuruumlck die es ermoumlglichen das einer archaumlologischen vor-hersagemodellierung implizite unsichere bzw un-scharfe Wissen uumlber menschliche verhaltensweisen mit in die Prognose einzubeziehen ducke u a7 und ejstrud8 stellten in ihren untersuchungen die ergebnisse verschiedener Modellierungsansaumltze ge-genuumlber und konnten die Wirksamkeit probabilisti-scher Methoden nachweisen die durchweg bessere ergebnisse erzielten als die klassischen verfahren Als Maszlig fuumlr die Modellguumlte zogen sie den gain-Fak-
3 ebd
4 ebert 2000
5 Bailey u a 2009
6 canning 2005 ducke u a 2009 ejstrud 2008
7 ducke u a 2009
8 ejstrud 2003
228 S BooS S Hornung H MUumlller
tor9 heran der sich mathematisch folgendermaszligen ausdruumlcken laumlsst
gain factor = 1 - Prozentanteil Verdachtsflaumlche Prozentanteil Fundplaumltze in Verdachtsflaumlche
ein gutes Modellierungsergebnis druumlckt sich durch einen hohen gain-Faktor fuumlr Verdachtsflauml-chen mit groszligem archaumlologischem Potential aus was dieser Formel zufolge gleichbedeutend mit ei-nem hohen Anteil an Fundplaumltzen in einer prozen-tual geringen Verdachtsflaumlche ist
im Folgenden sollen die wichtigsten Methoden die im Zusammenhang mit dem Predictive Model-ling Anwendung finden kurz eroumlrtert werden um schlieszliglich naumlher auf die in dieser Arbeit angewand-te theorie von dempster-Shafer einzugehen
Additive Methoden
Bei diesen verfahren wird fuumlr jeden betrachteten Parameter ein Wertebereich definiert fuumlr den der Zustand Fundstellenanwesenheit gilt oder alterna-tiv ein Wahrscheinlichkeitswert uumlbergeben und die einzelnen Werte durch intersektion zu einem ge-samtergebnis vereinigt eine Abwandlung des ver-fahrens kann durch eine gewichtung der Parame-ter erreicht werden die z B aus dem Flaumlchenanteil eines Einzelfaktors an der Gesamtflaumlche berechnet wird oder aber auch aus einer Beruumlcksichtigung von expertenwissen resultieren kann10
regressionsbasierte verfahren
Diese am haumlufigsten angewendeten Verfahren11 basieren auf einer induktiven logik und ermitteln die raumlumliche Korrelation zwischen verschiedenen unabhaumlngigen variablen (meist umweltparametern) und bekannten Fundstellen woraus unter Anwen-dung statistischer Methoden Wahrscheinlichkeiten fuumlr Fundplatzvorkommen prognostiziert werden
Fuzzylogik und Probabilistische theorien
Methoden aus dem Bereich der Wahrscheinlich-keitstheorie und der Fuzzylogik setzen sich mit dem thema der Wissensrepraumlsentation von unsicherem
9 Kvamme 1988
10 deeben u a 2002
11 Kvamme 1992 Hobbs u a 2002 Muumlnch 2003
oder vagem Wissen auseinander Klassische statisti-sche Ansaumltze vernachlaumlssigen diese einer vorhersa-gemodellierung inhaumlrente Komponente und tragen auf diese Weise zu einer unvollstaumlndigen Modellie-rung des abzubildenden Prozesses bei nicht nur aus diesem grund erweisen sich probabilistische Methoden und Fuzzylogik als sinnvolle Alternative zu den bewaumlhrten verfahren Auch ermoumlglichen sie es erfahrungen und intuitionen archaumlologischer experten hinsichtlich des Wirkungsgrades der ver-schiedenen Einflussfaktoren zu integrieren12
Fuzzylogik wurde urspruumlnglich zur Modellie-rung linguistischer Beschreibungen mit dem Ziel der transformation dieser Ausdruumlcke in mathema-tisch verallgemeinerte charakteristische Funktionen entwickelt grundlage der Fuzzylogik sind die so genannten unscharfen Mengen die im gegensatz zu traditionellen Mengen in denen ein element in einer vorgegebenen grundmenge entweder enthal-ten oder nicht enthalten sein kann elemente auch nur ein wenig enthalten sein koumlnnen13 der grad der Zugehoumlrigkeit wird meist durch eine Zugehouml-rigkeitsfunktion (membership function) micro beschrie-ben die den elementen einer grundmenge eine reelle Zahl zwischen 0 und 1 zuordnet So nutzen Bailey u a14 Fuzzylogik fuumlr die Modellierung von Siedlungspraumlferenzen durch integration von ar-chaumlologischem expertenwissen und von literatur-quellen um somit zu einer einschaumltzung der einen Besiedelungsprozess beeinflussenden Parameter zu gelangen sowie eine landschaft hinsichtlich ihres archaumlologischen Potentials bewerten zu koumlnnen Der Einfluss der einzelnen Parameter wird in Form verbal festgelegter Wahrscheinlichkeiten auf einer Skala von sehr unwahrscheinlich bis sehr wahr-scheinlich bewertet welche daraufhin analog dazu in eine metrisch skalierte Klassifikation der Para-meter transformiert wird
im gegensatz zu klassischen statistischen ver-fahren versuchen probabilistische Ansaumltze Schluss-folgerungen die sich vielfach nicht mittels strikt deterministischer gesetze ziehen lassen anhand von Wahrscheinlichkeiten zu generieren es ist be-kannt welche ereignisse (Aussagen) eintreten koumln-nen Welches der ereignisse letztlich dann aber ein-tritt ist unsicher was sich als Wahrscheinlichkeit des eintretens in Form eines numerischen Wertes
12 Bailey u a 2009 ducke u a 2009
13 Zadeh 1965
14 Bailey u a 2009
Predictive Modelling 229
ausdruumlcken laumlsst der uumlblicherweise zwischen 0 und 1 liegt Mit diesem Wert wird festgelegt wie wahr-scheinlich (nahe dem Wert 1) oder unwahrschein-lich (nahe dem Wert 0) eine Aussage ist
ein sehr verbreiteter Ansatz unter den probabi-listischen Methoden ist das Bayes-theorem15 wel-ches die repraumlsentation von unsicherheit durch das einbeziehen von bedingten und unbedingten Wahrscheinlichkeiten abbildet Wahrscheinlichkeit wird bei diesem Ansatz also unter der vorausset-zung des eintretens eines bedingenden anderen ereignisses betrachtet und durch die einbeziehung zusaumltzlicher quantitativer Daten modifiziert Diese regelhaftigkeit ist fuumlr beliebig viele Aussagen er-weiterbar und laumlsst somit eine Wahrscheinlichkeits-verteilung fuumlr eine Menge von Aussagen erzeugen
Als eine Weiterentwicklung des Bayes-theo-rems ist die theorie von dempster-Shafer anzu-sehen die anstelle von Wahrscheinlichkeiten mit glaubensmaszligen oder evidenzen arbeitet um auf diese Weise unsicherheit zu modellieren
die dempster-Shafer-theorie
die dempster-Shafer-theorie16 beschaumlftigt sich mit dem unterschied zwischen unsicherheit und unwissen es wird nicht die Wahrscheinlichkeit einer Aussage berechnet sondern die Wahrschein-lichkeit mit der bestimmte informationsteile (evi-denzen oder glaubensmaszlige) eine Aussage stuumltzt dies wird durch so genannte Belief-Funktionen ausgedruumlckt geschrieben Bel(X)
vereinfacht ausgedruumlckt handelt es sich bei der theorie um eine Aggregationsvorschrift in welche im Zuge von Entscheidungsfindungsprozessen mit unterschiedlichem bdquogewichtldquo (vertrauen Zustim-mung zu einer Hypothese = degree of belief) einge-hen koumlnnen um bestimmte Hypothesen zu unter-stuumltzen bzw auszuschlieszligen die Kernaussage der dempster-Shafer-theorie besagt dass jede Wis-sensdomaumlne unwissen impliziert und dass daher als das Komplement einer Hypothese nicht auto-matisch deren negation zuzusprechen ist sondern vielmehr dem Faktor unwissen zufaumlllt Mathema-tisch ausgedruumlckt laumlsst sich eine Modellierung nach dempster-Shafer folgendermaszligen darstellen
15 verhagen 2007
16 dempster 1968 Shafer 1976
das Modell setzt sich aus einer Menge von Hypo-bull thesen H = h1n zusammen welche alle moumlgli-chen und sich gegenseitig ausschlieszligenden Aus-praumlgungen dieser Hypothesen beinhaltet diese Menge wird als Frame of Discernment (Ω) bezeichnet
Jede Hypothese laumlsst sich als eine teilmenge bull von Ω darstellen Ein Basismaszlig m(A) (auch Ba-sic Probability Assignment rarr BPA) repraumlsen-tiert das Maszlig an glauben das man exakt der Menge (bzw dieser Hypothese) zuweist die-ses genuumlgt den folgenden beiden Bedingungen
(1)
(2)
der glaube Bel(A) an eine einzelne Hypothese bull laumlsst sich als die Summe aller teilmengen m(B) die diese Hypothese unterstuumltzen ausdruumlcken
(3)
Als ein weiteres wichtiges Maszlig repraumlsentiert bull Plausibilitaumlt (Pl) den grad mit dem eine Hypo-these nicht zuruumlckgewiesen werden kann (also genau der glauben der nicht gegen diese Hy-pothese spricht) und beinhaltet somit jeglichen glauben an Mengen die mit dieser Hypothese konsistent sind
(4)
die differenz aus Belief und Plausibility ist eine bull weitere wichtige groumlszlige des dempster-Shafer-Formalismus und wird als Beliefintervall bezeich-net Das Beliefintervall repraumlsentiert somit den Bereich in dem das groumlszligte unwissen herrscht
die einzelnen glaubensmaszlige lassen sich mit bull Hilfe der dempsterrsquos rule of combination durch paarweise verknuumlpfung kombinieren und auf diese Weise sukzessive zu einem gesamt-Belief aggregieren
(5)
Wenn dann gilt
(6)
0 = (Oslash) m
( ) ( ) ( )( ) ( )YmXm
YmXm=Zm
21
21
1 lowastminus
lowast
sumsum ( )
( ) Φ=YXwennZ=YXwenn
capcap
( ) ( ) Φ=YfuumlrX=YmXm caplowastsum 021
( ) ( ) ( ) Z=YXfuumlrYmXm=Zm 21 )( caplowastsum
sumcap AB
m(B)Bel(A)
sum
cap ΩAm(A) 1
sum0Am(B)Pl(A)
Bcap ne
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 227
zu sehen ist Ausgehend von dieser Hypothese ist es Ziel des Predictive Modelling die angesproche-nen Faktoren menschlicher Besiedlungsstrategien zu modellieren um auf diese Weise signifikante Flaumlchen mit einem spezifizierten Verdachtsmo-ment fuumlr die Anwesenheit archaumlologischer Hinter-lassenschaften zu berechnen Zur Analyse dieses empirisch ermittelten Musters wird vielfach ein geographisches informationssystem (giS) heran-gezogen da dieses uumlber geeignete Werkzeuge fuumlr (raumbezogene) Analysen und die Modellierung al-ler relevanten Faktoren verfuumlgt
in Zusammenhang mit der entwicklung eines archaumlologischen Praumldiktionsmodells lassen sich grundsaumltzlich zwei verschiedene Zielsetzungen un-terscheiden die entweder einen korrelierenden oder einen erklaumlrenden Ansatz verfolgen2 Projekte mit einem akademischen Hintergrund untersuchen die verschiedenen Aspekte des historischen Siedlungs- und landnutzungsverhaltens und versuchen diese zu erklaumlren waumlhrend fuumlr Projekte mit bodendenk-malpflegerischem Interesse die Konservierung des archaumlologischen erbes im vordergrund steht und der Fokus einer solchen Modellierung auf einer moumlglichst praumlzisen und in Form von Wahrschein-lichkeiten und Korrelationen bewerteten Fundprog-nose liegt Auch wenn sich diese Zielsetzungen un-terscheiden besteht nur ein geringer unterschied in Bezug auf die zur erstellung des Modells angewen-deten verfahren
Auch hinsichtlich der methodischen Herange-hensweise bei der entwicklung eines archaumlologi-schen Praumldiktionsmodells koumlnnen zwei grundle-gende Ansaumltze unterschieden werden Induktive Modelle greifen Beobachtungen von umweltfak-toren eines untersuchungsgebietes auf nehmen auf dieser Basis Abschaumltzungen und Schlussfolge-rungen uumlber die Signifikanz der verwendeten Daten in Bezug auf bekannte Fundstellen vor und leiten hieraus allgemeinguumlltige regeln ab dies erfolgt in der regel unter verwendung statistischer Metho-den die das lagemuster der Fundstellen abstra-hieren so dass auf diese Weise eine Aufteilung des untersuchungsgebietes in Bereiche verschiedener Wahrscheinlichkeiten fuumlr das Auftreten von Fun-den erzeugt wird Deduktive Modelle hingegen basieren auf abstrakten theorien die auf die rea-litaumlt transformiert werden und diese auf grundlage des Modells zu erklaumlren versuchen die deduktive
2 van leusen 2002
Methodik setzt somit bestimmte Annahmen uumlber praumlhistorische verhaltensweisen voraus welche zu dem betrachteten raum in Beziehung gesetzt und abgeglichen werden die bekannten Fundstellen des untersuchungsgebietes dienen bei dieser vor-gehensweise zur Uumlberpruumlfung des ergebnisses
viele archaumlologische Praumldiktionsmodelle lassen allerdings erkennen dass die strenge dichotomie dieser beiden Ansaumltze in der realen umsetzung sel-ten eingehalten werden kann und der terminus hy-bride Modellierung diesen Sachverhalt eher trifft3 So laumlsst sich als Kritik an einer induktiven Modellie-rung die wertfreie Auswahl der umweltparameter aufzeigen die alleine auf der verfuumlgbarkeit der ver-wendeten eingangsdaten beruht und somit archaumlo-logische erklaumlrungsansaumltze fuumlr Besiedlungsstrategi-en auszliger Acht laumlsst4 Bei naumlherer Betrachtung zeigt sich allerdings dass die Wahl der umweltparameter nicht als vollkommen willkuumlrlich anzusehen ist und oftmals immanente Annahmen uumlber menschliche verhaltensweisen bezuumlglich der Wahl eines Stand-ortes beinhaltet Andersherum schlieszligt ein deduk-tiver Ansatz per se induktion ein da das diesem Ansatz zugrunde gelegte Wissen das ergebnis sich wiederholender und somit statistisch belegbarer erfahrungen und Beobachtungen zu verschiede-nen umweltfaktoren ist
Bei der praktischen umsetzung der Modellie-rung werden verschiedene Methoden angewendet die sich hinsichtlich ihrer Komplexitaumlt von einfa-chen additiven Methoden bis hin zu multivaria-ten Regressionsanalysen erstrecken in juumlngerer Zeit greift man verstaumlrkt auf Methoden der Fuzzy Logik5 oder probabilistische Ansaumltze6 zuruumlck die es ermoumlglichen das einer archaumlologischen vor-hersagemodellierung implizite unsichere bzw un-scharfe Wissen uumlber menschliche verhaltensweisen mit in die Prognose einzubeziehen ducke u a7 und ejstrud8 stellten in ihren untersuchungen die ergebnisse verschiedener Modellierungsansaumltze ge-genuumlber und konnten die Wirksamkeit probabilisti-scher Methoden nachweisen die durchweg bessere ergebnisse erzielten als die klassischen verfahren Als Maszlig fuumlr die Modellguumlte zogen sie den gain-Fak-
3 ebd
4 ebert 2000
5 Bailey u a 2009
6 canning 2005 ducke u a 2009 ejstrud 2008
7 ducke u a 2009
8 ejstrud 2003
228 S BooS S Hornung H MUumlller
tor9 heran der sich mathematisch folgendermaszligen ausdruumlcken laumlsst
gain factor = 1 - Prozentanteil Verdachtsflaumlche Prozentanteil Fundplaumltze in Verdachtsflaumlche
ein gutes Modellierungsergebnis druumlckt sich durch einen hohen gain-Faktor fuumlr Verdachtsflauml-chen mit groszligem archaumlologischem Potential aus was dieser Formel zufolge gleichbedeutend mit ei-nem hohen Anteil an Fundplaumltzen in einer prozen-tual geringen Verdachtsflaumlche ist
im Folgenden sollen die wichtigsten Methoden die im Zusammenhang mit dem Predictive Model-ling Anwendung finden kurz eroumlrtert werden um schlieszliglich naumlher auf die in dieser Arbeit angewand-te theorie von dempster-Shafer einzugehen
Additive Methoden
Bei diesen verfahren wird fuumlr jeden betrachteten Parameter ein Wertebereich definiert fuumlr den der Zustand Fundstellenanwesenheit gilt oder alterna-tiv ein Wahrscheinlichkeitswert uumlbergeben und die einzelnen Werte durch intersektion zu einem ge-samtergebnis vereinigt eine Abwandlung des ver-fahrens kann durch eine gewichtung der Parame-ter erreicht werden die z B aus dem Flaumlchenanteil eines Einzelfaktors an der Gesamtflaumlche berechnet wird oder aber auch aus einer Beruumlcksichtigung von expertenwissen resultieren kann10
regressionsbasierte verfahren
Diese am haumlufigsten angewendeten Verfahren11 basieren auf einer induktiven logik und ermitteln die raumlumliche Korrelation zwischen verschiedenen unabhaumlngigen variablen (meist umweltparametern) und bekannten Fundstellen woraus unter Anwen-dung statistischer Methoden Wahrscheinlichkeiten fuumlr Fundplatzvorkommen prognostiziert werden
Fuzzylogik und Probabilistische theorien
Methoden aus dem Bereich der Wahrscheinlich-keitstheorie und der Fuzzylogik setzen sich mit dem thema der Wissensrepraumlsentation von unsicherem
9 Kvamme 1988
10 deeben u a 2002
11 Kvamme 1992 Hobbs u a 2002 Muumlnch 2003
oder vagem Wissen auseinander Klassische statisti-sche Ansaumltze vernachlaumlssigen diese einer vorhersa-gemodellierung inhaumlrente Komponente und tragen auf diese Weise zu einer unvollstaumlndigen Modellie-rung des abzubildenden Prozesses bei nicht nur aus diesem grund erweisen sich probabilistische Methoden und Fuzzylogik als sinnvolle Alternative zu den bewaumlhrten verfahren Auch ermoumlglichen sie es erfahrungen und intuitionen archaumlologischer experten hinsichtlich des Wirkungsgrades der ver-schiedenen Einflussfaktoren zu integrieren12
Fuzzylogik wurde urspruumlnglich zur Modellie-rung linguistischer Beschreibungen mit dem Ziel der transformation dieser Ausdruumlcke in mathema-tisch verallgemeinerte charakteristische Funktionen entwickelt grundlage der Fuzzylogik sind die so genannten unscharfen Mengen die im gegensatz zu traditionellen Mengen in denen ein element in einer vorgegebenen grundmenge entweder enthal-ten oder nicht enthalten sein kann elemente auch nur ein wenig enthalten sein koumlnnen13 der grad der Zugehoumlrigkeit wird meist durch eine Zugehouml-rigkeitsfunktion (membership function) micro beschrie-ben die den elementen einer grundmenge eine reelle Zahl zwischen 0 und 1 zuordnet So nutzen Bailey u a14 Fuzzylogik fuumlr die Modellierung von Siedlungspraumlferenzen durch integration von ar-chaumlologischem expertenwissen und von literatur-quellen um somit zu einer einschaumltzung der einen Besiedelungsprozess beeinflussenden Parameter zu gelangen sowie eine landschaft hinsichtlich ihres archaumlologischen Potentials bewerten zu koumlnnen Der Einfluss der einzelnen Parameter wird in Form verbal festgelegter Wahrscheinlichkeiten auf einer Skala von sehr unwahrscheinlich bis sehr wahr-scheinlich bewertet welche daraufhin analog dazu in eine metrisch skalierte Klassifikation der Para-meter transformiert wird
im gegensatz zu klassischen statistischen ver-fahren versuchen probabilistische Ansaumltze Schluss-folgerungen die sich vielfach nicht mittels strikt deterministischer gesetze ziehen lassen anhand von Wahrscheinlichkeiten zu generieren es ist be-kannt welche ereignisse (Aussagen) eintreten koumln-nen Welches der ereignisse letztlich dann aber ein-tritt ist unsicher was sich als Wahrscheinlichkeit des eintretens in Form eines numerischen Wertes
12 Bailey u a 2009 ducke u a 2009
13 Zadeh 1965
14 Bailey u a 2009
Predictive Modelling 229
ausdruumlcken laumlsst der uumlblicherweise zwischen 0 und 1 liegt Mit diesem Wert wird festgelegt wie wahr-scheinlich (nahe dem Wert 1) oder unwahrschein-lich (nahe dem Wert 0) eine Aussage ist
ein sehr verbreiteter Ansatz unter den probabi-listischen Methoden ist das Bayes-theorem15 wel-ches die repraumlsentation von unsicherheit durch das einbeziehen von bedingten und unbedingten Wahrscheinlichkeiten abbildet Wahrscheinlichkeit wird bei diesem Ansatz also unter der vorausset-zung des eintretens eines bedingenden anderen ereignisses betrachtet und durch die einbeziehung zusaumltzlicher quantitativer Daten modifiziert Diese regelhaftigkeit ist fuumlr beliebig viele Aussagen er-weiterbar und laumlsst somit eine Wahrscheinlichkeits-verteilung fuumlr eine Menge von Aussagen erzeugen
Als eine Weiterentwicklung des Bayes-theo-rems ist die theorie von dempster-Shafer anzu-sehen die anstelle von Wahrscheinlichkeiten mit glaubensmaszligen oder evidenzen arbeitet um auf diese Weise unsicherheit zu modellieren
die dempster-Shafer-theorie
die dempster-Shafer-theorie16 beschaumlftigt sich mit dem unterschied zwischen unsicherheit und unwissen es wird nicht die Wahrscheinlichkeit einer Aussage berechnet sondern die Wahrschein-lichkeit mit der bestimmte informationsteile (evi-denzen oder glaubensmaszlige) eine Aussage stuumltzt dies wird durch so genannte Belief-Funktionen ausgedruumlckt geschrieben Bel(X)
vereinfacht ausgedruumlckt handelt es sich bei der theorie um eine Aggregationsvorschrift in welche im Zuge von Entscheidungsfindungsprozessen mit unterschiedlichem bdquogewichtldquo (vertrauen Zustim-mung zu einer Hypothese = degree of belief) einge-hen koumlnnen um bestimmte Hypothesen zu unter-stuumltzen bzw auszuschlieszligen die Kernaussage der dempster-Shafer-theorie besagt dass jede Wis-sensdomaumlne unwissen impliziert und dass daher als das Komplement einer Hypothese nicht auto-matisch deren negation zuzusprechen ist sondern vielmehr dem Faktor unwissen zufaumlllt Mathema-tisch ausgedruumlckt laumlsst sich eine Modellierung nach dempster-Shafer folgendermaszligen darstellen
15 verhagen 2007
16 dempster 1968 Shafer 1976
das Modell setzt sich aus einer Menge von Hypo-bull thesen H = h1n zusammen welche alle moumlgli-chen und sich gegenseitig ausschlieszligenden Aus-praumlgungen dieser Hypothesen beinhaltet diese Menge wird als Frame of Discernment (Ω) bezeichnet
Jede Hypothese laumlsst sich als eine teilmenge bull von Ω darstellen Ein Basismaszlig m(A) (auch Ba-sic Probability Assignment rarr BPA) repraumlsen-tiert das Maszlig an glauben das man exakt der Menge (bzw dieser Hypothese) zuweist die-ses genuumlgt den folgenden beiden Bedingungen
(1)
(2)
der glaube Bel(A) an eine einzelne Hypothese bull laumlsst sich als die Summe aller teilmengen m(B) die diese Hypothese unterstuumltzen ausdruumlcken
(3)
Als ein weiteres wichtiges Maszlig repraumlsentiert bull Plausibilitaumlt (Pl) den grad mit dem eine Hypo-these nicht zuruumlckgewiesen werden kann (also genau der glauben der nicht gegen diese Hy-pothese spricht) und beinhaltet somit jeglichen glauben an Mengen die mit dieser Hypothese konsistent sind
(4)
die differenz aus Belief und Plausibility ist eine bull weitere wichtige groumlszlige des dempster-Shafer-Formalismus und wird als Beliefintervall bezeich-net Das Beliefintervall repraumlsentiert somit den Bereich in dem das groumlszligte unwissen herrscht
die einzelnen glaubensmaszlige lassen sich mit bull Hilfe der dempsterrsquos rule of combination durch paarweise verknuumlpfung kombinieren und auf diese Weise sukzessive zu einem gesamt-Belief aggregieren
(5)
Wenn dann gilt
(6)
0 = (Oslash) m
( ) ( ) ( )( ) ( )YmXm
YmXm=Zm
21
21
1 lowastminus
lowast
sumsum ( )
( ) Φ=YXwennZ=YXwenn
capcap
( ) ( ) Φ=YfuumlrX=YmXm caplowastsum 021
( ) ( ) ( ) Z=YXfuumlrYmXm=Zm 21 )( caplowastsum
sumcap AB
m(B)Bel(A)
sum
cap ΩAm(A) 1
sum0Am(B)Pl(A)
Bcap ne
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
228 S BooS S Hornung H MUumlller
tor9 heran der sich mathematisch folgendermaszligen ausdruumlcken laumlsst
gain factor = 1 - Prozentanteil Verdachtsflaumlche Prozentanteil Fundplaumltze in Verdachtsflaumlche
ein gutes Modellierungsergebnis druumlckt sich durch einen hohen gain-Faktor fuumlr Verdachtsflauml-chen mit groszligem archaumlologischem Potential aus was dieser Formel zufolge gleichbedeutend mit ei-nem hohen Anteil an Fundplaumltzen in einer prozen-tual geringen Verdachtsflaumlche ist
im Folgenden sollen die wichtigsten Methoden die im Zusammenhang mit dem Predictive Model-ling Anwendung finden kurz eroumlrtert werden um schlieszliglich naumlher auf die in dieser Arbeit angewand-te theorie von dempster-Shafer einzugehen
Additive Methoden
Bei diesen verfahren wird fuumlr jeden betrachteten Parameter ein Wertebereich definiert fuumlr den der Zustand Fundstellenanwesenheit gilt oder alterna-tiv ein Wahrscheinlichkeitswert uumlbergeben und die einzelnen Werte durch intersektion zu einem ge-samtergebnis vereinigt eine Abwandlung des ver-fahrens kann durch eine gewichtung der Parame-ter erreicht werden die z B aus dem Flaumlchenanteil eines Einzelfaktors an der Gesamtflaumlche berechnet wird oder aber auch aus einer Beruumlcksichtigung von expertenwissen resultieren kann10
regressionsbasierte verfahren
Diese am haumlufigsten angewendeten Verfahren11 basieren auf einer induktiven logik und ermitteln die raumlumliche Korrelation zwischen verschiedenen unabhaumlngigen variablen (meist umweltparametern) und bekannten Fundstellen woraus unter Anwen-dung statistischer Methoden Wahrscheinlichkeiten fuumlr Fundplatzvorkommen prognostiziert werden
Fuzzylogik und Probabilistische theorien
Methoden aus dem Bereich der Wahrscheinlich-keitstheorie und der Fuzzylogik setzen sich mit dem thema der Wissensrepraumlsentation von unsicherem
9 Kvamme 1988
10 deeben u a 2002
11 Kvamme 1992 Hobbs u a 2002 Muumlnch 2003
oder vagem Wissen auseinander Klassische statisti-sche Ansaumltze vernachlaumlssigen diese einer vorhersa-gemodellierung inhaumlrente Komponente und tragen auf diese Weise zu einer unvollstaumlndigen Modellie-rung des abzubildenden Prozesses bei nicht nur aus diesem grund erweisen sich probabilistische Methoden und Fuzzylogik als sinnvolle Alternative zu den bewaumlhrten verfahren Auch ermoumlglichen sie es erfahrungen und intuitionen archaumlologischer experten hinsichtlich des Wirkungsgrades der ver-schiedenen Einflussfaktoren zu integrieren12
Fuzzylogik wurde urspruumlnglich zur Modellie-rung linguistischer Beschreibungen mit dem Ziel der transformation dieser Ausdruumlcke in mathema-tisch verallgemeinerte charakteristische Funktionen entwickelt grundlage der Fuzzylogik sind die so genannten unscharfen Mengen die im gegensatz zu traditionellen Mengen in denen ein element in einer vorgegebenen grundmenge entweder enthal-ten oder nicht enthalten sein kann elemente auch nur ein wenig enthalten sein koumlnnen13 der grad der Zugehoumlrigkeit wird meist durch eine Zugehouml-rigkeitsfunktion (membership function) micro beschrie-ben die den elementen einer grundmenge eine reelle Zahl zwischen 0 und 1 zuordnet So nutzen Bailey u a14 Fuzzylogik fuumlr die Modellierung von Siedlungspraumlferenzen durch integration von ar-chaumlologischem expertenwissen und von literatur-quellen um somit zu einer einschaumltzung der einen Besiedelungsprozess beeinflussenden Parameter zu gelangen sowie eine landschaft hinsichtlich ihres archaumlologischen Potentials bewerten zu koumlnnen Der Einfluss der einzelnen Parameter wird in Form verbal festgelegter Wahrscheinlichkeiten auf einer Skala von sehr unwahrscheinlich bis sehr wahr-scheinlich bewertet welche daraufhin analog dazu in eine metrisch skalierte Klassifikation der Para-meter transformiert wird
im gegensatz zu klassischen statistischen ver-fahren versuchen probabilistische Ansaumltze Schluss-folgerungen die sich vielfach nicht mittels strikt deterministischer gesetze ziehen lassen anhand von Wahrscheinlichkeiten zu generieren es ist be-kannt welche ereignisse (Aussagen) eintreten koumln-nen Welches der ereignisse letztlich dann aber ein-tritt ist unsicher was sich als Wahrscheinlichkeit des eintretens in Form eines numerischen Wertes
12 Bailey u a 2009 ducke u a 2009
13 Zadeh 1965
14 Bailey u a 2009
Predictive Modelling 229
ausdruumlcken laumlsst der uumlblicherweise zwischen 0 und 1 liegt Mit diesem Wert wird festgelegt wie wahr-scheinlich (nahe dem Wert 1) oder unwahrschein-lich (nahe dem Wert 0) eine Aussage ist
ein sehr verbreiteter Ansatz unter den probabi-listischen Methoden ist das Bayes-theorem15 wel-ches die repraumlsentation von unsicherheit durch das einbeziehen von bedingten und unbedingten Wahrscheinlichkeiten abbildet Wahrscheinlichkeit wird bei diesem Ansatz also unter der vorausset-zung des eintretens eines bedingenden anderen ereignisses betrachtet und durch die einbeziehung zusaumltzlicher quantitativer Daten modifiziert Diese regelhaftigkeit ist fuumlr beliebig viele Aussagen er-weiterbar und laumlsst somit eine Wahrscheinlichkeits-verteilung fuumlr eine Menge von Aussagen erzeugen
Als eine Weiterentwicklung des Bayes-theo-rems ist die theorie von dempster-Shafer anzu-sehen die anstelle von Wahrscheinlichkeiten mit glaubensmaszligen oder evidenzen arbeitet um auf diese Weise unsicherheit zu modellieren
die dempster-Shafer-theorie
die dempster-Shafer-theorie16 beschaumlftigt sich mit dem unterschied zwischen unsicherheit und unwissen es wird nicht die Wahrscheinlichkeit einer Aussage berechnet sondern die Wahrschein-lichkeit mit der bestimmte informationsteile (evi-denzen oder glaubensmaszlige) eine Aussage stuumltzt dies wird durch so genannte Belief-Funktionen ausgedruumlckt geschrieben Bel(X)
vereinfacht ausgedruumlckt handelt es sich bei der theorie um eine Aggregationsvorschrift in welche im Zuge von Entscheidungsfindungsprozessen mit unterschiedlichem bdquogewichtldquo (vertrauen Zustim-mung zu einer Hypothese = degree of belief) einge-hen koumlnnen um bestimmte Hypothesen zu unter-stuumltzen bzw auszuschlieszligen die Kernaussage der dempster-Shafer-theorie besagt dass jede Wis-sensdomaumlne unwissen impliziert und dass daher als das Komplement einer Hypothese nicht auto-matisch deren negation zuzusprechen ist sondern vielmehr dem Faktor unwissen zufaumlllt Mathema-tisch ausgedruumlckt laumlsst sich eine Modellierung nach dempster-Shafer folgendermaszligen darstellen
15 verhagen 2007
16 dempster 1968 Shafer 1976
das Modell setzt sich aus einer Menge von Hypo-bull thesen H = h1n zusammen welche alle moumlgli-chen und sich gegenseitig ausschlieszligenden Aus-praumlgungen dieser Hypothesen beinhaltet diese Menge wird als Frame of Discernment (Ω) bezeichnet
Jede Hypothese laumlsst sich als eine teilmenge bull von Ω darstellen Ein Basismaszlig m(A) (auch Ba-sic Probability Assignment rarr BPA) repraumlsen-tiert das Maszlig an glauben das man exakt der Menge (bzw dieser Hypothese) zuweist die-ses genuumlgt den folgenden beiden Bedingungen
(1)
(2)
der glaube Bel(A) an eine einzelne Hypothese bull laumlsst sich als die Summe aller teilmengen m(B) die diese Hypothese unterstuumltzen ausdruumlcken
(3)
Als ein weiteres wichtiges Maszlig repraumlsentiert bull Plausibilitaumlt (Pl) den grad mit dem eine Hypo-these nicht zuruumlckgewiesen werden kann (also genau der glauben der nicht gegen diese Hy-pothese spricht) und beinhaltet somit jeglichen glauben an Mengen die mit dieser Hypothese konsistent sind
(4)
die differenz aus Belief und Plausibility ist eine bull weitere wichtige groumlszlige des dempster-Shafer-Formalismus und wird als Beliefintervall bezeich-net Das Beliefintervall repraumlsentiert somit den Bereich in dem das groumlszligte unwissen herrscht
die einzelnen glaubensmaszlige lassen sich mit bull Hilfe der dempsterrsquos rule of combination durch paarweise verknuumlpfung kombinieren und auf diese Weise sukzessive zu einem gesamt-Belief aggregieren
(5)
Wenn dann gilt
(6)
0 = (Oslash) m
( ) ( ) ( )( ) ( )YmXm
YmXm=Zm
21
21
1 lowastminus
lowast
sumsum ( )
( ) Φ=YXwennZ=YXwenn
capcap
( ) ( ) Φ=YfuumlrX=YmXm caplowastsum 021
( ) ( ) ( ) Z=YXfuumlrYmXm=Zm 21 )( caplowastsum
sumcap AB
m(B)Bel(A)
sum
cap ΩAm(A) 1
sum0Am(B)Pl(A)
Bcap ne
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 229
ausdruumlcken laumlsst der uumlblicherweise zwischen 0 und 1 liegt Mit diesem Wert wird festgelegt wie wahr-scheinlich (nahe dem Wert 1) oder unwahrschein-lich (nahe dem Wert 0) eine Aussage ist
ein sehr verbreiteter Ansatz unter den probabi-listischen Methoden ist das Bayes-theorem15 wel-ches die repraumlsentation von unsicherheit durch das einbeziehen von bedingten und unbedingten Wahrscheinlichkeiten abbildet Wahrscheinlichkeit wird bei diesem Ansatz also unter der vorausset-zung des eintretens eines bedingenden anderen ereignisses betrachtet und durch die einbeziehung zusaumltzlicher quantitativer Daten modifiziert Diese regelhaftigkeit ist fuumlr beliebig viele Aussagen er-weiterbar und laumlsst somit eine Wahrscheinlichkeits-verteilung fuumlr eine Menge von Aussagen erzeugen
Als eine Weiterentwicklung des Bayes-theo-rems ist die theorie von dempster-Shafer anzu-sehen die anstelle von Wahrscheinlichkeiten mit glaubensmaszligen oder evidenzen arbeitet um auf diese Weise unsicherheit zu modellieren
die dempster-Shafer-theorie
die dempster-Shafer-theorie16 beschaumlftigt sich mit dem unterschied zwischen unsicherheit und unwissen es wird nicht die Wahrscheinlichkeit einer Aussage berechnet sondern die Wahrschein-lichkeit mit der bestimmte informationsteile (evi-denzen oder glaubensmaszlige) eine Aussage stuumltzt dies wird durch so genannte Belief-Funktionen ausgedruumlckt geschrieben Bel(X)
vereinfacht ausgedruumlckt handelt es sich bei der theorie um eine Aggregationsvorschrift in welche im Zuge von Entscheidungsfindungsprozessen mit unterschiedlichem bdquogewichtldquo (vertrauen Zustim-mung zu einer Hypothese = degree of belief) einge-hen koumlnnen um bestimmte Hypothesen zu unter-stuumltzen bzw auszuschlieszligen die Kernaussage der dempster-Shafer-theorie besagt dass jede Wis-sensdomaumlne unwissen impliziert und dass daher als das Komplement einer Hypothese nicht auto-matisch deren negation zuzusprechen ist sondern vielmehr dem Faktor unwissen zufaumlllt Mathema-tisch ausgedruumlckt laumlsst sich eine Modellierung nach dempster-Shafer folgendermaszligen darstellen
15 verhagen 2007
16 dempster 1968 Shafer 1976
das Modell setzt sich aus einer Menge von Hypo-bull thesen H = h1n zusammen welche alle moumlgli-chen und sich gegenseitig ausschlieszligenden Aus-praumlgungen dieser Hypothesen beinhaltet diese Menge wird als Frame of Discernment (Ω) bezeichnet
Jede Hypothese laumlsst sich als eine teilmenge bull von Ω darstellen Ein Basismaszlig m(A) (auch Ba-sic Probability Assignment rarr BPA) repraumlsen-tiert das Maszlig an glauben das man exakt der Menge (bzw dieser Hypothese) zuweist die-ses genuumlgt den folgenden beiden Bedingungen
(1)
(2)
der glaube Bel(A) an eine einzelne Hypothese bull laumlsst sich als die Summe aller teilmengen m(B) die diese Hypothese unterstuumltzen ausdruumlcken
(3)
Als ein weiteres wichtiges Maszlig repraumlsentiert bull Plausibilitaumlt (Pl) den grad mit dem eine Hypo-these nicht zuruumlckgewiesen werden kann (also genau der glauben der nicht gegen diese Hy-pothese spricht) und beinhaltet somit jeglichen glauben an Mengen die mit dieser Hypothese konsistent sind
(4)
die differenz aus Belief und Plausibility ist eine bull weitere wichtige groumlszlige des dempster-Shafer-Formalismus und wird als Beliefintervall bezeich-net Das Beliefintervall repraumlsentiert somit den Bereich in dem das groumlszligte unwissen herrscht
die einzelnen glaubensmaszlige lassen sich mit bull Hilfe der dempsterrsquos rule of combination durch paarweise verknuumlpfung kombinieren und auf diese Weise sukzessive zu einem gesamt-Belief aggregieren
(5)
Wenn dann gilt
(6)
0 = (Oslash) m
( ) ( ) ( )( ) ( )YmXm
YmXm=Zm
21
21
1 lowastminus
lowast
sumsum ( )
( ) Φ=YXwennZ=YXwenn
capcap
( ) ( ) Φ=YfuumlrX=YmXm caplowastsum 021
( ) ( ) ( ) Z=YXfuumlrYmXm=Zm 21 )( caplowastsum
sumcap AB
m(B)Bel(A)
sum
cap ΩAm(A) 1
sum0Am(B)Pl(A)
Bcap ne
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
230 S BooS S Hornung H MUumlller
die Staumlrke des Ansatzes von dempster-Shafer im Zusammenhang mit Predictive Modelling ist dass dieser im gegensatz zu den angesprochenen induktiven Methoden den Zustand der unvollstaumln-digkeit des Fundaufkommens eines untersuchungs-raumes mit in die Modellierung einbezieht indukti-ve Methoden unterteilen den raum in Bereiche mit und ohne archaumlologischen Befund was impliziert dass alle Funde und alle informationen uumlber den raum bekannt sind diese Annahme entspricht selten der realitaumlt die theorie von dempster-Shafer definiert nun neben den beiden Hypothesen Fundplatzanwesenheit und Fundplatzabwese-heit eine dritte Hypothese mit deren Hilfe sich dieser Zustand der unkenntnis oder unwissenheit modellieren laumlsst Zur unterstuumltzung der einzelnen Hypothesen werden Variablen definiert mit deren Hilfe sich die Wirkung auf den Befund ausdruumlcken laumlsst Mit Hilfe der zuvor angesprochenen groumlszlige bdquoBeliefldquo laumlsst sich all der glauben vereinen der fuumlr eine der einzelnen Hypothesen spricht oder aber auch der Bereich in dem eine Hypothese nicht ab-gelehnt werden kann (Plausibilitaumlt) beziffern
Modellierung nAcH deMPSter-SHAFer
eingangsdaten
die Prozessierung der daten aus dem zuvor ge-waumlhlten Arbeitsgebiet und die Modellierung nach dem Konzept von dempster-Shafer wurden in ei-nem geographischen informationssystem (giS) durchgefuumlhrt Als wesentliche datengrundlage fuumlr die ermittlung der meisten Standortfaktoren diente ein aus amtlichen Airborne-laserscanning-daten generiertes digitales gelaumlndemodell (dgM) in einer Aufloumlsung von 50 cm Da anzunehmen ist dass feinskaliertere Prozesse geringen Einfluss auf die historische Besiedlung gehabt haben duumlrften wurde das dgM auf eine rasterweite von 10 m umgerechnet eine Auswertung von ortsakten der zustaumlndigen Denkmalpflege sowie weiterer Fund-berichte und literaturquellen diente als grundlage fuumlr die erstellung einer Fundstellendatenbank in diese wurden alle in die roumlmerzeit und eisenzeit datierbaren Fundstellen des untersuchungsraumes aufgenommen die lagekriterien dieser Fundstel-len dienten zum Teil als Basis fuumlr die Quantifi-zierung der glaubensmaszlige wurden aber auch als referenz fuumlr die abschlieszligende Modellvalidierung herangezogen
Bei der Auswertung der Quellen galt es die bis in das 19 Jahrhundert zuruumlckreichenden Fundbe-richte mit ihren stellenweise sehr vagen Angaben uumlber die lage einer Fundstelle im Sinne einer Maxi-mierung der Positionsgenauigkeit mit verschieden maszligstaumlbigen topographischen Karten und dem dgM abzugleichen insbesondere bei den meist eisenzeitlichen aber auch roumlmischen Huumlgelgraumlbern der region die sich im dgM als deutlich abgegrenz-te meist kreisrunde Strukturen abzeichnen konnte mit Hilfe dieses vorgehens stellenweise eine gegen-uumlber den vorliegenden Positionsangaben deutlich praumlzisere lokalisierung der Fundstellen erfolgen daruumlber hinaus lieszlig sich sogar der archaumlologische Kenntnisstand durch Ansprache bisher undoku-mentierter graumlber im gesamtkomplex bekannter graumlberfelder zusaumltzlich erweitern insgesamt konn-ten durch die Auswertung aller zur verfuumlgung ste-henden Quellen im Bereich des Untersuchungsge-biets bei Hermeskeil 14 roumlmische Siedlungsfunde sowie 61 graumlberfunde vor- und fruumlhgeschichtlicher Zeitstellung erfasst werden (Abb 1)
ergaumlnzt wurde die datenbank durch weitere roumlmische Siedlungsfunde im groszligraum des un-tersuchungsgebietes da im umfeld des Hunnen-ringes nur sehr wenige noch dazu eher unsichere eisenzeitliche Siedlungsfunde bekannt sind wurde mit dem Ziel eines vergleiches von eisenzeitlichen und roumlmerzeitlichen Standortfaktoren die daten-bank daruumlber hinaus um weitere sicher belegte Siedlungsfunde des Hunsruumlck-eifel-raumes ange-reichert um eine moumlglichst gute vergleichbarkeit der landschaftlichen wie kulturellen gegebenhei-ten zu gewaumlhrleisten Bei den zusaumltzlich herange-zogenen gebieten mit eisenzeitlichen Fundstellen handelt es sich um das recht gut erforschte umfeld des Kultplatzes goloring (85 km nordwestlich des bdquoHunnenringsldquo) sowie die region um die spaumlthall-statt- und fruumlhlategravenezeitliche Siedlung Wierschem beide lkr Mayen-Koblenz (70 km nordwestlich des bdquoHunnenringsldquo)
Modellannahmen und Modellbildung
da die Funktion befestigter Siedlungen der ei-senzeit nicht vollstaumlndig geklaumlrt ist und individuell bzw den unterschiedlichen Stadien gesellschaftli-cher entwicklung entsprechend zu variieren scheint laumlsst sich ihr raumlumliches vorkommen schwer prog-nostizieren daher beschraumlnkt sich die in der Folge vorgestellte Modellierung auf offene gehoumlfte und
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 231
Weiler die sich gleichzeitig als produzierende also unmittelbar umweltabhaumlngige Siedlungen anspre-chen lassen17 des Weiteren erscheint es sinnvoll die Modellierung im Sinne einer diachronen Be-trachtung durchzufuumlhren da eine statistische Ana-lyse verschiedener Standortfaktoren eisenzeitlicher und roumlmerzeitlicher Fundstellen aufzeigen konnte dass es bezuumlglich der relevanten lagekriterien bes-tenfalls geringe unterschiede gibt dieser Aspekt soll in Kapitel 34 naumlher betrachtet werden
viele archaumlologische Praumldiktionsmodelle be-schraumlnken sich auf die Abbildung naturraumlumlicher Faktoren als Einflussgroumlszligen eines Besiedlungspro-zesses diese reduktion auf einen reinen natur-determinismus erscheint insofern problematisch als die Standortsuche vergangener gesellschaften durch ein Zusammenspiel naturraumlumlicher Fakto-ren und sozio-kultureller Einfluumlsse gepraumlgt worden sein duumlrfte Bei der Bewertung dieser meist induk-tiven Modelle schlaumlgt sich dieser umstand daher in einer vergleichsweise schlechten Performanz nieder18 Aus diesem grund schien es erfolgver-sprechender in dieser Arbeit neben der Analyse des naturraums auch archaumlologisches Fachwissen hinsichtlich menschlicher verhaltensweisen in die Betrachtungen einzubeziehen
17 Hornung 2008 213-217
18 verhagen 2007
die Modellierung nach der theorie von dempster-Shafer setzt einen vollstaumlndigen Hypo-thesenraum voraus demzufolge muumlssen also alle ein Problem beschreibenden Hypothesen bekannt sein Fuumlr die Beurteilung des untersuchungsraumes hinsichtlich seines archaumlologischen Potentials ist diese voraussetzung erfuumlllt Abb 2 zeigt die Men-ge der zu pruumlfenden Hypothesen welche sich aus den Hypothesen Fundplatzanwesenheit Fund-platzabwesenheit sowie der Hypothese Fund-platzanwesenheit oder Fundplatzabwesenheit zu-sammensetzt wobei letztere Aussage den Faktor unsicherheit hinsichtlich einer Fundstellenpraumlsenz repraumlsentiert
Weiterhin zeigt die Abbildung alle im Modell verwendeten variablen welche die eine oder an-dere Hypothese unterstuumltzen die Zuweisung der Variablen zu den Hypothesen und die Quantifi-zierung der glaubensmaszlige (BPArsquos) beruhen auf subjektiven einschaumltzungen vor dem Hintergrund statistischer Auswertungen der lageparameter von bekannten Fundstellen
Fuumlr die Modellimplementierung und alle not-wendigen giS-Analysen wurden mit dem Ziel ei-ner Automatisierung aller Prozesse in der Software eSri ArcgiS 93 mit Hilfe des integrierten Mo-delbuilder einer grafisch-interaktiven Benutzer-oberflaumlche zur Verkettung von Geoverarbeitungs-Funktionalitaumlten die einzelnen Arbeitsschritte mit-
HangneigungDistanz zu Fluumlssen
GeologieDistanz zu WegenDistanz zu GraumlbernHangneigung
Fundplatzanwesenheit Fundplatzabwesenheit
FundplatzabwesenheitFundplatzanwesenheit BPAs
Frame of Discernment
Abb 2 Der Frame of Discernment mit den einzelnen Hypothesen und ihre unterstuumltzenden Variablen
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
232 S BooS S Hornung H MUumlller
einander verknuumlpft dieses vorgehen ermoumlglicht neben der angesprochenen Automatisierung hin-tereinander geschalteter Arbeitsschritte auch eine maximale Flexibilitaumlt bei der Parametrisierung der Hypothesen im Zusammenhang moumlglicher Anpas-sungen der eingangsgroumlszligen
Modellimplementierung im giS
im Folgenden werden die fuumlr die Modellierung verwendeten Standortfaktoren deren Einfluss auf die Standortwahl der roumlmerzeitlichen und eisenzeit-lichen Bevoumllkerung sowie auch das vorgehen bei der ermittlung der glaubensmaszlige im einzelnen eroumlrtert
Hangneigung
Fuumlr die Quantifizierung des Glaubensmaszliges des Standortfaktors Hangneigung wurde zunaumlchst eine statistische Analyse aller erfassten roumlmerzeitlichen und eisenzeitlichen Siedlungsfunde des Arbeitsge-bietes wie auch der als vergleich gewaumlhlten regio-nen durchgefuumlhrt19
Tabelle 1 zeigt differenziert nach Zeitstellung die verteilung der Siedlungsfunde auf einzelne zuvor definierte Hangneigungsstufen sowie den Anteil an Siedlungen am Flaumlchenanteil der jeweiligen Stufe es wird deutlich dass sowohl die eisenzeitliche als auch die roumlmerzeitliche Bevoumllkerung schwach ge-neigte Standorte auf Hangneigungsstufen zwischen 2deg und 6deg als bevorzugte Siedlungslage gewaumlhlt hat Standorte zwischen 6-10deg Hangneigung waren da-gegen weniger beliebt Siedlungen auf Hangneigun-gen gt 10deg stellten schlieszliglich eher eine Ausnahme dar Auffaumlllig ist ein deutlicher unterschied der eisenzeitlichen und roumlmerzeitlichen Fundstellen-anteile auf die Hangneigungsstufe 0-2deg Waumlhrend fuumlr die eisenzeit diese Hangneigungsstufe als Prauml-ferenzstandort einzustufen ist wurde sie von der roumlmerzeitlichen Bevoumllkerung anscheinend gemie-den die ursache dieser differierenden verhaltens-weisen muss allerdings moumlglicherweise in den pe-dologischen Besonderheiten der unterschiedlichen untersuchungsraumlume gesucht werden Fuumlr das un-
19 im Statistik-Programm r wurde zunaumlchst mittels eines chi-Quadrat-Homogenitaumltstestes uumlberpruumlft ob sich die Flaumlchenanteile der zugrunde gelegten Hangneigungsstufen in den verschiedenen Untersuchungsgebieten signifikant unterscheiden Da kein signifikanter unterschied feststellbar ist sind die beiden gebiete und die verteilung der Siedlungsfunde auf die Hangneigungsstufen miteinander vergleichbar
tersuchungsgebiet bei Hermeskeil ist die Meidung ebener bis sehr schwach geneigter Flaumlchen durch die ausgepraumlgt staunassen Boumlden des raumes gut erklaumlrbar entsprechende bodenkundliche infor-mationen liegen jedoch fuumlr die untersuchten eisen-zeitlichen Siedlungsstandorte nicht vor so dass er-klaumlrungsansaumltze fuumlr eine Praumlferenz dieser Hangnei-gungsstufe spekulativer natur bleiben muumlssen das gegebene Staunaumlsse-risiko im gebiet bei Hermes-keil sollte aber die entscheidung der Standortwahl der eisenzeitlichen Bevoumllkerung in gleicher Weise wie die der roumlmerzeitlichen Siedler beeinflusst ha-ben Aus diesem grund und auch weil sich bei den anderen Hangneigungsstufen keine gravierenden unterschiede im verhaumlltnis Siedlungsanteil Flauml-chenanteil zeigen wurde bei der Quantifizierung der glaubensmaszlige dieses Faktors kein unterschied zwischen den beiden Zeitstellungen gemacht
Aus den zuvor angesprochenen Zusammen-haumlngen lassen sich die nun folgenden Schluumlsse zie-hen und in Form von glaubensmaszligen nach dem dempster-Shafer-Formalismus umsetzen Als be-vorzugte Siedlungsstandorte wurden sowohl zur roumlmerzeit als auch zur eisenzeit schwach geneigte Standorte auf Hangneigungen zwischen 2-10deg ge-waumlhlt diese lokalitaumlten sind deshalb der Hypothe-se Fundplatzanwesenheit zuzuschlagen Mit zu-nehmender Hangneigung nimmt in diesem Werte-bereich der Anteil an Siedlungen pro Flaumlchenanteil ab um die abnehmende Siedlungsgunst mit zuneh-mender Hangneigung zu quantifizieren erfolgte die Berechnung der glaubensmaszlige uumlber eine monoton abfallende sigmoidale Fuzzy-Zugehoumlrigkeitsfunkti-on Standorte mit Hangneigungen im Wertebereich 0-2deg und ab einer Hangneigung gt 10deg sprechen fuumlr die Hypothese Fundplatzabwesenheit die Quantifizierung der Glaubensmaszlige der Rasterzel-len dieser Wertebereiche wurde ebenfalls mit Hilfe von Fuzzy-Zugehoumlrigkeitsfunktionen modelliert
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 233
landschaftsform
es laumlsst sich annehmen dass sich bei einem Besiedlungsprozess bestimmte topographische la-gen als gunststandorte fuumlr eine Besiedelung ange-boten haben um dies zu uumlberpruumlfen wurde eine Klassifikation der Landschaft in charakteristische landschaftsformen vorgenommen dies erfolgte auf Basis eines Konzeptes von Weiss20 der einen rasterbasierten Algorithmus zur typisierung der landschaft entwickelt hat dabei werden zellba-sierte Houmlhendifferenzen auf zwei unterschiedlichen Maszligstaumlben ermittelt was eine grobe einteilung der topographie in tallagen Houmlhenruumlcken und ebe-nen ermoumlglicht unter Hinzunahme eines Hang-neigungs-rasters lassen sich durch Kombination der beiden unterschiedlich maszligstaumlblichen raster 10 verschiedene Klassen von landschaftsformen her-ausbilden (Abb 3)
Im Untersuchungsgebiet finden sich fuumlnf Klas-sen dieses Klassifikationsschemas wieder (Abb4) Der flaumlchenmaumlszligig sehr geringe Anteil der Klasse bdquoLokaler Bergruumlcken innerhalb Hochflaumlcheldquo wurde dabei fuumlr eine statistische Analyse (tab 2) dieses la-gekriteriums der Klasse bdquoHochflaumlcheldquo zugeschlagen das ergebnis der Analyse zeigt eine tendenz der roumlmerzeitlichen Bevoumllkerung zur Anlage von Sied-lungen auf Hochflaumlchen auf sowie eine Praumlferenz
20 Weiss 2001
der eisenzeitlichen Bevoumllkerung fuumlr muldenartige seichte Tallagen Wie sich mittels eines Chi-Quad-rat-Anpassungstestes feststellen laumlsst ist die vertei-lung der Siedlungen auf die einzelnen Klassen fuumlr beide Zeitstellungen nicht signifikant unterschied-lich die variable landschaftsform wird deshalb im rahmen dieser untersuchung nicht weiter fuumlr die Abschaumltzung des Siedlungspotentials beruumlcksich-tigt sollte aber bei einer erweiterung der Fundstel-lendatenbank erneut in Betracht gezogen werden
HAngneigungS-StuFe
FlaumlcHe [KMsup2] FlaumlcHen-Anteil []
Siedlun-gen
Anteil Siedlun-gen []
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)0 - 2 1619 1065 0 000 0002 - 4 3435 2259 11 3667 1624 - 6 3363 2211 10 3333 1516 - 8 2219 1459 4 1333 0918 - 10 1638 1077 3 1000 093gt 10 2936 1930 2 667 035
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)0 - 2 1085 1140 6 1935 1702 - 4 2142 2251 9 2903 1294 - 6 2056 2160 8 2581 1196 - 8 1442 1515 4 1290 0858 - 10 1335 1403 4 1290 092gt 10 1457 1531 0 000 000
Tab 1 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Hangneigungsstufen
LF = 2Lateral midslopesincised drainages
Local valleys in plains
LF = 11mountain tops
High narrow ridges
LF = 1
V-shape river valleysDeep narrow canyons
Small scale tpi300
LT = 9Lateral midslopedrainage divides
Local ridgesin plains
LF = 8
Local ridgehilltops within broad valleys
LF = 6Broad open slopes
(slope gt 0)
LF = 7flat ridge tops
mesa tops
Large scale tpi2000
LF = 3Upland incised
drainagesStream headwaters
LF = 5Broad Flat Areas
(slope = 0)
LF = 4
U-shape valleys
Abb 3 Klassifikationsschema von Landschaftsformen nach Weiss 2001
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
234 S BooS S Hornung H MUumlller
distanz zu Fluumlssen
die Wahl eines Siedlungsplatzes wird wesent-lich vom menschlichen Beduumlrfnis nach gewaumlsser-naumlhe zur Sicherung der Wasserversorgung gepraumlgt gewesen sein diese Annahme spiegelt sich in allen betrachteten untersuchungsgebieten in der Form wieder dass es sowohl zur eisen- als auch zu rouml-merzeit eine Haumlufung von Siedlungsfunden in ei-nem Abstand von 0-700 m zum naumlchstgelegenen gewaumlsser gegeben hat (tab 3) diese Zusammen-haumlnge beziehen sich auf das rezente Flusssystem und koumlnnten moumlglicherweise durch gelaumlndeunter-
suchungen ergaumlnzt werden die das Ziel haben die datenbasis um ausgetrocknete Bachtaumller zu erwei-tern
im untersuchungsgebiet bei Hermeskeil muss fuumlr eine Beurteilung des Faktors gewaumlssernaumlhe zu-saumltzlich in Betracht gezogen werden dass der un-tersuchungsraum ein sehr dichtes netz von meist sehr kleinen Bachlaumlufen aufweist die maximale distanz zum naumlchstgelegenen gewaumlsser betraumlgt im gesamten untersuchungsgebiet nur etwa 700 m trotz dieser methodischen Beschraumlnkung wurde fuumlr die Modellierung dieses Faktors angenommen dass aus rein pragmatischen gruumlnden Standorte
Abb 4 Landschaftsformen des Untersuchungsgebietes (Grafik S Boos)
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 235
mit geringeren distanzen zum naumlchsten gewaumlsser bevorzugt worden sind um den oumlrtlichen gege-benheiten der bewegten topographie des unter-suchungsraumes rechnung zu tragen wurde fuumlr die Quantifizierung dieses Faktors statt der euklidi-schen distanz zu den gewaumlsserlaumlufen eine Berech-nung der distanz in gehminuten vorgenommen
Zu diesem Zweck wurde im giS eine sog An-isotropische cost-distance-Berechnung durchge-fuumlhrt bei der nach einer Funktion von tobler21 die Hangneigung und die Hangneigungsrichtung (Be-wegung bergauf oder bergab) als eine die laufge-schwindigkeit beeinflussende Groumlszlige beruumlcksichtigt wurde
die angenommene abnehmende Wahrschein-lichkeit des Antreffens einer Siedlungsfundstelle mit zunehmender distanz zu einem Fluss wurde mathematisch mit Hilfe einer monoton abfallenden sigmoidalen Fuzzy-Zugehoumlrigkeitsfunktion model-liert Zudem wurde durch Zuweisung eines glau-bensmaszliges von 01 fuumlr distanzen lt 05 Minuten ein anzunehmendes Uumlberschwemmungsrisiko fuumlr
21 Tobler 1993
dieses distanzbereich mit in die Modellierung in-tegriert da sich die Modellierung auf das rezente Flusssystem bezieht und moumlgliche ausgetrockne-te Flussbetten oder alte Quellen unberuumlcksichtigt laumlsst wurde diesem unsicherheitsfaktor bei der Quantifizierung der Glaubensmaszlige mittels Mul-tiplikation mit einem gewichtungsfaktor von 09 Ausdruck verliehen
HoumlHenStuFe Zellen Anteil HoumlHenStuFe
Zellen
Siedlungen Anteil Siedlungen
SiedlFlaumlcHe
429 - 461 3569 075 0 0 0461 - 494 35961 757 1 714 094494 - 526 141937 2988 4 2857 095526 ndash 558 176511 3716 6 4286 115558 - 591 92901 1955 1 714 036591 ndash 623 24105 507 2 1428 281
lAndScHAFtS-ForM
FlaumlcHe [KMsup2] FlaumlcHenAnteil []
Siedlungen Anteil Siedlungen
[]
SiedlFlaumlcHe
Flaumlche aller gebiete = 15209 kmsup2 roumlmisch (n = 30)Kerbtal 1698 1116 2 667 060Muldental 5834 3836 10 3333 087Hochflaumlche 5888 3871 15 5000 129gipfel 1789 1176 3 1000 085
Flaumlche aller gebiete = 9518 kmsup2 eisenzeitlich (n=31)Kerbtal 740 777 3 968 125Muldental 3972 4173 17 5484 131Hochflaumlche 3970 4171 9 2903 070gipfel 836 878 2 645 073
Tab 2 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Landschaftsformen
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
236 S BooS S Hornung H MUumlller
geologie
Einen wichtigen Einfluszlig auf die Besiedlung ei-nes raumes hatten zweifelsohne zu jeder Zeit auch dessen pedologische eigenschaften So duumlrfte die entscheidung fuumlr eine Ansiedlung sowohl von der Bodenguumlte im Sinne einer landwirtschaftlichen inwertsetzung des Bodens aber im umgekehrten Sinne auch von negativen eigenschaften wie einem hohen Staunaumlsserisiko beeinflusst worden sein Da fuumlr das Untersuchungsgebiet flaumlchendeckend kei-ne bodenkundlichen daten vorliegen wurde fuumlr die Modellierung dieses Einflusses das geologische Substrat als Ausgangsmaterial der Bodenbildung herangezogen Das Untersuchungsgebiet befindet sich im Einflussbereich quartaumlrer periglazialer Pro-zesse in deren Folge die Festgesteine insbesondere im Hangrelief der Mittelgebirge durch periglazi-ale deckschichten uumlberdeckt wurden und daher
grundlegende Bedeutung fuumlr die Bodengenese der rezenten Boumlden haben22 diese Schichten steuern mit ihren jeweiligen Schichtgrenzen neben der Horizontauspraumlgung der Boumlden auch die physi-ko-chemischen eigenschaften sowie die trans-formations- und verlagerungsprozesse innerhalb der Boumlden23 Hiervon betroffen ist beispielsweise die Faumlhigkeit der Boumlden eingetragene Schadstoffe (Schwermetalle Herbizide oder Pestizide) zu bin-den und damit vom grundwasser fernzuhalten Zudem beeinflussen die Deckschichten die Tiefen-funktion geochemischer Parameter wie Boden-pH organischer Kohlenstoff Stickstoff Schwerme-tallkonzentrationen etc24 Fuumlr die Beurteilung des Faktors Geologie ist der Einfluss dieser Schichten daher unerlaumlsslich
die geologische Karte des untersuchungs-gebietes weist dieses als kleinraumlumig sehr hetero-gen aus (Abb 5) Praumlgende geologische Substrate sind wechselnde Folgen von devonischen glim-mer-Sandsteinen und Schiefer mit eingelagerten aumlltesten Phyllitschollen vereinzelt lockern frei-gestellte Quarzitkuppen und Quarzitschotter die Bergruumlcken auf Boumlden die sich auf Basis dieses zu 100 silikatischen und sehr verwitterungsresis-tenten gesteins gebildet haben duumlrften trotz einer pH-Wert abmildernden Wirkung der aufliegenden periglazialen deckschichten im Hinblick auf eine landwirtschaftliche nutzung eher gemieden wor-den sein ebenfalls schlechte Standorteigenschaf-ten sind aufgrund der ausgepraumlgten Wassersaumltti-gung dieses Substrates fuumlr ein etwa 3 kmsup2 groszliges torfgebiet rund einen Kilometer nordoumlstlich der Stadt Hermeskeil zu erwarten daneben treten ter-tiaumlre lehme auf deren Standorte heute aufgrund ausgepraumlgter Staunaumlsse der Waldnutzung vorbehal-ten sind und wohl auch in der vergangenheit fuumlr
22 Semmel 1990
23 raabvoumllkel 1999
24 Kleber 2007
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
eisenzeitlich (n=31) 0 - 100 6 1935100 - 200 8 2581200 - 300 4 1290300 - 400 6 1935400 - 500 1 323500 - 600 3 968600 - 700 9 2903700 - 800 1 323800 - 900 0 000900 - 1000 1 323
WASSer-diStAnZ
AnZAHl Siedlungen
Anteil []
roumlmerzeitlich (n=30) 0 - 100 3 968100 - 200 6 1935200 - 300 8 2581300 - 400 6 1935400 - 500 2 645500 - 600 2 645600 - 700 1 323700 - 800 0 000800 - 900 2 645900 - 1000 0 000
Tab 3 Verteilung von roumlmerzeitlichen und eisenzeitlichen Siedlungen auf unterschiedliche Distanzstufen zu Fluumlssen
KlASSe BPA
Alluvium 09Quarzitschotter 07Quarzit Phyllite 07torf 09aumlltere lehme 09Alle anderen geolog Substrate 01
Tab 4 Glaubensmaszlige fuumlr die Variable Geologie
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 237
eine landwirtschaftliche nutzung und sicherlich auch fuumlr eine Ansiedlung als ungeeignet angesehen wurden Vereinzelt finden sich Stellen mit anste-henden juumlngeren lehmen quartaumlren ursprungs die der Haupt- und Mittellage der perigalzialen deck-schichten zuzurechnen sind und deren Substratei-genschaften aufgrund des vorhandenen loumlssanteils guumlnstige Standorteigenschaften erwarten lassen die Flussauen werden durch holozaumlne Auenablagerun-gen (Alluvium) wechselnder Ausdehnung gepraumlgt Aufgrund temporaumlrer Uumlberschwemmungen dieser Bereiche duumlrften diese ebenfalls fuumlr eine Besiedlung als unguumlnstig anzusehen sein demnach lassen sich also einige Bereiche herausstellen die aufgrund der geologischen eigenschaften als ungunstgebiete fuumlr
eine Besiedlung anzusehen sein duumlrften und aus die-sem grund die Hypothese Fundplatzabwesenheit unterstuumltzen Die Quantifizierung der Glaubensma-szlige erfolgte auf Basis einer subjektiven einschaumltzung des Einflusses der jeweiligen Substrate auf die his-torische Besiedlung (tab 4) und wird fuumlr die eisen-zeit und roumlmerzeit aufgrund aumlhnlicher umweltnut-zungsstrategien als konstant angenommen
distanz zum Wegenetz
die Anlage von Siedlungen und ihren zugehouml-rigen graumlberfeldern zeigt sowohl zur eisenzeit als auch in roumlmischer Zeit Kontinuitaumlten hinsichtlich ihrer relativen lage zum historischen Wegenetz
Abb 5 Geologie des Untersuchungsgebietes (Grundlage Geologische Grundkarte 125000 Blatt Hermeskeil Grafik S Boos)
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
238 S BooS S Hornung H MUumlller
Waumlhrend Siedlungen uumlblicherweise in einigem Ab-stand zu den Hauptwegen angelegt wurden sind graumlber und graumlberfelder der roumlmischen und kelti-schen Zeit hingegen haumlufig in unmittelbarer Naumlhe von Straszligen oder Wegen zu finden Diese Regel-haftigkeit soll fuumlr den versuch einer rekonstruk-tion des historischen Wegenetzes im Arbeitsgebiet aufgegriffen werden
nach Haffner25 sind im untersuchungsgebiet mehrere roumlmerstraszligen nachgewiesen die im Be-reich der heutigen Stadt Hermeskeil sowie im um-feld der weitlaumlufigen Huumlgelgraumlbernekropole auf dem bdquoKoumlnigsfeldldquo bei rascheid verkehrstechni-sche Knotenpunkte erkennen lassen (Abb 6) Am verlauf dieser Wegeverbindungen orientiert sich die verbreitung zahlreicher eisen- und roumlmerzeit-licher graumlber gleichzeitig weisen jedoch weitere Fundstellen in groumlszligerer distanz zu den bekannten
25 Haffner 1976
roumlmerstraszligen darauf hin dass das vor- und fruumlh-geschichtliche Wegenetz dichter gewesen sein duumlrf-te als bisher bekannt
um einen Beitrag zur rekonstruktion des alten Wegenetzes leisten zu koumlnnen wurde im giS eine sog least-cost-Path-Analyse durchgefuumlhrt die-se gaumlngige giS-Analyse-technik26 ermoumlglicht die rasterbasierte Berechnung von routen indem fuumlr die Bewegung im Raum definierte Einfluumlsse (sog Kosten) auf die Bewegungsrichtung in die Kalku-lation einbezogen werden Zu diesem Zweck wird zunaumlchst ein raster berechnet in dem fuumlr jede rasterzelle die akkumulierten Kosten zu einer Aus-gangszelle kalkuliert werden dieses Modell kann in einem weiteren Schritt dazu verwendet werden ausgehend von dem zuvor definierten Startpunkt kostenminimierte Wege zu einer oder mehreren Zielzellen zu errechnen
26 Belllock 2000
Abb 6 Verlauf von Roumlmerstraszligen nach Haffner 1976
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 239
Fuumlr das untersuchungsgebiet wurde eine solche least-cost-Path-Analyse vom Schnittpunkt zweier roumlmerstraszligen durchgefuumlhrt die laut Haffner im Bereich der Stadt Hermeskeil lag um die existenz dieses verkehrsknotenpunktes methodisch zu un-termauern erschien eine zusaumltzliche Wegeberech-nung sinnvoll in deren Zusammenhang groszligraumlu-mig idealverlaumlufe von routen zwischen bekannten roumlmischen Siedlungen berechnet wurden (Abb 7) die tatsache dass roumlmische Straszligenfuumlhrungen sich uumlblicherweise eng an den Wasserscheiden orientie-ren fand hierbei als Kosten minimierender Faktor Beruumlcksichtigung
ein vergleich des in giS berechneten verlaufs der roumlmerstraszligen mit dem von Haffner publizier-ten bestaumltigt dass im Bereich der ortschaft Hermes-keil eine Wegekreuzung vorhanden gewesen sein duumlrfte (Abb 8) Zwar weicht der berechnete Stra-szligenverlauf von diesem Schnittpunkt aus geringfuumlgig von der Kartierung Haffners ab dies stellt jedoch keinen grundlegenden Widerspruch dar da bei der Berechnung mit einiger Wahrscheinlichkeit ehemals wichtige Zwischenstationen nicht beruumlcksichtigt werden konnten durch optimierung der fuumlr die Berechnung angenommenen Zielpunkte lieszlige sich das ergebnis zweifelsohne weiter verbessern
Abb 7 Idealisierter Verlauf von Roumlmerstraszligen auf Basis der Least-Cost-Path-Analyse (Grafik S Boos)
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
240 S BooS S Hornung H MUumlller
Abb 9 zeigt das ergebnis der least-cost-Path-Analyse dargestellt auf der Preuszligischen general-stabskarte27 Hier zeigt sich dass die berechneten Wege vielfach einen parallelen verlauf zum histo-rischen Wegenetz des 19 Jahrhunderts aufweisen dies koumlnnte dafuumlr sprechen dass diese verbindun-gen bereits in der eisen- und roumlmerzeit existiert haben Aus einer verknuumlpfung aller vorliegenden informationen resultiert schlieszliglich das rekonst-ruierte Wegenetz welches einen versuch darstellt die berechneten mit den anhand der historischen Karten ersichtlichen Wegeverlaumlufe sowie dem ver-lauf der roumlmerstraszligen nach Haffner in einklang zu bringen
Fuumlr die Quantifizierung der Glaubensmaszlige wur-de die oben angesprochene regelhaftigkeit dass
27 M 186400 aufgenommen zwischen 1816-1847
Siedlungen erst ab einem bestimmten Mindestab-stand zum Wegenetz angelegt wurden aufgegrif-fen Allen rasterzellen die in einem Abstand von lt 100 m zum berechneten Wegenetz liegen wur-de ein glaubensmaszlig von 09 fuumlr das eintreten der Hypothese Fundplatzabwesenheit einer Siedlung zugewiesen waumlhrend distanzen zwischen 100 m und einem angenommenen Maximalabstand von 700 m zu den Wegen in Form einer monoton an-steigenden sigmoidalen Fuzzy-Membership-Funk-tion modelliert wurden Alle rasterzellen ab einem Abstand von mehr als 700 m zum naumlchstgelegenen Weg lassen wiederum eine geringe Wahrschein-lichkeit fuumlr die Anlage von Siedlungen annehmen was mit einem glaubensmaszlig von 09 in das Modell einflieszligt Das rekonstruierte Wegenetz darf jedoch sicher nicht als vollstaumlndig angesehen werden ein
Abb 8 Verlauf von Roumlmerstraszligen nach Haffner (schwarz-fett) und berechnete Routen (schwarz-duumlnn) (Grafik S Boos)
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 241
unsicherheitsfaktor dem durch Multiplikation aller glaubensmaszlige mit einem gewichtungsfaktor von 08 rechnung getragen wird
distanz zu graumlbern
die Anlage von graumlbern in raumlumlicher naumlhe zu den zeitgleichen Siedlungen ist sowohl fuumlr die eisen- als auch die roumlmerzeit festzustellen28 Uumlb-
28 Fuumlr die region um den bdquoHunnenringldquo sind hierbei allenthalben Kontinuitaumlten zumindest in der gesamten lategravenezeit und der folgenden roumlmerzeit festzustellen dies vermag die im laufe des Betrachtungszeitraumes recht unterschiedliche Quellenlage durch die allmaumlhliche Abkehr von der grabhuumlgelsitte am Uumlbergang zur Mittellategravenezeit (also spaumltestens im 3 Jh v chr) auszugleichen die graumlberfelder der Mittel- und Spaumltlategravenezeit liegen ebenso wie die roumlmischen graumlber oft in direkter naumlhe der grabhuumlgelfelder der Hunsruumlck-eifel-Kultur wie nicht zuletzt auch das Beispiel Wederath
licherweise laumlsst sich zwischen den gehoumlften und den zugehoumlrigen nekropolen jedoch ein Mindest-abstand von rund 150 m feststellen dies ist nicht zuletzt auch vor dem Hintergrund zu verstehen dass die graumlberfelder im Hinblick auf das geden-ken der verstorbenen in unmittelbarer naumlhe zu den Wegen (also auf den Houmlhen) angelegt wurden wo sie auch von reisenden gesehen werden konn-ten waumlhrend die Siedlungsplatzwahl durch andere Faktoren wie gewaumlssernaumlhe bestimmt wurde Fuumlr die Modellierung dieser variablen wird also die Hy-pothese Fundplatzabwesenheit fuumlr eine Pufferdi-stanz von 150 m um alle graumlberfunde unterstuumltzt
lkr Bernkastel-Wittlich zeigt vgl hierzu ausfuumlhrlicher den einfuumlhrenden Beitrag in diesem Band
weiszlige Kreise eisenzeitliche Graumlberschwarze Kreise roumlmische Graumlber
weiszlig berechnete Wegeschwarz Roumlmerstrassen nach Haffner 1976grau rekonstruierte Wege
Abb 9 Durch Kombination aller zur Verfuumlgung stehenden Informationen rekonstruiertes Wegenetz (grau) vor dem Hintergrund der bekannten Roumlmerstrassen nach Haffner (schwarz) und dem unbereinigten Ergebnis der Least Cost Path-Analyse (weiszlig) (Gra-fik S Boos)
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
242 S BooS S Hornung H MUumlller
Quantitativ in Form von Glaubensmaszligen ausge-druumlckt wird einem Abstand von lt 150 m zu allen graumlbern des untersuchungsraumes ein glaubens-maszlig von 099 zugeschrieben wohingegen alle ras-terzellen die sich auszligerhalb dieses Radius befinden ein glaubensmaszlig von 001 erhalten
interPretAtion vAlidierung und diSKuSSion der ergeBniSSe
gemaumlszlig dempsterrsquos Aggregationsvorschrift lassen sich die einzelnen glaubensmaszlige zu einem gesamtergebnis zusammenfassen woraus sich der gesamtbelief fuumlr die unterstuumltzung der Hypothese
Fundplatzanwesenheit berechnen laumlsst Abb 10 zeigt den die Hypothese unterstuumltzenden gesamt-belief im Kontext mit allen bekannten Fundstellen des untersuchungsgebietes
das ergebnis welches die eignung einer be-stimmten oumlrtlichkeit fuumlr eine Besiedlung innerhalb eines gradienten von 0 bis 1 widerspiegelt wurde dabei in drei gleich groszlige Klassen eingeteilt Be-trachtet man das ergebnis in Zusammenhang mit Kvammersquos gain-Faktor (tab 5) zur Abschaumltzung der guumlte des Praumldiktionsmodells so zeigt sich in diesem Kontext ein deutliches verbesserungspo-tential des Modells ein gutes Praumldiktionsmodell zeichnet sich wie bereits angesprochen durch
Abb 10 Gesamtbelief fuumlr die Hypothese bdquoFundplatzanwesenheitldquo in Kontext mit den bekannten roumlmischen Siedlungsfundstellen (Grafik S Boos)
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 243
hohe gain-Faktoren aus (je naumlher an 1-1 desto besser)
Fuumlr Flaumlchen mit hohem Potential waumlren ideale Bedingungen und damit ein hoher gain-Faktor ge-
geben wenn ein Maximum an Fundstellen in einer moumlglichst kleinen Flaumlche hohen archaumlologischen Potentials zu finden waumlre Der berechnete gain-Faktor dieser Kategorie von 061 ist wie auch der
KAtegorie BelieF Siedlungen Siedlungen Zellen Zellen gAin-FAKtor
1 niedrig 2 1429 216827 4565 - 0692 mittel 1 714 111902 2356 - 0703 hoch 11 7857 146253 3079 061
Tab 5 Guumlte (gain-Faktor) des Praumldiktionsmodells im Zusammenhang mit den Ergebnissen der Modellierung
Abb 11 Belief-Intervall fuumlr die Hypothese bdquoFundplatzanwesenheitldquo im Kontext mit den bekannten roumlmischen Siedlungsfundstel-len Hellgraue Bereiche geringe Widerspruumlche dunkelgraue Bereiche hohe Widerspruumlche (Grafik S Boos)
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
244 S BooS S Hornung H MUumlller
vergleich mit anderen Praumldiktionsmodellen zeigt29 von diesem idealzustand weit entfernt koumlnnte aber durch die Integration weiterer Einflussfaktoren wie zum Beispiel eine vermutete windgeschuumltzte lage von Siedlungen (Hauptwindrichtung ist Westen) oder dem bereits angesprochenen Einfluss der landschaftsform angenaumlhert werden der verbes-serungsbedarf der Modellierung aumluszligert sich auch durch den relativ hohen Anteil an Zellen in der Ka-tegorie des mittleren Belief welcher sich ebenfalls durch die Hinzunahme weiterer Parameter redu-zieren lassen sollte das ergebnis weist zudem Wi-derspruumlchlichkeiten auf die sich in der Ausweisung von Fundstellen in Bereichen niedrigen Potentials niederschlagen dieser umstand laumlsst unpraumlzise Quellenangaben hinsichtlich der Lage dieser Fund-stellen vermuten und sollte mittels gelaumlndearbeit uumlberpruumlft werden um die vorhersage und deren ergebnis zu verbessern30 ein besonderes Augen-merk sollte bei diesen Arbeiten auf die gebiete ge-legt werden in denen sich die groumlszligten Widerspruuml-che aufweisen lassen und die sich rechnerisch ge-maumlszlig des dempster-Shafer-Formalismus mit Hilfe des Belief intervalls ausdruumlcken lassen (Abb 11)
daruumlber hinaus stellt es zweifelsohne einen Schwachpunkt des Modells dar dass keinerlei inter-dependenzen zwischen den einzelnen variablen be-ruumlcksichtigt werden und auch Priorisierungen ein-zelner Faktoren die bei der Entscheidungsfindung fuumlr einen bestimmten Siedlungsstandort sicherlich eine rolle gespielt haben duumlrften unterbleiben Al-lerdings ist dies aus heutiger Sicht auch wohl nur schwer moumlglich so dass im Zuge der optimierung des Modells noch eine reihe von versuchen mit un-terschiedlichen Parametern und gewichtungen nouml-tig sein werden von besonderer Bedeutung ist hier-bei die archaumlologische grundlagenarbeit die durch praumlzise lokalisierung von Fundstellen entscheidend zur Ansprache exakter lagekriterien und somit zur verbesserung der Prognose beitragen kann
Aus archaumlologischer Sicht ist daruumlber hinaus aber auch ein direkter vergleich des ergebnisses mit ei-nem erosionsmodell von besonderem interesse da die Uumlberpruumlfung des Prognosemodells im gelaumlnde konkrete Daten zum Einfluss von Erosions- und Akkumulationsprozessen auf die Quellenlage in Abhaumlngigkeit von moderner landschaftsnutzung
29 ducke u a 2009
30 die hierzu notwendigen Prospektionen wurden im Maumlrz 2010 begonnen werden aber aufgrund der groumlszlige der zu bearbeitenden Flaumlche noch einige Zeit in Anspruch nehmen
liefern sollte Zu diesem Zweck wurde zusaumltzlich eine erosionsmodellierung fuumlr das untersuchungs-gebiet durchgefuumlhrt
eroSionSModellierung
theoretischer Hintergrund
im archaumlologischen Kontext betrachtet uumlben bodenverlagernde Prozesse einen betraumlchtlichen Einfluss auf den Erhaltungszustand archaumlologi-scher Hinterlassenschaften aus So kann die ver-lagerung von Bodenmaterial durch erosion oder durch maschinellen Bodenabtrag zu einem trans-port der darin enthaltenen Funde fuumlhren oder viel gravierender eine Siedlungsstelle in Hangbereichen durch zunehmende erosion komplett aberodie-ren umgekehrt koumlnnen Fundstellen am Hangfuszlig durch Kolluvial-Sedimente uumlberdeckt werden und dadurch unterhalb des vertikalen Sichtbarkeits-bereiches geraten die Staumlrke der erosion wird dabei wesentlich von der reliefenergie bestimmt die umso groumlszliger ist je houmlher das Abtragungsge-biet uumlber der erosionsbasis liegt das Ausmaszlig des Bodenabtrags wird weiterhin von der Wasserauf-nahmefaumlhigkeit des Bodens und dem Pflanzen-bewuchs bestimmt Ganz erheblichen Einfluss auf erosionsprozesse haben zudem eingriffe des Menschen in den naturhaushalt in deren Zusam-menhang durch offenlegung groszliger Flaumlchen ent-waldung Ackerbau Uumlbernutzung der vegetation oder industrielle nutzung31 diese Flaumlchen fuumlr ero-sionsprozesse weit leichter angreifbar sind als bei-spielsweise von kraumlftigen Wurzeln durchdrungener Waldboden
Fuumlr die erfassung von erosionsprozessen exis-tieren eine vielzahl von Modellen die sich hin-sichtlich des verfolgten Ansatzes in physikalische (prozessbasierte) Modelle und empirische Mo-delle unterteilen lassen Physikalische Modelle ver-suchen alle den transportprozessen von Bodenma-terial zugrunde liegenden naturgesetzmaumlszligigkeiten so praumlzise wie moumlglich zu erfassen es handelt sich hierbei um hochspezialisierte Anwendungen wel-che aufgrund der komplexen interaktion aller Pro-zesskomponenten nur auf kleinen Maszligstaumlben (nor-malerweise einzelne Felder) mit einem vertretbaren Aufwand umzusetzen sind daher muumlssen sie fuumlr eine Modellierung auf landschaftsebene ndash wie im
31 SchefferSchachtschabel 2009
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 245
archaumlologischen Bereich erforderlich ndash als ungeeig-net angesehen werden
Bei empirischen Modellen hingegen werden alle relevanten Faktoren standort-spezifisch ermittelt oder angenaumlhert um sie dann mittels eines einfa-chen mathematischen Modells miteinander in Be-ziehung zu setzen das bekannteste empirisch ab-geleitete Modell fuumlr die Abschaumltzung des mittleren jaumlhrlichen Bodenabtrags einer Flaumlche ist in der All-gemeinen Bodenabtragsgleichung (ABAg) zusam-mengefasst32 die ein in den uSA von Wischmeier amp Smith33 entwickeltes Modell nutzt (uSle = univer-sal Soil loss equation uumlberarbeitete version ruS-le = revised universal Soil loss equation) wel-ches rasterbezogen erosive Betraumlge berechnen laumlsst
die allgemeine Bodenabtragsformel lautet
A = r K l S c P (7)mit A = Langjaumlhriger mittlerer Bodenabtrag in tha a (zu berechnende Zielgroumlszlige)
r = Regen- und Oberflaumlchenabfluszligfaktor Maszlig fuumlr die erosivitaumlt der niederschlaumlge berechnet aus der niederschlagsintensitaumlt aller erosionswirksamen einzelregen eines Jahres
K = Bodenerodierbarkeitsfaktor Maszlig fuumlr die erodier-barkeit des Bodens berechnet aus einer reihe von Bodeneigenschaften
l = Hanglaumlngenfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener laumlnge zum Standardhang der uSle (22 m laumlnge)
S = Hangneigungsfaktor verhaumlltnis des Bodenabtrags eines Hanges gegebener neigung zum Standard-hang der uSle (9 neigung)
c = Bedeckungs- und Bearbeitungsfaktor verhaumlltnis des Bodenabtrags unter beliebiger Bewirtschaftung (z B Kulturpflanze) zur Schwarzbrache
P = Erosionsschutzfaktor verhaumlltnis des Bodenab-trags bei beliebigen erosionsschutzmaszlignahmen (z B Konturpfluumlgen) zu den Verhaumlltnissen ohne jegliche Schutzmaszlignahmen
32 Schwertmann u a 1987
33 WischmeierSmith 1978
das Modell arbeitet mit der Annahme von be-grenzter Abloumlsungskapazitaumlt dies bedeutet dass die raumlumliche Ausdehnung von erosionszonen nur durch die Menge des bewegbaren Materials begrenzt wird eine Modellierung auf Basis eines solchen Ansatzes ermoumlglicht jedoch lediglich eine Berechnung des netto-Bodenabtrags und keine Quantifizierung von Akkumulation Somit scheint es fuumlr eine Modellierung die archaumlologischen Fra-gestellungen nach der Ausdehnung von erosions- und Akkumulationszonen gerecht werden soll nur weniger geeignet Zudem wurde dieses Modell vor allem fuumlr den einsatz auf Feldern mit einfacher topographie entwickelt34 ein fuumlr archaumlologische Zwecke geeignetes erosionsmodell sollte jedoch in der lage sein kleinraumlumige erosions- und Akku-mulationsprozesse auf einem ausreichend groszligen Maszligstab zu modellieren diese Forderung erfuumlllt das uSPed-Modell (unit Stream Power-based erosion deposition) welches auf den uSle-Fak-toren basierend die raumlumliche verteilung von ero-sions- und Akkumulationsraten berechnen laumlsst der unterschied zum uSle-Modell besteht darin dass dieses Modell den lS-Faktor der uSle durch eine praumlzisere geomorphologische groumlszlige welche auf dem Prinzip der begrenzten transportkapazi-taumlt35 beruht ersetzt
dieses Prinzip laumlsst sich durch zwei entgegen-gesetzt gerichtete physikalische Kraumlfte erklaumlren die bei Bodenerosionsprozessen zum tragen kommen diese Kraumlfte sind zum einen die Schubspannung (Transportkapazitaumlt) des oberflaumlchlich abflieszligen-den Wassers welches Bodenpartikel hangabwaumlrts bewegt und andererseits die gravitation welche die Partikel in Richtung Hangoberflaumlche zieht Bei diesen kontraumlr wirkenden Prozessen geschieht die Ablagerung der Bodenpartikel in dem Moment wenn die transportkapazitaumlt unter die Kraft der Gravitation sinkt was auf Flaumlchen mit Abflussdi-vergenz (abnehmende Schichtdicke des Wassers und zunehmender Bedeutung der reibung) und niedriger Hangneigung der Fall ist36 richtung und Staumlrke der beteiligten Prozesse haumlngt dabei von den geometrischen eigenschaften des gelaumlndes ab welche wiederum von dessen topographie be-stimmt werden37
34 MitaacutešovaacuteMitas 1999
35 ebd
36 Zepp 2002
37 Mitaacutešovaacute u a1996
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
246 S BooS S Hornung H MUumlller
Im USPED-Modell kann der Sedimentfluss T bei begrenzter transportkapazitaumlt wie in u g For-mel berechnet werden38 Zur Quantifizierung des Einflusses von Bewuchs Bodennutzung und Subs-trat werden dabei die aus der uSle bekannten Fak-toren genutzt das Modell geht von einem Flieszlig-gleichgewicht aus welches durch zu- (regen) und abgefuumlhrte (Oberflaumlchenabfluss) Wassermengen gespeist wird39 Basierend auf dieser Praumlmisse laumlsst sich der Oberflaumlchenabfluss als Funktion der Ein-zugsgebietsflaumlche jeder einzelnen Rasterzelle und der Hangneigung ausdruumlcken dieser Faktor der in der uSPed-Formel mit Am sinbn ausgedruumlckt wird entspricht dem lS-Faktor der uSle (b ist die Hangneigung) die exponenten m und n sind dabei empirisch ermittelte Parameter Fuumlr vorwiegend li-nienhafte erosion wie sie fuumlr das untersuchungsge-biet angenommen wird gilt m = 16 und n = 13 1048576
T = Am sinbn R C K P (8)
38 nach MitaacutešovaacuteMitas 1999
39 ducke 2002
die Berechnung der netto-erosion bzw -Ak-kumulation (ED) als Aumlnderung der Sedimentfluss-rate d(t) laumlsst sich schlieszliglich mit der folgenden Formel annaumlhern
(9)
Der Term d(T) wird dabei als Abflussdivergenz d h Grad des Auseinanderflieszligens des Sediment-flusses ausgedruumlckt (α ist die Hangrichtung welche die Richtung des Sedimentflusses bestimmt)
BodentyP nutZung SuBStrAt ScHicHtWecHSel K c
1 Ackerbau S 0100 04002 Sl 0150 04003 lS 0200 04004 Sl 0300 04005 sl 0400 04006 Mo 0020 04007 gruumlnland S 0100 00048 lS 0200 00049 l 0500 000410 t 0300 000411 Mo 0020 000412 lS lsMo 0020 000413 Mo MoS 0100 000414 Mo MolS 0200 000415 Mo Mot 0300 000416 S Mo (Uumlbergang) 0100 000417 l Mo Uumlbergang) 0500 000418 Forst 0 000119 Bauland 0 020 Wasser 0 021 kA 1 1
Tab 6 Schaumltzungen der K- und C-Faktoren Schluumlssel S=Sand Sl=anlehmiger Sand lS= Lehmiger Sand SL=stark lehmiger Sand sL=sandiger Lehm L=Lehm T=Ton Mo=Moor (Quelle Schwertmann et al 1987)
dy
α)sind(Tdx
α)cosd(TED +lowast=
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 247
erosionsmodellierung fuumlr das untersuchungsgebiet
der zuvor beschriebene Modellansatz des uS-Ped-Modells wurde fuumlr das untersuchungsgebiet angewendet dabei wurde der regenerosivitaumltsfak-tor r (r-Faktor) nach der regressionsgleichung
R = 00788 bull mittlerer Jahresniederschlag (in mm) - 282 (10)
in Anlehnung an din 19708 (2005) berechnet datengrundlage waren die fuumlr die Zeitreihe von 1961 bis 1990 aufgearbeiteten niederschlagsdaten des deutschen Wetterdienstes im kmsup2-raster Fuumlr die ortschaft Hermeskeil betraumlgt das langjaumlhrige
niederschlagsmittel 107878 mm woraus sich fuumlr das untersuchungsgebiet nach obiger Formel ein R-Faktor von 8218 berechnet Die Quantifizierung des c-Faktors und des K-Faktors beruhte auf einer Klassifizierung nach Tabelle 1
Als datengrundlage fuumlr den Substratfaktor K dienten dabei Bodenflaumlchendaten der landwirt-schaftlichen Nutzflaumlche im Maszligstab 15000 (BF-dl5) des landesamtes fuumlr geologie und Bergbau rheinland-Pfalz Fuumlr die ermittlung des c-Faktors wurden corine land cover daten aus dem Jahre 2000 die vom deutschen Zentrum fuumlr luft- und Raumfahrt in einer Aufloumlsung von 100 m zur verfuumlgung gestellt werden verwendet daten uumlber Maszlignahmen zum erosionsschutz (P-Faktor) liegen
Abb 12 Erosion und Akkumulation im Untersuchungsgebiet (Darstellung nur landwirtschaftliche Nutzflaumlche Grafik S Boos)
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
248 S BooS S Hornung H MUumlller
fuumlr das untersuchungsgebiet nicht vor und blie-ben deshalb bei der Berechnung unberuumlcksichtigt Fuumlr die Berechung des Oberflaumlchenabflusses ndash in obiger gleichung ausgedruumlckt als Am sinbn ndash lag das bereits im Archaumlologischen Praumldiktionsmodell verwendete DGM in einer Aufloumlsung von 10 m zu-grunde Aus diesem wurden zellbasiert Flieszliglinien ermittelt die auf Basis von Hangneigung Hangaus-richtung sowie Profil- und Tangentialkruumlmmung von jeder einzelnen Zelle hangaufwaumlrts zum ein-zugsgebiet berechnet wurden die Staumlrke des ober-flaumlchenabflusses einer einzelnen Zelle lieszlig sich dann uumlber den akkumulierten Oberflaumlchenabfluss aller Flieszliglinien die diese Zelle durchqueren kalku-lieren Auf Basis dieser Faktoren konnte abschlie-szligend nach Formel 9 zellbasiert die netto-erosion bzw -Akkumulation (ed) berechnet werden das ergebnis welches nach einer Anleitung von Mitas Mitaacutešovaacute40 mit ArcGIS berechnet wurde findet sich in Abbildung 12
da die datengrundlage des K-Faktors nur landwirtschaftliche Nutzflaumlchen beruumlcksichtigt re-praumlsentiert das ergebnis auch nur diese Bereiche des untersuchungsraumes der rege Wechsel von erosionszonen (helles Farbspektrum) und Akku-mulationszonen (dunkles Farbspektrum) spiegelt die bewegte topographie des untersuchungsgebie-tes wieder die Houmlhenruumlcken sind wie zu erwarten durch nur geringfuumlgige erosionsprozesse beein-flusst Die Akkumulationszonen spiegeln das be-
40 MitaacutešovaacuteMitas 1999
wegte gelaumlnde des untersuchungsgebietes wider das uSPed-Modell stuumltzt sich wesentlich auf
die geometrischen eigenschaften (also die topo-graphie) eines gelaumlndes zur Berechnung von Zo-nen mit hoher (Akkumulation) und niedriger (ero-sion) Abflussdivergenz Alle weiteren im Modell verwendeten Parameter dienen eher einer klein-raumlumigen differenzierung der Staumlrke der jeweili-gen erosions- oder Akkumulationsvorgaumlnge Aus diesem grund ist es moumlglich auch bei uumlber das gesamte untersuchungsgebiet konstant gehaltenen c- und K-Faktoren zu einem sinnvollen ergebnis zu kommen ein solches vorgehen wurde fuumlr das untersuchungsgebiet durchgefuumlhrt und ermoumlglich-te auf diese Weise flaumlchendeckend Erosions- und Akkumulationszonen auszuweisen (Abb13)
das ergebnis in Zusammenhang mit den be-kannten Funden betrachtet weist den groszligteil der Fundstellen in Bereichen geringer erosion und eini-ge wenige Fundstellen in Zonen intensiverer erosi-on aus in Bereichen in denen Bodenmaterial durch Akkumulationsprozesse abgelagert wurde finden sich erwartungsgemaumlszlig keine Siedlungsfunde wieder
diese Zusammenhaumlnge sollten bei der interpre-tation des Praumldiktionsmodells und insbesondere bei der Planung von Prospektionskampagnen die der Uumlberpruumlfung des Modells dienen mit in Betracht gezogen werden da die erfolgsaussichten gezielter Prospektionen wesentlich von den Einfluumlssen der erosionsprozesse abhaumlngen
Abb 13 Erosion Akkumulation konstanter K und C-Faktor (Grafik S Boos)
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 249
AuSBlicK
Als Fazit der oben vorgestellten untersuchun-gen laumlsst sich festhalten dass die Modellierung vor- und fruumlhgeschichtlicher Besiedlungsmuster auf der grundlage von lageparametern bereits bekannter Fundstellen einiges Potential bietet die archaumlologi-sche Forschung vor allem bei der Suche nach bis-lang unbekannten Siedlungen der eisenzeit zu un-terstuumltzen gleichzeitig konnten jedoch auch einige Probleme und unschaumlrfen aufgezeigt werden die es durch intensive grundlagenforschung methodi-scher Art wie auch mittels Prospektionen im ge-laumlnde in Zukunft zu minimieren gilt eine der we-sentlichen Anforderungen an die Archaumlologie ist es hierbei eine verlaumlssliche datengrundlage vor allem im Hinblick auf exakt lokalisierte Siedlungsstellen der eisen- und roumlmerzeit in der region zu schaffen und auf diesem Wege zur Praumlzisierung der bei der Modellierung angewandten Kriterien beizutragen durch ein besseres verstaumlndnis des verhaumlltnisses von landschaft und menschlicher Besiedlung sollte es in Zukunft moumlglich sein das zunaumlchst nur fuumlr eine Beispielregion formulierte Modell auch auf andere Siedlungslandschaften uumlbertragen und ent-sprechend anpassen zu koumlnnen
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
250 S BooS S Hornung H MUumlller
literAtur
Bailey u a 2009K Bailey d davis t H grossardt J Hi-xon P Mink J ripy c Shields Predic-tive Archaeological Modelling using giS-Based Fuzzy Set estimation A case Study in Wodd-ford county Kentucky in Proceedings of the transportation research Board 88th Annual Meeting Washington 1112009 ndash 1512009 (Washington 2009) httppubsindextrborgviewaspxid=881757
Bell lock 2000t Bell g lock topographic and cultural influences on walking the Ridgeway in later prehistoric times in g lock (Hrsg) Beyond the Map Archaeology and spatial technologies (Amsterdam 2000) 85-100
canning 2005S canning sbquoBelieFrsquo in the past dempster Shafer theory giS and archaeological predicti-ve Modelling Australian Archaeology 60 2005 6-15
clarke 1977d l clarke Spatial Archaeology (london 1977)
deeben u a 2002J H c deeben d P Halleas th J Maar-levelt Predictive Modelling in archaeological heritage management of the netherlands the indicative map of archaeological values (2nd generation) Ber roB 45 2002 9-56
dempster 1968A P dempster A generalization of Bayesian inference Journ of royal Statistical Society Ser B 38 1968 205-247
din 19708 (2005) ermittlung der erosionsgefaumlhrdung von Boumlden durch Wasser mit Hilfe der ABAg
ducke 2002B ducke ein erosionsmodell fuumlr die branden-burgische Archaumlologie Belege zur Akkumulation und erosion am Beispiel des Fundplatzes dyrotz 37 [unpubl Magisterarbeit] (Berlin 2002)
ducke u a 2009B ducke M van leusen A r Millard dealing with uncertainty in archaeological pre-diction in H Kamermans P van leusen P verhagen (Hrsg) Archaeological Prediction and risk Management Alternatives to current practise 2009 (leiden 2009) 123-160
ebert 2000J ebert the State of the Art in ldquoinductiverdquo Predictive Modelling Seven Big Mistakes (and lots of Smaller ones) in K l Wescott r J Brandon (Hrsg) Practical Applications of giS for Archaeologists A Predictive Modelling toolkit (london Philadelphia 2000) 129-134
ejstrud 2003B ejstrud indicative Models in landscape Man-agement testing the methods in J Kunow J Muumlller (Hrsg) Forschungen zur Archaumlologie im land Brandenburg 8 Archaumloprognose Bran-denburg i Besiedelungsdynamik und praumlhistori-sche raumordnung (Wuumlnsdorf 2003) 119-134
ejstrud 2008B ejstrud Maroons and landscapes Journ of caribbean Archaeology 8 2008 1-18
Frielinghaus 2002M Frielinghaus Bodenbearbeitung und Boden-erosion gute fachliche Praxis bei der Boden-bearbeitung (Kuratorium fuumlr technik und Bau-wesen in der landwirtschaft) (darmstadt 2002)httpwwwktbldepflanzebodenkurzfas-sunghtm
Haffner 1976A Haffner die westliche Hunsruumlck-eifel-Kul-tur roumlm-germ Forsch 36 (Berlin 1976)
Hobbs u a 2002e Hobbs c M Johson g e gibbon A Predictive Model of Precontact Archaeological Site location for the state of Minnesota chap-ter 7 Model development and evaluation httpwwwmnmodeldotstatemnuschap-terschapter7htm
Hodder orton 1976i Hodder c orton Spatial Analysis in Ar-chaeology cambridge (cambridge 1976)
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
Predictive Modelling 251
Hornung 2008S Hornung die suumldoumlstliche Hunsruumlck-eifel-Kultur Studien zur Spaumlthallstatt-und Fruumlhlate-nezeit in der deutschen Mittelgebirgsregion uni-versitaumltsforsch Praumlhist Arch 153 (Bonn 2008)
Kleber 2007A Kleber geooumlkologische Bedeutung peri-glazialer Hangsedimente in H gebhardt r glaser u radtke P reuber (Hrsg) geogra-phie (Muumlnchen 2007) 32-33
Kvamme 1988K l Kvamme development and testing of Quantitative Models In J Judge L Sebastian (Hrsg) Quantifying the Present and Predicting the past theory Method and Application of Archaeological Predictive Modelling (denver 1988) 325-428
Kvamme 1992K l Kvamme A predictive site location mo-del on the High Plains an example with an in-dependent test Plains Anthropologist 37(138) 1992 19-38
van leusen 2002P van leusen A review of wide area Predicti-ve Modelling using giS in P van leusen Pat-tern to Process Methodological investigations into the formation and interpretation of spatial patterns in Archaeological landscapes (gronin-gen 2002) 1-23
Mitaacutešovaacute u a 1996H Mitaacutešovaacute J Hofierka M Zlocha L R iverson Modelling topographic potential for erosion and deposition using giS int Journ Geografical Information Systems 10 5 1996 629-641
Mitaacutešovaacute Mitas 1999H Mitaacutešovaacute l Mitas erosiondeposition modeling with uSPed using giS httpska-gitmeasnscuedu~helenagmslaberosionuspedhtm
Muumlnch 2003U Muumlnch Uumlberlegungen zur Quellenkritik als eingrenzender Faktor der Archaumloprognose die entwicklung und Bewertung von Prognosemo-
dellen fuumlr verschiedene testgebiete im land Brandenburg und ihre Anwendbarkeit in der Bodendenkmalpflege [Unpubl Diss] (Bamberg 2003)
raab voumllkel 1999t raab J voumllkel Zur differenzierung peri-glazialer glazigener und kolluvialer Sedimente im Hangrelief von Mittel- und Hochgebirgen Zbl f geol Palaumlont teil i H 5-6 1999 305-318
Scheffer Schachtschabel 2009F Scheffer P Schachtschabel lehrbuch der Bodenkunde (Heidelberg 2009)
Schwertmann u a 1987u Schwertmann W vogl M Kainz Boden-erosion durch Wasser ndash vorhersage des Abtrags und Bewertung von gegenmaszlignahmen (Stutt-gart 1987)
Semmel 1990
A Semmel Periglazialmorphologie (darmstadt 1990)
Shafer 1976g Shafer A Mathematical theory of evidence (Princeton 1976)
tobler 1993W tobler three Presentations on geographi-cal Analysis and Modeling technical report 93-1 national center for geographic informa-tion and Analysis (Santa Barbara 1993)
verhagen 2007aP Verhagen Quantifying the Qualified The Use of Multicriteria Methods and Bayesian Statistics for the development of Archaeological Predic-tive Models in P verhagen case Studies in Predictive Modelling (leiden 2007) 71-87
verhagen 2007bP verhagen First thoughts on the incorpora-tion of cultural variables into predictive model-ling in P verhagen case Studies in Predictive Modelling (leiden 2007) 203-208
Weiss 2001A Weiss topographic Position and landforms
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde
252 S BooS S Hornung H MUumlller
Analysis the nature conservancytPi-Poster-tnc_18x22pdfBezug httpwwwjennes-sentcomdownloadstPi-Poster-tnc_18x22pdf
Wischmeier Smith 1978W H Wischmeier d d Smith Predicting rainfall erosion losses ndash a guide to conservati-on planning uSdA Agric Handbook 537 (Washington 1978)
Zadeh 1965l A Zadeh Fuzzy Sets information and con-trol 8 1965 338-353
Zepp 2002H Zepp geomorphologie eine einfuumlhrung (Paderborn Muumlnchen Wien Zuumlrich 2002)
Klimadaten deutscher Wetterdiensthttpwwwdwddebvbwappmanagerbvbwdwdwwwdesktop_nfpb=trueamp_pa-gelabel=_dwdw-ww_klima_umwelt_klima-daten_deutschlandampt82002gsbdocumentPath=navigation2Foeffentlichkeit2FKlima__umwelt2FKlimadaten2Fkldaten__kostenfrei2Fausgabe__mittelwerte__nodehtml3F__nnn3dtrue
Silke Boos Hartmut Muumlllerinstitut fuumlr raumbezogene informations- und Meszligtechnik (i3mainz)Fachhochschule Mainzlucy-Hillebrand-Str 255128 Mainzboosgeoinformfh-mainzdemuellergeoinformfh-mainzde
Sabine Hornunginstitut fuumlr vor- und FruumlhgeschichteJohannes gutenberg-universitaumlt MainzSchillerstraszlige 1155116 Mainzhornusauni-mainzde