• Contenu principal
  • Menu
OpenEdition Books
  • Accueil
  • Catalogue de 15461 livres
  • Éditeurs
  • Auteurs
  • Facebook
  • X
  • Partager
    • Facebook

    • X

    • Accueil
    • Catalogue de 15461 livres
    • Éditeurs
    • Auteurs
  • Ressources numériques en sciences humaines et sociales

    • OpenEdition
  • Nos plateformes

    • OpenEdition Books
    • OpenEdition Journals
    • Hypothèses
    • Calenda
  • Bibliothèques

    • OpenEdition Freemium
  • Suivez-nous

  • Lettre d’information
OpenEdition Search

Redirection vers OpenEdition Search.

À quel endroit ?
  • Presses universitaires de Franche-Comté
  • ›
  • Les Cahiers de la MSHE Ledoux
  • ›
  • ARCHAEDYN. Dynamique spatiale des territ...
  • ›
  • Seconde partie. Dynamiques de circulatio...
  • ›
  • Peuplement et contrôle des ressources : ...
  • Presses universitaires de Franche-Comté
  • Presses universitaires de Franche-Comté
    Presses universitaires de Franche-Comté
    Informations sur la couverture
    Table des matières
    Liens vers le livre
    Informations sur la couverture
    Table des matières
    Formats de lecture

    Plan

    Plan détaillé Texte intégral Les données disponibles Approche méthodologique pour évaluer la densité du peuplement Approche méthodologique pour évaluer le contrôle de la ressource Synthèse et discussions des résultats Notes de bas de page Auteurs

    ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1

    Ce livre est recensé par

    • Alain Ferdière, Revue archéologique du centre de la France, mis en ligne le 31 janvier 2023. URL : https://journals.openedition.org/racf/5849
    Précédent Suivant
    Table des matières

    Chapitre 5

    Peuplement et contrôle des ressources : l’exemple de la production du sel en Moldavie sous-carpatique (Roumanie) entre 6000 et 3500 av. J.-C.

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin, Maréva Gabillot, Robin Brigand, Jehanne Affolter, Pierre Allard, Jessica Giraud, Émeline Le Goff, Thierry Logel, Laure Nuninger et Laurie Tremblay Cormier

    p. 193-216

    Texte intégral Les données disponibles Inventaire archéologique et inventaire des ressources en sel Représentation et fiabilité des données archéologiques Approche méthodologique pour évaluer la densité du peuplement Mesurer le degré d’agrégation du peuplement Modéliser les dynamiques du peuplement Approche méthodologique pour évaluer le contrôle de la ressource Mesurer la visibilité depuis les sites d’habitat Utiliser d’autres indicateurs topographiques de contrôle visuel Mesurer l’accessibilité aux sources salées Exploration statistique des variables environnementales Synthèse et discussions des résultats La dynamique du peuplement Sel et polarisation du peuplement Notes de bas de page Auteurs

    Texte intégral

    Figure 80. Carte archéologique du peuplement néolithique, des ressources en sel et des haches en cuivre

    Image

    Source : Fond : dép. de géographie, université de Iaşi, SRTM – Données : Robin Brigand, Olivier Weller, Marius Alexianu, ARCHEOINVEST – CAO : Robin Brigand et Olivier Weller, 2017.

    1Entre les années 1950 et 2000, plusieurs chercheurs posent l’hypothèse que le sel est une ressource qui favorise la stabilité et le développement des communautés de la Préhistoire récente des Carpates (Nandriș, 1987 ; Weller, 2000 ; Harding et Kavruk, 2013 ; Lazarovici et Lazarovici, 2015), particulièrement en Moldavie, où les sources d’eau salée sont abondantes et accessibles (Șandru, 1952 ; Ellis, 1984 ; Monah, 1991 ; Ursulescu, 1995). Dans les piémonts des Carpates orientales, la fouille des plus anciens sites d’exploitation du sel (Ursulescu, 1977 ; Dumitroaia, 1987 ; Weller et Dumitroaia, 2005 ; Munteanu et al., 2007 ; Nicola et al., 2007 ; Weller et al., 2015) va stimuler les analyses spatiales sous SIG, d’abord centrées sur la Moldavie centrale (Weller et al., 2011 ; Brigand et Weller, 2012 ; Brigand et Weller, 2013), puis sur l’ensemble de la région (Brigand et Weller, 2015 ; Brigand et Weller, 2018a et 2018b). À l’échelle des huit départements de Moldavie roumaine, soit une surface totale de 46 200 kilomètres carrés limitée à l’ouest par les Carpates orientales et à l’est par la rivière Prut (fig. 80), les recherches présentées ici mettent en exergue, sur de nouvelles échelles, les choix territoriaux opérés par les premiers agropasteurs, tout en soulignant comment la complexification sociale naissante se traduit par des formes spécifiques d’occupation du sol et d’exploitation des ressources. À travers l’utilisation de solides bases de données et l’application des méthodes de l’analyse spatiale, nous visons à comprendre les stratégies de peuplement et à caractériser le pouvoir structurant des ressources en sel et de leur exploitation.

    Les données disponibles

    Inventaire archéologique et inventaire des ressources en sel

    2La base de données archéologiques est riche de 2 034 sites, dont 2 013 sites d’habitat et occupations temporaires. En ne conservant que ceux fiables, c’est-à-dire en excluant les doublons, les sites incertains et ceux dont la localisation est imprécise, les effectifs s’élèvent à 1 658 sites (fig. 80). L’analyse de la dynamique des peuplements ne peut s’appuyer que sur les sites dont la chronologie est certaine et bien connue, soit 76 % de l’effectif total. Leur répartition par période est présentée sur les figures 81 et 82. Les fourchettes chronologiques proposées s’appuient sur la littérature de spécialité (Mantu, 1998 ; Lazarovici et Lazarovici, 2006). Les sites de la fin de l’Énéolithique moldave (Cucuteni B) sont regroupés avec ceux de la phase Cucuteni A-B, car les caractères discriminants entre ces deux périodes fondées principalement sur la céramique peinte sont, en l’absence d’investigations approfondies, quasiment impossibles à définir sur la seule base du matériel de surface (fig. 81). Les chercheurs ont déjà observé que les faibles effectifs pour le Cucuteni A-B (151 sites certains) sont plus le reflet des recherches liées à des difficultés d’identification que le signe d’une rétraction du peuplement (Zaharia et al., 1970 ; Boghian, 2004 ; Petrescu-Dîmboviţa et Văleanu, 2004). Parallèlement, la base de données des haches en cuivre (57 objets) a été construite grâce aux ouvrages de référence sur la métallurgie du cuivre à l’est des Carpates (Mareş, 2002 ; Mareş, 2012) et géoréférencée dans le SIG.

    3Concernant les données relatives aux ressources en sel, le secteur de transition entre les Carpates orientales et les sous-Carpates est marqué par l’affleurement des horizons salifères de l’Aquitanien et du Tortonien (Velcea et Savu, 1982). Les ressources en sel de cette région (sources chlorurées sodiques, affleurements de sel gemme, sols salés), parmi les plus abondantes de l’Europe (Meruțiu, 1912), ont fait l’objet de prospections systématiques et de dépouillements bibliographiques et cartographiques commencés en 2003 (Weller et al., 2007 ; Weller et al., 2010 ; Weller et Brigand, 2017). À ce jour, 461 points sont documentés ; 265 d’entre eux ont été explorés, analysés et géoréférencés par GPS (fig. 83).

    Figure 81. Nombre de sites archéologiques par période

    n% fouillé
    NéolithiqueICriş18921,7
    Boian I2100
    IICeram. Lin.5334
    Boian II-III683,3
    Néolithique NR175,9
    ÉnéolithiqueIPrecu12243,4
    Boian IV1100
    IICucuteni A59924,4
    Stoicani-Aldeni4431,8
    IIICucuteni A-B15141,1
    IVCucuteni B37129,1
    Énéolithique NR3837,3

    Figure 82. Synthèse de la dynamique du peuplement et de l’exploitation du sel

    Image

    Légende : Les valeurs sont normées.

    Source : DAO réalisé par Robin Brigand.

    Figure 83. Les ressources en sel de Moldavie roumaine

    n% prospecté
    Sources minérales9850
    Sources salées18989
    Sources minérales NR9632,3
    Sel gemme1979
    Sols salés504
    Halotoponyme sans sel966,5

    4Les gisements de sel gemme se situent essentiellement dans la courbure méridionale des Carpates. Les sources d’eau salée, dont les nappes baignent des dépôts salifères sous-jacents et dont la salinité peut atteindre jusqu’à dix fois celle de l’eau de mer, sont distribuées sur l’ensemble des piémonts des Carpates orientales. De nombreuses sources minérales légèrement saumâtres sont documentées dans la plaine moldave. Ces dernières présentent une salinité réduite. Par ailleurs, dans la plaine moldave, différents minéraux solubles (chlorures, sulfates de sodium, calcium et magnésium) issus des marnes et argiles lœssiques, se concentrent en surface et forment des sols salés. Dans cette contribution, nous nous concentrons sur les sources salées d’origine géologique, directement liées aux dépôts des piémonts, dont l’utilisation actuelle – pour la conservation alimentaire, les fourrages, les soins thérapeutiques – est dûment attestée par les enquêtes ethnographiques (Alexianu et al., 2011 ; Alexianu et al., 2016). Nous excluons les quelques sources indéterminées de la plaine moldave, à l’est de notre zone d’étude, comme celle située à proximité de la station éponyme de la culture de Cucuteni ou celle du centre-ville de Iaşi, car trop peu documentées et aujourd’hui disparues (Weller et al., 2007). Nos prospections systématiques des ressources en sel des Carpates orientales ont permis de doubler le nombre de sites préhistoriques d’exploitation du sel connus avant nos prospections (Monah, 2002). Sur près de 189 sources salées, vingt-et-une ont livré des vestiges d’exploitations néolithiques ou/et énéolithiques. Huit gisements demeurent incertains et leur exploitation doit être confirmée par des sondages archéologiques et des datations 14C (fig. 84).

    Figure 84. Exploitation du sel par période

    n fiablen incertain
    Néo.ICriş31
    IICéram. Lin.20
    Néolithique NR02
    ÉnéolithiqueIPrécucuteni50
    IICucuteni A51
    IIICucuteni A-B30
    IVCucuteni B73
    Énéolithique NR20
    Néoénéolithique NR01

    Représentation et fiabilité des données archéologiques

    5La carte archéologique présentée précédemment (fig. 80) montre très nettement l’inégalité de la distribution du peuplement néolithique et énéolithique de Moldavie roumaine. Il est donc question d’évaluer la fiabilité qu’il est possible d’accorder à ce document avant d’analyser les caractéristiques mêmes des peuplements. En effet, la carte de distribution ne traduit pas de façon objective l’occupation ancienne, mais est plutôt un reflet de l’intensité des prospections archéologiques. Aussi, il convient ici de suivre la méthodologie mise en œuvre dans le cadre du collectif de recherche de l’ANR Archaedyn1. Cette méthodologie prévoit la construction d’une carte de confiance (fig. 85c) grâce à la combinaison de deux niveaux d’information constitués par une carte de représentation (fig. 85a)2 et une carte de fiabilité (fig. 85b).

    Figure 85. a) Carte de représentation, b) Carte de fiabilité, c) Carte de confiance

    Image

    Source : Dép. de géographie, université de Iaşi – CAO : Robin Brigand et Olivier Weller, 2015.

    6La carte de fiabilité reflète ici surtout la nature et l’extension des prospections archéologiques3. Elle a été construite à partir de plusieurs variables essentielles : la nature de l’occupation du sol, particulièrement la présence de bois et forêts qui limitent fortement les prospections pédestres – d’après la base Corine Land Cover – ; la distribution et l’intensité des zones prospectées – établies à la suite d’un dialogue avec les archéologues locaux, notamment avec Gheorghe Dumitroaia, Vasile Cotiuga et Andrei Asandulesei – ; la distribution des sites fouillés dont l’environnement immédiat – buffer de quatre kilomètres – a été exploré. Trois zones de fiabilité distinctes ont été ainsi proposées (fig. 85b) :

    • la zone 1 concerne les secteurs très bien prospectés, c’est-à-dire qui ont fait l’objet de prospections récurrentes depuis plusieurs décennies ;
    • la zone 2 concerne des secteurs prospectés plus ponctuellement, sans retour systématique sur le terrain ;
    • la zone 3 concerne les terrains qui n’ont pas fait l’objet de prospections archéologiques de la part des institutions muséales ou universitaires.

    7La carte de confiance (fig. 85c), ici simplifiée pour une meilleure lecture – les classes de fiabilités haute et moyenne sont rassemblées –, permet de visualiser rapidement la validité de la carte archéologique. On notera par exemple que tout le secteur occidental de la zone d’étude est sous-représenté. Cette sous-représentation est peu fiable dans la mesure où ce secteur est extrêmement mal prospecté – couverture arborée dense, altitude supérieure à 600 mètres. Il demeure ainsi délicat d’interpréter la faible occupation de cet espace d’autant plus que là où des fouilles de sauvetage ont eu lieu – autour du lac d’accumulation de Bicaz –, deux sites chalcolithiques ont pu être documentés. Des conclusions similaires peuvent être données à propos de l’espace limité par le triangle Focşani-Bârlad-Galaţi : ce document permet d’interpréter ce vide de l’occupation comme un biais de la recherche archéologique globalement absente de cette région méridionale. Enfin, on observera que les secteurs où le peuplement est surreprésenté et globalement fiable, se situent systématiquement à proximité des principales villes de la région dotées d’une université et/ou d’un service d’archéologie (musée) particulièrement actif depuis plusieurs décennies.

    Approche méthodologique pour évaluer la densité du peuplement

    Mesurer le degré d’agrégation du peuplement

    8Nous présentons dans un premier temps l’approche méthodologique retenue pour cette étude. Les résultats – y compris les commentaires des cartes proposées – seront exposés dans « Synthèse et discussions des résultats ». En premier lieu, il s’agit de comprendre les formes du peuplement afin d’identifier des aires de concentration avant de les confronter au positionnement des ressources en sel.

    9En dépit des limites liées à la nature des investigations archéologiques menées en Moldavie, l’application de la méthode du plus proche voisin permet de caractériser la forme du semis de points. Elle s’appuie sur les caractéristiques de l’espacement entre les points, mobilisée dès les années 1950 par les écologues et géographes (Clark et Evans, 1954 ; Haggett, 1965), puis par les archéologues spatialistes (Hodder et Hassal, 1971 ; Hodder, 1972). L’objectif est de déterminer et de comparer, en fonction de la période concernée, le degré d’agrégation du peuplement. Pour chaque période chronologique – Criş/Boia I, Céramique linéaire/Boian II-III, Précucuteni/Boian IV, Cucuteni A/Stoicani-Aldeni, Cucuteni A-B et B –, nous calculerons l’indice d’agrégation de Clark et Evans (R), définit comme suit :

    10Où est la moyenne de la distance des sites à leur plus proche voisin et la moyenne du plus proche voisin dans le cas d’une distribution aléatoire d’une intensité de avec A = aire d’étude (46 200 km²) et N = nombre de sites archéologiques (fig. 86). Une normalisation des données (ou standardisation) consistant à soustraire la moyenne et à la diviser par l’écart-type permet de visualiser les deux principaux indicateurs (fig. 87). Cette méthode est généralement utilisée pour standardiser des variables de différentes natures. Habituellement, l’interprétation de R est donnée comme suit : R > 1 si la trame tend à la régularité, R = 1 si la distribution est aléatoire, et R < 1 si la trame est regroupée. Quelle que soit la phase, nous observons ici des situations de concentration des sites d’habitat, avec une faible variabilité de R qui reste aux alentours de 0,6. La phase Néo. I présente un peuplement légèrement plus concentré.

    Figure 86. Caractérisation de la distribution des sites

    NR
    Néo. I1910,54617773,26994244,7355
    Néo. II580,614014106, 08298660,5368
    Énéo. I1230,69829686,52216762,9940
    Énéo. II6260,65224293,71552800,5171
    Énéo. III-IV4660,60384976,53973004,7587

    Figure 87. Évolution des indicateurs d’espacement et d’agrégation

    Image

    Légende : Les valeurs sont normées.

    Source : DAO réalisé par Robin Brigand.

    Modéliser les dynamiques du peuplement

    11Afin d’aller au-delà de la distribution ponctuelle des sites, une estimation de densité de noyau (KDE)4, permet de travailler sur une surface continue qui reflète l’intensité de l’occupation de l’espace. Elle met ainsi en évidence les pôles de concentration. Le rayon h (ou voisinage), qui détermine le degré de lissage des données, est établi ici à cinq kilomètres. Un problème majeur apparaît dès lors qu’il s’agit d’appliquer la méthode aux données archéologiques : pour le calcul des densités par période, les sites dont la calibration chronologique est insuffisante (24 % de l’effectif total) ne sont pas pris en compte. Aussi, afin de prendre en considération ces sites mal calibrés, nous avons décidé d’attribuer une pondération en accord avec la durée de chaque période5. Par exemple : à un site bien calibré une valeur de 1 est attribuée. En revanche, à un site mal calibré dans le Cucuteni, sont données pour valeurs 0,45 pour le Cucuteni A et 0,55 pour le Cucuteni A-B et B. Le protocole est identique pour les sites mal calibrés dans le Néolithique ou l’Énéolithique. Ces cartes de densité par période servent à l’élaboration de cartes de différence de densité qui permettent de visualiser les évolutions, nulles, négatives ou positives, entre deux séquences chronologiques6. La méthode s’appuie sur l’algèbre de cartes (Tomlin, 1990).

    Figure 88. Les variations de densité

    Image

    Légende : a) entre 6000 et 5000 av. J.-C., b) entre 5300 et 4600 av. J.-C., c) entre 5000 et 4100 av. J.-C., d) entre 4600 et 3500 av. J.-C.

    Source : Données : Olivier Weller, Robin Brigand, Marius Alexianu – CAO : Robin Brigand et Olivier Weller, 2017.

    12Afin d’évaluer la différence entre deux cartes de densité, nous utilisons le normalised differential ratio (NDR) [Nuninger et al., 2012a], défini de la même façon que le normalised difference vegetation index (NDVI) [Rouse, 1974], à savoir :

    13Confrontée à la distribution des ressources en sel bien documentées (fig. 88), cette élaboration cartographique permet de visualiser7 la dynamique de peuplement entre deux séquences chronologiques et ainsi, de distinguer les secteurs les plus attractifs, de ceux plus stables et de ceux en déshérence et d’envisager le rôle du sel dans la dynamique du peuplement.

    Approche méthodologique pour évaluer le contrôle de la ressource

    Mesurer la visibilité depuis les sites d’habitat

    14Différents indicateurs peuvent être mesurés afin d’étudier le lien entre peuplement et ressources en sel. À la différence des chapitres précédents, nous considérons ici l’espace comme une surface non homogène dans laquelle la topographie, en particulier, modifie l’accessibilité – physique ou visuelle – entre deux lieux par la création de contraintes ou de barrières. Dans un premier temps, nous nous intéressons à l’intervisibilité qui permet d’établir une relation à distance entre deux lieux. Dans notre cas, le but consiste à évaluer la possibilité d’exercer un contrôle visuel sur les ressources en sel, ou leur accès, depuis certains sites d’habitats.

    15Les études de visibilité font partie des outils classiques offerts par les SIG et ont été, à ce titre, largement utilisées pour répondre aux questions de territorialité propres aux sociétés humaines (Gaffney et Stančič, 1991 ; Wheatley, 1995 ; Wheatley et Gillings, 2000 ; 2002 ; Llobera, 2003 ; Bourgeois, 2013). Dans la mesure où un espace visuellement perçu est socialement approprié et, selon le statut de l’observateur, partiellement contrôlé, il est important de considérer les études de visibilité comme un outil de modélisation incontournable. Elles permettent en effet de reformuler certaines notions fondamentales pour l’étude des formes du peuplement :

    • le territoire, conçu comme un espace occupé, transformé, approprié et contrôlé par un groupe social ;
    • le statut ou rang, qui correspond aux différents niveaux de hiérarchisation du peuplement ;
    • les relations entre différents lieux d’un système spatial, c’est-à-dire les questions de spécialisation et de complémentarité des entités archéologiques.

    16Le calcul des visibilités détermine les espaces qui peuvent être théoriquement vus à partir d’un ou de plusieurs points d’observation. Si cet outil proposé par les SIG est d’utilisation largement répandue, il est judicieux d’en rappeler certaines limites qui nous permettront, à terme, une meilleure compréhension des résultats. Trois limites essentielles doivent être évoquées. La première concerne la qualité du modèle numérique de terrain. Dans notre cas, la précision du MNT (25 mètres) produit par Krištof Oštir de l’université de Ljubljana (ZRC Sazu) à partir d’images radar ERS, permet des calculs précis et fiables. La seconde limite dépend de l’algorithme de calcul intégré au logiciel exploité et qui demeure inaccessible à l’utilisateur, sauf dans le cas de certains SIG libres – par exemple Grass –, mais non explorés dans la présente recherche. Pour un même jeu de données, divers algorithmes aboutissent à des résultats sensiblement différents. La troisième limite dépend de la précision du géoréférencement. Dans la mesure où seul un nombre réduit de sites a bénéficié d’un relevé GPS directement sur le terrain – il aurait été impossible de les obtenir pour des effectifs aussi importants –, il est évident que la modélisation des visibilités ne peut prétendre à une grande précision. Une autre limite est fondamentale. Elle provient de l’ignorance totale de certaines données écologiques telles que la végétation et la couverture arborée de l’époque. Néanmoins, et même si l’impact d’une forêt peut avoir un effet déterminant sur le champ visuel, nous avons choisi de ne pas prendre en compte ce paramètre en raison d’une difficile reconstruction de la paléovégétation, à plus forte raison sur des surfaces importantes. Les calculs de visibilité sont donc réalisés sur des bases exclusivement topographiques, même si on sait que l’intégration des données de nature écologique ne pose théoriquement pas de problème d’un point de vue purement technique.

    17À partir d’un observateur dont la taille est donnée à 1,70 mètre, plusieurs analyses ont été effectuées à l’échelle de la Moldavie centrale – départements du Neamţ et de Iaşi. Précisons auparavant que le champ de vision, limité à 12 kilomètres, est sensiblement plus haut que les valeurs proches de 10 kilomètres habituellement retenues par la recherche sur les visibilités théoriques. Notons que cette valeur, définie et calculée à partir d’observations directes de terrain en 2011, dépend naturellement de la taille de la cible. Nous considérons qu’un village, un petit groupe d’unités domestiques ou un troupeau situé dans un paysage ouvert est, dans des conditions météorologiques favorables, visible jusqu’à une distance de 12 kilomètres. Plusieurs types de calcul sont possibles. Le plus simple propose une carte binaire qui distingue le domaine visible de celui non visible à partir d’un simple point d’observation. Le domaine visible peut alors être quantifié, en kilomètre carré : sa discrétisation permet d’offrir une première hiérarchisation selon l’importance des domaines visibles (fig. 89), mais la mesure de la moyenne des domaines visibles par période donne aussi l’opportunité d’évaluer les évolutions, dans le temps, des domaines visibles (fig. 90). Une carte de visibilité simple peut être associée à une ou plusieurs autres. Le résultat en est une carte de visibilité multiple dans laquelle les valeurs sont soit égales à un (visibles), soit égales à zéro (non visibles). En revanche, la somme algébrique de deux ou de plusieurs cartes de visibilité aboutit à une carte de visibilités cumulées. Dans ce cas, chaque cellule de la carte porte un nombre entier qui va de zéro à un nombre théorique maximum correspondant au nombre total d’observateurs (fig. 91). Cette dernière situation ne se rencontre que si une cellule de la carte est visible par tous les observateurs. Le champ de vision étant ici limité à 12 kilomètres, cette situation ne peut se produire.

    Figure 89. Les domaines visibles en % par site (Moldavie centrale, départements de Iaşi et du Neamţ)

    Image

    Source : Fond : MNT ZRC Sazu – Données : Olivier Weller, Robin Brigand, Marius Alexianu – CAO : Robin Brigand et Olivier Weller, 2012.

    Figure 90. Valeur moyenne des domaines visibles par période (Moldavie centrale, départements de Iaşi et du Neamţ)

    Néo. I16,7 km²
    Néo. II27,1 km²
    Énéo. I31,5 km²
    Énéo. II32,5 km²
    Énéo. III-IV30,9 km²

    Figure 91. Cartes des visibilités cumulées par culture archéologique

    Image

    Légende : a) le Criş (6000-5300 av. J.-C.), b) la Céramique linéaire (5300-5000 av. J.-C.), c) le Précucuteni (5000-4600 av. J.-C.), d) le Cucuteni (4600-3500 av. J.-C.).

    Source : Fond : MNT ZRC Sazu – Données : Olivier Weller, Robin Brigand, Marius Alexianu – CAO : Robin Brigand et Olivier Weller, 2012.

    Utiliser d’autres indicateurs topographiques de contrôle visuel

    18Afin de mieux apprécier le potentiel de contrôle visuel des sites d’habitat, nous proposons d’évaluer plusieurs indicateurs complémentaires.

    19À l’échelle de toute la Moldavie roumaine, l’étude repose sur l’exploitation d’un modèle altimétrique de résolution moyenne (SRTM 90 mètres). Un certain nombre de traitements permettent de contrôler plusieurs processus naturels. La méthodologie a largement été illustrée dans la littérature spécialisée (Wilson et Gallant, 2000 ; Conolly et Lake, 2006) et les méthodes de calcul y sont notamment décrites. Un lien spatial entre le site archéologique et les différents rasters produits permet ainsi d’enrichir la description des contextes sitologiques.

    20L’ouverture du paysage est une analyse morphométrique qui permet d’avoir une vue valable sur les principaux modelés (Yokoyama et al., 2002). Elle repose sur la prise en compte, pour chaque pixel, de la ligne de visibilité sur huit azimuts (r = 10 000 mètres) et de la mesure de l’angle de convexité et de concavité.

    21L’indice topographique (TPI) est quant à lui une comparaison de l’élévation de chaque cellule avec la moyenne d’un voisinage donné (500 mètres). Un indice négatif représente des lieux plus bas que leur environnement (vallée, thalweg), alors qu’une valeur donnée positive correspond à un emplacement plus haut que le voisinage (crête).

    22La visibilité totale définit, pour chaque pixel, le nombre de pixels qui le voient (Llobera, 2003). Cette analyse produit pour l’intégralité du paysage, un potentiel de visibilité qui va déterminer si un pixel se situe dans un environnement visuel ouvert ou fermé. Particulièrement chronophage et nécessitant une puissance informatique rarement disponible, ce calcul a été effectué sur un semis de points réguliers tous les 2 000 mètres et un rayon de visibilité de 10 kilomètres.

    23Nous avons également calculé le nombre de connexions visuelles en situation d’intervisibilité (r = 10 000 mètres ; h = 1,70 mètre) selon la méthodologie suivie par Zoran Cučkovic (2015). Le nombre de liens visuels est rapporté au nombre de sites archéologiques par période pour une meilleure évaluation du degré d’organisation territoriale. Les résultats sont présentés sur les figures 92 et 93. Pour cette dernière, les valeurs ont été normées (ou standardisées) selon la même méthode que pour la figure 87, à savoir par soustraction de la moyenne et division par l’écart-type.

    Figure 92. Synthèse des variables dérivées de la topographie (moyenne par période)

    nAltitudeVisibilité totaleIndice topo. TPIOuvertureLiens visuels
    Néo. I191179,1321,56-0,00431,51841,13
    Néo. II58193,3325,85-0,02961,52390,413
    Énéo. I123192,1633,550,09761,53000,78
    Énéo. II626207,7824,600,18041,52021,942
    Énéo. III-IV466197,9727,270,25771,52282,182

    Figure 93. Synthèse de l’évolution des contextes sitologiques

    Image

    Source : DAO réalisé par Robin Brigand.

    Mesurer l’accessibilité aux sources salées

    24L’objectif est ici de proposer une carte d’accessibilité aux sources salées de l’espace précarpatique. Notre démarche mobilise divers éléments du paysage – la topographie et l’occupation du sol – pour calculer les temps d’accès aux sources salées des piémonts. La procédure utilise la fonction « distance de chemin d’ArcMap ». Cette méthodologie qui vise la production d’un least cost site catchment est l’une des plus anciennes applications des SIG en archéologie (Gaffney et Stančič, 1991), abondamment exploitée depuis (voir par ex., Barge et Chataignier, 2004 ; Murrieta-Flores, 2012 ; Herzog, 2013). Elle peut être résumée sur plusieurs temps.

    25Il s’agit d’abord de définir une surface de friction qui fixe le niveau de contrainte affectant le déplacement. Son coût énergétique dépend non seulement de la valeur de la pente, mais aussi du couvert végétal. Nous considérons donc les forêts d’altitude qui bordent à l’ouest notre zone d’étude comme un frein au déplacement pendant la Préhistoire récente (voir aussi les données paléoécologiques dans Tanţau et al., 2003 ; Tanţau et al., 2011).

    26Ainsi, la surface de contrainte (input cost) résultante prend en compte à hauteur de 20 % l’existence d’une couverture arborée (f), déterminée à partir de la base Corine Land Cover. Ce sont donc 80 % de la surface de friction que la surface topographique (la pente, p) soutient. La pente et l’occupation du sol, préalablement classifiée, sont associées afin de déterminer une surface de coût (c) pondérée comme suit : c = 0,008 p + 0,002 f. Elle est ensuite classée en quatre classes de contraintes. Parcourir 50 mètres en terrain très accidenté de pente supérieure à 40° et boisé (contrainte 4) occasionne alors une distance-coût de 4, équivalente à celle nécessaire pour parcourir une distance de 200 mètres en terrain plat (pente inférieure à 10°) sans couvert forestier.

    27Ensuite, afin d’obtenir une estimation du temps anisotropique – la direction du mouvement est prise en compte, ici vers la source –, la Tobler’s hiking function (Tobler, 1993) est exploitée. Le MNT (input surface) est utilisé comme facteur vertical pour augmenter ou réduire le coût que représente la traversée de chaque pixel : un gradient de pente de 0° possède le coût le plus bas et inversement, une valeur supérieure à 70° et plus représente le coût le plus important. La vitesse standard de déplacement utilisée est de 5 km/h (fig. 94). La carte des temps d’accès est arrêtée à trois heures. Dans ce rayon et dans un intervalle de 30 minutes de marche chacun, nous avons mesuré le nombre d’habitats fortifiés, d’habitats non fortifiés et de haches en cuivre (fig. 95). Sachant que la superficie des différentes plages horaires est inégale et qu’elle influe potentiellement sur le nombre de sites contenus dans chacune d’entre elles, deux analyses complémentaires sont proposées : associer à la représentation du pourcentage de sites et de haches, le rapport du nombre de sites et de haches à la superficie de chaque plage de temps (valeurs normées) [fig. 97a] ; proposer une étude similaire à partir de deux distributions aléatoires des données (fig. 97b et c). Enfin, afin d’évaluer la dynamique du peuplement à proximité des sources salées des piémonts, nous proposons un tableau liminaire présentant le nombre de sites situés dans un rayon de trois heures d’une source salée (fig. 96). Les principaux résultats sont discutés dans la synthèse8.

    Figure 94. Temps de parcours à une source salée

    Image

    Source : Fond : NASA SRTM – Données : Olivier Weller, Robin Brigand, Marius Alexianu – CAO : Robin Brigand et Olivier Weller, 2017.

    Figure 95. Quantité de haches en cuivre, d’habitats fortifiés et de sites non fortifiés à moins de trois heures d’une source salée

    0-30 min (s = 1 038 km²)30 min-1 h (s = 2 240 km²)1 h-1 h 30 (s = 2 544 km²)1 h 30-2 h (s = 2 355 km²)2 h-2 h 30 (s = 2 066 km²2 h 30-3 h (s = 1 681 km²)Total
    Habitats fortifiés8 (11,6 %)12 (17,4 %)8 (11,6 %)4 (5,8 %)1 (1,4 %)033 (47,8 %)
    Haches en cuivre3 (5,3 %)8 (14 %)6 (10,5 %)5 (8,8 %)1 (1,8 %)1 (1,8 %)24 (41,1 %)
    Sites non fortifiés41 (2,6 %)48 (3 %)53 (3,3 %)44 (2,8 %)25 (1,6 %)16 (1 %)227 (14,3 %)

    Figure 96. Site d’habitat à moins de trois heures d’une source salée et distance moyenne

    Nb%Temps (min)
    Néo. ICriş/Boian I189,464,3
    Néo. IICeLi/Boian II-III813,864,9
    Énéo. IPrécu./Boian IV2822,884,2
    Énéo. IICucu. A/Stoicani-Aldeni9114,571,1
    Énéo. III-IVCucu. A-B/Cucuteni B8818,971,5

    Figure 97a. Nombre de haches en cuivre, d’habitats fortifiés et d’habitats non fortifiés situés dans un rayon de trois heures de marche d’une source salée pondéré à la superficie de chaque plage horaire (valeurs normées)

    Image

    Source : DAO réalisé par Robin Brigand.

    Figure 97b-c. Courbes obtenues à partir d’une distribution aléatoire

    Image
    Image

    Source : DAO réalisé par Robin Brigand.

    Exploration statistique des variables environnementales

    28Afin de compléter l’étude des relations entre les sites archéologiques et leur environnement, nous proposons une étude qui s’appuie sur la méthodologie de prédiction archéologique développée par Philip Verhagen (2007). Notre objectif est de mesurer les relations entre un jeu de données archéologiques et un paysage décrit par un certain nombre de variables environnementales (29). Ainsi, les cartes de prédiction sont secondaires (voir ci-après, fig. 106 et 107), l’intérêt résidant dans la présentation des principales variables significatives qui expliquent les modalités du peuplement préhistorique de cette région. La méthode utilisée est inductive, c’est-à-dire guidée par des tests statistiques.

    29L’analyse porte sur une partie restreinte de la Moldavie pour laquelle nous disposons d’un modèle numérique de terrain à haute résolution (25 mètres) réalisé par les collègues de l’université de Ljubljana à partir des images radar ERS acquises dans le cadre du projet CNRS « Eau, Environnement, Société » (2003-2005). Il couvre 14 400 kilomètres carrés de Moldavie et intègre le secteur où les enregistrements archéologiques sont les plus nombreux – 49 % des sites sont contenus dans une zone de 31 % – et les plus fiables. Sur les huit prédicteurs environnementaux, sept sont dérivés de la topographie (fig. 98). Plusieurs paramètres sont retenus :

    • la visibilité totale a été réalisée selon un maillage régulier de points tous les 400 mètres, soit un total de plus de 90 000 points et un champ de vision limité à 10 kilomètres ;
    • l’indice topographique a été calculé sur la base d’un voisinage de 200 mètres ;
    • l’ouverture du paysage repose sur une ligne de visibilité calculée sur 10 kilomètres ;
    • la construction des distances aux cours d’eau repose sur plusieurs traitements du modèle altimétrique :
      • calcul de la direction des écoulements puis des flux cumulés ;
      • extraction du réseau hydrographique à un haut niveau de détail ;
      • calcul de la distance de plus faible coût cumulé en tenant compte des facteurs de coûts verticaux.

    30Nous exploitons également la carte des sols au 1 : 200 000, digitalisée à partir de la carte pédologique de Roumanie.

    Figure 98. Variables du modèle de situation environnementale des sites archéologiques

    Image

    Source : MNT ZRC Sazu – CAO : Robin Brigand.

    31L’objectif étant de proposer une première classification des variables qualitatives, les 25 types de sols issus de la carte pédologique ont été regroupés en quatre classes renvoyant à différentes compétences agronomiques. Ces variables sont classifiées en un nombre limité de groupes afin de déterminer leur superficie, le nombre de sites archéologiques qu’ils contiennent et la valeur attendue (E), c’est-à-dire le nombre de sites par catégorie dans le cas d’une distribution uniforme. La classification des sols, effectuée avec les géographes de l’université de Iaşi, est structurée comme suit :

    • la classe 1 (« vallée ») correspond aux sols parfois hydromorphes des vallées alluviales ou des reliefs érodés, généralement formés de sédiments sablo-caillouteux dans une matrice marneuse ou argileuse ;
    • la classe 2 (« pauvre ») formés de sols peu propices aux activités agricoles, généralement dans les zones de montagne, puisqu’essentiellement composés de sols acides ou podzoliques ;
    • les sols steppiques bruns sont regroupés dans la classe 3 (« forêt »). Ce sont des sols peu différenciés qui se développent sous forêts de feuillus – disparues ou encore en place – ;
    • la classe 4 (« fertile ») est composée des sols riches et très fertiles de type chernozems ainsi que d’autres sols steppiques à haute teneur en matière organique.

    32Un test du Chi2 est utilisé afin de vérifier l’indépendance des variables. Ce test permet de mesurer si une variable est statistiquement significative, sous réserve que les catégories possèdent au moins cinq sites. Dans certains cas, notamment pour les périodes où les effectifs sont faibles, la correction de Yates a été ajoutée. Une valeur critique de 0,001 signifie qu’il y a une probabilité de 99,9 % que la distribution des sites ne soit pas uniforme. En pratique, une valeur critique de 0,05 est largement suffisante – probabilité de 95 %. Le rapport des pourcentages du nombre de sites observés (ps) sur la superficie (pa) est un premier moyen d’obtenir des informations sur l’importance de certaines unités pour la localisation des sites – il a été systématiquement calculé. Pour les unités significatives et dont le gain statistique est important () , nous avons exploité le paramètre Kj (Wansleeben et Verhart, 1992 ; Verhagen et Berger, 2001 ; Verhagen, 2007) qui permet de caractériser l’importance d’une catégorie pour la localisation des sites :

    33La valeur résultante est utilisée pour la pondération des unités cartographiques additionnées dans le SIG. Dans les tableaux présentés (fig. 99 et 100), elle est indiquée pour les variables retenues. Les unités qui possèdent les valeurs les plus hautes sont considérées comme les plus importantes pour l’implantation humaine, et c’est donc à ce titre qu’elles reçoivent une pondération plus importante. La pondération des unités cartographiques est ici guidée par les tests statistiques (Kj) et en aucun cas à la suite d’une approche déductive qui considérerait le poids accordé à telle ou telle unité selon les connaissances scientifiques des stratégies de peuplement pendant la période considérée. En ce qui concerne l’évaluation de la performance du modèle, nous utilisons la formule de gain statistique proposée par Kvamme (1988). Il s’agit de la méthode la plus largement exploitée pour estimer la robustesse d’un modèle, à la suite de sa classification en trois unités cartographiques de basse, moyenne et haute probabilités. Le gain est donné par : où ps est la proportion de sites connus dans une zone de probabilité, et pa la proportion de la superficie. Le modèle est évalué selon deux critères précisés par Philip Verhagen (2007) : la finesse (accuracy) correspond à son exactitude, et mesure s’il est correct ; la précision renvoie au degré de raffinement avec lequel les opérations de classification, de test statistique et de pondération ont été menées. La précision évalue ainsi la capacité du modèle à définir la zone de probabilité haute.

    Figure 99. Synthèse des variables significatives pour le Néolithique

    Néolithique
    Criş (NÉO I)Céramique linéaire (NÉO II)
    UnitéSup. (km²)pa (%)npsEps/pagainChi2KjnpsEps/pagainChi2Kj
    Orientation1. Plat1183,678,2180,0827,9621,0050,040< 0,050,005730,1152,1341,4063,331> 0,05NA
    2. Nord2677,5018,57220,22718,0091,2224,1140,096650,1924,8271,0360,664NA
    3. Est4342,8730,11360,37129,2111,2326,9990,1612120,4627,8301,53316,039NA
    4. Sud3199,4722,19240,24721,5201,1152,5570,079540,1545,7680,693-6,801NA
    5. Ouest3017,7520,9370,07220,2980,345-13,709NA20,0775,4410,368-13,233NA
    Distance à l’eau1. < 3 min2910,5620,18270,27819,5771,3797,653< 0,0010,145930,1155,2470,572-8,644> 0,05NA
    2. < 8 min4434,2130,75450,46429,8251,50915,6440,2694130,5007,9941,62619,252NA
    3. < 17 min3686,0925,56190,19624,7930,766-5,972NA80,3086,6461,2045,209NA
    4. > 17 min3390,1923,5160,06222,8030,263-17,323NA20,0776,1120,327-15,816NA
    TPI1. Vallée3589,4424,89140,14424,1430,580-10,457< 0,05NA20,0776,4710,309-17,198< 0,001NA
    2. Versant7478,9051,86520,53650,3041,0341,7480,0968100,38513,4840,742-13,399NA
    3. Terrasse3352,9223,25310,32022,5521,3758,7090,1668140,5386,0452,31630,5960,4059
    Visibilité1. Basse4752,4832,95270,27831,9660,845-5,120> 0,05NA20,0778,5680,233####< 0,05NA
    2. Moyenne4960,9634,40390,40233,3681,1695,806NA80,3088,9440,894-3,631NA
    3. Haute4717,6532,71310,32031,7320,977-0,754NA160,6158,5051,88128,8250,4212
    Sol1. Vallée3088,8321,76410,42321,1091,94220,506< 0,0010,294470,2695,6581,2375,161< 0,050,1179
    2. Pauvre2806,8219,7850,05219,1820,261-14,620NA10,0385,1420,194-15,929NA
    3. Forêt3133,9422,0840,04121,4170,187-17,956NA20,0775,7410,348-14,387NA
    4. Fertile5164,1136,38470,48535,2921,33212,0700,2418160,6159,4601,69125,1550,3934
    Pente1. < 5°7945,8555,10810,83553,4451,51628,407< 0,0010,4870210,80814,3261,46625,671< 0,050,4553
    2. < 13°4665,9532,35150,15531,3840,478-16,891NA50,1928,4120,594-13,124NA
    3. > 13°1809,4612,5510,01012,1710,082-11,516NA003,2620-12,5470
    Rayonnement solaire1. Faible1067,047,4020,0217,1770,279-5,337< 0,001NA001,9240-7,399> 0,05NA
    2. Moyen5400,6637,45600,61936,3261,65224,4060,3885150,5779,7371,54120,243NA
    3. Fort6853,8347,53340,35146,1000,738-12,474NA110,42312,3570,890-5,218NA
    4. Très fort1099,747,6310,0107,3970,135-6,595NA001,9830-7,626NA
    Ouverture1. Fermé1943,9313,4810,01013,0750,076-12,449< 0,001NA003,5050-13,480< 0,05NA
    2. Moyen4506,0231,25180,18630,3080,594-12,689NA30,1158,1240,369-19,707NA
    3. Ouvert7961,4755,21780,80453,5501,45725,2060,4502230,88514,3541,60233,2550,5423

    Figure 100. Synthèse des variables significatives pour l’Énéolithique

    Énéolithique
    Precucuteni (ÉNÉO I)Cucuteni A (ÉNÉO II)Cucuteni A-B et B (ÉNÉO III-IV)
    0UnpsEpspagainChi2KjnpsEps/pagainChi2KjnpsEps/pagainChi2Kj
    Orientation160,0786,3200,949-0,416> 0,05NA210,06625,9370,810-1,562< 0,05NA00,00020,0270,000-8,208< 0,001NA
    2120,15614,2960,839-2,982NA800,25358,6701,3646,7500,131500,20545,3021,1041,9250,063
    3320,41623,1881,38011,444NA800,25395,1610,841-4,798NA750,30773,4791,0210,6230,044
    4150,19517,0830,878-2,705NA780,24770,1071,1132,4980,079600,24654,1331,1082,4040,077
    5120,15616,1130,745-5,341NA570,18066,1250,862-2,888NA380,15651,0590,744-5,352NA
    Distance à l’eau1180,23415,5401,1583,194< 0,0010,086460,14663,7760,721-5,625< 0,001NA340,13949,2450,690-6,248< 0,001NA
    2370,48123,6761,56317,3040,2881260,39997,1631,2979,1260,191960,39375,0251,2808,5970,184
    3190,24719,6810,965-0,885NA1020,32380,7701,2636,7180,147830,34062,3671,3318,4560,170
    430,03918,1010,166-19,612NA420,13374,2860,565-10,217NA310,12757,3600,540-10,803NA
    TPI160,07819,1650,313-17,098< 0,001NA270,08578,6520,343-16,346< 0,001NA190,07860,7310,313-17,103< 0,001NA
    2370,48139,9320,927-3,808NA1050,332163,8780,641-18,632NA820,336126,5390,648-18,254NA
    3340,44217,9021,89920,9060,3041840,58273,4692,50434,9780,4511430,58656,7302,52135,3570,455
    Visibilité1110,14325,3750,433-18,669< 0,001NA770,244104,1370,739-8,588< 0,001NA460,18980,4090,572-14,102< 0,001NA
    2250,32526,4880,944-1,933NA950,301108,7050,874-4,337NA820,33683,9370,977-0,794NA
    3410,53225,1891,62820,5340,3311440,456103,3741,39312,8560,2421160,47579,8201,45314,8280,266
    Sol1300,39016,7571,79017,199< 0,0010,2591160,36768,7681,68714,947< 0,0010,234820,33653,0991,54411,845< 0,0010,200
    200,00015,2270,000-19,775NA160,05162,4890,256-14,712NA90,03748,2510,187-16,087NA
    370,09117,0010,412-12,989NA450,14269,7720,645-7,839NA260,10753,8750,483-11,424NA
    4400,51928,0151,42815,5650,2841390,440114,9711,2097,6040,1831270,52088,7751,43115,6660,286
    Pente1650,84442,4261,53229,317< 0,0010,4972380,753174,1101,36720,218< 0,0010,3901990,816134,4391,48026,459< 0,0010,465
    2120,15624,9130,482-16,770NA780,247102,2410,763-7,671NA440,18078,9450,557-14,322NA
    300,0009,6610,000-12,547NA0039,6490-12,547NA10,00430,6150,033-12,137NA
    Rayonnement solaire110,0135,6970,176-6,100< 0,001NA11023,3810-3,918< 0,001NA30,01218,0540,166-6,170< 0,001NA
    2340,44228,8361,1796,7070,1721620,513118,3401,36913,8170,2661280,52591,3761,40115,0100,281
    3420,54536,5951,1487,0200,1961360,430150,1820,906-4,488NA1100,451115,9630,949-2,444NA
    400,0005,8720,000-7,626NA7024,0980-5,411NA30,01218,6070,161-6,396NA
    Ouverture100,00010,3790,000-13,480< 0,001NA0042,5950-13,480< 0,001NA20,00832,8900,061-12,660< 0,001NA
    270,09124,0590,291-22,155NA620,19698,7360,628-11,625NA320,13176,2390,420-18,131NA
    3700,90942,5091,64735,7030,5702540,804174,4531,45625,1730,4502100,861134,7041,55930,8590,515

    34Pour le Néolithique ancien (Criş, Néo. I), le modèle est très fin, car il capture 71,1 % des sites dans une zone de haute potentialité correspondant à 32,6 % du total (fig. 101). Cette résolution fine du modèle traduit une nette cohérence des modalités du peuplement néolithique, bien caractérisée par la délimitation des unités cartographiques. De plus, il s’avère relativement précis avec un gain statistique de 0,541.

    Figure 101. Performance du modèle pour le Criş (Néo. I)

    pspaGain (Kvamme)
    Low prob.0,0820,341-3,132
    Medium prob.0,2060,333-0,615
    High prob.0,7110,3260,541

    35Le modèle obtenu pour la Céramique linéaire (Néo. II) est singulièrement différent (fig. 102), d’abord parce que les vallées alluviales présentent une probabilité d’occupation très basse – la variable « hydrographie » est exclue du modèle en raison d’un test statistique (Chi2) défavorable (fig. 99). Si le modèle manque de finesse – 57,7 % des sites sont dans une zone de forte probabilité équivalant à 25,6 % du total –, il est en revanche relativement précis avec un gain de 0,556. La performance du modèle pour la Céramique linéaire est néanmoins discutable en raison de l’échantillon de sites connus particulièrement réduit.

    Figure 102. Performance du modèle pour la Céramique linéaire (Néo. II)

    pspaGain (Kvamme)
    Low prob.0,0770,335-3,356
    Medium prob.0,3460,409-0,180
    High prob.0,5770,2560,556

    36Pour l’une ou l’autre période, notons enfin que le gain négatif relativement importnt pour les zones de probabilité basses suggère que le modèle est somme toute pertinent pour identifier les zones de bas potentiel archéologique. Pour les trois périodes de l’Énéolithique – Precucuteni (Énéo. I), Cucuteni A (Énéo. II), Cucuteni A-B et B (Énéo. III-IV) –, les performances des modèles sont sensiblement proches (fig. 103 à 105). Très fins pour les Precucuteni et Cucuteni A-B et B – respectivement 79,2 % et 81,9 % des sites sont dans des superficies de haute probabilité de 32,7 % et 27,8 % –, ils sont relativement précis avec des gains statistiques allant de 0,557 (Cucuteni A) à 0,587 (Precucuteni). Le Cucuteni A-B et B dénotent singulièrement avec une valeur qui avoisine les 0,661. Cette valeur haute est essentiellement due au fait que la probabilité basse est reportée dans les zones de haute et moyenne probabilité.

    Figure 103. Performance du modèle pour l’Énéolithique ancien (Precucuteni, Énéo I)

    pspaGain (Kvamme)
    Low prob.0,0130,344-25,506
    Medium prob.0,1950,329-0,689
    High prob.0,7920,3270,587

    Figure 104. Performance du modèle pour l’Énéolithique moyen (Cucuteni A, Énéo II)

    pspaGain (Kvamme)
    Low prob.0,0730,356-3,893
    Medium prob.0,2910,362-0,243
    High prob.0,6360,2820,557

    Figure 105. Performance du modèle pour l’Énéolithique final (Cucuteni A-B et B, Énéo III-IV)

    pspaGain (Kvamme)
    Low prob.00,382NA
    Medium prob.0,1810,341-0,883
    High prob.0,8190,2780,661

    37Selon les périodes, le modèle de situation environnementale des sites est globalement fin – tout particulièrement pour le Criş, le Precucuteni et le Cucuteni A-B et B –, mais manque légèrement de précision puisque les valeurs de gain oscillent autour de 0,55. Cette valeur relativement basse est partiellement due à l’optimisation du modèle et aux choix de pondération. Tout dépend en réalité de l’objectif du modèle. À ce titre, rappelons les avertissements de Philip Verhagen (2007) : s’il s’agit de protection du patrimoine et de prévention du « risque archéologique » dans le cadre de l’aménagement du territoire, la finesse du modèle est le paramètre primordial. En effet, une finesse faible présente un haut risque archéologique puisque toute zone classée en probabilité basse sera de fait plus vulnérable, car plus aisément menacée par les aménageurs et moins surveillée par les archéologues. Ainsi, dans cette optique de définition de la qualité d’un modèle, la finesse est le paramètre d’ordre un, la précision ne venant qu’ensuite.

    Figure 106. Cartes de prédiction pour le Néolithique ancien (à gauche) et le Néolithique moyen (à droite)

    Image

    Source : MNT ZRC Sazu – CAO : Robin Brigand.

    Figure 107. Cartes de prédiction de l’Énéolithique ancien (à gauche) à l’Énéolithique final (à droite)

    Image

    Source : MNT ZRC Sazu – CAO : Robin Brigand.

    Synthèse et discussions des résultats

    38Les analyses présentées ci-avant permettent de dresser une première esquisse de la dynamique des peuplements néolithiques et énéolithiques de Moldavie. Rappelons qu’à l’exception des cartes dites de transition (fig. 87), nos analyses ne prennent en compte que les sites dont la chronologie est bien connue, soit environ 76 % du corpus de données.

    La dynamique du peuplement

    39Les sites d’habitat du Néolithique ancien (Néo. I) sont peu nombreux et montrent une tendance très forte à la concentration (fig. 81 et 86, R = 0,54) qui s’estompe jusqu’à la toute fin du Néolithique et le début de l’Énéolithique (Enéo. I, R = 0,69). Cette tendance à la dispersion du semis jusqu’à la première moitié du ve millénaire accompagne une rétraction sensible du peuplement, tout particulièrement durant le Néolithique moyen (Néo. II), où on observe un éclatement des noyaux forts de l’occupation dont rend compte la moyenne haute des distances observées Image . C’est précisément cette dynamique que révèle la carte de transition (fig. 88a) entre le Criş et la Céramique linéaire. La courbe du nombre de sources salées exploitées suit celle du peuplement, tout du moins jusqu’à la première phase de l’énéolithique (fig. 81). Le Néolithique ancien (Néo. I) est dominé par un modèle d’implantation cohérent : les sites se situent dans les zones de vallée et sur des terrasses modestes à proximité de cours d’eau mineurs (fig. 87 et 92). C’est ce qui ressort des valeurs très basses de l’indice topographique, de la visibilité totale comme de l’ouverture du paysage. En dépit de cette disposition dans les vallées, on observe que la connexion visuelle entre les sites demeure à un niveau relativement élevé, ce qui suggère un soin particulier porté à l’intervisibilité des implantations constituant les noyaux de peuplement. Cette valeur haute doit être mise en relation avec l’indice d’agrégation (fig. 87), lequel traduit une forte concentration du peuplement. La Céramique linéaire (Néo. II) est caractérisée par une diminution sensible de l’indice topographique (fig. 92 et 93). Il indique une tendance continue à l’établissement dans les vallées et à proximité des cours d’eau. Néanmoins, l’augmentation de la valeur d’ouverture comme celle de la visibilité totale appelle à une observation essentielle : bien que majoritairement de vallée, les sites s’établissent désormais dans des milieux plus ouverts et dont le champ visuel est sensiblement plus large. Pour autant, les situations d’intervisibilité sont peu nombreuses, notamment en raison d’une dispersion importante des établissements.

    40À l’échelle de la fenêtre centrale, la construction du modèle de situation environnementale permet d’aller plus loin (fig. 99). Les habitats Criş privilégient les pentes très légères, orientées vers le nord, l’est et le sud, et les petites terrasses. La distance à l’eau est une variable discriminante, tout particulièrement les créneaux horaires inférieurs à huit et trois minutes. L’importance de la proximité des cours d’eau, rivières, ruisseaux voire rus situés dans des environnements ouverts se traduit également par l’occupation privilégiée des sols de vallée. En ce qui concerne la visibilité totale, la valeur du Chi2 est nettement supérieure à 0,05 : il faut donc relativiser l’importance de cette variable pour ce qui relève de l’implantation du Néolithique ancien. Pour la Céramique linéaire, les effectifs étant très faibles (26), le test du Chi2 ne peut être que rarement fiable, le nombre de sites par unité cartographique étant souvent inférieur à cinq. Néanmoins, les valeurs calculées, soumises à la correction de Yates quand nécessaire, ainsi que les valeurs Kj et le ratio ps/pa indiquent que les unités significatives pour l’implantation des sites à un niveau de 95 % de probabilité – 99,9 % pour l’indice topographique – sont :

    • les terrasses situées dans les vallées alluviales (Sol 1) ou celles très fertiles (Sol  4) ;
    • les pentes douces et les paysages très ouverts.

    41Toutefois la performance du modèle pour la Céramique linéaire reste discutable en raison de l’échantillon de sites connus particulièrement réduit.

    42Durant le Precucuteni (Enéo. I), la tendance est à la dispersion avec une distance moyenne observée encore haute Image et un indice d’agrégation qui indique une plus forte dispersion (fig. 86 et 87). Il est à noter que cette réorganisation de la trame territoriale accompagne un léger sursaut du peuplement (+ 65 sites), mais surtout un véritable bond dans l’exploitation du sel puisque le nombre de sources où des indices d’exploitation sont documentés passe de deux à cinq (fig. 82 et 84). La carte de transition (fig. 88b) et les indices topographiques (fig. 92) confortent l’idée d’une stratégie d’implantation en lien avec le contrôle des principaux corridors fluviaux. La carte des visibilités cumulées (fig. 91c) montre également l’investissement conséquent des vallées de la Bistriţa et du Cracau, principales rivières des piémonts. Avec la première moitié du ve millénaire, c’est-à-dire la fin du Néolithique et les débuts de l’Énéolithique moldave (Énéo. I), on assiste à l’évolution notable des contextes topographiques (fig. 92 et 93). On observe d’abord que les hautes et moyennes terrasses sont privilégiées, ce qui traduit une tendance à l’établissement sur des promontoires largement ouverts et dont le degré de soumission à la vue est particulièrement élevé. On constate néanmoins que le nombre de liens visuels demeure modeste, ce qui traduit une dispersion des établissements assez grande (voir aussi l’indice d’agrégation). Durant les phases pleinement consolidées et développées de l’Énéolithique moldave (Énéo. II), le nombre de sites augmente radicalement (+ 503 sites) alors que l’exploitation du sel demeure à un niveau constant (fig. 82). La forme de l’organisation territoriale est désormais bien distinguée avec un motif encore dispersé (R = 0,65) et une distance moyenne qui atteint là son score le plus bas Image et traduit ainsi une très forte densité de l’occupation. Entre le Precucuteni (Énéo. I) et le Cucuteni A (Énéo. II), on enregistre quelques abandons très marginaux (fig. 88c), mais surtout de très nombreuses créations couvrant quasiment toute la zone d’étude. L’expansion du Cucuteni A est particulièrement manifeste dans les terrains propices à l’agriculture – à l’échelle de la zone 2, voir la synthèse des variables significatives du modèle de situation environnementale (fig. 100) –, mais aussi à proximité des sources salées. Notons néanmoins que par rapport à la période précédente, ce phénomène est moins localisé sur les secteurs riches en sel au profit d’un contrôle territorial qui dépasse largement le cadre des seules vallées riches de ressources en sel.

    43Mis à part la valeur de l’indice topographique qui continue à augmenter pendant l’Énéolithique moyen (Énéo. II) – connotant le renforcement du nombre d’habitats perchés –, celle de l’ouverture du paysage comme celle liée à la visibilité totale chutent de façon drastique (fig. 92 et 93). Il s’agit là d’une conséquence de la diversification des formes de l’occupation du sol constatée durant la seconde moitié du ve millénaire. Bien que souvent perchés, les habitats de l’Énéolithique moyen occupent désormais une très large variété de vallées, qu’elles soient larges et visuellement très ouvertes ou bien étroites et très peu visibles. Le nombre de liens visuels va en augmentant : il réfère à une occupation du sol très hiérarchisée et à un investissement territorial massif. Il indique aussi une réorganisation des peuplements qui reposerait sur une structuration des territoires bien distincte des périodes précédentes. C’est ainsi que de nouvelles pratiques agropastorales, fondées sur une mobilité accrue des unités domestiques, pourraient expliquer le nombre particulièrement important de sites énéolithiques, tout particulièrement du Cucuteni A. La fin de l’Énéolithique (Enéo. III-IV) est marquée par une intensification de l’exploitation du sel et une sensible rétraction du peuplement (- 160 sites) qui, s’il est toujours très dense Image , n’en devient pas moins plus concentré qu’il ne l’était auparavant (R = 0,60) [fig. 86 et 87]. La transition entre le Cucuteni A et le Cucuteni A-B et B (fig. 88d) est révélatrice d’un recentrement de l’habitat puisque le renforcement des réseaux d’habitat s’effectue parallèlement à un tissu de sites déjà bien organisé – particulièrement dans les piémonts salifères et au nord-est de la zone d’étude. La tendance à la diversification des écosystèmes occupés s’inverse à nouveau à la fin de l’Énéolithique (Énéo. III-IV) : les valeurs hautes de l’ensemble des indices topographiques tendent à souligner une réorganisation territoriale qui s’accompagne d’un déplacement de l’occupation vers des habitats de hauteur situés dans de larges vallées alluviales et de fait, un abandon des secteurs marginaux occupés pendant le Cucuteni A (fig. 88d). C’est également ce qu’indiquerait l’augmentation du nombre de liens visuels, ce qui correspondrait au durcissement des formes de l’occupation du sol ainsi qu’à une concentration des zones de peuplement – voir également l’indice d’agrégation qui indique un semis très concentré.

    44Les résultats obtenus à l’échelle de la zone 2 confortent ces premières interprétations (fig. 99 et 100). Pour le Precucuteni (Énéo. I), le Cucuteni A (Énéo. II) et le Cucuteni A-B et B (Énéo. III-IV), les unités cartographiques significatives sont peu ou prou les mêmes – exceptions faites de l’orientation et de la distance au cours d’eau –, les seules différences étant quantitatives : elles indiquent l’importance de certaines unités pour la caractérisation des choix privilégiés des communautés préhistoriques. Par exemple, pour l’Énéolithique ancien, les unités les plus fondamentales sont les terrasses (ou promontoires) situées dans des paysages très ouverts et visibles, les sols humides de vallée et les secteurs dont la distance à l’eau est minime – moins de dix minutes. Durant l’Énéolithique moyen (Cucuteni A), la recherche d’une proximité à l’eau se fait moins forte alors que les terrasses de hauteur – ouvertes et visibles, même si elles le sont moins franchement que durant le Precucuteni – sont privilégiées. À la fin de l’Énéolithique, peu de changements sont observés : les unités cartographiques « terrasses et promontoires », « très visibles » et « ouverts » sont recherchées, avec un attrait particulier pour les sols de vallées et très fertiles.

    Sel et polarisation du peuplement

    45Rappelons dans un premier temps l’inégale accessibilité aux sources salées avec de fortes variations des superficies des plages de temps d’accès (fig. 95). Par exemple, elle est de 1 000 kilomètres carrés jusqu’à trente minutes d’une source, de 2 540 kilomètres carrés entre une heure et une heure trente minutes, et de 1 800 kilomètres carrés entre deux heures trente et trois heures. Ainsi, la probabilité qu’un grand nombre de sites soit contenu dans la plage horaire « 1 h-1 h 30 » est d’autant plus forte que sa superficie est importante. Aussi, si le nombre d’habitats non fortifiés s’échelonnant entre une heure et une heure trente est aussi important (53), ne serait-ce pas parce que cette plage horaire s’inscrit sur une grande superficie ? Pour y répondre nous avons associé à la représentation du pourcentage de sites et de haches en cuivre, le rapport du nombre de sites et de haches à la superficie de chaque plage de temps (valeurs normées) [fig. 97a], et proposé une étude similaire à partir d’une distribution aléatoire des données (fig. 97b et c). Le rapport du nombre de sites (fortifiés et non fortifiés) et de haches en cuivre est éloquent et montre des résultats singulièrement différents. En effet, le rapport à la superficie des plages horaires permet de mettre en avant la réduction sensible et régulière du nombre d’habitats fortifiés et de hache en cuivre – sauf entre trente minutes et une heure – au fur et à mesure que la distance au sel augmente. Ce résultat est un argument de premier ordre : il illustre particulièrement bien le rôle attracteur de la ressource en sel, à savoir sa capacité à stimuler les échanges et à attirer les biens de prestige, le contrôle et la surveillance dont elle est l’objet via la densité importante des habitats fortifiés.

    46On peut néanmoins s’interroger sur la présence d’autres ressources qui justifieraient cette forte concentration de richesses à proximité du sel. On sait par exemple qu’à l’est de Piatra Neamţ, se trouvent des sols qui présentent un bon potentiel agronomique. Aussi, l’intensité de l’occupation archéologique dans ce secteur s’expliquerait à la fois par la présence de sols très fertiles (chernozems), mais aussi par l’abondance et l’accessibilité de sources très salées aux caractéristiques propres à leur exploitation par les sociétés préhistoriques. La figure 108, réalisée à l’échelle de la Moldavie roumaine, à partir de la classification des sols exploitée pour le modèle de situation environnementale, présente la superficie des différents sols par plage horaire. Il montre que la surface des sols riches n’évolue pas ou sinon très peu entre les trente minutes et trois heures de marche. Seuls les terrains limités à trente minutes d’une source salée présentent une superficie de sols agricoles très réduite. Nous pouvons en déduire que seule la présence du sel peut expliquer la très forte concentration de peuplement et de richesses à proximité directe de ladite ressource.

    Figure 108. Superficie (en km²) des plages de temps et importance des classes de sol

    Image

    Source : DAO réalisé par Robin Brigand.

    47Qu’en est-il de la dynamique du peuplement autour de ces sources de saumure naturelle ? La figure 96, bien que liminaire, permet d’apporter certains éléments de réponse. On observe tout d’abord entre 6000 et 3500 av. J.-C., une augmentation régulière du nombre de sites situés dans un rayon de trois heures d’une source salée. Seul l’Énéolithique ancien (Précucuteni) dénote singulièrement avec un effectif de sites qui équivaut à presque 23 %. Cet accroissement de la fréquentation aux abords d’une ressource en sel durant la première moitié du ve millénaire s’effectue parallèlement à l’intensification de son exploitation (fig. 82). Ce renforcement de l’occupation semble néanmoins privilégier les secteurs à distance moyenne, comme si la proximité immédiate du sel n’était pas vraiment recherchée. Les analyses morphométriques (fig. 93) rappellent d’ailleurs que cette période est caractérisée par une stratégie d’occupation des promontoires très visibles, qui dominent les larges corridors fluviaux et permettent l’accès et la circulation du sel. La valeur très haute de la visibilité totale comme de l’ouverture du paysage, associé au tableau des distances moyennes (fig. 92) semble dessiner des stratégies territoriales qui privilégient la surveillance des axes de communication et d’échange, c’est-à-dire la circulation des hommes et des produits au détriment des zones ponctuelles de production.

    48Avec cette recherche ciblée sur le nord-est de la Roumanie, nous avons souhaité enrichir notre compréhension des formes d’occupation et d’appropriation des milieux par les premières sociétés agropastorales. L’utilisation d’un SIG et l’exploitation cartographique et statistique des résultats ont permis de souligner la place du sel dans l’organisation territoriale et économique des sociétés de la Préhistoire récente. Le Néolithique ancien apparaît ainsi comme une première phase de colonisation pendant laquelle les ressources en sel sont recherchées, sans néanmoins être intégrées à une organisation territoriale particulièrement structurée. Mis à part la fin du vie millénaire, relativement mal documentée, cette contribution souligne l’ampleur des modifications territoriales qui adviennent dès le tout début du ve millénaire. L’identification de formes spécifiques de l’occupation du sol et de l’exploitation des ressources ouvre ainsi sur une compréhension plus fine du processus historique de la complexification sociale au cours de la Préhistoire récente. Ainsi, en travaillant sur un ensemble de paramètres tels que la distance intersites, le contexte topographique ou pédologique ainsi que l’évolution des relations de visibilité, nous pouvons mettre en évidence les implications territoriales de changements que l’on ne percevait auparavant qu’au niveau de l’architecture domestique, du mobilier ou de l’évolution des rites et croyances. Cette approche menée pour la première fois à l’échelle de toute la Moldavie roumaine, permet d’affiner nos modèles d’occupation de l’espace et d’exploitation des ressources tout en mettant en exergue les grandes tendances au niveau de l’organisation des territoires, à la fois dans le temps et dans l’espace. Notre approche demeure néanmoins tributaire de la qualité des données archéologiques, souvent fragmentaires et lacunaires. Ainsi, plusieurs écueils majeurs sont documentés :

    • la contemporanéité des sites d’habitat identifiés puisque l’on travaille souvent sur des pas de temps de plusieurs centaines d’années ;
    • la caractérisation d’un site d’habitat, rendue souvent difficile pour cause de prospections ponctuelles et incomplètes.

    49C’est dans ce cadre qu’a été entamée une réflexion autour de la modélisation des situations environnementales. Cette dernière s’est avérée efficiente, au-delà des cartes d’inventaire qui ne représentent qu’une partie de l’occupation du sol à un moment donné.

    Notes de bas de page

    1 Voir partie « Évaluation de la fiabilité des répartitions », chap. 1.

    2 La taille de la cellule t est ici de 4 700 mètres. Elle est donnée par la formule suivante : t = √(s/p) où s représente la superficie de la zone d’étude (46 200 km²) et p le nombre total de points (2 034).

    3 Voir « Des critères spécifiques », chap. 1.

    4 Voir « Des méthodes pour identifier des aires de consommation préférentielles », chap. 4.

    5 Voir « Tables de données et spatialisation », chap. 1 et fig. 3.

    6 Voir « Modélisation des dynamiques spatiotemporelles de la consommation du métal à l’âge du bronze dans l’est de la France », chap. 4.

    7 Toutes les cartes produites dans ce chapitre seront commentées dans « Synthèse et discussions des résultats ».

    8 Voir « Sel et polarisation du peuplement » dans ce chapitre.

    Auteurs

    • Estelle Gauthier

      Maître de conférences, UMR 6249 Chrono-environnement et MSHE C. N. Ledoux (Besançon)

    • Olivier Weller

      Chargé de recherches CNRS, UMR 8215 Trajectoires (Paris-Nanterre)

    • Pierre Pétrequin

      Directeur de recherches CNRS émérite, MSHE C. N. Ledoux (Besançon)

    • Maréva Gabillot

      Chargée de recherches CNRS, UMR 6298 ArTeHiS (Dijon)

    • Robin Brigand

      Post-doctorant, UMR 8215 Trajectoires (Paris-Nanterre)

    • Jehanne Affolter

      Chercheur associée, UMR 6298 ArTeHiS (Dijon)

    • Pierre Allard

      Chargé de recherches CNRS, UMR 7055 Préhistoire et Technologie (Nanterre)

    • Jessica Giraud

      Chercheur associée, UMR 7041 Arscan, Ifpo (Nanterre)

    • Émeline Le Goff

      Référente SIG et topographie, INRAP Grand-Ouest

    • Thierry Logel
    • Laure Nuninger
    • Laurie Tremblay Cormier
    Précédent Suivant
    Table des matières

    Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

    Voir plus de livres
    La pensée de la race en Italie

    La pensée de la race en Italie

    Du romantisme au fascisme

    Aurélien Aramini et Elena Bovo (dir.)

    2018

    La formation d’une opinion démocratique

    La formation d’une opinion démocratique

    Le cas du Jura, de la révolution de 1848 à la « république triomphante » (vers 1895)

    Pierre Merlin

    2017

    Les mutations récentes du foncier et des agricultures en Europe

    Les mutations récentes du foncier et des agricultures en Europe

    Gérard Chouquer et Marie-Claude Maurel (dir.)

    2018

    Deux frontières aux destins croisés ?

    Deux frontières aux destins croisés ?

    Étude interdisciplinaire et comparative des délimitations territoriales entre la France et la Suisse, entre la Bourgogne et la Franche-Comté (xive-xxie siècle)

    Benjamin Castets Fontaine, Maxime Kaci, Jérôme Loiseau et al. (dir.)

    2019

    Un mousquetaire du journalisme : Alexandre Dumas

    Un mousquetaire du journalisme : Alexandre Dumas

    Sarah Mombert et Corinne Saminadayar-Perrin (dir.)

    2019

    Libertaire ! Essais sur l’écriture, la pensée et la vie de Joseph Déjacque (1821-1865)

    Libertaire ! Essais sur l’écriture, la pensée et la vie de Joseph Déjacque (1821-1865)

    Thomas Bouchet et Patrick Samzun (dir.)

    2019

    Les encyclopédismes en France à l'ère des révolutions (1789-1850)

    Les encyclopédismes en France à l'ère des révolutions (1789-1850)

    Vincent Bourdeau, Jean-Luc Chappey et Julien Vincent (dir.)

    2020

    Le verre du VIIIe au XVIe siècle en Europe occidentale

    Le verre du VIIIe au XVIe siècle en Europe occidentale

    Inès Pactat et Claudine Munier (dir.)

    2020

    Les révolutions du commerce. France, xviiie-xxie siècle

    Les révolutions du commerce. France, xviiie-xxie siècle

    Jean-Claude Daumas (dir.)

    2020

    Le patrimoine industriel au prisme de nouveaux défis

    Le patrimoine industriel au prisme de nouveaux défis

    Usages économiques et enjeux environnementaux

    Marina Gasnier

    2018

    La petite entreprise au péril de la famille ?

    La petite entreprise au péril de la famille ?

    L’exemple de l’Arc jurassien franco-suisse

    Laurent Amiotte-Suchet, Yvan Droz et Fenneke Reysoo

    2017

    Une imagination républicaine, François-Vincent Raspail (1794-1878)

    Une imagination républicaine, François-Vincent Raspail (1794-1878)

    Jonathan Barbier et Ludovic Frobert (dir.)

    2017

    Voir plus de livres
    1 / 12
    La pensée de la race en Italie

    La pensée de la race en Italie

    Du romantisme au fascisme

    Aurélien Aramini et Elena Bovo (dir.)

    2018

    La formation d’une opinion démocratique

    La formation d’une opinion démocratique

    Le cas du Jura, de la révolution de 1848 à la « république triomphante » (vers 1895)

    Pierre Merlin

    2017

    Les mutations récentes du foncier et des agricultures en Europe

    Les mutations récentes du foncier et des agricultures en Europe

    Gérard Chouquer et Marie-Claude Maurel (dir.)

    2018

    Deux frontières aux destins croisés ?

    Deux frontières aux destins croisés ?

    Étude interdisciplinaire et comparative des délimitations territoriales entre la France et la Suisse, entre la Bourgogne et la Franche-Comté (xive-xxie siècle)

    Benjamin Castets Fontaine, Maxime Kaci, Jérôme Loiseau et al. (dir.)

    2019

    Un mousquetaire du journalisme : Alexandre Dumas

    Un mousquetaire du journalisme : Alexandre Dumas

    Sarah Mombert et Corinne Saminadayar-Perrin (dir.)

    2019

    Libertaire ! Essais sur l’écriture, la pensée et la vie de Joseph Déjacque (1821-1865)

    Libertaire ! Essais sur l’écriture, la pensée et la vie de Joseph Déjacque (1821-1865)

    Thomas Bouchet et Patrick Samzun (dir.)

    2019

    Les encyclopédismes en France à l'ère des révolutions (1789-1850)

    Les encyclopédismes en France à l'ère des révolutions (1789-1850)

    Vincent Bourdeau, Jean-Luc Chappey et Julien Vincent (dir.)

    2020

    Le verre du VIIIe au XVIe siècle en Europe occidentale

    Le verre du VIIIe au XVIe siècle en Europe occidentale

    Inès Pactat et Claudine Munier (dir.)

    2020

    Les révolutions du commerce. France, xviiie-xxie siècle

    Les révolutions du commerce. France, xviiie-xxie siècle

    Jean-Claude Daumas (dir.)

    2020

    Le patrimoine industriel au prisme de nouveaux défis

    Le patrimoine industriel au prisme de nouveaux défis

    Usages économiques et enjeux environnementaux

    Marina Gasnier

    2018

    La petite entreprise au péril de la famille ?

    La petite entreprise au péril de la famille ?

    L’exemple de l’Arc jurassien franco-suisse

    Laurent Amiotte-Suchet, Yvan Droz et Fenneke Reysoo

    2017

    Une imagination républicaine, François-Vincent Raspail (1794-1878)

    Une imagination républicaine, François-Vincent Raspail (1794-1878)

    Jonathan Barbier et Ludovic Frobert (dir.)

    2017

    Voir plus de livres
    La Préhistoire du Jura et l’Europe néolithique en 100 mots-clés

    La Préhistoire du Jura et l’Europe néolithique en 100 mots-clés

    5300-2100 av J.-C.

    Pierre Pétrequin et Anne-Marie Pétrequin

    2021

    Voir plus de livres
    La Préhistoire du Jura et l’Europe néolithique en 100 mots-clés

    La Préhistoire du Jura et l’Europe néolithique en 100 mots-clés

    5300-2100 av J.-C.

    Pierre Pétrequin et Anne-Marie Pétrequin

    2021

    Voir plus de chapitres

    1. L’exploitation du sel : une longue histoire

    Olivier Weller et Pierre Pétrequin

    Conclusion/synthèse de la seconde partie

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    Le rôle des axes de circulation : une réflexion méthodologique

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    Les dynamiques spatiotemporelles des zones de consommation

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    Introduction

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    Les jeux de données et leur exploitabilité

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    10. Première exploitation de sel en Europe. Techniques et gestion de l’exploitation de la source salée de Poiana Slatinei à Lunca (Neamt, Roumanie)

    Olivier Weller, Gheorghe Dumitroaia, Dominique Sordoillet et al.

    12. L’exploitation préhistorique des sources salées dans le Jura français. Application et critiques d’un modèle prédictif

    Pierre Pétrequin et Olivier Weller

    La diffusion depuis les gîtes

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    La diffusion des produits : modélisation des concepts et réflexion sur la structuration des données

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    14. Captages en bois à la fin du Néolithique : les Fontaines Salées à Saint-Père-sous-Vézelay (Yonne, France)

    Vincent Bernard, Pierre Pétrequin, Olivier Weller et al.

    Voir plus de chapitres
    1 / 11

    1. L’exploitation du sel : une longue histoire

    Olivier Weller et Pierre Pétrequin

    Conclusion/synthèse de la seconde partie

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    Le rôle des axes de circulation : une réflexion méthodologique

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    Les dynamiques spatiotemporelles des zones de consommation

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    Introduction

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    Les jeux de données et leur exploitabilité

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    10. Première exploitation de sel en Europe. Techniques et gestion de l’exploitation de la source salée de Poiana Slatinei à Lunca (Neamt, Roumanie)

    Olivier Weller, Gheorghe Dumitroaia, Dominique Sordoillet et al.

    12. L’exploitation préhistorique des sources salées dans le Jura français. Application et critiques d’un modèle prédictif

    Pierre Pétrequin et Olivier Weller

    La diffusion depuis les gîtes

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    La diffusion des produits : modélisation des concepts et réflexion sur la structuration des données

    Estelle Gauthier, Olivier Weller, Pierre Pétrequin et al.

    14. Captages en bois à la fin du Néolithique : les Fontaines Salées à Saint-Père-sous-Vézelay (Yonne, France)

    Vincent Bernard, Pierre Pétrequin, Olivier Weller et al.

    Accès ouvert

    Accès ouvert freemium

    ePub

    PDF

    PDF du chapitre

    Suggérer l’acquisition à votre bibliothèque

    Acheter

    Édition imprimée

    Presses universitaires de Franche-Comté
    • amazon.fr
    • decitre.fr
    • mollat.com
    • leslibraires.fr
    • placedeslibraires.fr
    • lcdpu.fr
    ePub / PDF

    1 Voir partie « Évaluation de la fiabilité des répartitions », chap. 1.

    2 La taille de la cellule t est ici de 4 700 mètres. Elle est donnée par la formule suivante : t = √(s/p) où s représente la superficie de la zone d’étude (46 200 km²) et p le nombre total de points (2 034).

    3 Voir « Des critères spécifiques », chap. 1.

    4 Voir « Des méthodes pour identifier des aires de consommation préférentielles », chap. 4.

    5 Voir « Tables de données et spatialisation », chap. 1 et fig. 3.

    6 Voir « Modélisation des dynamiques spatiotemporelles de la consommation du métal à l’âge du bronze dans l’est de la France », chap. 4.

    7 Toutes les cartes produites dans ce chapitre seront commentées dans « Synthèse et discussions des résultats ».

    8 Voir « Sel et polarisation du peuplement » dans ce chapitre.

    ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1

    X Facebook Email

    ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1

    Ce livre est diffusé en accès ouvert freemium. L’accès à la lecture en ligne est disponible. L’accès aux versions PDF et ePub est réservé aux bibliothèques l’ayant acquis. Vous pouvez vous connecter à votre bibliothèque à l’adresse suivante : https://freemium.openedition.org/oebooks

    Suggérer l’acquisition à votre bibliothèque Acheter ce livre aux formats PDF et ePub

    Si vous avez des questions, vous pouvez nous écrire à access[at]openedition.org

    ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1

    Vérifiez si votre bibliothèque a déjà acquis ce livre : authentifiez-vous à OpenEdition Freemium for Books.

    Vous pouvez suggérer à votre bibliothèque d’acquérir un ou plusieurs livres publiés sur OpenEdition Books. N’hésitez pas à lui indiquer nos coordonnées : access[at]openedition.org

    Vous pouvez également nous indiquer, à l’aide du formulaire suivant, les coordonnées de votre bibliothèque afin que nous la contactions pour lui suggérer l’achat de ce livre. Les champs suivis de (*) sont obligatoires.

    Veuillez, s’il vous plaît, remplir tous les champs.

    La syntaxe de l’email est incorrecte.

    Référence numérique du chapitre

    Format

    Gauthier, E., Weller, O., Pétrequin, P., Gabillot, M., Brigand, R., Affolter, J., Allard, P., Giraud, J., Le Goff, Émeline, Logel, T., Nuninger, L., & Cormier, L. T. (2022). Peuplement et contrôle des ressources : l’exemple de la production du sel en Moldavie sous-carpatique (Roumanie) entre 6000 et 3500 av. J.-C. In E. Gauthier, M. Georges-Leroy, N. Poirier, & O. Weller (éds.), ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1 (1‑). Presses universitaires de Franche-Comté. https://doi.org/10.4000/books.pufc.46832
    Gauthier, Estelle, Olivier Weller, Pierre Pétrequin, Maréva Gabillot, Robin Brigand, Jehanne Affolter, Pierre Allard, et al. « Peuplement et contrôle des ressources : l’exemple de la production du sel en Moldavie sous-carpatique (Roumanie) entre 6000 et 3500 av. J.-C ». In ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1, édité par Estelle Gauthier, Murielle Georges-Leroy, Nicolas Poirier, et Olivier Weller. Besançon: Presses universitaires de Franche-Comté, 2022. https://doi.org/10.4000/books.pufc.46832.
    Gauthier, Estelle, et al. « Peuplement et contrôle des ressources : l’exemple de la production du sel en Moldavie sous-carpatique (Roumanie) entre 6000 et 3500 av. J.-C ». ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1, édité par Estelle Gauthier et al., Presses universitaires de Franche-Comté, 2022, https://doi.org/10.4000/books.pufc.46832.

    Référence numérique du livre

    Format

    Gauthier, E., Georges-Leroy, M., Poirier, N., & Weller, O. (éds.). (2022). ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1 (1‑). Presses universitaires de Franche-Comté. https://doi.org/10.4000/books.pufc.46572
    Gauthier, Estelle, Murielle Georges-Leroy, Nicolas Poirier, et Olivier Weller, éd. ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1. Besançon: Presses universitaires de Franche-Comté, 2022. https://doi.org/10.4000/books.pufc.46572.
    Gauthier, Estelle, et al., éditeurs. ARCHAEDYN. Dynamique spatiale des territoires de la Préhistoire au Moyen Âge. Volume 1. Presses universitaires de Franche-Comté, 2022, https://doi.org/10.4000/books.pufc.46572.
    Compatible avec Zotero Zotero

    1 / 3

    Presses universitaires de Franche-Comté

    Presses universitaires de Franche-Comté

    • Plan du site
    • Se connecter

    Suivez-nous

    • X
    • Flux RSS

    URL : http://pufc.univ-fcomte.fr

    Email : Presses-pufc@univ-fcomte.fr

    Adresse :

    47, rue Mégevand

    25030

    Besançon

    France

    OpenEdition
    • Candidater à OpenEdition Books
    • Connaître le programme OpenEdition Freemium
    • Commander des livres
    • S’abonner à la lettre d’OpenEdition
    • CGU d’OpenEdition Books
    • Accessibilité : partiellement conforme
    • Données personnelles
    • Gestion des cookies
    • Système de signalement