Kartlegging av vår kulturarv

Dagens oversikt over kulturminner i skog og utmark er mangelfull og unøyaktig, noe som kan føre til tap eller skade av verdifull kulturarv ved utbyggingsprosjekter. I samarbeid med Riksantikvaren og utvalgte fylkeskommuner har NR utviklet automatiserte metoder for å identifisere funnsteder ved hjelp av laserskanning og dyp læring. Flybåren laserskanning gjør det mulig å vurdere terrengnivåer og forenkler kartleggingsprosessen.

Bildet viser et snødekket, skogområde med en liten haug midt på bildet. Haugen er en gammel kullmile som ble oppdaget takket være ny teknologi.
En kullmine funnet i Lesja i Innlandet fylkeskommune. Bilde: Cultsearcher/NR.

I Norge er det Riksantikvaren i samarbeid med fylkeskommunene som er ansvarlige for registrering og kartlegging av kulturminner i landet. Ved planlegging av arealbruksendinger, som utbygging av veier, vindmølleparker og hyttefelt, er det viktig å vite nøyaktig hvor det fins kulturminner slik at disse ikke blir skadet. Dessverre er kulturminnekartleggingen i Norge mangelfull. Noen områder er kartlagt godt, mens de fleste områder bare har tilfeldige funn, ofte med unøyaktige posisjoner.

I dette prosjektet har vi utviklet automatiserte metoder for å oppdage og stedfeste visse typer kulturminner som ofte forekommer i utmarksområder: Gravhauger fra jernalderen, fangstgroper fra jernalder og middelalder, samt kullmiler fra 1600- og 1700-tallet. Metodene baserer seg på dype nevrale nettverk som er trent opp til å kjenne igjen disse kulturminnene i laserskanningsdata fra fly. Slike data har blitt samlet inn for hele Norge i løpet av de siste årene. 

Deteksjon av kulturminner med dyp læring

Vi testet ulike tilnærminger i prosjektperioden, inkludert malmatching og et konvolusjonelt nevralt nettverk (CNN), før vi landet på vår nåværende metode, som utnytter kraften i det dype nevrale nettverket, Faster R-CNN. Nettverket ble trent med én million bilder av naturlige omgivelser med merkede objekter som kjøretøy, dyr og mennesker. Denne opplæringen la grunnlaget for nettverkets evne til å gjenkjenne objekter og ble deretter finjustert med 3 000 laserskanningsbilder av ulike kulturminner. Metoden ble deretter brukt til å forutsi plasseringen av funnsteder, selv når disse ikke var del av det opprinnelige datasettet.

Bildet viser seks laserskanningsbilder med detekterte kulturminner markert i rødt.
Laserskanningsbilder av terrenget med automatiserte prediksjon merket i rødt. Figur: Cultsearcher/NR.

Automatisert kartlegging av kullmiler, gravhauger og områder for jernutvinning

Den virkelige verdien av automatiserte prediksjoner ligger i evnen til å kunne oppdage ukjente lokasjoner. Vi ønsket derfor å teste metoden vår i et område med ufullstendig kartlegging. Testområdet ble Øvre Eiker kommune i Buskerud, som på det tidspunktet hadde rundt ti kjente kullmilesteder. Øvre Eiker ligger nær Kongbergs sølvgruver, som brukte trekull på 1600-tallet, og vi mistenkte derfor at fantes langt flere kullmiler enn tidligere oppdaget. Metoden vår dekket hele kommunen og predikerte til slutt 1 130 steder. Ved manuell kontroll ble 578 av disse bekreftet, og vi fant i tillegg 66 kullmiler som den automatiserte metoden hadde oversett.

I løpet av prosjektperioden gjorde vi flere spennende oppdagelser. Blant annet identifiserte vi områder for jernutvinning og fangstgroper for hjort i Øystre Slidre, og vi oppdaget seksten gravhauger i Vestfold og Telemark.

Vil du vite mer om dette prosjektet? Ta kontakt:

Prosjekt: CultSearcher

Partnere: Riksantikvaren, Norsk institutt for kulturminneforskning (NIKU), Kulturhistorisk museum, Vestfold fylkeskommune, Innlandet fylkeskommune (tidligere Oppland), Trøndelag fylkeskommune (tidligere Sør-Trøndelag), Buskerud fylkeskommune, Telemark fylkeskommune

Periode: 2003-2016

Publikasjoner på engelsk:

Trier, Ø.D., Pilø, L.H., 2012. Automatic detection of pit structures in airborne laser scanning data. Archaeological Prospection 19 (2), 103–121. https://doi.org/10.1002/arp.1421.

Trier, Ø.D., Reksten, J.H., Løseth, K., 2021. Automated mapping of cultural heritage in Norway from airborne lidar data using faster R-CNN. International Journal of Applied Earth Observations and Geoinformation 95, paper No. 102241. https://doi.org/10.1016/j.jag.2020.102241.

Trier, Ø.D., Salberg, A.-B., Pilø, L.H., 2016. Semi-automatic mapping of charcoal kilns from airborne laser scanning data using deep learning. In: Proceedings of the 44th Conference on Computer Applications and Quantitative Methods in Archaeology, Oslo, Norway, 30 March-3 April 2016, pp. 219-231. Read the chapter via Google Books.