《Advances in Archaeological Practice》：Sampling Matters: What Simulation Modeling and Microrefuse Sampling Practice Reveal about Archaeological Sampling, Training, and Design
编辑推荐：
考古采样是田野方法论中关键却应用不一致的核心环节。设计不佳的策略会产生偏差或不可复现的结果，尤其在回收工作强度大、研究预期高的场景中更为突出。本文以空间微废弃物分析为视角，借助模拟建模评估现有实践，优化采样设计、训练与规划。研究人员系统回顾了27项已发表微废弃
考古采样是田野方法论中关键却应用不一致的核心环节。设计不佳的策略会产生偏差或不可复现的结果，尤其在回收工作强度大、研究预期高的场景中更为突出。本文以空间微废弃物分析为视角，借助模拟建模评估现有实践，优化采样设计、训练与规划。研究人员系统回顾了27项已发表微废弃物研究，发现采样策略、单元尺寸与体积差异极大，几乎无统计学依据支撑。为探究该差异的后果，研究人员开发了Archaeological Sampling Experiment Laboratory（tASEL）——一款基于NetLogo构建的开源模拟工具，已收录于CoMSES模型库。tASEL支持考古学家构建人工制品分布，并对随机、系统或混合采样框架进行即时可视化与统计反馈测试。研究人员利用tASEL在两种人工制品分布（弥散型随机散布与高度聚集模式）中完成了22000次虚拟采样实验。结果表明，采样表现随分布类型、样本量与框架设计的差异显著变化，随机策略的准确性最高、偏差最低。文末展示了tASEL在课堂与田野场景中的应用路径，以提升采样素养，支撑更稳健的考古实践。
研究背景与问题提出
考古采样直接决定地下遗存的提取质量及关于过去行为的推断可靠性，但当前实践中采样是最缺乏一致性的环节之一，常被视作惯例或后勤安排，而非研究设计的核心组成部分。这种状况在空间微废弃物分析中尤为严重，因为微废弃物能提供高分辨率的生活空间使用信息，其数量丰富且抗扰动能力强，但采集、处理与分析的劳动成本极高。尽管自动化分拣与分布式计数技术提升了后期效率，采样设计的前置问题长期被忽视，导致微废弃物分析被误认为过于耗时费力。已有研究缺乏对采样方法的系统评估，也无统一标准，限制了结果的可比性与解释力。为此，研究人员在《Advances in Archaeological Practice》发表论文，结合文献计量与模拟实验，探讨如何优化采样策略、提升采样素养并改进考古实践。
关键技术方法
研究人员首先采用高级关键词检索Google Scholar，系统收集1982至2025年间发表的27项空间微废弃物研究，标准化采样单元面积（cm2）与沉积物体积（mL），分析单元尺寸、采样体积、策略类型与报告情况。随后，研究人员开发并应用Archaeological Sampling Experiment Laboratory（tASEL）模型，该工具遵循ODD（Overview, Design concepts, Details）协议，可在NetLogo环境中构建随机、聚集或混合型人工制品分布，并测试随机、系统及混合采样框架。实验设计了两种典型分布（弥散随机与高度聚集），在tASEL迭代模式下完成八组共22000次虚拟采样，覆盖从0.04%到100%的采样强度，通过阳性率、密度估计值与真实值差异等指标评估性能，并使用Python的Pandas与Seaborn包进行统计分析。
研究结果
微人工制品的考古采样现状
文献分析显示，微废弃物采样缺乏统一规范，单元面积中位数约为2500 cm2（常见为50×50 cm），体积中位数为1000 mL，样本量中位数为48.5，但样本数最不标准化。常用策略为系统抽样与判断抽样，未见真正的随机抽样。采样框架多继承自常规发掘实践，而非针对微废弃物的空间与体积特征优化，往往优先考虑后勤便利性，样本量由可用劳动力决定，导致潜在偏差与空间自相关风险。
tASEL模型概述
tASEL包含人工制品代理与调查单元两个核心实体，支持手动模式用于教学探索，以及迭代模式用于科研规划。与其他同类工具相比，tASEL强调交互可视化、开源代码经同行评审、适用于教育与实地规划双重场景，可无缝衔接课堂训练与田野部署。
基于tASEL的网格采样评估
在两种分布条件下，随机采样整体优于系统抽样。对于弥散随机分布，随机策略的密度差分布对称且集中，系统抽样在低覆盖率时对网格偏移敏感，出现负偏差。对于聚集分布，四种策略均值接近零，但随机策略方差更低；固定7×7网格在某些对齐条件下表现尚可，但整体稳定性不足。随着样本量增加，密度估计精度提升，但在约50–75个单元后收益递减。固定50单元随机采样始终优于固定7×7网格采样，这与实际研究中普遍采用网格采样却从不使用随机采样的现状形成鲜明对比。
讨论与实用建议
模拟结果验证了采样策略与遗存分布匹配的重要性，揭示了当前实践偏重便利而忽视统计严谨性的问题。tASEL通过直观展示数千次采样结果，使考古学家能在实地前评估设计优劣，尤其支持“任务景观”（taskscapes）与“惯习”（habitus）等需要精细空间结构的研究框架。教学上，tASEL可用于本科与研究生实验课程，帮助学生理解样本量效应、空间偏差与聚集模式识别；实际应用中，研究人员可依据遗址预期分布设定参数，批量测试采样方案，输出最优框架用于实地布设。该方法降低了高 rigor 采样设计的门槛，促进考古采样的民主化。
结论
微废弃物分析具备揭示家庭行为空间模式的独特潜力，但必须依托严谨的采样设计才能发挥价值。当前考古教育与实践均存在采样训练不足的问题，tASEL为课堂与专业规划提供了统一平台，有助于弥合方法论训练与实地应用之间的鸿沟。未来模型可进一步纳入建筑边界与复杂空间行为，并通过实地数据验证模拟结果。研究人员呼吁建立统一的采样框架设计、体积选择与报告标准，推动考古学各分支共享可比较、可复现的方法论基础。
