SIG et la découverte de sites archéologiques cachés dans le monde

Les systèmes d'information géographique (SIG) ont fondamentalement transformé l'archéologie, passant de la mise en place de levés de surface et de la sérendipité à une science axée sur les données, capable d'identifier des sites cachés sur des terrains vastes et inaccessibles. En superposant et en analysant des données spatiales, les SIG permettent aux chercheurs de détecter des schémas de terrain subtils, de prévoir les emplacements des sites et de gérer une logistique d'excavation complexe.

Les capacités fondamentales des SIG en archéologie

Dans le domaine de l'archéologie, cela signifie l'intégration de multiples couches d'information dans une carte interactive unique. L'avantage clé est la possibilité de voir des relations entre des caractéristiques invisibles à l'œil nu, comme la corrélation entre les routes anciennes et les sources d'eau, ou les différences subtiles dans la végétation qui indiquent des murs souterrains.

Intégration des données de sources multiples

Les archéologues alimentent les SIG en données provenant de :

  • Imagerie de satellite: Des images optiques et multispectrales à haute résolution provenant de satellites comme Landsat, Sentinel et WorldView révèlent des variations dans l'humidité du sol, la santé de la végétation et la microtopographie qui indiquent souvent des structures enfouies.
  • LiDAR (Light Detection and Ranging): Airborne LiDAR crée une carte 3D détaillée de la surface du sol, même à travers une couverture dense de forêt, en «voyant à travers » la couverture d'arbres pour exposer les contours des ruines et des travaux de terrassement.
  • Radar à pénétration ronde (GPR) et magnétométrie: Ces relevés géophysiques produisent des données ponctuelles que le SIG peut interpoler en des cartes continues d'anomalies subsurfaces, comme des murs, des foyers ou des fosses funéraires.
  • Cartes historiques et documents : Les cartes cadastrales anciennes, les registres d'explorateurs et les photographies aériennes de décennies passées peuvent être géoréférencés et comparés aux données modernes pour suivre les changements et identifier les sites précédemment non enregistrés.
  • Modèles topographiques et hydrologiques: Les modèles numériques d'élévation (DEM) aident les chercheurs à comprendre comment les caractéristiques naturelles comme les pentes, les rivières et les crêtes ont probablement influencé l'établissement humain.

L'intégration de ces différents formats est la base de toute analyse ultérieure.

Modélisation prédictive

La modélisation prédictive utilise des sites archéologiques connus et des variables environnementales pour estimer les endroits où d'autres sites non découverts sont susceptibles d'exister.

  1. Collecter les données connues sur le site (emplacement, âge, type).
  2. Diversité du paysage identifiable (élévation, pente, aspect, proximité de l'eau, type de sol).
  3. Modèles statistiques (souvent des algorithmes de régression logistique ou d'apprentissage automatique) pour calculer la probabilité qu'un site se produise à un point donné de la zone d'étude.
  4. Produire une «carte thermique» qui classe les zones de faible à fort potentiel archéologique.

Ces modèles permettent aux archéologues de prioriser les relevés de terrain, d'économiser du temps et des ressources. Par exemple, dans les basses terres mayas, les modèles prédictifs basés sur la rugosité du terrain et l'accès à l'eau ont correctement identifié des dizaines de peuplements inconnus qui ont été confirmés par la suite par la vérité au sol.

Analyse des données de télédétection

Les archéologues l'utilisent pour détecter les marques de culture, les marques de sol et les marques d'ombre qui indiquent les caractéristiques enfouies :

  • Marques de culture: Les différences de croissance des plantes sur les parois de pierre enfouies (qui s'assèchent plus rapidement) par rapport aux fossés (qui conservent l'humidité) créent des motifs visibles d'en haut.
  • Soil Marks: Les champs labourés révèlent des décolorations où le remplissage plus foncé et plus riche en matières organiques des fosses anciennes contraste avec le sous-sol plus léger.
  • Marques de fond: Les angles de soleil bas mettent en évidence des caractéristiques microtopographiques comme les plates-formes surélevées ou les routes englouties. Les MDE de l'origine LiDAR analysés dans le SIG peuvent simuler l'éclairage du lever et du coucher du soleil pour améliorer ces ombres.

La capacité de comparer rapidement les scènes satellitaires multitemporelles (dépassées d'années) dans un environnement SIG aide les archéologues à surveiller le pillage et l'érosion sur des sites connus tout en mettant en évidence de nouvelles caractéristiques qui émergent après chaque saison des pluies.

Études de cas : SIG révèle des sites cachés

Les exemples suivants montrent la contribution tangible du SIG à la découverte archéologique dans divers milieux.

Angkor Wat, Cambodge : voir à travers la jungle

La ville médiévale d'Angkor, qui s'étend sur plus de 400 milles carrés, est connue depuis longtemps pour ses temples emblématiques. Mais l'étendue réelle de son réseau urbain est impossible à cartographier à pied.

that the team began with a basin-wide analysis of hydrology, overlaying ancient water management features. This approach uncovered an entire grid of earthen mounds, reservoirs, and roads that had been swallowed by vegetation. The GIS analysis revealed a low-density urban sprawl far larger than previously imagined, fundamentally changing our understanding of Khmer civilization.

Projet de paysages cachés Stonehenge, Royaume-Uni

Autour du célèbre cercle de pierre, un projet pluriannuel a combiné LiDAR, magnétométrie et radar de pénétration au sol, tous intégrés dans un seul SIG. Le résultat a été la découverte d'un anneau massif de fosses ( les Durrington Pits) et d'un monument de la hange précédemment inconnu à Bluestonehenge. Le SIG a permis aux chercheurs d'aligner ces caractéristiques avec des barres d'armature connues de l'âge du Néolithique et du Bronze, créant une carte 3D détaillée de tout le paysage.

Villes perdues dans la forêt tropicale amazonienne

Depuis des décennies, l'Amazonie est considérée comme un « paradis contrefait » incapable de soutenir des sociétés complexes. Les récents relevés LiDAR, traités et analysés dans le SIG, ont renversé cette vision. Dans la vallée Upano de l'Équateur, les chercheurs ont utilisé le SIG pour combiner les données d'élévation du LiDAR avec des indices de végétation, filtrer la couverture dense. Ils ont identifié un réseau de colonies interconnectées, de routes et de terrasses agricoles datant de 2 500 ans. L'analyse SIG a montré que les sites ont été construits le long d'un réseau planifié, avec des alignements astronomiques et des systèmes de drainage sophistiqués, prouvant que les premières sociétés amazoniennes étaient à la fois populeuses et très organisées. ()Lire l'histoire géographique nationale.

Kits désertiques et structures néolithiques au Moyen-Orient

Grâce à des images satellite à haute résolution et à l'analyse spatiale du SIG, les archéologues ont cartographié des centaines de « cerfs-volants désertiques » – des pièges de chasse à la pierre qui datent du Néolithique. Ces structures, qui s'étendent souvent sur des dizaines de kilomètres, sont presque invisibles au sol mais clairement résolues par des images satellites. Le SIG a permis aux chercheurs de les classer par forme (en étoile, en chaîne) et de corréler leur orientation avec les anciennes voies de migration des gazelles. L'analyse a repoussé la date de ces constructions et révélé qu'elles étaient souvent réutilisées et modifiées au cours de millénaires. (Lire le rapport ScienceDaily.

Techniques clés pour la découverte de sites cachés

Au-delà des capacités générales, des procédures SIG spécifiques sont directement responsables de la recherche de fonctionnalités cachées.

Analyse spatiale et analyse de visualisation

Les archéologues utilisent le SIG pour calculer les vues de divers sites, ce qui permet d'interpréter la fonction des centres de montagne, des tours de guet ou des centres cérémoniels. Par exemple, l'alignement des vues de plusieurs sites peut révéler un réseau de communication basé sur des signaux de fumée ou des miroirs. De même, l'analyse des chemins les moins coûteux, une fonction SIG centrale, modélise les itinéraires les plus efficaces entre les sites, exposant souvent les sentiers anciens qui sont maintenant obscurcis par la forêt ou l'agriculture.

Intégration de l'apprentissage automatique

Les algorithmes formés sur des milliers de caractéristiques d'exemples étiquetés (p. ex. monticules connus, fosses de pillage ou segments muraux) peuvent scanner des téraoctets d'images satellite ou LiDAR pour localiser des caractéristiques similaires avec une grande vitesse et cohérence. Par exemple, les chercheurs ont formé un réseau neuronal convolutionnel sur les données LiDAR de la région Maya et ont identifié avec succès plus de 1 000 nouvelles plateformes de construction que les analystes humains n'avaient pas utilisées. Les résultats sont automatiquement ingérés dans une base de données SIG, permettant aux archéologues de produire des cartes détaillées de densité de peuplement dans une fraction du temps. (Lire l'étude dans Nature].

Imagerie multispécifique et hyperspectrale

Les plates-formes SIG peuvent gérer les données de raster multibande, permettant aux archéologues d'appliquer des indices spectraux comme NDVI (Normalized Difference Vegetation Index) pour détecter la végétation stressée au-dessus des murs enterrés. Des capteurs hyperspectraux plus avancés captent des signatures minérales uniques de briques d'adobe ou de sol compacté, même lorsqu'elles sont enfouies à 50 cm de profondeur.

Défis et limites

Le SIG n'est pas une panacée. Plusieurs obstacles limitent son efficacité en archéologie réelle.

Exigences de la vérité au sol

Chaque prédiction basée sur le SIG est une hypothèse qui doit être validée au sol. Les anomalies détectées par satellite ou LiDAR peuvent être causées par des caractéristiques naturelles (jetée d'arbres, terriers de rongeurs, failles géologiques).Sans levés sur le terrain et souvent des fouilles d'essai, la production du SIG reste spéculative.

Résolution des données et couverture

Dans de nombreux pays en développement, les meilleures données disponibles peuvent être grossières (10 à 30 mètres de résolution), ce qui est insuffisant pour détecter des caractéristiques petites ou subtiles. De même, la couverture nuageuse dans les régions tropicales peut limiter les images satellitaires utilisables, bien que les capteurs radar (Sentinel-1) en atténuent partiellement.

Les erreurs dans les modèles prédictifs

Si les sites connus se trouvent principalement dans certaines positions topographiques (p. ex., sommets de colline), le modèle ne tient pas compte des autres types de paysage, ce qui entraîne un biais d'auto-renforçage, ce qui peut systématiquement faire défaut dans les plaines inondables, les grottes ou les basses terres.

L'avenir des SIG en archéologie

La trajectoire de la technologie SIG promet des capacités encore plus grandes pour la découverte de sites cachés.

Intégration des données en temps réel à partir des drones

Les archéologues utilisent de plus en plus de petits drones équipés de caméras multispectrales. Elles peuvent voler lentement et lentement, collecter des images à une résolution de 5 cm ou mieux. Avec les applications mobiles SIG (comme QField ou Collector), les archéologues peuvent télécharger des données de drone directement dans un SIG basé sur le cloud pendant qu'ils sont encore sur le terrain, créant des cartes en direct d'anomalies qui peuvent être explorées immédiatement.

Modélisation prédictive alimentée par l'IA

Les modèles d'apprentissage approfondi sont maintenant intégrés directement aux plateformes SIG. Au cours des prochaines années, les archéologues pourront saisir n'importe quelle scène satellitaire et recevoir automatiquement une carte des caractéristiques archéologiques prévues, avec des scores de confiance.

Modélisation de la surface avec le SIG 3D

Les logiciels comme ArcGIS Pro[ et GRASS GIS[ peuvent maintenant représenter des couches géologiques, des horizons archéologiques enfouis et des unités d'excavation en trois dimensions. En reliant les données géophysiques à ces volumes 3D, les archéologues peuvent visualiser la profondeur et la forme exactes des structures cachées avant de creuser, en réduisant les dommages causés par l'excavation et en augmentant la puissance d'interprétation.

Sciences citoyennes et SIG à source de masse

Des plateformes comme GlobalXplorer (fondée par la Dre Sarah Parcak) ont montré que des milliers de non-experts, guidés par une formation simple, peuvent trouver des fosses de pillage et des sites potentiels dans l'imagerie satellitaire.Ces observations sont regroupées dans une base de données SIG centrale.

Conclusion

Les systèmes d'information géographique sont devenus un objectif indispensable à travers lequel les archéologues voient le passé. En intégrant l'imagerie satellite, le LiDAR, la géophysique et les données historiques, le SIG révèle des modèles et des caractéristiques qui, autrement, resteraient invisibles sous les canopies de la jungle, les sables désertiques ou l'agriculture moderne. Les succès au Cambodge, en Amazonie et au Moyen-Orient soulignent comment cette technologie réécrit la carte de l'histoire humaine.

Pour plus de détails : La Society for American Archaeology fournit un aperçu des applications SIG, tandis que le Archieology Magazine présente fréquemment des histoires de nouvelles découvertes rendues possibles par la télédétection et le SIG. Pour des conseils techniques, consultez la documentation en ligne gratuite de QGIS, la plateforme SIG open-source leader. Le programme Sentinel-1 de l'Agence spatiale européenne offre une imagerie radar gratuite idéale pour les levés archéologiques dans les régions nuageuses.