27 Uvod Daljinsko zaznavanje je nabor metod, s katerimi lahko od daleč – običajno iz zraka – opazujemo površje Ze- mlje. Opazovanja iz zraka s pomočjo različnih senzorjev predstavljajo hiter, sistematičen, neinvaziven in relativno ekonomičen način pridobivanja podatkov o arheoloških najdiščih in časovni globini krajine. Tradicionalne me- tode daljinskega zaznavanja v arheologiji – predvsem aerofotografija – v Sloveniji niso imele nikoli velikega vpliva na arheološko prakso in varovanje dediščine. Za slednje je poleg zemljiške razdrobljenosti glavni razlog ta, da večino Slovenije prekriva gozd (okoli 60 %), kar ima za posledico to, da z omenjenimi metodami tal skoraj ni mogoče opazovati. V Sloveniji se je zato kot zelo izpovedna pokazala metoda laserskega skeniranja površja ali lidar (glej Mlekuž 2009, 2012), s katerim lahko opazujemo tudi gozdna tla. Velike površine, ki so bile do sedaj za tradicionalna opazovanja zaprte, so pokazale množico zelo dobro ohranjenih sle- dov. Gozd je prekril starejše krajine in jih tako obvaroval pred uničenjem zaradi oranja in drugih aktivnosti, hkrati pa so v gozdu potekale specifične aktivnosti, ki so pušča- le nove sledove. Uporaba lidarskega snemanja se je v preteklih letih uve- ljavila na številnih področjih, kot so kartografija, goz- darstvo in hidrološke (poplavne) študije, predvsem pa v prostorskem planiranju. Lidarsko snemanje je zaenkrat postalo sestavni del oce- ne arheološkega potenciala večinoma le na območjih dr- žavnih ali občinskih prostorskih načrtov, saj je tu zaradi „vpletenosti“ številnih resorjev in njihovih specifičnih potreb, lidarsko snemanje tudi sestavni del projektov. Ključni parameter pri lidarskem snemanju je gostota sne- manja, oziroma gostota meritev na enoto površine. Pri do- sedanjih raziskavah arheologi domala nismo imeli vpliva na kakovost podatkov, saj smo bili v veliki večini odvisni od podatkov, ki so jih za svoje potrebe ali potrebe pro- jektantov naročili investitorji. Tudi kadar smo raziskave načrtovali sami, smo parametre snemanja določali intu- itivno. Ob začetku projekta Geodetske uprave Slovenije Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije How many points? Lidar point density in archaeological prospections © Dimitrij Mlekuž Zavod za varstvo kulturne dediščine Slovenije, Center za preventivno arheologijo in Univerza v Ljubljani, Filozofska fakulteta, Oddelek za arheologijo, dmlekuz@gmail.com © Gašper Rutar Zavod za varstvo kulturne dediščine Slovenije, Center za preventivno arheologijo, gasper.rutar@zvkds.si Izvleček: V članku ugotavljamo optimalne parametre za načrtovanje lidarskih snemanj na območju Slovenije za potrebe arheološke interpretacije. V njej analiziramo podatke laserskega snemanja 40 km² velikega študijskega območja v okolici Škocjana, na dveh manjših območjih simuliramo nižje gostote točk, analiziramo rezultate snemanja v pogojih zelo goste vegetacije in opazujemo vpliv gostote na prepoznavanje arheoloških značilnosti. Arheološke prospekcije so specifične, saj običajno zahtevajo večjo ločljivost, še posebej je visoka gostota snemanja pomembna za zagotavljanje dovolj talnih točk v gosti vegetaciji. Tako predlagamo, da je ob idealnih pogojih snemanja (pozna zima, odprte površine, listnat gozd) minimalna gostota vzorčenja za potrebe arheološke interpretacije vsaj 10 pulzov/m². V praksi pa glede na poraščenost ozemlja Slovenije in dejstvo, da večina snemanj vsaj v delu zajema tudi poraščene površine, kjer so tudi arheološki sledovi na površini najbolj vidni, pa mora biti na prostorih z gosto vegetacijo, iglavci ali gosto podrastjo gostota snemanja še višja, več ali enaka od 20 pulzov/m². Ključne besede: daljinsko zaznavanje, LiDAR, ALA, gostota točk lidarskega snemanja za arheološke interpretacije Abstract: The article tackles the optimal parameters for airborne lidar prospections in Slovenia to be used in archaeological interpretation. It presents the analysis of a 40km² large area around Škocjan with 20 points/m² pulse density and the simulation of lower pulse densities on two small-scale case studies. This was used to determine the role of the point density on the visibility and interpretation of archaeological features. Airborne lidar prospections for archaeology are specific, because they usually require a higher resolution to discern small-scale features. High point density plays an important role in the classification of the ground points under the vegetation. We suggest that, in optimal survey conditions (late winter, open surfaces or open deciduous forest), minimal pulse density should be at least 10 pulses/m². However, Slovenia is a heavily forested country and all surveys include at least some areas of dense vegetation, hence the point density should be higher, at least 20 pulses/m². Keywords: Remote sensing, LiDAR, ALA, LiDAR point density for archaeological prospections 1.01 Izvirni znanstveni članek Arheo 30, 2013, 27–46 28 „Lasersko snemanje in aerofotografiranje“ (Splet 1), ki je predvideval sistematično pokritje Slovenije z relativno nizko gostoto točk (1–10 točk/m 2 , glej Triglav Čekada et al. 2012), smo menili, da je gostota snemanja prenizka za uporabo teh v arheologiji, prepoznavanje arheološki sledov in varovanje kulturne dediščine. V članku ugotavljamo optimalne parametre za načrtova- nje lidarskih snemanj na območju Slovenije za potrebe arheološke interpretacije. V njej analiziramo podatke la- serskega snemanja 40 km 2 velikega študijskega območja v okolici Škocjana, 1 na dveh manjših območjih simulira- mo nižje gostote točk, analiziramo rezultate snemanja v pogojih zelo goste vegetacije in opazujemo vpliv gostote na prepoznavanje arheoloških značilnosti. Lidar Besedna zveza lasersko skeniranje ali lasersko snemanje opisuje vsako tehnologijo, ki s pomočjo laserskega žarka natančno in na gosto meri razdaljo od naprave do cilja. Omenjene meritve zbere kot množico koordinat ali oblak točk, iz katerega je moč pridobiti podatke o obliki skenira- nega predmeta. Zračni LiDAR (ang. Light Detection and Ranging, „svetlobno zaznavanje in merjenje razdalj“) ali ALA (ang. Airborne Laser Altimetry, „lasersko merjenje višin iz zraka“) je skupek tehnologij, ki omogoča lasersko skeniranje zemeljskega površja iz zraka in vključuje la- serski skener, napravo za natančno pozicioniranje (GNSS in inercijske merilce), sistem za zapis podatkov skupaj na- meščeno na platformi, običajno na letalu ali helikopterju. Laserski skener pošilja laserske žarke proti tlom. Večina sistemov uporablja laser valovnih dolžin blizu infrardeče- ga dela spektra, čeprav npr. batimetrični lidarski sistemi delujejo v zelenem delu spektra. Laser nepretrgano od- daja zelo kratke pulze proti tlom. Tipična dolžina pulza je med 4 in 10 ns, kar pomeni da je frekvenca vzorčenja med 100 in 150 kHz ali med 100.000 in 150.000 pulzi v sekundi. Zrcalo usmerja žarek proti tlom prečno na smer leta letala znotraj t. i. kota skeniranja (ang. scanning an- gle). Za usmerjanje žarka so v uporabi različni sistemi, kot so oscilirajoča zrcala, vrteča se zrcala, vrteče se priz- me ali nihajoča zrcala, vsako izmed njih pa producira svoj značilen vzorec meritev na tleh imenovan tudi vzorec ske- niranja (ang. scan pattern). Snemanje pokrije pas meritev 1 Projekt je financiralo Ministrstvo za kulturo RS, izvedli pa smo ga na Centru za preventivno arheologijo Zavoda za varstvo kulturne dediščine Slovenije. v smeri leta, širina pasu pa je odvisna od višine letala in maksimalnega prečnega kota skeniranja. Ko žarek doseže površino Zemlje ima običajno premer (ang. echo width) okoli 10 cm. Če doseže drevje, se le del žarka odbije od listov in ali vej, del pa prodira skozi odprtine dokler ne doseže drugih predmetov (listov, vej ali tal) od koder se odbije nazaj. Obstajata dva načina za vzorčenje odbitega žarka. Prvi je sistem diskretnih odbo- jev (ang. discrete-return lidar system), ki zazna odboj, ko amplituda oziroma intenzivnost odbitega žarka preseže določen prag in zapiše čas, ki ga je žarek potreboval do vrnitve. Diskretni lidarski sistemi pa običajno zapisujejo od dva do štiri odboje vsakega žarka. Sistemi, ki zapisu- jejo polno valovno obliko (ang. full waveform systems) zapisujejo intenzivnost odbojev v rednih intervalih in tako vzorčijo obliko odbitega pulza. Na ta način lahko natančno dokumentiramo interakcijo žarka z objektom, kot je npr. drevo. Tako lahko – s pomočjo primerne pro- gramske opreme – lažje določimo talne točke in razloči- mo nizke strukture kot so gomile ali suhi zidovi od nizke vegetacije (prim. Doneus et al. 2008). Iz časa, ki ga je pulz potreboval, da se je vrnil nazaj do sprejemnika, izmerjenega z zelo natančno uro, in iz hitro- sti svetlobe lahko izračunamo natančno razdaljo do tal. S pomočjo informacij o poziciji letala, ki ga izmerimo s kinematičnim GNSS iz naklona zrcala, in podatkov o naklonu letala, izmerjenim z inercijskimi merilci lahko iz razdalje do tal izračunamo koordinate točke, od koder se je žarek odbil. Surovi lidarski podatki so sestavljeni iz množice zapisov o času in intenzivnosti odbitih laserskih žarkov. Pasove meritev uskladimo s pomočjo koordinat kontrolnih točk izmerjenih na tleh. Tako dobimo oblak točk, v katerem vsebuje vsaka točka vsebuje atributne informacije kot so GPS čas, intenzivnost žarka, kot mer- jenja, številka pasu in prostorske koordinate. Oblake točk zaradi njihove velikosti shranjujemo in z njimi delamo v binarnem formatu LAS (Samberg 2007). Zračni lidar je tehnologija, ki se še vedno zelo hitro raz- vija, tako na področju senzorjev kot procesiranja podat- kov. Tekmovanje med proizvajalci lidarskih senzorjev se osredotoča predvsem na večanje frekvence skeniranja, kar pomeni povečanje števila točk, ki jih zberemo v se- kundi. Višja gostota podatkov omogoča, da zapisujemo površine z večjo natančnostjo in ločljivostjo. Na drugi strani pa pomeni velika količina podatkov bistveno več časa za njihovo obdelavo. Ključni del procesa obdelave Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije 29 je klasifikacija točk. Točke v oblaku točk moramo razde- liti na točke tal in točke odbojev od vegetacije. Procesi- ranje vsebuje predpostavke o lastnostih tal, bodisi ekspli- citno bodisi vgrajene v algoritem, s katerim procesiramo podatke. Te predpostavke imajo velik vpliv na kvaliteto podatkov. Iz talnih točk interpoliramo digitalne modele reliefa (DMR) in digitalne modele površja (DMP). Terminologija Pri navajanju gostote laserskega skeniranja se srečujemo s terminološko zmedo, saj imamo za merjenje „gostote“ vsaj tri različne metodologije. Prva je gostota točk (ang. point density), ki meri število vseh točk v oblaku točk na enoto površine. Gostota točk lahko znotraj oblaka točk zelo variira, saj je odvisna od vegetacijskega pokrova, geometrije in frekvence snemanja. Pri lidarskih sistemih diskretnih odbojev, ki beležijo npr. štiri odboje vsakega laserskega pulza je gostota točk teoretično do štirikrat višja od števila laserskih pulzov. Pri lidarskih sistemih ki dokumentirajo polno valovno obliko (ang. full-wa- veform) pa gostota točk nima pravega smisla. Gostota pulzov (ang. shot density) je število laserskih pulzov oziroma žarkov na enoto površine, ki jih naprava odda. Gostota pulzov ni odvisna od vegetacije, temveč le od geometrije skeniranja, frekvence, kota skeniranja, viši- ne in hitrosti leta ter prekrivanja pasov. Gostota pulzov znotraj podatkovnega niza običajno bistveno ne variira. Tretja je gostota talnih točk (ang. ground point density), ki meri le število točk, klasificiranih kot tla, na enoto po- vršine. Gostota talnih točk je tako manjša ali enaka od gostote pulzov in zelo odvisna od vegetacije, oziroma pe- netracije laserskega žarka do tal, pa tudi od parametrov klasifikacije in klasifikacijskega algoritma. Za oceno gostote snemanja je boljše uporabiti podatek o gostoti pulzov, saj je le ta odvisna zgolj od parametrov snemanja in neodvisna od predmeta in pogojev snema- nja. Žal mnogi izvajalci navajajo zgolj gostoto točk, ki je seveda mnogo višja od gostote pulzov ter odvisna od naprave in talnih pogojev. Za arheologijo je seveda naj- pomembnejša mera gostota talnih točk, saj opazujemo tla in nas odboji od vegetacije načeloma ne zanimajo. Študijsko območje Študijsko območje, z velikostjo 40 km 2 , leži na območju med Divačo, Gornjimi Vremami, Rodikom in Vremščico, torej na stiku med eocenskimi fliši (Brkini) ter krednimi in paleocenskimi karbonati (Kras). Na severni strani štu- dijsko območje omejujejo pobočja Gabrka s Čebulovico in Vremščica, na vzhodu flišna pobočja Vremščice in na jugu flišni Brkini. Osrednji del tega študijskega območja pa predstavlja Škocjanki kras, obsežna uravnana pokra- jina na nadmorski višini med 420 in 450 m. Škocjanski kras na zahodu preide v kraške planjave in gričevja Diva- škega krasa. Za Škocjanski kras je značilna velika zakra- selost, kjer prevladuje tip površja z lijakastimi vrtačami in večjimi udornicami. Popolnoma drugačno površje je na flišnatih nepropustnih tleh Brkinov, kjer se je razvila površinska dendritna rečna mreža, erozija pa je tu urezala globoke grape. Površje je bolj razgibano. Za Brkine so značilna razpotegnjena in široka slemena, kamor so se umestila tudi naselja. Prepletanje karbonatov in fliša je izoblikovalo tipične oblike kontaktnega krasa (Gams 2001), ki so nastale s pomočjo površinske vode, kot so slepe doline, jame in brezna. Škocjanski kras se v stopnjah znižuje proti dana- šnji reki Reki. Preko študijskega območja poteka slepa dolina reke Reke – Vremska dolina. Pred vstopom Reke v sotesko pred ponorom v Škocjanske jame se dolina na Vremskem polju razširi. Vremsko polje leži na okoli 12 m debelih naplavinah, ki jih je Reka nanesla na karbona- tno podlago (Kranjc 1999). Za to študijsko območje smo se odločili zato, ker gre za prostor z različnimi litološkimi in geomorfološkimi eno- tami, z zelo razgibanim površjem in velikimi razlikami v vegetaciji (od travnikov, pašnikov in njiv do pašnikov v zaraščanju, mešanih in iglastih gozdov). Poleg tega pa na tem prostoru relativno dobro poznamo arheološke ostan- ke (Turk, Hrobat 1999). Snemanje Snemanje smo opravili dne 27. in 28. decembra 2012, pogoji zanj pa so bili odlični, saj je v začetku decembra (8. 12.) zapadel sneg, ki mu je sledila močna burja (Ce- gnar 2012). Snežna odeja, ki je do začetka snemanja sko- pnela, in burja sta povzročili, da je odpadla večina listja, sneg pa je stisnil odpadlo listje in podrast. Višina leta je merila 550 m nad površjem, hitrost leta pa je bila 51.4 m/s (okoli 185 km/h). Frekvenca skenerja je znašala 125 kHz, kot skeniranja (ang. scanning angle) v intervalu pa ±25 stopinj. Izvajalec je uporabil senzor Arheo 30, 2013, 27–46 30 Optech ALTM Gemini167 (Optech 2008), torej diskretni lidarski sistem, ki zapisuje do štiri odboje (1., 2., 3. in zadnji odboj) vsakega laserskega pulza. Gostota snemanja Po navedbah izvajalca snemanja je bila gostota snemanja 32 točk/m 2 . Naša ocena gostote snemanja z orodjem lasin- fo (del paketa LAStools, Isenburg 2013) je pokazala da je v oblaku točk, ki prekriva 41,64 km 2 1.324.707.467 točk, kar v povprečju znese 31,81 točk/m 2 . Povprečna horizon- talna razdalja med točkami je tako 0,18 m. Točk zadnje- ga odboja je 750.416.831, kar pomeni, da je povprečna gostota pulzov 18,2 pulza/m 2 . Horizontalna razdalja med pulzi je 0,24 m. V oblaku točk je 253.903.014 točk klasi- ficiranih kot tla (razred 2), kar pomeni povprečno gostoto 6,1 talne točke/m 2 . Povprečna horizontalna razdalja med talnimi točkami je tako 0,4 m. Na študijskem območju je torej gostota točk za skoraj dvakrat večja od gostote pul- zov, gostota talnih točk pa trikrat manjša od gostote pul- zov. Povprečna gostota pulzov je torej pod 20 pulzov/m 2 . Gostote pa se razlikujejo tudi v razponu in obliki po- razdelitve. Za celotno območje smo s pomočjo modula lasgrid računali gostote znotraj celic 10 × 10 m in nato rezultat delili s 100. Tako smo dobili karte porazdelitve posameznih gostot (slike 1–4). Porazdelitev gostote vseh točk precej variira saj je močno odvisna od gostote vegetacije. Po drugi strani pa je vari- acija distribucije gostote pulzov mnogo manjša, kar po- meni, da je povprečna gostota pulzov, v primerjavi s pov- prečno gostoto vseh točk, mnogo boljši indikator gostote snemanja. Razlog za variacije gostote pulzov je predvsem v prekrivanju. 2 Tam kjer se posamezni pasovi prekrivajo je gostota precej višja, gostota znotraj posameznih pa je skoraj identična, in sicer okoli 15 pulzov/m 2 (slika 4). Na variacijo gostote talnih točk vpliva predvsem gostota vegetacije. Za ugotavljanje gostote vegetacije smo izdelali karto indeksa gostote vegetacije (slika 5) za celice velikosti 10 × 10 m. Indeks smo izračunali s pomočjo orodja lasca- nopy, kjer indeks vegetacije predstavlja razmerje med šte- 2 Večja gostota pulzov zaradi prekrivanja pasov ne zagotavlja tudi večje kvalitete, saj tu nastopajo težave zaradi usklajevanja pasov. Slika 1. Gostota vseh točk na študijskem območju. Figure 1. Point density in the study area. Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije 31 Slika 2. Gostota pulzov na študijskem območju. Figure 2. Pulse (shot) density in the study area. Slika 3. Gostota talnih točk na študijskem območju. Figure 3. Ground point density in the study area. Arheo 30, 2013, 27–46 32 Točke smo najprej klasificirali v talne točke in ostale točke. Za to smo uporabili orodje lasground. Ker smo s poskusi ugotovili, da so standardni parametri preveč se- lektivni in tako izgubljamo tudi točke povezane z arheo- vilom točk, klasificiranih kot vegetacija (razredi 3, 4 in 5), višjih od 1,37 m od tal in vsemi točkami znotraj celice. Primerjava med indeksom gostote vegetacije in distri- bucijo gostote vseh točk ter gostoto talnih točk kaže, da igra vegetacija ključno vlogo pri vplivu na gostoto talnih točk. Na območjih brez vegetacije je gostota talnih točk enaka gostoti pulzov (oz. zadnjih odbojev), medtem ko je na območjih z visoko gostoto vegetacije število talnih točk za več kot tri četrtine manjše od števila pulzov. Pri- sotnost vegetacije pa povečuje tudi število vseh točk. Na območjih z gosto vegetacijo je število vseh točk do štiri- krat višje od števila pulzov, štirikrat pa zato, ker naprava Optech ALTM Gemini167, uporabljena v nalogi, zapisu- je do štiri odboje vsakega pulza. Povprečna gostota vseh točk in talnih točk je tako funkcija povprečne gostote ve- getacije in povprečne gostote pulzov. Povprečna gostota vegetacije na študijskem območju je okoli 60, s precej visoko standardno deviacijo, kar 37.5. Ker je gostota vseh točk odvisna od vegetacije, je ciljno gostoto točk težko načrtovati. Mnogo lažje je načrtovati gostoto pulzov, iz katere pa je mogoče zlahka nastaviti parametre skeniranja kot je višina, hitrost, frekvenca in kot skeniranja ter tako izdelati načrt leta. Slika 4. Histogrami gostote točk. Figure 4. Histogram of point density. Slika 5. Gostota vegetacije na študijskem območju. Figure 5. Vegetation density in the study area. Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije 33 loškimi značilnostmi, smo parametre spreminjali tako, da smo izgubili kar najmanj točk povezanih z arheološkimi značilnostmi. Tako smo dobili več nizov talnih točk, kla- sificiranih z različno selektivnimi filtri. Iz talnih točk smo izdelali digitalni model reliefa ločlji- vosti 0,5 m (slika 6). Za izdelavo DMR z ločljivostjo 0,5 m gostoto so potrebne vsaj 4 talne točke/m 2 (oz. želimo, da bo horizontalna razdalja med talnimi točkami vsaj 0,5 m ali manjša), za DMR ločljivosti 1 m pa 1 točko/m 2 . Želimo, da je ta gostota čim bolj uniformna, to pomeni, da bi bilo celic, ki bi imele manjšo gostoto od ciljne, čim manj). Zaželena ciljna povprečna gostota talnih točk je potemtakem večja od 1 oziroma 4 točke/m 2 . Izdelali smo karto celic ločljivosti 10 m, kjer je gostota talnih točk manj kot 1 oziroma 4 točke/m 2 (slika 7). Karta kaže, da je na večjem delu študijskega območja dovolj talnih točk za izdelavo dobrega DMR ločljivosti 1 m. Te- žave se pojavljajo le na robovih študijskega območja (za- radi manjšega prekrivanja pasov), prostorih z zelo gosto vegetacijo, pozidanih območjih (kjer so točke klasificira- ne kot stavbe) in območjih z globoko vodo, kjer odbojev sploh ni. Celic z gostoto manjšo od 1 točke/m 2 je manj kot odstotek, medtem ko je celic z gostoto manjšo od 4-ih talnih točk/m 2 manj od deset odstotkov. Arheološka interpretacija Arheološka interpretacija študijskega območja je še v teku. Do sedaj smo dokumentirali 910 pozitivnih značil- nosti (gomile, nasipi, okopi in griže), 30 negativnih zna- čilnosti (jarki, vkopi, kamnolomi), 53 apnenic, 140 ostan- kov stavb oziroma zidanih struktur, 1001 njivo z visokimi hrbti (ang. ridge and furrow), 1322 kulturnih teras, 14.8 km suhih zidov in okoli 8 km vojaških jarkov (slika 8). Arheološka interpretacija lidarskih podatkov je pokazala, da s pomočjo lidarja lahko mnogo bolje določimo vsebi- no, obliko in strukturo že znanih najdišč. Namesto velikih arheoloških območij, ki so prej posledica nepoznavanja oz. neraziskanosti arheoloških sledov, z lidarjem mnogo natančneje zamejimo najdišča ter natančno določimo in dokumentiramo strukture kot so obrambni jarki, nasipi, zidovi, gomile in podobno (Mlekuž 2012). Slika 6. Analitično senčen digitalni model terena z označenimi študijskimi območji. Figure 6. Analytical hillshade model with small-scale study areas Arheo 30, 2013, 27–46 34 Slika 7. Gostote talnih točk. Figure 7. Ground point density. Slika 8. Prepoznane značilnosti. Figure 8. Identified features. Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije 35 Poleg natančnejšega dokumentiranja že znanih najdišč, prinaša lidarsko snemanje tudi množico drugih sledov v prostoru. Tako lahko prepoznamo sledove vsakdanjih ak- tivnosti kot so apnenice, kopišča, kamnolomi, ledenice, sledove rudarjenja, in kali. Poleg tega najdemo še mnogo sledov človeškega premikanja po pokrajini; poleg cest in poti lahko (predvsem na flišnati podlagi) identificiramo tudi ugreznjene poti (Mlekuž 2013), na pobočjih Vrem- ščice pa tudi sledove gibanja, ki jih lahko povežemo s transhumanco. Najočitnejši so sledovi kmetijstva. Tako lahko prepozna- mo očiščene površine s kamnitimi grobljami in suhimi zidovi na robovih parcel; na območjih z več prsti (pred- vsem v večjih vrtačah in na terasah reke Reke) pa tudi sledove obdelovanja tal. Prepoznali smo sledove, ki jih lahko intepretiramo kot ostanke (vsaj) predsrednjeveške zemljiške razdelitve, najboljši primer so zemljene gomi- le in nasipi, ostanki naselja in polj nepravilnih oblik v bližini Gorič. Prazgodovinska polja so prekrila kasnejša, srednjeveška in novoveška polja. Prepoznali smo polja z visokimi hrbti, ki so običajno vezana na zemljiško razde- litev na delce, in jih lahko pripišemo srednjeveški in po- srednjeveški izrabi tal. V Brkinih so zelo pogosti sledovi grajene kulturne terase na pobočjih. Na študijskem območju smo prepoznali veliko sle- dov konfliktov, kot so strelski jarki različnih oblik, to- pniški položaji, mitralješka gnezda, itd., ki še niso bili dokumentirani. Z množico novih najdišč in sledov, ki so rezultat upo- rabe lidarja, začenjamo razumeti arheološko dediščino drugače. Nič več ne gre za izolirana najdišča, ki ležijo v praznem prostoru, temveč se ob ožje zamejenih najdiščih pojavlja nepretrgana vrsta sledov, kar je rezultat tisoč- letnega bivanja v prostoru ter kopičenja, preurejanja in predelovanja sledov. Gostota snemanja in interpretacija značilnosti Da bi raziskali razmerje med gostoto snemanja (gosto- to točk) in potencialom za arheološko interpretacijo (oz. informativnostjo izdelanega digitalnega modela reliefa), smo izbrali dve območji, kjer smo z redčenjem točk po- skusili ugotoviti vpliv gostote točk na vidnost in prepo- znavnost arheoloških sledov. Izbrali smo območji okoli gradišča V olarija in območje znotraj arheološkega naj- dišča v Snožetih pri Goričah. Na območju s toponimom Kaselak na pobočju Vremščice smo preverili rezultate snemanja v pogojih zelo goste vegetacije (slika 6). Za vsako od obeh območij smo simulirali nižjo gostoto snemanja tako, da smo redčili število pulzov. Dobili smo več nizov podatkov, prvega, ki vsebuje vse pulze (ori- ginalni podatki), drugega, ki vsebuje le vsak drugi pulz (prepolovili smo število pulzov in tako simulirali za po- lovico manjšo gostoto snemanja), in vse nadaljnje nize, ki vsebujejo vsak četrti, osmi, šestnajsti in dvaintrideseti pulz. Vsak izmed dobljenih nizov podatkov je rezultat polovice manjše gostote snemanja. Če je originalna pov- prečna gostota pulzov okoli 18 pulzov/m 2 , to pomeni, da simuliramo gostoto snemanja s povprečno gostoto okoli 9 pulzov/m 2 (za niz podatkov z vsakim drugim pulzom), okoli 4 pulze/m 2 (za niz podatkov, kjer upoštevamo vsak četrti pulz) ter 2 pulza/m 2 , 1 pulz/m 2 in manj kot 1 pulz/m 2 (za niz podatkov z vsakim 32 pulzom). Dobljene oblake točk smo klasificirali v talne točke in vegetacijo, izračunali gostoto pulzov in talnih točk, izdelali opisno statistiko gostote in iz klasificiranega oblaka točk pa smo izdelali digitalni model reliefa. Senčen digitalni model reliefa iz klasificiranih talnih točk smo primerjali s senče- nim digitalnim modelom reliefa izdelanim iz originalnih, torej neredčenih podatkov in kvalitativno ugotavljali raz- like in izgubo informativnosti. Študijski primer 1: Dane pri Divači – Gradišče Volarija Prvo je 0,08 km 2 veliko študijsko območje v okolici gra- dišča V olarija pri Danah pri Divači (slika 9). Območje je pretežno prekrito z gozdom in podrastjo, vendar samo gradišče leži na robu pašnika v zaraščanju. Kamnit na- sip gradišča je tako viden tudi na ortofoto posnetku, prav tako kot gomila na severnem pobočju pod gradiščem. V Registru nepremične kulturne dediščine je opisano kot „prazgodovinsko gradišče manjših dimenzij, z enojnim vencem obrambnega okopa, ki je v celoti ohranjen.“ V resnici pa bi ga lahko, glede na velikost (1800 m 2 ) in po- manjkanje struktur znotraj nasipa, prej označili za ogra- do. Že C. Marchesetti je najdišče, zaradi pomanjkanja keramičnih najdb in naselbinske stratigrafije, opredelil kot kratkotrajno naseljeno najdišče, morda pa le kot zato- čišče ali strateško razgledno točko (1903, 87). Arheo 30, 2013, 27–46 36 Slika 9. Študijsko območje V olarija: digitalni ortofoto, gostota vegetacije, analitično senčen DMR in prepoznane značilnosti. Figure 9. V olarija study area: digital ortho-photo, vegetation density, analytical hillshade model and identified features. Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije 37 Na digitalnem modelu reliefa lahko zelo dobro prepo- znamo pozitivno obliko nasipa ograde, ki leži na vrhu manjše vzpetine. Dimenzija ograde znaša okoli 50 × 25 m, nasip pa je dobro ohranjen; tekstura nasipa priča, da je sestavljen iz kamenja. Na severni in jugovzhodni strani je nasip prekinjen. V notranjosti ograde ne prepoznamo drugih značilnosti. Poleg ograde lahko na severni strani, ob vznožju vzpetine opazimo nasip, ki omejujejo pro- stor približno trapezoidne ali trikotne oblike, dimenzije 120 × 140 m. Na vzhodnem nasipu je v okop vključe- na nizka „gomila“, ki ima premer okoli 15 m. Pozitivne oblike so nizke, a relativno dobro vidne. Razlika v teks- turi prostora, ki ga omejujejo, z okolico, kaže, da je bil prostor očiščen kamenja, ki je bilo verjetno uporabljeno za gradnjo struktur. Podobne, a manjše in krajše pozi- tivne oblike lahko opazimo tudi na jugovzhodni strani Slika 10. Primerjava med analitično senčenimi DMR študijskega območja V olarija izdelani za različno redčene oblake točk. Figure 10. V olarija case study: Comparison of analytical hillshade models derived from simulated lower point densities. Arheo 30, 2013, 27–46 0 50 25 m 0 50 25 m 0 50 25 m 0 50 25 m 0 50 25 m 0 50 25 m vse 2 4 8 16 32 38 vzpetine. Na jugozahodni strani lahko opazimo podobno linearno značilnost, ki sega izven študijskega območja. Najbrž gre za linearni mejni nasip, verjetno prazgodo- vinske starosti (cf. Oswald 2011). Na digitalnem modelu reliefa lahko opazimo tudi mrežo suhih zidov, ki spoštuje moderne parcelne meje in se ne ozirajo na pozitivne zna- čilnosti, opisane zgoraj (kar sugerira, da so značilnosti starejše od predmoderne krajine, verjetno prazgodovin- ske starosti). Opazimo pa tudi strelski jarek cikcakaste oblike, ki teče po zahodnem robu študijskega območja, na robu strmega pobočja. Poleg opisanih značilnosti je na digitalnem mo- delu reliefa moč prepoznati tudi poti (negativne linearne oblike) in več negativnih oblik neznanega namena. Naj- verjetneje gre za majhne priložnostne kamnolome. Število vseh pulzov na študijskem območju je 944.655, povprečna gostota pulzov je 18/m 2 ; število vseh točk pa okoli 24/m 2 Povprečna horizontalna razdalja med pul- zi je 0,24 m, med točkami pa 0,2 m. Število vseh točk bistveno bolj variira (medkvartilna razdalja pulzov je 6, medtem, ko je medkvartilna razdalja vseh točk 10). Pov- prečna gostota pulzov na študijskem območju V olarija je primerljiva z povprečno gostoto pulzov na celotnem območju, medtem ko je število vseh točk bistveno niž- je (20 v primerjavi s 30 za celotno območje), kar kaže, da je omenjeno območje manj poraščeno od celotnega območja, saj je njegov povprečni indeks vegetacije 46 v primerjavi s 60 za celotno območje. Z redčenjem točk gostota pulzov upada z faktorjem red- čenja in doseže gostoto 0,5/m 2 (1 točka/2 m 2 ) pri faktorju redčenja 32. Distribucija gostote pulzov pri redčenju kaže na uniformno manjšanje števila točk po celotni površini; večja gostota, ki je rezultat prekrivanja pasov, postane čedalje manj izrazita. Za vsak faktor redčenja smo v z modulom lasground kla- sificirali oblak točk v točke tal in ostale (uporabili smo parameter -extra_fine in korak 1,5 m. Porazdelitev go- stote talnih točk, kaže na velik vpliv vegetacije. Na ob- močjih goste vegetacije je tako že brez redčenja veliko celic brez talnih točk, z redčenjem pa to postane še bolj očitno. Več talnih točk je na območjih prekrivanja pasov; večja gostota pulzov pomaga klasifikacijskemu algorit- mu razločiti talne točke. Zaradi slednjega postane jasno, da je velika intenzivnost snemanja namenjena predvsem pridobivanju talnih točk na območjih z gosto vegetacijo, ne pa izdelavi zelo natančnih DMR na območjih brez ve- getacije. Talne točke smo interpolirali v digitalni model reliefa ločljivosti 0,5 m (uporabili smo modul las2dem iz paketa LAStools). Digitalne modele reliefa smo senčili. Rezultat je prikazan na sliki 10. Slika 10 nam prikazuje primerjavo med nizi redčenih podatkov. Očitno je da se z redčenjem gostote pulzov hitro poslabšuje klasifikacija talnih točk. Že v polovič- no redčenem podatkovnem nizu (2) je opaziti kar nekaj nepravilno klasificiranih točk, in sicer ko algoritem točke podrasti zamenjuje za tla. Na analitično senčenem DMR jih lahko opazimo kot ostre, majhne pozitivne oblike. To postane še očitneje z nadaljnjim redčenjem, pri faktorju redčenja 8 napačno klasificirane točke tal niso opazne le na območjih z gosto vegetacijo temveč tudi drugje, pri faktorju redčenja 32, pa napačno klasificirane točke pre- krivajo celotno površino. Zmanjševanje vidnosti detajlov arheoloških značilnosti je opazno že pri faktorju redčenja 2; robovi gomile in nasipa ograde v vznožju so manj jasni, prekinitev v ob- zidju ograde ni več moč prepoznati. Pri faktorju redčenja 4 lahko opazimo, mnogo manj detajlov v strelskem jarku, njegov rob je zmehčan. Suhi zidovi niso več kontinuirane črte, temveč linearne vrste posameznih pozitivnih točk. Pri faktorju redčenja 8 nasipe ograde v vznožju komaj prepoznamo, pri faktorju redčenja 16 pa skoraj niso več prepoznavne. Jarek je komaj prepoznaven. Ob faktorju redčenja 32 večina značilnosti izgine, prepoznaven je le še nasip ograde in smeri največjih suhih zidov. Detajlov ni moč več prepoznati. Študijski primer 2: Goriče pri Famljah – Arheološko najdišče V Snožetih Drugo študijsko območje je velikosti 0,07 km 2 in leži na območju najdišča V Snožetih pri Goričah pri Famljah (slika 11). Območje je pretežno odprto, nekaj zaplat je poraslih z gozdom, tudi borovim in gosto podrastjo. Ve- čino tega območja prekrivajo pašniki in travniki v zara- ščanju. Vegetacija, predvsem podrast raste ob parcelnih mejah, nad kamnitimi zidovi. Na severnem robu je za- plata zelo goste nizke vegetacije, v njej pa so tudi iglav- ci. V Registru nepremične kulturne dediščine je najdišče opredeljeno kot naselbina in opisano kot: „več umetnih kopastih struktur; glede na raziskave in najdbe lončenine gre verjetno za ostanke prazgodovinske naselbine.“ Na Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije 39 digitalnem modelu reliefa so zelo očitne pozitivne line- arne značilnosti. Nekatere linearne značilnosti so med seboj vzporedne in omejujejo komunikacijo, ki poteka v smeri vzhod–zahod, in omejuje prostore trikotne oblike, dimenzije 80 × 70 m. Prepoznamo tudi več pozitivnih okroglih oblik, ki so podobne gomilam. Na podlagi ana- logij iz Velike Britanije (McOmish 2011) gre morda za razpršeno prazgodovinsko poselitev z ostanki parcelne razdelitve, za ostanke nepravilnih ograjenih polj in na- selja (ang. irregular enclosed fields and settlement). Štu- dijsko območje leži na južnem robu območja, kjer na- stopajo pozitivne linearne strukture; te so pogostejše in bolje ohranjene na travnikih in pašnikih severno od ceste Divača–Vremski Britof. Na vzhodnem robu so v vrtačah opazni sledovi polj z visokim hrbtom, najverjetneje srednjeveške in post-sre- dnjeveške starosti (Mlekuž 2012). Ta polja so ponekod uničila pozitivne linearne oblike, ki so opisane zgoraj. Opazimo pa tudi strelski jarek cikcakaste oblike, ki teče po zahodnem robu študijskega območja. Število vseh pulzov je 1.323.374, število vseh točk pa 1.651.954. Povprečna gostota pulzov na študijskem območju je 17,8/m 2 , povprečna gostota vseh točk je 22,24/m 2 ; povprečna horizontalna razdalja med točkami je 0,21 m, med pulzi pa 0,24 m. Medkvartilna razdalja pulzov je 10, medtem, ko je medkvartilna razdalja vseh točk 8. Povprečna gostota pulzov na študijskem obmo- čju Goriče je podobna povprečni gostoto pulzov na ce- lotnem območju, medtem ko je gostota vseh točk nižja (20 v primerjavi s 30 za celotno območje), kar kaže, da je to območje, v primerjavi s celotnim, manj poraščeno (povprečni indeks vegetacije je le 26 v primerjavi s 60 za celotno območje). Kljub temu pa so tu zaplate zelo goste vegetacije (maksimum indeksa vegetacije doseže vrednost 98). Slika 11. Študijsko območje Goriče: digitalni ortofoto, gostota vegetacije, analitično senčen DMR in prepoznane značilnosti. Figure 11. Goriče study area: digital ortho-photo, vegetation density, analytical hillshade model and identified features. Arheo 30, 2013, 27–46 0 100 50 m 0 100 50 m 0 100 50 m 0 100 50 m 40 Z redčenjem točk gostota pulzov upada s faktorjem red- čenja in doseže gostoto 0,5/m 2 (1 točka/2 m 2 ) pri faktorju redčenja 32. Distribucija gostote pulzov pri redčenju kaže na uniformno manjšanje števila točk po celotni površini; večja gostota, ki je rezultat prekrivanja pasov, postane čedalje manj izrazita. Za vsak faktor redčenja smo v z modulom lasground kla- sificirali oblak točk v točke tal in ostale (uporabili smo parameter –fine in korak 2 m). Distribucija gostote talnih točk kaže na velik vpliv vegetacije. Na območjih goste vegetacije (severni rob) je potemtakem že brez redčenja veliko celic brez talnih točk, kar postane z redčenjem še bolj očitno. Talne točke smo interpolirali v digitalni model reliefa resolucije 0,5 m (uporabili smo modul la- s2dem iz paketa LAStools). Digitalne modele reliefa smo senčili. Rezultat je prikazan na sliki 12. Primerjavo med nizi redčenih podatkov prikazuje slika 12. Tako kot pri študijskem območju V olarije je očitno, da se z redčenjem gostote pulzov hitro poslabšuje klasi- fikacija talnih točk, predvsem na zaplatah goste vegeta- cije. Že v polovično redčenem podatkovnem nizu (2) je opazno kar nekaj nepravilno klasificiranih točk, ko algo- ritem točke podrasti zamenjuje za tla. To pa postane še očitneje z nadaljnjim redčenjem. Pri faktorju redčenja 32 so napačno klasificirane točke povsod tam, kjer študijsko območje prekriva vegetacija. Zmanjševanje vidnosti detajlov arheoloških značilnosti je opazno že pri faktorju redčenja 2. Robovi linearnih na- sipov v gozdu so manj izraziti, nekatere pozitivne okro- gle značilnosti so težje prepoznavne. Pri faktorju redče- nja 4 lahko opažamo mnogo manj detajlov v strelskem jarku; na območju z gosto vegetacijo napačno klasificira- ne točke tal zakrivajo vse površinske detajle. Pri faktor- ju redčenja 8 jarek že težko prepoznamo, nizke linearne strukture v gozdu so komaj opazne. Pri faktorju redčenja 16 pa skoraj izginejo. Jarka ob faktorju redčenja 32 ne prepoznamo več, prepoznavne so le še strukture na odpr- tem. Detajlov je tudi na odprtem manj; v gozdu ni moč prepoznati ničesar več. Manjšanje gostote snemanja povzroči predvsem zelo hi- tro izgubo talnih točk na območjih z gosto vegetacijo. To je tudi posledica napačne klasifikacije točk, saj algoritem točke v podrasti klasificira kot talne točke, kar v končni fazi povzroči izgubo detajlov reliefa (tal). Ob gostoti 5 pulzov/m 2 , ki je teoretično dovolj za izdelavo DMR z lo- Slika 12. Študijsko območje Goriče: Analitično senčen digitalni model reliefa za različno redčene oblake točk. Figure 12. Goriče study area: comparison of analytical hillshade models derived from simulated lower point densities. Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije 0 50 100 150 200 25 m 0 50 100 150 200 25 m 0 50 100 150 200 25 m 0 50 100 150 200 25 m 0 50 100 150 200 25 m 0 50 100 150 200 25 m 0 50 100 150 200 25 m 0 50 100 150 200 25 m 32 16 8 vse 2 4 41 čljivostjo 0,5 na odprtih površinah, na območjih z gosto vegetacijo talnih skorajda ni več. Tako izgubljamo ne le detajle, temveč tudi oblike značilnosti. Na primeru Gori- če je že na prostoru z gosto vegetacijo originalna gostota snemanja prenizka, da bi lahko zagotovili kontinuirano pokritost s talnimi točkami. Lahko rečemo, da je za uspe- šno prepoznavanje arheoloških značilnosti pogojno za- dostuje povprečna gostota 9 pulzov/m 2 , kljub temu pa na območjih z gosto vegetacijo potrebujemo višjo gostoto pulzov. Študijski primer 3: Kaselak Območje Kaselaka na pobočju Vremščice smo izbrali, da preverimo rezultate snemanja v zelo gosti vegetaciji. Območje porašča sklenjen, zelo gost borov gozd; indeks gostote vegetacije presega vrednost 90 in dosega maksi- malno gostoto. Na vzhodni strani strnjeno poraščenega območja je manjša vrtača v zaraščanju, na kateri raste gosta podrast. Gostota talnih točk kaže, da ja na vsej poraščeni površini gostota manjša od 4-ih točk/m 2 , ponekod celo manj od 1 točke/m 2 . Vizualni pregled digitalnega modela reliefa pokaže, da je mnogo točk napačno klasificiranih. Groba tekstura znotraj ograde je rezultat napačno klasificiranih točk, saj je algoritem točke podrasti klasificiral kot tla (slika 14). Gostota talnih točk je tako previsoka. Posle- dično je napačen tudi indeks gostote vegetacije. Groba tekstura tal znotraj gosto poraščenega območja sugerira, da je tudi tu precej napačno klasificiranih točk. Na digitalnem modelu reliefa smo prepoznali nekaj zna- čilnosti, gre predvsem za negativne linearne značilnosti, ki potekajo v smeri vzhod–zahod in jih lahko interpreti- Slika 13. Študijsko območje Kaselak: digitalni ortofoto, gostota vegetacije, analitično senčen DMR in prepoznane značilnosti. Figure 13. Kaselak study area: digital ortho-photo, vegetation density, analytical hillshade model and identified features. Slika 14. Presek čez oblak točk študijskega območja Kaselak. Položaj preseka je na sliki 13. Figure 14. Point cloud cross-section of the Kaselak study area. The position of the cross-section is marked on figure 13. Arheo 30, 2013, 27–46 0 100 50 m 0 100 50 m 42 ramo kot poti. Prepoznali smo tudi suhi zid okoli vrtače na severozahodu in apnenico v vrtači na skrajnem sever- nem robu. Na južnem robu pa lahko prepoznamo nasipe vezane na prazgodovinsko zemljiško razdelitev. Očitno je, da so značilnosti znotraj gosto poraščenega ob- močja mnogo slabše vidne kot tiste, ki so zunaj območja. Poti znotraj gozda težko sledimo, značilnost niso ostre. Snop poti na odprti površini vzhodno od gozda pa suge- rira, da je poti v gozdu najbrž več, le da jih ne moremo prepoznati. Prav tako ne moremo prepoznati suhega zidu, ki obdaja vrtačo poraslo s podrastjo, čeprav je zid na ae- rofotografiji viden. Groba tekstura sugerira, da mnoge manjše značilnosti morda sploh niso vidne. Študijski primer Kaselaka kaže, da v pogojih zelo goste vegetacije, predvsem ko gre za gosto podrast in iglaste gozdove, tudi relativno visoka gostota pulzov (18 pul- zov/m 2 ) ne zadostuje, da bi dobili dovolj talnih točk za digitalni model reliefa, na katerem bi lahko prepoznali arheološke značilnosti. Ta primer še enkrat ilustrira, da je visoka gostota snemanja je pomembna predvsem za zagotavljanje zadostnega števila talnih točk v gosti vege- taciji. Uspešnost klasificiranja talnih točk bi sicer lahko povečali z uporabo lidarskega sistema, ki dokumentira polno valovne obliko (prim. Doneus et al. 2008), vendar pa programska oprema za polno izkoriščanje potenciala polne valovne oblike še ni širše dostopna. Zaključek in sklepi V Sloveniji se je lidarsko snemanje najprej uporabilo za izmero tras elektrovodov (Bilc 2002), kasneje pa se je hi- tro razmahnilo na hidrološke študije (Gosar et. al 2007), gozdarstvo (Kobler, Zafran 2006), prostorsko načrto- vanje (Kolega et al. 2008; Barborič et al. 2008: Triglav Čekada 2009; Triglav Čekada 2010) in druge prostorske študije (Podobnikar et al. 2010; Janža et al. 2009), že zelo zgodaj pa tudi v arheologijo (Mlekuž et al. 2006). V za- dnjem času pa se njegova uporaba širi tudi v manjša, a natančnejša merila za potrebe nepremičninskih evidenc in modeliranje stavb (Triglav Čekada et al. 2010; Zalokar 2010; Triglav Čekada 2010b). Redko pa je zaslediti po- datke o potrebni gostoti snemanja za specifične potrebe. M. Triglav Čekada s sodelavci (2010) je ugotavljala opti- malne gostote lidarskega snemanja za zajem topografskih podatkov. Empirično so ugotovili, da je za karte v merilu 1:5000 potrebna med 12 in 20 točk/m 2 , za topografske karte 1:10000 pa med 3 in 5 točk/m 2 . V Sloveniji torej obstaja precejšnje število lidarskih snemanj z različni- mi namembnostmi in gostotami snemanj. Kljub temu da so med naročniki snemanj večinoma javne ustanove, pa bi zaman iskali evidenco s podatki o obsegu in kvaliteti snemanj. Uporaba starih snemanj bi bila, kljub različnim parametrom snemanj, smotrna in bi v kombinaciji z no- vimi omogočila (najmanj) spremljanje sprememb v pro- storu (v primeru arheologije npr. nedovoljene posege v arheološka najdišča), čeprav kvaliteta oz. gostota zajema narašča in so se snemanja v zadnjih letih povsem pribli- žala gostoti snemanja potrebni za arheološko interpreta- cijo. Niso se pa vedno izvajala tudi v primernemu času snemanja (pozna zima), nekatera snemanja z načeloma dovolj veliko gostoto so tako na pogozdenem območju za arheološko interpretacijo popolnoma neuporabna (glej Mlekuž 2011). Na kakovost lidarskih podatkov poleg intenzivnosti sne- manja vplivajo tudi drugi parametri, kot je kot snema- nja, višina leta, smer leta, prekrivanje pasov in drugo. Za končno uspešno uporabo lidarskih snemanj pri arheolo- ških prospekcijah vpliva več dejavnikov. Poleg gostote (in vrste snemanja) snemanja tudi vsi koraki nadaljnje obdelave; klasifikacija talnih točk, način interpolacije (glej tudi Podobnikar 2012) ter nenazadnje arheološka interpretacija, rezultati katere so odvisni od znanja in zmožnosti interpretatorja pri prepoznavanju arheoloških sledi, njegovega poznavanja prostora in njegovih poseb- nosti (poznavanje geoloških posebnosti, sledov agrarne oz. gospodarske rabe prostora v preteklosti in danes). V pričujoči raziskavi smo se osredotočili zgolj na en sam parameter, gostoto snemanja, ki ga izražamo v povprečni gostoti pulzov. Ta parameter je veliko lažje pretvoriti v parametre snemanja kot gostoto točk. Gostota točk je za- vajajoč in slabo opredeljen termin, saj je pri tem potrebno natančno specificirati ali gre za gostoto vseh točk, gosto- to pulzov ali gostoto talnih točk. Ključen parameter za prepoznavanje arheoloških sledov je gostota talnih točk, ki je funkcija gostote snemanja in gostote vegetacije ter seveda kvalitete klasifikacijskega algoritma in parame- trov. Poleg povečanja gostote pulzov lahko število talnih točk, s tem pa vidnost arheoloških sledov, najlažje za- gotovimo, če snemamo v idealnih pogojih, brez listnega pokrova ter po snegu, ki stisne podrast in odpadlo listje. Gostota snemanja je posebno pomembna na prostorih z gosto vegetacijo. Na odprtih površinah, kot so denimo travniki, za izdelavo digitalnega modela reliefa (DMR) Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije 43 ločljivosti 0,5 potrebujemo gostoto vsaj 4 pulze/m 2 , za izdelavo DMR z ločljivostjo 1 m pa vsaj 1 pulz/m 2 . Na območjih z gosto vegetacijo, ko je denomo gozd, podrast in podobno, pa je potrebna višja gostota pulzov. Višja gostota pulzov pomeni višjo verjetnost, da žarek dose- že tla. Dovolj velika gostota odbojev od tal pa pomaga klasifikacijskemu algoritmu razločiti talne točke od osta- lih. Na podlagi tega postane jasno, da je velika gostota snemanja namenjena predvsem pridobivanju talnih točk na območjih z gosto vegetacijo, in ne izdelavi zelo na- tančnih DMR na območjih brez nje. Na celotnem študij- skem območju je delež talnih točk okoli polovica vseh pulzov; na študijskem območju V olarija okoli 60 % in na študijskem območju Goriče okoli 65 %. Na študijskem območju Kaselak je gostota talnih točk prenizka za izde- lavo digitalnega modela reliefa z ločljivostjo 0,5 m. Veli- ko točk je zaradi goste vegetacije napačno klasificiranih, saj so točke podrasti razvrščene med talne točke. Tako že originalna gostota snemanja z gostoto 18 pulzov/m 2 ne zagotavlja kontinuirane pokritosti s talnimi točkami. Arheološke prospekcije so specifične, saj običajno zah- tevamo večjo ločljivost. Tako predlagamo, da je ob ide- alnih pogojih snemanja (pozna zima, odprte površine, listnat gozd) minimalna gostota vzorčenja za potrebe arheološke interpretacije vsaj 10 pulzov/m 2 . V praksi pa mora biti na prostorih z gosto vegetacijo, iglavci ali gosto podrastjo gostota snemanja še višja, enaka ali viš- ja originalni gostoti snemanja, torej več ali enaka od 20 pulzov/m 2 . Ta predlog izvira iz dejstva o poraščenosti ozemlja Slovenije in dejstva, da večina snemanj, vsaj v delu, zajema tudi poraščene površine, kjer so tudi arheo- loški sledovi na površini najbolj vidni. Arheo 30, 2013, 27–46 44 The article tackles optimal parameters for airborne lidar prospections in Slovenia to be used in archaeological in- terpretation. The study analyses a 40 km² large area in the Slovenian Karst, between Divača, Gornje Vreme, Rodik and Vremščica, and simulates lower pulse densi- ties on two small-scale case studies aimed at determin- ing the role of the point density on the visibility and interpretation of archaeological features. The study area shows a very diverse landscape situated in the contact zone between carbonate limestone (Karst) and eocene flysch (Brkini). Lidar point density is a poorly defined concept and a source of confusion; it can mean at least three different things. Pulse or shot density is the number of laser pulses per unit area. It is influenced only by the frequency and geometry of a survey. Point density mea- sures the number of all points in a point cloud in the area unit. Besides geometry and frequency of measurement, point density is influenced by vegetation, as each pulse produces several points when it interacts with vegetation. On the other hand, ground point density is the number of points, classified as ground, per unit area. It is equal or lower than pulse density and depends on vegetation den- sity as well as the choice of classification algorithm and parameters. The airborne lidar survey was conducted in December 2012. Ground conditions were optimal, with no low leaf cover or a blanket of compressed dry leaves. The obtained average point density is 31.8 points/m² and the average distance between points is 0.18m. The pulse density is 18.2 points/m² with 0.24m of average horizon- tal distance between points. The ground point density is much lower, 6.1 points/m² with 0.4m spacing between ground points. The first study area, of the V olarija hill- fort near Škocjan, measures 0.08km². Besides the stone hillfort rampart, the survey also identified linear bound- ary earthworks, stone enclosures and WWI trenches. The area is covered with forest and shrubbery. The second study area is 0.07km² large and lies in the area of the V Snožetih archaeological site near Goriče. The landscape here is mostly abandoned pasture and meadowland, with patches of coniferous forest and shrubs located at field edges. We identified earthworks that can be interpreted as a part of an irregular prehistoric land division, as well as WWI trenches. A simulated reduction of density causes a rapid loss of ground points in the densely forested areas. This leads to an erroneous classification of undergrowth as ground points and a reduction of detail. With the simulated den- How many points? Lidar point density in archaeological prospections (Summary) sity of 5 pulses/m², which is theoretically high enough for the interpolation of a 0.5m resolution DMR in open areas, archaeological features in the forest can no lon- ger be discerned. In some cases, the original density is too low to grant sufficient penetration through vegeta- tion and thus an evenly distributed coverage with ground points. The third study area, Kaselak, on the slopes of Vremščica, is covered with a dense pine forest and shrubs in abandoned pastureland. Here, even the original density (18 pulses/m²) is not enough to produce a useful digital elevation model for archaeological interpolation. High point density plays an important role in the classifi- cation of the ground points under the vegetation. We sug- gest that, in the optimal survey conditions (late winter, open surfaces or deciduous open forest), minimal pulse density should be at least 10 pulses/m². In the case of Slovenia, however, which is heavily forested and where all surveys include at least some areas of dense vegeta- tion, the point density should be higher, i.e. at least 20 pulses/m². Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije 45 Literatura BARBORIČ, B., M. TRIGLA V ČEKADA, S. BERK, M. KOSMATIN FRAS 2008, Metodologija za izboljšavo in harmonizacijo geodetskih podlag za potrebe čezmejnega prostorskega načrtovanja. – GIS v Sloveniji 2007–2008, 273−286. BILC, A. 2002, Ali dobiva klasična fotogrametrija kon- kurenco? Poročilo o prvem projektu LIDAR v Sloveniji. – Geodetski vestnik 46(4), 404−410. CEGNAR, T. 2012, Podnebne spremembe v decembru 2012. – Naše okolje, bilten agencije RS za okolje 12, 3−23. CHALLIS, K., C. CAREY , M. KINCEY , A. J. HOWARD 2011, Airborne idar Intensity and geoarchaeological pro- spection in river valley floors. – Archaeological Prospec- tion 18, 1−13. DEVEREUX, B. J., G. S. AMABLE, P. CROW 2008, Vi- sualisation of LiDAR terrain models for archaeological feature detection. – Antiquity 82(316), 470−9. DONEUS, M, C. BRIESE, M. FERA, M. JANNER 2008, Archaeological prospection of forested areas using full-waveform airborne laser scanning. – Journal of Ar- chaeological science 35, 882–893. GAMS, I. 2001. Pojem in oblike kontaktnega krasa. – Acta carsologica 30/2, 33−64. GOSAR, L., G. RAK, F. STEINMAN, P. BANOVEC 2007, Z LIDAR tehnologijo zajeta topografija v hidra- vličnih analizah vodotokov. – Gradbeniški vestnik 56, 115−123. ISENBURG, M. 2013, LAStools – efficient tools for Li- DAR processing, version 111216; http:\www.lastools.com JANŽA, M., M. KOMAC, A. KOBLER, D. STOJA- NOV A, K. OŠTIR, A. MARSETIČ, S. DŽEROSKI, A. GOSAR 2009, Metodologija ocene višine in gostote ve- getacijskega pokrova z daljinsko zaznanimi podatki in možnosti njene uporabe v geologiji. – Geološki zbornik 20, 58–61. KOKALJ, Ž., K. ZAKŠEK, K. OŠTIR 2012, Visualiza- tions of lidar derived relief models. – V/In: R. S. Opitz, D. C. Cowley (ur./ed.), Interpreting Archaeological To- pography: Lasers, 3D Data, Observation, Visualisation and Applications, Oxford, 102–116. KOLEGA, N., A. ŽERJAL, B. KRAPEŽ, P. SLA VEC 2008, Uporaba lidarskih podatkov za občinsko prostor- sko načrtovanje in upravljanje. – GIS v Sloveniji 2007– 2008, 267–271. KRANJC, A., V . LIKAR, M. ŽALIK HUZJAN (ur./eds.) 1999, Kras: pokrajina − življenje − ljudje. Ljubljana. MARCHESETTI, C. 1903, I castellieri preistorici di Tri- este e della regione Giulia. Trieste. McOMISH, D. 2011, Field systems. Introduction to heri- tage assets, English heritage; http://www.english-heritage.org.uk/publications/iha- field-systems/ MENSURAS 2012, Podatki laserskega snemanja Diva- ča–Gornje Vreme. Mensuras d. o. o. – Murska Sobota. MENG, X., N. CURRIT, K. ZHAO 2010, Ground Filte- ring Algorithms for Airborne LiDAR Data. A Review of Critical Issues. – Remote sensing 2(3), 833–860. MLEKUŽ, D., M. BUDJA, N. OGRINC 2006, Complex landscape and settlement dynamics of the Iščica flood- plain (Ljubljana Marshes, Slovenia). – Documenta Prae- historica 33, 253–271. MLEKUŽ, D. 2009, Poplavne ravnice v novi luči: Li- DAR in tafonomija aluvialnih krajin. – Arheo 26, 7–22. MLEKUŽ, D. 2011, Arheološka interpretacija lidar po- snetkov, metoda 4. – V/In: G. Rutar, I. Klokočovnik, D. Mlekuž, B. Nadbath, M. Bricelj, M. Jereb, Š. Karo, N. Veršnik, Ocena arheološkega potenciala območja DPN za vodnogospodarsko ureditev reke Dravinje od Stogov- cev do Koritnega, metode 1-6. ZVKDS, CPA, Ljubljana (neobjavljeno). MLEKUŽ, D. 2012, Messy landscapes: lidar and prac- tices of landscaping. – V/In: R. S. Opitz, D. C. Cowley (ur./ed.), Interpreting Archaeological Topography: La- sers, 3D Data, Observation, Visualisation and Applicati- ons, Oxford, 102–116. OPITZ, R. 2012, An overview of airborne and terrestri- al laser scanning in archaeology. – V/In: R. S. Opitz, D. Arheo 30, 2013, 27–46 46 C. Cowley (ur./eds.), Interpreting Archaeological Topo- graphy: Lasers, 3D Data, Observation, Visualisation and Applications, Oxford, 13–31. OPTIECH 2008, Gemini. Tehnična specifikacija: www.optech.ca/pdf/Brochures/ALTM-GEMINI.pdf OSWALD, A. 2011. Prehistoric Linear Boundary Earth- works. Introduction to heritage assets, English heritage; http://www.english-heritage.org.uk/publications/iha- prehist-linear-boundary-earthworks/ PODOBNIKAR, T., B. SZÉKELY , M. HOLLAUS, A. RONCAT, P. DORNINGER, C. BRIESE, T. MELZER, C. PATHE, B. HÖFLE, N. PFEIFER 2010, Vsestran- ska uporaba aero-laserskega skeniranja za ugotavljanje nevarnosti zaradi naravnih nesreč na območju Alp. – V/ In: M. Zorn, B. Komac, M. Pavšek, P. Pagon (ur./eds.), Od razumevanja do upravljanja, Naravne nesreče 1, 125–137. PODOBNIKAR, T. 2012. Multidirectional visibility in- dex for analytical shading enhancement. – Cartographic Journal 49(3), 195–207. SAMBERG, A. 2007, An Implementation of the AS- PRS LAS Standard. – The Analyst XXXVI, 363–72; http://www.isprs.org/proceedings/XXXVI/3W52/ final_ papers/Samberg_2007.pdf TRIGLA V ČEKADA, M. 2009, Optimizacija meto- dologije obdelave in analiza natančnosti letalskega la- serskega skeniranja pri zajemu geodetskih podatkov za lokalno prostorsko planiranje. Doktorska disertacija, Fa- kulteta za gradbeništvo in geodezijo, Univerza v Ljublja- ni (neobjavljeno). TRIGLA V ČEKADA, M., F. CROSILLA, M. KOSMA- TIN FRAS 2010, Teoretična gostota lidarskih točk za topografsko kartiranje v največjih merilih. – Geodetski vestnik 54(3), 403−416. TRIGLA V ČEKADA, M. 2010b, Zračno lasersko ske- niranje in nepremičninske evidence. – Geodetski vestnik 54(2), 181−194. TRIGLA V ČEKADA, M, V . BRIC, K. OVEN 2012, Prvo vsedržavno lasersko skeniranje Slovenije. – GIS v Sloveniji 2011–2012, 191–196. TURK, P. K. HROBAT 1999, Arheološka najdišča re- gijskega parka Škocjanske jame. – Poročilo, Oddelek za arheologijo, Filozofska fakulteta, Univerza v Ljubljani (neobjavljeno). ZALOKAR, M. 2010, Trirazsežno modeliranje zgradb iz lidarskih podatkov na primeru mesta Domžale. Diplom- ska naloga Fakulteta za gradbeništvo in geodezijo, Uni- verza v Ljubljani (neobjavljeno). Spletni vir Splet 1/Web 1: http:\www.gu.gov.si/fileadmin/gu.gov. si/pageuploads/novice/Teksti_novic/LIDAR_opis.pdf (dostop 7. 1. 2014). Koliko točk? Gostota lidarskih snemanj za arheološke prospekcije