机器学习结合FTIR光谱揭示汉代琥珀贸易：基于中国南北方考古样本的溯源分析与丝路贸易实证

　　本研究针对汉代琥珀贸易路线模糊、缺乏实证的问题，通过ATR-FTIR和DRIFTS技术分析78件中国南北方出土琥珀样本，结合DBSCAN聚类与SVM/KNN/DT机器学习模型，实现琥珀起源（波罗的海与缅甸）的高效分类。首次证实汉代岭南与中亚存在双源琥珀贸易网络，为丝绸之路的多元商品流通提供直接物证。

　　

琥珀作为古代贸易的关键指示物，其流通路径一直备受考古学界关注。中国汉代（公元前202年-公元220年）是琥珀饰品首次大规模出现的时期，但中国本土缺乏优质琥珀矿藏，这些珍贵材料的来源与贸易路线始终成谜。历史文献记载琥珀可能通过陆上丝绸之路（经罽宾国）和海上丝绸之路（经黄支国）传入，但缺乏实物证据支撑。此前研究仅对零星样本进行傅里叶变换红外光谱（FTIR）分析，且样本量不足（单遗址≤7件）、地域分散，难以构建系统的贸易网络。更棘手的是，考古琥珀普遍存在老化劣化、杂质干扰等问题，传统光谱分析法面临巨大挑战。

为破解这一难题，来自中国多家考古研究机构的团队在《Journal of Archaeological Science》发表创新性研究。该研究首次整合衰减全反射傅里叶变换红外光谱（ATR-FTIR）和漫反射红外光谱（DRIFTS）技术，结合机器学习算法，对广东（50件）、青海（15件）和湖南（13件）出土的78件汉代琥珀珠进行系统分析。通过考察老化、杂质和检测方法对光谱的影响，锁定关键指纹峰区域，采用基于噪声的密度聚类（DBSCAN）进行数据分组，继而建立支持向量机（SVM）、决策树（DT）和K近邻（KNN）分类模型。

关键技术方法包括：1）ATR-FTIR和DRIFTS双光谱检测；2）DBSCAN无监督聚类（评估指标：轮廓系数SC=0.964，戴维森堡指数DBI=0.214）；3）SVM/DT/KNN监督学习模型构建；4）考古样本队列（西汉17件、新莽2件、东汉42件）的时空分布分析。

【DBSCAN分析】
光谱聚类形成2个明确簇群，与人工判定的波罗的海琥珀（succinite）和缅甸琥珀（burmite）分类完全一致。ATR-FTIR的聚类效果（CHI=703.716）显著优于DRIFTS（CHI=130.168），证实前者更适合考古琥珀溯源。

【琥珀样本起源】
机器学习模型准确率媲美人工判别：广东样本中波罗的海与缅甸琥珀各占50%，湖南以波罗的海琥珀为主（占比提升），青海则几乎全为波罗的海琥珀。这一梯度分布揭示岭南地区通过海上丝路获取缅甸琥珀，同时通过陆上丝路输入波罗的海琥珀的双重贸易网络。

【结论与意义】
研究首次实证汉代存在多元琥珀贸易体系：1）缅甸琥珀经哀牢国-南越通道输入岭南；2）波罗的海琥珀通过"琥珀之路"-地中海-罽宾国/黄支国双路径传入中国；3）青海作为陆路枢纽独占波罗的海琥珀。机器学习模型（尤其SVM）实现92.3%的分类准确率，为考古材料溯源建立新范式。该成果不仅证实汉代中国与东南亚、南亚、中亚的密切商贸联系，更揭示出汉帝国与古欧洲的间接贸易链条，为重构丝绸之路物质文化交流提供关键科学依据。