Archeologische data en analyses: Factoren die de ... · ii WOORD VOORAF Het schrijven van een...

FACULTEIT WETENSCHAPPEN

Opleiding Geografie en Geomatica Master in de Geomatica en Landmeetkunde

Archeologische data en analyses: factoren die de implementatie van een 4D-GIS beïnvloeden

Berdien De Roo

Aantal woorden in tekst: 21 307

Promotor: Prof. dr. Ph. De Maeyer, vakgroep Geografie Copromotor: Prof. dr. J. Bourgeois, vakgroep Archeologie

Academiejaar 2011 – 2012

Masterproef ingediend tot het behalen van de graad van

Master in de Geomatica en Landmeetkunde

ii

WOORD VOORAF

Het schrijven van een thesis is iets bijzonder. Het moeilijkste is waarschijnlijk de begrenzing

van het onderzoek, want elk nieuwe element zet je aan om ook dat verder uit te pluizen. Na

het samen brengen en verwoorden van de verschillende delen en resultaten van het onderzoek

zoals ik die na een jaar in de vingers heb, ben ik tevreden met het resultaat. Ik denk dat ik de

juiste begrenzingen heb gemaakt en het onderzoek tot een afgelijnd geheel in deze

masterproef heb kunnen verwerken. Toch is dit niet alleen mijn verdienste. Heel wat mensen

hebben hieraan, direct of indirect, meegeholpen. Ik wil hen dan ook oprecht bedanken.

Eerst en vooral wil ik mijn promotor Prof. dr. Philippe De Maeyer bedanken om mij dit

onderwerp voor te stellen, voor de steun en om mij de mogelijkheid te geven de CAA-

conferentie in Southampton bij te wonen. Bovendien wil ik hem bedanken om mij de kans te

geven in contact te komen met geïnteresseerde onderzoekers en voor het vertrouwen dat hij in

mij stelde om mijn onderzoek op deze bijeenkomsten voor te stellen. Mijn onderzoek aan

specialisten te kunnen voorstellen op internationale bijeenkomsten maakte het des te

interessanter. Ook Prof. dr. Jean Bourgeois, mijn copromotor wil ik bedanken. Dr. Eline

Deweirdt wil ik bedanken voor het ter beschikking stellen van de archeologische en

geografische data, alsook voor het beantwoorden van mijn vragen. Een bijzonder woord van

dank gaat naar MSc. Ruben Maddens en MSc. Ann Vanclooster voor hun begeleiding. Zij

stonden steeds klaar om mijn vragen te beantwoorden, mijn onderzoek te helpen sturen en af

te lijnen. Hun kritische beoordelingen betekenden voor deze masterproef een meerwaarde.

Ook wil ik MSc. Coen Stal bedanken voor het aangenaam gezelschap tijdens de conferentie in

Southampton en voor zijn kritische vragen. MSc. Kristien Ooms bedank ik voor haar

(carto)grafisch advies.

Een speciaal woord van dank gaat naar mijn ouders omdat zij mij de mogelijkheid hebben

gegevens deze studies aan te vatten en te voltooien. In het bijzonder wens ik hen te bedanken

voor de steun en aanmoedigingen die zij mij tijdens het maken van deze thesis wisten te

geven en dit op momenten dat het voor hen evenmin gemakkelijk was. Ook mijn vriend,

Alexander, wil ik speciaal bedanken voor de steun, aanmoedigingen, kritische vragen, het

nalezen en voor de ontspannende momenten. Kathleen, Thijs en Joris en mijn familie wens ik

te bedanken voor de steun tijdens het maken van deze thesis.

Tot slot wil ik U als lezer bedanken omdat een thesis maar waarde krijgt als hij gelezen wordt.

Berdien De Roo

iii

INHOUDSOPGAVE

WOORD VOORAF ................................................................................................................. II

INHOUDSOPGAVE ............................................................................................................. III

LIJST VAN FIGUREN ........................................................................................................ VII

LIJST VAN KAARTEN ..................................................................................................... VIII

LIJST VAN TABELLEN ...................................................................................................... IX

LIJST VAN AFKORTINGEN ............................................................................................... X

1 INLEIDING ........................................................................................................................... 1

2 LITERATUUROVERZICHT .............................................................................................. 4

2.1 Objecten .......................................................................................................................... 4

2.2 Ruimte ............................................................................................................................. 5

2.2.1 Algemene basisconcepten .......................................................................................... 5

2.2.1.1 0, 1, 2 en 3D ....................................................................................................... 6

2.2.1.2 Geometrische primitieven en topologische relaties ........................................... 6

2.2.2 Ruimte en archeologie ............................................................................................... 7

2.2.2.1 Ruimte ................................................................................................................ 7

2.2.2.2 3D ....................................................................................................................... 8

2.3 Tijd ................................................................................................................................... 8

2.3.1 Algemene concepten .................................................................................................. 8

2.3.1.1 Temporele primitieven en analogie met ruimtelijke concepten ......................... 8

2.3.1.2 Andere basisconcepten van tijd .......................................................................... 9

2.3.1.3 Combinatie van tijd en ruimte .......................................................................... 10

2.3.2 Tijd in archeologie .................................................................................................. 11

2.4 Onderzoeksprojecten ................................................................................................... 13

iv

2.4.1 Projecten gericht op 3D-visualisatie en -publicatie ............................................... 13

2.4.2 Projecten gericht op gegevensopslag, data-uitwisseling en 3D-analyses .............. 14

3 SITEBESCHRIJVING MOLESME ‘SUR-LES-CREUX’ ............................................. 18

3.1 Geografie ....................................................................................................................... 18

3.2 Archeologie ................................................................................................................... 20

4 BESCHIKBAAR MATERIAAL ....................................................................................... 25

5 ONDERZOEKSMETHODE .............................................................................................. 27

5.1 Gebruikersgericht ........................................................................................................ 27

5.2 Objectgericht ................................................................................................................ 28

5.3 Analysegericht .............................................................................................................. 31

6 RESULTATEN .................................................................................................................... 34

6.1 Gebruikersgerichte pijler ............................................................................................ 34

6.1.1 Voor wie is het systeem bedoeld? ............................................................................ 34

6.1.2 Aan welke vereisten moet door het systeem worden voldaan? ............................... 34

6.1.2.1 3D ..................................................................................................................... 35

6.1.2.2 Tijd ................................................................................................................... 35

6.1.2.3 Data-imperfectie ............................................................................................... 36

6.1.2.4 Schaal ............................................................................................................... 39

6.1.3 Wat moet het resultaat zijn van het werken met dit systeem? ................................. 41

6.1.4 Hoe wordt deze doelstelling bereikt? ...................................................................... 41

6.2 Objectgerichte pijler .................................................................................................... 43

6.2.1 Dataverkenning ....................................................................................................... 43

6.2.1.1 Object ............................................................................................................... 44

6.2.1.2 Ruimte .............................................................................................................. 45

6.2.1.3 Tijd ................................................................................................................... 47

6.2.2 Opbouw datamodel voor Molesme ‘Sur-les-Creux’................................................ 48

v

6.2.2.1 Objectsegment .................................................................................................. 49

6.2.2.2 Ruimtesegement ............................................................................................... 51

6.2.2.3 Tijdssegment .................................................................................................... 52

6.2.2.4 Overige elementen in het datamodel ................................................................ 54

6.2.3 Omvorming bestaande databank ............................................................................. 55

6.3 Analysegerichte pijler .................................................................................................. 56

6.3.1 Toepasbaarheid bestaande analyses Molesme ‘Sur-les-Creux’ ............................. 56

6.3.1.1 Ruimtelijke analyses van de onroerende vondsten .......................................... 57

6.3.1.2 Ruimtelijke analyses van de roerende vondsten .............................................. 58

6.3.2 Clusteranalyse paalputten of trous de poteau ......................................................... 59

7 DISCUSSIE .......................................................................................................................... 72

7.1 Complexiteit van archeologische data ........................................................................ 72

7.2 Van complexe data naar een elementair conceptueel model .................................... 74

7.3 Potentieel van het elementair conceptueel datamodel in analyses ........................... 76

8 BESLUIT.............................................................................................................................. 78

REFERENTIELIJST ............................................................................................................. 80

Literatuur ............................................................................................................................ 80

Wetgeving ............................................................................................................................ 84

Internetbronnen ................................................................................................................. 85

Kaarten ................................................................................................................................ 86

Software ............................................................................................................................... 86

BIJLAGEN ............................................................................................................................. 87

Bijlage 1 : Inhoud van de shapefiles ‘UA’ en ‘UScomplet’ ............................................. 87

Bijlage 2 : Woordenboekuittreksels betreffende begrippen rond data-imperfectie .... 89

1. Uittreksels online Oxford English Dictionary (http://oxforddictionaries.com, 12 april

2012)................................................................................................................................. 89

vi

2. Uittreksels Van Dale Elektronische grote woordenboeken hedendaags Nederlands,

Engels, Frans, Duits Versie 5.0........................................................................................ 91

Bijlage 3 : Relatieschema omgevormde databank Molesme ‘Sur-les-Creux’............... 92

Bijlage 4 : SPSS-Output clusteranalyse ........................................................................... 93

1. Hiërarchische clusteranalyse (methode van Ward, kwadratische euclidische afstand)

.......................................................................................................................................... 93

2. Niet-hiërarchische clusteranalyse (k-means methode, 14 clusters) ........................... 101

3. Boxplot: afstand paalputten tot respectievelijk clustercentrum (k-means clustering)110

4. ANOVA-test (k-means clustering) .............................................................................. 111

Bijlage 5 : Kruistabel van de k-means clusters tegenover de structuren bepaald door

Deweirdt (2010) ................................................................................................................ 112

vii

LIJST VAN FIGUREN

Figuur 1: Topologische relaties tussen temporele primitieven .................................................. 9

Figuur 2: Bi-temporeel model: systeemtijd loopt achter op wereldtijd ................................... 10

Figuur 3: Structuur Bâtiment sur Poteaux Central (BPC) ....................................................... 21

Figuur 4: Structuur Bâtiment Maçonné Sud-Est (BMSE) ........................................................ 22

Figuur 5: Structuur Bassin Piscicole (BAP) ............................................................................ 23

Figuur 6: Structuur van de databank Molesme 'Sur-les-Creux' ............................................... 26

Figuur 7: UML-notatie voor klasse en generalisatie, associatie en aggregatie ........................ 31

Figuur 8: Verschillende analyseniveaus in de archeologie ...................................................... 40

Figuur 9: Histogram diepte onroerende resten Molesme 'Sur-les-Creux' ................................ 47

Figuur 10: Combinatie object-ruimte-tijd in datamodel .......................................................... 49

Figuur 11: Objectsegment van het datamodel .......................................................................... 50

Figuur 12: Ruimtesegment van het datamodel ......................................................................... 52

Figuur 13: Tijdssegment van het datamodel ............................................................................ 53

Figuur 14: Datamodel met betrekking tot extra informatie ...................................................... 54

Figuur 15: Datamodel met betrekking tot opgravingsteam ...................................................... 55

Figuur 16: Datamodel met betrekking tot geometrie ............................................................... 55

Figuur 17: Boxplotvoorstelling van de clusterelementen tot het clustercentrum ..................... 63

viii

LIJST VAN KAARTEN

Kaart 1: Locatie site Molesme 'Sur-les-Creux' ......................................................................... 18

Kaart 2: Lokalisatie van de site Molesme „Sur-les-Creux‟ op de rechteroever van de Laigne,

ten zuidwesten van het huidige dorp Molesme ........................................................................ 19

Kaart 3: Aanwezige objecten en structuren op de site Molesme 'Sur-les-Creux' .................... 20

Kaart 4: Voorbeeld van het voorkomen van vondsten op dezelfde plaats op diverse dieptes . 46

Kaart 5: Geografische spreiding van de centra van de k-means clusters ................................. 62

Kaart 6: Niet opgenomen paalputten en uitschieters bij de k-means clusteranalyse ................ 64

Kaart 7: Resultaten k-means clusteranalyse voor de paalputten .............................................. 65

Kaart 8: Locatie van de paalputten in de clusters 1, 3, 7 en 12 ................................................ 69

Kaart 9: Locatie van de paalputten in cluster 14 en in structuur BPC ..................................... 69

Kaart 10: Locatie van de paalputten in cluster 9 en in structuur BPN ..................................... 70

Kaart 11: Locatie van de paalputten in cluster 2 en in structuur BMSE .................................. 70

Kaart 12: Locatie van de paalputten in cluster 5 ...................................................................... 71

ix

LIJST VAN TABELLEN

Tabel 1: Relatie tussen dimensie en het ingenomen aandeel in de ruimte ................................. 6

Tabel 2: Temporele categorieën volgens Katsianis et al. (2008) ............................................. 12

Tabel 3: Fasering van de site Molesme „Sur-les-Creux‟ .......................................................... 24

Tabel 4: Beschikbare shapefiles Molesme „Sur-les-Creux‟ ..................................................... 25

Tabel 5: Begrippen met betrekking tot data-imperfectie ......................................................... 38

Tabel 6: Meest voorkomende types van onroerende vondsten ................................................ 44

Tabel 7: Verschil tussen agglomeratiecoëfficiënten van de hiërarchische clustering .............. 60

Tabel 8: Clustercentra voor clusters 1,8 en 12 ......................................................................... 61

Tabel 9: Aandeel van de k-means clusters in de structuren bepaald door Deweirdt (2010) .... 68

x

LIJST VAN AFKORTINGEN

2D Tweedimensionaal

3D Driedimensionaal

4D Vierdimensionaal

AISc Archaeological Information Science

BAP Bassin Piscicole

BMSE Bâtiment Maçonné Sud-Est

BPC Bâtiment sur Poteaux Central

BPN Bâtiment sur Poteaux Nord

BPNE Bâtiment sur Poteaux Nord-Est

CAA Computer Applications and Quantitative Methods in Archaeology

CAD Computer-Aided Design

CIDOC CRM International Committee for Documentation Conceptual Reference Model

D Dimensie

DTM Digitaal Terrein Model

FOE Fossé Est

FON Fossé Nord

FOW1 Fossé Ouest 1

FOS Fossé Sud

GIS Geografische Informatiesysteem of Geografische Informatiesystemen

GML Geography Markup Language

GPS Global Positioning System

ISO International Organization for Standardization

IT Informatietechnologie

n.C. Na Christus

OED Oxford English Dictionary

UML Unified Modeling Language

v.C. Voor Christus

VR Virtual Reality

VRML Virtual Reality Modeling Language

XML Extensible Markup Language

Verzameling van reële getallen

Verzameling van gehele getallen

1

1 INLEIDING

De laatste jaren is het gebruik van en de interesse in geografische informatiesystemen (GIS)

sterk toegenomen. Deze trend doet zich niet alleen voor in geografisch onderzoek, maar ook

in verschillende andere domeinen als geologie, ruimtelijke planning, biologie, …(Breunig &

Zlatanova, 2011). Ook voor archeologen biedt GIS diverse mogelijkheden om de relaties

tussen verschillende sites of objecten van een site te analyseren en te interpreteren. Toch is het

aantal archeologische studies dat uitvoerig gebruik maakt van GIS beperkt. Een eerste reden

hiervoor is dat de kennis en vaardigheden van archeologen in computer- en

informatiewetenschappen niet evenredig zijn gegroeid met het aanbod aan GIS-software

(Wheatley & Gillings, 2002). Llobera (2011) verklaart dit hiaat tussen informatietechnologie

(IT) en archeologie door de afwezigheid van een zogenaamde „amfibiestaat‟. De

bekwaamheid in de verschillende disciplines laat in dergelijke hoedanigheid zonder

problemen de overschakeling ertussen toe en geeft de mogelijkheid om nieuwe inzichten te

verkrijgen. De tweede reden ligt in het gebrek aan software die specifiek voor archeologen is

ontwikkeld en bovendien eenvoudig in gebruik en kostenefficiënt is (Losier et al., 2007).

Wheatley en Gillings (2002) halen hierbij eveneens aan dat opgravingsdata driedimensionaal

(3D) zijn, maar dat de gebruikelijke GIS-pakketten voornamelijk gericht zijn op

tweedimensionale (2D) gegevens en analyses. Veel archeologen zien dus het gebruik van GIS

nog niet als een gangbaar onderzoeksmiddel of hebben nog geen duidelijk inzicht in de

uitgebreide mogelijkheden ervan.

Hieruit blijkt de nood om een GIS voor archeologische data te ontwikkelen. Dat dient

eenvoudig in gebruik en kostenefficiënt te zijn, maar vooral gericht op de vereisten van

personen die omgaan met archeologische data. Het intrinsieke driedimensionale karakter van

de archeologische gegevens en het feit dat archeologie onlosmakelijk verbonden is met tijd

geeft bovendien aanleiding tot de ontwikkeling van een vierdimensionaal (4D) GIS.

Bovendien dient rekening te worden gehouden met imperfectie die van nature met

archeologische gegevens verbonden is.

In eerste instantie moet een 4D-GIS ten minste dezelfde mogelijkheden bieden als een 2D-

GIS (Zlatanova et al., 2002). Een 4D-GIS kan voor archeologen verschillende voordelen

inhouden. 3D-visualisaties geven een meer realistische voorstelling van de werkelijkheid en

maken het mogelijk om de site als het ware opnieuw te bezoeken, zelfs nadat deze vernietigd

2

of sterk gewijzigd is (Al-Hanbali et al., 2006). Voor dergelijke visualisaties wordt

voornamelijk gebruik gemaakt van virtual reality-omgevingen (VR). VR is een sterke tool om

omgevingen zeer realistisch weer te geven, maar is nooit bedoeld als analytische tool

(Llobera, 2011). 3D-visualisaties bieden ook een natuurgetrouwer overzicht van de structuren

en objecten op een site. Op die manier bevorderen ze het inzicht in en de interpretatie van de

topologische en ruimtelijke relaties tussen de verschillende opgravingen en stratigrafische

lagen op de site (Losier et al., 2007). Daarnaast kan de ontwikkeling en het gebruik van een

4D-GIS ook aanleiding geven tot de ontwikkeling van nieuwe of verbeterde methoden en dit

zowel op het vlak van dataregistratie, analyses, interpretatie als voorstelling (Katsianis et al.,

2008).

Bij de ontwikkeling van een 4D-GIS verdient het de voorkeur voldoende aandacht te

schenken aan het gebruik van standaarden voor geodatabases om de heterogeniteit van

datamodellen te beperken (Breunig & Zlatanova, 2011). Een ander voordeel van het gebruik

van standaarden ligt in de interoperabiliteit. Het gebruik van een open formaat als eXtensible

Markup Language (XML) of Geography Markup Language (GML) laat data-uitwisseling

eenvoudig toe (Antrop & De Maeyer, 2008) en maakt het mogelijk verschillende datasets vlot

te integreren (Schloen, 2001). Een dataformaat dat gebaseerd is op een internationale

standaard levert namelijk een kader voor toepassingsonafhankelijke codering van data (CGI,

2008).

In deze masterproef is het de bedoeling een eerste stap te zetten in de richting van een

vierdimensionaal archeologisch GIS. Deze stap omvat het verwerven van inzicht in de

structuren en objecten die voorkomen op archeologische sites en het analyseren van de

relaties ertussen. Op die manier kunnen de meest significante kenmerken worden

geïdentificeerd en kan een elementair conceptueel model worden opgemaakt.

Om deze doelstelling te verwezenlijken wordt een casestudie uitgevoerd. Deze heeft

betrekking op een archeologische site te Molesme (Frankrijk). In deze casestudie zal worden

rekening gehouden met zowel de data, de gebruikers als de functionaliteit. Hieruit vloeien drie

pijlers voort waarop het onderzoek steunt: gebruikersgericht, objectgericht en analysegericht.

Ten eerste wordt nagegaan welke de noden van het systeem zijn en met welke complexiteiten

moet worden rekening gehouden. De tweede pijler richt zich naar de objecten die op de site

voorkomen. Er wordt onderzocht welke objecten dit zijn en wat hun geometrische,

3

semantische en topologische kenmerken zijn. Ten slotte wordt bestudeerd welke analyses

voor deze site werden uitgevoerd en welke nieuwe 4D-analyses mogelijk zijn.

Naast een bespreking van de concepten object, ruimte en tijd wordt in het tweede hoofdstuk

een overzicht gegeven van de bestaande projecten betreffende 3D of 4D archeologische GIS.

De site Molesme „Sur-les-Creux‟, waarop het onderzoek wordt uitgevoerd, wordt in het derde

hoofdstuk kort geschetst. Vervolgens wordt het ter beschikking gestelde materiaal en de

gebruikte methodologie besproken. De resultaten en antwoorden op de onderzoeksvragen

worden in het zesde hoofdstuk weergegeven. Aansluitend worden de resultaten van het

onderzoek vergeleken met reeds verricht wetenschappelijk onderzoek en worden de

mogelijkheden en beperkingen aangehaald. Ten slotte wordt de conclusie van het onderzoek

weergegeven.

4

2 LITERATUUROVERZICHT

Een GIS dat speciaal ontwikkeld is voor archeologische data en analyses en dat bovendien

vierdimensionaal is, is tot op vandaag onbestaande. In de literatuur wordt veelvuldig geduid

op de noodzaak en op de voordelen die een 3D- of 4D-GIS kan bieden. Zlatanova et al.

(2002) wijzen erop dat een 3D-GIS als eerste doel heeft ten minste in dezelfde

functionaliteiten te voorzien als een 2D-GIS, maar dat aan deze doelstelling niet werd voldaan

door de systemen die op dat moment op de markt waren. Uit de literatuur blijkt dat deze

situatie tot op vandaag standhoudt. Meestal worden de data verspreid over verschillende

systemen, bv. één voor dataopslag en een ander voor visualisatie. Deze opsplitsing leidt vaak

tot inconsistentieproblemen die op hun beurt leiden tot extra tijd, geld en moeite om tot de

bedoelde oplossing of gegevensverwerking te komen (Zlatanova et al., 2002). Er wordt hier

dan ook een opsplitsing gemaakt naar onderzoeksprojecten die zich vooral richten op 3D-

visualisatie en -publicatie van archeologisch data en onderzoek dat zich richt naar

gegevensopslag, data-uitwisseling en 3D-analyses. Alvorens de recente ontwikkelingen in

3D-GIS toe te lichten, wordt eerst ingegaan op de concepten object, ruimte en tijd. Arroyo-

Bishop en Lantada Zarzosa (1995) omschrijven archeologie immers als een object-ruimte-tijd

relatie. Om tot juiste conclusies te komen moeten deze drie factoren tegelijk worden

behandeld en moeten de ruimte- en tijdsdimensie worden gehanteerd in relatie tot andere data

(Arroyo-Bishop & Lantada Zarzosa, 1995).

2.1 Objecten

Een geografisch object is een gegeven of realworld-object dat gelokaliseerd en beschreven

kan worden. Deze definitie maakt duidelijk dat een object geometrische en niet-geometrische

gegevens omvat (Antrop & De Maeyer, 2008). Elk object bezit een set van geassocieerde

attributen die het mogelijk maakt om het te onderscheiden van andere objecten (Goodchild,

1992). Naast de geometrie zijn er ook semantische of thematische attributen en topologische

eigenschappen (Antrop & De Maeyer, 2008). Objecten kunnen zowel statisch als dynamisch

zijn met betrekking tot tijd, zoals beschreven in paragraaf 2.3 (Antrop & De Maeyer, 2008).

Om een duidelijk onderscheid te kunnen maken tussen realworld- en softwareobjecten kan

eveneens de term „feature’ worden gebruikt. De ISO-norm 19101 geeft namelijk volgende

definitie: “A feature is an abstraction of a real world phenomenon” (Kottman & Reed, 2009).

Deze theoretische concepten sluiten aan bij een objectgeoriënteerde programmeer- of

5

datamodelleringsbenadering. Een objectgeoriënteerde benadering maakt het vaak mogelijk

om complexe ruimtelijke fenomenen uit te drukken in termen die dichter bij het menselijk

denken liggen dan in het geval van een traditionele benadering (Egenhofer & Frank, 1992).

Archeologie wordt gekenmerkt door een grote diversiteit aan objecten die op zeer

verschillende manieren gerelateerd zijn (Madsen, 2003). Archeologische vondsten zijn zeer

onregelmatig en kunnen ook bijzonder complex zijn (Barceló et al., 2003). Naast het groot

aantal verschillende objecten maken onzekerheid en topologische beperkingen het nog

complexer en moeilijker om archeologische eenheden en hun karakteristieken te bepalen. De

onzekerheid wordt enerzijds veroorzaakt door de verscheidenheid aan bestaande

opgravingsmethodes en anderzijds door de subjectieve beschrijving van de objecten

(Katsianis et al., 2008). Bovendien zijn niet alle archeologische vondsten intact, wat de

onzekerheid en de complexiteit van het beschrijven en modelleren nog vergroot (Deweirdt,

2010).

2.2 Ruimte

2.2.1 Algemene basisconcepten

Alvorens in te gaan op een aantal basisconcepten in verband met ruimte, wordt eerst getracht

een definitie te geven voor ruimte. Pfoser en Tryfona (1998) definiëren ruimte als een

wiskundige verzameling van punten. Alle verzamelingen zijn mogelijk, maar afhankelijk van

het doel en met het oog op een eenvoudig gebruik zijn de meest voorkomende de verzameling

van reële ( ) of gehele ( ) getallen.

Objecten in de reële wereld hebben een positie in de ruimte (Pfoser & Tryfona, 1998). Een

ruimtelijk object is een object waarvoor deze positie bepalend is in functie van een bepaalde

toepassing (Pfoser & Tryfona, 1998). Antrop en De Maeyer (2008, p. 2) definiëren een

ruimtelijk object als een object dat kan worden gelokaliseerd, maar dat verder geen

beschrijving heeft.

6

2.2.1.1 0, 1, 2 en 3D

Een belangrijk ruimtelijk basisconcept is dimensie (D). Losier et al. (2007) benadrukken dat

er verwarring kan heersen bij het gebruik van deze term. Dimensie kan namelijk aanzien

worden als referentie naar een coördinatensysteem, maar kan ook corresponderen met de

lengte, breedte en hoogte van een object. Losier et al. (2007) definiëren dimensie als de

hoeveelheid metingen die nodig zijn om het aandeel van de ruimte dat door een object of de

geometrische weergave ervan wordt ingenomen, voor te stellen (Tabel 1).

Tabel 1: Relatie tussen dimensie en het ingenomen aandeel in de ruimte

Object Metingen nodig voor bepaling

ingenomen ruimtelijk aandeel Dimensie

Puntobject 0D

Lijnobject Lengte 1D

Vlakobject Breedte, lengte of oppervlak 2D

Volumeobject Lengte, breedte, hoogte of volume 3D

Bron: naar Losier et al., 2007

2.2.1.2 Geometrische primitieven en topologische relaties

De definitie voor dimensie van Losier et al. (2007) heeft een duidelijke link met de

geometrische primitieven. Een geometrische primitief is een basiselement voor het

beschrijven van de geometrie van een terreinobject. Drie dergelijke primitieven kunnen

worden onderscheiden: punt, lijn en vlak (Antrop & De Maeyer, 2008). Een puntobject wordt

geometrisch beschreven door één coördinatenpaar. Een lijn wordt gedefinieerd door

aansluitende elementen. Een segment is een rechtlijnig object dat wordt begrensd door twee

knopen of nodes. Ook een lijn wordt gekenmerkt door een begin- en eindknoop. Een vlak

wordt aangeduid door de lijnen die zijn grenzen bepalen. Het is mogelijk om binnen en buiten

te onderscheiden bij een vlak wanneer gebruik wordt gemaakt van gerichte lijnen of

segmenten.

Geometrische primitieven worden gebruikt om topologische relaties te beschrijven.

Topologische relaties zijn een goed bestudeerd gegeven (Kurata, 2010), wat leidt tot

verschillende modellen en theorieën die erover bestaan. Uit het overzicht van Kurata (2010)

blijkt dat de acht topologische relaties tussen twee vlakken in een 2D-ruimte van Egenhofer

(1989), het 9-intersectie- van Egenhofer en Herring (1991) en 9+-intersectiemodel van Kurata

en Egenhofer (2007) de belangrijkste zijn. Deze laatste twee maken gebruik van binnen,

7

buiten en grens om negen types topologische relaties tussen twee vlakken vast te leggen. Het

aantal mogelijke relaties tussen alle mogelijke combinaties van de geometrische primitieven

(punten, lijnen, vlakken en volumes) in , en wordt door Zlatanova (2000) bepaald op

basis van het 9-intersectiemodel. Kurata (2008) doet hetzelfde op basis van het 9+-

intersectiemodel. Kurata (2010) stelt dat deze topologische relaties niet voldoen voor fysische

objecten omdat deze enkel een disjuncte relatie ten opzicht van elkaar kunnen aannemen. Om

dit probleem te overwinnen stelt Kurata (2010) voor het 9-intersectie model uit te breiden tot

contactrelaties. Een uitgebreide beschrijving zou hier echter te ver leiden en is te vinden in

Kurata (2010).

2.2.2 Ruimte en archeologie

2.2.2.1 Ruimte

Archeologie is sterk verbonden met de ruimte en dit in de drie dimensies. Volgens Barceló et

al. (2003) kan slechts van een archeologische site sprake zijn als de fysische ruimte door

menselijke tussenkomst gewijzigd is. De wijziging van de fysische ruimte door natuurlijk en

menselijk ingrijpen laat toe componenten te onderscheiden. Een component is bijgevolg een

regio in de ruimte die wordt afgebakend door ruimtelijke discontinuïteiten in kleur, textuur,

vorm of topologie (Barceló et al., 2003). Deze definities van archeologische site en

componenten laten duidelijk de sterke band met de ruimte blijken. Llobera (2011) stelt dat

archeologen voortdurend wisselen tussen verschillende conceptualisaties van ruimte. De

ruimte wordt vooral bestudeerd om het gebruik ervan in verschillende tijdsfases te kunnen

bepalen. Op basis van de exacte locaties van gevonden objecten in de ruimte, de

eigenschappen van deze vondsten, andere ruimtelijke attributen zoals bodemtype en

topologische relaties tracht men tot dergelijke fasering van de site te komen (Tsipidis et al.,

2005).

Objecten die op een archeologische site worden gevonden, zijn ruimtelijke objecten in de zin

van de definitie van Pfoser en Tryfona (1998), maar omdat ze een uitgebreide beschrijving

bezitten zijn het geografische objecten volgens de definitie van Antrop en De Maeyer (2008).

Naast exact te lokaliseren objecten bestaan er verschillende vondsten die niet aan exacte

coördinaten kunnen worden gekoppeld, maar enkel in relaties vervat kunnen worden. Het gaat

dan voornamelijk om kleine vondsten die vervat zitten in een bepaalde eenheid of vondst, bv.

potscherven (Schloen, 2001).

8

2.2.2.2 3D

Barceló et al. (2003) voegen aan hun definitie van component expliciet toe dat dit altijd

driedimensionaal is. Archeologische data hebben een intrinsiek 3D-karakter (Wheatley &

Gillings, 2002; Barceló et al., 2003; Tsipidis et al. 2005). Tijdens een archeologische

opgraving wordt geprobeerd structuren te ontdekken die zich diep in de grond bevinden, maar

archeologen onderzoeken ook structuren en resten die zich boven de grond bevinden. De

diepte en hoogte vormen zo de derde dimensie die een unieke bijdrage levert in de

verschillende onderdelen van het archeologische onderzoek (Tsipidis et al., 2005). Hoewel

archeologische opgravingen gebeuren in de 3D-ruimte, worden de data in vele gevallen in 2D,

in de vorm van plannen, doorsneden, schetsen, … geanalyseerd en geïnterpreteerd (Conolly &

Lake, 2006, p. 38).

2.3 Tijd

2.3.1 Algemene concepten

Naast ruimtelijke kenmerken is tijd een niet verwaarloosbaar aspect bij het verzamelen,

analyseren en interpreteren van data. Het geven van een ondubbelzinnige definitie van tijd is

echter heel wat complexer dan dit voor ruimtelijke dimensies het geval is. Šmejda (2009) stelt

dat de onmogelijkheid om een algemeen geldende definitie van tijd te geven de meest

essentiële eigenschap van tijd is. Het is wel mogelijk een aantal temporele primitieven en

basisconcepten te onderscheiden en de link te leggen met de ruimte.

2.3.1.1 Temporele primitieven en analogie met ruimtelijke concepten

Een tijdspunt, ook tijdstip of moment genoemd, is een eerste temporeel basisbegrip. Het

wordt gekenmerkt door één enkel punt op een tijdslijn (van Oosterom, 2006), waarmee

meteen de analogie met het ruimtelijk primitief „punt‟ duidelijk wordt. Een tijdspunt wordt

beschouwd als één chronos (Pfoser & Tryfona, 1998). Dit is de kleinste tijdseenheid en kan

bijgevolg vergeleken worden met de resolutie van een rasterbeeld (van Oosterom, 2006).

Het tweede temporeel primitief is het tijdsinterval. Net zoals een geometrische lijn een begin-

en eindpunt bezit, wordt een tijdsinterval gekenmerkt door een begin- en eindpunt op een

tijdslijn (van Oosterom, 2006). Een tijdsinterval heeft een duur en bestaat uit een set van

9

chronoi (Pfoser & Tryfona, 1998). Volgens van Oosterom (2006) is een periode hetzelfde als

een tijdsinterval. Dit stemt niet volledig overeen met de visie van Pfoser en Tryfona (1998)

die een tijdsperiode definiëren als een set van tijdspunten, tijdsintervallen of elke mogelijke

combinatie hiervan. Een tijdsperiode hoeft volgens deze definitie dus niet noodzakelijk

aaneensluitende tijdstippen of tijdsintervallen te omvatten.

Naar analogie met de ruimtelijke primitieven kunnen tussen deze twee temporele primitieven

verschillende topologische relaties bepaald worden (Antrop & De Maeyer, 2008; van

Oosterom, 2006). De topologische relaties tussen tijdspunten, tijdsintervallen en de

combinatie van beide worden in onderstaande Figuur 1 weergegeven.

Figuur 1: Topologische relaties tussen temporele primitieven

Bron: Antrop & De Maeyer, 2008, pp. 116-118; van Oosterom, 2006, eigen bewerking

2.3.1.2 Andere basisconcepten van tijd

Een tijdsschaal kan lineair zijn, maar ook cyclisch of vertakt (Antrop & De Maeyer, 2008, pp.

116-118). Deze laatste vorm wordt voornamelijk geassocieerd met onzekere of (deels)

onbekende tijdsintervallen of –punten en dit zowel in de toekomst als in het verleden (van

Oosterom, 2006).

Bovendien kunnen verschillende soorten tijd worden aangeduid (van Oosterom, 2006).

Objecten kunnen dan ook meerdere temporele waarden hebben (Katsianis et al., 2008).

Mogelijke tijdssoorten zijn bijvoorbeeld het tijdstip waarop iets wordt waargenomen, het

BEVAT en EINDIGT GELIJK

BEVAT en BEGINT GELIJK

VOOR

NA

GELIJK

RAAKT

OVERLAPT

BEVAT

Tijdsintervallen Tijdspunt & tijdsinterval

Tijdspunten

10

tijdstip waarop een object wordt opgenomen in een databank, de periode of het moment

waarop iets heeft bestaan of plaatsgevonden in een bepaald classificatiesysteem, … (van

Oosterom, 2006; Katsianis et al., 2008). Uit deze voorbeelden van tijdssoorten kunnen twee

groepen worden afgeleid: wereldtijd en systeemtijd (van Oosterom, 2006). Deze groepen

worden in de literatuur eveneens aangeduid met respectievelijk transaction time en valid time

of database time (Pfoser & Tryfona, 1998; Antrop & De Maeyer, 2008, p. 118). De wereldtijd

duidt de reële tijd aan voor het bestaan in de werkelijkheid van een object of feit. De

systeemtijd is het moment waarop het object of het feit in een databank (of ander systeem)

wordt opgenomen. Het is dan ook logisch dat de systeemtijd altijd achterloopt op de

wereldtijd en dit zowel voor begin- als eindpunt. Deze stelling wordt door van Oosterom

(2006) grafisch weergegeven in Figuur 2.

Figuur 2: Bi-temporeel model: systeemtijd loopt achter op wereldtijd

Bron: van Oosterom, 2006

Tijd kan opgenomen worden voor events of states. Een event doet zich voor op één bepaald

tijdstip en heeft dus geen duur. Een state daarentegen wordt aan elke chronos van een

tijdsinterval toegekend en heeft dus een duur (Pfoser & Tryfona, 1998).

2.3.1.3 Combinatie van tijd en ruimte

Pfoser en Tryfona (1998) definiëren vanuit de vereisten van de gebruiker een aantal

tijdruimtelijke concepten om een beter inzicht in de tijdruimtelijke toepassingen te

verschaffen. Het opnemen van een bepaald ruimtelijk object op een bepaald tijdstip komt

overeen met het nemen van een momentopname of snapshot. Een ruimtelijk object registreren

in een bepaald tijdsinterval is hetzelfde als het vastleggen van zijn evolutie. Hierbij worden de

11

wijzigingen van de posities van het object opgenomen. Deze wijzigingen kunnen zowel

continu als discreet zijn, wat respectievelijk resulteert in beweging (motion) of veranderingen

(changes). Wanneer objecten worden opgenomen in tijdspunten van eenzelfde tijdsperiode,

geeft dit related snapshots.

De integratie van de tijdsdimensie in een ruimtelijke databank of GIS en de mogelijkheid tot

temporele analyses zijn tot nog toe niet efficiënt gerealiseerd (Katsianis et al., 2008). De

implementatie van tijd in een 3D-GIS is nog moeilijker te realiseren door het beperkte aantal

beschikbare tools en systemen (Katsianis et al., 2008) en de complexiteit van zowel tijd als de

driedimensionale ruimte (Pfoser & Tryfona, 1998).

2.3.2 Tijd in archeologie

Tijd is één van de voornaamste elementen in archeologisch onderzoek. De definitie van

tijdsfases van het gebruik van een bepaald deel van de ruimte door vroegere

bevolkingsgroepen en de begrenzingen in ruimtelijke en culturele termen is één van de

hoofdfenomenen die in een opgravingsstudie wordt onderzocht (Tsipidis et al., 2005).

Ruimtelijke data worden meestal in een temporeel verband beschouwd waardoor de

tijdruimtelijke configuratie van de informatie fundamenteel belangrijk wordt (de Runz et al.,

2010). Tijd is niet rechtstreeks op objecten of hun omgeving waar te nemen. De

tijdscomponent is enkel af te leiden uit analyse van de ruimtelijke eigenschappen en/of de

attributen (Spaulding, 1960 zoals geciteerd in Šmejda, 2009).

Archeologische data verschillen van dynamische tijdsfenomenen in het feit dat zij events of

states voorstellen (Katsianis et al., 2008). Tijd wordt in archeologie dan ook doorgaans gezien

als een discreet fenomeen, waarbij het verleden wordt opgedeeld in fases van verschillende

lengte en met een variërende kwaliteit van de definitie (Šmejda, 2009). Katsianis et al. (2008)

stellen vast dat steeds meer onderzoekers de overstap zouden willen zien van een lineair,

objectief en onomkeerbaar tijdsbegrip naar een meer flexibele benadering. Deze benadering

omvat concepten als meervoudige temporele paden, verschillende tijdsschalen en niet-lineaire

trajecten. Het onderzoek met betrekking tot dergelijke concepten is de laatste jaren sterk

toegenomen, maar tot op heden is de integratie van een meer flexibele benadering van het

tijdsconcept in een GIS nog niet mogelijk (Breunig & Zlatanova, 2011).

12

Zoals eerder aangehaald, bestaan er verschillende soorten tijd (van Oosterom, 2006). Ook aan

archeologische objecten kunnen meerdere sets van temporele waarden worden toegekend.

Katsianis et al. (2008) hebben zes temporele paden geïdentificeerd om archeologische data te

beschrijven. Het gaat zowel om events als states of durations als relatieve temporele relaties.

De categorieën met bijhorende beschrijving, soort en voorbeeld worden in Tabel 2

weergegeven. Hieruit blijkt dat ook de systeemtijd of database time is opgenomen.

Tabel 2: Temporele categorieën volgens Katsianis et al. (2008)

Bron: Katsianis et al., 2008

De complexiteit van het tijdsbegrip in de archeologie wordt naast de verschillende

tijdssoorten ook bepaald door onzekerheid. Archeologische data zijn vaak onzeker,

onnauwkeurig en het resultaat van interpretatie (de Runz et al., 2010). De onzekerheid wordt

bovendien deels bepaald door de interpretatie van de data (Katsianis et al., 2008). Bij het

onderzoeken van temporele relaties, bv. “Is element a ouder dan element b?” speelt deze

onzekerheid een belangrijke rol. Een binair antwoord, louter ja (voor) of nee (na), zal niet

voldoen. Om deze reden stellen de Runz et al. (2010) voor om gebruik te maken van een

betrouwbaarheidsindex, namelijk ‘anteriority index’. Op die manier wordt de onzekerheid van

de twee data en bijgevolg van de temporele relatie ertussen duidelijk gemaakt en kan de

betrouwbaarheid van het antwoord worden beoordeeld.

13

2.4 Onderzoeksprojecten

2.4.1 Projecten gericht op 3D-visualisatie en -publicatie

In de literatuur kunnen een aantal projecten worden gevonden die de derde en zelfs vierde

dimensie trachten te integreren in archeologisch onderzoek, maar die voornamelijk de nadruk

leggen op visualisatie.

Barceló et al. (2003) maken gebruik van een digitaal terrein model (DTM) om vervolgens de

verandering in vorm, textuur, kleur en topologie voor te stellen onder de vorm van vlakken.

De opbouw van het 3D-model gebeurt van macro- naar microschaal. Barceló et al. (2003)

halen als voordelen van deze methode en het uiteindelijke model de mogelijkheid van

volumeberekening en een goede 3D-impressie van het formatieproces van de afzettingen aan.

Hieruit blijkt dat het analytische doel zeer beperkt blijft.

Al-Hanbali et al. (2006) proberen de mogelijkheden van enerzijds digitale fotogrammetrie en

anderzijds GIS aan te tonen in een project rond de stad Jerash in Jordanië. De doelstelling van

dit project is het opbouwen van een 3D-VR-model van de Artemistempel als documentatie, de

constructie van een GIS-model van de stad en de opname van het Artemismodel in het GIS-

model. Ook hier wordt geopteerd om van macro- naar microschaal te werken. Op basis van

satellietbeelden worden een DTM en orthofoto‟s aangemaakt. GIS wordt gebruikt voor het

exact lokaliseren van de archeologische site en de monumenten. De VR-omgeving zal

toelaten dat personen een aantal belangrijke monumenten en in de toekomst de volledige site

virtueel kunnen bezoeken. GIS wordt in dit project enkel aangewend voor het voorzien in een

achtergrondkaart of dus als een referentiekader. Al-Hanbali et al. (2006) halen echter wel het

belang van een 3D-model voor ruimtelijke analyse aan. Ze stellen dat een belangrijke

ruimtelijke analyse die werd uitgevoerd, een evaluatie is van de bevolkingsuitbreiding van de

moderne stad tegenover de oude stad. Deze analyse is gebeurd op basis van overlegtechniek

van orthofoto‟s (Al-Hanbali et al., 2006). Deze techniek heeft in se weinig te maken met het

3D-model en is een gekende techniek in huidige GIS-analyses. Ook hier blijkt terug dat het

project voornamelijk draait om het voorzien in visualisatie van de site en haar objecten en in

publicatie naar toerisme toe en veel minder met analyses of het archeologische

werkingsproces te maken heeft.

14

Llobera (2011) besluit dat VR een zeer krachtige tool is voor het renderen van complexe

scènes en een holistisch beeld van het verleden kan creëren. Daartegenover staat echter dat

VR nooit bedoeld is als een analytisch hulpmiddel. Het kan als actieve tool slechts een

beperkte rol vervullen in het archeologisch proces van dataverkenning, analyse en

interpretatie. Op deze manier kan VR worden vergeleken met Computer-aided Design

(CAD)-systemen. CAD kan worden gebruikt met andere tools voor analyses, maar het was

nooit bedoeld om een zuiver analytisch instrument te zijn. Die functie is dan weer wel

weggelegd voor GIS (Llobera, 2011). Om deze reden wordt in deze masterproef geen verdere

aandacht besteed aan VR en fotogrammetrie.

2.4.2 Projecten gericht op gegevensopslag, data-uitwisseling en 3D-analyses

Een tweede groep van onderzoeksprojecten richt zich meer op het opslaan van archeologische

data, uitwisseling tussen verschillende gebruikers en op het uitvoeren van analyses. Om dit te

realiseren is er nood aan een geschikt datamodel. Dit model moet begrijpbaar zijn door de

gebruikers, i.e. archeologen en personen die omgaan met archeologische data (Schloen, 2001;

Arp, 2003). Wanneer het in een XML-schema wordt uitgedrukt, zal het een probleemloze

integratie van verschillende datasets mogelijk maken (Schloen, 2001). De implementatie van

een archeologisch datamodel kan voor onderzoekers zeer nuttig zijn in alle fasen van een

project, maar er dient wel rekening te worden gehouden met de problematiek van tijd en

schaal (Arp, 2003).

In verschillende andere domeinen bestaan reeds datamodellen die driedimensionale data

behandelen en die gebaseerd zijn op XML en GML schema‟s (Breunig & Zlatanova, 2011).

De twee belangrijkste en meeste gekende standaarden zijn CityGML voor het domein van

ruimtelijke planning, stedenbouw en architectuur (Gröger et al., 2008) en GeoSciML voor het

domein van geologie (CGI, 2008; Robida, persoonlijke mededeling, 16 april 2012). CityGML

is ontwikkeld met het doel om tot een gemeenschappelijke definitie van basisentiteiten,

attributen en relaties van een 3D-stadsmodel te komen (Gröger et al., 2008). Het beoogt het

voorstellen, opslaan en uitwisselen van virtuele 3D-modellen van steden en landschappen

(Gröger et al., 2008). Het model bestaat zowel uit een geometrisch als een thematisch deel en

onderscheidt vijf detailniveaus (Gröger et al., 2008). GeoSciML wil het mogelijk maken om

geowetenschappelijke informatie te bevragen en uit te wisselen tussen gebruikers en

dataleveranciers (CGI, 2008). De reikwijdte van GeoSciML wordt in een eerste fase van de

15

ontwikkeling beperkt tot de componenten die zich op de geologische kaart bevinden samen

met veldobservaties en boringen (CGI, 2008). Voor de documentatie van cultureel erfgoed en

de uitwisseling en integratie ervan wordt het “International Committee for Documentation

Conceptual Reference Model” (CIDOC CRM) gebruikt. Dit conceptueel referentiemodel

geeft een definitie en formele structuur voor de beschrijving van impliciete en expliciete

concepten en relaties die worden gebruikt in de documentatie van cultureel erfgoed (Crofts et

al., 2011). Dit datamodel is sinds 2006 officieel de ISO-standaard 21127:2006

(http://www.cidoc-crm.org, 30 december 2011). De reikwijdte van deze standaard wordt

aangeduid als “the curated knowledge of museums” (Crofts et al., 2011, p. ii). Dit maakt

duidelijk dat dit datamodel niet volstaat voor alle archeologische objecten en toepassingen,

maar vooral gericht is naar meer traditioneel cultureel erfgoed als schilderijen en

beeldhouwwerken die zich al dan niet in musea bevinden. Felicetti et al. (2010) stellen voor

om datamodellen te voorzien van een semantische beschrijving om belangrijke informatie die

anders niet in het model wordt opgenomen, weer te kunnen geven. Zij maken gebruik van

GML3 omdat deze standaardtaal al een basisniveau van semantiek in zich draagt. Het project

bestaat erin om GML-code te verrijken met entiteiten van CIDOC CRM.

De drie bovengenoemde datamodellen zijn allen objectgeoriënteerd. Madsen (2003)

ondervond dat het gebruik van relationele databanken voor het opnemen van gegevens snel

leidt tot het vervallen in complexiteit. Deze complexiteit kan worden vermeden door gebruik

te maken van objectoriëntatie (Madsen, 2003). Het systeem ArcheoInfo dat door Madsen

(2003) werd uitgewerkt is voornamelijk gericht op gegevensopslag en houdt bovendien

weinig tot geen rekening met de geometrische eigenschappen van de data. De belangrijkste

analyses die worden vermeld, zijn het zoeken van gegevens en het opstellen van kruistabellen.

Arroyo-Bishop en Lantada Zarzosa (1995) onderzochten de mogelijkheid voor de

ontwikkeling van een GIS dat gebaseerd is op de relatie tussen objecten, ruimte en tijd. De

focus ligt bij dit onderzoek voornamelijk op de analyses die moeten kunnen gebeuren met het

GIS. Om dat te realiseren, definiëren ze een aantal bouwstenen. Deze bouwstenen zijn de

basiselementen waarop een krachtige analyse kan gebaseerd zijn: archeologische entiteiten,

ruimtelijke entiteiten, temporele entiteiten en interpretatieve groepen. Het ruimtelijke aspect

beperkt zich echter wel tot 2D. Uit dit onderzoek blijkt dat objecten, ruimte en tijd tegelijk

moeten en kunnen behandeld worden in een GIS. Bovendien vormen de

16

analysemogelijkheden een belangrijke basis in het ontwikkelingsproces en moeten ze dus van

in het begin voor ogen worden gehouden.

De relatie tussen objecten, ruimte en tijd in archeologie die door Arroyo-Bishop en Lantada

Zarzosa (1995) uitgebreid werd omschreven, vormt de basis voor het datamodel dat wordt

opgesteld in het onderzoek van Katsianis et al. (2008). Het datamodel is opgebouwd rond drie

assen: object, ruimte en tijd. Ze stellen dat ondanks de complexiteit die gepaard gaat met

archeologische data, een objectgeoriënteerde conceptuele datamodellering en een

ontwikkeling van een expliciet ontologisch model met tijdruimtelijke elementen zoals het

CIDOC CRM het opgravingsproces in een meer gestructureerd analytisch en semantisch

domein kan plaatsen. De ISO-standaard 21127 wordt toegepast door verwijzingen vanuit de

thematische Unified Modeling Language (UML)-schema‟s. Tsipidis et al. (2011) stellen een

aantal vereisten en eigenschappen vast waaraan moet worden voldaan voordat de effectieve

ontwikkeling van het datamodel en de software errond kan worden aangevat. De belangrijkste

vereisten die worden aangehaald zijn: driedimensionaliteit, temporele karakteristieken en

relaties, dynamisch zoeken en filteren, uitvoeren van complexe bevragingen, interface gericht

op de gebruiker. Naast het datamodel wordt ook de nadruk gelegd op een aantal

basisfunctionaliteiten (bv. selecteren, identificeren, …) en extra analysemogelijkheden (bv.

3D-buffer). Ook het groeperen van objecten wordt mogelijk (Tsipidis et al., 2005), wat

nogmaals de link met het onderzoek van Arroyo-Bishop en Lantada Zarzosa (1995) bevestigt

die interpretatieve groepen als een bouwsteen voor een GIS opvatten. Door deze functies uit

te werken en te benadrukken, blijkt duidelijk dat de analytische functionaliteiten van het te

ontwikkelen systeem centraal hebben gestaan in het ontwerp ervan. Het datamodel is echter

ontwikkeld voor een specifieke site, Paliambela Kolindros, en een specifieke

opgravingsmethodologie. Bovendien is het niet opgemaakt in een open dataformaat, wat de

eenvoudige data-uitwisseling tussen verschillende partijen beperkt.

Het onderzoeksproject van Losier et al. (2007) met betrekking tot de Syrische site van

Tell‟Acharneh belicht de voordelen van een GIS dat het 3D-karakter van archeologische data

probeert te integreren. Een belangrijke opmerking die bij dit project moet worden gemaakt, is

dat het in feite gaat om een CAD-toepassing met een GIS-plugin. De nadruk ligt in dit project

voornamelijk op de geometrische modellering van opgravingseenheden. De semantische

informatie wordt aan de objecten toegevoegd met behulp van tekstuele attributen. Hierdoor

blijkt dit project op het eerste zicht terug verder af te staan van het onderzoek in deze

17

masterproef. Dit is echter niet het geval want de voordelen van een 3D-model voor

archeologische data worden uitgebreid aangetoond. Het wordt mogelijk om de site vanuit

verschillende hoeken en schalen te onderzoeken en doorsnedes kunnen overal in het model

worden gemaakt. Op vlak van analyse kunnen multivariabele queries en metrische en

topologische analyses worden uitgevoerd. Door de combinatie te maken met Virtual Reality

Modeling Language (VRML) wordt een meer natuurgetrouw beeld verkregen van de site,

kunnen toekomstige opgravingen beter worden gepland en kunnen data realistisch worden

gepubliceerd voor een breed publiek.

Uit dit overzicht kan worden geconcludeerd dat een aantal onderzoekers in de richting werken

van de ontwikkeling van archeologische 3D- en 4D-GIS, bv. Arroyo-Bishop en Lantada

Zarzosa (1995), Katsianis et al. (2008). Er blijkt daarentegen ook dat de probleemstelling,

namelijk de nood aan een geschikt systeem voor archeologische data, al ruim meer dan een

decennium geleden door Arroyo-Bishop en Lantada Zarzosa (1995) werd geformuleerd, zij

het dan enkel in 2D. Arroyo-Bishop en Lantada Zarzosa (1995) stelden vast dat er een

ontelbaar aantal databases onafhankelijk van elkaar werden ontwikkeld, elk met hun eigen

thema‟s, structuren, indexeringen, … Schloen (2001) stelde eveneens vast: “[…] over the

years there has been a persistent lack of standardization in the structure of archaeological

datasets”. Uit de literatuur blijkt dat deze situatie tot op vandaag voortduurt. Er bestaan

verschillende projecten die onafhankelijk van elkaar en vaak specifiek voor een bepaalde site

een inspanning leveren om een archeologisch GIS te ontwikkelen en 3D-data te integreren.

18

3 SITEBESCHRIJVING MOLESME ‘SUR-LES-CREUX’

3.1 Geografie

De archeologische site Molesme „Sur-les-Creux‟ is gelegen aan de zuidwestelijke rand van

het grondgebied van de Franse gemeente Molesme (Deweirdt, 2010). Dit is de meest

noordelijke gemeente van het departement Côte d‟Or in de regio Bourgogne (Kaart 1).

Kaart 1: Locatie site Molesme 'Sur-les-Creux'

De site bevindt zich op ongeveer één kilometer ten zuidwesten van het huidige dorp

(Molesme). Zoals aangegeven met een toponiem op de topografische kaart (Kaart 2) wordt

die plaats „Sur-les-Creux‟ genoemd. De site is gelegen op de rechteroever van de Laigne

(Petit et al., 2006), zijrivier van de Seine en wordt er aan de westelijke zijde met een meander

volledig door omgeven (Deweirdt, 2010). Molesme „Sur-les-Creux‟ is gesitueerd onderaan de

lichte helling van de oostflank van de Laignevallei (Petit et al., 2006). Stroomopwaarts

19

bevindt zich de goed bewaarde site van Vertillum, een Latijnse oppidum1 en later een Gallo-

Romeinse stad. Sporen van een murus gallicus2 en een raster van straten en tussenliggende

eilandjes kenmerken deze laatste site.

Kaart 2: Lokalisatie van de site Molesme ‘Sur-les-Creux’ op de rechteroever van de

Laigne, ten zuidwesten van het huidige dorp Molesme

Bron: http://www.geoportail.fr, 13 februari 2012, eigen bewerking

1 Een oppidum is een nederzetting die versterkt werd met grachten en een wal met daarop een palissade. Oppida

komen veelvuldig voor vanaf het einde van de tweede eeuw v.C. (Capenberghs, 1991, p. 180) 2 Een murus gallicus is een verdedigingssysteem dat bestaat uit een geraamte van hout en opgevuld wordt met

aarde en stenen. Aan de buitenzijde wordt deze voorzien van een gemetselde stenen muur. (Capenberghs, 1991,

p. 180)

20

3.2 Archeologie

De site Molesme „Sur-les-Creux‟ werd in 1976 ontdekt door René Goguey tijdens een

luchtprospectie in de buurt van het oppidum van Vertillum. Het archeologisch onderzoek en

de opgravingen zijn gestart in 1996. In de periode tot 2004 hebben acht opgravingscampagnes

plaatsgevonden onder leiding van Christophe Petit. Het onderzoek kaderde in een

onderzoeksprogramma dat de complexe relaties tussen humane ontwikkelingen en de

alluviale dynamiek tracht te bepalen, te dateren en te kwantificeren op een zo precies

mogelijke manier (Deweirdt, 2010, p. 52-53). Voor een volledig overzicht van dit

geoarcheologisch onderzoek wordt verwezen naar Petit (2005) en Petit et al. (2006).

In wat volgt, wordt een kort overzicht gegeven van de belangrijkste objecten en structuren die

op de site aanwezig zijn (Kaart 3), evenals een beknopte interpretatie van de site. Wanneer

een meer uitvoerige beschrijving relevant is voor een deel van het onderzoek, wordt deze in

het betreffende hoofdstuk toegevoegd. Een uitgebreide beschrijving van de gevonden objecten

en structuren en uitgevoerde analyses wordt bovendien gegeven door Deweirdt (2010),

waarop dit overzicht is gebaseerd.

Kaart 3: Aanwezige objecten en structuren op de site Molesme 'Sur-les-Creux'

21

De site wordt gekenmerkt door vier grote greppels, nl. Fossé Est (FOE), Fossé Nord (FON),

Fossé Ouest 1 (FOW1) en Fossé Sud (FOS) (Kaart 3). De rechthoekige ruimte die zij

afbakenen heeft een oppervlakte van ongeveer 0,64 ha en omvat het belangrijkste deel van de

site. Voor het archeologisch onderzoek wordt deze ruimte opgesplitst in negen zones, één

centrale zone en acht omliggende gebieden. Daarnaast wordt in het westen een extra zone,

gelegen buiten de greppels, aangeduid.

De site bevat 269 paalputten. Door het uitvoeren van een ruimtelijke analyse van deze putten

waarbij onder andere rekening werd gehouden met diepte en oriëntatie konden een aantal

structuren worden onderscheiden. De centrale zone omvat één van de meest opmerkelijke

structuren van de site, nl. Bâtiment sur Poteaux Central („BPC‟). Deze structuur (Kaart 3 &

Figuur 3) wordt gevormd door zestien putten, gelegen in een cirkel met een diameter van 14,4

m. Op de oost-west georiënteerde middellijn van deze cirkel zijn twee diepere putten

aangetroffen. De putten waarin stenen voorkomen, wijzen hier op de aanwezigheid van een

cirkelvormige woning op houten palen. Ook in de noordoostelijke zone worden acht

paalputten gevonden in een cirkelvorm (Bâtiment sur Poteaux Nord-Est of BPNE). De

noordelijke zone wordt gekenmerkt door de vierkante structuur Bâtiment sur Poteaux Nord

(BPN) met een zijde van 15,4 m. Deze structuur overlapt de noordelijke greppel. Ook in de

andere zones worden verschillende paalputten aangetroffen die al dan niet aan een structuur

kunnen worden toegevoegd (Kaart 3).

Figuur 3: Structuur Bâtiment sur Poteaux Central (BPC)

Bron: Petit, 2001

22

Naast de greppels en de paalputten zijn een aantal gemetselde structuren de belangrijkste

onroerende elementen op de site. In de zuidoostelijke zone is een gemetselde structuur

Bâtiment Maçonné Sud-Est (BMSE) ontdekt met een oppervlakte van 325 m². In deze

structuur zijn zeven kamers te onderscheiden (Kaart 3 & Figuur 4). In het westen, buiten de

grenzen van de greppels, bevindt zich een bassin (Bassin Piscicole of BAP), dat vermoedelijk

bedoeld was om te vissen (Kaart 3 & Figuur 5). Het bassin heeft aan de binnenzijde een

lengte van 63,8 m en een breedte van 3,20 m. De diepte die bewaard is gebleven, varieert van

0,80 m in het zuiden tot 0,50 m in het noorden. In de zijwanden komen aan de basis achttien

kubusvormige nissen voor met zijdes van ongeveer 30 cm. Daarnaast worden op hogere

hoogte ook 21 inkepingen (20 cm x 10 cm x 10 à 15 cm) waargenomen, waarin in sommige

gevallen ook spijkers aanwezig zijn. De inkepingen dienden waarschijnlijk voor het inbouwen

van houten balken. Aan de zuidelijke grens is een watertoestroom aangelegd en de afvoer is in

het noorden gesitueerd.

Figuur 4: Structuur Bâtiment Maçonné Sud-Est (BMSE)

Bron: a) Petit & Goguey, 2002; b) Petit, 2004

a b

23

Figuur 5: Structuur Bassin Piscicole (BAP)

Bron: Petit, 2002

Naast onroerende elementen zijn ook mobiele vondsten aangetroffen op de site Molesme

„Sur-les-Creux‟. Er zijn ongeveer 14 000 scherven van keramisch vaatwerk gevonden met een

totaal gewicht van 122 kg. Daarnaast zijn 4600 scherven, samen 380 kg, aangetroffen die deel

uitmaken van amforen, grotendeels Italiaanse van het type Dressel I. Meer dan 30 000

dierenbotten zijn gevonden met een totaal gewicht van 264 kg. Hiervan is 43%

gedetermineerd wat overeenkomt met 88% van de totale massa. Het grote verschil tussen

beide percentages wordt veroorzaakt door het grote aantal niet-determineerbare botsplinters

met een gemiddeld gewicht van 1,7 g. De gedetermineerde resten zijn voornamelijk afkomstig

van gedomesticeerde dieren, waaronder varkens, geiten en runderen. Ten slotte zijn ook nog

metalen voorwerpen, zoals keukenbenodigdheden, en constructievoorwerpen aangetroffen.

De ruimtelijke analyse heeft het mogelijk gemaakt de verschillende fases van de site te

schetsen. Deweirdt (2010) wijst erop dat het slechts om een voorstel gaat omdat de fasering

en interpretatie berust op een beperkt aantal elementen waardoor de juistheid niet kan worden

gegarandeerd. Twee initiële fases werden door Deweirdt (2010) niet ruimtelijk geanalyseerd,

namelijk het Neolithicum3 en de Bronstijd

4. De site heeft een bezetting gekend van de Late

Hallstatt-periode5 tot de Gallo-Romeinse periode

6. Onderstaande Tabel 3 geeft voor elke fase

die kan worden onderscheiden de functie of het belangrijkste kenmerk van de site weer.

3 Neolithicum: tijdsperiode van 5300 v.C. tot 2000 v.C. (http://cai.erfgoed.net, 9 maart 2012)

4 Bronstijd: tijdsperiode van 2000 v.C. tot 800 v.C. (http://cai.erfgoed.net, 9 maart 2012)

5 Late Hallstatt-periode loopt van ongeveer 600 v.C. tot 450 v.C. (Capenberghs, 1991)

6 Gallo-Romeinse periode: tijdsperiode van 450 v.C. tot 476 n.C. (Capenberghs, 1991)

24

Tabel 3: Fasering van de site Molesme ‘Sur-les-Creux’

Fase Functie of kenmerk

Late Hallstatt Huishoudelijke bezetting

Vroeg La Tène Grafsite

La Tène D1b Site voor banketten

La Tène D2a Eerste monumentalisering (cirkelvormen)

La Tène D2b – begin van Augustijnse periode Tweede monumentalisering (rechthoeken)

Gallo-Romeinse periode Gebouwde structuren

Bron: Deweirdt, 2010, eigen bewerking

Op de site Molesme „Sur-les-Creux‟ zijn verschillende ruimtelijke en niet-ruimtelijke

gegevens verzameld. Deze werden reeds uitgebreid geanalyseerd en geïnterpreteerd door

archeologen (bv. Deweirdt, 2010). Om deze reden is Molesme „Sur-les-Creux‟ een zeer

geschikte site om een casestudie op uit te voeren met betrekking tot de mogelijkheden en

struikelblokken voor de implementatie van een 4D archeologisch GIS. Het biedt namelijk de

mogelijkheid om de resultaten met het onderzoek van Deweirdt (2010) te vergelijken.

25

4 BESCHIKBAAR MATERIAAL

Het uitvoeren van de casestudie wordt mogelijk gemaakt door het materiaal van de site

Molesme „Sur-les-Creux‟ dat door dr. Eline Deweirdt, dr. Christophe Petit en René Goguey

ter beschikking werd gesteld. Het gaat om GIS-data, een databank en fotomateriaal. Daarnaast

is het doctoraatsproefschrift “De l’analyse spatiale à la caractérisation de sites de la fin de

l’âge du fer et du début de l’époque gallo-romaine dans le nord et l’est de la Gaule” van

Deweirdt (2010) een belangrijk startpunt voor de casestudie. Bovendien werden meermaals

gesprekken gehouden met Eline Deweirdt in verband met de ter beschikking gestelde

gegevens, achtergrondinformatie, …

De beschikbare foto‟s laten toe een beter inzicht in en begrip van de site en zijn structuren te

verkrijgen. Enerzijds gaat het om terrestrische foto‟s van de verschillende structuren op de

site. De foto‟s van de eigenlijke opgravingswerken, bv. de mechanische graafwerken bieden

een extra achtergrond om een duidelijker beeld te verkrijgen van de archeologische

werkwijze. Anderzijds staan er ook luchtfoto‟s ter beschikking waardoor een realistisch

overzicht van de volledige site verkregen wordt.

De archeologische data werden door Deweirdt (2010) opgenomen in een GIS. Dit gebeurde

rechtstreeks vanuit de opmeetgegevens verzameld met GPS of totaalstation of bij ontbrekende

gegevens door digitalisatie op basis van gegeorefereerde foto‟s (Deweirdt, persoonlijke

mededeling, 29 februari 2012). Het gebruikte coördinaatsysteem is Lambert France II. De

beschikbare shapefiles met hun objecttype en beschrijving worden in Tabel 4 weegegeven. In

Bijlage 1 worden voor de shapefiles „UA‟ en „UScomplet‟ de velden uit de attributentabel

weergegeven.

Tabel 4: Beschikbare shapefiles Molesme ‘Sur-les-Creux’

Laag Objecttype Beschrijving

UA Polygoon Unités d’analyses, meest elementaire analyse-eenheden zijn een

groepering van de opgravingseenheden per archeologisch feit

UAfossés Polygoon Enkel de grachten uit UA

UAprof Polygoon Idem aan de laag UA

USanalyse Polygoon UA maar zonder diepte of volume

UScomplet Polygoon Unités de fouilles, opgravinseenheden zoals op de site gevonden

Bron: Deweirdt & Petit, 2009, eigen bewerking

26

De data die opgenomen zijn in een GIS hebben voornamelijk betrekking op de onroerende

vondsten. Er staat echter ook een databank ter beschikking met gegevens over de roerende

vondsten. Per analyse-eenheid kan dan worden bepaald welke roerende vondsten er werden

gedaan en welke de kenmerken ervan zijn. De databank is relationeel opgebouwd volgens

Figuur 6.

Figuur 6: Structuur van de databank Molesme 'Sur-les-Creux'

Bron: Deweirdt, 2010, p. 243

27

5 ONDERZOEKSMETHODE

De doelstelling van dit onderzoek is een eerste stap te zetten in de richting van een 4D-GIS

voor archeologische data en meer in het bijzonder het verwerven van inzicht in

archeologische data en analyses om een elementair conceptueel datamodel op te bouwen. Uit

de literatuur blijkt dat aan de ontwikkeling van een toepassing of in dit geval een datamodel

vaak aan een belangrijke fase voorbij wordt gegaan, namelijk het in kaart brengen van de

gebruikersvereisten (Howard & MacEachren, 1996; Zeiler, 1999; Pfoser & Tryfona, 1998;

Arp, 2003; España et al., 2006; Tsipidis et al., 2011). Howard en MacEachren (1996)

beschrijven om die reden drie analyseniveaus in het ontwerpproces: het conceptuele,

operationele en implementatieniveau. Het eerste niveau omvat een aantal vragen die

beantwoord moeten worden vooraleer over te gaan tot het effectieve ontwerp. Hierbij dient

bijgevolg te worden opgemerkt dat „conceptueel‟ niet verwijst naar het opstellen van een

conceptueel datamodel wat in de benadering van Howard en MacEachren (1996) valt onder

de operationele fase. Om verwarring te vermijden wordt in deze thesis de term

gebruikersniveau gehanteerd voor de conceptuele fase. De door Howard en MacEachren

(1996) vooropgestelde benadering wordt in dit onderzoek aangewend. Dit houdt in dat, naar

analogie met de onderzoeksprojecten van Tsipidis et al. (2011) en Arp (2003) eerst de

gebruikersnoden worden onderzocht en vervolgens de objecten en relaties worden

gedefinieerd. Tsipidis et al. (2011) halen aan dat deze benadering een generiek karakter heeft

en dat deze het mogelijk maakt een ontwerp tot stand te brengen dat aangestuurd wordt door

casestudies. In dit onderzoek wordt een casestudie uitgevoerd op de site van Molesme „Sur-

les-Creux‟. Naast de voorafgaande fase waarin de vereisten worden vastgelegd en de fase van

de opbouw van het datamodel zelf, wordt in dit onderzoek ook aandacht besteed aan de

analyses die mogelijk zijn in 4D. Op deze manier worden zowel de data, de functionaliteit als

de gebruikers in overweging genomen in (een eerste stap van) het ontwikkelingsproces van

een 4D archeologisch GIS en is de kans kleiner dat het proces zal falen (España et al., 2006).

Dit onderzoek kan bijgevolg worden opgesplitst in drie pijlers. De eerste is gericht naar de

gebruiker, de tweede is objectgericht en de derde analysegericht.

5.1 Gebruikersgericht

Deze eerste pijler is gericht naar de gebruiker en schetst de noden van het systeem en de

complexiteiten waarmee rekening moet worden gehouden. Arp (2003) stelt dat het slechts

28

mogelijk is om objecten en relaties te bepalen nadat het beeld van de gebruiker op de data is

gekend. Pfoser en Tryfona (1998) stellen dat deze fase essentieel is omdat ze resulteert in een

verzameling van concepten en operaties die nodig zijn voor de representatie van de

toepassingsinformatie. Deze concepten kunnen daarna vertaald worden in conceptuele en

logische modellen en uiteindelijk in implementaties (Pfoser & Tryfona, 1998).

In deze pijler wordt, naar analogie met het onderzoek van Tsipidis et al. (2011) dat gebaseerd

is op het conceptuele analyseniveau van Howard en MacEachren (1996) getracht een

antwoord te bieden op volgende vragen:

Voor wie is het systeem bedoeld?

Aan welke vereisten moet door het systeem worden voldaan?

Wat moet het resultaat zijn van het werken met dit systeem?

Hoe wordt deze doelstelling bereikt?

De samenvattende gedachte van deze vragen en bijgevolg het resultaat van deze pijler wordt

door España et al. (2006) kernachtig weergegeven: “[…] a description of the objectives and

the external behaviour of the system, that is, „what‟ the system must do without describing

„how‟ to do it”.

Het beantwoorden van deze vragen zal grotendeels gebeuren vanuit het gevoerde

literatuuronderzoek. Daarnaast worden ook elementen aangevoerd die aan bod kwamen in de

presentaties en discussies van de veertigste jaarlijkse conferentie over Computer Applications

and Quantitative Methods in Archaeology (CAA) in Southampton (26-30 maart 2012).

5.2 Objectgericht

Het tweede deel van de onderzoeksstrategie is gericht naar de archeologische data en meer

specifiek naar de objecten en hun relaties. De belangrijkste onderzoeksvraag binnen deze

pijler is welke objecten voorkomen en wat hun typische kenmerken zijn (geometrisch,

semantisch en topologisch). Het objectief van deze objectgerichte pijler is het opbouwen van

een elementair conceptueel model voor de site Molesme „Sur-les-Creux‟.

29

Een eerste stap in deze pijler is het verkennen van de beschikbare GIS-data met behulp van

ESRI®

ArcMapTM

10.0 en de databank met Microsoft®

Office Access 2007.

Onduidelijkheden in verband met de data werden verhelderd door Eline Deweirdt.

De tweede stap omvat het opbouwen van een datamodel. Om dit te verwezenlijken wordt

geopteerd om gebruik te maken van een objectgeoriënteerde benadering. Zoals eerder

vermeld maakt deze benadering het mogelijk om complexe fenomenen uit te drukken in

termen die dichter bij het menselijk denken liggen (Egenhofer & Frank, 1992). Madsen

(2003) stelde vast dat men bij het gebruik van relationele databanktheorie al snel in een zeer

complexe wereld verzeild geraakt en gaat daarom over tot het gebruik van objectoriëntatie.

Het basisidee achter objectoriëntatie is het feit dat “[…] the world is often perceived as

consisting of „objects‟, which interacts in specific ways. […] Based upon common operations

[…] they are grouped into classes.” (Egenhofer & Frank, 1992). De basisstrategie van

objectgeoriënteerd modelleren is met andere woorden het vaststellen van de reële wereld in

termen van abstracte concepten die zeer goed zijn afgelijnd en gedefinieerd (España et al.,

2006).

Een datamodel dat opgebouwd is volgens een objectgeoriënteerde benadering steunt op de

volgende vier basisconcepten van abstractie (Egenhofer & Frank, 1992):

classificatie houdt in dat verschillende objecten tot eenzelfde klasse kunnen behoren.

Deze vorm van abstractie wordt ook aangeduid als een instance-of-relatie. Een

objecttype karakteriseert het gedrag van instanties door het beschrijven van

gemeenschappelijke eigenschappen of properties en bewerkingen of operations. Twee

objecten worden van elkaar onderscheiden door een verschillende waarde voor een

bepaalde eigenschap;

generalisatie groepeert verschillende klassen van objecten in een meer algemene

superklasse. De (sub)klassen die hierdoor gegroepeerd worden, hebben een is-a-relatie

met de bovenliggende superklasse(s). Hierbij moet worden vermeld dat het mogelijk is

dat een superklasse meerdere subklassen omvat en dat een willekeurig aantal niveaus

van generalisatie kan bestaan;

associatie verbindt twee of meer onafhankelijke objecten, waardoor een

verzamelobject ontstaat van een hoger niveau. Dit abstractieniveau staat eveneens

bekend als member-of-relatie;

30

aggregatie is gelijkaardig aan associatie en groepeert objecten tot samengestelde

objecten. Verschillende objecten kunnen dus samen een object van een hoger niveau

doen ontstaan. Deze vorm wordt vaak aangeduid als part-of- of consists-of-relatie.

Naast deze vier abstractievormen zijn ook overerving of inheritance en propagation

belangrijke concepten binnen het objectgeoriënteerd modelleren (Egenhofer & Frank, 1992):

overerving houdt in dat waarden voor eigenschappen in generalisatiehiërarchieën

worden doorgegeven. Wanneer overerving wordt gebruikt, erft de subklasse alle

eigenschappen en methoden van de superklasse over en breidt deze uit met bijzondere

eigenschappen en methoden. Overerving heeft als voordeel dat gegevensredundantie

wordt vermeden en data-integriteit wordt gehandhaafd;

propagation hangt samen met waarden in aggregatiehiërarchieën. Complexe objecten

hebben vaak waarden voor een bepaalde property die gebaseerd zijn op de waarde van

eigenschappen van andere objecten. Propagation garandeert dataconsistentie.

Het conceptueel datamodel dat voor de site Molesme „Sur-les-Creux‟ wordt opgebouwd,

steunt op de object-ruimte-tijd relatie die de archeologie typeert (Arroyo-Bishop & Lantada

Zarzosa, 1995). Arroyo-Bishop & Lantada Zarzosa (1995) stellen in hun onderzoek dat zowel

ruimtelijke, temporele als archeologische entiteiten de basisbouwstenen zouden moeten

uitmaken van een archeologisch GIS. Steunend op dit laatste onderzoek kiezen Katsianis et al.

(2008) eveneens voor een model dat opgebouwd is rond een thematische, ruimtelijke en

temporele as. In dit onderzoek wordt geopteerd om de keuze voor deze drie assen over te

nemen. De invulling van de drie blokken gebeurt vervolgens op basis van de dataverkenning

en de resultaten bekomen in de eerste pijler, nl. de gebruikersvereisten.

Het datamodel wordt formeel gedefinieerd door middel van een statisch UML-

structuurdiagram, zoals wordt gesuggereerd door de ISO-standaard 19103 (ISO/TC 211,

2003). In dit onderzoek worden echter enkel basiselementen van UML aangewend. Het

gebruik van meer complexe concepten als interfaces, packages, … (Booch et al., 1998)

zouden in het kader van dit onderzoek te ver leiden. Er dient wel te worden opgemerkt dat

dergelijke zaken onontbeerlijk zijn in een uiteindelijk conceptueel model om de complexiteit

van de archeologische data te modelleren. De UML-notaties die mogelijk in het datamodel

zullen worden gebruikt, worden in Figuur 7 weergegeven. Figuur 7 legt tevens de link met de

eerder vermelde concepten van objectgeoriënteerde datamodellering. Eén element uit Figuur 7

moet nog worden verduidelijkt: multipliciteit (Booch et al., 1998). Dit laat toe aan te geven

31

hoeveel instanties van een klasse verbonden kunnen zijn aan de relatie. Multipliciteit komt

voornamelijk voor bij associaties en aggregaties, maar is ook mogelijk bij attributen.

Multipliciteit wordt weergegeven met behulp van volgende notatie: “minimum..maximum”.

Een asterisk (*) staat voor een ongelimiteerd aantal. In Figuur 7 wordt een voorbeeld gegeven

van multipliciteit bij een associatie: meerdere personen kunnen werken voor slechts één

bedrijf. Het tekenen van het UML-schema gebeurt in Microsoft®

Office Visio®

2007.

Figuur 7: UML-notatie voor klasse en generalisatie, associatie en aggregatie

Bron: Egenhofer & Frank, 1992; Booch et al., 1998; eigen verwerking

Het datamodel dat uit deze stap voortvloeit, zal vervolgens worden gebruikt om de huidige

databank om te vormen. Dit houdt in dat in Microsoft®

Office Access 2007 de bestaande tabel

uit elkaar zal worden gehaald om de structuur van het datamodel te bekomen. Om dit te

verwezenlijken wordt gebruik gemaakt van toevoegqueries en worden de nodige relaties aan

de tabellen toegevoegd.

5.3 Analysegericht

In de aanloop naar de ontwikkeling van een 4D archeologisch GIS mag ook de functionaliteit

niet uit het oog worden verloren (España et al., 2006). Daarom wordt in de derde pijler de

nadruk gelegd op de archeologische analyses. In eerste instantie wordt gekeken welke

analyses werden uitgevoerd op de data van Molesme „Sur-les-Creux‟. Hierbij wordt

onderzocht of deze analyses nog mogelijk blijven na toepassing van het nieuwe datamodel.

Dit gebeurt door na te gaan of de gebruikte variabelen nog eenvoudig beschikbaar zijn. Door

dit te onderzoeken wordt bepaald of het nieuwe datamodel dezelfde functionaliteiten bezit als

32

het huidige 2D-model of de bestaande databank. Dit is, zoals eerder vermeld, één van de

voorwaarden die Zlatanova et al. (2002) stellen aan een 3D-GIS.

Naast het voorzien in gelijkwaardige functionaliteiten wordt van een 4D-datamodel verwacht

dat het nieuwe analysemogelijkheden biedt, hetzij uitbreiding van bestaande, hetzij geheel

nieuwe. De mogelijkheden van het vernieuwde datamodel zullen worden getest aan de hand

van een vernieuwde en uitgebreide analyse. Het gaat om het identificeren van structuren op de

site door het bepalen van groepen van paalputten. Deze analyse werd reeds uitgevoerd aan de

hand van een cartografische voorstelling van de diepte (Deweirdt, 2010). In dit onderzoek

zullen zoals aangevoerd door Arroyo-Bishop & Lantada Zarzosa (1995) objecten, ruimte en

tijd tezamen worden behandeld en dit in een clusteranalyse.

Een clusteranalyse zorgt ervoor dat observaties zodanig worden gegroepeerd dat binnen een

cluster de waarnemingen gelijkaardig zijn en dat elke groep verschillend is van de andere met

betrekking tot de gekozen karakteristieken (Sharma, 1996). De volledige verwerking van de

clusteranalyse gebeurt in dit onderzoek met behulp van IBM®

SPSS®

Statistics 20. Er wordt

gekozen om een clusteranalyse uit te voeren op de dimensies (= ruimte) en de bestaansperiode

(= tijd) van de paalputten (= object). Er wordt geopteerd om voor de x- en y-coördinaat te

werken met de waarden voor het zwaartepunt van de paalput. Voor de tijdsvariabele wordt het

tijdspunt berekend dat in het midden ligt van het tijdsinterval waarin de paalput op de site

voorkomt. Wanneer de variabelen die worden opgenomen in een clusteranalyse een

verschillende meeteenheid bezitten, kan dit het resultaat sterk beïnvloeden. Ook wanneer het

waardebereik van de variabele sterk verschilt, ook al bezitten ze dezelfde meeteenheid, kan dit

een groot effect hebben op het resultaat van de clusteranalyse. Omwille van deze twee

redenen worden de vier variabelen, i.e. x, y, z en t, gestandaardiseerd met behulp van z-

scores7 (Romesburg, 1984). Dit heeft als resultaat dat de variabelen een normale verdeling

krijgen met gemiddelde 0 en standaardafwijking 1, of dus N(0,1). Zoals aangegeven door

Sharma (1996) moeten hiërarchische en niet-hiërarchische clustertechnieken als

complementair worden gezien. In dit onderzoek wordt er dan ook voor gekozen om een

combinatie van beide technieken te gebruiken. In een eerste fase zal een hiërarchische

clustering worden uitgevoerd om zo het optimale aantal clusters te bepalen. Hiervoor wordt

7 Z-score wordt berekend met de formule:

, met de waarde voor de i

e variabele van het j

e object,

het gemiddelde voor variabele i en de standaardafwijking van variabele i.

33

gebruik gemaakt van de methode van Ward en de kwadratische euclidische afstand. De

methode van Ward deelt de objecten zodanig in dat de kwadratensom of variantie binnen elke

cluster minimaal is of anders gezegd betekent dit dat de homogeniteit binnen de clusters

gemaximaliseerd wordt (Romesburg, 1984; Sharma, 1996). Deze methode wordt als efficiënt

beschouwd (Sharma, 1996) en om deze reden dan ook vaak gebruikt (Romesburg, 1984). Het

optimale aantal clusters wordt bepaald door het analyseren van het dendrogram en het schema

met de agglomeratiecoëfficiënten8. Niet-hiërarchische clustertechnieken worden gekenmerkt

door het feit dat ze een a priori kennis van het aantal clusters veronderstellen. Dit is dan ook

de reden voor het gecombineerde gebruik van beide technieken. Het optimale aantal bepaald

met de methode van Ward zal in een tweede fase worden gebruikt in een k-means

clusteranalyse. Deze clustermethode gebruikt k objecten als clustermiddens, de overige

objecten worden daarna voorlopig toegewezen aan de dichtste cluster (cluster met grootste

similariteit). Het clustermidden wordt opnieuw berekend en de objecten worden terug

toegewezen aan de meest gelijkaardige cluster. Dit proces wordt herhaald tot een lokaal

optimum wordt bereikt zodat de afstand van een object tot zijn clustermidden kleiner is dan

tot eender welke andere cluster (Romesburg, 1984; Sharma, 1996). Na het uitvoeren van de k-

means clusteranalyse wordt nagegaan of de clusters werkelijk verschillend zijn. Dit wordt

gerealiseerd door het uitvoeren van een one-way ANOVA-test. De F-waarde geeft aan of een

variabele significant verschilt tussen de clusters. Naast het uitvoeren van een ANOVA-test,

wordt ook een boxplot opgemaakt met de afstand van de paalputten tot hun respectievelijk

clustercentrum. Op deze wijze kunnen eventuele uitschieters in de clusters worden

gedetecteerd. Sharma (1996) beveelt ook aan de externe geldigheid van de clustering vast te

stellen, want clustertechnieken resulteren altijd in clusters ook al zijn deze van nature niet

aanwezig. In dit onderzoek is een extern criterium voor handen, namelijk de clustering die

door Deweirdt (2010) visueel is uitgevoerd, zij het zonder de tijdsdimensie in rekening te

hebben gebracht. De laatste fase van deze clusteranalyse is dan ook het vergelijken van beide

clusterresultaten. Deze vergelijking gebeurt enerzijds visueel door na te gaan of er in het oog

springende gelijkenissen en/of verschillen voorkomen. Anderzijds wordt een kruistabel

opgesteld die de structuren gedefinieerd door Deweirdt (2010) tegenover de groepen van de k-

means clustering zet.

8 De agglomeratiecoëfficiënt geeft de afstand tussen de clusters weer of nog het niveau van similariteit

34

6 RESULTATEN

6.1 Gebruikersgerichte pijler

6.1.1 Voor wie is het systeem bedoeld?

Het beoogde 4D-GIS is in de eerste plaats bedoeld voor archeologen. Het gaat dan zowel om

professionele archeologen als academische onderzoekers. Het voorgestelde GIS zou het

mogelijk kunnen maken om het volledige archeologische proces van dataverzameling over

analyse en interpretatie tot publicatie te integreren (Katsianis et al., 2008). Het is

voornamelijk bedoeld als krachtig ondersteunings-, werken onderzoeksmiddel voor

archeologen. Zij maken dan ook de hoofddoelgroep uit. Hieruit volgt dat in het

ontwikkelingsproces overwegend de noden van de archeologen centraal zullen staan. Dit

houdt in dat de archeologische vereisten zowel naar de data als naar de analyses toe in

overweging zullen worden genomen.

Daarnaast is het systeem ook bestemd voor alle andere personen, bedrijven en instellingen die

omgaan met archeologische data. Hierbij wordt zowel gedacht aan personen die

archeologische informatie opslaan, analyseren, uitwisselen, rapporteren als publiceren.

Voorbeelden van dergelijke activiteiten zijn: het beschikbaar stellen en de analyse van

archeologische gegevens met betrekking tot ruimtelijke ordening (http://www.vioe.be, 14

april 2012), risicoanalyses om te bepalen of het archeologisch erfgoed in het gedrang komt

bv. door bevolkingsuitbreiding (Al-Hanbali et al., 2006), gegevens die door de Vlaamse

Overheid worden bijgehouden met betrekking tot de bescherming van archeologische

monumenten en zones zoals bepaald in het Decreet houdende bescherming van het

archeologische patrimonium (1993), opmaken en publiceren van toeristische kaarten met

inbegrip van informatie over archeologische monumenten en vondsten, bv. toeristische kaart

van Rome (http://www.chartaroma.it, 12 april 2012). Op deze manier wordt het systeem naar

een brede doelgroep gericht.

6.1.2 Aan welke vereisten moet door het systeem worden voldaan?

De algemene vereiste waaraan het systeem moet tegemoetkomen, is het aanleveren van een

begrijpbaar, gemakkelijk te gebruiken en kostenefficiënt archeologisch 4D-GIS dat ten minste

35

de verschillende basisfunctionaliteiten van een 2D-GIS verenigt. Deze vereiste blijkt uit de

stelling van Losier et al. (2007) die het gebrek aan geschikte tools voor archeologen aanhalen

als reden voor het aanhoudend gebruik van 2D-voorstellingen in de archeologie. Zlatanova et

al. (2002) stellen dat de integratie van de verschillende functies van een GIS en bijgevolg alle

delen van het archeologisch onderzoek ook in een 3D- of 4D-GIS moet worden behouden.

Uit deze algemene vereiste kunnen reeds twee specifieke noodzaken worden afgeleid:

omgaan met 3D-gegevens;

tijdsdimensie in rekening brengen.

Daarnaast kunnen ook volgende vereisten voor het systeem worden aangeduid:

de problematiek van data-imperfectie in overweging nemen;

het schaalprobleem in acht nemen.

6.1.2.1 3D

Zoals eerder vermeld in paragraaf 2.2.2 zijn archeologische vondsten geografische objecten

en van nature driedimensionaal (o.a. Wheatley & Gillings, 2002; Barceló et al., 2003; Tsipidis

et al., 2005; Losier et al., 2007). De ruimtelijke relaties tussen de opgravingseenheden zowel

horizontaal als verticaal, zijn voor archeologen cruciaal (Losier et al., 2007). Het behandelen

van intrinsieke 3D-data in 2D-systemen brengt onvermijdelijk de noodzaak tot

vereenvoudigingen met zich mee (Harris & Lock, 1996 zoals geciteerd in Wheatley &

Gillings, 2002, p. 244; Katsianis et al., 2005). Vaak wordt gesproken over 2,5D-systemen,

waarbij de derde dimensie als een attribuut wordt opgeslagen. Dit veroorzaakt echter

problemen wanneer twee punten dezelfde x- en y-coördinaten hebben, maar een verschillende

z-coördinaat bezitten (Wheatley & Gillings, 2002). Om deze reden moet worden voorzien in

een systeem dat 3D-informatie kan behandelen, m.a.w. voor elke combinatie van x-, y- en z-

coördinaten of elk element in de verzameling zoals Pfoser en Tryfona (1998) de ruimte

definiëren, kan een uniek attribuut worden opgenomen (Wheatley & Gillings, 2002).

6.1.2.2 Tijd

Tijd is één van de hoofdcomponenten in het archeologisch onderzoek (zie 2.3.2). Het beoogde

GIS heeft dan ook als vereiste te kunnen omgaan met de tijdsdimensie(s) binnen de

archeologie. Wheatley en Gillings (2002) haalden al aan dat er een gebrek is aan een

werkelijke tijdsdimensie in GIS. Tot vandaag is er nog geen systematische oplossing voor de

36

integratie van de tijd in 2D- of 3D-modellering (Breunig & Zlatanova, 2011). In bestaande

GIS wordt enkel de mogelijkheid geboden tijd als attribuut op te slaan (Katsianis et al., 2008)

en te behandelen als chronologische informatie (Wheatley & Gillings, 2002). Dit brengt net

als bij de ruimtelijke dimensies een sterke simplificatie met zich mee. Tsipidis et al. (2011)

halen aan dat ondanks recente inspanningen het efficiënt behandelen van tijdruimtelijke data

in huidige GIS nog niet mogelijk is. Bovendien blijft de behandeling van temporele data een

belangrijk onderzoeksthema. Johnson (persoonlijke mededeling, 28 maart 2012) haalde aan

dat het onderzoek in ruimtelijke data zo ver gevorderd is dat we weten hoe we deze kunnen

generaliseren, maar dat we nog geen idee hebben over hoe we dat met temporele data moeten

doen. Arroyo-Bishop en Lantada Zarzosa (1995) voerden al meer dan een decennium geleden

aan dat de mogelijkheden van een GIS dat de temporele dimensie kan behandelen niet mag

worden onderschat, maar dat tegelijkertijd hun gebruik in archeologisch onderzoek afhangt

van het beschikbaar zijn van passend gestructureerde data. Dit zal dan ook één van de

elementen zijn waarmee in de ontwikkeling van een 4D-GIS voor archeologen zal moeten

rekening worden gehouden.

6.1.2.3 Data-imperfectie

In de literatuurstudie (Hoofdstuk 2) werd reeds kort aangehaald dat archeologische gegevens

gepaard gaan met onzekerheid en imperfectie. Het gaat hoofdzakelijk om onvolmaaktheden

met betrekking tot tijd, ruimte, schaal, functie, gehanteerde concepten, instanties, attributen en

relaties (Desjardin, persoonlijke mededeling, 27 maart 2012; de Runz, persoonlijke

mededeling, 16 april 2012). Deze onvolkomenheden zijn van nature verbonden aan

archeologische data (Katsianis et al., 2008; Cripps, persoonlijke mededeling, 28 maart 2012).

In de literatuur betreffende archeologische GIS wordt weinig rekening gehouden met data-

imperfectie. Uit de presentaties en discussie op de CAA-conferentie en vergaderingen

georganiseerd door de vakgroep Geografie blijkt echter dat data-imperfectie een belangrijk

discussiepunt is en uitgebreide aandacht verdient. Bij het ontwikkelen van een archeologsich

(4D-)GIS moet worden gefocust op de kwestie rond dataonvolkomenheden (o.a. Desjardin,

persoonlijke mededeling, 27 maart 2012; Cripps, persoonlijke mededeling, 28 maart 2012;

Van Daele, persoonlijke mededeling, 28 maart 2012).

In de problematiek rond data-imperfectie kunnen verschillende begrippen worden

onderscheiden, die vaak door elkaar worden gebruikt. Vooraleer hier dieper op in te gaan

moet worden opgemerkt dat er verschillende definities van deze begrippen heersen. Hier

37

wordt data-imperfectie en de concepten die ermee samenhangen, behandeld vanuit het

oogpunt van de archeologie. Hierdoor bestaat de kans dat de hierna aangehaalde definities

niet geldig zijn voor andere domeinen waar dataonvolkomenheden voorkomen. Tabel 5 geeft

de Engelstalige begrippen weer met hun definitie volgens de online Oxford English

Dictionary (OED) (http://oxforddictionaries.com, 12 april 2012) en hun Nederlandse vertaling

volgens Van Dale Elektronische grote woordenboeken hedendaags Nederlands, Engels, Frans,

Duits Versie 5.0. De volledige uittreksels uit beide elektronische woordenboeken zijn terug te

vinden in Bijlage 2. Uit Tabel 5 blijkt dat de begrippen nauw met elkaar verbonden zijn en in

sommige gevallen als synoniemen voor elkaar kunnen worden gebruikt. Toch bestaat er

tussen elk van deze begrippen een nuanceverschil. Imperfectie kan worden gezien als een

overkoepelende term voor de andere begrippen, ook al verwijst de OED enkel naar

incompleetheid. Onzekerheid wordt in de literatuur en discussie vaak gebruikt als een

verzamelterm. Uit Tabel 5 blijkt dat in dat geval het woord imperfectie meer op zijn plaats is.

Zowel de OED als het synoniem onduidelijkheid als definitie die Van Daele (persoonlijke

mededeling, 28 maart 2012) geeft “exact data exist, but is partially unknown” toont aan dat

hier een deel van de gegevens ontbreekt. Desjardin (persoonlijke mededeling, 27 maart 2012)

omschrijft onzekerheid als twijfel over de precieze gegevens. Uit de literatuur blijkt dat vooral

naar onzekerheid wordt verwezen met betrekking tot de tijd, maar zoals onder andere de Runz

(persoonlijke mededeling, 16 april 2012) aanhaalde kan ook onzekerheid bestaan over andere

elementen. Hierbij kan de functie van een archeologisch object of volledige site als voorbeeld

worden gegeven: Deweirdt (2010) stelt op basis van de vondsten van kookgerei en amforen,

dat het mogelijk is dat Molesme „Sur-les-Creux‟ een locatie was voor banketten. Dit kan

echter niet met zekerheid worden aangenomen en bijgevolg bestaat er dus een bepaalde

onzekerheid over de functie van de site. Er kan worden gesteld dat vaagheid samenhangt met

een beperkte, onduidelijke definitie over bepaalde data. Een voorbeeld dat hier kan worden

gegeven is „het einde van WOII‟ waarbij einde niet perfect gedefinieerd is. Van Daele

(persoonlijke mededeling, 28 maart 2012) merkt op dat elk gegeven vaag wordt wanneer men

overstapt naar een meer gedetailleerd schaalniveau. Een begrip dat minder problemen met

zich mee brengt om een duidelijke definitie te geven is ambiguity of dubbelzinnigheid.

Wanneer over dubbelzinnige data wordt gesproken, betekent dit dat er meerdere gegevens ter

beschikking zijn die niet overeenkomen en in het slechtste geval elkaar tegenspreken. Er

treedt met andere woorden een conflict op (Desjardin, persoonlijke mededeling, 27 maart

2012). Cripps (persoonlijke mededeling, 28 maart 2012) haalt in de context van

dubbelzinnigheid de term „multivocality’ aan. Multivocality wordt in de Concise Oxford

38

Dictionary of Archaeology (Darvill, 2008) omschreven als de benadering die de gelijktijdige

verwoording van verschillende interpretaties aanmoedigt en waarbij een debat ontstaat over

de vraag of deze alle even aanvaardbaar zijn. Een multivocality-benadering veroorzaakt met

andere woorden bewust dubbelzinnigheid. Voor het begrip incompleteness moet de voorkeur

gegeven worden aan de vertaling onvolledigheid boven onvolkomenheid om het verschil met

imperfectie zo duidelijk mogelijk te behouden. Uit de definitie van de OED (Tabel 5) blijkt

dat er ook een band bestaat met onzekerheid. Om ook met dit laatste begrip een helder

onderscheid te maken, kan worden gesteld dat bij onvolledigheid niet alle attributen aanwezig

zijn. Bovendien is in de archeologie het meest voor de hand liggende voorbeeld van

onvolledigheid een slechts gedeeltelijk teruggevonden object, bv. keramiekscherven.

Tabel 5: Begrippen met betrekking tot data-imperfectie

Engelstalig

begrip Definitie

a

Nederlandse

vertalingb

Imperfection The state of being faulty or incomplete Onvolkomenheid,

imperfectie

Uncertainty The state of being uncertain Onzekerheid,

onduidelijkheid

Uncertain Not able to be relied on, not known or definite

Vagueness

Vague Uncertain, indefinite or unclear character or meaning Vaagheid

Ambiguity The quality to being open to more than one interpretation,

inexactness

Dubbelzinnigheid

Incompleteness Not having all the necessary or appropriate parts Onvolledigheid,

onvolkomenheid

Bron: a naar http://oxforddictionaries.com, 12 april 2012;

b

naar Van Dale Elektronische grote woordenboeken hedendaags Nederlands, Engels,

Frans, Duits Versie 5.0

De hierboven beschreven termen hangen bovendien samen met subjectiviteit en granularity of

schaalniveau (Cripps, persoonlijke mededeling, 28 maart 2012; Van Daele, persoonlijke

mededeling, 28 maart 2012). Interpretatie is een belangrijk aspect in de archeologische

workflow (Arroyo-Bishop & Lantada Zarzosa, 1995). Eén van de voornaamste elementen die

het resultaat zijn van interpretatie zijn dateringen (de Runz et al., 2010). Interpretatie samen

met archeologische beschrijvingen tonen duidelijk het subjectieve karakter in archeologie aan.

Subjectiviteit kan leiden tot onzekerheid, vaagheid en dubbelzinnigheid (Katsianis et al.,

39

2008; Cripps, persoonlijke mededeling, 28 maart 2012; Van Daele, persoonlijke mededeling,

28 maart 2012). Granularity sluit zoals eerder vermeld hoofdzakelijk aan bij vaagheid. Een

verfijning van het schaalniveau kan resulteren in data-imperfectie (Van Daele, persoonlijke

mededeling, 28 maart 2012).

De uitgebreide beschrijving van de termen die samenhangen met data-imperfectie maakt

duidelijk dat de behandeling ervan in een GIS geen eenvoudige opdracht is. Toch kan worden

vastgesteld dat onvolkomenheden onlosmakelijk verbonden zijn met archeologische data en

analyses en dat het management ervan bijgevolg één van de vereisten vormt voor het te

ontwikkelen 4D-GIS (Desjardin, persoonlijke mededeling, 27 maart 2012; Cripps,

persoonlijke mededeling, 28 maart 2012).

6.1.2.4 Schaal

In archeologie worden analyses uitgevoerd op verschillende schaalniveaus. Een opdeling

wordt gemaakt tussen intersite, intrasite en intrastrucuur (Clarke, 1977 zoals geciteerd in

Deweirdt, 2010, p. 11). Op macroniveau worden de relaties tussen verschillende sites

onderzocht, de intersite-analyse. Intrasite is het mesoniveau waarbij analyses op schaal van de

site worden uitgevoerd. Intrastructuur, het microniveau, beschouwt analyses op niveau van de

structuren. Deze drie schaalniveaus kunnen uiteraard verder worden uitgediept in functie van

het archeologisch onderzoek (Deweirdt, 2010, p. 11). Er kan worden gesteld dat de invloed

van individuele en culturele factoren toeneemt terwijl het effect van economische en

geografische elementen afneemt van macro- naar microniveau (Deweirdt, 2010, p. 11). De

samenhang tussen de verschillende niveaus wordt schematisch weergegeven in Figuur 8.

40

Figuur 8: Verschillende analyseniveaus in de archeologie

Bron: Deweirdt, 2010, p. 11

Arp (2003) duidt op het feit dat bij het opstellen van een archeologisch datamodel ook

rekening moet worden gehouden met het schaalgegeven. Al-Hanbali et al. (2006) hanteren in

hun onderzoeksproject een „macro naar micro‟-strategie met drie schaalniveaus: nationaal,

site en monumenten. Ze wijzen erop dat hun systeem op die manier zowel informatie kan

verschaffen over de status van een volledige site als gedetailleerde informatie over

monumenten. Ook Tsipidis et al. (2011) duiden op het belang van schaal in archeologie en

meer bepaald op het bestaan van verschillende analyseniveaus in het intrasite onderzoek:

“[…] the archaeological analysis starts posing questions at the local level (e.g. ceramic

analysis of a single layer), proceeds by questioning in the intermediate level (e.g.

distinguishing typological characteristics among several trench layers) and concludes by

posing questions in the general level (determining “phases” of site history)”.

Daarnaast besluiten ze dat de vragen die op deze drie schaalniveaus worden gesteld in vier

algemene categorieën uiteen vallen: thematische, ruimtelijke, hiërarchische en temporele

vragen.

Hieruit kan worden besloten dat het te ontwerpen 4D-GIS ook de verschillende

archeologische schaalniveaus in acht moet nemen. Als dit gebeurt, wordt in het

ontwikkelingsproces eveneens in zekere mate al rekening gehouden met de toekomstige

functionaliteiten van het systeem (España et al., 2006). De materie rond schaal is namelijk

onvermijdelijk gekoppeld aan de archeologische analyses.

41

6.1.3 Wat moet het resultaat zijn van het werken met dit systeem?

Het nagestreefde archeologische 4D-GIS zou ervoor moeten zorgen dat GIS meer ingezet

wordt in het archeologisch onderzoek, omdat het een antwoord zal bieden op de

tekortkomingen die zich voordoen in huidige systemen (Wheatley & Gillings, 2002). Ook

Arroyo-Bishop en Lantada Zarzosa (1995) duidden reeds op het feit dat een degelijk

gefundeerd en formeel systeem een belangrijke bijdrage zal leveren aan een efficiënt gebruik

van GIS in zowel intrasite als intersite datagebruik en in de integratie van GIS in

archeologische registratie, interpretatie en analyse. GIS kan zodoende een sterk en effectief

hulpmiddel vormen zowel voor datamanagement als analyse als publicatie (Katsianis et al.,

2008).

Wat betreft het databeheer kan enerzijds geduid worden op de gelijktijdige behandeling van

tijd en ruimte (in drie dimensies) in één systeem en anderzijds op de mogelijkheden tot data-

integratie en –uitwisseling. Cripps (persoonlijke mededeling, 28 maart 2012) wijst er namelijk

op dat voor toekomstige systemen ook gestreefd moet worden naar volledige

interoperabiliteit. Ook Schloen (2011) wijst op dit streefdoel.

Het beoogde 4D-GIS zal ook mogelijkheden bieden met betrekking tot analyses. Hierbij

wordt in de eerste plaats gedacht aan de basisfunctionaliteiten van een GIS (Zlatanova et al.,

2002). Doordat de 3D-ruimte en de tijd tezamen zullen kunnen worden behandeld zal dit

systeem ook de mogelijkheid bieden om bestaande analyses uit te breiden of zelfs geheel

nieuwe analyses te ontwikkelen.

6.1.4 Hoe wordt deze doelstelling bereikt?

Zoals blijkt uit de literatuurstudie (Hoofdstuk 2) en de bovenvermelde elementen (Paragrafen

6.1.2-6.1.3) voldoen de huidige GIS niet aan de vereisten voor archeologische data en

analyses. Om tot een GIS te komen dat hierop een antwoord biedt, moet een sterk

gestructureerd en formeel GIS worden ontwikkeld (Arroyo-Bishop & Lantada Zarzosa, 1995).

De grondslag van het systeem moet liggen in de basisanalyses en -concepten en in de

geregistreerde data (Arroyo-Bishop & Lantada Zarzosa, 1995). Deze doelstelling kan worden

bereikt door het opstellen van een formeel datamodel (Losier et al., 2007). De

42

aandachtspunten voor het ontwikkelen van een dergelijk datamodel, kunnen worden afgeleid

uit de antwoorden op de drie voormelde vragen. Ze kunnen als volgt worden samengevat:

duidelijke definities die door de beoogde gebruikers probleemloos begrepen worden;

3D;

tijd;

verschillende vormen van data-imperfectie;

schaal;

gebruik van standaarden voor het voorzien in interoperabiliteit en data-integratie.

Bij het ontwikkelen van het systeem mag men ook niet vergeten dat er steeds een kloof zal

bestaan tussen het moment waarop het systeem beschikbaar zal zijn en het moment waarop

het systeem effectief (veelvuldig) gebruikt zal worden (Robida, persoonlijke mededeling 16

april 2012). Losier et al. (2007) merken op dat men niet mag vergeten dat het een lang proces

is voordat iemand zich comfortabel voelt met een nieuwe technologie. Arroyo-Bishop en

Lantada Zarzosa (1995) stellen dat sommige personen het systeem meteen zullen gebruiken,

maar dat anderen tijd nodig zullen hebben om zich aan te passen. Llobera (2011) stelt dat het

snijden van de domeinen IT en archeologie vraagt om een nieuw focuspunt dat

Archaeological Information Science of Archeologische Informatiewetenschap (AISc) zou

kunnen worden genoemd, naar analogie met Geografische Informatiewetenschap. AISc zou

handelen over het voortbrengen, representeren en manipuleren van archeologische informatie

in de context van informatiesystemen. Dergelijk onderzoeksgebied zou een antwoord bieden

op vragen die het domein van de archeologie overstijgen en bijdrage vereisen vanuit andere

domeinen, bv. computerwetenschappen. Llobera (2011) benadrukt wel dat vooraleer AISc kan

ontstaan, archeologen actief zullen moeten aanvaarden welke voordelen IT voor hun

onderzoeksdomein kan betekenen. Ook Wheatley en Gillings (2002) doen de suggestie om

een onderzoeksgemeenschap op te bouwen omdat ruimtelijke technieken volgens hen op die

manier een lang en succesvol bestaan zullen kennen.

43

6.2 Objectgerichte pijler

6.2.1 Dataverkenning

De ter beschikking gestelde GIS-data van de site Molesme „Sur-les-Creux‟ omvat

voornamelijk informatie over de onroerende objecten. Zoals vermeld in hoofdstuk 4, werden

verschillende GIS-lagen aangeleverd. Uit Tabel 4, blijkt dat vier van deze lagen („UA‟,

„UAfossés‟, „UAprof‟ en „UScomplet‟) betrekking hebben op dezelfde gegevens, namelijk de

analyse-eenheden. De laag „UA‟ bevat 928 elementen. „UScomplet‟ geeft de 1577

opgravingseenheden weer. De GIS-lagen zijn niet voorzien van metadata, omdat ze

waarschijnlijk voornamelijk aangemaakt zijn voor eigen gebruik en analyses. Het ontbreken

van deze extra informatie zorgt er echter wel voor dat de interpretatie van de doelstelling van

de lagen en de inhoud van de verschillende velden soms moeizaam verloopt. Ook in de

Microsoft®

Access-databank zijn gegevens terug te vinden met betrekking tot de onroerende

goederen. Opmerkelijk is dat het aantal records in de tabellen van de opgravingseenheden en

analyse-eenheden (respectievelijk 1850 en 909), niet overeenkomt met het aantal in de GIS-

lagen en vermeld in het doctoraatswerk van Deweirdt (2010). Vermoedelijk bevat deze

databank ook nog records die in het latere onderzoek overbodig gebleken zijn of nog verder

opgesplitst konden worden. Omwille van deze opmerkelijke verschillen, wordt in het verdere

verloop van dit onderzoek gewerkt met de gegevens van de laag „UA‟.

De databank omvat naast gegevens over de onroerende resten voornamelijk data over de

roerende vondsten op de site. De structuur van de databank werd in Figuur 6 weergegeven.

Hieruit blijkt dat de data van de roerende resten worden verspreid over zes tabellen. Dit heeft

te maken met de gevolgde archeologische onderzoeksmethode. Een eerste opdeling kan

worden gemaakt tussen de inventarissen (tabellen „INVENTAIRE_MOBILIER‟ en

„INVENTAIRE_CERAMIQUE‟) en de lijsten (tabellen „VAISSELLE‟, „AMPHORES‟,

„OS‟, „MÉTAL‟, „MATERIAUX‟). In een eerste stap werden alle roerende vondsten per

opgravingseenheid geteld en gewogen en op deze wijze opgenomen in de tabel

„INVENTAIRE_MOBILIER‟ (Deweirdt, 2010). Vervolgens werden de meest significante

resten met behulp van speciale fiches geïnventariseerd. Dit houdt in dat de resten werden

beschreven, gemeten, gefotografeerd en in bepaalde gevallen getekend. Elk van de

geïnventariseerde objecten werd in de geschikte lijst opgeslagen (Deweirdt, 2010). Ten slotte

44

rest er nog de „INVENTAIRE_CERAMIQUE‟ die een selectie betreffende de keramiek

omvat van de algemene inventaris van de roerende resten (Deweirdt, 2010).

In wat volgt zal dieper worden ingegaan op de data zelf. Hiervoor wordt een opsplitsing

gemaakt naar object, ruimte en tijd, naar analogie met de relatie die Arroyo-Bishop en

Lantada Zarzosa (1995) definieerden.

6.2.1.1 Object

In de laag „UA‟ kunnen objecten functioneel worden onderscheiden op basis van de velden

„TYPE‟ en „TYPEregrou‟. De waarden die voor beide velden voorkomen, zijn weergegeven

in Bijlage 1. Onderstaande Tabel 6 geeft de vier meest voorkomende van de negentien

objecttypes weer. De laag bevat eveneens vierentwintig objecten die geen waarde meekregen

voor het veld „TYPE‟ en daarboven acht objecten die „indéterminé‟ meekrijgen. Beide

categorieën betekenen hetzelfde en kunnen dus samen worden genomen, wat neerkomt op

tweeëndertig niet-gedetermineerde objecten.

Tabel 6: Meest voorkomende types van onroerende vondsten

TYPE Aantal

Trou de poteau 269

Fossé 152

Radier 136

Couche d'occupation 124

Bron: Deweirdt & Petit, 2009, eigen verwerking

Op basis van de tabel „INVENTAIRE_MOBILIER‟ kunnen achttien categorieën van roerende

vondsten worden onderscheiden. De tabel bevat vierentwintig niet-gedetermineerde objecten,

die geen waarde voor het veld „catégorie’ bevatten. Daarnaast bestaat er ook een klasse

„Mobilier à usage indéterminé‟ bestaande uit achtennegentig objecten. Ook hier blijken dus

twee categorieën voor te komen die over hetzelfde handelen. Twee categorieën springen in

het oog wat betreft het aantal gevonden objecten: „Vaisselle’ en „Amphore’, respectievelijk

1058 en 254 gevonden objecten. Naast de hoofdcategorie tot welke een roerend object

behoort, worden ook subcategorieën toegekend.

Zowel uit de GIS-gegevens als de databank blijkt dat er heel wat verschillende soorten

objecten voorkomen op de site Molesme „Sur-les-Creux‟. Het is eveneens opmerkelijk dat er

45

voor beide datagroepen een probleem optreedt in het behandelen van niet-gedetermineerde

gegevens, in dit geval met betrekking tot het functionele type. Zowel de databank als de GIS-

lagen hebben problemen bij het behandelen van data-imperfectie.

6.2.1.2 Ruimte

De onroerende vondsten worden in GIS opgenomen als polygonen. Deze leveren enkel 2D-

informatie op. In het gebruikte GIS-pakket werd de omtrek en de oppervlakte van de

polygonen bepaald om verdere analyses mogelijk te maken. Er dient echter opgemerkt te

worden dat het gebruikte coördinatensysteem voor de GIS-lagen, Lambert France II, een

conforme projectie is. De oppervlaktevervorming als gevolg hiervan is echter uitermate klein

aangezien het voornamelijk objecten betreft van beperkte grootte.

Wat de diepte-informatie in de GIS-laag betreft, kunnen een aantal opmerkelijke aspecten

worden aangehaald. Aan de polygonen is een diepteattribuut gekoppeld, waarbij positieve

getallen worden gegeven voor de diepte. De diepte werd in de meeste gevallen op het terrein

gemeten en bij een beperkt aantal objecten geschat (Deweirdt, persoonlijke mededeling, 29

februari 2012). Dit resulteert in een onzekerheid over de diepte voor deze laatste gevallen.

Bovendien is het duidelijk dat het dieptegetal verwijst naar slechts één punt van de vondst. Dit

kan mogelijk gevolgen hebben voor de berekening van het volume van een bepaald object.

Deze volumeberekening gebeurde door de diepte te vermenigvuldigen met de berekende

oppervlakte (Deweirdt, persoonlijke mededeling, 29 februari 2012). De veroorzaakte fout

door een oppervlaktevervorming plant zich hoe dan ook voort in het volume. Bovendien

wordt de onzekerheid over de diepte doorgetrokken in de volume-informatie. Met betrekking

tot de volumeberekening moet eveneens worden gewezen op een kunstgreep die is

doorgevoerd voor de greppels met een V-vormig profiel. De berekening van het volume zou

tot een resultaat komen dat dubbel zo groot is als werkelijk. Om deze reden werd een attribuut

toegevoegd voor de analysediepte. Dit betekent dat de diepte gehalveerd is voor de V-

vormige objecten (Deweirdt, persoonlijke mededeling, 29 februari 2012). Noch uit de

geometrische, noch uit de semantische GIS-data blijkt dat deze greppels een V-vormig profiel

vertonen. Dit is een opmerkelijk element omdat het een doorslaggevend karakter kan hebben

voor bepaalde archeologische interpretaties en analyses. De reden is echter voornamelijk te

wijten aan het 2D-karakter van de gegevens, die het onmogelijk maakt de 3D-vorm van de

objecten op te slaan. Vervolgens kan nog worden geduid op het feit dat er meerdere

polygonen voorkomen die elkaar geheel of gedeeltelijk overlappen. Dit kan in sommige

46

gevallen zorgen voor problemen bij het analyseren of visualiseren van de data. Ook dit

opmerkelijk gegeven is een gevolg van het 2D-karakter van de GIS-data. Het gaat namelijk

om objecten die zich in werkelijkheid op een andere diepte bevinden. Kaart 4 geeft hiervan

een voorbeeld. De drie aangeduide objecten (US 2267, 3041 en FOE38N) bevinden zich op

een andere diepte (resp. 0,64 m, 0,1 m en 1,3 m), maar bekeken vanuit bovenaanzicht

overlappen ze elkaar. Ten slotte kan worden opgemerkt dat het grootste deel van de objecten

zich op beperkte diepte bevindt (Figuur 9), 562 vondsten of 60,6% komt voor op een diepte

tussen 0,1 m en 0,2 m.

Kaart 4: Voorbeeld van het voorkomen van vondsten op dezelfde plaats op diverse

dieptes

47

Figuur 9: Histogram diepte onroerende resten Molesme 'Sur-les-Creux'

Bron: Deweirdt & Petit, 2009, eigen verwerking

De roerende vondsten hebben geen directe ruimtelijke coördinaten. Ze worden toegekend aan

een opgravingseenheid en vertonen dus allen een topologische eigenschap tot deze

opgravingseenheden. Voor elk van de roerende vondsten worden indien mogelijk de drie

objectdimensies (lengte, breedte, hoogte) en de dikte opgenomen in de databank.

6.2.1.3 Tijd

Aan de polygonen in de laag „UA‟ is slechts één attribuut gekoppeld dat handelt over de tijd,

namelijk „PHASE‟. Uit de waarden voor dit attribuut (Bijlage 1) blijkt dat het gaat om

archeologisch periodes. Opnieuw blijkt dat diverse waarden worden gebruikt om aan te geven

dat de tijdsperiode van het object niet kan worden achterhaald: “ ”, “0” en “ind”, met

respectievelijk 36, 10 en 61 objecten. Deweirdt (2010) besluit haar onderzoek over Molesme

„Sur-les-Creux‟ met een uitgebreide synthetiserende fasering van de site (Tabel 3). Hiervoor

worden echter niet de periodes gebruikt, zoals die voorkomen bij de GIS-data. De periodes

worden verfijnd: bv. La Tène wordt opgesplitst in “Vroeg La Tène”, “La Tène D1b”, … Uit

beide tijdsaanduidingen blijkt duidelijk dat er geen absolute datum, bijvoorbeeld onder de

vorm van een jaartal, wordt gebruikt en er in zekere zin data-imperfectie optreedt onder de

vorm van vaagheid.

67

562

83

21 35 44 42

7 6 14 8 17 1

17 3 1

0

100

200

300

400

500

600

48

In de tabel „INVENTAIRE_MOBILIER‟ komen twee velden voor die informatie geven over

de tijd: „époque’ en „datation’. Het eerste geeft informatie over de tijdsperiode en is dus

vergelijkbaar met de tijdsinformatie die voor de onroerende vondsten wordt gegeven. Er

komen echter meer waarden voor. Opmerkelijk is ook dat een bepaalde waarde een tweede

keer kan voorkomen voorzien van een vraagteken (bv. “Gallo-romaine” en “Gallo-romaine

?”. Dit duidt op onzekerheid over de tijdsperiode. Het veld „datation’ verfijnt de

tijdsinformatie uit het veld „époque’. Dit gebeurt op verschillende manieren waardoor in het

veld geen eenduidige notatie bestaat. Er worden zowel archeologische periodes (bv. “Bronze

final”), tijdsintervallen (bv. “10 av. - 15 ap. J.-C.”), tijdspunten (bv. “80 av-JC”) als

topologische relaties (bv. “ante 52 av-J”) gebruikt. Het veld geeft extra tijdsinformatie voor

slechts 3,8% van het roerende materiaal of 68 van de 1801 mobiele objecten. Onrechtstreeks

wordt ook tijdsinformatie over het moment van opgraven bijgehouden. Elke object heeft

namelijk een uniek nummer in de inventaris, dat zodanig opgesteld is dat het ook het jaartal

bevat waarin het object werd ontdekt.

6.2.2 Opbouw datamodel voor Molesme ‘Sur-les-Creux’

Zoals eerder beschreven is het datamodel opgebouwd rond de relatie tussen object, ruimte en

tijd in de archeologie. Het model kan dus in drie segmenten worden opgedeeld: object, ruimte

en tijd. De hoofdklasse in het objectsegment is „Vondst‟ (Figuur 10). Een „Vondst‟ is de

digitale representatie van een archeologische vondst in de reële wereld. „Vondst‟ is zowel

gekoppeld met het ruimtesegment als het tijdssegment, respectievelijk door middel van een

associatie met „Opgravingseenheid‟ en „Tijdskenmerken‟ (Figuur 10). Een bepaald object

wordt gevonden in één bepaalde opgravingseenheid, maar het is mogelijk dat er meerdere

voorwerpen gevonden worden in één opgravingseenheid. Elke vondst wordt eveneens

gekenmerkt door één set van tijdskenmerken. „Cultuur(sub)periode‟ verwijst naar de

archeologische periode, bv. voor de site Molesme „Sur-les-Creux‟ komt materiaal voor uit de

Gallo-Romeinse periode. Het attribuut „Absolute datering‟ geeft een tijdspunt weer, bv. 80

v.C., terwijl „Relatieve datering‟ een temporele topologische relatie aangeeft, bv. vóór 52 v.C.

De kenmerken „Opgravingstijd‟ en „Databasetime‟ spreken voor zich. „Sitefase‟ staat voor de

fase van de site waarin het voorwerp voorkomt: bv. fase III. Het is mogelijk dat niet alle

attributen van deze klasse kunnen worden ingevuld voor een bepaald object.

49

Vooraleer op elk van de segmenten van het datamodel dieper wordt ingegaan, dient nog een

opmerking te worden gemaakt. Omdat in deze masterproef bij het opbouwen van het

datamodel de nadruk ligt op de structuur, wordt het aantal attributen beperkt gehouden. Dit is

dan ook de reden waarom voor sommige klassen geen attributen worden aangegeven.

Figuur 10: Combinatie object-ruimte-tijd in datamodel

6.2.2.1 Objectsegment

De klasse „Vondst‟ is de hoogste superklasse (Figuur 11) en bevat een aantal algemene

attributen die voor alle materiële vondsten van toepassing kan zijn, bv. wie is de vinder of zijn

er gekoppelde tekeningen en foto‟s (zie verder paragraaf 6.2.2.4). Een vondst heeft ook een

bepaalde geometrie, de vorm van het object gegeven in coördinaten in een bepaald systeem,

zodat meteen de locatie duidelijk wordt (zie verder paragraaf 6.2.2.4). De klasse „Vondst‟

wordt vervolgens verder opgesplitst in twee subklassen: „Roerend‟ en „Onroerend‟ (Figuur

11). Deze opdeling komt overeen met de twee grote analysegroepen die Deweirdt (2010)

hanteert.

Figuur 11: Objectsegment van het datamodel

51

„Onroerend‟ (Figuur 11) kan worden gezien als de databaserepresentatie van een real world

onroerende vondst. Bij de klasse „Onroerend‟ komt een aggregatie voor met „Structuur‟,

verschillende onroerende resten kunnen namelijk samen een structuur vormen. Aan een

structuur werden in dit datamodel slechts twee attributen gekoppeld, namelijk een naam en

een functie. „Onroerend‟ is ook een superklasse voor de klassen „GebouwdeStructuur‟,

„Ophoging‟ en „Uitgraving‟. Deze zijn op hun beurt dan weer superklassen voor de klassen

die overeenkomen met de objecttypes van de onroerende resten die Deweirdt (2010)

behandelt. Er dient wel te worden opgemerkt dat niet alle objecttypes die op de site Molesme

„Sur-les-Creux‟ voorkomen in het datamodel zijn opgenomen. De types worden beperkt tot

deze waarvoor de definitie als algemeen aanvaard kan worden beschouwd.

De informatie over de roerende voorwerpen die in Molesme „Sur-les-Creux‟ zijn gevonden,

kan worden ondergebracht in de klasse „Roerend‟ (Figuur 11). Een roerend object heeft een

bepaald gewicht dat kan worden opgeslagen in het attribuut „Gewicht‟. Het attribuut „Geheel‟

geeft aan of het gevonden materiaal al dan niet in volledige toestand is teruggevonden. Dit is

een beperkte implementatie van data-imperfectie, in casu onvolledigheid, in het datamodel.

Opnieuw worden in twee niveaus subklassen gedefinieerd voor de roerende voorwerpen

(Figuur 11). Bij de attributen wordt een onderscheid gemaakt tussen „Type‟ en „Soort‟. Met

soort wordt in dit datamodel een functionele subcategorie van het object bedoeld. Zo is „bord‟

een soort van „vaatwerk‟. „Type‟ duidt hier op een bepaalde uitvoeringsklasse, bv. „Dressel

1a‟ is een type van „Amfoor‟.

6.2.2.2 Ruimtesegement

Het ruimtesegment van het opgebouwde datamodel omvat de superklasse „Ruimtelijke

eenheid‟ met vier subklassen, nl. „Site‟, „Zone‟, „Opgravingseenheid‟ en „Geologische laag‟

(Figuur 12). Elke „Ruimtelijke eenheid‟ wordt gekenmerkt door een bepaalde geometrie (zie

verder paragraaf 6.2.2.4), die ervoor zorgt dat de vorm en locatie in de ruimte bepaald zijn.

52

Figuur 12: Ruimtesegment van het datamodel

In archeologie wordt vaak gebruik gemaakt van de laag waarin een object zich bevindt om

een bepaald object te dateren. Om deze reden wordt de klasse „Geologische laag‟ in het

datamodel opgenomen. Hieraan kan eveneens een periode worden gekoppeld, zij het dan geen

archeologische, maar een geologische periode. Verschillende geologische lagen vormen

samen een „Stratigrafie‟ (Figuur 12). Dit komt overeen met een bepaalde sequentie van

geologische lagen.

De klasse „Site‟ is een „Ruimtelijke eenheid‟ die de werkelijke site voorstelt. Deze heeft een

bepaalde „Naam‟ en is gelegen in een bepaald „Land‟. Eén „Site‟ kan opgebouwd zijn uit

meerdere zones. Een zone is een bepaald gebied dat gedurende het archeologisch onderzoek

wordt afgebakend, bv. tien zones in Molesme „Sur-les-Creux‟. Een „Zone‟ is eveneens een

„Ruimtelijke eenheid‟. Eén „Zone‟ kan bestaan uit meerdere objecten van de klasse

„Opgravingseenheid‟, wat op zijn beurt terug een „Ruimtelijke eenheid‟ is.

6.2.2.3 Tijdssegment

In het tijdssegment komen drie grote subklassen voor: „Periode‟, „Absolute tijd‟ en „Relatieve

tijd‟ (Figuur 13). Het verschil tussen „Absolute tijd‟ en „Relatieve tijd‟ is duidelijk. „Relatieve

tijd‟ komt immers overeen met een temporele topologische relatie zoals beschreven in

paragraaf 2.3.1.1. Op basis van deze opdeling zou men kunnen stellen dat „Periode‟ een

53

subklasse is van „Absolute tijd‟. Dit wordt bewust niet zo in het datamodel opgenomen.

Hiervoor zijn twee redenen. Ten eerste kan het onderscheid tussen een tijdspunt en een

tijdsinterval op die manier makkelijker uit het datamodel worden afgeleid. Ten tweede is de

betekenis van de klasse „Absolute tijd‟ op die manier ook duidelijker, namelijk een zuiver

punt op de tijdslijn. De attributen „Dag‟, „Maand‟ en „Jaar‟ laten toe dit tijdspunt te bepalen

(Figuur 13). Het is vanzelfsprekend denkbaar dat enkel de maand en het jaar of enkel het jaar

bekend is en kan worden ingevuld. „Absolute tijd‟ wordt nog eens opgesplitst in „Datum‟ en

„Gebeurtenis‟ (Figuur 13). Het is namelijk mogelijk dat men een bepaald punt op de tijdslijn

koppelt aan een bepaalde gebeurtenis, bv. sterfdag van een historisch figuur. Een periode

wordt gekenmerkt door een begin en eind, die beide worden weergegeven door een „Absolute

tijd‟ (Figuur 13). Een periode die bestaat uit meerdere aansluitende tijdsintervallen moet dus

het begin van het eerste interval opgeven en het eindpunt van het laatste. Het is met andere

woorden niet mogelijk om het eerste interval als begin op te geven en het tweede interval als

einde. Zowel „Periode‟ als „Absolute tijd‟ bevat een attribuut „Onzekerheid‟ (Figuur 13).

Tijdens de opbouw van het datamodel werd voor de invulling van het onzekerheidsattribuut

gedacht aan een betrouwbaarheidsindex, zoals onder andere opgesteld door de Runz et al.

(2010). De precieze invulling van dit attribuut of andere mogelijkheid om data-imperfectie in

overweging te nemen, vereist echter verder onderzoek.

Figuur 13: Tijdssegment van het datamodel

54

6.2.2.4 Overige elementen in het datamodel

Naast de drie hierboven besproken segmenten komen in het datamodel nog drie deeltjes voor.

Een eerste is het model rond extra informatie (Figuur 14). Aan een object uit de klasse

„Vondst‟ kan namelijk extra informatie worden gekoppeld onder de vorm van een bijkomende

visualisatie. De klasse „Extra‟ wordt opgedeeld in „Schets‟, bv. een tekening van een amfoor,

„Foto‟ en „Profiel‟, dit laatste is een aantekening met aanduiding van de stratigrafische lagen.

Een „Foto‟ kan zowel „Terrestrisch‟ zijn, als een „Luchtfoto‟. Ook hier kan het model nog

verder worden aangevuld met attributen, bv. bij „Orthofoto‟ kan worden gedacht aan de

brandpuntsafstand, de vlieghoogte, …

Figuur 14: Datamodel met betrekking tot extra informatie

Een tweede zeer beperkt onderdeel van het datamodel heeft betrekking op metadata, meer

bepaald op het team van een opgraving (Figuur 15). Een team kan bestaan uit meerdere

personen, maar een persoon kan deel uitmaken van verschillende teams. Het is namelijk

mogelijk dat een archeoloog aan verschillende opgravingen meewerkt. „Persoon‟ komt in het

datamodel voor als gegevenstype bij de maker van foto‟s en als persoon die een bepaald

object vindt.

55

Figuur 15: Datamodel met betrekking tot opgravingsteam

Het laatste deel van het datamodel handelt over de geometrie (Figuur 16). De klasse

„Geometrie‟ laat toe een object, bv. vondst, een vorm te verschaffen, maar evenzeer het object

te lokaliseren in de ruimte. Dit is mogelijk door te werken met coördinaten in een bepaald

referentiesysteem. Als model voor „Geometrie‟ wordt hier een zeer eenvoudige vorm gebruikt

die enkel de geometrische primitieven in rekening brengt. Om de complexe vormen van

archeologische objecten te kunnen behandelen, zal echter nood zijn aan een uitgebreider en

bijgevolg complexer model.

Figuur 16: Datamodel met betrekking tot geometrie

6.2.3 Omvorming bestaande databank

Het omvormen van de bestaande databank is enkel gebeurd voor de onroerende vondsten. De

reden hiervoor is dat het implementeren van een object-geöriënteerd datamodel in software

die toegespitst is op relationele databanken niet eenvoudig is gebleken en talrijke

aanpassingen vraagt.

56

Ten eerste is er nood aan identificatiecodes om de relaties tussen de verschillende tabellen te

kunnen leggen. Ten tweede moeten de verschillende verbanden die in het datamodel

voorkomen (aggregatie, associatie en generalisatie) in Microsoft®

Office Access 2007 door

middel van één soort relatie worden gerealiseerd. Tijdens het omvormen van de databank zijn

een groot aantal queries nodig, meestal een combinatie van selectie- en toevoegqueries. Het

omvormingsproces wordt om deze reden soms zeer complex.

Voor de onroerende objecten zijn geen ruwe data beschikbaar met betrekking tot de

geometrische kenmerken. Om deze reden wordt het deel van het datamodel dat de geometrie

behandelt, dan ook niet geïmplementeerd in de nieuwe databank. Tevens zijn er geen

gegevens voor handen over welke opgravingseenheden tot welke zone behoren. De aggregatie

die in het datamodel voorkomt tussen de klassen „Zone‟ en „Opgravingseenheid‟ kan dan ook

niet worden gerealiseerd. Niettemin is de relatie wel voorzien in de databank. Ook over

geologische lagen en de daaruit voortvloeiende stratigrafie zijn geen gegevens beschikbaar,

maar de tabellen worden in de databank toch aangemaakt. Omdat voor de onroerende

vondsten slechts één tijdskenmerk wordt weergegeven, wordt geen tabel „Tijdskenmerken‟

aangemaakt zoals zou volgen uit het datamodel.

Het volledige relatieschema van de nieuwe databank is terug te vinden in Bijlage 3.

6.3 Analysegerichte pijler

6.3.1 Toepasbaarheid bestaande analyses Molesme ‘Sur-les-Creux’

Deweirdt (2010) deelt haar onderzoek op in twee delen: enerzijds de ruimtelijke analyse van

de onroerende vondsten en anderzijds deze van het gevonden roerende materiaal. De

doelstelling van de ruimtelijke studie van de onroerende resten is tweevoudig (Deweirdt,

2010, p. 235):

1) het analyseren van de algemene structurering van de site;

2) een eerste fasering van de site vaststellen.

57

Met de ruimtelijke analyse van de roerende vondsten tracht Deweirdt (2010) het proces van

de tafonomie9 te staven om op die manier de menselijke activiteiten terug te achterhalen.

6.3.1.1 Ruimtelijke analyses van de onroerende vondsten

In het ruimtelijk onderzoek van de onroerende resten worden door Deweirdt (2010) de

greppels, de paalputten en de gebouwde structuren opgenomen. Er worden twee analyses

uitgevoerd betreffende de greppels (Deweirdt, 2010, pp. 247-249). Eerst wordt de diepte

cartografisch voorgesteld. Ten tweede wordt de oriëntatie van de verschillende greppels

bepaald. Het objecttype „Greppel‟ is vlot toegankelijk in het datamodel. Zowel de diepte als

de oriëntatie van de greppel kan worden afgeleid uit de 3D-geometrie die wordt opgeslagen in

de superklasse „Vondst‟. Bovendien wordt voor greppels ook expliciet een attribuut over de

oriëntatie opgenomen.

Met betrekking tot de paalputten wordt eveneens de diepte cartografisch voorgesteld om op

die manier gebouwen of andere constructies te kunnen identificeren en een beter inzicht te

krijgen in de architectuur zelf (Deweirdt, 2010, pp. 249-251). De diepte is in het datamodel

opnieuw beschikbaar via de geometrie. Voor deze visuele analyse wordt in dit onderzoek een

vernieuwde analyse uitgewerkt waarvan de resultaten zijn terug te vinden in paragraaf 6.3.2.

Naast een analyse over de diepte voert Deweirdt (2010, pp. 251-258) ook een analyse uit op

de aard van de stenen die in de paalputten voorkomen. Het doel hiervan is het vastleggen van

een tijdsaanduiding voor de paalputten. Hiervoor wordt een diagramkaart van de site

opgesteld. De ligging van de paalputten is in het opgestelde datamodel opnieuw af te leiden

uit de geometrie van de vondst. Op basis van de vindplaats van de paalput, de

opgravingseenheid, kan worden onderzocht of er nog vondsten voorkomen die deze

opgravingseenheid als vindplaats hebben.

Ten slotte wordt een analyse uitgevoerd met betrekking tot de oriëntaties van de gebouwde

structuren om na te gaan of er sprake is van een strikte organisatie van de ruimte (Deweirdt,

2010, pp. 258-262). Ook voor de gebouwde structuren kan de oriëntatie worden afgeleid uit

de geometrie.

9 Tafonomie is in ruime zin de studie van de wijze waarop botmateriaal en concentraties van andere

archeologische vondsten in de bodem opgestapeld zijn, bv. de vraag of beenderen door een rivier in een grot zijn

gespoeld of als voedselresten door menselijke tussenkomst bijeen zijn gebracht. (Capenberghs, 1991, p. 193)

58

6.3.1.2 Ruimtelijke analyses van de roerende vondsten

De studie van het roerende materiaal dat op de site Molesme „Sur-les-Creux‟ werd gevonden,

wordt opgedeeld in drie grote delen: de tafonomie, de chronologie en de vraag of er een

ritualisering van het verbruik plaats heeft gevonden (Deweirdt, 2010, pp. 263-313).

Wat betreft de tafonomie worden eerst mogelijke afzettingszones bepaald. Dit gebeurt door

het cartografisch voorstellen van een bepaald objecttype in g/m³ per opgravingseenheid. De

objecttypes waarvoor dit wordt uitgevoerd zijn: het keramisch vaatwerk, de amforen, de

dierenbotten, de metalen voorwerpen en de dakpannen. Vervolgens wordt een voorstelling

gemaakt waarbij deze informatie gelijktijdig wordt voorgesteld voor de amforen, het

keramisch vaatwerk en de dierenbotten (Deweirdt, 2010, pp. 263-271). Op basis van de

geometrie van de opgravingseenheden is het mogelijk het volume te bepalen. Per

opgravingseenheid kan worden nagegaan welke roerende vondsten zich erin bevinden en wat

hun gewicht is. Het gewicht wordt namelijk als attribuut aan de klasse „Roerend‟

meegegeven. De voorstellingen kunnen met het nieuwe datamodel dus nog steeds worden

gecreëerd. Een tweede stap in de tafonomie is het onderzoeken van de graad van fragmentatie

en geheelheid. Zowel voor het keramisch vaatwerk, de amforen als de dierenbeenderen

worden tabellen opgesteld die het aantal resten per (sub)type keramiek of type dier

weergegeven voor de weerhouden gebieden van mogelijke afzettingsplaatsen. Vervolgens

worden de gegevens uit deze tabellen eveneens onder de vorm van een grafiek en een kaart

voorgesteld. De drie objecttypes komen in het datamodel voor. Het aantal resten kan opnieuw

worden bepaald per opgravingseenheid omdat aan een bepaalde vondst een

opgravingseenheid als vindplaats is gekoppeld. Het uitvoeren van deze analyses is dus terug

mogelijk vanuit het nieuwe datamodel.

Het onderzoek naar de chronologie (Deweirdt, 2010, pp. 283-292) heeft betrekking op de

munten, het keramisch vaatwerk en amforen. De vindplaats van de muntstukken wordt door

middel van proportionele symbolen aangeduid op het siteplan. Deze voorstelling maakt

opnieuw gebruik van de vindplaats, klasse „Opgravingseenheid‟, die aan het object is

gekoppeld, in dit geval de klasse „Munten‟. Hetzelfde geldt voor de voorstelling van het

keramisch vaatwerk en de amforen. Voor deze voorstelling wordt echter gebruik gemaakt van

attributen van de klassen. Het betreft een voorstelling van twee soorten keramiek voor het

vaatwerk, een gelijktijdige voorstelling van drie archeologische periodes voor het gevonden

59

vaatwerk en het type amfoor. Voor elk van deze drie visualisaties is het benodigde attribuut

vlot toegankelijk.

Ten slotte onderzoekt Deweirdt (2010, pp. 292-313) de mogelijkheid van rituele banketten op

de site Molesme „Sur-les-Creux‟. Hiervoor wordt eerst de geografische spreiding van de

vindplaatsen van keukengerei nagegaan. Deze voorstelling kan ook met het nieuwe datamodel

worden gerealiseerd. De klasse „Bereidingsvoorwerp‟ is beschikbaar en indirect gekoppeld

aan de klasse „Opgravingseenheid‟. Ten tweede wordt een cartografische voorstelling

gemaakt van de vindplaatsen van de amforen en dit tegelijkertijd voor drie delen van de

amforen. Opnieuw is de nodige informatie beschikbaar in het nieuwe model onder de vorm

van de klasse „Amfoor‟ en de bijhorende attributen. Ten derde worden analyses uitgevoerd

met betrekking tot dierenbotten. Er wordt een kaart gemaakt die gelijktijdig het aantal botten

van runderen, varkens en geiten voorstelt. Opnieuw is alle informatie toegankelijk in het

datamodel. Er wordt voor de drie eerder vermelde diersoorten een histogram opgemaakt met

het aantal botten van een specifiek deel (bv. hoofd, schouder, …) t.o.v. een referentieskelet.

Vervolgens wordt een factoranalyse uitgevoerd met deze gegevens. Het attribuut „Soort‟ in de

klasse „Botten‟ laat toe een bot tot een bepaald deel van een dier te rekenen. Door middel van

„Dier‟ in de klasse „Dierenbotten‟ kan worden achterhaald van welk dier het gevonden bot

afkomstig is. Op die manier kan de analyse opnieuw worden uitgevoerd gebruik makend van

het nieuwe datamodel. Analoog kan de zijde van het dier waarvan het bot afkomstig is (dus

links of rechts), worden achterhaald en kunnen de analyses (histogram en diagramkaarten) die

Deweirdt (2010, pp. 308-312) uitvoert, worden herhaald. Ten slotte wordt met

cirkelvlakdiagrammen op het siteplan het aantal schedels van bepaalde diersoorten

voorgesteld. Zoals hierboven besproken, is ook deze informatie beschikbaar bij gebruik van

het opgebouwde datamodel.

6.3.2 Clusteranalyse paalputten of trous de poteau

De clusteranalyse combineert het middelpunt van de tijdsperiode en de 3D-coördinaten van

het zwaartepunt van de paalputten op de site Molesme „Sur-les-Creux‟. Zoals eerder vermeld

is er ook in de archeologische gegevens van deze site imperfectie aanwezig, meer specifiek is

er de onzekerheid met betrekking tot de tijdsperiode waarin een paalput voorkomt. Voor 48

van 269 paalputten (17,8%) is voor de tijdsperiode de waarde „ind’ opgegeven. Dit zorgt

60

ervoor dat deze objecten niet kunnen worden opgenomen in de clusteranalyse en er bijgevolg

221 geldige objecten zijn (Bijlage 4).

Na visuele analyse van het dendrogram dat bekomen werd met de methode van Ward (Bijlage

4), blijkt het optimale aantal clusters gelijk te zijn aan veertien. Deze keuze kan eveneens

kwantitatief worden gestaafd op basis van het schema met de agglomeratiecoëfficiënten

(Bijlage 4). Op basis van dit schema werd namelijk het verschil tussen de coëfficiënten

berekend, wat overeenkomt met het informatieverlies tussen de opeenvolgende stappen en

ook het verschil tussen deze verliezen (Tabel 7). Uit Tabel 7 blijkt dat er een aantal

opvallende verschillen zijn in informatieverlies (aangegeven met een *). De grootste

verschillen doen zich voor bij overgang van twee naar één, vier naar drie en zes naar vijf

clusters. Elk van deze opties zou een te groot informatieverlies inhouden gezien het grote

aantal paalputten en het aantal structuren dat door Deweirdt (2010) werd gedefinieerd. Uit

Tabel 7 blijkt dat ook bij een overstap van elf naar tien, veertien naar dertien, zeventien naar

zestien en eenentwintig naar twintig clusters nog een opmerkelijk verschil in informatieverlies

optreedt. Een keuze voor twintig of zeventien cluster zou de interpretatie dusdanig

bemoeilijken dat deze opties worden uitgesloten. De keuze tussen elf en veertien clusters

berust op het feit dat het dendrogram ook veertien clusters aangeeft als het optimale aantal.

Tabel 7: Verschil tussen agglomeratiecoëfficiënten van de hiërarchische clustering

Aantal

clusters

Coëfficiënt

vorige stap

Coëfficiënt

deze stap

Verschil

coëfficiënten

Verschil in

informatieverlies

20 55,662 50,843 4,819 1,383 *

19 60,612 55,662 4,951 0,132

18 66,604 60,612 5,991 1,041

17 75,100 66,604 8,496 2,505 *

16 83,999 75,100 8,899 0,403

15 93,221 83,999 9,222 0,323

14 104,783 93,221 11,562 2,340 *

13 117,230 104,783 12,447 0,886

12 129,696 117,230 12,466 0,018

11 145,387 129,696 15,691 3,226 *

10 163,503 145,387 18,116 2,425

9 183,414 163,503 19,911 1,795

8 212,670 183,414 29,256 9,345

7 248,791 212,670 36,121 6,865

6 304,139 248,791 55,348 19,227 *

5 363,082 304,139 58,942 3,594

4 504,215 363,082 141,134 82,191 *

3 670,617 504,215 166,401 25,268

2 916,560 670,617 245,943 79,542 *

61

De k-means clusteranalyse gebeurt bijgevolg met k gelijk aan veertien clusters. Na vijf

iteraties komen geen significante wijzigingen meer voor in de clustercentra (Bijlage 4). De

one-way ANOVA-test (Bijlage 4) toont aan dat voor de vier variabelen (x, y, z en t) er

significante verschillen (p < 0,01) bestaan tussen de clusters. Ze dragen met andere woorden

bij tot het bekomen van verschillende clusters.

Bij het analyseren van de clustergroottes (Bijlage 4) valt op dat er zowel clusters voorkomen

met zeer veel elementen (cluster 2, 4, 10 en 11 met resp. 38, 22, 48 en 33 paalputten) als met

een heel beperkte grootte (cluster 3 en 14 met resp. 3 en 2 paalputten). Omdat het de

bedoeling is structuren te identificeren, worden deze beide groepen van clusters buiten

beschouwing gelaten bij een eerste bespreking. Het is namelijk enerzijds onwaarschijnlijk dat

een structuur bestaat uit zoveel paalputten en anderzijds zal grote onzekerheid ontstaan over

een structuur van twee of drie paalputten. Het bespreken van alle clusters op basis van hun

clustercentra zou bovendien te ver leiden en weinig bijdrage leveren aan dit onderzoek dat

voornamelijk de mogelijkheden van 4D-analyses wil aantonen. Om deze reden worden slechts

drie willekeurig gekozen clusters geselecteerd om uitgebreider te bespreken aan de hand van

de waarden van de variabelen voor hun respectievelijk clustercentrum, namelijk clusters 1, 8

en 12. Omdat de gestandaardiseerde waarden van de variabelen moeilijk te interpreteren zijn,

worden deze opnieuw omgerekend naar de oorspronkelijke waarden door de formule van de

z-score om te vormen10

. De gestandaardiseerde en gewone waarden voor de clustercentra van

clusters 1, 8 en 12 zijn weergegeven in Tabel 8. De geografische spreiding van alle

clustercentra wordt weergegeven in Kaart 5.

Tabel 8: Clustercentra voor clusters 1,8 en 12

Cluster Zscore(X) Zscore(Y) Zscore(Z) Zscore(T) X Y Z T

1 0,36980 0,19553 -2,29593 1,54109 750000,57 2327314,69 -0,61 214,00

8 -0,22877 -0,94894 0,25997 -0,80872 749984,40 2327292,73 -0,16 -250,00

12 -1,78617 0,20413 -2,81333 0,42442 749942,33 2327314,85 -0,70 -6,50

10

wordt dan ( )

62

Kaart 5: Geografische spreiding van de centra van de k-means clusters

Uit Kaart 5 blijkt dat de clustercentra verspreid liggen op de site. Enkel in het noorden en het

oosten komen drie clustercentra voor die dichter bij elkaar zijn gelegen, respectievelijk 6, 9 en

13 en 1, 4 en 10. De clusters 1, 8 en 12 liggen respectievelijk in het oosten, zuiden en westen.

Uit Tabel 8 blijkt dat de clusters ook voor de z-coördinaat en de t-waarde duidelijk verschillen

van elkaar. Het centrum van cluster 8 bevindt zich op 16 cm diepte, terwijl de clustercentra

van 1 en 12 zich veel dieper bevinden. De t-waarde laat duidelijk toe een chronologie vast te

leggen van de drie clusters. Cluster 8 kwam het eerste voor omstreeks 250 v.C., daarna volgt

cluster 12 (6,5 v.C.) en cluster 1 volgt het laatste rond 214 n.C. Er dient wel in het

achterhoofd te worden gehouden dat voor de t-waarde het midden van een tijdsperiode is

gebruikt. Een stelling als voorgaande zin mag dus niet als absolute chronologie worden

aangenomen. Het geeft echter wel een indicatie van de gemiddelde ouderdom van de paalput.

Vooraleer wordt overgegaan tot het nagaan van de externe geldigheid van de clusteranalyse,

worden de boxplots van de clusterelementen tot hun respectievelijk centrum bestudeerd

(Figuur 17). Kaart 6 geeft de uitschieters en de paalputten die niet werden opgenomen in de

clusteranalyse weer. Hieruit wordt duidelijk dat er binnen vijf clusters (1, 2, 4, 9 en 10)

63

uitschieters voorkomen. Dit zorgt ervoor dat de hierboven beschreven resultaten van cluster 1

mogelijk beïnvloed zijn door de paalput met het nummer 130 (US 2018). Ook de geografische

spreiding van de clustercentra in Kaart 5 kan wijzigen als deze uitschieters worden verwijderd

uit de dataset. Deze resultaten worden niet opnieuw berekend, omdat ze weinig bijdrage

leveren aan het onderzoek. De uitschieters zullen echter wel bij de clustervalidatie buiten

beschouwing worden gelaten. Ook in de voorstelling van de resultaten van de clusteranalyse

(Kaart 7) worden de uitschieters uit de cluster waartoe ze behoren verwijderd. Kaart 7 geeft

een eerste overzicht van de clusters. Een diepgaande visuele analyse is moeilijk door het grote

aantal clusters.

Opm.: De nummers van de uitschieters komen niet overeen met de identificaties in

de GIS-laag, maar zijn het rangnummer in de clusteranalyse.

Figuur 17: Boxplotvoorstelling van de clusterelementen tot het clustercentrum

Kaart 6: Niet opgenomen paalputten en uitschieters bij de k-means clusteranalyse

Kaart 7: Resultaten k-means clusteranalyse voor de paalputten

66

Een visuele clustervalidatie is in dit onderzoek door het relatief grote aantal clusters niet

mogelijk gebleken. Bovendien werden ook door Deweirdt (2010) een groot aantal structuren

bestaande uit paalputten gedefinieerd, namelijk tweeëntwintig structuren die ten minste één

paalput bevatten. Het cartografische voorstellen van de respectievelijk veertien en

tweeëntwintig clusters wordt enerzijds bemoeilijkt door de beperking van het menselijk oog

om een dusdanig groot aantal kleuren te onderscheiden en te vergelijken en anderzijds door

het feit dat het in het merendeel van de paalputten gaat om zeer kleine polygonen. Om deze

reden wordt in dit onderzoek geen visuele vergelijking uitgevoerd en meteen overgegaan tot

het analyseren van de kruistabellen.

Voor de clustervalidatie wordt bijgevolg gebruik gemaakt van een kruistabel (Tabel 9). Deze

geeft voor elk van de veertien clusters weer wat het aandeel ervan is in de structuren die door

Deweirdt (2010) zijn bepaald. De kruistabel met de absolute aantallen is terug te vinden in

Bijlage 5. Uit Tabel 9 blijkt dat clusters 1, 7 en 12 volledig overeenkomen met de clusters

bepaald door Deweirdt (2010), respectievelijk BPE4, BPNE en BPW3. Deze clusters worden

weergegeven in Kaart 8. Cluster 3 bestaat uit drie paalputten die door Deweirdt (2010) aan

geen enkele structuur worden toegekend. Dit zou kunnen wijzen op een nieuwe structuur die

door de clusteranalyse wordt ontdekt. Hierbij moet opnieuw worden opgemerkt dat een

structuur die op basis van drie paalputten wordt bepaald, maar weinig zekerheid zal hebben.

Het neemt echter niet weg dat het mogelijk is. Uit Kaart 8 blijkt dat het weinig waarschijnlijk

is dat de drie paalputten uit cluster 3 een nieuwe structuur zouden vormen. Opmerkelijk is wel

dat de paalput US 2041 in werkelijkheid een groepering is van drie putten. Samen met put US

2029 kan deze wel een nieuwe structuur vormen (Kaart 8). Deskundig advies hierover is

echter noodzakelijk. Uit Tabel 9 komt duidelijk naar voor dat clusters 4 en 10 veel elementen

omvatten en bijgevolg als het ware fungeren als verzamelclusters, waar paalputten zonder

afgetekende kenmerken worden in ondergebracht. De elementen uit clusters 9 en 14 behoren

allemaal tot één structuur (respectievelijk BPN en BPC), maar niet alle elementen van de

structuur worden aan deze cluster gekoppeld (Tabel 9). Kaart 9 geeft de paalputten weer van

cluster 14 en van de structuur BPC. Cluster 14 omvat slechts twee paalputten, te midden van

een cirkelvormige structuur waarvan de paalputten allen behoren tot cluster 11 (Kaart 9).

Deweirdt (2010, p. 249) wijst erop dat in deze twee putten mogelijk palen hebben gestaan die

als dragers voor het dak fungeerden, omdat deze ook een grotere diepte hebben. Dit laatste

element is waarschijnlijk ook de reden waarom deze een cluster op zich uitmaken. Dit

voorbeeld bewijst dat een deskundige beoordeling van de clusterresultaten noodzakelijk is.

67

Ook voor cluster 9 en de structuur BPN blijkt dit nodig te zijn (Kaart 10). Cluster 2 is één van

de grootste clusters, toch behoren de paalputten in deze cluster voor 88,6% tot dezelfde

structuur (BMSE). De overige 11,4% komt overeen met vier paalputten die door Deweirdt

(2010) niet aan een structuur werden toegekend. Dit kan erop wijzen dat er tot de structuur

BMSE in werkelijkheid vier putten meer toebehoren dan dat Deweirdt (2010) heeft

vastgesteld. De spreiding van de paalputten in cluster 2 en deze in structuur BMSE enerzijds

en het grote aantal paalputten anderzijds (Kaart 11), maakt het zonder archeologische kennis

onmogelijk te oordelen of de vier paalputten die niet aan een structuur zijn toegekend door

Deweirdt (2010) tot de structuur BMSE behoren. De paalputten van cluster 5 zijn verdeeld

over drie structuren: 27,3% in APNW, 63,6% in BPNW en 9,1% in PNW1 (Tabel 9). Omdat

de paalputten van deze drie structuren exclusief tot deze cluster toebehoren en de structuren

bovendien in dezelfde zone zijn gelegen (noordwest), is het mogelijk dat de drie structuren

die Deweirdt (2010) heeft gedefinieerd in werkelijkheid tot dezelfde structuur behoren. Kaart

12 geeft deze paalputten weer. Uit Kaart 12 blijkt dat de drie paalputten van de structuur

APNW relatief ver, minstens ongeveer 20 m, van de andere paalputten zijn gelegen. Paalput

PNW1 vormt een structuur op zich. Deze is dichter bij de paalputten van structuur BPNW

gelegen (Kaart 12) en zou er dus deel van kunnen uitmaken. Het verdient echter terug de

aanbeveling dergelijke interpretaties door archeologische deskundigen te laten onderzoeken.

Voor de overige vier clusters (6, 8, 11 en 13) biedt de kruistabel (Tabel 9) geen eenvoudige

interpretatie en evaluatie.

Tabel 9: Aandeel van de k-means clusters in de structuren bepaald door Deweirdt (2010)

Structuren 1 2 3 4 5 6 7 8 9 10 11 12 13 14

11,4% 100,0% 14,3%

28,6%

7,7%

43,2%

8,3%

APE1

2,3%

APE2

4,5%

APE3

4,8%

4,5%

APE4

4,5%

APE5

33,3%

APN

57,1%

APNW

27,3%

BMSE

88,6%

6,8%

BPC

15,4%

48,5%

100,0%

BPE1

9,5%

11,4%

BPE2

9,5%

20,5%

BPE3

33,3%

2,3%

BPE4 100,0% BPN

14,3%

100,0%

58,3%

BPNE

100,0%

BPNW

63,6%

BPS

69,2%

BPSE

28,6%

7,7%

BPW1

18,2%

BPW2

33,3%

BPW3

100,0%

PNW1

9,1%

69

Kaart 8: Locatie van de paalputten in de clusters 1, 3, 7 en 12

Kaart 9: Locatie van de paalputten in cluster 14 en in structuur BPC

70

Kaart 10: Locatie van de paalputten in cluster 9 en in structuur BPN

Kaart 11: Locatie van de paalputten in cluster 2 en in structuur BMSE

71

Kaart 12: Locatie van de paalputten in cluster 5

72

7 DISCUSSIE

7.1 Complexiteit van archeologische data

Uit het onderzoek is gebleken dat archeologische data zeer complex zijn. Dit is ook van

toepassing op de data van Molesme „Sur-les-Creux‟. De complexiteit kan tot vijf factoren

worden herleid waarmee bij de implementatie van een 4D-GIS in archeologie onmiskenbaar

rekening moet worden gehouden:

1) grote variatie aan objecten;

2) intrinsiek 3D-karakter van de data;

3) gecompliceerd tijdsconcept;

4) inherente data-imperfectie;

5) meerdere schaalniveaus.

Madsen (2003) merkte algemeen op dat er een grote diversiteit aan archeologische vondsten

bestaat. Dit geldt eveneens voor de site Molesme „Sur-les-Creux‟. Er zijn negentien

categorieën van onroerende en achttien categorieën van roerende objecten aangetroffen. Het

gaat hier om functionele types. Bovendien kan worden gesteld dat geen enkel object dezelfde

geometrische vorm bezit. Dit zorgt ervoor dat de variatie aan objecten ook door de

geometrische kenmerken wordt beïnvloed.

Het intrinsieke 3D-karakter van de data van Molesme „Sur-les-Creux‟ werd reeds aangehaald

in paragraaf 6.2.1.2. Er zijn twee elementen die het belang van 3D-gegevens voor deze site

benadrukken. Ten eerste werd gewezen op het feit dat de greppels op de site te Molesme een

v-vormig profiel hebben. Dit valt uit geen enkel geometrisch gegeven of semantisch attribuut

in de bestaande dataset af te leiden. Ten tweede komt meermaals voor dat objecten zich op

een zelfde locatie bevinden, maar op een andere diepte. Dit zorgt ervoor dat de polygonen

elkaar overlappen, omdat de GIS-lagen een bovenaanzicht van de site geven. Deze

vaststelling is analoog met de conclusie die Wheatley en Gillings (2002) hieromtrent trokken,

namelijk dat er zich een probleem voordoet in 2,5D-omgevingen als twee punten eenzelfde x-

en y-coördinaat bezitten, maar een andere z-coördinaat. Wanneer de gegevens in de drie

dimensies zouden worden behandeld, zouden deze problemen vermeden kunnen worden. Een

belangrijke kanttekening die moet worden gemaakt met betrekking tot het 3D-karakter van

archeologische data is dat niet al het gevonden materiaal expliciet geometrisch in 3D kan

73

worden omschreven. Hierbij wordt vooral gedacht aan kleine roerende vondsten zoals

botsplinters of keramiekscherven. Deze objecten zijn vaak te klein om door middel van

coördinaten te worden gelokaliseerd. Hun locatie wordt eerder aangeduid met behulp van

topologische relaties (Schloen, 2001). Bij de gegevens van Molesme „Sur-les-Creux‟ wordt

verwezen naar de opgravingseenheid waarin het roerende object is gevonden. Het verdient

wel de voorkeur om indien mogelijk 3D-coördinaten van het object te bepalen. Deze data

werden niet verzameld voor de site te Molesme.

De complexiteit inzake tijd komt ook in de gegevens van Molesme „Sur-les-Creux‟ naar voor.

In de gegevens primeert echter de archeologische periode als tijdsaanduiding. Zoals Šmejda

(2009) stelt, variëren deze tijdsperiodes in lengte en kunnen er geen eenduidige definities voor

worden gegeven. Iedereen weet over welke periode het ongeveer gaat, maar omtrent het

absolute begin en einde van deze periode heerst een zekere data-imperfectie. Overige

tijdsaanduidingen komen slechts beperkt voor in de databank van de onroerende goederen of

worden enkel in het doctoraatsproefschrift (Deweirdt, 2010) aangewend. In de databank wordt

gebruik gemaakt van een tekstveld („datation’) om de temporele aanduiding die met behulp

van een archeologische periode gebeurde te verfijnen. In het tekstveld worden verschillende

tijdsnotaties door elkaar gebruikt. Analoog met het probleem dat Van Daele (persoonlijke

mededeling, 28 maart 2012) in het gebruik van tekstvelden voor archeologische data

signaleert, kan worden gesteld dat het onmogelijk wordt om temporele bevragingen uit te

voeren op dit veld. Tsipidis et al. (2011) stellen nochtans dat temporele queries één van de

vier algemene klassen is waarin archeologische vragen uiteen vallen.

Uit de beschrijving van de begrippen rond data-imperfectie blijkt duidelijk de complexiteit

ervan. Zoals eerder aangegeven, is in de data van Molesme „Sur-les-Creux‟ op meerdere

plaatsen data-imperfectie aanwezig. Het behandelen van data-imperfectie in archeologische

GIS en datamodellen vereist echter nog verder diepgaand onderzoek. Hierbij zal wel in het

achterhoofd moeten worden gehouden dat er altijd data-imperfectie en onzekerheid zal

heersen en men dus op een bepaald niveau de data als perfect zal moeten beschouwen ook al

is dit in werkelijkheid niet het geval. Als voorbeeld hiervan kan verwezen worden naar

vaagheid en de verfijning van de tijdsschaal of granularity, zoals Van Daele (persoonlijke

mededeling, 28 maart 2012) aanhaalde (Paragraaf 6.1.2.3).

74

In archeologie worden ook verschillende schaalniveaus onderscheiden. Meestal beperkt een

onderzoek zich tot één van de drie typische schaalniveaus (inter-, intrasite en intrastructuur).

Het verdient naar mijn inziens de voorkeur om een datamodel of GIS te ontwikkelen dat voor

de drie analyseniveaus geschikt is. Hiermee wordt bedoeld dat het datamodel of GIS

bruikbaar is voor elk van de drie analyses apart en voor elke combinatie ervan.

Archeologische data bezitten een hoge graad van complexiteit. De vijf hierboven beschreven

elementen zullen de implementatie van een volwaardig 4D-GIS dat geschikt is voor gebruik

door archeologen en personen, bedrijven en instellingen die omgaan met archeologische data,

sterk beïnvloeden. De ontwikkeling van een 4D-GIS of datamodel zal door deze factoren

ongetwijfeld worden bemoeilijkt. De kans bestaat echter dat dit uitmondt in een

gecompliceerd systeem of ingewikkelde toepassing. Dit moet ten stelligste worden vermeden

omdat dit het initieel beoogde resultaat zal verhinderen. Het is namelijk duidelijk dat een

moeilijk te begrijpen model het gebruik van GIS in archeologische toepassingen niet zal

verhogen.

7.2 Van complexe data naar een elementair conceptueel model

Analoog met onder andere CityGML, GeoSciML, CIDOC CRM en de projecten van Madsen

(2003) en Katsianis et al. (2008) is het datamodel objectgeoriënteerd opgebouwd. Bovendien

werd naar de object-ruimte-tijd relatie die Arroyo-Bishop en Lantada Zarzosa (1995)

vaststelden, het model opgebouwd rond deze drie primaire assen, zoals dit ook in het

onderzoek van Katsianis et al. (2008) is toegepast.

Het opgebouwde conceptueel model beantwoordt aan de eerder besproken factoren waarmee

rekening moet worden gehouden bij de implementatie van een 4D archeologisch GIS. Het is

wel zo dat bepaalde factoren beter geïmplementeerd zijn dan andere. De behandeling van

data-imperfectie is de factor die de minste uitwerking heeft gevonden in het opgebouwde

datamodel. De grote variatie aan objecten die op de site te Molesme gevonden is, wordt

enigszins beperkt in het model opgenomen. Toch wordt een vrij groot aantal klassen met

betrekking tot objecten weergegeven. Het 3D-karakter van de data is in het model opgenomen

in het onderdeel „Geometrie‟. De uitwerking hiervan werd beperkt in dit onderzoek. Het

verdient echter aanbeveling om naar de toekomst toe gebruik te maken van de ISO-standaard

19107:2003 omtrent “Geographic Information - Spatial Schema” (Tom & Roswell, 2009, pp.

75

30-32). Op die manier kunnen ook meer complexe archeologische vondsten geometrisch

worden beschreven. Het gebruik van een z-coördinaat in plaats van een diepteattribuut laat

eveneens toe de hoogte uit te drukken ten opzicht van een bepaald referentieniveau. Dit is nu

in de beschikbare data (GIS en databank) niet noodzakelijk het geval. Naar analogie met

Katsianis et al. (2008) worden meervoudige temporele paden in het model opgenomen in de

klasse „Tijdskenmerken‟. Ook de systeemtijd, waar van Oosterom (2006) op wijst, kan in het

model worden opgeslagen. Wat betreft de data-imperfectie wordt in het datamodel enkel een

onzekerheidsattribuut met een waarde vergelijkbaar met de betrouwbaarheidsindex van de

Runz et al. (2009) opgenomen. Dit is dus heel beperkt. Verder onderzoek moet worden

uitgevoerd over hoe data-imperfectie en zelfs tijd optimaal in een datamodel of GIS

behandeld kunnen worden. Het schaalniveau is volwaardig in het datamodel

geïmplementeerd, zij het dan impliciet. Door de klassen „Site‟, „Zone‟ en

„Opgravingseenheid‟ elk als subklasse van „Ruimtelijke eenheid‟ en met aggregaties ten

opzichte van elkaar te definiëren, wordt de problematiek van de meerdere schaalniveaus

gerealiseerd. Het is namelijk mogelijk meerdere sites op te nemen en te vergelijken of enkel

opgravingseenheden te bestuderen of binnen één opgravingseenheid de objecten te

onderzoeken. Op die manier wordt beantwoord aan de vereiste van Arp (2003) om schaal in

een archeologisch datamodel op te nemen. Bovendien stemt het opgebouwde datamodel op

die manier overeen met de vaststelling van Llobera (2011) dat archeologen constant wisselen

tussen verschillende conceptualisaties van de ruimte.

De omvorming van de databank in Microsoft®

Office Access 2007 volgens het datamodel is

vrij complex gebleken. Dit valt zoals eerder benadrukt te verklaren door de relationele basis

van het softwarepakket. Ook Madsen (2003) stelde vast dat relationele databanken weinig

geschikt zijn voor het opbouwen van complexe archeologische modellen.

In paragraaf 6.1.4 werd gewezen op het belang van het gebruik van standaarden. Het huidige

datamodel is enkel opgebouwd in UML en is niet gebaseerd op XML of GML. Het datamodel

voldoet bijgevolg niet aan dit aandachtspunt dat in paragraaf 6.1.4 werd gestipuleerd. Dit

gebrek kan worden verklaard doordat dit datamodel slechts een eerste stap is in de richting

van een 4D archeologisch GIS. Bij het streven naar interoperabiliteit moet, zoals ook Schloen

(2001) en Cripps (persoonlijke mededeling, 28 maart 2012) vermelden, in de toekomst wel

rekening worden gehouden met het gebruik van standaarden. Ook de mogelijkheden van

CIDOC CRM, zoals aangewend in de onderzoeken van Katsianis et al. (2008) en Felicetti et

76

al. (2010), dienen in de toekomst te worden onderzocht, voornamelijk omdat het een ISO-

standaard betreft.

7.3 Potentieel van het elementair conceptueel datamodel in analyses

Uit paragraaf 6.3.1 blijkt dat de analyses die Deweirdt (2010) heeft uitgevoerd op de roerende

en onroerende vondsten mogelijk zullen blijven na toepassing van het nieuwe datamodel. Er

moet wel worden opgemerkt dat het uiteindelijke analysepotentieel van het datamodel ook

enerzijds door de implementatie van de analyses zelf (Tsipidis et al., 2005) en de realisatie

van de gebruikersinterface (Tsipidis et al., 2011) en anderzijds door de kennis en

vaardigheden van de archeologen (Wheatley & Gillings, 2002) en de mate van aanvaarding

van de nieuwe technologie (Arroyo-Bishop & Lantada Zarzosa, 1995; Llobera, 2011) bepaald

zal worden.

Uit de controle van de toepasbaarheid van het datamodel in de bestaande analyses kan een

aantal verbanden met eerder verricht wetenschappelijk onderzoek worden geconstateerd.

Barceló et al. (2003) en Losier et al. (2007) halen de mogelijkheid tot volumeberekening als

één van de belangrijkste voordelen van hun model aan. Ook bij het datamodel dat in dit

onderzoek werd opgesteld, blijkt volumeberekening mogelijk doordat de geometrie van de

vondsten en de ruimtelijke eenheden wordt opgeslagen. Deweirdt (2010) stelt kruistabellen op

uitgaande van gegevens over het aantal resten, de zones van de site en het subtype keramiek

of de diersoort. Het opstellen van dergelijke tabellen is na toepassing van het nieuwe model

nog steeds mogelijk. Deze analysemogelijkheid wordt ook door Madsen (2003) aangeduid als

voordeel van zijn systeem. De voordelen die Losier et al. (2007) aanvoeren, zijn zoals blijkt

uit paragraaf 6.3.1 ook met dit model mogelijk. Het gaat onder andere over de mogelijkheid

tot het uitvoeren van kwantitatieve en kwalitatieve queries, metrische en topologische

analyses en het onderzoeken van de site vanuit een nieuw perspectief.

De clusteranalyse die werd uitgevoerd, verenigt object, ruimte en tijd. Deze drie factoren die

volgens Arroyo-Bishop en Lantada Zarzosa (1995) de basis van een goede archeologische

analyse uitmaken, worden tegelijk behandeld waardoor de kans op geldige conclusies

vergroot. Het opnemen van de tijdsfactor levert zo een pluspunt op ten opzichte van de

cartografische voorstelling van Deweirdt (2010). Een clusteranalyse is dan wel een

statistische analyse, toch blijven er een aantal subjectieve keuzes noodzakelijk die het

77

einderesultaat aanzienlijk kunnen beïnvloeden. Onder andere de initiële keuze van het aantal

clusters bepaalt het uiteindelijke resultaat. Ook in deze clusteranalyse waren er nog andere

opties voor het aantal clusters. Het is mogelijk dat een clusteranalyse met zeventien clusters

resulteert in een grotere overeenkomst met de structuren die Deweirdt (2010) heeft

gedefinieerd. Deze veronderstelling kan worden gestaafd door de aanwezigheid van twee

zogenaamde verzamelclusters (clusters 4 en 10). De uitgevoerde clusteranalyse biedt echter

wel voordelen ten opzichte van een visueel onderzoek. De clusteranalyse is vrij eenvoudig en

sneller uit te voeren dan een visuele analyse. Er moet wel worden gewezen op de afwijkingen

tussen beide analyses die uit de clustervalidatie naar voor komen. Om de waarde van de

clusteranalyse te vergroten, is het aangewezen om de clusters één voor één visueel te

bekijken. Op die manier kunnen opvallende afwijkingen, verzamelclusters, … worden

geconstateerd.

78

8 BESLUIT

Net als in andere disciplines kan het gebruik van GIS in archeologie andere en nieuwe

mogelijkheden aanreiken. Toch blijft het gebruik van GIS in archeologie eerder beperkt

omdat er geen geschikt systeem, i.e. GIS-software of een gestandaardiseerd datamodel,

bestaat dat kan omgaan met de complexe archeologische gegevens. Het onderzoek naar de

ontwikkeling van een systeem specifiek voor archeologen is al ruim vijftien jaar aan de gang.

Het gaat echter om verschillende van elkaar losstaande onderzoeksprojecten waardoor er nog

steeds een gebrek aan standaardisatie met betrekking tot de archeologische data heerst. Toch

kunnen in de literatuur een aantal projecten worden aangeduid die in de goede richting

schijnen te werken om deze situatie een halt toe te roepen.

In dit onderzoek is getracht een eerste stap te zetten in de richting van een model voor een

4D-GIS voor archeologische data. Om een zo groot mogelijke slaagkans van het

ontwikkelingsproces te behalen, worden zowel de data als de functionaliteiten als de

gebruikers in overweging genomen. Het onderzoek steunt dan ook op drie pijlers: de

gebruikersgerichte, de objectgerichte en de analysegerichte pijler.

Het 4D-GIS is in de eerste plaats bestemd voor archeologen. Daarnaast worden ook personen,

bedrijven en instellingen die omgaan met archeologische gegevens als potentiële gebruikers

van het systeem gezien. De gebruikersgerichte pijler laat toe een aantal vereisten te definiëren

waaraan een archeologisch 4D-GIS moet voldoen. Algemeen moet het resultaat een

begrijpbaar en bruikbaar systeem zijn, dat ervoor zorgt dat GIS meer wordt ingezet in

archeologisch onderzoek. Om dit te verwezenlijken, moet omgegaan kunnen worden met 3D-

gegevens, dient de tijdsdimensie opgenomen te worden en de problematiek rond data-

imperfectie en schaal in acht worden genomen. Bovendien moet aandacht worden geschonken

aan de interoperabiliteit van het systeem door gebruik te maken van standaarden als GML.

De casestudie op de site van Molesme „Sur-les-Creux‟ heeft aangetoond dat de vereisten die

uit de gebruikerspijler naar voor zijn gekomen ook voor dit specifieke geval gelden. Op de

site te Molesme is een grote variatie aan archeologische vondsten aanwezig. Het inherente

3D-karakter van de data wordt duidelijk bij het bestuderen van de verschillende objecten en

hun typische kenmerken. In een 2D-GIS komen namelijk overlappende polygonen voor en

informatie over de werkelijke 3D-vorm van objecten gaat verloren. Vooral met betrekking tot

79

de tijd wordt bevestigd dat data-imperfectie eigen is aan archeologische objecten. Het

opgestelde datamodel omvat drie hoofdsegmenten: object, ruimte en tijd. De grote variëteit

aan objecten, de drie dimensies, de tijd, het schaalprobleem en data-imperfectie worden in het

datamodel opgenomen. Uit het model komt wel naar voor dat er nood is aan een meer

doorgedreven model voor de geometrie. Vooral het complexe probleem van data-imperfectie

en hoe dit in een datamodel kan worden opgenomen, vereist diepgaander onderzoek. Omdat

het om een elementair model gaat, wordt geen gebruik gemaakt van internationaal aanvaarde

standaarden. Dit is echter wel noodzakelijk met het oog op interoperabiliteit.

De resultaten van de analysegerichte pijler bevestigen dat het model nog dezelfde

functionaliteiten bezit als het oorspronkelijke 2D-model. Bovendien biedt de clusteranalyse

die rekening houdt met objecten, ruimte en tijd mogelijkheden om op een onderbouwde wijze

visuele analyses aan te vullen of te vervangen. De clusteranalyse is eenvoudig uit te voeren en

gebeurt relatief snel. Omdat de clusteranalyse subjectieve keuzes vereist, moet een

deskundige beoordeling wel de laatste stap van deze analyse uitmaken.

Algemeen kan worden geconcludeerd dat vijf factoren de implementatie van een volwaardig

archeologisch 4D-GIS sterk zullen beïnvloeden: (i) de grote variatie aan objecten, (ii) het

intrinsiek 3D-karakter van de data, (iii) het gecompliceerd tijdsconcept, (iv) de inherente data-

imperfectie en (v) de verschillende schaalniveaus. Vooral de tijdsdimensie en de data-

imperfectie vergroten de complexiteit van archeologische data. Nader onderzoek over deze

twee factoren in archeologie is dan ook noodzakelijk vooraleer deze volwaardig kunnen

worden opgenomen in een datamodel voor archeologie. Het is dan ook duidelijk dat een 4D-

GIS voor archeologische data dat rekening houdt met de bovenvermelde factoren nog heel

wat onderzoek vergt. Aan de noodzaak van dergelijk 4D-GIS valt echter niet meer te

twijfelen. Het biedt namelijk verschillende mogelijkheden in het volledige proces van het

archeologisch onderzoek en zal de interoperabiliteit verhogen.

80

REFERENTIELIJST

Literatuur

Al-Hanbali, N., Al Bayari, O., Saleh, B., Almasri, H. Baltsavias, E. (2006) “Macro to micro

archaeological documentation: building a 3D GIS model for Jerash City and the Artemis

temple”. In: Abdul-Rahman, A., Zlatanova, S., Coors, V. (Eds.) Lecture Notes in

Geoinformation and Cartography. Innovations in 3D Geo Information Systems. Berlin:

Springer, pp. 447-468.

Antrop, M., De Maeyer, Ph. (2008) Theoretische concepten van GIS. Gent: Academia Press.

Arp, R. (2003) “An ArcGIS Data Model for Archaeologists: Problems and Prospects”. GIS

Serving Our World. 23nd Annual Esri International User Conference. San Diego: Esri.

Arroyo-Bishop, D., Lantada Zarzosa, M. (1995) “To be or not to be: will an object-space-time

GIS/AIS become a scientific reality or end-up an archaeological entity?”. In: Lock, G.,

Stančič, Z. (Eds.) Archaeology and Geographical Information Systems. London: Taylor &

Francis, pp. 43-53.

Barceló, J., de Castro, O., Travet, D., Vicente, O. (2003) “A 3D model of an archaeological

excavation”. In: Doerr, M., Sarris, A. (Eds.) CAA 2002. The Digital Heritage of Archaeology.

Computer Applications and Quantitative Methods in Archaeology. Athens: Hellenic Ministry

of Culture, Archive of Monuments and Publications.

Booch, G., Rumbaugh, J., Jacobson, I. (1998) The Unified Modeling Language User Guide.

s.l.: Addison-Wesley.

Breunig, M., Zlatanova, S. (2011) “3D geo-database research: Retrospective and future

directions”. Computers & Geosciences. 37, 791-803.

Capenberghs, J. (Red.) (1991) Gisteren voorbij. Een archeologisch kijk op de geschiedenis

van de oudste tijden. Leuven: Garant.

81

Conolly, J., Lake, M. (2006) Geographical Information Systems in Archaeology. Cambridge:

Cambridge University Press.

Darvill, T. (2008) The Concise Oxford Dictionary of Archaeology. Oxford: Oxford University

Press.

de Runz, C., Desjardin, E., Piantoni, F., Herbin, M. (2010) “Anteriority index for managing

fuzzy dates in archaeological GIS”. Soft Computing. 14 (4), 339-344.

Deweirdt, E. (2010) De l’analyse spatial à la caractérisation de sites de la fin de l’âge du fer

et du début de l’époque gallo-romaine dans le nord et l’est de la Gaule. Doctoraats-

proefschrift: Universiteit Gent, Faculteit Letteren en Wijsbegeerte, Archeologie.

Egenhofer, M (1989) “A formal definition of binary topological relationships”. In: Litwin,

W., Schek, H.-J. (Eds.) Lecture Notes in Computer Science. vol. 367. 3rd

International

Conference on Foundations of Data Organization and Algorithms. Berlin: Springer, pp. 457-

472.

Egenhofer, M., Frank, A. (1992) “Object-oriented modeling for GIS”. URISA Journal. 4 (2),

3-19.

Egenhofer, M., Herring, J. (1991) “Categorizing binary topological relationships between

regions, lines and points in geographic databases”. In: Egenhofer, M., Herring, J., Smith, T.,

Park, K. (Eds.) NCGIA Technical Reports 91-7. Santa Barbara: National Center for

Geographic Information and Analysis.

España, S., Panach, J., Pederiva, I., Pastor, O. (2006) “Towards a holistic conceptual

modelling-based software development process”. In: Embley, D., Olivé, A., Ram, S. (Eds.)

LNCS 4215. Conceptual Modeling -ER 2006. 25th International Conference on Conceptual

Modeling. Tuscon, AZ, USA, November 2006. Proceedings. Berlin: Springer, pp. 437-450.

82

Felicetti, A., Lorenzini, M., Niccolucci, F. (2010) “Semantic enrichment of geographic data

and 3D models for the management of archaeological features”. In: Artusi, A., Joly, M.,

Lucet, G., Pitzalis, D., Ribés, A. (Eds.) VAST 2010: The 11th International Symposium on

Virtual Reality, Archaeology and Intelligent Cultural Heritage. Paris: Eurographics

Association, pp. 115-122.

Goodchild, M. (1992) “Geographical data modeling”. Computers & Geosciences. 18 (4), 401-

408.

Howard, D., MacEachren, A. (1996) “Interface design for geographic visualization: Tools for

representing reliability”. Cartography and Geographic Information Science. 23 (2), 59-77.

Katsianis, M., Tsipidis, S., Kotsakis, K., Kousoulakou, A. (2008) “A 3D digital workflow for

archaeological intra-site research using GIS”. Journal of Archaeological Science. 35, 655-

667.

Kurata, Y. (2008) “The 9+-intersection: A universal framework for modeling topological

relations”. In: Cova, T., Miller, H., Beard, K., Frank, A., Goodchild, M. (Eds.) Geographic

Information Science. Lecture Notes in Computer Science. Berlin: Springer, pp. 181-198.

Kurata, Y. (2010) “From three-dimensional topological relations to contact relations”. In:

Neutens, T., De Maeyer, P. (Eds.) Developments in 3D Geo-Information Sciences. Lecture

Notes in Geoinformation and Cartography. Berlin: Springer, pp. 123-142.

Kurata, Y., Egenhofer, M. (2007) “The 9+-intersection for topological relations between a

directed line segment and a region”. In: Gottfried, B. (Ed.) 1st Workshop on Behavioral

Monitoring and Interpretation. TZI-Bericht. vol. 42. Bremen: Technologie-Zentrum

Informatik, Univerität Bremen, pp. 62-76.

Llobera, M. (2011) “Archaeological visualization: towards an archaeological information

science (AISc)”. Journal of Archaeological Method and Theory. 18, 193-223.

83

Losier, L.-M., Pouliot, J., Fontin, M. (2007) “3D geometrical modeling of excavation units at

the archaeological site of Tell „Acharneh (Syria)”. Journal of Archaeological Science. 34,

272-288.

Madsen, T. (2003) “ArcheoInfo: an object-oriented information system for archaeological

excavation”. Computer Applications and Quatitative Methods on Archaeology 2003. Enter

the Past. The E-Way into the Four Dimensions of Cultural Heritage. Vienna: CAA.

Petit, C. (2005) Occupation et gestion des plaines alluviales dans le Nord de la France de

l'âge du Fer à l'époque gallo-romaine. Actes de la table-ronde de Molesme 17-18 septembre

1999. Besançon: Presse Universitaires de Franche-Comté.

Petit, C., Camerlynck, C., Deweirdt, E., Durles, C., Garcia, J., Gauthier, É., Ollive, V.,

Richard, H., Wahlen, P. (2006) “Géoarchéologie du site antique de Molesme en vallée de

Laigne (Côte-d‟Or). Mise en évidence de l‟impact anthropique sur la sédimentation

alluviale”. Gallia. 63, 263-281.

Pfoser, D. & Tryfona, N. (1998). “Requirements, definitions, and notations for spatiotemporal

applications”. In: Laurini, R., Makki, K., Pissinou, N. (Eds.) ACM-GIS '98: Proceedings of

the 6th International Symposium on Advances in Geographic Information Systems.

Washington: Association for Computing Machinery, pp. 124-130.

Romesburg, H. (1984) Cluster Analysis for Researchers. Belmont: Lifetime Learning

Publications.

Schloen, J. (2001) “Archaeological data models and web publication using XML”. Computers

and the Humanities. 35, 123-152.

Sharma, S. (1996) Applied Multivariate Techniques. New York: John Wiley & Sons.

Šmejda, L. (2009) “Time as a hidden dimension in archaeological information systems:

Spatial analysis within and without the geographic framework”. Computer Applications to

Archaeology 2009. Williamsburg: CAA.

84

Tsipidis, S., Koussoulakou, A., Kotsakis, K. (2005) “3D GIS visualization of archaeological

excavation data”. International Cartographic Conference 2005. La Coruña: International

Cartographic Conference.

Tsipidis, S., Koussoulakou, A., Kotsakis, K. (2011) “Geovisualization and archaeology:

supporting excavation site research”. In: Ruas, A. (Ed.) Advances in Cartography and

GIScience. Volume 2; Selection from ICC 2011, Paris. Berlin: Springer, pp. 85-108.

van Oosterom, P. (2006) “Temporele aspecten ook op eerste rang?”. Geo-Info. 3 (11), 468-

472.

Wheatley, D., Gillings, M. (2002) Spatial Technology and Archaeology. The Archaeological

Applications of GIS. London: Taylor & Francis.

Zeiler, M. (1999) Modeling our world: the ESRI Guide to Geodatabase Design. Redlands:

Environmental Systems Research Institute.

Zlatanova, S. (2000) “On 3D topological relationships”. In: Min Tjoa, A., Roland, R.,

Wagner, A., Al-Zobaidie, A. (Eds.) Proceedings of the 11th International Workshop on

Database and Expert Systems Applications. Greenwich: IEEE Computer Society, pp. 913-

919.

Zlatanova, S., Rahman, A.A., Pilouk, M. (2002) “Trends in 3D GIS development”. Journal of

Geospatial Engineering. 4 (2), 1-10.

Wetgeving

Decreet 30 juni 1993 houdende bescherming van het archeologisch patrimonium, gewijzigd

bij decreten van 18 mei 1999, 28 februari 2003, 10 maart 2006 en 27 maart 2009, BS 15

september 1993.

85

Internetbronnen

Centrale Archeologische Inventaris.

http://cai.erfgoed.net/cai_publiek/index2.html. 09/03/2012.

CGI (2008) GeoSciML Cookbook; How To Map Data to GeoSciML Version 2.1.

http://www.geosciml.org/geosciml/2.0/cookbook/GeoSciML_Data_CookBook_V2.pdf.

13/03/2011.

Charta Roma, Mappa Ufficiale della Città di Roma. http://www.chartaroma.it/. 12/04/2012.

Crofts, N., Doerr, M., Gill, T., Stead, S., Stiff, M. (Eds.) (2011) Definition of the CIDOC

Conceptual Reference Model. Version 5.0.4.

http://www.cidoc-crm.org/docs/cidoc_crm_version_5.0.4.pdf. 30/12/2011.

Gröger, G., Kolbe, T., Czerwinski, A., Nagel, C. (Eds.) (2008) OpenGIS® City Geography

Markup Language (CityGML) Encoding Standard.

http://www.opengeospatial.org/standards/gml. 13/03/2011.

Kottman, C., Reed, C. (Eds.) (2009) The OpenGIS Abstract Specification. Topic 5: Features.

http://www.opengeospatial.org/standards/as. 24/11/11.

The CIDOC Conceptual Reference Model. What is the CIDOC CRM.

http://www.cidoc-crm.org . 30/12/2011.

ISO/TC 211. (2003) Fact Sheet 19103. 19103 Geographic information – Conceptual schema

language. http://www.isotc211.org/Outreach/Overview/Factsheet_19103.pdf. 08/01/2012.

Oxford Dictionary. http://oxforddictionaries.com. 12/04/2012.

Tom, H., Roswell, C. (Eds.) (2009) Standards Guide. ISO/TC 211 Geographic

Information/Geomatics.

http://www.isotc211.org/Outreach/ISO_TC_211_Standards_Guide.pdf. 15/04/2012.

86

De Centrale Archeologische Inventaris (CAI).

http://www.vioe.be/aanbod/inventarissen/de-centrale-archeologische-inventaris-cai/.

12/04/2012.

Kaarten

Institut national de l‟information géographique et forestière. GEOFLA®

: téléchargement

gratuit. http://professionnels.ign.fr/ficheProduitCMS.do?idDoc=6185461. 08/03/2012.

Institut national de l‟information géographique et forestière. Géoportail. Cartes IGN.

http://www.geoportail.fr/visu2D.do?ter=metropole. 13/02/2012.

Software

ESRI®

ArcMapTM

10.0

IBM®

SPSS®

Statistics 20

Microsoft®

Office Access 2007

Microsoft®

Office Visio®

2007

Van Dale Uitgevers (2009) Van Dale Elektronische grote woordenboeken hedendaags

Nederlands, Engels, Frans, Duits. Versie 5.0

87

BIJLAGEN

Bijlage 1: Inhoud van de shapefiles ‘UA’ en ‘UScomplet’

Tabel 1: Velden, datatype en beschrijving van ‘UA’

Veld Datatype Beschrijving

FID Object ID Feature ID

Shape Geometry Polygoon

US Text ID Opgravingseenheid

SHAPE_Leng Double Omtrek (m)

SHAPE_Area Double Oppervlakte (m²)

X Double X-coördinaat van het middelpunt van de polygoon

(m)

Y Double Y-coördinaat van het middelpunt van de polygoon

(m)

Unité_anal Text ID analyse-eenheid

Surface_m² Double Oppervlakte (m²)

Profondeur Double Diepte (m)

Prof_analy Double Analysediepte (m)

Structure Text Structuur waartoe de polygoon behoort

TYPE Text Type vondst

TYPEregrou Text Groepstype

PHASE Text Periode

volume Double Volume (m³)

Tabel 2: Voorkomende waarden voor het veld ‘Structure’

Structure Structure Structure Structure Structure

BMSE BPW1 FSS3 FYS1

APC BMSW BPW2 FSS4 FYS2

APE1 BPC BPW3 FSSE1 FYSE1

APE2 BPE1 FCS FSSE2 FYSW1

APE3 BPE2 FDP FSSE3 FYW1

APE4 BPE3 FOE FSSE4 FYW2

APE5 BPE4 FON FSSW1 Mur clôture

APN BPN FOS FSSW2 PNW1

APNW BPNE FOW1 FSSW3 PSE1

BAP BPNW FOW2 FSW1 PSE2

Barrage chenal BPS FSNE1 FYE1 PTS

BMS BPSE FSS2 FYNE1

88

Tabel 3: Voorkomende waarden voor het veld ‘Type’, ‘Typeregrou’ en ‘PHASE’

TYPE TYPEregrou PHASE

alluvions alluvions 0

blocage de construction couche d'abandon Auguste

bois couche d'abandon du bassin Auguste - gallo-romain

couche d'abandon couche d'occupation Gallo-romain

couche d'occupation indéterminé Hallstatt

fosse radier de construction ind

fossé remblai de fosse La Tène

foyer remblai de fossé La Tène - Auguste

indéterminé remblai de puits la Tène - Gallo-romain

mur structure de poteau de bois

puits structure maçonnée

radier substrat

remblai

remblai de tranchée de fondation

sol construit

substrat calcaire

substrat colluvial

trou de poteau

Tabel 4: Velden, datatype en beschrijving van ‘UScomplet’

Veld Datatype Beschrijving

FID Object ID Feature-ID

Shape Geometry Polygoon

US Text ID Opgravingseenheid

SHAPE_Leng Double Omtrek (m)

SHAPE_Area Double Oppervlakte (m²)

89

Bijlage 2: Woordenboekuittreksels betreffende begrippen rond data-imperfectie

1. Uittreksels online Oxford English Dictionary (http://oxforddictionaries.com, 12 april

2012)

91

2. Uittreksels Van Dale Elektronische grote woordenboeken hedendaags Nederlands,

Engels, Frans, Duits Versie 5.0

92

Bijlage 3: Relatieschema omgevormde databank Molesme ‘Sur-les-Creux’

93

Bijlage 4: SPSS-Output clusteranalyse

1. Hiërarchische clusteranalyse (methode van Ward, kwadratische euclidische afstand)

CLUSTER X_stand Y_stand Z_stand T_stand

/METHOD WARD

/MEASURE=SEUCLID

/ID=FID_arcgis

/PRINT SCHEDULE

/PLOT DENDROGRAM VICICLE.

Notes

Input N of Rows in Working Data File 269

Missing Value

Handling

Definition of Missing User-defined missing values are treated as missing.

Cases Used Statistics are based on cases with no missing values for

any variable used.

Case Processing Summarya,b

Cases

Valid Missing Total

N Percent N Percent N Percent

221 82,2 48 17,8 269 100,0

a. Squared Euclidean Distance used

b. Ward Linkage

Ward Linkage

Agglomeration Schedule

Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage

Cluster 1 Cluster 2 Cluster 1 Cluster 2

1 211 234 ,000 0 0 115

2 231 253 ,000 0 0 11

3 245 249 ,001 0 0 36

4 244 248 ,001 0 0 37

5 246 256 ,002 0 0 21

6 60 252 ,003 0 0 19

7 62 247 ,004 0 0 56

8 157 201 ,004 0 0 27

9 255 262 ,005 0 0 53

10 57 59 ,006 0 0 35

94




11 231 263 ,007 2 0 31

12 16 26 ,008 0 0 39

13 168 181 ,009 0 0 51

14 216 217 ,011 0 0 60

15 90 127 ,012 0 0 62

16 258 259 ,014 0 0 58

17 238 239 ,015 0 0 24

18 99 100 ,017 0 0 79

19 60 61 ,019 6 0 130

20 172 173 ,021 0 0 41

21 246 251 ,023 5 0 36

22 156 158 ,025 0 0 68

23 13 15 ,029 0 0 86

24 224 238 ,032 0 17 53

25 73 74 ,035 0 0 113

26 240 267 ,039 0 0 83

27 157 161 ,043 8 0 68

28 82 83 ,047 0 0 116

29 147 189 ,051 0 0 73

30 218 266 ,055 0 0 83

31 223 231 ,059 0 11 74

32 23 145 ,063 0 0 64

33 2 3 ,068 0 0 134

34 242 261 ,073 0 0 143

35 57 219 ,078 10 0 85

36 245 246 ,083 3 21 111

37 244 254 ,089 4 0 66

38 36 235 ,094 0 0 70

39 16 18 ,101 12 0 126

40 21 31 ,107 0 0 155

41 172 200 ,114 20 0 63

42 225 243 ,121 0 0 74

43 29 30 ,128 0 0 84

44 4 5 ,135 0 0 89

45 8 9 ,143 0 0 117

46 63 65 ,150 0 0 66

47 102 208 ,159 0 0 94

48 94 95 ,168 0 0 99

49 10 11 ,176 0 0 145

95




50 160 227 ,185 0 0 104

51 168 177 ,194 13 0 100

52 69 89 ,203 0 0 91

53 224 255 ,213 24 9 111

54 142 197 ,222 0 0 170

55 78 80 ,232 0 0 75

56 62 241 ,244 7 0 124

57 40 41 ,255 0 0 93

58 258 260 ,267 16 0 108

59 126 138 ,278 0 0 178

60 215 216 ,290 0 14 123

61 132 133 ,303 0 0 138

62 90 186 ,316 15 0 122

63 172 174 ,330 41 0 142

64 23 175 ,345 32 0 96

65 7 32 ,360 0 0 117

66 63 244 ,376 46 37 105

67 75 185 ,392 0 0 144

68 156 157 ,408 22 27 104

69 140 141 ,424 0 0 72

70 35 36 ,440 0 38 128

71 96 188 ,456 0 0 122

72 86 140 ,474 0 69 148

73 147 190 ,492 29 0 107

74 223 225 ,510 31 42 95

75 70 78 ,528 0 55 150

76 67 265 ,547 0 0 115

77 56 106 ,566 0 0 157

78 19 20 ,586 0 0 126

79 99 101 ,608 18 0 114

80 176 179 ,630 0 0 127

81 22 131 ,652 0 0 97

82 71 79 ,675 0 0 162

83 218 240 ,699 30 26 123

84 28 29 ,723 0 43 194

85 57 220 ,747 35 0 152

86 12 13 ,772 0 23 145

87 112 228 ,796 0 0 149

88 167 169 ,821 0 0 129

96




89 1 4 ,845 0 44 120

90 14 17 ,871 0 0 181

91 69 88 ,896 52 0 165

92 33 34 ,922 0 0 214

93 39 40 ,948 0 57 121

94 102 191 ,975 47 0 147

95 222 223 1,002 0 74 130

96 23 180 1,029 64 0 138

97 22 171 1,057 81 0 142

98 151 194 1,085 0 0 137

99 94 184 1,113 48 0 113

100 24 168 1,142 0 51 166

101 111 164 1,176 0 0 140

102 104 105 1,210 0 0 158

103 122 124 1,245 0 0 141

104 156 160 1,282 68 50 164

105 63 236 1,320 66 0 139

106 44 230 1,361 0 0 193

107 147 193 1,403 73 0 179

108 257 258 1,449 0 58 172

109 109 113 1,496 0 0 149

110 87 183 1,543 0 0 168

111 224 245 1,591 53 36 159

112 144 198 1,641 0 0 133

113 73 94 1,695 25 99 153

114 99 192 1,752 79 0 173

115 67 211 1,811 76 1 135

116 76 82 1,872 0 28 148

117 7 8 1,934 65 45 155

118 146 214 1,996 0 0 146

119 125 143 2,058 0 0 188

120 1 6 2,125 89 0 185

121 37 39 2,192 0 93 177

122 90 96 2,259 62 71 158

123 215 218 2,330 60 83 161

124 62 221 2,401 56 0 180

125 55 58 2,474 0 0 157

126 16 19 2,549 39 78 167

127 176 178 2,625 80 0 156

97




128 35 38 2,702 70 0 177

129 167 170 2,782 88 0 156

130 60 222 2,863 19 95 159

131 195 209 2,948 0 0 147

132 115 116 3,034 0 0 136

133 144 199 3,122 112 0 170

134 2 123 3,211 33 0 185

135 67 98 3,301 115 0 152

136 110 115 3,395 0 132 174

137 103 151 3,491 0 98 168

138 23 132 3,587 96 61 160

139 63 66 3,686 105 0 161

140 111 117 3,794 101 0 169

141 118 122 3,903 0 103 187

142 22 172 4,014 97 63 160

143 52 242 4,132 0 34 171

144 75 97 4,253 67 0 175

145 10 12 4,376 49 86 167

146 146 149 4,509 118 0 195

147 102 195 4,654 94 131 178

148 76 86 4,799 116 72 181

149 109 112 4,949 109 87 174

150 70 72 5,100 75 0 162

151 92 268 5,270 0 0 176

152 57 67 5,447 85 135 171

153 73 81 5,625 113 0 173

154 135 229 5,805 0 0 169

155 7 21 5,991 117 40 183

156 167 176 6,180 129 127 213

157 55 56 6,376 125 77 180

158 90 104 6,584 122 102 175

159 60 224 6,813 130 111 199

160 22 23 7,091 142 138 166

161 63 215 7,378 139 123 192

162 70 71 7,672 150 82 197

163 136 165 7,966 0 0 189

164 156 159 8,272 104 0 194

165 69 91 8,600 91 0 184

166 22 24 8,930 160 100 208

98




167 10 16 9,267 145 126 183

168 87 103 9,612 110 137 191

169 111 135 9,956 140 154 182

170 142 144 10,330 54 133 188

171 52 57 10,735 143 152 204

172 150 257 11,144 0 108 202

173 73 99 11,576 153 114 191

174 109 110 12,015 149 136 187

175 75 90 12,458 144 158 186

176 64 92 12,907 0 151 192

177 35 37 13,411 128 121 210

178 102 126 13,968 147 59 186

179 147 148 14,541 107 0 202

180 55 62 15,170 157 124 195

181 14 76 15,859 90 148 201

182 111 137 16,619 169 0 200

183 7 10 17,418 155 167 210

184 69 85 18,223 165 0 207

185 1 2 19,187 120 134 211

186 75 102 20,228 175 178 201

187 109 118 21,316 174 141 196

188 125 142 22,613 119 170 209

189 136 269 23,948 163 0 200

190 42 49 25,294 0 0 198

191 73 87 26,686 173 168 203

192 63 64 28,215 161 176 199

193 44 226 29,746 106 0 205

194 28 156 31,865 84 164 208

195 55 146 34,009 180 146 198

196 109 119 36,155 187 0 206

197 70 130 38,341 162 0 213

198 42 55 41,034 190 195 212

199 60 63 44,075 159 192 205

200 111 136 47,408 182 189 206

201 14 75 50,843 181 186 203

202 147 150 55,662 179 172 207

203 14 73 60,612 201 191 204

204 14 52 66,604 203 171 215

99




205 44 60 75,100 193 199 219

206 109 111 83,999 196 200 211

207 69 147 93,221 184 202 209

208 22 28 104,783 166 194 217

209 69 125 117,230 207 188 216

210 7 35 129,696 183 177 212

211 1 109 145,387 185 206 217

212 7 42 163,503 210 198 215

213 70 167 183,414 197 156 214

214 33 70 212,670 92 213 218

215 7 14 248,791 212 204 216

216 7 69 304,139 215 209 219

217 1 22 363,082 211 208 218

218 1 33 504,215 217 214 220

219 7 44 670,617 216 205 220

220 1 7 916,560 218 219 0

101

2. Niet-hiërarchische clusteranalyse (k-means methode, 14 clusters)

QUICK CLUSTER X_stand Y_stand Z_stand T_stand

/MISSING=LISTWISE

/CRITERIA=CLUSTER(14) MXITER(10) CONVERGE(0)

/METHOD=KMEANS(NOUPDATE)

/SAVE CLUSTER DISTANCE

/PRINT ID(FID_arcgis) INITIAL ANOVA CLUSTER DISTAN.

Quick Cluster

Notes


Missing Value

Handling



any variable used.

Initial Cluster Centers

Cluster

1 2 3 4 5 6 7

Zscore(X) ,44364 ,85089 -1,92032 1,12709 -2,44383 -,55119 1,05675

Zscore(Y) -,91258 -1,65062 -1,38741 -,01661 1,70028 2,93192 1,35784

Zscore(Z) -3,09628 ,58210 ,24256 -1,11561 ,01620 ,01620 -,94584

Zscore(T) 1,54109 1,54109 1,54109 -,80872 -,80872 -,80872 ,42442

Initial Cluster Centers

Cluster

8 9 10 11 12 13 14

Zscore(X) -,28314 -,49195 ,86311 -1,94290 -1,97511 -,71520 -,61894

Zscore(Y) -1,09292 2,07921 ,64013 -,09583 ,01832 1,11913 ,22003

Zscore(Z) ,58210 -2,13424 1,03483 ,01620 -2,81333 ,46892 -6,20876

Zscore(T) -,80872 ,42442 -,80872 -,80872 ,42442 1,54109 -,80872

Iteration Historya

Iteration Change in Cluster Centers

1 2 3 4 5 6 7 8

1 1,282 ,499 ,766 ,687 ,771 ,538 ,607 ,627

2 ,097 ,032 ,257 ,098 ,000 ,187 ,374 ,232

3 ,000 ,000 ,000 ,049 ,000 ,000 ,328 ,107

4 ,000 ,000 ,000 ,211 ,000 ,000 ,000 ,080

5 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000

102

Iteration Historya

Iteration Change in Cluster Centers

9 10 11 12 13 14

1 ,976 ,715 ,551 ,265 ,680 ,114

2 ,365 ,123 ,086 ,000 ,000 ,000

3 ,135 ,029 ,080 ,000 ,000 ,000

4 ,080 ,021 ,166 ,000 ,086 ,000

5 ,000 ,000 ,000 ,000 ,000 ,000

a. Convergence achieved due to no or small change in cluster centers. The maximum absolute coordinate

change for any center is ,000. The current iteration is 5. The minimum distance between initial centers is 1,856.

Cluster Membership

Case Number FID_arcgis Cluster Distance

1 0 6 ,243

2 1 6 ,345

3 2 6 ,388

4 3 6 ,280

5 4 6 ,356

6 5 6 ,497

7 6 11 ,760

8 7 11 ,869

9 8 11 ,944

10 9 11 ,978

11 10 11 ,992

12 11 11 ,980

13 12 11 ,946

14 13 8 ,879

15 14 11 ,917

16 15 11 ,882

17 16 8 ,730

18 17 11 ,797

19 18 11 ,691

20 19 11 ,564

21 20 11 ,519

22 24 11 ,785

23 25 11 ,792

24 26 11 ,832

25 27 . .

26 28 11 ,850

27 29 . .

28 36 5 ,771

103

Cluster Membership


29 37 5 ,715

30 38 5 ,683

31 46 11 ,537

32 47 11 ,617

33 48 14 ,114

34 49 14 ,114

35 50 8 ,358

36 51 8 ,332

37 52 8 ,269

38 53 8 ,304

39 54 8 ,345

40 55 8 ,468

41 56 8 ,442

42 57 8 1,255

43 58 . .

44 59 3 ,535

45 60 . .

46 61 . .

47 62 . .

48 63 . .

49 64 4 1,698

50 65 . .

51 66 . .

52 67 8 ,770

53 68 . .

54 69 . .

55 70 4 ,519

56 71 4 ,452

57 72 10 ,590

58 73 4 ,508

59 74 10 ,548

60 76 2 ,258

61 77 2 ,206

62 78 4 ,878

63 79 2 ,137

64 80 2 1,158

65 81 2 ,195

66 82 2 ,429

67 83 10 ,588

68 85 . .

104

Cluster Membership


69 86 13 1,339

70 87 1 ,289

71 88 1 ,579

72 89 1 ,428

73 90 10 ,296

74 91 10 ,243

75 92 10 ,549

76 93 10 ,449

77 94 . .

78 95 1 ,177

79 96 1 ,403

80 97 1 ,113

81 98 10 ,706

82 99 10 ,521

83 100 10 ,585

84 101 . .

85 102 13 1,302

86 103 10 ,554

87 104 4 ,822

88 105 13 1,262

89 106 13 1,255

90 107 10 ,523

91 108 2 1,127

92 109 2 ,926

93 110 . .

94 111 10 ,238

95 112 10 ,344

96 113 10 ,425

97 114 10 ,473

98 115 10 ,337

99 116 10 ,528

100 117 10 ,471

101 118 10 ,381

102 119 10 ,277

103 120 4 ,736

104 121 10 ,642

105 122 10 ,866

106 123 4 ,393

107 124 . .

108 125 . .

105

Cluster Membership


109 126 9 ,565

110 127 9 ,444

111 128 13 ,770

112 129 9 ,203

113 130 9 ,482

114 131 . .

115 132 9 ,161

116 133 9 ,550

117 134 13 ,678

118 135 9 ,703

119 136 9 1,459

120 137 . .

121 138 . .

122 139 9 ,391

123 140 6 ,612

124 141 9 ,489

125 142 7 ,513

126 144 10 ,906

127 145 10 ,488

128 146 . .

129 147 . .

130 152 1 1,369

131 155 11 ,850

132 156 11 ,934

133 157 11 ,810

134 158 . .

135 162 9 ,884

136 163 13 ,923

137 166 13 1,279

138 167 10 ,838

139 168 . .

140 169 10 ,510

141 170 10 ,671

142 171 7 ,593

143 172 7 ,851

144 173 7 ,168

145 174 11 ,797

146 176 4 ,604

147 177 4 ,931

148 178 4 1,224

106

Cluster Membership


149 179 4 ,940

150 180 4 1,269

151 181 4 ,910

152 182 . .

153 183 . .

154 184 . .

155 185 . .

156 186 5 ,344

157 187 5 ,326

158 188 5 ,351

159 189 5 ,511

160 190 5 ,234

161 191 5 ,315

162 192 . .

163 193 . .

164 194 13 ,699

165 195 13 ,657

166 196 . .

167 197 12 ,273

168 198 11 ,615

169 199 12 ,178

170 200 12 ,305

171 201 11 ,632

172 202 11 ,592

173 203 11 ,572

174 204 11 ,702

175 205 11 ,903

176 206 12 ,180

177 208 11 ,737

178 209 12 ,300

179 210 12 ,265

180 211 11 ,798

181 212 11 ,649

182 214 . .

183 215 4 ,755

184 216 10 ,369

185 217 10 ,585

186 218 10 ,594

187 219 . .

188 220 10 ,317

107

Cluster Membership


189 221 4 ,916

190 222 4 ,952

191 223 10 ,264

192 225 10 ,654

193 230 4 ,933

194 231 10 ,755

195 232 10 ,646

196 233 . .

197 234 7 ,601

198 235 7 ,334

199 236 7 ,198

200 239 11 ,566

201 267 5 ,298

202 416 . .

203 417 . .

204 418 . .

205 419 . .

206 420 . .

207 425 . .

208 431 10 ,307

209 432 10 ,536

210 433 . .

211 434 10 ,471

212 436 . .

213 480 . .

214 482 4 ,644

215 497 2 ,430

216 498 2 ,492

217 499 2 ,467

218 500 2 ,310

219 503 10 ,650

220 504 10 ,724

221 505 4 ,688

222 544 2 ,300

223 545 2 ,247

224 546 2 ,416

225 547 2 ,170

226 556 3 1,010

227 566 5 ,315

228 570 9 ,392

108

Cluster Membership


229 572 13 ,884

230 575 3 ,515

231 578 2 ,202

232 596 . .

233 599 . .

234 600 10 ,458

235 601 8 ,357

236 608 2 ,156

237 616 . .

238 626 2 ,479

239 627 2 ,491

240 650 2 ,418

241 651 4 ,803

242 652 10 1,007

243 653 2 ,078

244 654 2 ,127

245 659 2 ,343

246 666 2 ,317

247 667 4 ,880

248 668 2 ,097

249 670 2 ,322

250 671 . .

251 675 2 ,384

252 681 2 ,258

253 684 2 ,201

254 685 2 ,169

255 689 2 ,466

256 692 2 ,353

257 695 10 1,333

258 696 10 1,303

259 697 10 1,330

260 698 10 1,297

261 707 8 ,993

262 708 2 ,426

263 709 2 ,237

264 710 . .

265 711 10 ,692

266 712 2 ,291

267 713 2 ,376

268 714 2 ,661

269 718 13 1,919

109

Final Cluster Centers

Cluster

1 2 3 4 5 6 7

Zscore(X) ,36980 ,76247 -,98103 ,92025 -1,83085 -,53336 1,09647

Zscore(Y) ,19553 -1,17003 -1,09292 -,42126 1,40219 2,49812 1,19478

Zscore(Z) -2,29593 ,53892 ,46892 -,80694 ,37632 ,25873 -,93776

Zscore(T) 1,54109 1,54109 1,54109 -,47241 -,80872 -,80872 ,42442

Final Cluster Centers

Cluster

8 9 10 11 12 13 14

Zscore(X) -,22877 -,39615 ,80075 -1,15936 -1,78617 -,25935 -,50491

Zscore(Y) -,94894 1,66536 -,09048 ,14578 ,20413 1,19770 ,21872

Zscore(Z) ,25997 -,73834 ,58564 -,20673 -2,81333 ,50193 -6,20876

Zscore(T) -,80872 ,42442 -,70596 -,80381 ,42442 1,07581 -,80872

ANOVA

Cluster Error F Sig.

Mean Square df Mean Square df

Zscore(X) 14,579 13 ,162 207 90,251 ,000

Zscore(Y) 15,253 13 ,130 207 117,159 ,000

Zscore(Z) 17,092 13 ,126 207 135,204 ,000

Zscore(T) 15,702 13 ,077 207 204,762 ,000

The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize

the differences among cases in different clusters. The observed significance levels are not corrected for this

and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.

110

Number of Cases in each Cluster

Cluster

1 7,000

2 38,000

3 3,000

4 22,000

5 11,000

6 7,000

7 7,000

8 13,000

9 12,000

10 48,000

11 33,000

12 6,000

13 12,000

14 2,000

Valid 221,000

Missing 48,000

3. Boxplot: afstand paalputten tot respectievelijk clustercentrum (k-means clustering)

111

4. ANOVA-test (k-means clustering)

ONEWAY X_stand Y_stand Z_stand T_stand BY Cl_kMeans_14

/STATISTICS DESCRIPTIVES

/MISSING ANALYSIS.

Oneway

Notes


Missing Value

Handling



any variable used.

ANOVA

Sum of Squares df Mean Square F Sig.

Zscore(X)

Between Groups 189,525 13 14,579 90,251 ,000

Within Groups 33,438 207 ,162

Total 222,962 220

Zscore(Y)

Between Groups 198,288 13 15,253 117,159 ,000


Total 225,238 220

Zscore(Z)

Between Groups 222,192 13 17,092 135,204 ,000


Total 248,360 220

Zscore(T)

Between Groups 204,126 13 15,702 204,762 ,000


Total 220,000 220

Bijlage 5: Kruistabel van de k-means clusters tegenover de structuren bepaald door Deweirdt (2010)

Structuren 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Eindtotaal

4 3 3

2

1

19

1

33

APE1

1

1

APE2

2

2

APE3

1

2

3

APE4

2

2

APE5

4

4

APN

4

4

APNW

3

3

BMSE

31

3

34

BPC

2

16

2 20

BPE1

2

5

7

BPE2

2

9

11

BPE3

7

1

8

BPE4 6

6

BPN

1

11

7

19

BPNE

7

7

BPNW

7

7

BPS

9

9

BPSE

6

1

7

BPW1

6

6

BPW2

11

11

BPW3

6

6

PNW1

1

1

Eindtotaal 6 35 3 21 11 7 7 13 11 44 33 6 12 2 211

Archeologische data en analyses: Factoren die de ... · ii WOORD VOORAF Het schrijven van een...

Documents

Transcript of Archeologische data en analyses: Factoren die de ... · ii WOORD VOORAF Het schrijven van een...