7 Uvod Daljinsko zaznavanje je nabor metod, s katerimi lahko od daleč, običajno iz zraka, opazujemo zemeljsko površ- je. Sem uvrščamo aerofotografijo, satelitske posnetke, lasersko snemanje, termično snemanje itd. Opazovanja iz zraka ali aeroarheologija je hiter, sistematičen, neinva- ziven in relativno poceni način pridobivanja podatkov o arheoloških najdiščih in časovni globini krajine. Aeroarheologija že od dvajsetih let prejšnjega stoletja pomembno prispeva k odkrivanju novih arheoloških naj- dišč in razumevanju časovne globine krajine. Arheološke sledove prepoznamo preko opazovanja znakov, kot so različne barve tal (barvni znaki) ter razlike v rasti posev- kov (vegetacijski znaki) in senc (topografski znaki), ki lahko kažejo na arheološke sledi pod površjem. Tradicio- nalna aeroarheologija temelji na nesistematičnem letenju na nizkih višinah in snemanju pretežno poševnih fotogra- fij. Velika pomanjkljivost tradicionalne aerofotografije je ravno v tem, da opazovanje ni popolnoma sistematično, saj temelji na sposobnosti opazovalca, da prepozna in fotografira arheološke sledove (ang. observer directed survey) med letom. Aerofotografija v Sloveniji na arheološko prakso in varo- vanje dediščine ni nikoli imela velikega vpliva. Razlogov je več. Prvi je, da je večina Slovenije, okoli 60 %, prekri- te z gozdom, ki onemogoča opazovanje tal. V Sloveniji, za katero so značilni razgibana topografija, heterogena geološka podlaga in razdrobljena zemljiška razdelitev z različnimi posevki, ki imajo vsak svoj cikel rasti, je opazovanje vegetacijskih in barvnih znakov oteženo. Za sistematično opazovanje so najbolj primerne velike površine, posejane z monokulturami, kjer lahko opazu- jemo pokrajino kot celoto, kjer lažje zaznamo razlike v barvi in teksturi tal ter posevkov med morebitnimi ar- heološkimi znaki in okolico. Tako ni nenavadno, da so edini pomembni uspehi aerofotografije v Prekmurju, kjer je pokrajina primernejša za opazovanje (Kerman 1999). Uspešno prepoznavanje arheoloških sledov zahteva dol- gotrajno opazovanje prostora, čakanje na ustrezne pogoje za opazovanje in zelo izkušene analitike. V Sloveniji, precej gozdnati deželi, se je za izredno uspešno metodo izkazalo zračno lasersko skeniranje po- vršja ali lidar. Besedna zveza lasersko skeniranje opisu- je tehnologije, ki natančno in pogosto merijo razdaljo od naprave do cilja s pomočjo laserja. Te meritv zbere kot množico koordinat ali t. i. oblak točk, iz katerega mogoče pridobiti podatke o obliki predmeta, ki ga ske- niramo. Zračno lasersko skeniranje površja je aktiv- na metoda daljinskega zaznavanja, s katero je mogoče Hiperspektralna snemanja in arheologija Hyperspectral surveys and archaeology © Dimitrij Mlekuž Zavod za varstvo kulturne dediščine Slovenije, Center za preventivno arheologijo in Univerza v Ljubljani, Filozofska fakulteta, Oddelek za arheologijo, dmlekuz@gmail.com Izvleček: Daljinsko zaznavanje ponuja nabor metod za sistematičen, neinvaziven in relativno poceni način pridobivanja podatkov o arheoloških najdiščih in časovni globini krajine. Metode daljinskega zaznavanja pa so si v svojem dosegu komplementarne. S pomočjo zračnega laserskega skeniranja (ZLS) smo v zadnjem desetletju uspeli odkriti množico novih arheoloških sledov, vendar predvsem v marginalnih prostorih, prekritih z gozdom, kjer so se ohranili kot površinske značilnosti. Vendar večina arheoloških najdišč v Sloveniji leži v rečnih dolinah, na ravnicah, prodnih zasipih in v nižinah. Zaradi dolgotrajne rabe prostora jih ne prepoznamo več kot površinske anomalije, kar pa še ne pomeni, da arheološki sledovi niso ohranjeni pod površjem. Na štirih območjih v Sloveniji smo preizkusili domet hiperspektralnih snemanj in njihov potencial kot komplementarne metode zračnemu laserskemu skeniranju. Ugotovili smo, da hiperspektralna snemanja kljub nekaterim pomanjkljivostim omogočajo detekcijo arheoloških sledov; je pa študija pokazala tudi zaskrbljujoče dejstvo, da je večina arheoloških sledov na območjih, zaznamovanih z intenzivno agrarno rabo, močno predelanih ali popolnoma uničenih. Ključne besede: arheologija, aeroarheologija, daljinsko zaznavanje, hiperspektralna snemanja, zračno lasersko skeniranje Abstract: Remote sensing offers a spectrum of systematic, non- invasive and relatively low-cost methods for collecting data on archaeological sites and traces, as well as on the time-depth of the landscape. Remote sensing methods are complementary; on their own, they offer a limited and often specific view of the landscape and must be combined into a more comprehensive view. In the recent decade, airborne laser scanning (ALS) in Slovenia has revealed numerous new archaeological traces, but these are mainly located in marginal, forested areas, where they are preserved as surface anomalies. The vast majority of archaeological sites are located in river valleys, the lowland and on terraces. A long history of land use has modified these areas and in many cases destroyed surface traces of archaeological sites. However, they might still be buried under the surface. We have assessed the application and range of hyperspectral imagery for detecting archaeological traces in heavily modified landscapes and observed that hyperspectral imagery, despite some drawbacks, allows the detection of buried archaeological traces. The study also demonstrated that most archaeological traces in such landscapes might already be destroyed. Keywords: archaeology, aeroarchaeology, remote sensing, hyperspectral survey, airborne laser scanning 1.02 Pregledni znanstveni članek Arheo 34, 2017, 7–21 8 zelo natančno izmeriti zemeljsko površje. S pomočjo ZLS izmerimo višino tal in predmetov na površju. Pri na pol prosojnih predmetih, kot so npr. drevesa ali dru- ga vegetacija, se del žarka odbije od listnega pokrova ali vej, del pa prodre do tal. Tako lahko iz oblaka točk izluščimo tudi višine tal pod gozdom. Da pa lahko z ZLS opazimo arheološke sledove, morajo biti ti vidni na površju kot grbine in izbokline (nasipi, zidovi, groblje) ali vkopi (jame in jarki). ZLS je zaradi svoje zmožnosti opazovanja tal pod gozdnim pokrovom zelo primeren za uporabo v Sloveniji. Gozdovi, prej zaprti sistematično opazovanje, so s pomočjo ZLS postali odprti. Gozdovi so prostori, kjer so zaradi omejenih človeških posegov arheološki sledovi zelo dobro ohranjeni (Mlekuž 2009; 2012; Opitz 2012; Mlekuž 2013). Tako smo s pomočjo ZLS odkrili množico novih arheoloških najdišč, kot so gomile, gradišča, gradovi in podobno. Toda na površju lahko prepoznamo tudi druge sledove preteklega bivanja v krajini. Na visokoločljivih topografskih podatkih ZLS smo prepoznali apnenice, kopišča, kamnolome, sledove rudarjenja, poti, zemljiško razdelitev, opuščene agrarne površine in podobno. ZLS se je v slovenski izkušnji iz- kazal kot izredno uspešna metoda za opazovanje krajine (Mlekuž 2009; 2013; 2015). Poglavitna omejitev ZLS je njegova relativna neučinkovitost na območjih, ki so intenzivno predelana z različnimi, predvsem antropoge- nimi posegi. Kmetijske aktivnosti, kot je oranje, lahko popolnoma predelajo ali celo uničijo starejše arheolo- ške sledove, ki niso več vidni kot anomalija v površ- ju. Domet ZLS je tako omejen predvsem na marginalne Slika 1. Arheološka najdišča Slovenije v razmerju do gozdov. Večina arheoloških najdišč leži v odprtih rečnih dolinah, kotlinah in vznožju gričevja. Označena so tudi študijska območja, omenjena v članku. Figure 1. Archaeological sites and forests in Slovenia. Most sites are located in open areas, such as valley bottoms, basins and foothills. Study areas discussed in the article are marked. Hiperspektralna snemanja in arheologija 9 prostore, kot so z gozdom poraščena hribovja in gričevja (Mlekuž 2009; 2013). Večina arheoloških najdišč v Sloveniji ne leži na gričevju ali gorah, temveč v rečnih dolinah, na ravnicah, prodnih zasipih in v nižinah (slika 1). To so prostori, ki so že od nekdaj najbolj zanimivi za poljedelstvo, saj omogočajo gibanje, in kjer je bila poselitev od prazgodovine naprej najbolj gosta in stalna. Vendar so kljub temu, da jih ne prepoznamo več kot površinske anomalije, arheološki sledovi tu še vedno lahko ohranjeni pod površjem in jih lahko zaznamo s pomočjo metod, kot so sistematična ae- rofotografija, sistematični terenski pregledi in geofizika. Za celostno in sistematično pokrivanje prostora Sloveni- je, tako z gozdom pokritih površin kot kmetijskih zemljišč in intenzivno poseljenih nižin, potrebujemo komplemen- tarne metode daljinskega zaznavanja, ki bodo omogočale prepoznavanje arheoloških sledov na celotnem območju Slovenije, ne glede na stanje površja. Preizkusili smo hi- perspektralna snemanja. Posneli smo štiri testna območja v Sloveniji: Krško, Kranjsko in Ptujsko polje ter Prekmurje, v skupni površi- ni okoli 80 km 2 (slika 1). Hiperspektralna snemanja so v arheologiji relativno nova metoda, zato dobrih primerov uporabe v praksi varovanja kulturne dediščine še nimamo. Običajno gre za manjša, raziskovalna snemanja, katerih cilj je prepoznavanje spo- znavnega dometa metode. Primeri so delo v Karnuntumu (Neubauer et al. 2011; Doneus et al. 2014), poskus upo- rabe hiperspektralnih snemanj na Siciliji (Cavalli et al. 2007; Cavalli 2013) in projekt študija akvilejskega agra v Italiji (Traviglia 2005; 2006; Pietrapertosa et al. 2008; Traviglia 2008). Multispektralna in hiperspektralna snemanja Elektromagnetno valovanje, ki ga ustvarjajo jedrske reakcije v notranjosti Sonca, potuje skozi vesolje. Ve- lik del elektromagnetnega valovanje, ki doseže Zemljo, se absorbira v atmosferi (ultravijolično valovanje vpije ozonski pas, dele termičnega infrardečega valovanja vpi- jejo toplogredni plini), del se odbije nazaj v vesolje, le majhen del pa doseže zemeljsko površje. V interakciji s predmeti na površju se del elektromagnetnega valova- nja absorbira (vpije) in ga zato zaznamo kot termično valovanje (toploto), del pa se odbije nazaj, kjer ga lahko zaznamo s senzorji (Oštir 2007, 21–34). Daljinsko zaznavanje tako temelji na interpretaciji signa- lov iz senzorja. Iz lastnosti zaznane odbite in sevane svet- lobe lahko sklepamo o lastnostih predmetov na površju. Pri pasivnih metodah daljinskega zaznavanja so torej la- stnosti senzorja tiste, ki določajo domet metode. Pri tem sta za arheologijo pomembni predvsem spektralna in pro- storska resolucija. Spektralna resolucija ali ločljivost je natančnost zajema elektromagnetnega valovanja različnih valovnih dolžin. Višja spektralna ločljivost pomeni, da odbito svetlobo opazujemo v več ožjih delih spektra ali kanalih. Najmanj- šo spektralno resolucijo imajo pankromatski posnetki, kjer je senzor občutljiv na en sam širok pas spektra, rezul- tat pa je običajno črno-bela fotografija površja (slika 2). Multispektralni senzorji merijo odbito svetlobo v različ- nih pasovih elektromagnetnega spektra. Na ta način lahko razločimo različne dele elektromagnetnega spektra, t. i. spektralne pasove oz. posamezne »barve« površja. Multi- spektralno ali večspektralno snemanje je opazovanje poja- vov v različnih valovnih dolžinah z namenom pridobiva- nja informacij o njihovih spektralnih lastnostih ter njihovi distribuciji v prostoru (Oštir 2007, 21–34) ( slika 2). Hiperspektralna snemanja idejo multispektralnega sne- manja pripeljejo do ekstrema. S hiperspektralnim sen- zorjem zaznamo celoten spekter odbite svetlobe, tako imenovan »spektralni podpis« odbite in sevane svetlobe, ki ga vzorčimo z velikim številom zelo ozkih, le nekaj nanometrov širokih spektralnih pasov. Tako dobimo do- datno dimenzijo predmeta snemanja. Hiperspektralno snemanje ne prinaša le dvodimezionalne podobe površja v določenem delu eletromagnetnega spektra, temveč t. i. hiperspektralno kocko, kjer tretjo dimenzijo predstavi- la podoba površja v različnih delih elektromagnetnega spektra (Borengasser et al. 2008, 48–50) (sliki 2 in 3). Drugi pomemben dejavnik je razpon vzorčenega elek- tromagnetnega spektra. Če s tradicionalno aerofoto- grafijo opazujemo zemeljsko površje le v vidnem delu elektro magnetnega spektra (med 400 in 700 nm, kar nam omogočajo senzorji na običajnih fotoaparatih ali spek- tralna občutljivost filma), lahko z multispektralnimi in hiperspektralnimi snemanji opazujemo površje tudi v nevidnem delu elektromagnetnega spektra, predvsem v Arheo 34, 2017, 7–21 10 Slika 2. Razlike med pankromatskim, multispektralnim in hiperspektralnim posnetkom pri vzorčenju elektromagnetnega spektra. Figure 2. Differences between panchromatic, multispectral and hyperspectral imagery in sampling the electromagnetic spectrum. Hiperspektralna snemanja in arheologija 11 bližnji infrardeči svetlobi in sevani infrardeči svetlobi. To nam omogoča opazovanje znakov, ki so v vidnem delu elektromagnetnega spektra slabše razločljivi. Dober pri- mer je zdravje rastlin. V bližnje infrardečem delu elektro- magnetnega spektra ima rastlinje izredno močan odboj; tu je kontrast med zdravimi in manj zdravimi rastlinami tudi najbolj opazen. Razlike v zdravju in stanju rastlin, ki so lahko posledica pokopanih arheoloških sledov, so tako v infrardečem delu spektra mnogo bolj razločne kot v vidnem delu elektromagnetnega spektra (Aqdus et al. 2012) (slika 4). Druga pomembna lastnost je prostorska resolucija, ki opisuje natančnost zajema oziroma velikost slikovne- ga elementa. Na prostorsko resolucijo snemanja poleg značilnosti senzorja vplivata tudi platforma, na kateri je senzor pritrjen (letalo, satelit), in višina snemanja. Večja kot je prostorska resolucija, torej manjša kot je velikost slikovnega elementa, več detajlov površja lahko prepo- znamo. Resolucijo običajno izrazimo v velikosti (dolžini stranice), ki jo slikovni element pokriva na tleh. Arheo- loški sledovi, ki jih želimo prepoznati, so reda velikosti od nekaj deset centimetrov do nekaj deset metrov, zato je želena prostorska resolucija za arheološke raziskave načeloma manjša od pol metra. Rezultat daljinskega zaznavanje je slika ali podoba v rastrski obliki, ki je matrika slikovnih elementov oz. pikslov. Velikost slikovnega elementa je omejena s pro- storsko resolucijo snemanja. Podoba predstavlja odboj- nost ali lastno sevanje površja v določenem spektralnem pasu ali valovni dolžni, odvisno od spektralne resoluci- je senzorja. Pri hiperspektralnih posnetkih lahko senzor Slika 3. Hiperspektalna »kocka«. Hiperspektralni posnetek zemeljskega površja ima poleg prostorskih dimenzij (širina, dolžina) tudi spektralno dimenzijo ali globino. Označeni so slikovni elementi, za katere so na sliki 4 narejeni spektralni podpisi. Figure 3. Hyperspectral cube. Hyperspectral image of the Earth‘s surface has spatial dimensions (width, length), but also a spectral dimension (depth). Pixels with spectral signatures presented on figure 4 are indicated. Slika 4. Spektralni podpis posameznih slikovnih elementov, označenih na sliki 3. Spektralni odziv kaže odboj od površja v določenem spektralnem pasu. Temno zelena krivulja (1) kaže spektralni podpis bujne vegetacije pozitivnega vegetacijskega znaka, svetlo zelena (2) manj zdrave vegetacije in rjava (3) njive brez vegetacije. Opazen je velik skok v odboju vegetacije v bližnje infrardečem delu spektra, t. i. rdeč rob. Figure 4. Spectral signature of the pixels indicated on figure 3. The spectral response shows the reflected light in a specific spectral band. Dark green curve (1) is a spectral response of lush vegetation in the positive cropmark, light greeen (2) shows the response of stressed vegetation and brown (3) of a soil without vegetation. A sharp increase in the reflection of vegetation on the near infrared bands or »red edge« is clearly visible. Arheo 34, 2017, 7–21 12 generira več sto podob istega območja, vsako v svojem delu elektromagnetnega spektra. Glavna prednost hiperspektralnega snemanja pred dru- gimi pasivnimi metodami daljinskega zaznavanja je, da ponuja veliko več informacij o površju. Če nam druge metode ponujajo zgolj intenzivnosti odboja (kot jo po- nujajo pankromatski posnetki) ali različne »barve« po- vršja oziroma intenzivnost odboja v različnih spektralnih pasovih (kot jo ponujajo multispektralni posnetki), pri hiperspektralnih snemanjih dobimo obliko odbitega ele- ktromagnetnega spektra ali t. i. spektralni podpis za vsak slikovni element (slika 4). Iz oblike odbitega spektra spektralnega podpisa je mo- goče ugotavljati sestavo površja, naj bo to mineralna ali kemična sestava, vrsto in zdravje vegetacije, rastno dobo itd. (Borengasser et al. 2008). V arheologiji spektralnega podpisa kot takega običajno ne uporabljamo, saj arheolo- ške značilnosti nimajo posebne sestave ali svojega spek- tralnega podpisa, temveč običajno nastanejo s preobliko- vanjem okolice. Tako je npr. jarek zapolnjen z lokalnim polnilom; od okolice ga ločita predvsem drugačna teks- tura polnila in delež vode v sedimentu. Predvsem vlaga v tleh vpliva na rast vegetacije, kar pov- zroča lokalne variacije v zdravju in rasti rastlin. Tako pri arheoloških prospekcijah opazujemo predvsem anoma- lije, torej kontraste, lokalne razlike med potencialnimi arheološkimi sledovi in okolico v krajini (Beck 2011; Aqdus et al. 2012). Razlike med arheološkimi sledovi in okolico opazujemo predvsem preko posrednih znakov; glavno vlogo pri ae- roarheologiji igra odziv vegetacije na lokalne razlike v teksturi tal in vsebnosti vode (t. i. vegetacijski znaki), ali pa razlike v barvi tal, ki so posledica različne vlažnosti, teksture ali sestave. Vendar je izraženost kontrasta odvi- sna od cele vrste faktorjev, kot so tip tal, vrsta posevka, vlažnost prsti in razlike v temperaturi tal. Te faktorje do- datno zapletajo antropogeni faktorji, kot so namakanje (ki povzroči, da se vegetacijski znaki pojavijo prej), na- čin oranja in drugi (Beck 2011; Aqdus et al. 2012). Vidnost razlik v barvi tal ali v rasti posevkov je tako od- visna od mnogih okoljskih pogojev in razmer med sne- manjem, zato je posnetke v optimalnih pogojih skoraj nemogoče narediti. To je tudi eden izmed razlogov, zakaj je pri klasični aerofotografiji potrebno prostor opazovati periodično (in upati, da naletimo na specifične pogoje, ki bodo pokazali na pokopane sledove). Hiperspektralna snemanja odpravljajo del teh pomanjkljivosti, saj omogo- čajo, da isti del površja opazujemo v različnih valovnih dolžinah, poleg tega valovne dolžine delu spektra bližnje in kratkovalovne infrardeče dodajo množico pomembnih informacij, ki omogočajo razločevanje razlik in kontra- stov v vegetaciji in barvi zemlje (Beck 2011). Še vedno pa pomaga, če skeniranje opravimo v rastni dobi rastlin in ob primernih pogojih. Glavna prednost hiperspektralnega snemanja je ta, da je odbiti elektromagnetni spekter vzorčen zelo podrobno, kar pomeni, da imamo o površju mnogo več informacij kot pri običajnih snemanjih. Povečana občutljivost hiper- spektralnega snemanje je tako ključna za prepoznavanje razlik v rasti vegetacije in barvi tal, ki lahko kažejo na arheološke ostaline (Beck 2011). Poglavitna težava uporabe hiperspektralnih snemanj v arheologiji je v njihovi nizki prostorski ločljivosti, ki je običajno – ne pa nujno – manjša kot pri klasični aero- fotografiji. Nizko ločljivost dodatno kvarijo geometrij- ska popačenja in oteženo georeferenciranje posnetkov, ki so posledica lastnosti skenerja (pushbroom scanner) in nestabilnosti platforme, na kateri je nameščen skener (Borengasser et al. 2008, 23–28). Druga težava je v izje- mno velikih količinah podatkov, ki jih metoda generira; običajno gre za nekaj sto in večkratnik količine podatkov kot pri običajni aerofotografiji. Procesiranje hiperspek- tralnih snemanj zahteva uporabo kompleksnih algorit- mov za luščenje relevantnih podatkov iz podob. Uporabo hiperspektralnih snemanj v arheologiji otežuje tudi še relativno nepoznavanje potenciala metode za arheološke prospekcije in pomanjkanje ustreznih primerljivih raz- iskav. Tako je za učinkovito rabo hiperspektralnih sne- manj v arheologiji potrebno eskperimentalno ugotoviti parametre, ki vplivajo na kontraste spektralnih podpisov arheoloških sledov, in eksperimentirati z različnimi al- goritmi za procesiranje podatkov, kar povečuje komple- ksnost naloge in podaljšuje čas procesiranja podatkov. Podatki in procesiranje Hiperspektralni posnetki, s katerimi smo delali v pričujoči nalogi, so v obliki rastrskih podob snemalnih pasov. Širi- na pasov je okoli 500 m, pasovi se med seboj prekrivajo okoli 25 %, vsak pas sestavlja 122 podob v različnih delih Hiperspektralna snemanja in arheologija 13 elektromegnetnega spektra. Podobe so v ENVI slikovnem formatu (ENVI Image files, .dat). Prostorska resolucija posnetkov je okoli 0,5 m, spektralna resolucija je okoli 5 nm, posnetke sestavlja 122 spektralnih pasov v valov- nih dolžinah med 400 in 980 nm, torej med vijoličnim in bližnje infrardečim delom elektromagnetnega spektra. Z georeferenciranjem hiperspektralnih posnetkov so zaradi lastnosti t. i. push broom senzorja in nestabilnosti platfor- me velike težave. Ocenjujemo, da je napaka pri georefe- renciranju reda velikosti nekaj metrov. Težave so vidne predvsem na stikih posameznih pasov. Še večja težava so geometrijska popačenja posnetka, kar pomeni, da so zna- čilnosti na podobah pogosto razmazane ali deformirane. Procesiranje podatkov hiperspektralnega snemanja pote- ka v več korakih. Prvi korak je maskiranje (izoliranja) dela rastrskega sloja, ki vsebuje podatke. Drugi korak je radiometrična korekcija podatkov. Radi- ometrična korekcija zmanjša vpliv atmosfere na odbito valovanje, ki ga zazna senzor. Tako iz podatkov senzorja izluščimo samo odbito svetlobo, brez vpliva atmosfere. Atmosfera namreč spremeni spektralno in prostorsko di- stribucijo valovanja, razprši odbito valovanje in doda va- lovanje iz okolice. Za radiometrično korekcijo smo upo- rabili orodje Quick Atmospheric Correction (QUAC), ki je del paketa ENVI (Bernstein 2012). Orodje QUAC opravi atmosfersko korekcijo hiperspektralnih in multi- spektralnih podatkov ter deluje v vidnem in bližnje in- frardečem delu elektromagnetnega spektra. QUAC do- loči potrebne parametre iz samega spektra posameznega slikovnega elementa in ne potrebuje okoljskih informa- cij. Korekcija je sicer približna in temelji na empiričnih podatkih o odboju posameznih materialov, kot jih najde- mo na površju, vendar so podatki o odbitem valovanju znotraj 10 % pravih vrednosti. Vse nadaljnje korake in procesiranje smo opravili na ma- skiranih in atmosfersko korigiranih podatkih. Naslednji korak je bila izdelava slik v približno pravih barvah (ang. true color) in v lažnih barvah (ang. false color). Za izde- lavo slik v pravih barvah smo uporabili kanale v rdeči, zeleni in modri barvi, za izdelavo slike v lažnih barvah pa v bližnji infrardeči, zeleni in modri barvi. Na ta način smo dobili ekvivalente »barvnih« oziroma »infrardečih« ortofoto posnetkov (slika 5). Prednost hiperspektralnih posnetkov pred klasično aerofotografijo je možnost uporabe različnih tehnik procesiranja, ki omogočajo ojačitev kontrastov in razlik. V najpreprostejših primerih gre zgolj za manipulacijo s histogramom podobe, kjer vizualno ojačimo pomenljive kontraste. Naslednji korak je izdelava vegetacijskih indeksov (Ban- nari et al. 1995; Traviglia 2006; Aqdus et al. 2012; Do- neus et al. 2014). Za arheologijo so uporabni različni vegetacijski indeksi, ki prikazujejo zdravje in kakovost vegetacije ter tako lahko kažejo na prisotnost arheoloških sledov. Najpogosteje je v uporabi normiran diferencialni vegetacijski indeks (ang. Normalised Difference Vegeta- tion Index, NDVI), ki predstavlja razmerje med razliko bližnjega infrardečega in rdečega pasu ter njuno vsoto, ki smo ga izračunali iz vrednosti kanala v rdečem delu spektra (658 nm, kanal 55) in kanala v bližnji infrardeči svetlobi (850 nm, kanal 95). Normirani diferencialni vegetacijski indeks kaže »zele- nost« vegetacije, ki posredno kaže na zdravje in bujnost vegetacije. Običajno ga vizualiziramo kot sivinski sloj, kjer svetla barva predstavlja odsotnost vegetacije, temna pa zelo bujno vegetacijo. Na teh posnetkih pozitivne ve- getacijski znake prepoznamo kot temne lise, negativne pa kot svetle anomalije (slika 5). Iz hiperspektralnih podatkov smo izračunali tudi REIP indeks (ang. Red Edge Inflection Point), ki ugotavlja, pri kateri valovni dolžini v bližnjem infrardečem delu je točka upogiba rdečega roba. Rdeči rob (ang. red edge) je značilnost spektralnega podpisa vegetacije in je strma sprememba odziva vegetacije v bližnji infrardeči svetlobi (približno med 690–720 nm). S pomočjo REIP indeksa lahko zelo dobro ločimo različne vrste vegetacije, zato je primeren za ojačenje in zaznavanje vegetacijskih zna- kov. REIP podobno kot NDVI vizualiziramo kot sivinski sloj, in sicer kot vrednost spektralnega pasu, kjer smo izračunali točko upogiba rdečega roba. REIP indeks do- bro odseva količino klorofila v rastlinah (Gitelson et al. 1996; Doneus et al. 2014) ter tako posredno razlike v rasti vegetacije, ki so lahko posledica pokopanih arheo- loških sledov (slika 5). Poglavitni težavi hiperspektralnih posnetkov sta njihova večdimenzionalnost in redundantnost. Podobe v bližnjih spektralnih pasovih so si podobne, skoraj identične; tako ima le majhen del informacij pomen za prepoznavanje arheoloških sledov. Poleg tega podatki vsebujejo tudi veliko šuma. Zato potrebujemo metode, ki učinkovito Arheo 34, 2017, 7–21 14 Slika 5. Podoba istega dela zemeljskega površja v različnih delih elektromagnetnega spektra in različne kombinacije hiperspektralnih pasov. Prva vrstica: 473 nm (modra), 688 nm (rdeča), 905 nm (bližnja infrardeča); druga vrstica: v »pravih« barvah, kombinacija modre, rdeče in bližnje infrardeče valovne dolžine (»infrardeči posnetek«); spodnja vrstica: NDVI indeks, vrednost REIP indeksa in prve tri komponente MNF transformacije celotne hiperspektralne kocke. Figure 5. Image of the same area in different spectral bands and different colour combinations of hyperspectral bands. First line: 473 nm (blue), 688 nm (red), 905 nm (near infrared); second line: true colours, combination of blue, red and near infrared (»infrared image«); bottom line: NDVI, REIP and first three components of the MNF transformation of the hyperspectral cube. Hiperspektralna snemanja in arheologija 15 izkoriščajo večdimenzionalno naravo hiperspektralnih posnetkov tako, da povečajo izpovednost in informacij- sko gostoto posnetkov. Večinoma uporabljamo algoritme za zmanjševanje dimenzij in povečevanje informacij- ske gostote, ki temeljijo na analizi osnovnih komponent (ang. principal component analysis, PCA). Kot postopek za zmanjšanje šuma in zmanjšanje dimenzije podatkov smo uporabili MNF transformacijo (ang. Minimum Noise Fraction), ki zmanjša zahtevnost za nadaljnje procesira- nje (Traviglia 2006; isti 2008; Doneus et al. 2014). Re- zultat so rastrski sloji, ki vsebujejo prvih šest komponent z največjo gostoto informacij in najmanj šuma. Sloje, pri- dobljene z MNF transformacijo, običajno prikazujemo kot rastrske podobe v lažnih barvah. Na ta način dobimo podobe, ki vsebujejo večino informacij hiperspektralne kocke (slika 5). Težava s tovrstnimi metodami je v ta, da so rezultati od- visni od vhodnih podatkov; tako rezultati obdelave raz- ličnih pasov med seboj niso primerljivi. MNF sloji so tako predvsem primerni za poudarjanje kontrastov po- tencialnih znakov. Večji del analize predstavlja iskanje anomalij, »znakov«, torej označevalcev, ki posredno kažejo na potencialne ar- heološke sledove (Palmer 2011). Gre za interpretativni proces, ki je zelo podoben tistemu pri interpretaciji ae- rofotografij. Pri interpretaciji znakov so nam v pomoč njihova oblika, njihovo razmerje do okolice (torej ali gre za pozitivne ali negativne znake), vzorci njihove razpore- ditve oziroma njihovih medsebojnih prostorskih in stra- tigrafskih razmerij, njihova velikost, povezave z ostalimi sledovi oziroma s prostorskim kontekstom ter tekstura površja sledi in konteksta. Običajno velja pravilo, da so za prepoznavanje značilnosti potrebni vsaj 3 slikovni ele- menti; zaradi resolucije posnetkov to v praksi pomeni, da je mogoče identificirati le znake, večje od poldrugega metra. Zaradi geometrijskih popačenj hiperspektralnih posnetkov in lastnosti vegetacijskih znakov pa je ločlji- vost še nižja. Pri znakih, manjših od 5–10 slikovnih ele- mentov (3–5 m), je prepoznavanje zelo oteženo. Zato so prepoznane značilnosti reda velikosti od nekaj metrov do nekaj deset in več metrov (slika 6). Vegetacijski znaki Hiperspektralni posnetki so namenjeni predvsem od- krivanju pokopanih značilnosti, ki se na površju kažejo predvsem posredno, preko barve tal (na preoranih oz. odprtih površinah; slika 7) oziroma kontrasta v rasti ve- getacije (slika 6). Slika 6. Grofovsko, južno od Murske Sobote. Na NDVI indeksu so dobro vidni pozitivni vegetacijski znaki krožnih jarkov, ostankov grobnih gomil. Figure 6. Grofovsko, south of Murska Sobota. Ring ditches as the remanants of burial mounds are clearly visible as cropmarks on the NDVI index. Slika 7. Duga meja severno od Murskih Črncev. Zabrisani pozitivni barvni znaki krožnih jarkov na »infrardečem« posnetku, kombinaciji bližnjega infrardečega, zelenega in modrega pasu. Figure 7. Duga meja south of Murski Črnci. Ring ditches show as blurred soilmarks on an »infrared« false colour image, a combination of near infrared, green and blue bands. Arheo 34, 2017, 7–21 16 Znaki so široki od nekaj metrov do nekaj deset metrov, robovi znakov so običajno precej zmehčani. Dolgi so od nekaj deset do nekaj sto metrov, vendar se na različnih površinah (rabah tal, kulturah) različno odražajo, zato so običajno prekinjeni, predvsem z neporaščenimi površi- nami, kjer se kot vegetacijski znaki slabše izražajo. Na hiperspektralnih posnetkih študijskih območij so naj- pogostejši vegetacijski znaki (ang. cropmarks). Vegeta- cijski znaki so razlike v rasti vegetacije, ki se odzivajo na pokopane arheološke sledove. Vegetacijski znaki se lahko izražajo kot pozitivni znaki, torej kot krpe bujnej- šega rastja (kar kaže na jarke in podobne značilnosti pod površjem, ki zadržujejo vodo), in negativnimi znaki, kjer je vegetacija manj bujna in kaže na zidove, groblje in podobne značilnosti, ki slabo zadržujejo vodo. Za pre- poznavanje vegetacijskih znakov je primeren predvsem NDVI indeks, ki vegetacijske znake prikaže kot svetlejše ali temnejše lise. Izražanje vegetacijskih znakov je močno odvisno od lo- kalne geološke podlage in tipa prsti, pa tudi od vremen- skih in rastnih pogojev ter vrste rastja. Na študijskih ob- močjih so najpogostejši pozitivni vegetacijski znaki. To pripisujemo več faktorjem. Prvi je, da študijska območja ležijo na območjih debelih pleistocenskih prodnatih zasipov, ki jih prekriva le tanka plast prsti. Kamnite strukture so po sposobnosti zadrže- vanja vode zelo podobne propustni prodnati podlagi, zato ne ustvarjajo večjega kontrasta v rasti vegetacije. Najbo- lje se izražajo tam, kjer je značilnost tik pod površjem in je prst nad njo zelo tanka. Prav zaradi tanke plasti prsti in dolgotrajne zgodovine antropogenih posegov, predvsem agrarne rabe in oranja, je večina stoječih značilnosti pre- oranih in uničenih. Ohranjene so le značilnosti pod nivo- jem oranja, to pa so običajno negative značilnosti, kot so jarki in različni vkopi. V Prekmurju se pozitivni vegetacijski znaki najpogo- steje kažejo kot različne linearne okrogle ali štirioglate oblike, premera med 5 do 15 m in širine okoli 2 m. Ti znaki se pojavljajo v skupinah in sestavljajo večje sku- pine oziroma grozde krožnih struktur; na posameznih prostorih lahko preštejemo tudi več deset takšnih zna- kov (sliki 6 in 7). Izkopavanja so pokazala, da so okrogli znaki ostanki obodnih jarkov grobnih gomil iz železne in rimske dobe. Ponekod se pojavljajo tudi jarki, ki omejujejo prostor šti- rioglate oblike. Grobne gomile, torej pozitivni elementi strukture, so popolnoma preorani, ohranjeni so le še ne- gativni elementi, torej jarki, ki segajo pod nivo oranja. Okrogli jarki tako dokumentirajo skoraj popolno uniče- nje gomilnih grobišč (Guštin, Tiefengraber 2001, 110). V nekaj primerih se pozitivni znaki pojavljajo v obliki linearnih oblik. Običajno gre za jarke, bodisi za ostan- ke drenažnih jarkov starejše zemljiške razdelitve ali celo drenažnih jarkov ob komunikacijah (slika 8). Slika 8. Južno od Drnovega. Vzporedni pozitivni linearni znaki, ki kažejo na jarke ob rimski cesti. Figure 8. South of Drnovo. Parallel positive cropmarks indicating drainage ditches of a Roman road. Hiperspektralna snemanja in arheologija 17 Ti znaki se pogosto pojavljajo v obliki dveh vzpore- dnih znakov, ki sta med seboj oddaljena okoli dvajset metrov, pogosto pa med njima poteka tudi negativen linearen vegetacijski znak. V nekaj primerih jih lahko povežemo z znanimi ostanki rimskih cest. Gre za ostan- ke obcestnih jarkov, ki so zaradi uničenja bolje vidni od cestišča (slika 9). Pozitivni linearni vegetacijski znaki so lahko tudi ostanek pretekle zemljiške razdelitve. Zelo pogosti so v Prekmur- ju, kjer jih je mogoče povezati s sistemom rimskodobne zemljiške razdelitve (Rutar osebno) (slika 9). Zelo pogosti linearni vegetacijski znaki so sledovi opu- ščenih korit. običajno gre za precej široke, zelo zmeh- čane lise nepravilnih oblik, s šibkim kontrastom. Teh znakov nismo posebej kartirali. Opuščena korita pričajo o okoljskih premenah in naravnih procesih v krajini, ki lahko pomembno prispevajo k razumevanju časovne glo- bine krajine, kot tudi o tafonomskih procesih, ki vplivajo na vidnost arheoloških sledov. Negativni vegetacijski znaki so precej redki. Večino ne- gativnih vegetacijskih znakov lahko povežemo s histo- rično zemljiško razdelitvijo, uničeno zaradi komasacij. Gre predvsem za linearnih groblje na robovih njiv, čela njiv in ostanke kolovozov. Na Kranjskem polju so pogosti zelo šibki, zabrisani okrogli negativni znaki. Interpretiramo jih kot močno preorane ostanke grobelj. Takšne groblje se pojavljajo na visokoločljivih topografskih podatkih ZLS v obliki ob- širnih polj grobelj v gozdovih (glej tudi Mlekuž 2015). Gre za ostanke čiščenja površja, starejšega od moderne zemljiške razdelitve in rabe tal, morda celo prazgodovin- ske rabe krajine. Ogledi grobelj kažejo, da so sestavlje- ne predvsem iz debelega proda. Na odprtih površinah so groblje popolnoma preorane, zaradi podobne sestave kot jo ima geološka podlaga pa so tudi zelo nizko kontrastne. Nekaj linearnih negativnih znakov lahko povežemo z ostanki rimskih cest, opisanimi zgoraj (slika 8). Slika 9. Pozitivni in negativni linearni znaki med Veščico in Černelavci na »infrardečem« posnetku in NDVI indeksu. Figure 9. Positive and negative linear cropmarks between Veščica and Černelavci on the »infrared« photo and NDVI index. Slika 10. Veliko in dobro ohranjeno polje grobelj na Dobravici pri Suhi pri Predosljaho, dokumentriano na visokoločljivih topografskih podatkih ZLS (zgoraj), in zabrisani negativi vegetacijski sledovi podobnih grobelj na NDVI indeksu pri Visokem (spodaj). Figure 10. Large and well preserved cairnfield on Dobravica near Suha pri Predosljah, recorded by high resolution ALS topographic data (above) and faded negative cropmarks of similar cairns on the NDVI index near Visoko (below). Arheo 34, 2017, 7–21 18 Pojavljajo se tudi negativni linearni znaki pravokotnih oblik. Robovi so – podobno kot pri vseh negativnih zna- kih – precej zabrisani. Najbrž gre za ruševinske groblje, ki jih morda lahko povežemo z rimsko podeželsko ar- hitekturo. V drugih primerih gre za nedoločljive ostan- ke nasutega materiala, najbrž ostanke grobelj, gomil ali morda ruševinskih grobelj. Večina pozitivnih linearnih značilnosti na posnetkih ZLS ni prepoznavnih. Izjema so le kratki odseki morebitnih rimskodobnih cest, ki jih lahko prepoznamo bodisi kot linearne pozitivne značilnosti na ZLS in kot kombinacijo pozitivnih in negativnih linearnih vegetacijskih znakov. Integracija ZLS in hiperspektralnih posnetkov Pri uporabi neinvazivnih ekstenzivnih metod je ključ- na integracija rezultatov. Dometi posameznih metod so močno omejeni; metode zaznajo le določene vidike ar- heoloških sledov. Tako npr. ZLS odlično zaznava le po- vršinske anomalije; tu je hiperspektralno snemanje ne- močno, veliko bolj uspešno pa je pri zaznavanju znakov, ki kažejo na pokopane značilnosti, kjer ZLS popolnoma odpove. Primerjava med rezultati obeh metod na območju, kjer sta bili izvedeni obe, kaže, da sta si zelo komplementarni. Redki sledovi, ki smo jih prepoznali na posnetkih ZLS, se pojavljajo tudi kot znaki na hiperspektralnih posnetkih. Največja razlika med dometom ZLS in hiperspektralnim snemanjem se kaže pri pozitivnih vegetacijskih znakih, torej znakih, ki kažejo na vkope, jarke in podobne struk- ture pod površjem. Tovrstne značilnosti na posnetkih ZLS ne nastopajo, na hiperspektralnih posnetkih pa so eden najpogostejših znakov. Predvsem pa sta si metodi komplementarni prostorsko. Moderna raba tal je krajino arbitrarno razdelila na ob- močja z različno vidnostjo arheoloških sledov. Upošte- vanje rezultatov le ene metode kaže zelo popačeno sliko. V gozdovih so sledovi zelo dobro ohranjeni, medtem ko jih na agrarnih površinah več ni. Hiperspektralna sne- manja nam omogočajo, da dopolnimo razumevanje pro- storov, kjer sledov na posnetkih ZLS ni več. Tako smo npr. v gozdovih na Kranjskem polju na visokoločljivih topografskih podatkih ZLS prepoznali obširna, odlično ohranjena polja grobelj. Te značilnosti na robovih gozda izginejo, kar kaže, da so starejše od moderne rabe tal. Na odprtih površinah površinskih sledov grobelj ni mogoče več prepoznati, pač pa lahko tu prepoznamo negativne vegetacijske znake, ki jih lahko povežemo s preoranimi grobljami. Podobno so na posnetkih ZLS – predvsem na Štajerskem in v Prekmurju – zelo pogosti skupki pozitivnih okroglih značilnosti, grobnih gomil. Ostanki grobnih gomil se na hiperspektralnih snemanjih kažejo predvsem kot okrogli vegetacijski znaki, sledovi pokopanih obodnih jarkov. Veliko število teh znakov na odprtih površinah pomemb- no dopolnjuje sliko, kot jo kaže ZLS, in nam daje bolj celostno podobo preteklih krajin. Hiperspektralna snemanja so se najbolje izkazala tam, kjer površinske anomalije, prepoznane na visokoločljivih topografskih podatkih ZLS, namigujejo na prisotnost ar- heoloških sledov. Površinske anomalije so pogosto moč- no preorane in zmehčane, zato same ne ponujajo dovolj namigov, ki bi omogočali podrobnejšo karakterizacijo sledov. Tovrstne značilnosti predvsem kažejo, da so ar- heološki sledovi še ohranjeni in niso dokončno uničeni in preorani. V teh primerih hiperspektralno snemanje izre- dno dobro dopolnjuje ZLS in omogoča boljšo karakteri- zacijo močno preoblikovanih, zmehčanih in brezobličnih sledov. To dejstvo kaže, da so na odprtih, agrarnih površinah ar- heološki sledovi že močno poškodovani in uničeni. Zdi se, da smo na prodnih zasipih rečnih teras zaradi inten- zivnega kmetijstva in čedalje globljega oranja izgubili že večino podpovršinskih arheoloških sledov, ki nastopajo le še kot sledovi v ornici. Podobno sliko kažejo tudi re- zultati izkopavanj na trasah avtocest, kje so izkopavanja pogosto dokumentirala le negativne značilnosti, kot so jame, vkopi in jarki. Rezultati naše študije sugerirajo, da je za dokumentiranje arheoloških sledov s pomočjo daljinskega zaznavanja morda že prepozno. Ostanejo le še metode, ki dokumentirajo uničenje, kot so terenski pregledi. Zaključek ZLS in hiperspektralno snemanje sta komplementarni metodi in se na odprtih površinah dobro dopolnjujeta. Metodi sta primerni za različne vrste sledov; ZLS pred- vsem za anomalije na površju in v topografiji, ki so po- sledica antropogenih posegov, hiperspektralna snemanja pa so primernejša za odkrivanje pokopanih sledov na Hiperspektralna snemanja in arheologija 19 površinah, uničenih z oranjem. Hiperspektralna snema- nja so primerna predvsem za zaznavanje vegetacijskih znakov, torej kontrastov v rasti vegetacije, ki so odziv na pokopane arheološke značilnosti. Zato je ključna iz- bira časa snemanja, ki zajame vegetacijo v rastni dobi, ne pa že zrelo ali odmirajočo vegetacijo. Barvni znaki, torej kontrasti v barvi prsti na odprtih površinah, se niso izkazali kot dober znak za prepoznavanje pokopanih ar- heoloških sledov, saj izkazujejo mnogo manj kontrasta kot vegetacijski znaki. Hiperspektralni posnetki so se izkazali predvsem pri ra- zumevanju močno preoranih in nejasnih anomalij, pre- poznanih na ZLS. Večinoma gre za linearne znake, ki kažejo na pokopane negative, kot so jarki in podobno. V nekaterih primerih pa tudi pokopane pozitivne strukture, kot so nasipi ter predvsem groblje in gomile. Kot velika pomanjkljivost hiperspektralnega snemanja se je izkazala prostorska resolucija. Izbrana je bila reso- lucija 0,5 m, vendar je bila, ob težavah z georeferenci- ranjem in geometrijskim popačenjem, ki so značilne za hiperspektralno snemanje, dejanska ločljivost še slabša. Ta resolucija je prenizka, da bi zaznali prostorsko majhne anomalije, kot so sledovi zidov in podobno. Zato smo s pomočjo hiperspektralnega snemanja zaznali predvsem večje anomalije, širine od nekaj metrov, do predvsem nekaj deset metrov. Spektralna resolucija se je izkaza- la za ustrezno oziroma celo previsoko; previsoko zato, ker visoka spektralna resolucija močno poveča čas in kompleksnost procesiranja podatkov. Za arheološko in- terpretacijo se je najbolj izkazal indeks NDVI; primeren je predvsem za prepoznavanje pozitivnih vegetacijskih znakov. Vendar NDVI ne zadostuje; predvsem za pre- poznavanje šibkih pozitivnih vegetacijskih znakov ga je potrebno dopolniti s podobami v lažnih barvah. Te so primerne tudi za prepoznavanje barvnih znakov na po- vršinah brez vegetacije. Za zelo primerno se je izkazala MNF transformacija hipersektralne kocke. Poglavitna te- žava pri MNF je, da rezultati obdelave posameznih pasov snemanja med seboj niso primerljivi. Vsi študijski primeri pokrivajo kulturno krajino, ki sta jo zaznamovala poselitev in intenzivno obdelovanje po- vršja. Značilnosti so močno predelane zaradi oranja in obdelave, zato so običajno ohranjene zgolj kot šibki, za- brisani sledovi. Najpogostejši sledovi so okrogli pozitiv- ni vegetacijski znaki, ki jih v večini primerov lahko inter- pretiramo kot prazgodovinske ali rimskodobne gomile. Povežemo jih lahko z vegetacijskimi znaki, ki so bili prepoznani pri zračnem snemanju Prekmurja, in skupki gomil, ki jih prepoznamo na posnetkih ZLS. Pojavljajo pa se tudi ostanki pretekle zemljiške razdelitve in rabe tal ter ostanki komunikacij. Seveda je uporaba metod daljinskega zaznavanja učinko- vita šele, ko jih kombiniramo z drugimi metodami, kot so terenski pregledi, geofizikalne metode in naravoslovna vzorčenja. Vendar ZLS tudi tu prinaša novo kakovost, saj zaradi velikih površin, ki jih pokriva, in z jasno sliko površja omogoča, da lažje načrtujemo druge raziskave in postavimo rezultate raziskav v širši kontekst. Tako je po- trebno pričujočo nalogo razumeti zgolj kot prvi korak k resničnemu razumevanju arheoloških sledov. To še pose- bej velja za vrsto šibkih in težko prepoznavnih značilno- sti, ki ji bo mogoče natančneje opredeliti ali celo potrditi le z drugimi raziskavami, to znanje pa nam bo omogočilo boljšo interpretacijo daljinskega zaznavanja. Arheo 34, 2017, 7–21 20 Literatura / References AQDUS, S. A., W. S. HANSON, J. DRUMMOND 2012, The potential of hyperspectral and multi-spectral ima- gery to enhance archaeological cropmark detection: a comparative study. – Journal of Archaeological Science 39(7), 1915–1924. BANNARI, A., D. MORIN, F. BONN, A. R. HUETE 1995, A review of vegetation indices. – Remote sensing review 13(1–2), 95–120. BECK, A. R. 2011, Archaeological Applications of Multi/hyperspectral Data – Challenges and Potential. – V / In: D. C. Cowley (ur. / ed.), Remote Sensing for Archaeological Heritage Management: Proceedings of the 11th EAC Heritage Management Symposium, Rey- kjavík, Iceland, (Issue 3 of Occasional publication of the Aerial Archaeology Research Group), Brussels, 87–98. BERNSTEIN, L. S. 2012, Quick atmospheric correction code: algorithm description and recent upgrades. – Opti- cal Engineering 51(11), 111719. BORENGASSER, M., W. S. HUNGATE, R. L. WAT- KINS 2008, Hyperspectral Remote Sensing: Principles and Applications. Bocca Raton. CA V ALLI, R. M., F. COLOSI, A. P. S. PIGNATTI, M. POSCOLIERI 2007, Remote hyperspectral imagery as a support to archaeological prospection. – Journal of Cul- tural Heritage 8(3), 272–283. CA V ALLI, R. M. 2013, Integrated Approach for Archae- ological Prospection Exploiting Airborne Hyperspectral Remote Sensing. Cham. DONEUS, M., G. VERHOEVEN, C. ATZBERGER, M. WESS, M. RUŠ 2014, New ways to extract archaeologi- cal information from hyperspectral pixels. – Journal of Archaeological Science 52, 84–96. GITELSON, A. A., M. N. MERZLYAK, H. K. LICH- TENTHALER 1996, Detection of Red Edge Position and Chlorophyll Content by Reflectance Measurements Near 700 nm. – Journal of Plant Physiology 148(3–4), 501–508. GUŠTIN, M., G. TIEFENGRABER 2001, Prazgodovin- ske najdbe z avtocestnega odseka Murska Sobota-Nova tabla. – Arheološki vestnik 52, 107–116. KERMAN, B. 1999, Settlement structures in Prekmurje from the air. – Arheološki vestnik 50, 333–347. MLEKUŽ, D. 2009, Poplavne ravnice v novi luči: LiDAR in tafonomija aluvialnih krajin. – Arheo 26, 7–22. MLEKUŽ, D. 2012, Messy landscapes: lidar and the practices of landscaping. – V / In: R. S. Opitz, D. Cowley (ur. / eds.), Interpreting archaeological topography: la- sers, 3D data, observation, visualisation and applicati- ons, Oxford, 102–116. MLEKUŽ, D. 2013, Skin deep: LiDAR and good practi- ce of landscape archaeology. – V / In: C. Corsi, B. Slap- šak, F. Vermeulen (ur. / eds.), Good practice in archa- eological diagnostics: non-invasive survey of complex archaeological sites, (Natural science in archaeology), Cham, 113–129. MLEKUŽ, D. 2015, Oblike prazgodovinske poljske raz- delitve na Krasu. – V / In: M. Preinfalk (ur. / ed.), Iz zgo- dovine Krasa. Kronika. Časopis za slovensko krajevno zgodovino 63/3, Ljubljana, 675–690. NEUBAUER, W., M. DONEUS, I. TRINKS, G. VER- HOEVEN, A. S. S. HINTERLEITNER, K. LÖCKER 2011, Long-term Integrated Archaeological Prospection at the Roman Town of Carnuntum/Austria. – V / In: P. M. Johnson, M. Martin (ur. / ed.), Archaeological survey and the city, Oxford, 202–221. OPITZ, R. S. 2012, An overview of airborne and terre- strial laser scanning in archaeology. – V / In: R. S. Opitz, D. Cowley (ur. / eds.), Interpreting archaeological topo- graphy: airborne laser scanning, 3D data, and ground observation, Oxford, 13–31. OŠTIR, K. 2007, Daljinsko zaznavanje. Ljubljana. PALMER, R. 2011, Knowledge-based aerial image inter- pretation. – V / In: D. C. Cowley (ur. / ed.), Remote Sensing for Archaeological HeritageManagement: Proceedings of the 11th EAC Heritage Management Symposium, Rey- kjavík, Iceland, (Issue 3 of Occasional publication of the Aerial Archaeology Research Group), Brussels, 283–292. PIETRAPERTOSA, C., M. VELLICO, P. STERZAI, F. COREN, F. 2008, Remote sensing applied to the detecti- on of archaeological buried structures in the aquileia site. – V / In: Proceedings of the 27° Convegno Nazionale GNGTS - 2008, Trieste, 368–372. Hiperspektralna snemanja in arheologija 21 TRA VIGLIA, A. 2005, A semi-empirical index for esti- mating soil moisture from MIVIS data to identify sub- surface archaeological sites. – V / In: Atti della 9a Con- ferenza Nazionale ASITA, Catania, Milano, 1969–1974. TRA VIGLIA, A. 2006, Archaeological usability of Hyperspectral images: successes and failures of image processing techniques. – V / In: From Space to Place. Proceedings of the 2nd International conference on Re- mote Sensing in Archaeology, Oxford, 123–130. TRA VIGLIA, A. 2008, The combinatorial explosion: de- fining procedures to reduce data redundancy and to vali- date the results of processed hyperspectral images. – V / In: Remote Sensing for Archaeology and Cultural Heri- tage Management. Proceedings of the 1st International EARSeL Workshop, CNR, Rome, 85–89. Arheo 34, 2017, 7–21