FACULTEIT WETENSCHAPPEN
Opleiding Geografie en Geomatica Master in de Geomatica en Landmeetkunde
Archeologische data en analyses: factoren die de implementatie van een 4D-GIS beïnvloeden
Berdien De Roo
Aantal woorden in tekst: 21 307
Promotor: Prof. dr. Ph. De Maeyer, vakgroep Geografie Copromotor: Prof. dr. J. Bourgeois, vakgroep Archeologie
Academiejaar 2011 – 2012
Masterproef ingediend tot het behalen van de graad van
Master in de Geomatica en Landmeetkunde
ii
WOORD VOORAF
Het schrijven van een thesis is iets bijzonder. Het moeilijkste is waarschijnlijk de begrenzing
van het onderzoek, want elk nieuwe element zet je aan om ook dat verder uit te pluizen. Na
het samen brengen en verwoorden van de verschillende delen en resultaten van het onderzoek
zoals ik die na een jaar in de vingers heb, ben ik tevreden met het resultaat. Ik denk dat ik de
juiste begrenzingen heb gemaakt en het onderzoek tot een afgelijnd geheel in deze
masterproef heb kunnen verwerken. Toch is dit niet alleen mijn verdienste. Heel wat mensen
hebben hieraan, direct of indirect, meegeholpen. Ik wil hen dan ook oprecht bedanken.
Eerst en vooral wil ik mijn promotor Prof. dr. Philippe De Maeyer bedanken om mij dit
onderwerp voor te stellen, voor de steun en om mij de mogelijkheid te geven de CAA-
conferentie in Southampton bij te wonen. Bovendien wil ik hem bedanken om mij de kans te
geven in contact te komen met geïnteresseerde onderzoekers en voor het vertrouwen dat hij in
mij stelde om mijn onderzoek op deze bijeenkomsten voor te stellen. Mijn onderzoek aan
specialisten te kunnen voorstellen op internationale bijeenkomsten maakte het des te
interessanter. Ook Prof. dr. Jean Bourgeois, mijn copromotor wil ik bedanken. Dr. Eline
Deweirdt wil ik bedanken voor het ter beschikking stellen van de archeologische en
geografische data, alsook voor het beantwoorden van mijn vragen. Een bijzonder woord van
dank gaat naar MSc. Ruben Maddens en MSc. Ann Vanclooster voor hun begeleiding. Zij
stonden steeds klaar om mijn vragen te beantwoorden, mijn onderzoek te helpen sturen en af
te lijnen. Hun kritische beoordelingen betekenden voor deze masterproef een meerwaarde.
Ook wil ik MSc. Coen Stal bedanken voor het aangenaam gezelschap tijdens de conferentie in
Southampton en voor zijn kritische vragen. MSc. Kristien Ooms bedank ik voor haar
(carto)grafisch advies.
Een speciaal woord van dank gaat naar mijn ouders omdat zij mij de mogelijkheid hebben
gegevens deze studies aan te vatten en te voltooien. In het bijzonder wens ik hen te bedanken
voor de steun en aanmoedigingen die zij mij tijdens het maken van deze thesis wisten te
geven en dit op momenten dat het voor hen evenmin gemakkelijk was. Ook mijn vriend,
Alexander, wil ik speciaal bedanken voor de steun, aanmoedigingen, kritische vragen, het
nalezen en voor de ontspannende momenten. Kathleen, Thijs en Joris en mijn familie wens ik
te bedanken voor de steun tijdens het maken van deze thesis.
Tot slot wil ik U als lezer bedanken omdat een thesis maar waarde krijgt als hij gelezen wordt.
Berdien De Roo
iii
INHOUDSOPGAVE
WOORD VOORAF ................................................................................................................. II
INHOUDSOPGAVE ............................................................................................................. III
LIJST VAN FIGUREN ........................................................................................................ VII
LIJST VAN KAARTEN ..................................................................................................... VIII
LIJST VAN TABELLEN ...................................................................................................... IX
LIJST VAN AFKORTINGEN ............................................................................................... X
1 INLEIDING ........................................................................................................................... 1
2 LITERATUUROVERZICHT .............................................................................................. 4
2.1 Objecten .......................................................................................................................... 4
2.2 Ruimte ............................................................................................................................. 5
2.2.1 Algemene basisconcepten .......................................................................................... 5
2.2.1.1 0, 1, 2 en 3D ....................................................................................................... 6
2.2.1.2 Geometrische primitieven en topologische relaties ........................................... 6
2.2.2 Ruimte en archeologie ............................................................................................... 7
2.2.2.1 Ruimte ................................................................................................................ 7
2.2.2.2 3D ....................................................................................................................... 8
2.3 Tijd ................................................................................................................................... 8
2.3.1 Algemene concepten .................................................................................................. 8
2.3.1.1 Temporele primitieven en analogie met ruimtelijke concepten ......................... 8
2.3.1.2 Andere basisconcepten van tijd .......................................................................... 9
2.3.1.3 Combinatie van tijd en ruimte .......................................................................... 10
2.3.2 Tijd in archeologie .................................................................................................. 11
2.4 Onderzoeksprojecten ................................................................................................... 13
iv
2.4.1 Projecten gericht op 3D-visualisatie en -publicatie ............................................... 13
2.4.2 Projecten gericht op gegevensopslag, data-uitwisseling en 3D-analyses .............. 14
3 SITEBESCHRIJVING MOLESME ‘SUR-LES-CREUX’ ............................................. 18
3.1 Geografie ....................................................................................................................... 18
3.2 Archeologie ................................................................................................................... 20
4 BESCHIKBAAR MATERIAAL ....................................................................................... 25
5 ONDERZOEKSMETHODE .............................................................................................. 27
5.1 Gebruikersgericht ........................................................................................................ 27
5.2 Objectgericht ................................................................................................................ 28
5.3 Analysegericht .............................................................................................................. 31
6 RESULTATEN .................................................................................................................... 34
6.1 Gebruikersgerichte pijler ............................................................................................ 34
6.1.1 Voor wie is het systeem bedoeld? ............................................................................ 34
6.1.2 Aan welke vereisten moet door het systeem worden voldaan? ............................... 34
6.1.2.1 3D ..................................................................................................................... 35
6.1.2.2 Tijd ................................................................................................................... 35
6.1.2.3 Data-imperfectie ............................................................................................... 36
6.1.2.4 Schaal ............................................................................................................... 39
6.1.3 Wat moet het resultaat zijn van het werken met dit systeem? ................................. 41
6.1.4 Hoe wordt deze doelstelling bereikt? ...................................................................... 41
6.2 Objectgerichte pijler .................................................................................................... 43
6.2.1 Dataverkenning ....................................................................................................... 43
6.2.1.1 Object ............................................................................................................... 44
6.2.1.2 Ruimte .............................................................................................................. 45
6.2.1.3 Tijd ................................................................................................................... 47
6.2.2 Opbouw datamodel voor Molesme ‘Sur-les-Creux’................................................ 48
v
6.2.2.1 Objectsegment .................................................................................................. 49
6.2.2.2 Ruimtesegement ............................................................................................... 51
6.2.2.3 Tijdssegment .................................................................................................... 52
6.2.2.4 Overige elementen in het datamodel ................................................................ 54
6.2.3 Omvorming bestaande databank ............................................................................. 55
6.3 Analysegerichte pijler .................................................................................................. 56
6.3.1 Toepasbaarheid bestaande analyses Molesme ‘Sur-les-Creux’ ............................. 56
6.3.1.1 Ruimtelijke analyses van de onroerende vondsten .......................................... 57
6.3.1.2 Ruimtelijke analyses van de roerende vondsten .............................................. 58
6.3.2 Clusteranalyse paalputten of trous de poteau ......................................................... 59
7 DISCUSSIE .......................................................................................................................... 72
7.1 Complexiteit van archeologische data ........................................................................ 72
7.2 Van complexe data naar een elementair conceptueel model .................................... 74
7.3 Potentieel van het elementair conceptueel datamodel in analyses ........................... 76
8 BESLUIT.............................................................................................................................. 78
REFERENTIELIJST ............................................................................................................. 80
Literatuur ............................................................................................................................ 80
Wetgeving ............................................................................................................................ 84
Internetbronnen ................................................................................................................. 85
Kaarten ................................................................................................................................ 86
Software ............................................................................................................................... 86
BIJLAGEN ............................................................................................................................. 87
Bijlage 1 : Inhoud van de shapefiles ‘UA’ en ‘UScomplet’ ............................................. 87
Bijlage 2 : Woordenboekuittreksels betreffende begrippen rond data-imperfectie .... 89
1. Uittreksels online Oxford English Dictionary (http://oxforddictionaries.com, 12 april
2012)................................................................................................................................. 89
vi
2. Uittreksels Van Dale Elektronische grote woordenboeken hedendaags Nederlands,
Engels, Frans, Duits Versie 5.0........................................................................................ 91
Bijlage 3 : Relatieschema omgevormde databank Molesme ‘Sur-les-Creux’............... 92
Bijlage 4 : SPSS-Output clusteranalyse ........................................................................... 93
1. Hiërarchische clusteranalyse (methode van Ward, kwadratische euclidische afstand)
.......................................................................................................................................... 93
2. Niet-hiërarchische clusteranalyse (k-means methode, 14 clusters) ........................... 101
3. Boxplot: afstand paalputten tot respectievelijk clustercentrum (k-means clustering)110
4. ANOVA-test (k-means clustering) .............................................................................. 111
Bijlage 5 : Kruistabel van de k-means clusters tegenover de structuren bepaald door
Deweirdt (2010) ................................................................................................................ 112
vii
LIJST VAN FIGUREN
Figuur 1: Topologische relaties tussen temporele primitieven .................................................. 9
Figuur 2: Bi-temporeel model: systeemtijd loopt achter op wereldtijd ................................... 10
Figuur 3: Structuur Bâtiment sur Poteaux Central (BPC) ....................................................... 21
Figuur 4: Structuur Bâtiment Maçonné Sud-Est (BMSE) ........................................................ 22
Figuur 5: Structuur Bassin Piscicole (BAP) ............................................................................ 23
Figuur 6: Structuur van de databank Molesme 'Sur-les-Creux' ............................................... 26
Figuur 7: UML-notatie voor klasse en generalisatie, associatie en aggregatie ........................ 31
Figuur 8: Verschillende analyseniveaus in de archeologie ...................................................... 40
Figuur 9: Histogram diepte onroerende resten Molesme 'Sur-les-Creux' ................................ 47
Figuur 10: Combinatie object-ruimte-tijd in datamodel .......................................................... 49
Figuur 11: Objectsegment van het datamodel .......................................................................... 50
Figuur 12: Ruimtesegment van het datamodel ......................................................................... 52
Figuur 13: Tijdssegment van het datamodel ............................................................................ 53
Figuur 14: Datamodel met betrekking tot extra informatie ...................................................... 54
Figuur 15: Datamodel met betrekking tot opgravingsteam ...................................................... 55
Figuur 16: Datamodel met betrekking tot geometrie ............................................................... 55
Figuur 17: Boxplotvoorstelling van de clusterelementen tot het clustercentrum ..................... 63
viii
LIJST VAN KAARTEN
Kaart 1: Locatie site Molesme 'Sur-les-Creux' ......................................................................... 18
Kaart 2: Lokalisatie van de site Molesme „Sur-les-Creux‟ op de rechteroever van de Laigne,
ten zuidwesten van het huidige dorp Molesme ........................................................................ 19
Kaart 3: Aanwezige objecten en structuren op de site Molesme 'Sur-les-Creux' .................... 20
Kaart 4: Voorbeeld van het voorkomen van vondsten op dezelfde plaats op diverse dieptes . 46
Kaart 5: Geografische spreiding van de centra van de k-means clusters ................................. 62
Kaart 6: Niet opgenomen paalputten en uitschieters bij de k-means clusteranalyse ................ 64
Kaart 7: Resultaten k-means clusteranalyse voor de paalputten .............................................. 65
Kaart 8: Locatie van de paalputten in de clusters 1, 3, 7 en 12 ................................................ 69
Kaart 9: Locatie van de paalputten in cluster 14 en in structuur BPC ..................................... 69
Kaart 10: Locatie van de paalputten in cluster 9 en in structuur BPN ..................................... 70
Kaart 11: Locatie van de paalputten in cluster 2 en in structuur BMSE .................................. 70
Kaart 12: Locatie van de paalputten in cluster 5 ...................................................................... 71
ix
LIJST VAN TABELLEN
Tabel 1: Relatie tussen dimensie en het ingenomen aandeel in de ruimte ................................. 6
Tabel 2: Temporele categorieën volgens Katsianis et al. (2008) ............................................. 12
Tabel 3: Fasering van de site Molesme „Sur-les-Creux‟ .......................................................... 24
Tabel 4: Beschikbare shapefiles Molesme „Sur-les-Creux‟ ..................................................... 25
Tabel 5: Begrippen met betrekking tot data-imperfectie ......................................................... 38
Tabel 6: Meest voorkomende types van onroerende vondsten ................................................ 44
Tabel 7: Verschil tussen agglomeratiecoëfficiënten van de hiërarchische clustering .............. 60
Tabel 8: Clustercentra voor clusters 1,8 en 12 ......................................................................... 61
Tabel 9: Aandeel van de k-means clusters in de structuren bepaald door Deweirdt (2010) .... 68
x
LIJST VAN AFKORTINGEN
2D Tweedimensionaal
3D Driedimensionaal
4D Vierdimensionaal
AISc Archaeological Information Science
BAP Bassin Piscicole
BMSE Bâtiment Maçonné Sud-Est
BPC Bâtiment sur Poteaux Central
BPN Bâtiment sur Poteaux Nord
BPNE Bâtiment sur Poteaux Nord-Est
CAA Computer Applications and Quantitative Methods in Archaeology
CAD Computer-Aided Design
CIDOC CRM International Committee for Documentation Conceptual Reference Model
D Dimensie
DTM Digitaal Terrein Model
FOE Fossé Est
FON Fossé Nord
FOW1 Fossé Ouest 1
FOS Fossé Sud
GIS Geografische Informatiesysteem of Geografische Informatiesystemen
GML Geography Markup Language
GPS Global Positioning System
ISO International Organization for Standardization
IT Informatietechnologie
n.C. Na Christus
OED Oxford English Dictionary
UML Unified Modeling Language
v.C. Voor Christus
VR Virtual Reality
VRML Virtual Reality Modeling Language
XML Extensible Markup Language
Verzameling van reële getallen
Verzameling van gehele getallen
1
1 INLEIDING
De laatste jaren is het gebruik van en de interesse in geografische informatiesystemen (GIS)
sterk toegenomen. Deze trend doet zich niet alleen voor in geografisch onderzoek, maar ook
in verschillende andere domeinen als geologie, ruimtelijke planning, biologie, …(Breunig &
Zlatanova, 2011). Ook voor archeologen biedt GIS diverse mogelijkheden om de relaties
tussen verschillende sites of objecten van een site te analyseren en te interpreteren. Toch is het
aantal archeologische studies dat uitvoerig gebruik maakt van GIS beperkt. Een eerste reden
hiervoor is dat de kennis en vaardigheden van archeologen in computer- en
informatiewetenschappen niet evenredig zijn gegroeid met het aanbod aan GIS-software
(Wheatley & Gillings, 2002). Llobera (2011) verklaart dit hiaat tussen informatietechnologie
(IT) en archeologie door de afwezigheid van een zogenaamde „amfibiestaat‟. De
bekwaamheid in de verschillende disciplines laat in dergelijke hoedanigheid zonder
problemen de overschakeling ertussen toe en geeft de mogelijkheid om nieuwe inzichten te
verkrijgen. De tweede reden ligt in het gebrek aan software die specifiek voor archeologen is
ontwikkeld en bovendien eenvoudig in gebruik en kostenefficiënt is (Losier et al., 2007).
Wheatley en Gillings (2002) halen hierbij eveneens aan dat opgravingsdata driedimensionaal
(3D) zijn, maar dat de gebruikelijke GIS-pakketten voornamelijk gericht zijn op
tweedimensionale (2D) gegevens en analyses. Veel archeologen zien dus het gebruik van GIS
nog niet als een gangbaar onderzoeksmiddel of hebben nog geen duidelijk inzicht in de
uitgebreide mogelijkheden ervan.
Hieruit blijkt de nood om een GIS voor archeologische data te ontwikkelen. Dat dient
eenvoudig in gebruik en kostenefficiënt te zijn, maar vooral gericht op de vereisten van
personen die omgaan met archeologische data. Het intrinsieke driedimensionale karakter van
de archeologische gegevens en het feit dat archeologie onlosmakelijk verbonden is met tijd
geeft bovendien aanleiding tot de ontwikkeling van een vierdimensionaal (4D) GIS.
Bovendien dient rekening te worden gehouden met imperfectie die van nature met
archeologische gegevens verbonden is.
In eerste instantie moet een 4D-GIS ten minste dezelfde mogelijkheden bieden als een 2D-
GIS (Zlatanova et al., 2002). Een 4D-GIS kan voor archeologen verschillende voordelen
inhouden. 3D-visualisaties geven een meer realistische voorstelling van de werkelijkheid en
maken het mogelijk om de site als het ware opnieuw te bezoeken, zelfs nadat deze vernietigd
2
of sterk gewijzigd is (Al-Hanbali et al., 2006). Voor dergelijke visualisaties wordt
voornamelijk gebruik gemaakt van virtual reality-omgevingen (VR). VR is een sterke tool om
omgevingen zeer realistisch weer te geven, maar is nooit bedoeld als analytische tool
(Llobera, 2011). 3D-visualisaties bieden ook een natuurgetrouwer overzicht van de structuren
en objecten op een site. Op die manier bevorderen ze het inzicht in en de interpretatie van de
topologische en ruimtelijke relaties tussen de verschillende opgravingen en stratigrafische
lagen op de site (Losier et al., 2007). Daarnaast kan de ontwikkeling en het gebruik van een
4D-GIS ook aanleiding geven tot de ontwikkeling van nieuwe of verbeterde methoden en dit
zowel op het vlak van dataregistratie, analyses, interpretatie als voorstelling (Katsianis et al.,
2008).
Bij de ontwikkeling van een 4D-GIS verdient het de voorkeur voldoende aandacht te
schenken aan het gebruik van standaarden voor geodatabases om de heterogeniteit van
datamodellen te beperken (Breunig & Zlatanova, 2011). Een ander voordeel van het gebruik
van standaarden ligt in de interoperabiliteit. Het gebruik van een open formaat als eXtensible
Markup Language (XML) of Geography Markup Language (GML) laat data-uitwisseling
eenvoudig toe (Antrop & De Maeyer, 2008) en maakt het mogelijk verschillende datasets vlot
te integreren (Schloen, 2001). Een dataformaat dat gebaseerd is op een internationale
standaard levert namelijk een kader voor toepassingsonafhankelijke codering van data (CGI,
2008).
In deze masterproef is het de bedoeling een eerste stap te zetten in de richting van een
vierdimensionaal archeologisch GIS. Deze stap omvat het verwerven van inzicht in de
structuren en objecten die voorkomen op archeologische sites en het analyseren van de
relaties ertussen. Op die manier kunnen de meest significante kenmerken worden
geïdentificeerd en kan een elementair conceptueel model worden opgemaakt.
Om deze doelstelling te verwezenlijken wordt een casestudie uitgevoerd. Deze heeft
betrekking op een archeologische site te Molesme (Frankrijk). In deze casestudie zal worden
rekening gehouden met zowel de data, de gebruikers als de functionaliteit. Hieruit vloeien drie
pijlers voort waarop het onderzoek steunt: gebruikersgericht, objectgericht en analysegericht.
Ten eerste wordt nagegaan welke de noden van het systeem zijn en met welke complexiteiten
moet worden rekening gehouden. De tweede pijler richt zich naar de objecten die op de site
voorkomen. Er wordt onderzocht welke objecten dit zijn en wat hun geometrische,
3
semantische en topologische kenmerken zijn. Ten slotte wordt bestudeerd welke analyses
voor deze site werden uitgevoerd en welke nieuwe 4D-analyses mogelijk zijn.
Naast een bespreking van de concepten object, ruimte en tijd wordt in het tweede hoofdstuk
een overzicht gegeven van de bestaande projecten betreffende 3D of 4D archeologische GIS.
De site Molesme „Sur-les-Creux‟, waarop het onderzoek wordt uitgevoerd, wordt in het derde
hoofdstuk kort geschetst. Vervolgens wordt het ter beschikking gestelde materiaal en de
gebruikte methodologie besproken. De resultaten en antwoorden op de onderzoeksvragen
worden in het zesde hoofdstuk weergegeven. Aansluitend worden de resultaten van het
onderzoek vergeleken met reeds verricht wetenschappelijk onderzoek en worden de
mogelijkheden en beperkingen aangehaald. Ten slotte wordt de conclusie van het onderzoek
weergegeven.
4
2 LITERATUUROVERZICHT
Een GIS dat speciaal ontwikkeld is voor archeologische data en analyses en dat bovendien
vierdimensionaal is, is tot op vandaag onbestaande. In de literatuur wordt veelvuldig geduid
op de noodzaak en op de voordelen die een 3D- of 4D-GIS kan bieden. Zlatanova et al.
(2002) wijzen erop dat een 3D-GIS als eerste doel heeft ten minste in dezelfde
functionaliteiten te voorzien als een 2D-GIS, maar dat aan deze doelstelling niet werd voldaan
door de systemen die op dat moment op de markt waren. Uit de literatuur blijkt dat deze
situatie tot op vandaag standhoudt. Meestal worden de data verspreid over verschillende
systemen, bv. één voor dataopslag en een ander voor visualisatie. Deze opsplitsing leidt vaak
tot inconsistentieproblemen die op hun beurt leiden tot extra tijd, geld en moeite om tot de
bedoelde oplossing of gegevensverwerking te komen (Zlatanova et al., 2002). Er wordt hier
dan ook een opsplitsing gemaakt naar onderzoeksprojecten die zich vooral richten op 3D-
visualisatie en -publicatie van archeologisch data en onderzoek dat zich richt naar
gegevensopslag, data-uitwisseling en 3D-analyses. Alvorens de recente ontwikkelingen in
3D-GIS toe te lichten, wordt eerst ingegaan op de concepten object, ruimte en tijd. Arroyo-
Bishop en Lantada Zarzosa (1995) omschrijven archeologie immers als een object-ruimte-tijd
relatie. Om tot juiste conclusies te komen moeten deze drie factoren tegelijk worden
behandeld en moeten de ruimte- en tijdsdimensie worden gehanteerd in relatie tot andere data
(Arroyo-Bishop & Lantada Zarzosa, 1995).
2.1 Objecten
Een geografisch object is een gegeven of realworld-object dat gelokaliseerd en beschreven
kan worden. Deze definitie maakt duidelijk dat een object geometrische en niet-geometrische
gegevens omvat (Antrop & De Maeyer, 2008). Elk object bezit een set van geassocieerde
attributen die het mogelijk maakt om het te onderscheiden van andere objecten (Goodchild,
1992). Naast de geometrie zijn er ook semantische of thematische attributen en topologische
eigenschappen (Antrop & De Maeyer, 2008). Objecten kunnen zowel statisch als dynamisch
zijn met betrekking tot tijd, zoals beschreven in paragraaf 2.3 (Antrop & De Maeyer, 2008).
Om een duidelijk onderscheid te kunnen maken tussen realworld- en softwareobjecten kan
eveneens de term „feature’ worden gebruikt. De ISO-norm 19101 geeft namelijk volgende
definitie: “A feature is an abstraction of a real world phenomenon” (Kottman & Reed, 2009).
Deze theoretische concepten sluiten aan bij een objectgeoriënteerde programmeer- of
5
datamodelleringsbenadering. Een objectgeoriënteerde benadering maakt het vaak mogelijk
om complexe ruimtelijke fenomenen uit te drukken in termen die dichter bij het menselijk
denken liggen dan in het geval van een traditionele benadering (Egenhofer & Frank, 1992).
Archeologie wordt gekenmerkt door een grote diversiteit aan objecten die op zeer
verschillende manieren gerelateerd zijn (Madsen, 2003). Archeologische vondsten zijn zeer
onregelmatig en kunnen ook bijzonder complex zijn (Barceló et al., 2003). Naast het groot
aantal verschillende objecten maken onzekerheid en topologische beperkingen het nog
complexer en moeilijker om archeologische eenheden en hun karakteristieken te bepalen. De
onzekerheid wordt enerzijds veroorzaakt door de verscheidenheid aan bestaande
opgravingsmethodes en anderzijds door de subjectieve beschrijving van de objecten
(Katsianis et al., 2008). Bovendien zijn niet alle archeologische vondsten intact, wat de
onzekerheid en de complexiteit van het beschrijven en modelleren nog vergroot (Deweirdt,
2010).
2.2 Ruimte
2.2.1 Algemene basisconcepten
Alvorens in te gaan op een aantal basisconcepten in verband met ruimte, wordt eerst getracht
een definitie te geven voor ruimte. Pfoser en Tryfona (1998) definiëren ruimte als een
wiskundige verzameling van punten. Alle verzamelingen zijn mogelijk, maar afhankelijk van
het doel en met het oog op een eenvoudig gebruik zijn de meest voorkomende de verzameling
van reële ( ) of gehele ( ) getallen.
Objecten in de reële wereld hebben een positie in de ruimte (Pfoser & Tryfona, 1998). Een
ruimtelijk object is een object waarvoor deze positie bepalend is in functie van een bepaalde
toepassing (Pfoser & Tryfona, 1998). Antrop en De Maeyer (2008, p. 2) definiëren een
ruimtelijk object als een object dat kan worden gelokaliseerd, maar dat verder geen
beschrijving heeft.
6
2.2.1.1 0, 1, 2 en 3D
Een belangrijk ruimtelijk basisconcept is dimensie (D). Losier et al. (2007) benadrukken dat
er verwarring kan heersen bij het gebruik van deze term. Dimensie kan namelijk aanzien
worden als referentie naar een coördinatensysteem, maar kan ook corresponderen met de
lengte, breedte en hoogte van een object. Losier et al. (2007) definiëren dimensie als de
hoeveelheid metingen die nodig zijn om het aandeel van de ruimte dat door een object of de
geometrische weergave ervan wordt ingenomen, voor te stellen (Tabel 1).
Tabel 1: Relatie tussen dimensie en het ingenomen aandeel in de ruimte
Object Metingen nodig voor bepaling
ingenomen ruimtelijk aandeel Dimensie
Puntobject 0D
Lijnobject Lengte 1D
Vlakobject Breedte, lengte of oppervlak 2D
Volumeobject Lengte, breedte, hoogte of volume 3D
Bron: naar Losier et al., 2007
2.2.1.2 Geometrische primitieven en topologische relaties
De definitie voor dimensie van Losier et al. (2007) heeft een duidelijke link met de
geometrische primitieven. Een geometrische primitief is een basiselement voor het
beschrijven van de geometrie van een terreinobject. Drie dergelijke primitieven kunnen
worden onderscheiden: punt, lijn en vlak (Antrop & De Maeyer, 2008). Een puntobject wordt
geometrisch beschreven door één coördinatenpaar. Een lijn wordt gedefinieerd door
aansluitende elementen. Een segment is een rechtlijnig object dat wordt begrensd door twee
knopen of nodes. Ook een lijn wordt gekenmerkt door een begin- en eindknoop. Een vlak
wordt aangeduid door de lijnen die zijn grenzen bepalen. Het is mogelijk om binnen en buiten
te onderscheiden bij een vlak wanneer gebruik wordt gemaakt van gerichte lijnen of
segmenten.
Geometrische primitieven worden gebruikt om topologische relaties te beschrijven.
Topologische relaties zijn een goed bestudeerd gegeven (Kurata, 2010), wat leidt tot
verschillende modellen en theorieën die erover bestaan. Uit het overzicht van Kurata (2010)
blijkt dat de acht topologische relaties tussen twee vlakken in een 2D-ruimte van Egenhofer
(1989), het 9-intersectie- van Egenhofer en Herring (1991) en 9+-intersectiemodel van Kurata
en Egenhofer (2007) de belangrijkste zijn. Deze laatste twee maken gebruik van binnen,
7
buiten en grens om negen types topologische relaties tussen twee vlakken vast te leggen. Het
aantal mogelijke relaties tussen alle mogelijke combinaties van de geometrische primitieven
(punten, lijnen, vlakken en volumes) in , en wordt door Zlatanova (2000) bepaald op
basis van het 9-intersectiemodel. Kurata (2008) doet hetzelfde op basis van het 9+-
intersectiemodel. Kurata (2010) stelt dat deze topologische relaties niet voldoen voor fysische
objecten omdat deze enkel een disjuncte relatie ten opzicht van elkaar kunnen aannemen. Om
dit probleem te overwinnen stelt Kurata (2010) voor het 9-intersectie model uit te breiden tot
contactrelaties. Een uitgebreide beschrijving zou hier echter te ver leiden en is te vinden in
Kurata (2010).
2.2.2 Ruimte en archeologie
2.2.2.1 Ruimte
Archeologie is sterk verbonden met de ruimte en dit in de drie dimensies. Volgens Barceló et
al. (2003) kan slechts van een archeologische site sprake zijn als de fysische ruimte door
menselijke tussenkomst gewijzigd is. De wijziging van de fysische ruimte door natuurlijk en
menselijk ingrijpen laat toe componenten te onderscheiden. Een component is bijgevolg een
regio in de ruimte die wordt afgebakend door ruimtelijke discontinuïteiten in kleur, textuur,
vorm of topologie (Barceló et al., 2003). Deze definities van archeologische site en
componenten laten duidelijk de sterke band met de ruimte blijken. Llobera (2011) stelt dat
archeologen voortdurend wisselen tussen verschillende conceptualisaties van ruimte. De
ruimte wordt vooral bestudeerd om het gebruik ervan in verschillende tijdsfases te kunnen
bepalen. Op basis van de exacte locaties van gevonden objecten in de ruimte, de
eigenschappen van deze vondsten, andere ruimtelijke attributen zoals bodemtype en
topologische relaties tracht men tot dergelijke fasering van de site te komen (Tsipidis et al.,
2005).
Objecten die op een archeologische site worden gevonden, zijn ruimtelijke objecten in de zin
van de definitie van Pfoser en Tryfona (1998), maar omdat ze een uitgebreide beschrijving
bezitten zijn het geografische objecten volgens de definitie van Antrop en De Maeyer (2008).
Naast exact te lokaliseren objecten bestaan er verschillende vondsten die niet aan exacte
coördinaten kunnen worden gekoppeld, maar enkel in relaties vervat kunnen worden. Het gaat
dan voornamelijk om kleine vondsten die vervat zitten in een bepaalde eenheid of vondst, bv.
potscherven (Schloen, 2001).
8
2.2.2.2 3D
Barceló et al. (2003) voegen aan hun definitie van component expliciet toe dat dit altijd
driedimensionaal is. Archeologische data hebben een intrinsiek 3D-karakter (Wheatley &
Gillings, 2002; Barceló et al., 2003; Tsipidis et al. 2005). Tijdens een archeologische
opgraving wordt geprobeerd structuren te ontdekken die zich diep in de grond bevinden, maar
archeologen onderzoeken ook structuren en resten die zich boven de grond bevinden. De
diepte en hoogte vormen zo de derde dimensie die een unieke bijdrage levert in de
verschillende onderdelen van het archeologische onderzoek (Tsipidis et al., 2005). Hoewel
archeologische opgravingen gebeuren in de 3D-ruimte, worden de data in vele gevallen in 2D,
in de vorm van plannen, doorsneden, schetsen, … geanalyseerd en geïnterpreteerd (Conolly &
Lake, 2006, p. 38).
2.3 Tijd
2.3.1 Algemene concepten
Naast ruimtelijke kenmerken is tijd een niet verwaarloosbaar aspect bij het verzamelen,
analyseren en interpreteren van data. Het geven van een ondubbelzinnige definitie van tijd is
echter heel wat complexer dan dit voor ruimtelijke dimensies het geval is. Šmejda (2009) stelt
dat de onmogelijkheid om een algemeen geldende definitie van tijd te geven de meest
essentiële eigenschap van tijd is. Het is wel mogelijk een aantal temporele primitieven en
basisconcepten te onderscheiden en de link te leggen met de ruimte.
2.3.1.1 Temporele primitieven en analogie met ruimtelijke concepten
Een tijdspunt, ook tijdstip of moment genoemd, is een eerste temporeel basisbegrip. Het
wordt gekenmerkt door één enkel punt op een tijdslijn (van Oosterom, 2006), waarmee
meteen de analogie met het ruimtelijk primitief „punt‟ duidelijk wordt. Een tijdspunt wordt
beschouwd als één chronos (Pfoser & Tryfona, 1998). Dit is de kleinste tijdseenheid en kan
bijgevolg vergeleken worden met de resolutie van een rasterbeeld (van Oosterom, 2006).
Het tweede temporeel primitief is het tijdsinterval. Net zoals een geometrische lijn een begin-
en eindpunt bezit, wordt een tijdsinterval gekenmerkt door een begin- en eindpunt op een
tijdslijn (van Oosterom, 2006). Een tijdsinterval heeft een duur en bestaat uit een set van
9
chronoi (Pfoser & Tryfona, 1998). Volgens van Oosterom (2006) is een periode hetzelfde als
een tijdsinterval. Dit stemt niet volledig overeen met de visie van Pfoser en Tryfona (1998)
die een tijdsperiode definiëren als een set van tijdspunten, tijdsintervallen of elke mogelijke
combinatie hiervan. Een tijdsperiode hoeft volgens deze definitie dus niet noodzakelijk
aaneensluitende tijdstippen of tijdsintervallen te omvatten.
Naar analogie met de ruimtelijke primitieven kunnen tussen deze twee temporele primitieven
verschillende topologische relaties bepaald worden (Antrop & De Maeyer, 2008; van
Oosterom, 2006). De topologische relaties tussen tijdspunten, tijdsintervallen en de
combinatie van beide worden in onderstaande Figuur 1 weergegeven.
Figuur 1: Topologische relaties tussen temporele primitieven
Bron: Antrop & De Maeyer, 2008, pp. 116-118; van Oosterom, 2006, eigen bewerking
2.3.1.2 Andere basisconcepten van tijd
Een tijdsschaal kan lineair zijn, maar ook cyclisch of vertakt (Antrop & De Maeyer, 2008, pp.
116-118). Deze laatste vorm wordt voornamelijk geassocieerd met onzekere of (deels)
onbekende tijdsintervallen of –punten en dit zowel in de toekomst als in het verleden (van
Oosterom, 2006).
Bovendien kunnen verschillende soorten tijd worden aangeduid (van Oosterom, 2006).
Objecten kunnen dan ook meerdere temporele waarden hebben (Katsianis et al., 2008).
Mogelijke tijdssoorten zijn bijvoorbeeld het tijdstip waarop iets wordt waargenomen, het
BEVAT en EINDIGT GELIJK
BEVAT en BEGINT GELIJK
VOOR
NA
GELIJK
RAAKT
OVERLAPT
BEVAT
Tijdsintervallen Tijdspunt & tijdsinterval
Tijdspunten
10
tijdstip waarop een object wordt opgenomen in een databank, de periode of het moment
waarop iets heeft bestaan of plaatsgevonden in een bepaald classificatiesysteem, … (van
Oosterom, 2006; Katsianis et al., 2008). Uit deze voorbeelden van tijdssoorten kunnen twee
groepen worden afgeleid: wereldtijd en systeemtijd (van Oosterom, 2006). Deze groepen
worden in de literatuur eveneens aangeduid met respectievelijk transaction time en valid time
of database time (Pfoser & Tryfona, 1998; Antrop & De Maeyer, 2008, p. 118). De wereldtijd
duidt de reële tijd aan voor het bestaan in de werkelijkheid van een object of feit. De
systeemtijd is het moment waarop het object of het feit in een databank (of ander systeem)
wordt opgenomen. Het is dan ook logisch dat de systeemtijd altijd achterloopt op de
wereldtijd en dit zowel voor begin- als eindpunt. Deze stelling wordt door van Oosterom
(2006) grafisch weergegeven in Figuur 2.
Figuur 2: Bi-temporeel model: systeemtijd loopt achter op wereldtijd
Bron: van Oosterom, 2006
Tijd kan opgenomen worden voor events of states. Een event doet zich voor op één bepaald
tijdstip en heeft dus geen duur. Een state daarentegen wordt aan elke chronos van een
tijdsinterval toegekend en heeft dus een duur (Pfoser & Tryfona, 1998).
2.3.1.3 Combinatie van tijd en ruimte
Pfoser en Tryfona (1998) definiëren vanuit de vereisten van de gebruiker een aantal
tijdruimtelijke concepten om een beter inzicht in de tijdruimtelijke toepassingen te
verschaffen. Het opnemen van een bepaald ruimtelijk object op een bepaald tijdstip komt
overeen met het nemen van een momentopname of snapshot. Een ruimtelijk object registreren
in een bepaald tijdsinterval is hetzelfde als het vastleggen van zijn evolutie. Hierbij worden de
11
wijzigingen van de posities van het object opgenomen. Deze wijzigingen kunnen zowel
continu als discreet zijn, wat respectievelijk resulteert in beweging (motion) of veranderingen
(changes). Wanneer objecten worden opgenomen in tijdspunten van eenzelfde tijdsperiode,
geeft dit related snapshots.
De integratie van de tijdsdimensie in een ruimtelijke databank of GIS en de mogelijkheid tot
temporele analyses zijn tot nog toe niet efficiënt gerealiseerd (Katsianis et al., 2008). De
implementatie van tijd in een 3D-GIS is nog moeilijker te realiseren door het beperkte aantal
beschikbare tools en systemen (Katsianis et al., 2008) en de complexiteit van zowel tijd als de
driedimensionale ruimte (Pfoser & Tryfona, 1998).
2.3.2 Tijd in archeologie
Tijd is één van de voornaamste elementen in archeologisch onderzoek. De definitie van
tijdsfases van het gebruik van een bepaald deel van de ruimte door vroegere
bevolkingsgroepen en de begrenzingen in ruimtelijke en culturele termen is één van de
hoofdfenomenen die in een opgravingsstudie wordt onderzocht (Tsipidis et al., 2005).
Ruimtelijke data worden meestal in een temporeel verband beschouwd waardoor de
tijdruimtelijke configuratie van de informatie fundamenteel belangrijk wordt (de Runz et al.,
2010). Tijd is niet rechtstreeks op objecten of hun omgeving waar te nemen. De
tijdscomponent is enkel af te leiden uit analyse van de ruimtelijke eigenschappen en/of de
attributen (Spaulding, 1960 zoals geciteerd in Šmejda, 2009).
Archeologische data verschillen van dynamische tijdsfenomenen in het feit dat zij events of
states voorstellen (Katsianis et al., 2008). Tijd wordt in archeologie dan ook doorgaans gezien
als een discreet fenomeen, waarbij het verleden wordt opgedeeld in fases van verschillende
lengte en met een variërende kwaliteit van de definitie (Šmejda, 2009). Katsianis et al. (2008)
stellen vast dat steeds meer onderzoekers de overstap zouden willen zien van een lineair,
objectief en onomkeerbaar tijdsbegrip naar een meer flexibele benadering. Deze benadering
omvat concepten als meervoudige temporele paden, verschillende tijdsschalen en niet-lineaire
trajecten. Het onderzoek met betrekking tot dergelijke concepten is de laatste jaren sterk
toegenomen, maar tot op heden is de integratie van een meer flexibele benadering van het
tijdsconcept in een GIS nog niet mogelijk (Breunig & Zlatanova, 2011).
12
Zoals eerder aangehaald, bestaan er verschillende soorten tijd (van Oosterom, 2006). Ook aan
archeologische objecten kunnen meerdere sets van temporele waarden worden toegekend.
Katsianis et al. (2008) hebben zes temporele paden geïdentificeerd om archeologische data te
beschrijven. Het gaat zowel om events als states of durations als relatieve temporele relaties.
De categorieën met bijhorende beschrijving, soort en voorbeeld worden in Tabel 2
weergegeven. Hieruit blijkt dat ook de systeemtijd of database time is opgenomen.
Tabel 2: Temporele categorieën volgens Katsianis et al. (2008)
Bron: Katsianis et al., 2008
De complexiteit van het tijdsbegrip in de archeologie wordt naast de verschillende
tijdssoorten ook bepaald door onzekerheid. Archeologische data zijn vaak onzeker,
onnauwkeurig en het resultaat van interpretatie (de Runz et al., 2010). De onzekerheid wordt
bovendien deels bepaald door de interpretatie van de data (Katsianis et al., 2008). Bij het
onderzoeken van temporele relaties, bv. “Is element a ouder dan element b?” speelt deze
onzekerheid een belangrijke rol. Een binair antwoord, louter ja (voor) of nee (na), zal niet
voldoen. Om deze reden stellen de Runz et al. (2010) voor om gebruik te maken van een
betrouwbaarheidsindex, namelijk ‘anteriority index’. Op die manier wordt de onzekerheid van
de twee data en bijgevolg van de temporele relatie ertussen duidelijk gemaakt en kan de
betrouwbaarheid van het antwoord worden beoordeeld.
13
2.4 Onderzoeksprojecten
2.4.1 Projecten gericht op 3D-visualisatie en -publicatie
In de literatuur kunnen een aantal projecten worden gevonden die de derde en zelfs vierde
dimensie trachten te integreren in archeologisch onderzoek, maar die voornamelijk de nadruk
leggen op visualisatie.
Barceló et al. (2003) maken gebruik van een digitaal terrein model (DTM) om vervolgens de
verandering in vorm, textuur, kleur en topologie voor te stellen onder de vorm van vlakken.
De opbouw van het 3D-model gebeurt van macro- naar microschaal. Barceló et al. (2003)
halen als voordelen van deze methode en het uiteindelijke model de mogelijkheid van
volumeberekening en een goede 3D-impressie van het formatieproces van de afzettingen aan.
Hieruit blijkt dat het analytische doel zeer beperkt blijft.
Al-Hanbali et al. (2006) proberen de mogelijkheden van enerzijds digitale fotogrammetrie en
anderzijds GIS aan te tonen in een project rond de stad Jerash in Jordanië. De doelstelling van
dit project is het opbouwen van een 3D-VR-model van de Artemistempel als documentatie, de
constructie van een GIS-model van de stad en de opname van het Artemismodel in het GIS-
model. Ook hier wordt geopteerd om van macro- naar microschaal te werken. Op basis van
satellietbeelden worden een DTM en orthofoto‟s aangemaakt. GIS wordt gebruikt voor het
exact lokaliseren van de archeologische site en de monumenten. De VR-omgeving zal
toelaten dat personen een aantal belangrijke monumenten en in de toekomst de volledige site
virtueel kunnen bezoeken. GIS wordt in dit project enkel aangewend voor het voorzien in een
achtergrondkaart of dus als een referentiekader. Al-Hanbali et al. (2006) halen echter wel het
belang van een 3D-model voor ruimtelijke analyse aan. Ze stellen dat een belangrijke
ruimtelijke analyse die werd uitgevoerd, een evaluatie is van de bevolkingsuitbreiding van de
moderne stad tegenover de oude stad. Deze analyse is gebeurd op basis van overlegtechniek
van orthofoto‟s (Al-Hanbali et al., 2006). Deze techniek heeft in se weinig te maken met het
3D-model en is een gekende techniek in huidige GIS-analyses. Ook hier blijkt terug dat het
project voornamelijk draait om het voorzien in visualisatie van de site en haar objecten en in
publicatie naar toerisme toe en veel minder met analyses of het archeologische
werkingsproces te maken heeft.
14
Llobera (2011) besluit dat VR een zeer krachtige tool is voor het renderen van complexe
scènes en een holistisch beeld van het verleden kan creëren. Daartegenover staat echter dat
VR nooit bedoeld is als een analytisch hulpmiddel. Het kan als actieve tool slechts een
beperkte rol vervullen in het archeologisch proces van dataverkenning, analyse en
interpretatie. Op deze manier kan VR worden vergeleken met Computer-aided Design
(CAD)-systemen. CAD kan worden gebruikt met andere tools voor analyses, maar het was
nooit bedoeld om een zuiver analytisch instrument te zijn. Die functie is dan weer wel
weggelegd voor GIS (Llobera, 2011). Om deze reden wordt in deze masterproef geen verdere
aandacht besteed aan VR en fotogrammetrie.
2.4.2 Projecten gericht op gegevensopslag, data-uitwisseling en 3D-analyses
Een tweede groep van onderzoeksprojecten richt zich meer op het opslaan van archeologische
data, uitwisseling tussen verschillende gebruikers en op het uitvoeren van analyses. Om dit te
realiseren is er nood aan een geschikt datamodel. Dit model moet begrijpbaar zijn door de
gebruikers, i.e. archeologen en personen die omgaan met archeologische data (Schloen, 2001;
Arp, 2003). Wanneer het in een XML-schema wordt uitgedrukt, zal het een probleemloze
integratie van verschillende datasets mogelijk maken (Schloen, 2001). De implementatie van
een archeologisch datamodel kan voor onderzoekers zeer nuttig zijn in alle fasen van een
project, maar er dient wel rekening te worden gehouden met de problematiek van tijd en
schaal (Arp, 2003).
In verschillende andere domeinen bestaan reeds datamodellen die driedimensionale data
behandelen en die gebaseerd zijn op XML en GML schema‟s (Breunig & Zlatanova, 2011).
De twee belangrijkste en meeste gekende standaarden zijn CityGML voor het domein van
ruimtelijke planning, stedenbouw en architectuur (Gröger et al., 2008) en GeoSciML voor het
domein van geologie (CGI, 2008; Robida, persoonlijke mededeling, 16 april 2012). CityGML
is ontwikkeld met het doel om tot een gemeenschappelijke definitie van basisentiteiten,
attributen en relaties van een 3D-stadsmodel te komen (Gröger et al., 2008). Het beoogt het
voorstellen, opslaan en uitwisselen van virtuele 3D-modellen van steden en landschappen
(Gröger et al., 2008). Het model bestaat zowel uit een geometrisch als een thematisch deel en
onderscheidt vijf detailniveaus (Gröger et al., 2008). GeoSciML wil het mogelijk maken om
geowetenschappelijke informatie te bevragen en uit te wisselen tussen gebruikers en
dataleveranciers (CGI, 2008). De reikwijdte van GeoSciML wordt in een eerste fase van de
15
ontwikkeling beperkt tot de componenten die zich op de geologische kaart bevinden samen
met veldobservaties en boringen (CGI, 2008). Voor de documentatie van cultureel erfgoed en
de uitwisseling en integratie ervan wordt het “International Committee for Documentation
Conceptual Reference Model” (CIDOC CRM) gebruikt. Dit conceptueel referentiemodel
geeft een definitie en formele structuur voor de beschrijving van impliciete en expliciete
concepten en relaties die worden gebruikt in de documentatie van cultureel erfgoed (Crofts et
al., 2011). Dit datamodel is sinds 2006 officieel de ISO-standaard 21127:2006
(http://www.cidoc-crm.org, 30 december 2011). De reikwijdte van deze standaard wordt
aangeduid als “the curated knowledge of museums” (Crofts et al., 2011, p. ii). Dit maakt
duidelijk dat dit datamodel niet volstaat voor alle archeologische objecten en toepassingen,
maar vooral gericht is naar meer traditioneel cultureel erfgoed als schilderijen en
beeldhouwwerken die zich al dan niet in musea bevinden. Felicetti et al. (2010) stellen voor
om datamodellen te voorzien van een semantische beschrijving om belangrijke informatie die
anders niet in het model wordt opgenomen, weer te kunnen geven. Zij maken gebruik van
GML3 omdat deze standaardtaal al een basisniveau van semantiek in zich draagt. Het project
bestaat erin om GML-code te verrijken met entiteiten van CIDOC CRM.
De drie bovengenoemde datamodellen zijn allen objectgeoriënteerd. Madsen (2003)
ondervond dat het gebruik van relationele databanken voor het opnemen van gegevens snel
leidt tot het vervallen in complexiteit. Deze complexiteit kan worden vermeden door gebruik
te maken van objectoriëntatie (Madsen, 2003). Het systeem ArcheoInfo dat door Madsen
(2003) werd uitgewerkt is voornamelijk gericht op gegevensopslag en houdt bovendien
weinig tot geen rekening met de geometrische eigenschappen van de data. De belangrijkste
analyses die worden vermeld, zijn het zoeken van gegevens en het opstellen van kruistabellen.
Arroyo-Bishop en Lantada Zarzosa (1995) onderzochten de mogelijkheid voor de
ontwikkeling van een GIS dat gebaseerd is op de relatie tussen objecten, ruimte en tijd. De
focus ligt bij dit onderzoek voornamelijk op de analyses die moeten kunnen gebeuren met het
GIS. Om dat te realiseren, definiëren ze een aantal bouwstenen. Deze bouwstenen zijn de
basiselementen waarop een krachtige analyse kan gebaseerd zijn: archeologische entiteiten,
ruimtelijke entiteiten, temporele entiteiten en interpretatieve groepen. Het ruimtelijke aspect
beperkt zich echter wel tot 2D. Uit dit onderzoek blijkt dat objecten, ruimte en tijd tegelijk
moeten en kunnen behandeld worden in een GIS. Bovendien vormen de
16
analysemogelijkheden een belangrijke basis in het ontwikkelingsproces en moeten ze dus van
in het begin voor ogen worden gehouden.
De relatie tussen objecten, ruimte en tijd in archeologie die door Arroyo-Bishop en Lantada
Zarzosa (1995) uitgebreid werd omschreven, vormt de basis voor het datamodel dat wordt
opgesteld in het onderzoek van Katsianis et al. (2008). Het datamodel is opgebouwd rond drie
assen: object, ruimte en tijd. Ze stellen dat ondanks de complexiteit die gepaard gaat met
archeologische data, een objectgeoriënteerde conceptuele datamodellering en een
ontwikkeling van een expliciet ontologisch model met tijdruimtelijke elementen zoals het
CIDOC CRM het opgravingsproces in een meer gestructureerd analytisch en semantisch
domein kan plaatsen. De ISO-standaard 21127 wordt toegepast door verwijzingen vanuit de
thematische Unified Modeling Language (UML)-schema‟s. Tsipidis et al. (2011) stellen een
aantal vereisten en eigenschappen vast waaraan moet worden voldaan voordat de effectieve
ontwikkeling van het datamodel en de software errond kan worden aangevat. De belangrijkste
vereisten die worden aangehaald zijn: driedimensionaliteit, temporele karakteristieken en
relaties, dynamisch zoeken en filteren, uitvoeren van complexe bevragingen, interface gericht
op de gebruiker. Naast het datamodel wordt ook de nadruk gelegd op een aantal
basisfunctionaliteiten (bv. selecteren, identificeren, …) en extra analysemogelijkheden (bv.
3D-buffer). Ook het groeperen van objecten wordt mogelijk (Tsipidis et al., 2005), wat
nogmaals de link met het onderzoek van Arroyo-Bishop en Lantada Zarzosa (1995) bevestigt
die interpretatieve groepen als een bouwsteen voor een GIS opvatten. Door deze functies uit
te werken en te benadrukken, blijkt duidelijk dat de analytische functionaliteiten van het te
ontwikkelen systeem centraal hebben gestaan in het ontwerp ervan. Het datamodel is echter
ontwikkeld voor een specifieke site, Paliambela Kolindros, en een specifieke
opgravingsmethodologie. Bovendien is het niet opgemaakt in een open dataformaat, wat de
eenvoudige data-uitwisseling tussen verschillende partijen beperkt.
Het onderzoeksproject van Losier et al. (2007) met betrekking tot de Syrische site van
Tell‟Acharneh belicht de voordelen van een GIS dat het 3D-karakter van archeologische data
probeert te integreren. Een belangrijke opmerking die bij dit project moet worden gemaakt, is
dat het in feite gaat om een CAD-toepassing met een GIS-plugin. De nadruk ligt in dit project
voornamelijk op de geometrische modellering van opgravingseenheden. De semantische
informatie wordt aan de objecten toegevoegd met behulp van tekstuele attributen. Hierdoor
blijkt dit project op het eerste zicht terug verder af te staan van het onderzoek in deze
17
masterproef. Dit is echter niet het geval want de voordelen van een 3D-model voor
archeologische data worden uitgebreid aangetoond. Het wordt mogelijk om de site vanuit
verschillende hoeken en schalen te onderzoeken en doorsnedes kunnen overal in het model
worden gemaakt. Op vlak van analyse kunnen multivariabele queries en metrische en
topologische analyses worden uitgevoerd. Door de combinatie te maken met Virtual Reality
Modeling Language (VRML) wordt een meer natuurgetrouw beeld verkregen van de site,
kunnen toekomstige opgravingen beter worden gepland en kunnen data realistisch worden
gepubliceerd voor een breed publiek.
Uit dit overzicht kan worden geconcludeerd dat een aantal onderzoekers in de richting werken
van de ontwikkeling van archeologische 3D- en 4D-GIS, bv. Arroyo-Bishop en Lantada
Zarzosa (1995), Katsianis et al. (2008). Er blijkt daarentegen ook dat de probleemstelling,
namelijk de nood aan een geschikt systeem voor archeologische data, al ruim meer dan een
decennium geleden door Arroyo-Bishop en Lantada Zarzosa (1995) werd geformuleerd, zij
het dan enkel in 2D. Arroyo-Bishop en Lantada Zarzosa (1995) stelden vast dat er een
ontelbaar aantal databases onafhankelijk van elkaar werden ontwikkeld, elk met hun eigen
thema‟s, structuren, indexeringen, … Schloen (2001) stelde eveneens vast: “[…] over the
years there has been a persistent lack of standardization in the structure of archaeological
datasets”. Uit de literatuur blijkt dat deze situatie tot op vandaag voortduurt. Er bestaan
verschillende projecten die onafhankelijk van elkaar en vaak specifiek voor een bepaalde site
een inspanning leveren om een archeologisch GIS te ontwikkelen en 3D-data te integreren.
18
3 SITEBESCHRIJVING MOLESME ‘SUR-LES-CREUX’
3.1 Geografie
De archeologische site Molesme „Sur-les-Creux‟ is gelegen aan de zuidwestelijke rand van
het grondgebied van de Franse gemeente Molesme (Deweirdt, 2010). Dit is de meest
noordelijke gemeente van het departement Côte d‟Or in de regio Bourgogne (Kaart 1).
Kaart 1: Locatie site Molesme 'Sur-les-Creux'
De site bevindt zich op ongeveer één kilometer ten zuidwesten van het huidige dorp
(Molesme). Zoals aangegeven met een toponiem op de topografische kaart (Kaart 2) wordt
die plaats „Sur-les-Creux‟ genoemd. De site is gelegen op de rechteroever van de Laigne
(Petit et al., 2006), zijrivier van de Seine en wordt er aan de westelijke zijde met een meander
volledig door omgeven (Deweirdt, 2010). Molesme „Sur-les-Creux‟ is gesitueerd onderaan de
lichte helling van de oostflank van de Laignevallei (Petit et al., 2006). Stroomopwaarts
19
bevindt zich de goed bewaarde site van Vertillum, een Latijnse oppidum1 en later een Gallo-
Romeinse stad. Sporen van een murus gallicus2 en een raster van straten en tussenliggende
eilandjes kenmerken deze laatste site.
Kaart 2: Lokalisatie van de site Molesme ‘Sur-les-Creux’ op de rechteroever van de
Laigne, ten zuidwesten van het huidige dorp Molesme
Bron: http://www.geoportail.fr, 13 februari 2012, eigen bewerking
1 Een oppidum is een nederzetting die versterkt werd met grachten en een wal met daarop een palissade. Oppida
komen veelvuldig voor vanaf het einde van de tweede eeuw v.C. (Capenberghs, 1991, p. 180) 2 Een murus gallicus is een verdedigingssysteem dat bestaat uit een geraamte van hout en opgevuld wordt met
aarde en stenen. Aan de buitenzijde wordt deze voorzien van een gemetselde stenen muur. (Capenberghs, 1991,
p. 180)
20
3.2 Archeologie
De site Molesme „Sur-les-Creux‟ werd in 1976 ontdekt door René Goguey tijdens een
luchtprospectie in de buurt van het oppidum van Vertillum. Het archeologisch onderzoek en
de opgravingen zijn gestart in 1996. In de periode tot 2004 hebben acht opgravingscampagnes
plaatsgevonden onder leiding van Christophe Petit. Het onderzoek kaderde in een
onderzoeksprogramma dat de complexe relaties tussen humane ontwikkelingen en de
alluviale dynamiek tracht te bepalen, te dateren en te kwantificeren op een zo precies
mogelijke manier (Deweirdt, 2010, p. 52-53). Voor een volledig overzicht van dit
geoarcheologisch onderzoek wordt verwezen naar Petit (2005) en Petit et al. (2006).
In wat volgt, wordt een kort overzicht gegeven van de belangrijkste objecten en structuren die
op de site aanwezig zijn (Kaart 3), evenals een beknopte interpretatie van de site. Wanneer
een meer uitvoerige beschrijving relevant is voor een deel van het onderzoek, wordt deze in
het betreffende hoofdstuk toegevoegd. Een uitgebreide beschrijving van de gevonden objecten
en structuren en uitgevoerde analyses wordt bovendien gegeven door Deweirdt (2010),
waarop dit overzicht is gebaseerd.
Kaart 3: Aanwezige objecten en structuren op de site Molesme 'Sur-les-Creux'
21
De site wordt gekenmerkt door vier grote greppels, nl. Fossé Est (FOE), Fossé Nord (FON),
Fossé Ouest 1 (FOW1) en Fossé Sud (FOS) (Kaart 3). De rechthoekige ruimte die zij
afbakenen heeft een oppervlakte van ongeveer 0,64 ha en omvat het belangrijkste deel van de
site. Voor het archeologisch onderzoek wordt deze ruimte opgesplitst in negen zones, één
centrale zone en acht omliggende gebieden. Daarnaast wordt in het westen een extra zone,
gelegen buiten de greppels, aangeduid.
De site bevat 269 paalputten. Door het uitvoeren van een ruimtelijke analyse van deze putten
waarbij onder andere rekening werd gehouden met diepte en oriëntatie konden een aantal
structuren worden onderscheiden. De centrale zone omvat één van de meest opmerkelijke
structuren van de site, nl. Bâtiment sur Poteaux Central („BPC‟). Deze structuur (Kaart 3 &
Figuur 3) wordt gevormd door zestien putten, gelegen in een cirkel met een diameter van 14,4
m. Op de oost-west georiënteerde middellijn van deze cirkel zijn twee diepere putten
aangetroffen. De putten waarin stenen voorkomen, wijzen hier op de aanwezigheid van een
cirkelvormige woning op houten palen. Ook in de noordoostelijke zone worden acht
paalputten gevonden in een cirkelvorm (Bâtiment sur Poteaux Nord-Est of BPNE). De
noordelijke zone wordt gekenmerkt door de vierkante structuur Bâtiment sur Poteaux Nord
(BPN) met een zijde van 15,4 m. Deze structuur overlapt de noordelijke greppel. Ook in de
andere zones worden verschillende paalputten aangetroffen die al dan niet aan een structuur
kunnen worden toegevoegd (Kaart 3).
Figuur 3: Structuur Bâtiment sur Poteaux Central (BPC)
Bron: Petit, 2001
22
Naast de greppels en de paalputten zijn een aantal gemetselde structuren de belangrijkste
onroerende elementen op de site. In de zuidoostelijke zone is een gemetselde structuur
Bâtiment Maçonné Sud-Est (BMSE) ontdekt met een oppervlakte van 325 m². In deze
structuur zijn zeven kamers te onderscheiden (Kaart 3 & Figuur 4). In het westen, buiten de
grenzen van de greppels, bevindt zich een bassin (Bassin Piscicole of BAP), dat vermoedelijk
bedoeld was om te vissen (Kaart 3 & Figuur 5). Het bassin heeft aan de binnenzijde een
lengte van 63,8 m en een breedte van 3,20 m. De diepte die bewaard is gebleven, varieert van
0,80 m in het zuiden tot 0,50 m in het noorden. In de zijwanden komen aan de basis achttien
kubusvormige nissen voor met zijdes van ongeveer 30 cm. Daarnaast worden op hogere
hoogte ook 21 inkepingen (20 cm x 10 cm x 10 à 15 cm) waargenomen, waarin in sommige
gevallen ook spijkers aanwezig zijn. De inkepingen dienden waarschijnlijk voor het inbouwen
van houten balken. Aan de zuidelijke grens is een watertoestroom aangelegd en de afvoer is in
het noorden gesitueerd.
Figuur 4: Structuur Bâtiment Maçonné Sud-Est (BMSE)
Bron: a) Petit & Goguey, 2002; b) Petit, 2004
a b
23
Figuur 5: Structuur Bassin Piscicole (BAP)
Bron: Petit, 2002
Naast onroerende elementen zijn ook mobiele vondsten aangetroffen op de site Molesme
„Sur-les-Creux‟. Er zijn ongeveer 14 000 scherven van keramisch vaatwerk gevonden met een
totaal gewicht van 122 kg. Daarnaast zijn 4600 scherven, samen 380 kg, aangetroffen die deel
uitmaken van amforen, grotendeels Italiaanse van het type Dressel I. Meer dan 30 000
dierenbotten zijn gevonden met een totaal gewicht van 264 kg. Hiervan is 43%
gedetermineerd wat overeenkomt met 88% van de totale massa. Het grote verschil tussen
beide percentages wordt veroorzaakt door het grote aantal niet-determineerbare botsplinters
met een gemiddeld gewicht van 1,7 g. De gedetermineerde resten zijn voornamelijk afkomstig
van gedomesticeerde dieren, waaronder varkens, geiten en runderen. Ten slotte zijn ook nog
metalen voorwerpen, zoals keukenbenodigdheden, en constructievoorwerpen aangetroffen.
De ruimtelijke analyse heeft het mogelijk gemaakt de verschillende fases van de site te
schetsen. Deweirdt (2010) wijst erop dat het slechts om een voorstel gaat omdat de fasering
en interpretatie berust op een beperkt aantal elementen waardoor de juistheid niet kan worden
gegarandeerd. Twee initiële fases werden door Deweirdt (2010) niet ruimtelijk geanalyseerd,
namelijk het Neolithicum3 en de Bronstijd
4. De site heeft een bezetting gekend van de Late
Hallstatt-periode5 tot de Gallo-Romeinse periode
6. Onderstaande Tabel 3 geeft voor elke fase
die kan worden onderscheiden de functie of het belangrijkste kenmerk van de site weer.
3 Neolithicum: tijdsperiode van 5300 v.C. tot 2000 v.C. (http://cai.erfgoed.net, 9 maart 2012)
4 Bronstijd: tijdsperiode van 2000 v.C. tot 800 v.C. (http://cai.erfgoed.net, 9 maart 2012)
5 Late Hallstatt-periode loopt van ongeveer 600 v.C. tot 450 v.C. (Capenberghs, 1991)
6 Gallo-Romeinse periode: tijdsperiode van 450 v.C. tot 476 n.C. (Capenberghs, 1991)
24
Tabel 3: Fasering van de site Molesme ‘Sur-les-Creux’
Fase Functie of kenmerk
Late Hallstatt Huishoudelijke bezetting
Vroeg La Tène Grafsite
La Tène D1b Site voor banketten
La Tène D2a Eerste monumentalisering (cirkelvormen)
La Tène D2b – begin van Augustijnse periode Tweede monumentalisering (rechthoeken)
Gallo-Romeinse periode Gebouwde structuren
Bron: Deweirdt, 2010, eigen bewerking
Op de site Molesme „Sur-les-Creux‟ zijn verschillende ruimtelijke en niet-ruimtelijke
gegevens verzameld. Deze werden reeds uitgebreid geanalyseerd en geïnterpreteerd door
archeologen (bv. Deweirdt, 2010). Om deze reden is Molesme „Sur-les-Creux‟ een zeer
geschikte site om een casestudie op uit te voeren met betrekking tot de mogelijkheden en
struikelblokken voor de implementatie van een 4D archeologisch GIS. Het biedt namelijk de
mogelijkheid om de resultaten met het onderzoek van Deweirdt (2010) te vergelijken.
25
4 BESCHIKBAAR MATERIAAL
Het uitvoeren van de casestudie wordt mogelijk gemaakt door het materiaal van de site
Molesme „Sur-les-Creux‟ dat door dr. Eline Deweirdt, dr. Christophe Petit en René Goguey
ter beschikking werd gesteld. Het gaat om GIS-data, een databank en fotomateriaal. Daarnaast
is het doctoraatsproefschrift “De l’analyse spatiale à la caractérisation de sites de la fin de
l’âge du fer et du début de l’époque gallo-romaine dans le nord et l’est de la Gaule” van
Deweirdt (2010) een belangrijk startpunt voor de casestudie. Bovendien werden meermaals
gesprekken gehouden met Eline Deweirdt in verband met de ter beschikking gestelde
gegevens, achtergrondinformatie, …
De beschikbare foto‟s laten toe een beter inzicht in en begrip van de site en zijn structuren te
verkrijgen. Enerzijds gaat het om terrestrische foto‟s van de verschillende structuren op de
site. De foto‟s van de eigenlijke opgravingswerken, bv. de mechanische graafwerken bieden
een extra achtergrond om een duidelijker beeld te verkrijgen van de archeologische
werkwijze. Anderzijds staan er ook luchtfoto‟s ter beschikking waardoor een realistisch
overzicht van de volledige site verkregen wordt.
De archeologische data werden door Deweirdt (2010) opgenomen in een GIS. Dit gebeurde
rechtstreeks vanuit de opmeetgegevens verzameld met GPS of totaalstation of bij ontbrekende
gegevens door digitalisatie op basis van gegeorefereerde foto‟s (Deweirdt, persoonlijke
mededeling, 29 februari 2012). Het gebruikte coördinaatsysteem is Lambert France II. De
beschikbare shapefiles met hun objecttype en beschrijving worden in Tabel 4 weegegeven. In
Bijlage 1 worden voor de shapefiles „UA‟ en „UScomplet‟ de velden uit de attributentabel
weergegeven.
Tabel 4: Beschikbare shapefiles Molesme ‘Sur-les-Creux’
Laag Objecttype Beschrijving
UA Polygoon Unités d’analyses, meest elementaire analyse-eenheden zijn een
groepering van de opgravingseenheden per archeologisch feit
UAfossés Polygoon Enkel de grachten uit UA
UAprof Polygoon Idem aan de laag UA
USanalyse Polygoon UA maar zonder diepte of volume
UScomplet Polygoon Unités de fouilles, opgravinseenheden zoals op de site gevonden
Bron: Deweirdt & Petit, 2009, eigen bewerking
26
De data die opgenomen zijn in een GIS hebben voornamelijk betrekking op de onroerende
vondsten. Er staat echter ook een databank ter beschikking met gegevens over de roerende
vondsten. Per analyse-eenheid kan dan worden bepaald welke roerende vondsten er werden
gedaan en welke de kenmerken ervan zijn. De databank is relationeel opgebouwd volgens
Figuur 6.
Figuur 6: Structuur van de databank Molesme 'Sur-les-Creux'
Bron: Deweirdt, 2010, p. 243
27
5 ONDERZOEKSMETHODE
De doelstelling van dit onderzoek is een eerste stap te zetten in de richting van een 4D-GIS
voor archeologische data en meer in het bijzonder het verwerven van inzicht in
archeologische data en analyses om een elementair conceptueel datamodel op te bouwen. Uit
de literatuur blijkt dat aan de ontwikkeling van een toepassing of in dit geval een datamodel
vaak aan een belangrijke fase voorbij wordt gegaan, namelijk het in kaart brengen van de
gebruikersvereisten (Howard & MacEachren, 1996; Zeiler, 1999; Pfoser & Tryfona, 1998;
Arp, 2003; España et al., 2006; Tsipidis et al., 2011). Howard en MacEachren (1996)
beschrijven om die reden drie analyseniveaus in het ontwerpproces: het conceptuele,
operationele en implementatieniveau. Het eerste niveau omvat een aantal vragen die
beantwoord moeten worden vooraleer over te gaan tot het effectieve ontwerp. Hierbij dient
bijgevolg te worden opgemerkt dat „conceptueel‟ niet verwijst naar het opstellen van een
conceptueel datamodel wat in de benadering van Howard en MacEachren (1996) valt onder
de operationele fase. Om verwarring te vermijden wordt in deze thesis de term
gebruikersniveau gehanteerd voor de conceptuele fase. De door Howard en MacEachren
(1996) vooropgestelde benadering wordt in dit onderzoek aangewend. Dit houdt in dat, naar
analogie met de onderzoeksprojecten van Tsipidis et al. (2011) en Arp (2003) eerst de
gebruikersnoden worden onderzocht en vervolgens de objecten en relaties worden
gedefinieerd. Tsipidis et al. (2011) halen aan dat deze benadering een generiek karakter heeft
en dat deze het mogelijk maakt een ontwerp tot stand te brengen dat aangestuurd wordt door
casestudies. In dit onderzoek wordt een casestudie uitgevoerd op de site van Molesme „Sur-
les-Creux‟. Naast de voorafgaande fase waarin de vereisten worden vastgelegd en de fase van
de opbouw van het datamodel zelf, wordt in dit onderzoek ook aandacht besteed aan de
analyses die mogelijk zijn in 4D. Op deze manier worden zowel de data, de functionaliteit als
de gebruikers in overweging genomen in (een eerste stap van) het ontwikkelingsproces van
een 4D archeologisch GIS en is de kans kleiner dat het proces zal falen (España et al., 2006).
Dit onderzoek kan bijgevolg worden opgesplitst in drie pijlers. De eerste is gericht naar de
gebruiker, de tweede is objectgericht en de derde analysegericht.
5.1 Gebruikersgericht
Deze eerste pijler is gericht naar de gebruiker en schetst de noden van het systeem en de
complexiteiten waarmee rekening moet worden gehouden. Arp (2003) stelt dat het slechts
28
mogelijk is om objecten en relaties te bepalen nadat het beeld van de gebruiker op de data is
gekend. Pfoser en Tryfona (1998) stellen dat deze fase essentieel is omdat ze resulteert in een
verzameling van concepten en operaties die nodig zijn voor de representatie van de
toepassingsinformatie. Deze concepten kunnen daarna vertaald worden in conceptuele en
logische modellen en uiteindelijk in implementaties (Pfoser & Tryfona, 1998).
In deze pijler wordt, naar analogie met het onderzoek van Tsipidis et al. (2011) dat gebaseerd
is op het conceptuele analyseniveau van Howard en MacEachren (1996) getracht een
antwoord te bieden op volgende vragen:
Voor wie is het systeem bedoeld?
Aan welke vereisten moet door het systeem worden voldaan?
Wat moet het resultaat zijn van het werken met dit systeem?
Hoe wordt deze doelstelling bereikt?
De samenvattende gedachte van deze vragen en bijgevolg het resultaat van deze pijler wordt
door España et al. (2006) kernachtig weergegeven: “[…] a description of the objectives and
the external behaviour of the system, that is, „what‟ the system must do without describing
„how‟ to do it”.
Het beantwoorden van deze vragen zal grotendeels gebeuren vanuit het gevoerde
literatuuronderzoek. Daarnaast worden ook elementen aangevoerd die aan bod kwamen in de
presentaties en discussies van de veertigste jaarlijkse conferentie over Computer Applications
and Quantitative Methods in Archaeology (CAA) in Southampton (26-30 maart 2012).
5.2 Objectgericht
Het tweede deel van de onderzoeksstrategie is gericht naar de archeologische data en meer
specifiek naar de objecten en hun relaties. De belangrijkste onderzoeksvraag binnen deze
pijler is welke objecten voorkomen en wat hun typische kenmerken zijn (geometrisch,
semantisch en topologisch). Het objectief van deze objectgerichte pijler is het opbouwen van
een elementair conceptueel model voor de site Molesme „Sur-les-Creux‟.
29
Een eerste stap in deze pijler is het verkennen van de beschikbare GIS-data met behulp van
ESRI®
ArcMapTM
10.0 en de databank met Microsoft®
Office Access 2007.
Onduidelijkheden in verband met de data werden verhelderd door Eline Deweirdt.
De tweede stap omvat het opbouwen van een datamodel. Om dit te verwezenlijken wordt
geopteerd om gebruik te maken van een objectgeoriënteerde benadering. Zoals eerder
vermeld maakt deze benadering het mogelijk om complexe fenomenen uit te drukken in
termen die dichter bij het menselijk denken liggen (Egenhofer & Frank, 1992). Madsen
(2003) stelde vast dat men bij het gebruik van relationele databanktheorie al snel in een zeer
complexe wereld verzeild geraakt en gaat daarom over tot het gebruik van objectoriëntatie.
Het basisidee achter objectoriëntatie is het feit dat “[…] the world is often perceived as
consisting of „objects‟, which interacts in specific ways. […] Based upon common operations
[…] they are grouped into classes.” (Egenhofer & Frank, 1992). De basisstrategie van
objectgeoriënteerd modelleren is met andere woorden het vaststellen van de reële wereld in
termen van abstracte concepten die zeer goed zijn afgelijnd en gedefinieerd (España et al.,
2006).
Een datamodel dat opgebouwd is volgens een objectgeoriënteerde benadering steunt op de
volgende vier basisconcepten van abstractie (Egenhofer & Frank, 1992):
classificatie houdt in dat verschillende objecten tot eenzelfde klasse kunnen behoren.
Deze vorm van abstractie wordt ook aangeduid als een instance-of-relatie. Een
objecttype karakteriseert het gedrag van instanties door het beschrijven van
gemeenschappelijke eigenschappen of properties en bewerkingen of operations. Twee
objecten worden van elkaar onderscheiden door een verschillende waarde voor een
bepaalde eigenschap;
generalisatie groepeert verschillende klassen van objecten in een meer algemene
superklasse. De (sub)klassen die hierdoor gegroepeerd worden, hebben een is-a-relatie
met de bovenliggende superklasse(s). Hierbij moet worden vermeld dat het mogelijk is
dat een superklasse meerdere subklassen omvat en dat een willekeurig aantal niveaus
van generalisatie kan bestaan;
associatie verbindt twee of meer onafhankelijke objecten, waardoor een
verzamelobject ontstaat van een hoger niveau. Dit abstractieniveau staat eveneens
bekend als member-of-relatie;
30
aggregatie is gelijkaardig aan associatie en groepeert objecten tot samengestelde
objecten. Verschillende objecten kunnen dus samen een object van een hoger niveau
doen ontstaan. Deze vorm wordt vaak aangeduid als part-of- of consists-of-relatie.
Naast deze vier abstractievormen zijn ook overerving of inheritance en propagation
belangrijke concepten binnen het objectgeoriënteerd modelleren (Egenhofer & Frank, 1992):
overerving houdt in dat waarden voor eigenschappen in generalisatiehiërarchieën
worden doorgegeven. Wanneer overerving wordt gebruikt, erft de subklasse alle
eigenschappen en methoden van de superklasse over en breidt deze uit met bijzondere
eigenschappen en methoden. Overerving heeft als voordeel dat gegevensredundantie
wordt vermeden en data-integriteit wordt gehandhaafd;
propagation hangt samen met waarden in aggregatiehiërarchieën. Complexe objecten
hebben vaak waarden voor een bepaalde property die gebaseerd zijn op de waarde van
eigenschappen van andere objecten. Propagation garandeert dataconsistentie.
Het conceptueel datamodel dat voor de site Molesme „Sur-les-Creux‟ wordt opgebouwd,
steunt op de object-ruimte-tijd relatie die de archeologie typeert (Arroyo-Bishop & Lantada
Zarzosa, 1995). Arroyo-Bishop & Lantada Zarzosa (1995) stellen in hun onderzoek dat zowel
ruimtelijke, temporele als archeologische entiteiten de basisbouwstenen zouden moeten
uitmaken van een archeologisch GIS. Steunend op dit laatste onderzoek kiezen Katsianis et al.
(2008) eveneens voor een model dat opgebouwd is rond een thematische, ruimtelijke en
temporele as. In dit onderzoek wordt geopteerd om de keuze voor deze drie assen over te
nemen. De invulling van de drie blokken gebeurt vervolgens op basis van de dataverkenning
en de resultaten bekomen in de eerste pijler, nl. de gebruikersvereisten.
Het datamodel wordt formeel gedefinieerd door middel van een statisch UML-
structuurdiagram, zoals wordt gesuggereerd door de ISO-standaard 19103 (ISO/TC 211,
2003). In dit onderzoek worden echter enkel basiselementen van UML aangewend. Het
gebruik van meer complexe concepten als interfaces, packages, … (Booch et al., 1998)
zouden in het kader van dit onderzoek te ver leiden. Er dient wel te worden opgemerkt dat
dergelijke zaken onontbeerlijk zijn in een uiteindelijk conceptueel model om de complexiteit
van de archeologische data te modelleren. De UML-notaties die mogelijk in het datamodel
zullen worden gebruikt, worden in Figuur 7 weergegeven. Figuur 7 legt tevens de link met de
eerder vermelde concepten van objectgeoriënteerde datamodellering. Eén element uit Figuur 7
moet nog worden verduidelijkt: multipliciteit (Booch et al., 1998). Dit laat toe aan te geven
31
hoeveel instanties van een klasse verbonden kunnen zijn aan de relatie. Multipliciteit komt
voornamelijk voor bij associaties en aggregaties, maar is ook mogelijk bij attributen.
Multipliciteit wordt weergegeven met behulp van volgende notatie: “minimum..maximum”.
Een asterisk (*) staat voor een ongelimiteerd aantal. In Figuur 7 wordt een voorbeeld gegeven
van multipliciteit bij een associatie: meerdere personen kunnen werken voor slechts één
bedrijf. Het tekenen van het UML-schema gebeurt in Microsoft®
Office Visio®
2007.
Figuur 7: UML-notatie voor klasse en generalisatie, associatie en aggregatie
Bron: Egenhofer & Frank, 1992; Booch et al., 1998; eigen verwerking
Het datamodel dat uit deze stap voortvloeit, zal vervolgens worden gebruikt om de huidige
databank om te vormen. Dit houdt in dat in Microsoft®
Office Access 2007 de bestaande tabel
uit elkaar zal worden gehaald om de structuur van het datamodel te bekomen. Om dit te
verwezenlijken wordt gebruik gemaakt van toevoegqueries en worden de nodige relaties aan
de tabellen toegevoegd.
5.3 Analysegericht
In de aanloop naar de ontwikkeling van een 4D archeologisch GIS mag ook de functionaliteit
niet uit het oog worden verloren (España et al., 2006). Daarom wordt in de derde pijler de
nadruk gelegd op de archeologische analyses. In eerste instantie wordt gekeken welke
analyses werden uitgevoerd op de data van Molesme „Sur-les-Creux‟. Hierbij wordt
onderzocht of deze analyses nog mogelijk blijven na toepassing van het nieuwe datamodel.
Dit gebeurt door na te gaan of de gebruikte variabelen nog eenvoudig beschikbaar zijn. Door
dit te onderzoeken wordt bepaald of het nieuwe datamodel dezelfde functionaliteiten bezit als
32
het huidige 2D-model of de bestaande databank. Dit is, zoals eerder vermeld, één van de
voorwaarden die Zlatanova et al. (2002) stellen aan een 3D-GIS.
Naast het voorzien in gelijkwaardige functionaliteiten wordt van een 4D-datamodel verwacht
dat het nieuwe analysemogelijkheden biedt, hetzij uitbreiding van bestaande, hetzij geheel
nieuwe. De mogelijkheden van het vernieuwde datamodel zullen worden getest aan de hand
van een vernieuwde en uitgebreide analyse. Het gaat om het identificeren van structuren op de
site door het bepalen van groepen van paalputten. Deze analyse werd reeds uitgevoerd aan de
hand van een cartografische voorstelling van de diepte (Deweirdt, 2010). In dit onderzoek
zullen zoals aangevoerd door Arroyo-Bishop & Lantada Zarzosa (1995) objecten, ruimte en
tijd tezamen worden behandeld en dit in een clusteranalyse.
Een clusteranalyse zorgt ervoor dat observaties zodanig worden gegroepeerd dat binnen een
cluster de waarnemingen gelijkaardig zijn en dat elke groep verschillend is van de andere met
betrekking tot de gekozen karakteristieken (Sharma, 1996). De volledige verwerking van de
clusteranalyse gebeurt in dit onderzoek met behulp van IBM®
SPSS®
Statistics 20. Er wordt
gekozen om een clusteranalyse uit te voeren op de dimensies (= ruimte) en de bestaansperiode
(= tijd) van de paalputten (= object). Er wordt geopteerd om voor de x- en y-coördinaat te
werken met de waarden voor het zwaartepunt van de paalput. Voor de tijdsvariabele wordt het
tijdspunt berekend dat in het midden ligt van het tijdsinterval waarin de paalput op de site
voorkomt. Wanneer de variabelen die worden opgenomen in een clusteranalyse een
verschillende meeteenheid bezitten, kan dit het resultaat sterk beïnvloeden. Ook wanneer het
waardebereik van de variabele sterk verschilt, ook al bezitten ze dezelfde meeteenheid, kan dit
een groot effect hebben op het resultaat van de clusteranalyse. Omwille van deze twee
redenen worden de vier variabelen, i.e. x, y, z en t, gestandaardiseerd met behulp van z-
scores7 (Romesburg, 1984). Dit heeft als resultaat dat de variabelen een normale verdeling
krijgen met gemiddelde 0 en standaardafwijking 1, of dus N(0,1). Zoals aangegeven door
Sharma (1996) moeten hiërarchische en niet-hiërarchische clustertechnieken als
complementair worden gezien. In dit onderzoek wordt er dan ook voor gekozen om een
combinatie van beide technieken te gebruiken. In een eerste fase zal een hiërarchische
clustering worden uitgevoerd om zo het optimale aantal clusters te bepalen. Hiervoor wordt
7 Z-score wordt berekend met de formule:
, met de waarde voor de i
e variabele van het j
e object,
het gemiddelde voor variabele i en de standaardafwijking van variabele i.
33
gebruik gemaakt van de methode van Ward en de kwadratische euclidische afstand. De
methode van Ward deelt de objecten zodanig in dat de kwadratensom of variantie binnen elke
cluster minimaal is of anders gezegd betekent dit dat de homogeniteit binnen de clusters
gemaximaliseerd wordt (Romesburg, 1984; Sharma, 1996). Deze methode wordt als efficiënt
beschouwd (Sharma, 1996) en om deze reden dan ook vaak gebruikt (Romesburg, 1984). Het
optimale aantal clusters wordt bepaald door het analyseren van het dendrogram en het schema
met de agglomeratiecoëfficiënten8. Niet-hiërarchische clustertechnieken worden gekenmerkt
door het feit dat ze een a priori kennis van het aantal clusters veronderstellen. Dit is dan ook
de reden voor het gecombineerde gebruik van beide technieken. Het optimale aantal bepaald
met de methode van Ward zal in een tweede fase worden gebruikt in een k-means
clusteranalyse. Deze clustermethode gebruikt k objecten als clustermiddens, de overige
objecten worden daarna voorlopig toegewezen aan de dichtste cluster (cluster met grootste
similariteit). Het clustermidden wordt opnieuw berekend en de objecten worden terug
toegewezen aan de meest gelijkaardige cluster. Dit proces wordt herhaald tot een lokaal
optimum wordt bereikt zodat de afstand van een object tot zijn clustermidden kleiner is dan
tot eender welke andere cluster (Romesburg, 1984; Sharma, 1996). Na het uitvoeren van de k-
means clusteranalyse wordt nagegaan of de clusters werkelijk verschillend zijn. Dit wordt
gerealiseerd door het uitvoeren van een one-way ANOVA-test. De F-waarde geeft aan of een
variabele significant verschilt tussen de clusters. Naast het uitvoeren van een ANOVA-test,
wordt ook een boxplot opgemaakt met de afstand van de paalputten tot hun respectievelijk
clustercentrum. Op deze wijze kunnen eventuele uitschieters in de clusters worden
gedetecteerd. Sharma (1996) beveelt ook aan de externe geldigheid van de clustering vast te
stellen, want clustertechnieken resulteren altijd in clusters ook al zijn deze van nature niet
aanwezig. In dit onderzoek is een extern criterium voor handen, namelijk de clustering die
door Deweirdt (2010) visueel is uitgevoerd, zij het zonder de tijdsdimensie in rekening te
hebben gebracht. De laatste fase van deze clusteranalyse is dan ook het vergelijken van beide
clusterresultaten. Deze vergelijking gebeurt enerzijds visueel door na te gaan of er in het oog
springende gelijkenissen en/of verschillen voorkomen. Anderzijds wordt een kruistabel
opgesteld die de structuren gedefinieerd door Deweirdt (2010) tegenover de groepen van de k-
means clustering zet.
8 De agglomeratiecoëfficiënt geeft de afstand tussen de clusters weer of nog het niveau van similariteit
34
6 RESULTATEN
6.1 Gebruikersgerichte pijler
6.1.1 Voor wie is het systeem bedoeld?
Het beoogde 4D-GIS is in de eerste plaats bedoeld voor archeologen. Het gaat dan zowel om
professionele archeologen als academische onderzoekers. Het voorgestelde GIS zou het
mogelijk kunnen maken om het volledige archeologische proces van dataverzameling over
analyse en interpretatie tot publicatie te integreren (Katsianis et al., 2008). Het is
voornamelijk bedoeld als krachtig ondersteunings-, werk- en onderzoeksmiddel voor
archeologen. Zij maken dan ook de hoofddoelgroep uit. Hieruit volgt dat in het
ontwikkelingsproces overwegend de noden van de archeologen centraal zullen staan. Dit
houdt in dat de archeologische vereisten zowel naar de data als naar de analyses toe in
overweging zullen worden genomen.
Daarnaast is het systeem ook bestemd voor alle andere personen, bedrijven en instellingen die
omgaan met archeologische data. Hierbij wordt zowel gedacht aan personen die
archeologische informatie opslaan, analyseren, uitwisselen, rapporteren als publiceren.
Voorbeelden van dergelijke activiteiten zijn: het beschikbaar stellen en de analyse van
archeologische gegevens met betrekking tot ruimtelijke ordening (http://www.vioe.be, 14
april 2012), risicoanalyses om te bepalen of het archeologisch erfgoed in het gedrang komt
bv. door bevolkingsuitbreiding (Al-Hanbali et al., 2006), gegevens die door de Vlaamse
Overheid worden bijgehouden met betrekking tot de bescherming van archeologische
monumenten en zones zoals bepaald in het Decreet houdende bescherming van het
archeologische patrimonium (1993), opmaken en publiceren van toeristische kaarten met
inbegrip van informatie over archeologische monumenten en vondsten, bv. toeristische kaart
van Rome (http://www.chartaroma.it, 12 april 2012). Op deze manier wordt het systeem naar
een brede doelgroep gericht.
6.1.2 Aan welke vereisten moet door het systeem worden voldaan?
De algemene vereiste waaraan het systeem moet tegemoetkomen, is het aanleveren van een
begrijpbaar, gemakkelijk te gebruiken en kostenefficiënt archeologisch 4D-GIS dat ten minste
35
de verschillende basisfunctionaliteiten van een 2D-GIS verenigt. Deze vereiste blijkt uit de
stelling van Losier et al. (2007) die het gebrek aan geschikte tools voor archeologen aanhalen
als reden voor het aanhoudend gebruik van 2D-voorstellingen in de archeologie. Zlatanova et
al. (2002) stellen dat de integratie van de verschillende functies van een GIS en bijgevolg alle
delen van het archeologisch onderzoek ook in een 3D- of 4D-GIS moet worden behouden.
Uit deze algemene vereiste kunnen reeds twee specifieke noodzaken worden afgeleid:
omgaan met 3D-gegevens;
tijdsdimensie in rekening brengen.
Daarnaast kunnen ook volgende vereisten voor het systeem worden aangeduid:
de problematiek van data-imperfectie in overweging nemen;
het schaalprobleem in acht nemen.
6.1.2.1 3D
Zoals eerder vermeld in paragraaf 2.2.2 zijn archeologische vondsten geografische objecten
en van nature driedimensionaal (o.a. Wheatley & Gillings, 2002; Barceló et al., 2003; Tsipidis
et al., 2005; Losier et al., 2007). De ruimtelijke relaties tussen de opgravingseenheden zowel
horizontaal als verticaal, zijn voor archeologen cruciaal (Losier et al., 2007). Het behandelen
van intrinsieke 3D-data in 2D-systemen brengt onvermijdelijk de noodzaak tot
vereenvoudigingen met zich mee (Harris & Lock, 1996 zoals geciteerd in Wheatley &
Gillings, 2002, p. 244; Katsianis et al., 2005). Vaak wordt gesproken over 2,5D-systemen,
waarbij de derde dimensie als een attribuut wordt opgeslagen. Dit veroorzaakt echter
problemen wanneer twee punten dezelfde x- en y-coördinaten hebben, maar een verschillende
z-coördinaat bezitten (Wheatley & Gillings, 2002). Om deze reden moet worden voorzien in
een systeem dat 3D-informatie kan behandelen, m.a.w. voor elke combinatie van x-, y- en z-
coördinaten of elk element in de verzameling zoals Pfoser en Tryfona (1998) de ruimte
definiëren, kan een uniek attribuut worden opgenomen (Wheatley & Gillings, 2002).
6.1.2.2 Tijd
Tijd is één van de hoofdcomponenten in het archeologisch onderzoek (zie 2.3.2). Het beoogde
GIS heeft dan ook als vereiste te kunnen omgaan met de tijdsdimensie(s) binnen de
archeologie. Wheatley en Gillings (2002) haalden al aan dat er een gebrek is aan een
werkelijke tijdsdimensie in GIS. Tot vandaag is er nog geen systematische oplossing voor de
36
integratie van de tijd in 2D- of 3D-modellering (Breunig & Zlatanova, 2011). In bestaande
GIS wordt enkel de mogelijkheid geboden tijd als attribuut op te slaan (Katsianis et al., 2008)
en te behandelen als chronologische informatie (Wheatley & Gillings, 2002). Dit brengt net
als bij de ruimtelijke dimensies een sterke simplificatie met zich mee. Tsipidis et al. (2011)
halen aan dat ondanks recente inspanningen het efficiënt behandelen van tijdruimtelijke data
in huidige GIS nog niet mogelijk is. Bovendien blijft de behandeling van temporele data een
belangrijk onderzoeksthema. Johnson (persoonlijke mededeling, 28 maart 2012) haalde aan
dat het onderzoek in ruimtelijke data zo ver gevorderd is dat we weten hoe we deze kunnen
generaliseren, maar dat we nog geen idee hebben over hoe we dat met temporele data moeten
doen. Arroyo-Bishop en Lantada Zarzosa (1995) voerden al meer dan een decennium geleden
aan dat de mogelijkheden van een GIS dat de temporele dimensie kan behandelen niet mag
worden onderschat, maar dat tegelijkertijd hun gebruik in archeologisch onderzoek afhangt
van het beschikbaar zijn van passend gestructureerde data. Dit zal dan ook één van de
elementen zijn waarmee in de ontwikkeling van een 4D-GIS voor archeologen zal moeten
rekening worden gehouden.
6.1.2.3 Data-imperfectie
In de literatuurstudie (Hoofdstuk 2) werd reeds kort aangehaald dat archeologische gegevens
gepaard gaan met onzekerheid en imperfectie. Het gaat hoofdzakelijk om onvolmaaktheden
met betrekking tot tijd, ruimte, schaal, functie, gehanteerde concepten, instanties, attributen en
relaties (Desjardin, persoonlijke mededeling, 27 maart 2012; de Runz, persoonlijke
mededeling, 16 april 2012). Deze onvolkomenheden zijn van nature verbonden aan
archeologische data (Katsianis et al., 2008; Cripps, persoonlijke mededeling, 28 maart 2012).
In de literatuur betreffende archeologische GIS wordt weinig rekening gehouden met data-
imperfectie. Uit de presentaties en discussie op de CAA-conferentie en vergaderingen
georganiseerd door de vakgroep Geografie blijkt echter dat data-imperfectie een belangrijk
discussiepunt is en uitgebreide aandacht verdient. Bij het ontwikkelen van een archeologsich
(4D-)GIS moet worden gefocust op de kwestie rond dataonvolkomenheden (o.a. Desjardin,
persoonlijke mededeling, 27 maart 2012; Cripps, persoonlijke mededeling, 28 maart 2012;
Van Daele, persoonlijke mededeling, 28 maart 2012).
In de problematiek rond data-imperfectie kunnen verschillende begrippen worden
onderscheiden, die vaak door elkaar worden gebruikt. Vooraleer hier dieper op in te gaan
moet worden opgemerkt dat er verschillende definities van deze begrippen heersen. Hier
37
wordt data-imperfectie en de concepten die ermee samenhangen, behandeld vanuit het
oogpunt van de archeologie. Hierdoor bestaat de kans dat de hierna aangehaalde definities
niet geldig zijn voor andere domeinen waar dataonvolkomenheden voorkomen. Tabel 5 geeft
de Engelstalige begrippen weer met hun definitie volgens de online Oxford English
Dictionary (OED) (http://oxforddictionaries.com, 12 april 2012) en hun Nederlandse vertaling
volgens Van Dale Elektronische grote woordenboeken hedendaags Nederlands, Engels, Frans,
Duits Versie 5.0. De volledige uittreksels uit beide elektronische woordenboeken zijn terug te
vinden in Bijlage 2. Uit Tabel 5 blijkt dat de begrippen nauw met elkaar verbonden zijn en in
sommige gevallen als synoniemen voor elkaar kunnen worden gebruikt. Toch bestaat er
tussen elk van deze begrippen een nuanceverschil. Imperfectie kan worden gezien als een
overkoepelende term voor de andere begrippen, ook al verwijst de OED enkel naar
incompleetheid. Onzekerheid wordt in de literatuur en discussie vaak gebruikt als een
verzamelterm. Uit Tabel 5 blijkt dat in dat geval het woord imperfectie meer op zijn plaats is.
Zowel de OED als het synoniem onduidelijkheid als definitie die Van Daele (persoonlijke
mededeling, 28 maart 2012) geeft “exact data exist, but is partially unknown” toont aan dat
hier een deel van de gegevens ontbreekt. Desjardin (persoonlijke mededeling, 27 maart 2012)
omschrijft onzekerheid als twijfel over de precieze gegevens. Uit de literatuur blijkt dat vooral
naar onzekerheid wordt verwezen met betrekking tot de tijd, maar zoals onder andere de Runz
(persoonlijke mededeling, 16 april 2012) aanhaalde kan ook onzekerheid bestaan over andere
elementen. Hierbij kan de functie van een archeologisch object of volledige site als voorbeeld
worden gegeven: Deweirdt (2010) stelt op basis van de vondsten van kookgerei en amforen,
dat het mogelijk is dat Molesme „Sur-les-Creux‟ een locatie was voor banketten. Dit kan
echter niet met zekerheid worden aangenomen en bijgevolg bestaat er dus een bepaalde
onzekerheid over de functie van de site. Er kan worden gesteld dat vaagheid samenhangt met
een beperkte, onduidelijke definitie over bepaalde data. Een voorbeeld dat hier kan worden
gegeven is „het einde van WOII‟ waarbij einde niet perfect gedefinieerd is. Van Daele
(persoonlijke mededeling, 28 maart 2012) merkt op dat elk gegeven vaag wordt wanneer men
overstapt naar een meer gedetailleerd schaalniveau. Een begrip dat minder problemen met
zich mee brengt om een duidelijke definitie te geven is ambiguity of dubbelzinnigheid.
Wanneer over dubbelzinnige data wordt gesproken, betekent dit dat er meerdere gegevens ter
beschikking zijn die niet overeenkomen en in het slechtste geval elkaar tegenspreken. Er
treedt met andere woorden een conflict op (Desjardin, persoonlijke mededeling, 27 maart
2012). Cripps (persoonlijke mededeling, 28 maart 2012) haalt in de context van
dubbelzinnigheid de term „multivocality’ aan. Multivocality wordt in de Concise Oxford
38
Dictionary of Archaeology (Darvill, 2008) omschreven als de benadering die de gelijktijdige
verwoording van verschillende interpretaties aanmoedigt en waarbij een debat ontstaat over
de vraag of deze alle even aanvaardbaar zijn. Een multivocality-benadering veroorzaakt met
andere woorden bewust dubbelzinnigheid. Voor het begrip incompleteness moet de voorkeur
gegeven worden aan de vertaling onvolledigheid boven onvolkomenheid om het verschil met
imperfectie zo duidelijk mogelijk te behouden. Uit de definitie van de OED (Tabel 5) blijkt
dat er ook een band bestaat met onzekerheid. Om ook met dit laatste begrip een helder
onderscheid te maken, kan worden gesteld dat bij onvolledigheid niet alle attributen aanwezig
zijn. Bovendien is in de archeologie het meest voor de hand liggende voorbeeld van
onvolledigheid een slechts gedeeltelijk teruggevonden object, bv. keramiekscherven.
Tabel 5: Begrippen met betrekking tot data-imperfectie
Engelstalig
begrip Definitie
a
Nederlandse
vertalingb
Imperfection The state of being faulty or incomplete Onvolkomenheid,
imperfectie
Uncertainty The state of being uncertain Onzekerheid,
onduidelijkheid
Uncertain Not able to be relied on, not known or definite
Vagueness
Vague Uncertain, indefinite or unclear character or meaning Vaagheid
Ambiguity The quality to being open to more than one interpretation,
inexactness
Dubbelzinnigheid
Incompleteness Not having all the necessary or appropriate parts Onvolledigheid,
onvolkomenheid
Bron: a naar http://oxforddictionaries.com, 12 april 2012;
b
naar Van Dale Elektronische grote woordenboeken hedendaags Nederlands, Engels,
Frans, Duits Versie 5.0
De hierboven beschreven termen hangen bovendien samen met subjectiviteit en granularity of
schaalniveau (Cripps, persoonlijke mededeling, 28 maart 2012; Van Daele, persoonlijke
mededeling, 28 maart 2012). Interpretatie is een belangrijk aspect in de archeologische
workflow (Arroyo-Bishop & Lantada Zarzosa, 1995). Eén van de voornaamste elementen die
het resultaat zijn van interpretatie zijn dateringen (de Runz et al., 2010). Interpretatie samen
met archeologische beschrijvingen tonen duidelijk het subjectieve karakter in archeologie aan.
Subjectiviteit kan leiden tot onzekerheid, vaagheid en dubbelzinnigheid (Katsianis et al.,
39
2008; Cripps, persoonlijke mededeling, 28 maart 2012; Van Daele, persoonlijke mededeling,
28 maart 2012). Granularity sluit zoals eerder vermeld hoofdzakelijk aan bij vaagheid. Een
verfijning van het schaalniveau kan resulteren in data-imperfectie (Van Daele, persoonlijke
mededeling, 28 maart 2012).
De uitgebreide beschrijving van de termen die samenhangen met data-imperfectie maakt
duidelijk dat de behandeling ervan in een GIS geen eenvoudige opdracht is. Toch kan worden
vastgesteld dat onvolkomenheden onlosmakelijk verbonden zijn met archeologische data en
analyses en dat het management ervan bijgevolg één van de vereisten vormt voor het te
ontwikkelen 4D-GIS (Desjardin, persoonlijke mededeling, 27 maart 2012; Cripps,
persoonlijke mededeling, 28 maart 2012).
6.1.2.4 Schaal
In archeologie worden analyses uitgevoerd op verschillende schaalniveaus. Een opdeling
wordt gemaakt tussen intersite, intrasite en intrastrucuur (Clarke, 1977 zoals geciteerd in
Deweirdt, 2010, p. 11). Op macroniveau worden de relaties tussen verschillende sites
onderzocht, de intersite-analyse. Intrasite is het mesoniveau waarbij analyses op schaal van de
site worden uitgevoerd. Intrastructuur, het microniveau, beschouwt analyses op niveau van de
structuren. Deze drie schaalniveaus kunnen uiteraard verder worden uitgediept in functie van
het archeologisch onderzoek (Deweirdt, 2010, p. 11). Er kan worden gesteld dat de invloed
van individuele en culturele factoren toeneemt terwijl het effect van economische en
geografische elementen afneemt van macro- naar microniveau (Deweirdt, 2010, p. 11). De
samenhang tussen de verschillende niveaus wordt schematisch weergegeven in Figuur 8.
40
Figuur 8: Verschillende analyseniveaus in de archeologie
Bron: Deweirdt, 2010, p. 11
Arp (2003) duidt op het feit dat bij het opstellen van een archeologisch datamodel ook
rekening moet worden gehouden met het schaalgegeven. Al-Hanbali et al. (2006) hanteren in
hun onderzoeksproject een „macro naar micro‟-strategie met drie schaalniveaus: nationaal,
site en monumenten. Ze wijzen erop dat hun systeem op die manier zowel informatie kan
verschaffen over de status van een volledige site als gedetailleerde informatie over
monumenten. Ook Tsipidis et al. (2011) duiden op het belang van schaal in archeologie en
meer bepaald op het bestaan van verschillende analyseniveaus in het intrasite onderzoek:
“[…] the archaeological analysis starts posing questions at the local level (e.g. ceramic
analysis of a single layer), proceeds by questioning in the intermediate level (e.g.
distinguishing typological characteristics among several trench layers) and concludes by
posing questions in the general level (determining “phases” of site history)”.
Daarnaast besluiten ze dat de vragen die op deze drie schaalniveaus worden gesteld in vier
algemene categorieën uiteen vallen: thematische, ruimtelijke, hiërarchische en temporele
vragen.
Hieruit kan worden besloten dat het te ontwerpen 4D-GIS ook de verschillende
archeologische schaalniveaus in acht moet nemen. Als dit gebeurt, wordt in het
ontwikkelingsproces eveneens in zekere mate al rekening gehouden met de toekomstige
functionaliteiten van het systeem (España et al., 2006). De materie rond schaal is namelijk
onvermijdelijk gekoppeld aan de archeologische analyses.
41
6.1.3 Wat moet het resultaat zijn van het werken met dit systeem?
Het nagestreefde archeologische 4D-GIS zou ervoor moeten zorgen dat GIS meer ingezet
wordt in het archeologisch onderzoek, omdat het een antwoord zal bieden op de
tekortkomingen die zich voordoen in huidige systemen (Wheatley & Gillings, 2002). Ook
Arroyo-Bishop en Lantada Zarzosa (1995) duidden reeds op het feit dat een degelijk
gefundeerd en formeel systeem een belangrijke bijdrage zal leveren aan een efficiënt gebruik
van GIS in zowel intrasite als intersite datagebruik en in de integratie van GIS in
archeologische registratie, interpretatie en analyse. GIS kan zodoende een sterk en effectief
hulpmiddel vormen zowel voor datamanagement als analyse als publicatie (Katsianis et al.,
2008).
Wat betreft het databeheer kan enerzijds geduid worden op de gelijktijdige behandeling van
tijd en ruimte (in drie dimensies) in één systeem en anderzijds op de mogelijkheden tot data-
integratie en –uitwisseling. Cripps (persoonlijke mededeling, 28 maart 2012) wijst er namelijk
op dat voor toekomstige systemen ook gestreefd moet worden naar volledige
interoperabiliteit. Ook Schloen (2011) wijst op dit streefdoel.
Het beoogde 4D-GIS zal ook mogelijkheden bieden met betrekking tot analyses. Hierbij
wordt in de eerste plaats gedacht aan de basisfunctionaliteiten van een GIS (Zlatanova et al.,
2002). Doordat de 3D-ruimte en de tijd tezamen zullen kunnen worden behandeld zal dit
systeem ook de mogelijkheid bieden om bestaande analyses uit te breiden of zelfs geheel
nieuwe analyses te ontwikkelen.
6.1.4 Hoe wordt deze doelstelling bereikt?
Zoals blijkt uit de literatuurstudie (Hoofdstuk 2) en de bovenvermelde elementen (Paragrafen
6.1.2-6.1.3) voldoen de huidige GIS niet aan de vereisten voor archeologische data en
analyses. Om tot een GIS te komen dat hierop een antwoord biedt, moet een sterk
gestructureerd en formeel GIS worden ontwikkeld (Arroyo-Bishop & Lantada Zarzosa, 1995).
De grondslag van het systeem moet liggen in de basisanalyses en -concepten en in de
geregistreerde data (Arroyo-Bishop & Lantada Zarzosa, 1995). Deze doelstelling kan worden
bereikt door het opstellen van een formeel datamodel (Losier et al., 2007). De
42
aandachtspunten voor het ontwikkelen van een dergelijk datamodel, kunnen worden afgeleid
uit de antwoorden op de drie voormelde vragen. Ze kunnen als volgt worden samengevat:
duidelijke definities die door de beoogde gebruikers probleemloos begrepen worden;
3D;
tijd;
verschillende vormen van data-imperfectie;
schaal;
gebruik van standaarden voor het voorzien in interoperabiliteit en data-integratie.
Bij het ontwikkelen van het systeem mag men ook niet vergeten dat er steeds een kloof zal
bestaan tussen het moment waarop het systeem beschikbaar zal zijn en het moment waarop
het systeem effectief (veelvuldig) gebruikt zal worden (Robida, persoonlijke mededeling 16
april 2012). Losier et al. (2007) merken op dat men niet mag vergeten dat het een lang proces
is voordat iemand zich comfortabel voelt met een nieuwe technologie. Arroyo-Bishop en
Lantada Zarzosa (1995) stellen dat sommige personen het systeem meteen zullen gebruiken,
maar dat anderen tijd nodig zullen hebben om zich aan te passen. Llobera (2011) stelt dat het
snijden van de domeinen IT en archeologie vraagt om een nieuw focuspunt dat
Archaeological Information Science of Archeologische Informatiewetenschap (AISc) zou
kunnen worden genoemd, naar analogie met Geografische Informatiewetenschap. AISc zou
handelen over het voortbrengen, representeren en manipuleren van archeologische informatie
in de context van informatiesystemen. Dergelijk onderzoeksgebied zou een antwoord bieden
op vragen die het domein van de archeologie overstijgen en bijdrage vereisen vanuit andere
domeinen, bv. computerwetenschappen. Llobera (2011) benadrukt wel dat vooraleer AISc kan
ontstaan, archeologen actief zullen moeten aanvaarden welke voordelen IT voor hun
onderzoeksdomein kan betekenen. Ook Wheatley en Gillings (2002) doen de suggestie om
een onderzoeksgemeenschap op te bouwen omdat ruimtelijke technieken volgens hen op die
manier een lang en succesvol bestaan zullen kennen.
43
6.2 Objectgerichte pijler
6.2.1 Dataverkenning
De ter beschikking gestelde GIS-data van de site Molesme „Sur-les-Creux‟ omvat
voornamelijk informatie over de onroerende objecten. Zoals vermeld in hoofdstuk 4, werden
verschillende GIS-lagen aangeleverd. Uit Tabel 4, blijkt dat vier van deze lagen („UA‟,
„UAfossés‟, „UAprof‟ en „UScomplet‟) betrekking hebben op dezelfde gegevens, namelijk de
analyse-eenheden. De laag „UA‟ bevat 928 elementen. „UScomplet‟ geeft de 1577
opgravingseenheden weer. De GIS-lagen zijn niet voorzien van metadata, omdat ze
waarschijnlijk voornamelijk aangemaakt zijn voor eigen gebruik en analyses. Het ontbreken
van deze extra informatie zorgt er echter wel voor dat de interpretatie van de doelstelling van
de lagen en de inhoud van de verschillende velden soms moeizaam verloopt. Ook in de
Microsoft®
Access-databank zijn gegevens terug te vinden met betrekking tot de onroerende
goederen. Opmerkelijk is dat het aantal records in de tabellen van de opgravingseenheden en
analyse-eenheden (respectievelijk 1850 en 909), niet overeenkomt met het aantal in de GIS-
lagen en vermeld in het doctoraatswerk van Deweirdt (2010). Vermoedelijk bevat deze
databank ook nog records die in het latere onderzoek overbodig gebleken zijn of nog verder
opgesplitst konden worden. Omwille van deze opmerkelijke verschillen, wordt in het verdere
verloop van dit onderzoek gewerkt met de gegevens van de laag „UA‟.
De databank omvat naast gegevens over de onroerende resten voornamelijk data over de
roerende vondsten op de site. De structuur van de databank werd in Figuur 6 weergegeven.
Hieruit blijkt dat de data van de roerende resten worden verspreid over zes tabellen. Dit heeft
te maken met de gevolgde archeologische onderzoeksmethode. Een eerste opdeling kan
worden gemaakt tussen de inventarissen (tabellen „INVENTAIRE_MOBILIER‟ en
„INVENTAIRE_CERAMIQUE‟) en de lijsten (tabellen „VAISSELLE‟, „AMPHORES‟,
„OS‟, „MÉTAL‟, „MATERIAUX‟). In een eerste stap werden alle roerende vondsten per
opgravingseenheid geteld en gewogen en op deze wijze opgenomen in de tabel
„INVENTAIRE_MOBILIER‟ (Deweirdt, 2010). Vervolgens werden de meest significante
resten met behulp van speciale fiches geïnventariseerd. Dit houdt in dat de resten werden
beschreven, gemeten, gefotografeerd en in bepaalde gevallen getekend. Elk van de
geïnventariseerde objecten werd in de geschikte lijst opgeslagen (Deweirdt, 2010). Ten slotte
44
rest er nog de „INVENTAIRE_CERAMIQUE‟ die een selectie betreffende de keramiek
omvat van de algemene inventaris van de roerende resten (Deweirdt, 2010).
In wat volgt zal dieper worden ingegaan op de data zelf. Hiervoor wordt een opsplitsing
gemaakt naar object, ruimte en tijd, naar analogie met de relatie die Arroyo-Bishop en
Lantada Zarzosa (1995) definieerden.
6.2.1.1 Object
In de laag „UA‟ kunnen objecten functioneel worden onderscheiden op basis van de velden
„TYPE‟ en „TYPEregrou‟. De waarden die voor beide velden voorkomen, zijn weergegeven
in Bijlage 1. Onderstaande Tabel 6 geeft de vier meest voorkomende van de negentien
objecttypes weer. De laag bevat eveneens vierentwintig objecten die geen waarde meekregen
voor het veld „TYPE‟ en daarboven acht objecten die „indéterminé‟ meekrijgen. Beide
categorieën betekenen hetzelfde en kunnen dus samen worden genomen, wat neerkomt op
tweeëndertig niet-gedetermineerde objecten.
Tabel 6: Meest voorkomende types van onroerende vondsten
TYPE Aantal
Trou de poteau 269
Fossé 152
Radier 136
Couche d'occupation 124
Bron: Deweirdt & Petit, 2009, eigen verwerking
Op basis van de tabel „INVENTAIRE_MOBILIER‟ kunnen achttien categorieën van roerende
vondsten worden onderscheiden. De tabel bevat vierentwintig niet-gedetermineerde objecten,
die geen waarde voor het veld „catégorie’ bevatten. Daarnaast bestaat er ook een klasse
„Mobilier à usage indéterminé‟ bestaande uit achtennegentig objecten. Ook hier blijken dus
twee categorieën voor te komen die over hetzelfde handelen. Twee categorieën springen in
het oog wat betreft het aantal gevonden objecten: „Vaisselle’ en „Amphore’, respectievelijk
1058 en 254 gevonden objecten. Naast de hoofdcategorie tot welke een roerend object
behoort, worden ook subcategorieën toegekend.
Zowel uit de GIS-gegevens als de databank blijkt dat er heel wat verschillende soorten
objecten voorkomen op de site Molesme „Sur-les-Creux‟. Het is eveneens opmerkelijk dat er
45
voor beide datagroepen een probleem optreedt in het behandelen van niet-gedetermineerde
gegevens, in dit geval met betrekking tot het functionele type. Zowel de databank als de GIS-
lagen hebben problemen bij het behandelen van data-imperfectie.
6.2.1.2 Ruimte
De onroerende vondsten worden in GIS opgenomen als polygonen. Deze leveren enkel 2D-
informatie op. In het gebruikte GIS-pakket werd de omtrek en de oppervlakte van de
polygonen bepaald om verdere analyses mogelijk te maken. Er dient echter opgemerkt te
worden dat het gebruikte coördinatensysteem voor de GIS-lagen, Lambert France II, een
conforme projectie is. De oppervlaktevervorming als gevolg hiervan is echter uitermate klein
aangezien het voornamelijk objecten betreft van beperkte grootte.
Wat de diepte-informatie in de GIS-laag betreft, kunnen een aantal opmerkelijke aspecten
worden aangehaald. Aan de polygonen is een diepteattribuut gekoppeld, waarbij positieve
getallen worden gegeven voor de diepte. De diepte werd in de meeste gevallen op het terrein
gemeten en bij een beperkt aantal objecten geschat (Deweirdt, persoonlijke mededeling, 29
februari 2012). Dit resulteert in een onzekerheid over de diepte voor deze laatste gevallen.
Bovendien is het duidelijk dat het dieptegetal verwijst naar slechts één punt van de vondst. Dit
kan mogelijk gevolgen hebben voor de berekening van het volume van een bepaald object.
Deze volumeberekening gebeurde door de diepte te vermenigvuldigen met de berekende
oppervlakte (Deweirdt, persoonlijke mededeling, 29 februari 2012). De veroorzaakte fout
door een oppervlaktevervorming plant zich hoe dan ook voort in het volume. Bovendien
wordt de onzekerheid over de diepte doorgetrokken in de volume-informatie. Met betrekking
tot de volumeberekening moet eveneens worden gewezen op een kunstgreep die is
doorgevoerd voor de greppels met een V-vormig profiel. De berekening van het volume zou
tot een resultaat komen dat dubbel zo groot is als werkelijk. Om deze reden werd een attribuut
toegevoegd voor de analysediepte. Dit betekent dat de diepte gehalveerd is voor de V-
vormige objecten (Deweirdt, persoonlijke mededeling, 29 februari 2012). Noch uit de
geometrische, noch uit de semantische GIS-data blijkt dat deze greppels een V-vormig profiel
vertonen. Dit is een opmerkelijk element omdat het een doorslaggevend karakter kan hebben
voor bepaalde archeologische interpretaties en analyses. De reden is echter voornamelijk te
wijten aan het 2D-karakter van de gegevens, die het onmogelijk maakt de 3D-vorm van de
objecten op te slaan. Vervolgens kan nog worden geduid op het feit dat er meerdere
polygonen voorkomen die elkaar geheel of gedeeltelijk overlappen. Dit kan in sommige
46
gevallen zorgen voor problemen bij het analyseren of visualiseren van de data. Ook dit
opmerkelijk gegeven is een gevolg van het 2D-karakter van de GIS-data. Het gaat namelijk
om objecten die zich in werkelijkheid op een andere diepte bevinden. Kaart 4 geeft hiervan
een voorbeeld. De drie aangeduide objecten (US 2267, 3041 en FOE38N) bevinden zich op
een andere diepte (resp. 0,64 m, 0,1 m en 1,3 m), maar bekeken vanuit bovenaanzicht
overlappen ze elkaar. Ten slotte kan worden opgemerkt dat het grootste deel van de objecten
zich op beperkte diepte bevindt (Figuur 9), 562 vondsten of 60,6% komt voor op een diepte
tussen 0,1 m en 0,2 m.
Kaart 4: Voorbeeld van het voorkomen van vondsten op dezelfde plaats op diverse
dieptes
47
Figuur 9: Histogram diepte onroerende resten Molesme 'Sur-les-Creux'
Bron: Deweirdt & Petit, 2009, eigen verwerking
De roerende vondsten hebben geen directe ruimtelijke coördinaten. Ze worden toegekend aan
een opgravingseenheid en vertonen dus allen een topologische eigenschap tot deze
opgravingseenheden. Voor elk van de roerende vondsten worden indien mogelijk de drie
objectdimensies (lengte, breedte, hoogte) en de dikte opgenomen in de databank.
6.2.1.3 Tijd
Aan de polygonen in de laag „UA‟ is slechts één attribuut gekoppeld dat handelt over de tijd,
namelijk „PHASE‟. Uit de waarden voor dit attribuut (Bijlage 1) blijkt dat het gaat om
archeologisch periodes. Opnieuw blijkt dat diverse waarden worden gebruikt om aan te geven
dat de tijdsperiode van het object niet kan worden achterhaald: “ ”, “0” en “ind”, met
respectievelijk 36, 10 en 61 objecten. Deweirdt (2010) besluit haar onderzoek over Molesme
„Sur-les-Creux‟ met een uitgebreide synthetiserende fasering van de site (Tabel 3). Hiervoor
worden echter niet de periodes gebruikt, zoals die voorkomen bij de GIS-data. De periodes
worden verfijnd: bv. La Tène wordt opgesplitst in “Vroeg La Tène”, “La Tène D1b”, … Uit
beide tijdsaanduidingen blijkt duidelijk dat er geen absolute datum, bijvoorbeeld onder de
vorm van een jaartal, wordt gebruikt en er in zekere zin data-imperfectie optreedt onder de
vorm van vaagheid.
67
562
83
21 35 44 42
7 6 14 8 17 1
17 3 1
0
100
200
300
400
500
600
48
In de tabel „INVENTAIRE_MOBILIER‟ komen twee velden voor die informatie geven over
de tijd: „époque’ en „datation’. Het eerste geeft informatie over de tijdsperiode en is dus
vergelijkbaar met de tijdsinformatie die voor de onroerende vondsten wordt gegeven. Er
komen echter meer waarden voor. Opmerkelijk is ook dat een bepaalde waarde een tweede
keer kan voorkomen voorzien van een vraagteken (bv. “Gallo-romaine” en “Gallo-romaine
?”. Dit duidt op onzekerheid over de tijdsperiode. Het veld „datation’ verfijnt de
tijdsinformatie uit het veld „époque’. Dit gebeurt op verschillende manieren waardoor in het
veld geen eenduidige notatie bestaat. Er worden zowel archeologische periodes (bv. “Bronze
final”), tijdsintervallen (bv. “10 av. - 15 ap. J.-C.”), tijdspunten (bv. “80 av-JC”) als
topologische relaties (bv. “ante 52 av-J”) gebruikt. Het veld geeft extra tijdsinformatie voor
slechts 3,8% van het roerende materiaal of 68 van de 1801 mobiele objecten. Onrechtstreeks
wordt ook tijdsinformatie over het moment van opgraven bijgehouden. Elke object heeft
namelijk een uniek nummer in de inventaris, dat zodanig opgesteld is dat het ook het jaartal
bevat waarin het object werd ontdekt.
6.2.2 Opbouw datamodel voor Molesme ‘Sur-les-Creux’
Zoals eerder beschreven is het datamodel opgebouwd rond de relatie tussen object, ruimte en
tijd in de archeologie. Het model kan dus in drie segmenten worden opgedeeld: object, ruimte
en tijd. De hoofdklasse in het objectsegment is „Vondst‟ (Figuur 10). Een „Vondst‟ is de
digitale representatie van een archeologische vondst in de reële wereld. „Vondst‟ is zowel
gekoppeld met het ruimtesegment als het tijdssegment, respectievelijk door middel van een
associatie met „Opgravingseenheid‟ en „Tijdskenmerken‟ (Figuur 10). Een bepaald object
wordt gevonden in één bepaalde opgravingseenheid, maar het is mogelijk dat er meerdere
voorwerpen gevonden worden in één opgravingseenheid. Elke vondst wordt eveneens
gekenmerkt door één set van tijdskenmerken. „Cultuur(sub)periode‟ verwijst naar de
archeologische periode, bv. voor de site Molesme „Sur-les-Creux‟ komt materiaal voor uit de
Gallo-Romeinse periode. Het attribuut „Absolute datering‟ geeft een tijdspunt weer, bv. 80
v.C., terwijl „Relatieve datering‟ een temporele topologische relatie aangeeft, bv. vóór 52 v.C.
De kenmerken „Opgravingstijd‟ en „Databasetime‟ spreken voor zich. „Sitefase‟ staat voor de
fase van de site waarin het voorwerp voorkomt: bv. fase III. Het is mogelijk dat niet alle
attributen van deze klasse kunnen worden ingevuld voor een bepaald object.
49
Vooraleer op elk van de segmenten van het datamodel dieper wordt ingegaan, dient nog een
opmerking te worden gemaakt. Omdat in deze masterproef bij het opbouwen van het
datamodel de nadruk ligt op de structuur, wordt het aantal attributen beperkt gehouden. Dit is
dan ook de reden waarom voor sommige klassen geen attributen worden aangegeven.
Figuur 10: Combinatie object-ruimte-tijd in datamodel
6.2.2.1 Objectsegment
De klasse „Vondst‟ is de hoogste superklasse (Figuur 11) en bevat een aantal algemene
attributen die voor alle materiële vondsten van toepassing kan zijn, bv. wie is de vinder of zijn
er gekoppelde tekeningen en foto‟s (zie verder paragraaf 6.2.2.4). Een vondst heeft ook een
bepaalde geometrie, de vorm van het object gegeven in coördinaten in een bepaald systeem,
zodat meteen de locatie duidelijk wordt (zie verder paragraaf 6.2.2.4). De klasse „Vondst‟
wordt vervolgens verder opgesplitst in twee subklassen: „Roerend‟ en „Onroerend‟ (Figuur
11). Deze opdeling komt overeen met de twee grote analysegroepen die Deweirdt (2010)
hanteert.
Figuur 11: Objectsegment van het datamodel
51
„Onroerend‟ (Figuur 11) kan worden gezien als de databaserepresentatie van een real world
onroerende vondst. Bij de klasse „Onroerend‟ komt een aggregatie voor met „Structuur‟,
verschillende onroerende resten kunnen namelijk samen een structuur vormen. Aan een
structuur werden in dit datamodel slechts twee attributen gekoppeld, namelijk een naam en
een functie. „Onroerend‟ is ook een superklasse voor de klassen „GebouwdeStructuur‟,
„Ophoging‟ en „Uitgraving‟. Deze zijn op hun beurt dan weer superklassen voor de klassen
die overeenkomen met de objecttypes van de onroerende resten die Deweirdt (2010)
behandelt. Er dient wel te worden opgemerkt dat niet alle objecttypes die op de site Molesme
„Sur-les-Creux‟ voorkomen in het datamodel zijn opgenomen. De types worden beperkt tot
deze waarvoor de definitie als algemeen aanvaard kan worden beschouwd.
De informatie over de roerende voorwerpen die in Molesme „Sur-les-Creux‟ zijn gevonden,
kan worden ondergebracht in de klasse „Roerend‟ (Figuur 11). Een roerend object heeft een
bepaald gewicht dat kan worden opgeslagen in het attribuut „Gewicht‟. Het attribuut „Geheel‟
geeft aan of het gevonden materiaal al dan niet in volledige toestand is teruggevonden. Dit is
een beperkte implementatie van data-imperfectie, in casu onvolledigheid, in het datamodel.
Opnieuw worden in twee niveaus subklassen gedefinieerd voor de roerende voorwerpen
(Figuur 11). Bij de attributen wordt een onderscheid gemaakt tussen „Type‟ en „Soort‟. Met
soort wordt in dit datamodel een functionele subcategorie van het object bedoeld. Zo is „bord‟
een soort van „vaatwerk‟. „Type‟ duidt hier op een bepaalde uitvoeringsklasse, bv. „Dressel
1a‟ is een type van „Amfoor‟.
6.2.2.2 Ruimtesegement
Het ruimtesegment van het opgebouwde datamodel omvat de superklasse „Ruimtelijke
eenheid‟ met vier subklassen, nl. „Site‟, „Zone‟, „Opgravingseenheid‟ en „Geologische laag‟
(Figuur 12). Elke „Ruimtelijke eenheid‟ wordt gekenmerkt door een bepaalde geometrie (zie
verder paragraaf 6.2.2.4), die ervoor zorgt dat de vorm en locatie in de ruimte bepaald zijn.
52
Figuur 12: Ruimtesegment van het datamodel
In archeologie wordt vaak gebruik gemaakt van de laag waarin een object zich bevindt om
een bepaald object te dateren. Om deze reden wordt de klasse „Geologische laag‟ in het
datamodel opgenomen. Hieraan kan eveneens een periode worden gekoppeld, zij het dan geen
archeologische, maar een geologische periode. Verschillende geologische lagen vormen
samen een „Stratigrafie‟ (Figuur 12). Dit komt overeen met een bepaalde sequentie van
geologische lagen.
De klasse „Site‟ is een „Ruimtelijke eenheid‟ die de werkelijke site voorstelt. Deze heeft een
bepaalde „Naam‟ en is gelegen in een bepaald „Land‟. Eén „Site‟ kan opgebouwd zijn uit
meerdere zones. Een zone is een bepaald gebied dat gedurende het archeologisch onderzoek
wordt afgebakend, bv. tien zones in Molesme „Sur-les-Creux‟. Een „Zone‟ is eveneens een
„Ruimtelijke eenheid‟. Eén „Zone‟ kan bestaan uit meerdere objecten van de klasse
„Opgravingseenheid‟, wat op zijn beurt terug een „Ruimtelijke eenheid‟ is.
6.2.2.3 Tijdssegment
In het tijdssegment komen drie grote subklassen voor: „Periode‟, „Absolute tijd‟ en „Relatieve
tijd‟ (Figuur 13). Het verschil tussen „Absolute tijd‟ en „Relatieve tijd‟ is duidelijk. „Relatieve
tijd‟ komt immers overeen met een temporele topologische relatie zoals beschreven in
paragraaf 2.3.1.1. Op basis van deze opdeling zou men kunnen stellen dat „Periode‟ een
53
subklasse is van „Absolute tijd‟. Dit wordt bewust niet zo in het datamodel opgenomen.
Hiervoor zijn twee redenen. Ten eerste kan het onderscheid tussen een tijdspunt en een
tijdsinterval op die manier makkelijker uit het datamodel worden afgeleid. Ten tweede is de
betekenis van de klasse „Absolute tijd‟ op die manier ook duidelijker, namelijk een zuiver
punt op de tijdslijn. De attributen „Dag‟, „Maand‟ en „Jaar‟ laten toe dit tijdspunt te bepalen
(Figuur 13). Het is vanzelfsprekend denkbaar dat enkel de maand en het jaar of enkel het jaar
bekend is en kan worden ingevuld. „Absolute tijd‟ wordt nog eens opgesplitst in „Datum‟ en
„Gebeurtenis‟ (Figuur 13). Het is namelijk mogelijk dat men een bepaald punt op de tijdslijn
koppelt aan een bepaalde gebeurtenis, bv. sterfdag van een historisch figuur. Een periode
wordt gekenmerkt door een begin en eind, die beide worden weergegeven door een „Absolute
tijd‟ (Figuur 13). Een periode die bestaat uit meerdere aansluitende tijdsintervallen moet dus
het begin van het eerste interval opgeven en het eindpunt van het laatste. Het is met andere
woorden niet mogelijk om het eerste interval als begin op te geven en het tweede interval als
einde. Zowel „Periode‟ als „Absolute tijd‟ bevat een attribuut „Onzekerheid‟ (Figuur 13).
Tijdens de opbouw van het datamodel werd voor de invulling van het onzekerheidsattribuut
gedacht aan een betrouwbaarheidsindex, zoals onder andere opgesteld door de Runz et al.
(2010). De precieze invulling van dit attribuut of andere mogelijkheid om data-imperfectie in
overweging te nemen, vereist echter verder onderzoek.
Figuur 13: Tijdssegment van het datamodel
54
6.2.2.4 Overige elementen in het datamodel
Naast de drie hierboven besproken segmenten komen in het datamodel nog drie deeltjes voor.
Een eerste is het model rond extra informatie (Figuur 14). Aan een object uit de klasse
„Vondst‟ kan namelijk extra informatie worden gekoppeld onder de vorm van een bijkomende
visualisatie. De klasse „Extra‟ wordt opgedeeld in „Schets‟, bv. een tekening van een amfoor,
„Foto‟ en „Profiel‟, dit laatste is een aantekening met aanduiding van de stratigrafische lagen.
Een „Foto‟ kan zowel „Terrestrisch‟ zijn, als een „Luchtfoto‟. Ook hier kan het model nog
verder worden aangevuld met attributen, bv. bij „Orthofoto‟ kan worden gedacht aan de
brandpuntsafstand, de vlieghoogte, …
Figuur 14: Datamodel met betrekking tot extra informatie
Een tweede zeer beperkt onderdeel van het datamodel heeft betrekking op metadata, meer
bepaald op het team van een opgraving (Figuur 15). Een team kan bestaan uit meerdere
personen, maar een persoon kan deel uitmaken van verschillende teams. Het is namelijk
mogelijk dat een archeoloog aan verschillende opgravingen meewerkt. „Persoon‟ komt in het
datamodel voor als gegevenstype bij de maker van foto‟s en als persoon die een bepaald
object vindt.
55
Figuur 15: Datamodel met betrekking tot opgravingsteam
Het laatste deel van het datamodel handelt over de geometrie (Figuur 16). De klasse
„Geometrie‟ laat toe een object, bv. vondst, een vorm te verschaffen, maar evenzeer het object
te lokaliseren in de ruimte. Dit is mogelijk door te werken met coördinaten in een bepaald
referentiesysteem. Als model voor „Geometrie‟ wordt hier een zeer eenvoudige vorm gebruikt
die enkel de geometrische primitieven in rekening brengt. Om de complexe vormen van
archeologische objecten te kunnen behandelen, zal echter nood zijn aan een uitgebreider en
bijgevolg complexer model.
Figuur 16: Datamodel met betrekking tot geometrie
6.2.3 Omvorming bestaande databank
Het omvormen van de bestaande databank is enkel gebeurd voor de onroerende vondsten. De
reden hiervoor is dat het implementeren van een object-geöriënteerd datamodel in software
die toegespitst is op relationele databanken niet eenvoudig is gebleken en talrijke
aanpassingen vraagt.
56
Ten eerste is er nood aan identificatiecodes om de relaties tussen de verschillende tabellen te
kunnen leggen. Ten tweede moeten de verschillende verbanden die in het datamodel
voorkomen (aggregatie, associatie en generalisatie) in Microsoft®
Office Access 2007 door
middel van één soort relatie worden gerealiseerd. Tijdens het omvormen van de databank zijn
een groot aantal queries nodig, meestal een combinatie van selectie- en toevoegqueries. Het
omvormingsproces wordt om deze reden soms zeer complex.
Voor de onroerende objecten zijn geen ruwe data beschikbaar met betrekking tot de
geometrische kenmerken. Om deze reden wordt het deel van het datamodel dat de geometrie
behandelt, dan ook niet geïmplementeerd in de nieuwe databank. Tevens zijn er geen
gegevens voor handen over welke opgravingseenheden tot welke zone behoren. De aggregatie
die in het datamodel voorkomt tussen de klassen „Zone‟ en „Opgravingseenheid‟ kan dan ook
niet worden gerealiseerd. Niettemin is de relatie wel voorzien in de databank. Ook over
geologische lagen en de daaruit voortvloeiende stratigrafie zijn geen gegevens beschikbaar,
maar de tabellen worden in de databank toch aangemaakt. Omdat voor de onroerende
vondsten slechts één tijdskenmerk wordt weergegeven, wordt geen tabel „Tijdskenmerken‟
aangemaakt zoals zou volgen uit het datamodel.
Het volledige relatieschema van de nieuwe databank is terug te vinden in Bijlage 3.
6.3 Analysegerichte pijler
6.3.1 Toepasbaarheid bestaande analyses Molesme ‘Sur-les-Creux’
Deweirdt (2010) deelt haar onderzoek op in twee delen: enerzijds de ruimtelijke analyse van
de onroerende vondsten en anderzijds deze van het gevonden roerende materiaal. De
doelstelling van de ruimtelijke studie van de onroerende resten is tweevoudig (Deweirdt,
2010, p. 235):
1) het analyseren van de algemene structurering van de site;
2) een eerste fasering van de site vaststellen.
57
Met de ruimtelijke analyse van de roerende vondsten tracht Deweirdt (2010) het proces van
de tafonomie9 te staven om op die manier de menselijke activiteiten terug te achterhalen.
6.3.1.1 Ruimtelijke analyses van de onroerende vondsten
In het ruimtelijk onderzoek van de onroerende resten worden door Deweirdt (2010) de
greppels, de paalputten en de gebouwde structuren opgenomen. Er worden twee analyses
uitgevoerd betreffende de greppels (Deweirdt, 2010, pp. 247-249). Eerst wordt de diepte
cartografisch voorgesteld. Ten tweede wordt de oriëntatie van de verschillende greppels
bepaald. Het objecttype „Greppel‟ is vlot toegankelijk in het datamodel. Zowel de diepte als
de oriëntatie van de greppel kan worden afgeleid uit de 3D-geometrie die wordt opgeslagen in
de superklasse „Vondst‟. Bovendien wordt voor greppels ook expliciet een attribuut over de
oriëntatie opgenomen.
Met betrekking tot de paalputten wordt eveneens de diepte cartografisch voorgesteld om op
die manier gebouwen of andere constructies te kunnen identificeren en een beter inzicht te
krijgen in de architectuur zelf (Deweirdt, 2010, pp. 249-251). De diepte is in het datamodel
opnieuw beschikbaar via de geometrie. Voor deze visuele analyse wordt in dit onderzoek een
vernieuwde analyse uitgewerkt waarvan de resultaten zijn terug te vinden in paragraaf 6.3.2.
Naast een analyse over de diepte voert Deweirdt (2010, pp. 251-258) ook een analyse uit op
de aard van de stenen die in de paalputten voorkomen. Het doel hiervan is het vastleggen van
een tijdsaanduiding voor de paalputten. Hiervoor wordt een diagramkaart van de site
opgesteld. De ligging van de paalputten is in het opgestelde datamodel opnieuw af te leiden
uit de geometrie van de vondst. Op basis van de vindplaats van de paalput, de
opgravingseenheid, kan worden onderzocht of er nog vondsten voorkomen die deze
opgravingseenheid als vindplaats hebben.
Ten slotte wordt een analyse uitgevoerd met betrekking tot de oriëntaties van de gebouwde
structuren om na te gaan of er sprake is van een strikte organisatie van de ruimte (Deweirdt,
2010, pp. 258-262). Ook voor de gebouwde structuren kan de oriëntatie worden afgeleid uit
de geometrie.
9 Tafonomie is in ruime zin de studie van de wijze waarop botmateriaal en concentraties van andere
archeologische vondsten in de bodem opgestapeld zijn, bv. de vraag of beenderen door een rivier in een grot zijn
gespoeld of als voedselresten door menselijke tussenkomst bijeen zijn gebracht. (Capenberghs, 1991, p. 193)
58
6.3.1.2 Ruimtelijke analyses van de roerende vondsten
De studie van het roerende materiaal dat op de site Molesme „Sur-les-Creux‟ werd gevonden,
wordt opgedeeld in drie grote delen: de tafonomie, de chronologie en de vraag of er een
ritualisering van het verbruik plaats heeft gevonden (Deweirdt, 2010, pp. 263-313).
Wat betreft de tafonomie worden eerst mogelijke afzettingszones bepaald. Dit gebeurt door
het cartografisch voorstellen van een bepaald objecttype in g/m³ per opgravingseenheid. De
objecttypes waarvoor dit wordt uitgevoerd zijn: het keramisch vaatwerk, de amforen, de
dierenbotten, de metalen voorwerpen en de dakpannen. Vervolgens wordt een voorstelling
gemaakt waarbij deze informatie gelijktijdig wordt voorgesteld voor de amforen, het
keramisch vaatwerk en de dierenbotten (Deweirdt, 2010, pp. 263-271). Op basis van de
geometrie van de opgravingseenheden is het mogelijk het volume te bepalen. Per
opgravingseenheid kan worden nagegaan welke roerende vondsten zich erin bevinden en wat
hun gewicht is. Het gewicht wordt namelijk als attribuut aan de klasse „Roerend‟
meegegeven. De voorstellingen kunnen met het nieuwe datamodel dus nog steeds worden
gecreëerd. Een tweede stap in de tafonomie is het onderzoeken van de graad van fragmentatie
en geheelheid. Zowel voor het keramisch vaatwerk, de amforen als de dierenbeenderen
worden tabellen opgesteld die het aantal resten per (sub)type keramiek of type dier
weergegeven voor de weerhouden gebieden van mogelijke afzettingsplaatsen. Vervolgens
worden de gegevens uit deze tabellen eveneens onder de vorm van een grafiek en een kaart
voorgesteld. De drie objecttypes komen in het datamodel voor. Het aantal resten kan opnieuw
worden bepaald per opgravingseenheid omdat aan een bepaalde vondst een
opgravingseenheid als vindplaats is gekoppeld. Het uitvoeren van deze analyses is dus terug
mogelijk vanuit het nieuwe datamodel.
Het onderzoek naar de chronologie (Deweirdt, 2010, pp. 283-292) heeft betrekking op de
munten, het keramisch vaatwerk en amforen. De vindplaats van de muntstukken wordt door
middel van proportionele symbolen aangeduid op het siteplan. Deze voorstelling maakt
opnieuw gebruik van de vindplaats, klasse „Opgravingseenheid‟, die aan het object is
gekoppeld, in dit geval de klasse „Munten‟. Hetzelfde geldt voor de voorstelling van het
keramisch vaatwerk en de amforen. Voor deze voorstelling wordt echter gebruik gemaakt van
attributen van de klassen. Het betreft een voorstelling van twee soorten keramiek voor het
vaatwerk, een gelijktijdige voorstelling van drie archeologische periodes voor het gevonden
59
vaatwerk en het type amfoor. Voor elk van deze drie visualisaties is het benodigde attribuut
vlot toegankelijk.
Ten slotte onderzoekt Deweirdt (2010, pp. 292-313) de mogelijkheid van rituele banketten op
de site Molesme „Sur-les-Creux‟. Hiervoor wordt eerst de geografische spreiding van de
vindplaatsen van keukengerei nagegaan. Deze voorstelling kan ook met het nieuwe datamodel
worden gerealiseerd. De klasse „Bereidingsvoorwerp‟ is beschikbaar en indirect gekoppeld
aan de klasse „Opgravingseenheid‟. Ten tweede wordt een cartografische voorstelling
gemaakt van de vindplaatsen van de amforen en dit tegelijkertijd voor drie delen van de
amforen. Opnieuw is de nodige informatie beschikbaar in het nieuwe model onder de vorm
van de klasse „Amfoor‟ en de bijhorende attributen. Ten derde worden analyses uitgevoerd
met betrekking tot dierenbotten. Er wordt een kaart gemaakt die gelijktijdig het aantal botten
van runderen, varkens en geiten voorstelt. Opnieuw is alle informatie toegankelijk in het
datamodel. Er wordt voor de drie eerder vermelde diersoorten een histogram opgemaakt met
het aantal botten van een specifiek deel (bv. hoofd, schouder, …) t.o.v. een referentieskelet.
Vervolgens wordt een factoranalyse uitgevoerd met deze gegevens. Het attribuut „Soort‟ in de
klasse „Botten‟ laat toe een bot tot een bepaald deel van een dier te rekenen. Door middel van
„Dier‟ in de klasse „Dierenbotten‟ kan worden achterhaald van welk dier het gevonden bot
afkomstig is. Op die manier kan de analyse opnieuw worden uitgevoerd gebruik makend van
het nieuwe datamodel. Analoog kan de zijde van het dier waarvan het bot afkomstig is (dus
links of rechts), worden achterhaald en kunnen de analyses (histogram en diagramkaarten) die
Deweirdt (2010, pp. 308-312) uitvoert, worden herhaald. Ten slotte wordt met
cirkelvlakdiagrammen op het siteplan het aantal schedels van bepaalde diersoorten
voorgesteld. Zoals hierboven besproken, is ook deze informatie beschikbaar bij gebruik van
het opgebouwde datamodel.
6.3.2 Clusteranalyse paalputten of trous de poteau
De clusteranalyse combineert het middelpunt van de tijdsperiode en de 3D-coördinaten van
het zwaartepunt van de paalputten op de site Molesme „Sur-les-Creux‟. Zoals eerder vermeld
is er ook in de archeologische gegevens van deze site imperfectie aanwezig, meer specifiek is
er de onzekerheid met betrekking tot de tijdsperiode waarin een paalput voorkomt. Voor 48
van 269 paalputten (17,8%) is voor de tijdsperiode de waarde „ind’ opgegeven. Dit zorgt
60
ervoor dat deze objecten niet kunnen worden opgenomen in de clusteranalyse en er bijgevolg
221 geldige objecten zijn (Bijlage 4).
Na visuele analyse van het dendrogram dat bekomen werd met de methode van Ward (Bijlage
4), blijkt het optimale aantal clusters gelijk te zijn aan veertien. Deze keuze kan eveneens
kwantitatief worden gestaafd op basis van het schema met de agglomeratiecoëfficiënten
(Bijlage 4). Op basis van dit schema werd namelijk het verschil tussen de coëfficiënten
berekend, wat overeenkomt met het informatieverlies tussen de opeenvolgende stappen en
ook het verschil tussen deze verliezen (Tabel 7). Uit Tabel 7 blijkt dat er een aantal
opvallende verschillen zijn in informatieverlies (aangegeven met een *). De grootste
verschillen doen zich voor bij overgang van twee naar één, vier naar drie en zes naar vijf
clusters. Elk van deze opties zou een te groot informatieverlies inhouden gezien het grote
aantal paalputten en het aantal structuren dat door Deweirdt (2010) werd gedefinieerd. Uit
Tabel 7 blijkt dat ook bij een overstap van elf naar tien, veertien naar dertien, zeventien naar
zestien en eenentwintig naar twintig clusters nog een opmerkelijk verschil in informatieverlies
optreedt. Een keuze voor twintig of zeventien cluster zou de interpretatie dusdanig
bemoeilijken dat deze opties worden uitgesloten. De keuze tussen elf en veertien clusters
berust op het feit dat het dendrogram ook veertien clusters aangeeft als het optimale aantal.
Tabel 7: Verschil tussen agglomeratiecoëfficiënten van de hiërarchische clustering
Aantal
clusters
Coëfficiënt
vorige stap
Coëfficiënt
deze stap
Verschil
coëfficiënten
Verschil in
informatieverlies
20 55,662 50,843 4,819 1,383 *
19 60,612 55,662 4,951 0,132
18 66,604 60,612 5,991 1,041
17 75,100 66,604 8,496 2,505 *
16 83,999 75,100 8,899 0,403
15 93,221 83,999 9,222 0,323
14 104,783 93,221 11,562 2,340 *
13 117,230 104,783 12,447 0,886
12 129,696 117,230 12,466 0,018
11 145,387 129,696 15,691 3,226 *
10 163,503 145,387 18,116 2,425
9 183,414 163,503 19,911 1,795
8 212,670 183,414 29,256 9,345
7 248,791 212,670 36,121 6,865
6 304,139 248,791 55,348 19,227 *
5 363,082 304,139 58,942 3,594
4 504,215 363,082 141,134 82,191 *
3 670,617 504,215 166,401 25,268
2 916,560 670,617 245,943 79,542 *
61
De k-means clusteranalyse gebeurt bijgevolg met k gelijk aan veertien clusters. Na vijf
iteraties komen geen significante wijzigingen meer voor in de clustercentra (Bijlage 4). De
one-way ANOVA-test (Bijlage 4) toont aan dat voor de vier variabelen (x, y, z en t) er
significante verschillen (p < 0,01) bestaan tussen de clusters. Ze dragen met andere woorden
bij tot het bekomen van verschillende clusters.
Bij het analyseren van de clustergroottes (Bijlage 4) valt op dat er zowel clusters voorkomen
met zeer veel elementen (cluster 2, 4, 10 en 11 met resp. 38, 22, 48 en 33 paalputten) als met
een heel beperkte grootte (cluster 3 en 14 met resp. 3 en 2 paalputten). Omdat het de
bedoeling is structuren te identificeren, worden deze beide groepen van clusters buiten
beschouwing gelaten bij een eerste bespreking. Het is namelijk enerzijds onwaarschijnlijk dat
een structuur bestaat uit zoveel paalputten en anderzijds zal grote onzekerheid ontstaan over
een structuur van twee of drie paalputten. Het bespreken van alle clusters op basis van hun
clustercentra zou bovendien te ver leiden en weinig bijdrage leveren aan dit onderzoek dat
voornamelijk de mogelijkheden van 4D-analyses wil aantonen. Om deze reden worden slechts
drie willekeurig gekozen clusters geselecteerd om uitgebreider te bespreken aan de hand van
de waarden van de variabelen voor hun respectievelijk clustercentrum, namelijk clusters 1, 8
en 12. Omdat de gestandaardiseerde waarden van de variabelen moeilijk te interpreteren zijn,
worden deze opnieuw omgerekend naar de oorspronkelijke waarden door de formule van de
z-score om te vormen10
. De gestandaardiseerde en gewone waarden voor de clustercentra van
clusters 1, 8 en 12 zijn weergegeven in Tabel 8. De geografische spreiding van alle
clustercentra wordt weergegeven in Kaart 5.
Tabel 8: Clustercentra voor clusters 1,8 en 12
Cluster Zscore(X) Zscore(Y) Zscore(Z) Zscore(T) X Y Z T
1 0,36980 0,19553 -2,29593 1,54109 750000,57 2327314,69 -0,61 214,00
8 -0,22877 -0,94894 0,25997 -0,80872 749984,40 2327292,73 -0,16 -250,00
12 -1,78617 0,20413 -2,81333 0,42442 749942,33 2327314,85 -0,70 -6,50
10
wordt dan ( )
62
Kaart 5: Geografische spreiding van de centra van de k-means clusters
Uit Kaart 5 blijkt dat de clustercentra verspreid liggen op de site. Enkel in het noorden en het
oosten komen drie clustercentra voor die dichter bij elkaar zijn gelegen, respectievelijk 6, 9 en
13 en 1, 4 en 10. De clusters 1, 8 en 12 liggen respectievelijk in het oosten, zuiden en westen.
Uit Tabel 8 blijkt dat de clusters ook voor de z-coördinaat en de t-waarde duidelijk verschillen
van elkaar. Het centrum van cluster 8 bevindt zich op 16 cm diepte, terwijl de clustercentra
van 1 en 12 zich veel dieper bevinden. De t-waarde laat duidelijk toe een chronologie vast te
leggen van de drie clusters. Cluster 8 kwam het eerste voor omstreeks 250 v.C., daarna volgt
cluster 12 (6,5 v.C.) en cluster 1 volgt het laatste rond 214 n.C. Er dient wel in het
achterhoofd te worden gehouden dat voor de t-waarde het midden van een tijdsperiode is
gebruikt. Een stelling als voorgaande zin mag dus niet als absolute chronologie worden
aangenomen. Het geeft echter wel een indicatie van de gemiddelde ouderdom van de paalput.
Vooraleer wordt overgegaan tot het nagaan van de externe geldigheid van de clusteranalyse,
worden de boxplots van de clusterelementen tot hun respectievelijk centrum bestudeerd
(Figuur 17). Kaart 6 geeft de uitschieters en de paalputten die niet werden opgenomen in de
clusteranalyse weer. Hieruit wordt duidelijk dat er binnen vijf clusters (1, 2, 4, 9 en 10)
63
uitschieters voorkomen. Dit zorgt ervoor dat de hierboven beschreven resultaten van cluster 1
mogelijk beïnvloed zijn door de paalput met het nummer 130 (US 2018). Ook de geografische
spreiding van de clustercentra in Kaart 5 kan wijzigen als deze uitschieters worden verwijderd
uit de dataset. Deze resultaten worden niet opnieuw berekend, omdat ze weinig bijdrage
leveren aan het onderzoek. De uitschieters zullen echter wel bij de clustervalidatie buiten
beschouwing worden gelaten. Ook in de voorstelling van de resultaten van de clusteranalyse
(Kaart 7) worden de uitschieters uit de cluster waartoe ze behoren verwijderd. Kaart 7 geeft
een eerste overzicht van de clusters. Een diepgaande visuele analyse is moeilijk door het grote
aantal clusters.
Opm.: De nummers van de uitschieters komen niet overeen met de identificaties in
de GIS-laag, maar zijn het rangnummer in de clusteranalyse.
Figuur 17: Boxplotvoorstelling van de clusterelementen tot het clustercentrum
Kaart 6: Niet opgenomen paalputten en uitschieters bij de k-means clusteranalyse
Kaart 7: Resultaten k-means clusteranalyse voor de paalputten
66
Een visuele clustervalidatie is in dit onderzoek door het relatief grote aantal clusters niet
mogelijk gebleken. Bovendien werden ook door Deweirdt (2010) een groot aantal structuren
bestaande uit paalputten gedefinieerd, namelijk tweeëntwintig structuren die ten minste één
paalput bevatten. Het cartografische voorstellen van de respectievelijk veertien en
tweeëntwintig clusters wordt enerzijds bemoeilijkt door de beperking van het menselijk oog
om een dusdanig groot aantal kleuren te onderscheiden en te vergelijken en anderzijds door
het feit dat het in het merendeel van de paalputten gaat om zeer kleine polygonen. Om deze
reden wordt in dit onderzoek geen visuele vergelijking uitgevoerd en meteen overgegaan tot
het analyseren van de kruistabellen.
Voor de clustervalidatie wordt bijgevolg gebruik gemaakt van een kruistabel (Tabel 9). Deze
geeft voor elk van de veertien clusters weer wat het aandeel ervan is in de structuren die door
Deweirdt (2010) zijn bepaald. De kruistabel met de absolute aantallen is terug te vinden in
Bijlage 5. Uit Tabel 9 blijkt dat clusters 1, 7 en 12 volledig overeenkomen met de clusters
bepaald door Deweirdt (2010), respectievelijk BPE4, BPNE en BPW3. Deze clusters worden
weergegeven in Kaart 8. Cluster 3 bestaat uit drie paalputten die door Deweirdt (2010) aan
geen enkele structuur worden toegekend. Dit zou kunnen wijzen op een nieuwe structuur die
door de clusteranalyse wordt ontdekt. Hierbij moet opnieuw worden opgemerkt dat een
structuur die op basis van drie paalputten wordt bepaald, maar weinig zekerheid zal hebben.
Het neemt echter niet weg dat het mogelijk is. Uit Kaart 8 blijkt dat het weinig waarschijnlijk
is dat de drie paalputten uit cluster 3 een nieuwe structuur zouden vormen. Opmerkelijk is wel
dat de paalput US 2041 in werkelijkheid een groepering is van drie putten. Samen met put US
2029 kan deze wel een nieuwe structuur vormen (Kaart 8). Deskundig advies hierover is
echter noodzakelijk. Uit Tabel 9 komt duidelijk naar voor dat clusters 4 en 10 veel elementen
omvatten en bijgevolg als het ware fungeren als verzamelclusters, waar paalputten zonder
afgetekende kenmerken worden in ondergebracht. De elementen uit clusters 9 en 14 behoren
allemaal tot één structuur (respectievelijk BPN en BPC), maar niet alle elementen van de
structuur worden aan deze cluster gekoppeld (Tabel 9). Kaart 9 geeft de paalputten weer van
cluster 14 en van de structuur BPC. Cluster 14 omvat slechts twee paalputten, te midden van
een cirkelvormige structuur waarvan de paalputten allen behoren tot cluster 11 (Kaart 9).
Deweirdt (2010, p. 249) wijst erop dat in deze twee putten mogelijk palen hebben gestaan die
als dragers voor het dak fungeerden, omdat deze ook een grotere diepte hebben. Dit laatste
element is waarschijnlijk ook de reden waarom deze een cluster op zich uitmaken. Dit
voorbeeld bewijst dat een deskundige beoordeling van de clusterresultaten noodzakelijk is.
67
Ook voor cluster 9 en de structuur BPN blijkt dit nodig te zijn (Kaart 10). Cluster 2 is één van
de grootste clusters, toch behoren de paalputten in deze cluster voor 88,6% tot dezelfde
structuur (BMSE). De overige 11,4% komt overeen met vier paalputten die door Deweirdt
(2010) niet aan een structuur werden toegekend. Dit kan erop wijzen dat er tot de structuur
BMSE in werkelijkheid vier putten meer toebehoren dan dat Deweirdt (2010) heeft
vastgesteld. De spreiding van de paalputten in cluster 2 en deze in structuur BMSE enerzijds
en het grote aantal paalputten anderzijds (Kaart 11), maakt het zonder archeologische kennis
onmogelijk te oordelen of de vier paalputten die niet aan een structuur zijn toegekend door
Deweirdt (2010) tot de structuur BMSE behoren. De paalputten van cluster 5 zijn verdeeld
over drie structuren: 27,3% in APNW, 63,6% in BPNW en 9,1% in PNW1 (Tabel 9). Omdat
de paalputten van deze drie structuren exclusief tot deze cluster toebehoren en de structuren
bovendien in dezelfde zone zijn gelegen (noordwest), is het mogelijk dat de drie structuren
die Deweirdt (2010) heeft gedefinieerd in werkelijkheid tot dezelfde structuur behoren. Kaart
12 geeft deze paalputten weer. Uit Kaart 12 blijkt dat de drie paalputten van de structuur
APNW relatief ver, minstens ongeveer 20 m, van de andere paalputten zijn gelegen. Paalput
PNW1 vormt een structuur op zich. Deze is dichter bij de paalputten van structuur BPNW
gelegen (Kaart 12) en zou er dus deel van kunnen uitmaken. Het verdient echter terug de
aanbeveling dergelijke interpretaties door archeologische deskundigen te laten onderzoeken.
Voor de overige vier clusters (6, 8, 11 en 13) biedt de kruistabel (Tabel 9) geen eenvoudige
interpretatie en evaluatie.
Tabel 9: Aandeel van de k-means clusters in de structuren bepaald door Deweirdt (2010)
Structuren 1 2 3 4 5 6 7 8 9 10 11 12 13 14
11,4% 100,0% 14,3%
28,6%
7,7%
43,2%
8,3%
APE1
2,3%
APE2
4,5%
APE3
4,8%
4,5%
APE4
4,5%
APE5
33,3%
APN
57,1%
APNW
27,3%
BMSE
88,6%
6,8%
BPC
15,4%
48,5%
100,0%
BPE1
9,5%
11,4%
BPE2
9,5%
20,5%
BPE3
33,3%
2,3%
BPE4 100,0% BPN
14,3%
100,0%
58,3%
BPNE
100,0%
BPNW
63,6%
BPS
69,2%
BPSE
28,6%
7,7%
BPW1
18,2%
BPW2
33,3%
BPW3
100,0%
PNW1
9,1%
69
Kaart 8: Locatie van de paalputten in de clusters 1, 3, 7 en 12
Kaart 9: Locatie van de paalputten in cluster 14 en in structuur BPC
70
Kaart 10: Locatie van de paalputten in cluster 9 en in structuur BPN
Kaart 11: Locatie van de paalputten in cluster 2 en in structuur BMSE
71
Kaart 12: Locatie van de paalputten in cluster 5
72
7 DISCUSSIE
7.1 Complexiteit van archeologische data
Uit het onderzoek is gebleken dat archeologische data zeer complex zijn. Dit is ook van
toepassing op de data van Molesme „Sur-les-Creux‟. De complexiteit kan tot vijf factoren
worden herleid waarmee bij de implementatie van een 4D-GIS in archeologie onmiskenbaar
rekening moet worden gehouden:
1) grote variatie aan objecten;
2) intrinsiek 3D-karakter van de data;
3) gecompliceerd tijdsconcept;
4) inherente data-imperfectie;
5) meerdere schaalniveaus.
Madsen (2003) merkte algemeen op dat er een grote diversiteit aan archeologische vondsten
bestaat. Dit geldt eveneens voor de site Molesme „Sur-les-Creux‟. Er zijn negentien
categorieën van onroerende en achttien categorieën van roerende objecten aangetroffen. Het
gaat hier om functionele types. Bovendien kan worden gesteld dat geen enkel object dezelfde
geometrische vorm bezit. Dit zorgt ervoor dat de variatie aan objecten ook door de
geometrische kenmerken wordt beïnvloed.
Het intrinsieke 3D-karakter van de data van Molesme „Sur-les-Creux‟ werd reeds aangehaald
in paragraaf 6.2.1.2. Er zijn twee elementen die het belang van 3D-gegevens voor deze site
benadrukken. Ten eerste werd gewezen op het feit dat de greppels op de site te Molesme een
v-vormig profiel hebben. Dit valt uit geen enkel geometrisch gegeven of semantisch attribuut
in de bestaande dataset af te leiden. Ten tweede komt meermaals voor dat objecten zich op
een zelfde locatie bevinden, maar op een andere diepte. Dit zorgt ervoor dat de polygonen
elkaar overlappen, omdat de GIS-lagen een bovenaanzicht van de site geven. Deze
vaststelling is analoog met de conclusie die Wheatley en Gillings (2002) hieromtrent trokken,
namelijk dat er zich een probleem voordoet in 2,5D-omgevingen als twee punten eenzelfde x-
en y-coördinaat bezitten, maar een andere z-coördinaat. Wanneer de gegevens in de drie
dimensies zouden worden behandeld, zouden deze problemen vermeden kunnen worden. Een
belangrijke kanttekening die moet worden gemaakt met betrekking tot het 3D-karakter van
archeologische data is dat niet al het gevonden materiaal expliciet geometrisch in 3D kan
73
worden omschreven. Hierbij wordt vooral gedacht aan kleine roerende vondsten zoals
botsplinters of keramiekscherven. Deze objecten zijn vaak te klein om door middel van
coördinaten te worden gelokaliseerd. Hun locatie wordt eerder aangeduid met behulp van
topologische relaties (Schloen, 2001). Bij de gegevens van Molesme „Sur-les-Creux‟ wordt
verwezen naar de opgravingseenheid waarin het roerende object is gevonden. Het verdient
wel de voorkeur om indien mogelijk 3D-coördinaten van het object te bepalen. Deze data
werden niet verzameld voor de site te Molesme.
De complexiteit inzake tijd komt ook in de gegevens van Molesme „Sur-les-Creux‟ naar voor.
In de gegevens primeert echter de archeologische periode als tijdsaanduiding. Zoals Šmejda
(2009) stelt, variëren deze tijdsperiodes in lengte en kunnen er geen eenduidige definities voor
worden gegeven. Iedereen weet over welke periode het ongeveer gaat, maar omtrent het
absolute begin en einde van deze periode heerst een zekere data-imperfectie. Overige
tijdsaanduidingen komen slechts beperkt voor in de databank van de onroerende goederen of
worden enkel in het doctoraatsproefschrift (Deweirdt, 2010) aangewend. In de databank wordt
gebruik gemaakt van een tekstveld („datation’) om de temporele aanduiding die met behulp
van een archeologische periode gebeurde te verfijnen. In het tekstveld worden verschillende
tijdsnotaties door elkaar gebruikt. Analoog met het probleem dat Van Daele (persoonlijke
mededeling, 28 maart 2012) in het gebruik van tekstvelden voor archeologische data
signaleert, kan worden gesteld dat het onmogelijk wordt om temporele bevragingen uit te
voeren op dit veld. Tsipidis et al. (2011) stellen nochtans dat temporele queries één van de
vier algemene klassen is waarin archeologische vragen uiteen vallen.
Uit de beschrijving van de begrippen rond data-imperfectie blijkt duidelijk de complexiteit
ervan. Zoals eerder aangegeven, is in de data van Molesme „Sur-les-Creux‟ op meerdere
plaatsen data-imperfectie aanwezig. Het behandelen van data-imperfectie in archeologische
GIS en datamodellen vereist echter nog verder diepgaand onderzoek. Hierbij zal wel in het
achterhoofd moeten worden gehouden dat er altijd data-imperfectie en onzekerheid zal
heersen en men dus op een bepaald niveau de data als perfect zal moeten beschouwen ook al
is dit in werkelijkheid niet het geval. Als voorbeeld hiervan kan verwezen worden naar
vaagheid en de verfijning van de tijdsschaal of granularity, zoals Van Daele (persoonlijke
mededeling, 28 maart 2012) aanhaalde (Paragraaf 6.1.2.3).
74
In archeologie worden ook verschillende schaalniveaus onderscheiden. Meestal beperkt een
onderzoek zich tot één van de drie typische schaalniveaus (inter-, intrasite en intrastructuur).
Het verdient naar mijn inziens de voorkeur om een datamodel of GIS te ontwikkelen dat voor
de drie analyseniveaus geschikt is. Hiermee wordt bedoeld dat het datamodel of GIS
bruikbaar is voor elk van de drie analyses apart en voor elke combinatie ervan.
Archeologische data bezitten een hoge graad van complexiteit. De vijf hierboven beschreven
elementen zullen de implementatie van een volwaardig 4D-GIS dat geschikt is voor gebruik
door archeologen en personen, bedrijven en instellingen die omgaan met archeologische data,
sterk beïnvloeden. De ontwikkeling van een 4D-GIS of datamodel zal door deze factoren
ongetwijfeld worden bemoeilijkt. De kans bestaat echter dat dit uitmondt in een
gecompliceerd systeem of ingewikkelde toepassing. Dit moet ten stelligste worden vermeden
omdat dit het initieel beoogde resultaat zal verhinderen. Het is namelijk duidelijk dat een
moeilijk te begrijpen model het gebruik van GIS in archeologische toepassingen niet zal
verhogen.
7.2 Van complexe data naar een elementair conceptueel model
Analoog met onder andere CityGML, GeoSciML, CIDOC CRM en de projecten van Madsen
(2003) en Katsianis et al. (2008) is het datamodel objectgeoriënteerd opgebouwd. Bovendien
werd naar de object-ruimte-tijd relatie die Arroyo-Bishop en Lantada Zarzosa (1995)
vaststelden, het model opgebouwd rond deze drie primaire assen, zoals dit ook in het
onderzoek van Katsianis et al. (2008) is toegepast.
Het opgebouwde conceptueel model beantwoordt aan de eerder besproken factoren waarmee
rekening moet worden gehouden bij de implementatie van een 4D archeologisch GIS. Het is
wel zo dat bepaalde factoren beter geïmplementeerd zijn dan andere. De behandeling van
data-imperfectie is de factor die de minste uitwerking heeft gevonden in het opgebouwde
datamodel. De grote variatie aan objecten die op de site te Molesme gevonden is, wordt
enigszins beperkt in het model opgenomen. Toch wordt een vrij groot aantal klassen met
betrekking tot objecten weergegeven. Het 3D-karakter van de data is in het model opgenomen
in het onderdeel „Geometrie‟. De uitwerking hiervan werd beperkt in dit onderzoek. Het
verdient echter aanbeveling om naar de toekomst toe gebruik te maken van de ISO-standaard
19107:2003 omtrent “Geographic Information - Spatial Schema” (Tom & Roswell, 2009, pp.
75
30-32). Op die manier kunnen ook meer complexe archeologische vondsten geometrisch
worden beschreven. Het gebruik van een z-coördinaat in plaats van een diepteattribuut laat
eveneens toe de hoogte uit te drukken ten opzicht van een bepaald referentieniveau. Dit is nu
in de beschikbare data (GIS en databank) niet noodzakelijk het geval. Naar analogie met
Katsianis et al. (2008) worden meervoudige temporele paden in het model opgenomen in de
klasse „Tijdskenmerken‟. Ook de systeemtijd, waar van Oosterom (2006) op wijst, kan in het
model worden opgeslagen. Wat betreft de data-imperfectie wordt in het datamodel enkel een
onzekerheidsattribuut met een waarde vergelijkbaar met de betrouwbaarheidsindex van de
Runz et al. (2009) opgenomen. Dit is dus heel beperkt. Verder onderzoek moet worden
uitgevoerd over hoe data-imperfectie en zelfs tijd optimaal in een datamodel of GIS
behandeld kunnen worden. Het schaalniveau is volwaardig in het datamodel
geïmplementeerd, zij het dan impliciet. Door de klassen „Site‟, „Zone‟ en
„Opgravingseenheid‟ elk als subklasse van „Ruimtelijke eenheid‟ en met aggregaties ten
opzichte van elkaar te definiëren, wordt de problematiek van de meerdere schaalniveaus
gerealiseerd. Het is namelijk mogelijk meerdere sites op te nemen en te vergelijken of enkel
opgravingseenheden te bestuderen of binnen één opgravingseenheid de objecten te
onderzoeken. Op die manier wordt beantwoord aan de vereiste van Arp (2003) om schaal in
een archeologisch datamodel op te nemen. Bovendien stemt het opgebouwde datamodel op
die manier overeen met de vaststelling van Llobera (2011) dat archeologen constant wisselen
tussen verschillende conceptualisaties van de ruimte.
De omvorming van de databank in Microsoft®
Office Access 2007 volgens het datamodel is
vrij complex gebleken. Dit valt zoals eerder benadrukt te verklaren door de relationele basis
van het softwarepakket. Ook Madsen (2003) stelde vast dat relationele databanken weinig
geschikt zijn voor het opbouwen van complexe archeologische modellen.
In paragraaf 6.1.4 werd gewezen op het belang van het gebruik van standaarden. Het huidige
datamodel is enkel opgebouwd in UML en is niet gebaseerd op XML of GML. Het datamodel
voldoet bijgevolg niet aan dit aandachtspunt dat in paragraaf 6.1.4 werd gestipuleerd. Dit
gebrek kan worden verklaard doordat dit datamodel slechts een eerste stap is in de richting
van een 4D archeologisch GIS. Bij het streven naar interoperabiliteit moet, zoals ook Schloen
(2001) en Cripps (persoonlijke mededeling, 28 maart 2012) vermelden, in de toekomst wel
rekening worden gehouden met het gebruik van standaarden. Ook de mogelijkheden van
CIDOC CRM, zoals aangewend in de onderzoeken van Katsianis et al. (2008) en Felicetti et
76
al. (2010), dienen in de toekomst te worden onderzocht, voornamelijk omdat het een ISO-
standaard betreft.
7.3 Potentieel van het elementair conceptueel datamodel in analyses
Uit paragraaf 6.3.1 blijkt dat de analyses die Deweirdt (2010) heeft uitgevoerd op de roerende
en onroerende vondsten mogelijk zullen blijven na toepassing van het nieuwe datamodel. Er
moet wel worden opgemerkt dat het uiteindelijke analysepotentieel van het datamodel ook
enerzijds door de implementatie van de analyses zelf (Tsipidis et al., 2005) en de realisatie
van de gebruikersinterface (Tsipidis et al., 2011) en anderzijds door de kennis en
vaardigheden van de archeologen (Wheatley & Gillings, 2002) en de mate van aanvaarding
van de nieuwe technologie (Arroyo-Bishop & Lantada Zarzosa, 1995; Llobera, 2011) bepaald
zal worden.
Uit de controle van de toepasbaarheid van het datamodel in de bestaande analyses kan een
aantal verbanden met eerder verricht wetenschappelijk onderzoek worden geconstateerd.
Barceló et al. (2003) en Losier et al. (2007) halen de mogelijkheid tot volumeberekening als
één van de belangrijkste voordelen van hun model aan. Ook bij het datamodel dat in dit
onderzoek werd opgesteld, blijkt volumeberekening mogelijk doordat de geometrie van de
vondsten en de ruimtelijke eenheden wordt opgeslagen. Deweirdt (2010) stelt kruistabellen op
uitgaande van gegevens over het aantal resten, de zones van de site en het subtype keramiek
of de diersoort. Het opstellen van dergelijke tabellen is na toepassing van het nieuwe model
nog steeds mogelijk. Deze analysemogelijkheid wordt ook door Madsen (2003) aangeduid als
voordeel van zijn systeem. De voordelen die Losier et al. (2007) aanvoeren, zijn zoals blijkt
uit paragraaf 6.3.1 ook met dit model mogelijk. Het gaat onder andere over de mogelijkheid
tot het uitvoeren van kwantitatieve en kwalitatieve queries, metrische en topologische
analyses en het onderzoeken van de site vanuit een nieuw perspectief.
De clusteranalyse die werd uitgevoerd, verenigt object, ruimte en tijd. Deze drie factoren die
volgens Arroyo-Bishop en Lantada Zarzosa (1995) de basis van een goede archeologische
analyse uitmaken, worden tegelijk behandeld waardoor de kans op geldige conclusies
vergroot. Het opnemen van de tijdsfactor levert zo een pluspunt op ten opzichte van de
cartografische voorstelling van Deweirdt (2010). Een clusteranalyse is dan wel een
statistische analyse, toch blijven er een aantal subjectieve keuzes noodzakelijk die het
77
einderesultaat aanzienlijk kunnen beïnvloeden. Onder andere de initiële keuze van het aantal
clusters bepaalt het uiteindelijke resultaat. Ook in deze clusteranalyse waren er nog andere
opties voor het aantal clusters. Het is mogelijk dat een clusteranalyse met zeventien clusters
resulteert in een grotere overeenkomst met de structuren die Deweirdt (2010) heeft
gedefinieerd. Deze veronderstelling kan worden gestaafd door de aanwezigheid van twee
zogenaamde verzamelclusters (clusters 4 en 10). De uitgevoerde clusteranalyse biedt echter
wel voordelen ten opzichte van een visueel onderzoek. De clusteranalyse is vrij eenvoudig en
sneller uit te voeren dan een visuele analyse. Er moet wel worden gewezen op de afwijkingen
tussen beide analyses die uit de clustervalidatie naar voor komen. Om de waarde van de
clusteranalyse te vergroten, is het aangewezen om de clusters één voor één visueel te
bekijken. Op die manier kunnen opvallende afwijkingen, verzamelclusters, … worden
geconstateerd.
78
8 BESLUIT
Net als in andere disciplines kan het gebruik van GIS in archeologie andere en nieuwe
mogelijkheden aanreiken. Toch blijft het gebruik van GIS in archeologie eerder beperkt
omdat er geen geschikt systeem, i.e. GIS-software of een gestandaardiseerd datamodel,
bestaat dat kan omgaan met de complexe archeologische gegevens. Het onderzoek naar de
ontwikkeling van een systeem specifiek voor archeologen is al ruim vijftien jaar aan de gang.
Het gaat echter om verschillende van elkaar losstaande onderzoeksprojecten waardoor er nog
steeds een gebrek aan standaardisatie met betrekking tot de archeologische data heerst. Toch
kunnen in de literatuur een aantal projecten worden aangeduid die in de goede richting
schijnen te werken om deze situatie een halt toe te roepen.
In dit onderzoek is getracht een eerste stap te zetten in de richting van een model voor een
4D-GIS voor archeologische data. Om een zo groot mogelijke slaagkans van het
ontwikkelingsproces te behalen, worden zowel de data als de functionaliteiten als de
gebruikers in overweging genomen. Het onderzoek steunt dan ook op drie pijlers: de
gebruikersgerichte, de objectgerichte en de analysegerichte pijler.
Het 4D-GIS is in de eerste plaats bestemd voor archeologen. Daarnaast worden ook personen,
bedrijven en instellingen die omgaan met archeologische gegevens als potentiële gebruikers
van het systeem gezien. De gebruikersgerichte pijler laat toe een aantal vereisten te definiëren
waaraan een archeologisch 4D-GIS moet voldoen. Algemeen moet het resultaat een
begrijpbaar en bruikbaar systeem zijn, dat ervoor zorgt dat GIS meer wordt ingezet in
archeologisch onderzoek. Om dit te verwezenlijken, moet omgegaan kunnen worden met 3D-
gegevens, dient de tijdsdimensie opgenomen te worden en de problematiek rond data-
imperfectie en schaal in acht worden genomen. Bovendien moet aandacht worden geschonken
aan de interoperabiliteit van het systeem door gebruik te maken van standaarden als GML.
De casestudie op de site van Molesme „Sur-les-Creux‟ heeft aangetoond dat de vereisten die
uit de gebruikerspijler naar voor zijn gekomen ook voor dit specifieke geval gelden. Op de
site te Molesme is een grote variatie aan archeologische vondsten aanwezig. Het inherente
3D-karakter van de data wordt duidelijk bij het bestuderen van de verschillende objecten en
hun typische kenmerken. In een 2D-GIS komen namelijk overlappende polygonen voor en
informatie over de werkelijke 3D-vorm van objecten gaat verloren. Vooral met betrekking tot
79
de tijd wordt bevestigd dat data-imperfectie eigen is aan archeologische objecten. Het
opgestelde datamodel omvat drie hoofdsegmenten: object, ruimte en tijd. De grote variëteit
aan objecten, de drie dimensies, de tijd, het schaalprobleem en data-imperfectie worden in het
datamodel opgenomen. Uit het model komt wel naar voor dat er nood is aan een meer
doorgedreven model voor de geometrie. Vooral het complexe probleem van data-imperfectie
en hoe dit in een datamodel kan worden opgenomen, vereist diepgaander onderzoek. Omdat
het om een elementair model gaat, wordt geen gebruik gemaakt van internationaal aanvaarde
standaarden. Dit is echter wel noodzakelijk met het oog op interoperabiliteit.
De resultaten van de analysegerichte pijler bevestigen dat het model nog dezelfde
functionaliteiten bezit als het oorspronkelijke 2D-model. Bovendien biedt de clusteranalyse
die rekening houdt met objecten, ruimte en tijd mogelijkheden om op een onderbouwde wijze
visuele analyses aan te vullen of te vervangen. De clusteranalyse is eenvoudig uit te voeren en
gebeurt relatief snel. Omdat de clusteranalyse subjectieve keuzes vereist, moet een
deskundige beoordeling wel de laatste stap van deze analyse uitmaken.
Algemeen kan worden geconcludeerd dat vijf factoren de implementatie van een volwaardig
archeologisch 4D-GIS sterk zullen beïnvloeden: (i) de grote variatie aan objecten, (ii) het
intrinsiek 3D-karakter van de data, (iii) het gecompliceerd tijdsconcept, (iv) de inherente data-
imperfectie en (v) de verschillende schaalniveaus. Vooral de tijdsdimensie en de data-
imperfectie vergroten de complexiteit van archeologische data. Nader onderzoek over deze
twee factoren in archeologie is dan ook noodzakelijk vooraleer deze volwaardig kunnen
worden opgenomen in een datamodel voor archeologie. Het is dan ook duidelijk dat een 4D-
GIS voor archeologische data dat rekening houdt met de bovenvermelde factoren nog heel
wat onderzoek vergt. Aan de noodzaak van dergelijk 4D-GIS valt echter niet meer te
twijfelen. Het biedt namelijk verschillende mogelijkheden in het volledige proces van het
archeologisch onderzoek en zal de interoperabiliteit verhogen.
80
REFERENTIELIJST
Literatuur
Al-Hanbali, N., Al Bayari, O., Saleh, B., Almasri, H. Baltsavias, E. (2006) “Macro to micro
archaeological documentation: building a 3D GIS model for Jerash City and the Artemis
temple”. In: Abdul-Rahman, A., Zlatanova, S., Coors, V. (Eds.) Lecture Notes in
Geoinformation and Cartography. Innovations in 3D Geo Information Systems. Berlin:
Springer, pp. 447-468.
Antrop, M., De Maeyer, Ph. (2008) Theoretische concepten van GIS. Gent: Academia Press.
Arp, R. (2003) “An ArcGIS Data Model for Archaeologists: Problems and Prospects”. GIS
Serving Our World. 23nd Annual Esri International User Conference. San Diego: Esri.
Arroyo-Bishop, D., Lantada Zarzosa, M. (1995) “To be or not to be: will an object-space-time
GIS/AIS become a scientific reality or end-up an archaeological entity?”. In: Lock, G.,
Stančič, Z. (Eds.) Archaeology and Geographical Information Systems. London: Taylor &
Francis, pp. 43-53.
Barceló, J., de Castro, O., Travet, D., Vicente, O. (2003) “A 3D model of an archaeological
excavation”. In: Doerr, M., Sarris, A. (Eds.) CAA 2002. The Digital Heritage of Archaeology.
Computer Applications and Quantitative Methods in Archaeology. Athens: Hellenic Ministry
of Culture, Archive of Monuments and Publications.
Booch, G., Rumbaugh, J., Jacobson, I. (1998) The Unified Modeling Language User Guide.
s.l.: Addison-Wesley.
Breunig, M., Zlatanova, S. (2011) “3D geo-database research: Retrospective and future
directions”. Computers & Geosciences. 37, 791-803.
Capenberghs, J. (Red.) (1991) Gisteren voorbij. Een archeologisch kijk op de geschiedenis
van de oudste tijden. Leuven: Garant.
81
Conolly, J., Lake, M. (2006) Geographical Information Systems in Archaeology. Cambridge:
Cambridge University Press.
Darvill, T. (2008) The Concise Oxford Dictionary of Archaeology. Oxford: Oxford University
Press.
de Runz, C., Desjardin, E., Piantoni, F., Herbin, M. (2010) “Anteriority index for managing
fuzzy dates in archaeological GIS”. Soft Computing. 14 (4), 339-344.
Deweirdt, E. (2010) De l’analyse spatial à la caractérisation de sites de la fin de l’âge du fer
et du début de l’époque gallo-romaine dans le nord et l’est de la Gaule. Doctoraats-
proefschrift: Universiteit Gent, Faculteit Letteren en Wijsbegeerte, Archeologie.
Egenhofer, M (1989) “A formal definition of binary topological relationships”. In: Litwin,
W., Schek, H.-J. (Eds.) Lecture Notes in Computer Science. vol. 367. 3rd
International
Conference on Foundations of Data Organization and Algorithms. Berlin: Springer, pp. 457-
472.
Egenhofer, M., Frank, A. (1992) “Object-oriented modeling for GIS”. URISA Journal. 4 (2),
3-19.
Egenhofer, M., Herring, J. (1991) “Categorizing binary topological relationships between
regions, lines and points in geographic databases”. In: Egenhofer, M., Herring, J., Smith, T.,
Park, K. (Eds.) NCGIA Technical Reports 91-7. Santa Barbara: National Center for
Geographic Information and Analysis.
España, S., Panach, J., Pederiva, I., Pastor, O. (2006) “Towards a holistic conceptual
modelling-based software development process”. In: Embley, D., Olivé, A., Ram, S. (Eds.)
LNCS 4215. Conceptual Modeling -ER 2006. 25th International Conference on Conceptual
Modeling. Tuscon, AZ, USA, November 2006. Proceedings. Berlin: Springer, pp. 437-450.
82
Felicetti, A., Lorenzini, M., Niccolucci, F. (2010) “Semantic enrichment of geographic data
and 3D models for the management of archaeological features”. In: Artusi, A., Joly, M.,
Lucet, G., Pitzalis, D., Ribés, A. (Eds.) VAST 2010: The 11th International Symposium on
Virtual Reality, Archaeology and Intelligent Cultural Heritage. Paris: Eurographics
Association, pp. 115-122.
Goodchild, M. (1992) “Geographical data modeling”. Computers & Geosciences. 18 (4), 401-
408.
Howard, D., MacEachren, A. (1996) “Interface design for geographic visualization: Tools for
representing reliability”. Cartography and Geographic Information Science. 23 (2), 59-77.
Katsianis, M., Tsipidis, S., Kotsakis, K., Kousoulakou, A. (2008) “A 3D digital workflow for
archaeological intra-site research using GIS”. Journal of Archaeological Science. 35, 655-
667.
Kurata, Y. (2008) “The 9+-intersection: A universal framework for modeling topological
relations”. In: Cova, T., Miller, H., Beard, K., Frank, A., Goodchild, M. (Eds.) Geographic
Information Science. Lecture Notes in Computer Science. Berlin: Springer, pp. 181-198.
Kurata, Y. (2010) “From three-dimensional topological relations to contact relations”. In:
Neutens, T., De Maeyer, P. (Eds.) Developments in 3D Geo-Information Sciences. Lecture
Notes in Geoinformation and Cartography. Berlin: Springer, pp. 123-142.
Kurata, Y., Egenhofer, M. (2007) “The 9+-intersection for topological relations between a
directed line segment and a region”. In: Gottfried, B. (Ed.) 1st Workshop on Behavioral
Monitoring and Interpretation. TZI-Bericht. vol. 42. Bremen: Technologie-Zentrum
Informatik, Univerität Bremen, pp. 62-76.
Llobera, M. (2011) “Archaeological visualization: towards an archaeological information
science (AISc)”. Journal of Archaeological Method and Theory. 18, 193-223.
83
Losier, L.-M., Pouliot, J., Fontin, M. (2007) “3D geometrical modeling of excavation units at
the archaeological site of Tell „Acharneh (Syria)”. Journal of Archaeological Science. 34,
272-288.
Madsen, T. (2003) “ArcheoInfo: an object-oriented information system for archaeological
excavation”. Computer Applications and Quatitative Methods on Archaeology 2003. Enter
the Past. The E-Way into the Four Dimensions of Cultural Heritage. Vienna: CAA.
Petit, C. (2005) Occupation et gestion des plaines alluviales dans le Nord de la France de
l'âge du Fer à l'époque gallo-romaine. Actes de la table-ronde de Molesme 17-18 septembre
1999. Besançon: Presse Universitaires de Franche-Comté.
Petit, C., Camerlynck, C., Deweirdt, E., Durles, C., Garcia, J., Gauthier, É., Ollive, V.,
Richard, H., Wahlen, P. (2006) “Géoarchéologie du site antique de Molesme en vallée de
Laigne (Côte-d‟Or). Mise en évidence de l‟impact anthropique sur la sédimentation
alluviale”. Gallia. 63, 263-281.
Pfoser, D. & Tryfona, N. (1998). “Requirements, definitions, and notations for spatiotemporal
applications”. In: Laurini, R., Makki, K., Pissinou, N. (Eds.) ACM-GIS '98: Proceedings of
the 6th International Symposium on Advances in Geographic Information Systems.
Washington: Association for Computing Machinery, pp. 124-130.
Romesburg, H. (1984) Cluster Analysis for Researchers. Belmont: Lifetime Learning
Publications.
Schloen, J. (2001) “Archaeological data models and web publication using XML”. Computers
and the Humanities. 35, 123-152.
Sharma, S. (1996) Applied Multivariate Techniques. New York: John Wiley & Sons.
Šmejda, L. (2009) “Time as a hidden dimension in archaeological information systems:
Spatial analysis within and without the geographic framework”. Computer Applications to
Archaeology 2009. Williamsburg: CAA.
84
Tsipidis, S., Koussoulakou, A., Kotsakis, K. (2005) “3D GIS visualization of archaeological
excavation data”. International Cartographic Conference 2005. La Coruña: International
Cartographic Conference.
Tsipidis, S., Koussoulakou, A., Kotsakis, K. (2011) “Geovisualization and archaeology:
supporting excavation site research”. In: Ruas, A. (Ed.) Advances in Cartography and
GIScience. Volume 2; Selection from ICC 2011, Paris. Berlin: Springer, pp. 85-108.
van Oosterom, P. (2006) “Temporele aspecten ook op eerste rang?”. Geo-Info. 3 (11), 468-
472.
Wheatley, D., Gillings, M. (2002) Spatial Technology and Archaeology. The Archaeological
Applications of GIS. London: Taylor & Francis.
Zeiler, M. (1999) Modeling our world: the ESRI Guide to Geodatabase Design. Redlands:
Environmental Systems Research Institute.
Zlatanova, S. (2000) “On 3D topological relationships”. In: Min Tjoa, A., Roland, R.,
Wagner, A., Al-Zobaidie, A. (Eds.) Proceedings of the 11th International Workshop on
Database and Expert Systems Applications. Greenwich: IEEE Computer Society, pp. 913-
919.
Zlatanova, S., Rahman, A.A., Pilouk, M. (2002) “Trends in 3D GIS development”. Journal of
Geospatial Engineering. 4 (2), 1-10.
Wetgeving
Decreet 30 juni 1993 houdende bescherming van het archeologisch patrimonium, gewijzigd
bij decreten van 18 mei 1999, 28 februari 2003, 10 maart 2006 en 27 maart 2009, BS 15
september 1993.
85
Internetbronnen
Centrale Archeologische Inventaris.
http://cai.erfgoed.net/cai_publiek/index2.html. 09/03/2012.
CGI (2008) GeoSciML Cookbook; How To Map Data to GeoSciML Version 2.1.
http://www.geosciml.org/geosciml/2.0/cookbook/GeoSciML_Data_CookBook_V2.pdf.
13/03/2011.
Charta Roma, Mappa Ufficiale della Città di Roma. http://www.chartaroma.it/. 12/04/2012.
Crofts, N., Doerr, M., Gill, T., Stead, S., Stiff, M. (Eds.) (2011) Definition of the CIDOC
Conceptual Reference Model. Version 5.0.4.
http://www.cidoc-crm.org/docs/cidoc_crm_version_5.0.4.pdf. 30/12/2011.
Gröger, G., Kolbe, T., Czerwinski, A., Nagel, C. (Eds.) (2008) OpenGIS® City Geography
Markup Language (CityGML) Encoding Standard.
http://www.opengeospatial.org/standards/gml. 13/03/2011.
Kottman, C., Reed, C. (Eds.) (2009) The OpenGIS Abstract Specification. Topic 5: Features.
http://www.opengeospatial.org/standards/as. 24/11/11.
The CIDOC Conceptual Reference Model. What is the CIDOC CRM.
http://www.cidoc-crm.org . 30/12/2011.
ISO/TC 211. (2003) Fact Sheet 19103. 19103 Geographic information – Conceptual schema
language. http://www.isotc211.org/Outreach/Overview/Factsheet_19103.pdf. 08/01/2012.
Oxford Dictionary. http://oxforddictionaries.com. 12/04/2012.
Tom, H., Roswell, C. (Eds.) (2009) Standards Guide. ISO/TC 211 Geographic
Information/Geomatics.
http://www.isotc211.org/Outreach/ISO_TC_211_Standards_Guide.pdf. 15/04/2012.
86
De Centrale Archeologische Inventaris (CAI).
http://www.vioe.be/aanbod/inventarissen/de-centrale-archeologische-inventaris-cai/.
12/04/2012.
Kaarten
Institut national de l‟information géographique et forestière. GEOFLA®
: téléchargement
gratuit. http://professionnels.ign.fr/ficheProduitCMS.do?idDoc=6185461. 08/03/2012.
Institut national de l‟information géographique et forestière. Géoportail. Cartes IGN.
http://www.geoportail.fr/visu2D.do?ter=metropole. 13/02/2012.
Software
ESRI®
ArcMapTM
10.0
IBM®
SPSS®
Statistics 20
Microsoft®
Office Access 2007
Microsoft®
Office Visio®
2007
Van Dale Uitgevers (2009) Van Dale Elektronische grote woordenboeken hedendaags
Nederlands, Engels, Frans, Duits. Versie 5.0
87
BIJLAGEN
Bijlage 1: Inhoud van de shapefiles ‘UA’ en ‘UScomplet’
Tabel 1: Velden, datatype en beschrijving van ‘UA’
Veld Datatype Beschrijving
FID Object ID Feature ID
Shape Geometry Polygoon
US Text ID Opgravingseenheid
SHAPE_Leng Double Omtrek (m)
SHAPE_Area Double Oppervlakte (m²)
X Double X-coördinaat van het middelpunt van de polygoon
(m)
Y Double Y-coördinaat van het middelpunt van de polygoon
(m)
Unité_anal Text ID analyse-eenheid
Surface_m² Double Oppervlakte (m²)
Profondeur Double Diepte (m)
Prof_analy Double Analysediepte (m)
Structure Text Structuur waartoe de polygoon behoort
TYPE Text Type vondst
TYPEregrou Text Groepstype
PHASE Text Periode
volume Double Volume (m³)
Tabel 2: Voorkomende waarden voor het veld ‘Structure’
Structure Structure Structure Structure Structure
BMSE BPW1 FSS3 FYS1
APC BMSW BPW2 FSS4 FYS2
APE1 BPC BPW3 FSSE1 FYSE1
APE2 BPE1 FCS FSSE2 FYSW1
APE3 BPE2 FDP FSSE3 FYW1
APE4 BPE3 FOE FSSE4 FYW2
APE5 BPE4 FON FSSW1 Mur clôture
APN BPN FOS FSSW2 PNW1
APNW BPNE FOW1 FSSW3 PSE1
BAP BPNW FOW2 FSW1 PSE2
Barrage chenal BPS FSNE1 FYE1 PTS
BMS BPSE FSS2 FYNE1
88
Tabel 3: Voorkomende waarden voor het veld ‘Type’, ‘Typeregrou’ en ‘PHASE’
TYPE TYPEregrou PHASE
alluvions alluvions 0
blocage de construction couche d'abandon Auguste
bois couche d'abandon du bassin Auguste - gallo-romain
couche d'abandon couche d'occupation Gallo-romain
couche d'occupation indéterminé Hallstatt
fosse radier de construction ind
fossé remblai de fosse La Tène
foyer remblai de fossé La Tène - Auguste
indéterminé remblai de puits la Tène - Gallo-romain
mur structure de poteau de bois
puits structure maçonnée
radier substrat
remblai
remblai de tranchée de fondation
sol construit
substrat calcaire
substrat colluvial
trou de poteau
Tabel 4: Velden, datatype en beschrijving van ‘UScomplet’
Veld Datatype Beschrijving
FID Object ID Feature-ID
Shape Geometry Polygoon
US Text ID Opgravingseenheid
SHAPE_Leng Double Omtrek (m)
SHAPE_Area Double Oppervlakte (m²)
89
Bijlage 2: Woordenboekuittreksels betreffende begrippen rond data-imperfectie
1. Uittreksels online Oxford English Dictionary (http://oxforddictionaries.com, 12 april
2012)
90
91
2. Uittreksels Van Dale Elektronische grote woordenboeken hedendaags Nederlands,
Engels, Frans, Duits Versie 5.0
92
Bijlage 3: Relatieschema omgevormde databank Molesme ‘Sur-les-Creux’
93
Bijlage 4: SPSS-Output clusteranalyse
1. Hiërarchische clusteranalyse (methode van Ward, kwadratische euclidische afstand)
CLUSTER X_stand Y_stand Z_stand T_stand
/METHOD WARD
/MEASURE=SEUCLID
/ID=FID_arcgis
/PRINT SCHEDULE
/PLOT DENDROGRAM VICICLE.
Notes
Input N of Rows in Working Data File 269
Missing Value
Handling
Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on cases with no missing values for
any variable used.
Case Processing Summarya,b
Cases
Valid Missing Total
N Percent N Percent N Percent
221 82,2 48 17,8 269 100,0
a. Squared Euclidean Distance used
b. Ward Linkage
Ward Linkage
Agglomeration Schedule
Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage
Cluster 1 Cluster 2 Cluster 1 Cluster 2
1 211 234 ,000 0 0 115
2 231 253 ,000 0 0 11
3 245 249 ,001 0 0 36
4 244 248 ,001 0 0 37
5 246 256 ,002 0 0 21
6 60 252 ,003 0 0 19
7 62 247 ,004 0 0 56
8 157 201 ,004 0 0 27
9 255 262 ,005 0 0 53
10 57 59 ,006 0 0 35
94
Agglomeration Schedule
Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage
Cluster 1 Cluster 2 Cluster 1 Cluster 2
11 231 263 ,007 2 0 31
12 16 26 ,008 0 0 39
13 168 181 ,009 0 0 51
14 216 217 ,011 0 0 60
15 90 127 ,012 0 0 62
16 258 259 ,014 0 0 58
17 238 239 ,015 0 0 24
18 99 100 ,017 0 0 79
19 60 61 ,019 6 0 130
20 172 173 ,021 0 0 41
21 246 251 ,023 5 0 36
22 156 158 ,025 0 0 68
23 13 15 ,029 0 0 86
24 224 238 ,032 0 17 53
25 73 74 ,035 0 0 113
26 240 267 ,039 0 0 83
27 157 161 ,043 8 0 68
28 82 83 ,047 0 0 116
29 147 189 ,051 0 0 73
30 218 266 ,055 0 0 83
31 223 231 ,059 0 11 74
32 23 145 ,063 0 0 64
33 2 3 ,068 0 0 134
34 242 261 ,073 0 0 143
35 57 219 ,078 10 0 85
36 245 246 ,083 3 21 111
37 244 254 ,089 4 0 66
38 36 235 ,094 0 0 70
39 16 18 ,101 12 0 126
40 21 31 ,107 0 0 155
41 172 200 ,114 20 0 63
42 225 243 ,121 0 0 74
43 29 30 ,128 0 0 84
44 4 5 ,135 0 0 89
45 8 9 ,143 0 0 117
46 63 65 ,150 0 0 66
47 102 208 ,159 0 0 94
48 94 95 ,168 0 0 99
49 10 11 ,176 0 0 145
95
Agglomeration Schedule
Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage
Cluster 1 Cluster 2 Cluster 1 Cluster 2
50 160 227 ,185 0 0 104
51 168 177 ,194 13 0 100
52 69 89 ,203 0 0 91
53 224 255 ,213 24 9 111
54 142 197 ,222 0 0 170
55 78 80 ,232 0 0 75
56 62 241 ,244 7 0 124
57 40 41 ,255 0 0 93
58 258 260 ,267 16 0 108
59 126 138 ,278 0 0 178
60 215 216 ,290 0 14 123
61 132 133 ,303 0 0 138
62 90 186 ,316 15 0 122
63 172 174 ,330 41 0 142
64 23 175 ,345 32 0 96
65 7 32 ,360 0 0 117
66 63 244 ,376 46 37 105
67 75 185 ,392 0 0 144
68 156 157 ,408 22 27 104
69 140 141 ,424 0 0 72
70 35 36 ,440 0 38 128
71 96 188 ,456 0 0 122
72 86 140 ,474 0 69 148
73 147 190 ,492 29 0 107
74 223 225 ,510 31 42 95
75 70 78 ,528 0 55 150
76 67 265 ,547 0 0 115
77 56 106 ,566 0 0 157
78 19 20 ,586 0 0 126
79 99 101 ,608 18 0 114
80 176 179 ,630 0 0 127
81 22 131 ,652 0 0 97
82 71 79 ,675 0 0 162
83 218 240 ,699 30 26 123
84 28 29 ,723 0 43 194
85 57 220 ,747 35 0 152
86 12 13 ,772 0 23 145
87 112 228 ,796 0 0 149
88 167 169 ,821 0 0 129
96
Agglomeration Schedule
Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage
Cluster 1 Cluster 2 Cluster 1 Cluster 2
89 1 4 ,845 0 44 120
90 14 17 ,871 0 0 181
91 69 88 ,896 52 0 165
92 33 34 ,922 0 0 214
93 39 40 ,948 0 57 121
94 102 191 ,975 47 0 147
95 222 223 1,002 0 74 130
96 23 180 1,029 64 0 138
97 22 171 1,057 81 0 142
98 151 194 1,085 0 0 137
99 94 184 1,113 48 0 113
100 24 168 1,142 0 51 166
101 111 164 1,176 0 0 140
102 104 105 1,210 0 0 158
103 122 124 1,245 0 0 141
104 156 160 1,282 68 50 164
105 63 236 1,320 66 0 139
106 44 230 1,361 0 0 193
107 147 193 1,403 73 0 179
108 257 258 1,449 0 58 172
109 109 113 1,496 0 0 149
110 87 183 1,543 0 0 168
111 224 245 1,591 53 36 159
112 144 198 1,641 0 0 133
113 73 94 1,695 25 99 153
114 99 192 1,752 79 0 173
115 67 211 1,811 76 1 135
116 76 82 1,872 0 28 148
117 7 8 1,934 65 45 155
118 146 214 1,996 0 0 146
119 125 143 2,058 0 0 188
120 1 6 2,125 89 0 185
121 37 39 2,192 0 93 177
122 90 96 2,259 62 71 158
123 215 218 2,330 60 83 161
124 62 221 2,401 56 0 180
125 55 58 2,474 0 0 157
126 16 19 2,549 39 78 167
127 176 178 2,625 80 0 156
97
Agglomeration Schedule
Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage
Cluster 1 Cluster 2 Cluster 1 Cluster 2
128 35 38 2,702 70 0 177
129 167 170 2,782 88 0 156
130 60 222 2,863 19 95 159
131 195 209 2,948 0 0 147
132 115 116 3,034 0 0 136
133 144 199 3,122 112 0 170
134 2 123 3,211 33 0 185
135 67 98 3,301 115 0 152
136 110 115 3,395 0 132 174
137 103 151 3,491 0 98 168
138 23 132 3,587 96 61 160
139 63 66 3,686 105 0 161
140 111 117 3,794 101 0 169
141 118 122 3,903 0 103 187
142 22 172 4,014 97 63 160
143 52 242 4,132 0 34 171
144 75 97 4,253 67 0 175
145 10 12 4,376 49 86 167
146 146 149 4,509 118 0 195
147 102 195 4,654 94 131 178
148 76 86 4,799 116 72 181
149 109 112 4,949 109 87 174
150 70 72 5,100 75 0 162
151 92 268 5,270 0 0 176
152 57 67 5,447 85 135 171
153 73 81 5,625 113 0 173
154 135 229 5,805 0 0 169
155 7 21 5,991 117 40 183
156 167 176 6,180 129 127 213
157 55 56 6,376 125 77 180
158 90 104 6,584 122 102 175
159 60 224 6,813 130 111 199
160 22 23 7,091 142 138 166
161 63 215 7,378 139 123 192
162 70 71 7,672 150 82 197
163 136 165 7,966 0 0 189
164 156 159 8,272 104 0 194
165 69 91 8,600 91 0 184
166 22 24 8,930 160 100 208
98
Agglomeration Schedule
Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage
Cluster 1 Cluster 2 Cluster 1 Cluster 2
167 10 16 9,267 145 126 183
168 87 103 9,612 110 137 191
169 111 135 9,956 140 154 182
170 142 144 10,330 54 133 188
171 52 57 10,735 143 152 204
172 150 257 11,144 0 108 202
173 73 99 11,576 153 114 191
174 109 110 12,015 149 136 187
175 75 90 12,458 144 158 186
176 64 92 12,907 0 151 192
177 35 37 13,411 128 121 210
178 102 126 13,968 147 59 186
179 147 148 14,541 107 0 202
180 55 62 15,170 157 124 195
181 14 76 15,859 90 148 201
182 111 137 16,619 169 0 200
183 7 10 17,418 155 167 210
184 69 85 18,223 165 0 207
185 1 2 19,187 120 134 211
186 75 102 20,228 175 178 201
187 109 118 21,316 174 141 196
188 125 142 22,613 119 170 209
189 136 269 23,948 163 0 200
190 42 49 25,294 0 0 198
191 73 87 26,686 173 168 203
192 63 64 28,215 161 176 199
193 44 226 29,746 106 0 205
194 28 156 31,865 84 164 208
195 55 146 34,009 180 146 198
196 109 119 36,155 187 0 206
197 70 130 38,341 162 0 213
198 42 55 41,034 190 195 212
199 60 63 44,075 159 192 205
200 111 136 47,408 182 189 206
201 14 75 50,843 181 186 203
202 147 150 55,662 179 172 207
203 14 73 60,612 201 191 204
204 14 52 66,604 203 171 215
99
Agglomeration Schedule
Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage
Cluster 1 Cluster 2 Cluster 1 Cluster 2
205 44 60 75,100 193 199 219
206 109 111 83,999 196 200 211
207 69 147 93,221 184 202 209
208 22 28 104,783 166 194 217
209 69 125 117,230 207 188 216
210 7 35 129,696 183 177 212
211 1 109 145,387 185 206 217
212 7 42 163,503 210 198 215
213 70 167 183,414 197 156 214
214 33 70 212,670 92 213 218
215 7 14 248,791 212 204 216
216 7 69 304,139 215 209 219
217 1 22 363,082 211 208 218
218 1 33 504,215 217 214 220
219 7 44 670,617 216 205 220
220 1 7 916,560 218 219 0
100
101
2. Niet-hiërarchische clusteranalyse (k-means methode, 14 clusters)
QUICK CLUSTER X_stand Y_stand Z_stand T_stand
/MISSING=LISTWISE
/CRITERIA=CLUSTER(14) MXITER(10) CONVERGE(0)
/METHOD=KMEANS(NOUPDATE)
/SAVE CLUSTER DISTANCE
/PRINT ID(FID_arcgis) INITIAL ANOVA CLUSTER DISTAN.
Quick Cluster
Notes
Input N of Rows in Working Data File 269
Missing Value
Handling
Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on cases with no missing values for
any variable used.
Initial Cluster Centers
Cluster
1 2 3 4 5 6 7
Zscore(X) ,44364 ,85089 -1,92032 1,12709 -2,44383 -,55119 1,05675
Zscore(Y) -,91258 -1,65062 -1,38741 -,01661 1,70028 2,93192 1,35784
Zscore(Z) -3,09628 ,58210 ,24256 -1,11561 ,01620 ,01620 -,94584
Zscore(T) 1,54109 1,54109 1,54109 -,80872 -,80872 -,80872 ,42442
Initial Cluster Centers
Cluster
8 9 10 11 12 13 14
Zscore(X) -,28314 -,49195 ,86311 -1,94290 -1,97511 -,71520 -,61894
Zscore(Y) -1,09292 2,07921 ,64013 -,09583 ,01832 1,11913 ,22003
Zscore(Z) ,58210 -2,13424 1,03483 ,01620 -2,81333 ,46892 -6,20876
Zscore(T) -,80872 ,42442 -,80872 -,80872 ,42442 1,54109 -,80872
Iteration Historya
Iteration Change in Cluster Centers
1 2 3 4 5 6 7 8
1 1,282 ,499 ,766 ,687 ,771 ,538 ,607 ,627
2 ,097 ,032 ,257 ,098 ,000 ,187 ,374 ,232
3 ,000 ,000 ,000 ,049 ,000 ,000 ,328 ,107
4 ,000 ,000 ,000 ,211 ,000 ,000 ,000 ,080
5 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000
102
Iteration Historya
Iteration Change in Cluster Centers
9 10 11 12 13 14
1 ,976 ,715 ,551 ,265 ,680 ,114
2 ,365 ,123 ,086 ,000 ,000 ,000
3 ,135 ,029 ,080 ,000 ,000 ,000
4 ,080 ,021 ,166 ,000 ,086 ,000
5 ,000 ,000 ,000 ,000 ,000 ,000
a. Convergence achieved due to no or small change in cluster centers. The maximum absolute coordinate
change for any center is ,000. The current iteration is 5. The minimum distance between initial centers is 1,856.
Cluster Membership
Case Number FID_arcgis Cluster Distance
1 0 6 ,243
2 1 6 ,345
3 2 6 ,388
4 3 6 ,280
5 4 6 ,356
6 5 6 ,497
7 6 11 ,760
8 7 11 ,869
9 8 11 ,944
10 9 11 ,978
11 10 11 ,992
12 11 11 ,980
13 12 11 ,946
14 13 8 ,879
15 14 11 ,917
16 15 11 ,882
17 16 8 ,730
18 17 11 ,797
19 18 11 ,691
20 19 11 ,564
21 20 11 ,519
22 24 11 ,785
23 25 11 ,792
24 26 11 ,832
25 27 . .
26 28 11 ,850
27 29 . .
28 36 5 ,771
103
Cluster Membership
Case Number FID_arcgis Cluster Distance
29 37 5 ,715
30 38 5 ,683
31 46 11 ,537
32 47 11 ,617
33 48 14 ,114
34 49 14 ,114
35 50 8 ,358
36 51 8 ,332
37 52 8 ,269
38 53 8 ,304
39 54 8 ,345
40 55 8 ,468
41 56 8 ,442
42 57 8 1,255
43 58 . .
44 59 3 ,535
45 60 . .
46 61 . .
47 62 . .
48 63 . .
49 64 4 1,698
50 65 . .
51 66 . .
52 67 8 ,770
53 68 . .
54 69 . .
55 70 4 ,519
56 71 4 ,452
57 72 10 ,590
58 73 4 ,508
59 74 10 ,548
60 76 2 ,258
61 77 2 ,206
62 78 4 ,878
63 79 2 ,137
64 80 2 1,158
65 81 2 ,195
66 82 2 ,429
67 83 10 ,588
68 85 . .
104
Cluster Membership
Case Number FID_arcgis Cluster Distance
69 86 13 1,339
70 87 1 ,289
71 88 1 ,579
72 89 1 ,428
73 90 10 ,296
74 91 10 ,243
75 92 10 ,549
76 93 10 ,449
77 94 . .
78 95 1 ,177
79 96 1 ,403
80 97 1 ,113
81 98 10 ,706
82 99 10 ,521
83 100 10 ,585
84 101 . .
85 102 13 1,302
86 103 10 ,554
87 104 4 ,822
88 105 13 1,262
89 106 13 1,255
90 107 10 ,523
91 108 2 1,127
92 109 2 ,926
93 110 . .
94 111 10 ,238
95 112 10 ,344
96 113 10 ,425
97 114 10 ,473
98 115 10 ,337
99 116 10 ,528
100 117 10 ,471
101 118 10 ,381
102 119 10 ,277
103 120 4 ,736
104 121 10 ,642
105 122 10 ,866
106 123 4 ,393
107 124 . .
108 125 . .
105
Cluster Membership
Case Number FID_arcgis Cluster Distance
109 126 9 ,565
110 127 9 ,444
111 128 13 ,770
112 129 9 ,203
113 130 9 ,482
114 131 . .
115 132 9 ,161
116 133 9 ,550
117 134 13 ,678
118 135 9 ,703
119 136 9 1,459
120 137 . .
121 138 . .
122 139 9 ,391
123 140 6 ,612
124 141 9 ,489
125 142 7 ,513
126 144 10 ,906
127 145 10 ,488
128 146 . .
129 147 . .
130 152 1 1,369
131 155 11 ,850
132 156 11 ,934
133 157 11 ,810
134 158 . .
135 162 9 ,884
136 163 13 ,923
137 166 13 1,279
138 167 10 ,838
139 168 . .
140 169 10 ,510
141 170 10 ,671
142 171 7 ,593
143 172 7 ,851
144 173 7 ,168
145 174 11 ,797
146 176 4 ,604
147 177 4 ,931
148 178 4 1,224
106
Cluster Membership
Case Number FID_arcgis Cluster Distance
149 179 4 ,940
150 180 4 1,269
151 181 4 ,910
152 182 . .
153 183 . .
154 184 . .
155 185 . .
156 186 5 ,344
157 187 5 ,326
158 188 5 ,351
159 189 5 ,511
160 190 5 ,234
161 191 5 ,315
162 192 . .
163 193 . .
164 194 13 ,699
165 195 13 ,657
166 196 . .
167 197 12 ,273
168 198 11 ,615
169 199 12 ,178
170 200 12 ,305
171 201 11 ,632
172 202 11 ,592
173 203 11 ,572
174 204 11 ,702
175 205 11 ,903
176 206 12 ,180
177 208 11 ,737
178 209 12 ,300
179 210 12 ,265
180 211 11 ,798
181 212 11 ,649
182 214 . .
183 215 4 ,755
184 216 10 ,369
185 217 10 ,585
186 218 10 ,594
187 219 . .
188 220 10 ,317
107
Cluster Membership
Case Number FID_arcgis Cluster Distance
189 221 4 ,916
190 222 4 ,952
191 223 10 ,264
192 225 10 ,654
193 230 4 ,933
194 231 10 ,755
195 232 10 ,646
196 233 . .
197 234 7 ,601
198 235 7 ,334
199 236 7 ,198
200 239 11 ,566
201 267 5 ,298
202 416 . .
203 417 . .
204 418 . .
205 419 . .
206 420 . .
207 425 . .
208 431 10 ,307
209 432 10 ,536
210 433 . .
211 434 10 ,471
212 436 . .
213 480 . .
214 482 4 ,644
215 497 2 ,430
216 498 2 ,492
217 499 2 ,467
218 500 2 ,310
219 503 10 ,650
220 504 10 ,724
221 505 4 ,688
222 544 2 ,300
223 545 2 ,247
224 546 2 ,416
225 547 2 ,170
226 556 3 1,010
227 566 5 ,315
228 570 9 ,392
108
Cluster Membership
Case Number FID_arcgis Cluster Distance
229 572 13 ,884
230 575 3 ,515
231 578 2 ,202
232 596 . .
233 599 . .
234 600 10 ,458
235 601 8 ,357
236 608 2 ,156
237 616 . .
238 626 2 ,479
239 627 2 ,491
240 650 2 ,418
241 651 4 ,803
242 652 10 1,007
243 653 2 ,078
244 654 2 ,127
245 659 2 ,343
246 666 2 ,317
247 667 4 ,880
248 668 2 ,097
249 670 2 ,322
250 671 . .
251 675 2 ,384
252 681 2 ,258
253 684 2 ,201
254 685 2 ,169
255 689 2 ,466
256 692 2 ,353
257 695 10 1,333
258 696 10 1,303
259 697 10 1,330
260 698 10 1,297
261 707 8 ,993
262 708 2 ,426
263 709 2 ,237
264 710 . .
265 711 10 ,692
266 712 2 ,291
267 713 2 ,376
268 714 2 ,661
269 718 13 1,919
109
Final Cluster Centers
Cluster
1 2 3 4 5 6 7
Zscore(X) ,36980 ,76247 -,98103 ,92025 -1,83085 -,53336 1,09647
Zscore(Y) ,19553 -1,17003 -1,09292 -,42126 1,40219 2,49812 1,19478
Zscore(Z) -2,29593 ,53892 ,46892 -,80694 ,37632 ,25873 -,93776
Zscore(T) 1,54109 1,54109 1,54109 -,47241 -,80872 -,80872 ,42442
Final Cluster Centers
Cluster
8 9 10 11 12 13 14
Zscore(X) -,22877 -,39615 ,80075 -1,15936 -1,78617 -,25935 -,50491
Zscore(Y) -,94894 1,66536 -,09048 ,14578 ,20413 1,19770 ,21872
Zscore(Z) ,25997 -,73834 ,58564 -,20673 -2,81333 ,50193 -6,20876
Zscore(T) -,80872 ,42442 -,70596 -,80381 ,42442 1,07581 -,80872
ANOVA
Cluster Error F Sig.
Mean Square df Mean Square df
Zscore(X) 14,579 13 ,162 207 90,251 ,000
Zscore(Y) 15,253 13 ,130 207 117,159 ,000
Zscore(Z) 17,092 13 ,126 207 135,204 ,000
Zscore(T) 15,702 13 ,077 207 204,762 ,000
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize
the differences among cases in different clusters. The observed significance levels are not corrected for this
and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
110
Number of Cases in each Cluster
Cluster
1 7,000
2 38,000
3 3,000
4 22,000
5 11,000
6 7,000
7 7,000
8 13,000
9 12,000
10 48,000
11 33,000
12 6,000
13 12,000
14 2,000
Valid 221,000
Missing 48,000
3. Boxplot: afstand paalputten tot respectievelijk clustercentrum (k-means clustering)
111
4. ANOVA-test (k-means clustering)
ONEWAY X_stand Y_stand Z_stand T_stand BY Cl_kMeans_14
/STATISTICS DESCRIPTIVES
/MISSING ANALYSIS.
Oneway
Notes
Input N of Rows in Working Data File 269
Missing Value
Handling
Definition of Missing User-defined missing values are treated as missing.
Cases Used Statistics are based on cases with no missing values for
any variable used.
ANOVA
Sum of Squares df Mean Square F Sig.
Zscore(X)
Between Groups 189,525 13 14,579 90,251 ,000
Within Groups 33,438 207 ,162
Total 222,962 220
Zscore(Y)
Between Groups 198,288 13 15,253 117,159 ,000
Within Groups 26,949 207 ,130
Total 225,238 220
Zscore(Z)
Between Groups 222,192 13 17,092 135,204 ,000
Within Groups 26,168 207 ,126
Total 248,360 220
Zscore(T)
Between Groups 204,126 13 15,702 204,762 ,000
Within Groups 15,874 207 ,077
Total 220,000 220
Bijlage 5: Kruistabel van de k-means clusters tegenover de structuren bepaald door Deweirdt (2010)
Structuren 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Eindtotaal
4 3 3
2
1
19
1
33
APE1
1
1
APE2
2
2
APE3
1
2
3
APE4
2
2
APE5
4
4
APN
4
4
APNW
3
3
BMSE
31
3
34
BPC
2
16
2 20
BPE1
2
5
7
BPE2
2
9
11
BPE3
7
1
8
BPE4 6
6
BPN
1
11
7
19
BPNE
7
7
BPNW
7
7
BPS
9
9
BPSE
6
1
7
BPW1
6
6
BPW2
11
11
BPW3
6
6
PNW1
1
1
Eindtotaal 6 35 3 21 11 7 7 13 11 44 33 6 12 2 211