Machine Learning basierte Rekonstruktion von Paläolandschaften zur verbesserten Interpretation von Mensch-Umwelt-Beziehungen (SFB 1266, B1)

Dieses Promotionsprojekt ist Teil des SFB 1266 Subprojekts B1 „Pioniere des Nordens: Veränderungen und Transformationen in Nordeuropa auf Grundlage hochauflösender Datensätze“ und konzentriert sich auf die Rekonstruktion der Paläolandschaften Norddeutschlands und des deutschen Nordseesektors im Spätglazial. Durch Klimabedingungen, Wasservorkommen und andere Umweltfaktoren wird unmittelbar bestimmt, welche Nahrungsquellen wann und wo zur Verfügung stehen – ein entscheidender Faktor für die Bewegungen mobiler Jäger-Sammler-Gesellschaften. Rekonstruktionen der Paläolandschaft sind daher wichtige archäologische Proxies und dienen zudem der Suche nach neuen Fundplätzen. Ziel des Projektes ist die Entwicklung von lernfähigen Algorithmen, welche eine automatisierte Zusammenführung von Daten aus unterschiedlichen Disziplinen in ein hochaufgelöstes Modell der Landschaft nach der letzten Vereisung ermöglichen. Eine wichtige Rolle werden hierbei geophysikalische Datensätze (GPR, Seismik), aber auch geologische Daten und Pollenanalysen spielen. Die Algorithmen werden unter Verwendung von Testgebieten wie Tyrsted in Dänemark entwickelt und optimiert, wo ein reicher Schatz an Daten verschiedener Disziplinen aus Phase I des SFB 1266 zur Verfügung steht. Anschließend soll die entwickelte Methode auf neue Untersuchungsgebiete angewendet werden, wobei der deutsche Nordseesektor einen wichtigen Fokus darstellen soll.