وزن های شواهد

حفاظت و شناسایی محوطه های باستانی با توجه به تهدیدات ناشی از شهرسازی، گسترش کشاورزی و توسعه زیرساخت ها اهمیت روزافزونی یافته است. کاوش های میدانی سنتی، اگرچه مؤثر، اما زمان بر و پرهزینه اند. مدل سازی پیش بینی فضایی با استفاده از عوامل محیطی و داده های مکان های شناخته شده، ابزاری کارآمد برای شناسایی مناطق با پتانسیل باستانی بالاست. این مطالعه به مقایسه دو روش مدل سازی پیش بینی، وزن های شواهد (WoE) و ماکزیمم آنتروپی (MaxEnt)، در شناسایی محوطه های باستانی در استان خراسان شمالی، ایران، می پردازد. این منطقه به دلیل کشف اخیر یک کاخ هخامنشی در نزدیکی آشخانه از اهمیت باستانی برخوردار است. در این پژوهش، داده های 980 محوطه باستانی به صورت تصادفی به مجموعه های آموزشی (70%) و اعتبارسنجی (30%) تقسیم شدند. شش متغیر محیطی شامل ارتفاع، شیب، فاصله از رودخانه ها، پوشش گیاهی، آبادی ها و زمین شناسی با رزولوشن 30 متر در محیط GIS پردازش شدند. مدل WoE با رویکرد بیزین و آزمون استقلال شرطی (کای اسکوئر) و مدل MaxEnt بدون نیاز به استقلال متغیرها اجرا شدند. نتایج نشان داد MaxEnt با نرخ موفقیت آموزشی 88.65% و اعتبارسنجی 88.20% نسبت به WoE (83.26% و 83.00%) عملکرد بهتری دارد. نزدیکی به آبادی ها و رودخانه ها مهم ترین عوامل پیش بینی کننده بودند. MaxEnt به دلیل انعطاف پذیری و عدم نیاز به استقلال متغیرها، برای محیط های پیچیده مناسب تر است، درحالی که WoE به دلیل سادگی برای پروژه های کوچک تر کارآمد است. پیشنهاد می شود در تحقیقات آتی از روش های ترکیبی و داده های با وضوح بالا برای بهبود دقت استفاده شود.