河南叶县余庄遗址是中原地区已发现的规模较大的龙山文化环壕聚落遗址，总面积达125万平方米，是探索豫中地区龙山时期聚落形态、早期礼制文明起源与社会复杂化进程的核心遗存，具有重要的学术价值。

长期以来，田野考古勘探以洛阳铲人工钻探为核心手段，该方式在点位地层判定上具备较高准确性，但面对百万平方米级的大型遗址，存在明显的应用短板：一是点状勘探模式难以连续、完整地呈现地下文化层与遗迹的空间分布，存在“以点带面”的偏差；二是全域普查式钻探需投入大量人力与时间成本，工作周期长，难以快速锁定核心遗存分布区，无法高效支撑大型遗址的整体聚落格局研究。

地球物理勘探技术凭借无损、连续、大范围覆盖的优势，可快速获取地下地层的连续物性剖面，弥补传统钻探的短板。但在田野考古实操中，物探数据解译高度依赖技术人员的专业经验，地层信号异常存在天然的多解性，例如灰坑松散堆积与古河道淤积层的信号特征高度相似，单纯依靠人工经验判读，易出现误判、漏判，难以直接服务于考古勘探的精准决策。

为破解上述难点，2025年团队在余庄遗址西北部核心区开展联合攻关，核心思路是依托物探技术实现地下地层的大范围无损探测，以人工智能算法优化物探信号解译流程，建立物探信号与真实考古地层的映射关系，探索一套适配大型史前聚落遗址的高效、精准勘探技术路径，推动考古勘探从“全域盲探”向“靶向预测”转型。

遗址概况与技术路线

本次工作集中于余庄遗址核心区西北部，该区域地势较高，前期考古工作已探明分布有近万平方米的龙山时期大型夯土基址及池苑遗迹，文化遗存密集、地层堆积序列复杂，是研究遗址聚落功能布局的核心区域，也具备开展多技术联合勘探的典型条件。

整体工作严格遵循《田野考古工作规程》，按照“物探先行、AI预测、钻探验证、闭环迭代”的原则推进，在工作区内划分多个作业区块，有序完成全流程勘探作业。

技术流程

本次工作构建了“地球物理探测 —人工智能解析—考古验证优化”三位一体的闭环工作体系，形成了完整、可复制的技术链条，具体分为四个核心环节：

数据采集：采用250MHz地质雷达与微动测深系统，采集地下0-4米深度的电磁波反射振幅与横波速度结构等物性参数，获取连续的地下地层剖面数据，完成标准化的噪声去除、校正等预处理工作。

地层标定：在物探信号异常区布设控制性钻探点位，通过洛阳铲少量钻探获取确切的文化层深度、堆积序列与包含物信息，以此作为AI模型学习的标准和依据，完成物探信号与真实地层的对应标定。

智能解析：以标定的钻探数据为基础，整合物探多维度信号特征，运用随机森林算法构建文化层预测模型，输出全区文化层分布概率、埋藏深度范围，同步评估预测结果的置信度，最终生成文化层分布三维可视化模型，为下一步发掘提供了直观、清晰、准确的指引。

应用迭代：以模型预测成果指导探沟布设与考古发掘，将发掘验证获取的真实地层数据，补充至标定数据集开展增量训练，实现模型精度的持续优化，形成完整的工作闭环。

勘探成果的人工智能模型预测与考古验证

传统物探存在多解性，其解译依赖专业人员识别同相轴错断、波速异常等信号特征，本次工作在此基础上，通过人工智能算法实现了信号特征的深度提取与量化预判，经考古发掘验证，预测成果具备较高的田野应用价值。

物探异常的初步判识

前期物探作业成果显示，地下各类考古遗迹均呈现出差异化的物性信号特征：地质雷达剖面中，部分测线的拱形反射特征与墓葬、窖穴等坑状遗迹高度契合，特定测线的倾斜层状反射清晰揭示了壕沟的边界轮廓；微动剖面中的低速异常区，与灰坑等松散文化堆积区高度吻合。

上述结果证实，本次选用的两类物探技术，可有效捕捉龙山文化遗存的物性差异，具备遗址勘探的技术基础。但受区域沉积环境影响，不同类型堆积易出现相似的信号特征，仅依靠人工解译难以精准区分，必须通过智能模型完成精细化甄别。

模型预测成果的考古验证

以A地块为核心试验区，基于模型输出的文化层分布概率、预测置信度两项核心指标，划分了高、中、低三类置信度的文化层靶区，并针对性布设TG16、TG17、TG18三条探沟开展考古发掘验证。综合验证结果表明，该智能模型不仅可精准圈定文化层的平面分布范围，在高置信度区域，对文化层的埋藏深度、堆积层数的预测，也完全满足田野考古勘探的实操要求。以TG17探沟为例，人工智能解析预测验证结果如下：

模型预测该区域文化层分布概率高、不确定性低，为连续多层文化堆积，并进一步精细区分了不同包含物的文化层分层。发掘结果显示，该探沟内发现了龙山时期至汉代共9层文化堆积，清理出大量红烧土、陶片及灰坑遗迹，与模型预测的连续多层文化堆积高度吻合。

对新勘探区域的人工智能预测下一步工作靶区

依据上述原理和流程，建立了新勘探区域的数据解析和预测有无文化层预测，如图3所示：第一个图是文化层有无概率分布，颜色越红，代表是文化层的概率越大；第二个图是文化层预测的偶然不确定性，颜色越红，代表偶然不确定性越大；第三个图是文化层预测的认知不确定性，颜色越红，代表认知不确定性越大。

基于上述预测结果，圈定的高概率、低不确定性的文化层靶区如图4。

综合验证结果表明，该智能模型不仅可精准圈定文化层的平面分布范围，在高置信度区域，对文化层的埋藏深度、堆积层数的预测，也完全满足田野考古勘探的实操要求。

本次工作的创新

本次工作的创新和突破，是首次将人工智能技术联合地球物理勘探应用于考古发掘，构建了面向龙山文化遗址的“人工智能地球物理考古勘探解析模型”，形成了一套可复用、可迭代的智能化勘探工作体系，主要创新点体现在四个方面：一是通过人工智能技术的应用，打通了从原始物探数据到勘探靶区划定的全流程自动化处理体系，实现了物探数据的标准化、规范化处理，提高了物探技术的考古应用可信度；二是突破了传统物探“是/否”的定性判断模式，新增了预测置信度评估机制，可明确提示考古人员不同区域预测结果的可靠程度，为勘探方案制定提供了分层级的决策依据三是建立了闭环主动学习模式，支持“边发掘、边学习、边优化”，随着考古验证数据的持续补充，模型精度可实现迭代提升，适配性不断增强；四是初步构建了龙山文化遗址地球物理特征数据库，填补了区域史前遗址物探基础数据的空白，为跨区域、跨遗址的同类型研究奠定了数据基础。

讨论与展望

本次余庄遗址的实践证实，“物探探测+AI 解析+考古验证”的技术路径，在大型史前聚落遗址考古中展现出显著的应用优势，基本认识如下：第一，人工智能解析地球物理数据的方法，可有效破解物探信号多解性的行业痛点，精准辅助圈定文化层的潜在分布区域与埋藏深度，实现考古勘探的“靶向定位”；第二，在地层标定数据充分的条件下，AI模型可进一步实现文化层内部的精细分层识别，为聚落堆积过程研究提供精细化的数据支撑；第三，本次构建的“人工智能地球物理考古勘探解析模型”，具备可复用、可迭代的特性，为科技考古提供了通用的智能化工具；第四，本次初步建成的龙山文化地球物理特征数据库，为深化龙山文化聚落形态研究，提供了全新的科学视角。

从实践效果来看，该技术路径可将有限的钻探力量集中于模型判定的高概率区域，将传统“普查式勘探”转变为“靶向式验证”，大幅节约了人力与时间成本，显著提升了大型遗址考古勘探的工作效率与科学性。

本次工作仍存在一定局限。受项目实施条件限制，本次仅采用了探地雷达、微动探测两类物探方法，数据维度有待进一步丰富；在部分受后期扰动强烈的边缘区域，标定样本数量有限，模型识别精度仍有提升空间。此外，TG16探沟出现的深度预测偏差也提示我们，区域考古地层学的先验知识，是约束AI模型、提升预测精度的核心基础，未来的模型优化必须深度融合考古学研究成果，而非单纯的技术堆砌。

未来工作中，将进一步扩大勘探覆盖范围，引入高密度电法等多源物探技术，丰富地层物性数据维度；持续补充豫中地区不同类型龙山文化遗址的标定数据，完善区域地层物探特征数据库，提升模型的跨遗址适配性；同时深度融合考古地层学、聚落考古的研究成果，优化模型约束条件，提升复杂堆积场景下的识别精度，持续推动田野考古从经验驱动向数据智能驱动迈进。

［作者单位：河南省文物考古研究院 隆洲（北京）文化科技有限公司 河北地质大学地球科学学院］