Úvod

Dark Earth a odpadové hospodářství ve středověké Praze

Na podzim roku 2024 byl na Václavském náměstí odebrán geoarcheologický profil k účelům mikromorfologických a geochemických analýz. V jeho mocné stratigrafii byla identifikována vrstva Dark Earth, která představuje jeden z prvních důkazů středověkého městského odpadu tohoto typu v Praze. Darth earth je označení pro velmi úrodné půdy, které se skládají z velkého množství organických látek, především popela (Correa 2020), a díky tomu obsahují spoustu uhlíku. Vysoký obsah uhlíku vytváří typickou černou barvu tohoto typu půdy. Vznikají na místech, kde se akumuluje organika. V minulosti se tvořili především v lesích, bažinách a mokřadech. Dnes se na těchto místech samozřejmě mohou tvořit také, ale častěji je vznik dark earth spojen s člověkem a jeho aktivitou. Jedná se většinou o města nebo místa, kde se akumuluje velké množství organického materiálu na jednom místě. Může se jednat o skládky a vytížené lokality, kde žili lidé. Díky tomu mohou být dark earth používány v archeologii jako indikátory lidské činnosti v dané oblasti. Člověk hromadí různé typy organických materiálů na jednom místě například, zbytky potravy, kosti, odpad a popel, který je klíčový pro tento typ půd. Tyto půdy jsou pak díky tomu nesmírně úrodné. To vede dnes badatele k tomu, aby se pokoušeli tyto půdy vytvořit uměle. Existují i odborné práce, které si dávají za cíl zjistit, v čem tkví vznik dark earth a snaží se ho pochopit a reprodukovat. Závěrem přišli na to, že by se půda dala „očkovat“, aby pak získala stejné parametry a výhody dark earth. Data od Correa naznačují, že člověk přispívá k rozvoji těchto půd, ale není hlavní činitel jejich vzniku(Silva-Correa 2021) . V této studii naměřili prvky v půdě a pak počítali, za jakou dobu by se tyto hodnoty dostali do současného stavu půdy při dnešní hlavní teorii o tom, že jsou z velké části tyto půdy vázány na člověka a jeho odpad. Vypočet počítal s 20–60 lidí na hektar a za předpokladu, že každý dospělý člověk spotřebuje v průměru maximálně 219 g a minimálně 90 g čerstvých ryb denně. V tomto případě by osídlení muselo být konstantní po dobu 1100–8000 let. Dále počítali i s méně výživnými zdroji prvků a délka nutného osídlení k vytvoření těchto půd se akorát prodlužuje. Docházejí k závěru, že amazonské dark earth vznikly přirozenými fluviálními procesy, a že lidská činnost hrála pouze sekundární roli při jejich vzniku. Článek (Lombardo et al. 2022) je přímou reakcí na studii (Silva-Correa 2021) , Lombardo a kolektiv tuto interpretaci zásadně odmítají a na základě rozsáhlých archeologických, pedologických a geochemických důkazů konstatují, že dark earth mají antropogenní původ. Kritizují především omezený geografický rozsah a metodologii studie, která vycházela pouze z jednoho místa (Caldeirão), a poukazují na to, že dark earth se vyskytují v oblastech s vysokou hustotou předkolumbovského osídlení, kde byly půdy systematicky obohacovány organickým materiálem, uhlíkem a kulturními zbytky. Zatímco Silva et al. zdůrazňují přírodní původ těchto půd, Lombardo et al. ukazují, že jejich vznik je výsledkem dlouhodobé a cílené lidské činnosti.

Cíle výzkumu

  • Identifikovat a popsat výskyt Dark Earth ve středověké Praze
  • Rekonstruovat vývoj odpadového hospodářství ve veřejném prostoru města
  • Rozlišit vrstvy antropogenního a fluviálního původu
  • Zhodnotit význam chemických a mikromorfologických markerů v archeologickém kontextu
Odebraný profil na Václavském náměstí
Odebraný profil na Václavském náměstí

Lokalizace

leaflet() %>%
  addTiles(group = "Základní mapa") %>%
  addProviderTiles(providers$Esri.WorldImagery, group = "Ortofoto") %>%
  addMarkers(lng = 14.42537, lat = 50.08106,
             popup = "Odebraný profil – Václavské náměstí") %>%
  setView(lng = 14.42537, lat = 50.08106, zoom = 17) %>%
  addLayersControl(
    baseGroups = c("Základní mapa", "Ortofoto"),
    options = layersControlOptions(collapsed = FALSE)
  ) %>%
  addScaleBar(position = "bottomleft")

Profil

raw <- read.table("barvy2.txt", header=TRUE, sep="\t", dec=",", check.names = FALSE)

raw$name[raw$name == "17-18th century"] <- "17. az 18. stoleti"
raw$name[raw$name == "bricks - 17-18th century"] <- "cihly z 17. az 18. stoleti"
raw$name[raw$name == "16th century"] <- "16. stoleti"
raw$name[raw$name == "14th-15th century"] <- "14. až 15. stoleti"
raw$name[raw$name == "floods in 1280"] <- "povoden 1280"
raw$name[raw$name == "iron precipitates - 13. stoleti"] <- "kovy 13. stoleti"


raw$soil_color <- with(raw, munsell2rgb(hue, value, chroma))
depths(raw) <- id ~ top + bottom
hzdesgnname(raw) <- 'name'
plotSPC(raw, name.style = 'center-center', width = 0.25, axis.line.offset = -5)

Zde na vyobrazení stratigrafie z Václavského náměstí jsou rozděleny vrstvy, které se od sebe dali rozpoznat barvou za pomocí Munsellova barevného spektra. Nejstarší vrstvy se sedimentovaly ještě před 12. st. Tyto vrstvy jsou světlejší než z pozdějšího 14. st, a to především kvůli menší hustotě osídlení a s ní spojenou nižší lidskou aktivitou. Ve 13. st se mimo důkazy o pyrotechnickém využívání místa, setkáváme ve vrstvě z roku 1280 i s důkazy o povodni, které nám může být důkazem už výraznějšího odlesnění v okolí Prahy. Je dost možné, že se může jednat přímo o potopu z roku 1272, která dokonce poničila Juditin most. Vrstvy ze 14. st jsou už typickým příkladem dark earth, která zde vznikla díky velké hustotě osídlení a vzniklé organiky z provozování koňského trhu na Václavském náměstí. V roce 1348 se také území Václavského náměstí stává částí nově založeného Nového města Pražského, což přispělo k jeho zalidnění. Poslední masivní vrstvy jsou z 14. a 15. st, později se už vrstvy ztenčují, což bylo důsledkem dláždění, které zamezovalo většímu hromadění sedimentů.

Ternární diagram

raw <- read.table("granulometry.txt", header = TRUE, sep = "\t", dec = ",", check.names = FALSE)
newdata2 <- raw[-c(22:27), ]
newdata2$category <- as.character(newdata2$category)
newdata2$category[newdata2$category == "sanitation layer -mid-to-late 14th century"] <- "sanitacni vrstva"
newdata2$category[newdata2$category == "after 1348"] <- "po roce 1348"
newdata2$category[newdata2$category == "sanitation layer"] <- "sanitacní vrstva"
newdata2$category[newdata2$category == "flood in 1280"] <- "povoden 1280"
newdata2$category[newdata2$category == "17th century"] <- "17. stoleti"
newdata2$category[newdata2$category == "16th century"] <- "16. stoleti"
newdata2$category[newdata2$category == "15th century"] <- "15. stoleti"
newdata2$category[newdata2$category == "mid-to-late 14th century"] <- "stredni a pozdni 14. Stoleti"
newdata2$category[newdata2$category == "12th century"] <- "12. stoleti"
newdata2$category[newdata2$category == "before 12th century"] <- "pred 12. stoletim"

category_colors <- c(
  "sanitacni vrstva" = "grey",
  "17. stoleti" = "red",
  "16. stoleti" = "blue",
  "12. stoleti" = "cyan",
  "stredni a pozdni 14. Stoleti" = "purple",
  "po roce 1348" = "orange",
  "1348" = "yellow",
  "povoden 1280" = "black",
  "pred 12. stoletim" = "pink",
  "12. stoleti" = "cyan",
  "15. stoleti" = "green"
  
  
)

# Ternární graf
ggtern(newdata2, aes(x = sand, y = clay, z = silt)) +
  geom_point(aes(color = category), alpha = 0.75, size = 3) +
  scale_color_manual(values = category_colors) +
  scale_size_continuous(range = c(3, 10)) +
  theme_rgbw() +
  theme(legend.position = "bottom") +
  guides(
    color = guide_legend(nrow = 5, byrow = TRUE, override.aes = list(size = 10, alpha = 1)),
    size = guide_legend(nrow = 1)
  )

Diagram znázorňuje podíl písku, prachu a jílu ve vzorcích z různých stratigrafických vrstev. Barevné body je pak reprezentují a udávají procentuální zastoupení těchto tří podílů ve vzorku. Černý bod označuje sediment spojený s povodní v roce 1280, který se vyznačuje vyšším podílem jemnozrnných částic (prachu 65 % a jílu 10 %), typických pro povodňové usazeniny. Ty se totiž na rozdíl od písku usazují až na samém konci potopy, když proud už slábne a přestává přenášet i takto malé části. Ty pak v půdě vytvoří horizont, který se dá odlišit od ostatních. Na celém diagramu můžeme vidět jeden fenomén, který platí pro celou půdu a všechny její části. Půda je velmi propustná, protože její obsah jílu nikdy nepřesáhne 20 %. Vidíme tam i lehký trend, že mladší vrstvy obsahují více písku než vrstvy před rokem 1348, což nám může poukazovat na změnu sedimentace způsobené člověkem a jeho zvýšeným podílem aktivit na tomto místě.

Geochemické profily

data <- read.table("xrf.txt", sep = "\t", header = TRUE)

# Zprůměrování podle Sample
elements <- c("P", "Ca", "Pb")
data_avg <- aggregate(data[, elements],
                      by = list(Sample = data$Sample,
                                Depth = data$Depth,
                                Category = data$Category),
                      FUN = mean, na.rm = TRUE)
data_avg$Category[data_avg$Category == "after 1348"] <- "po roce 1348"
data_avg$Category[data_avg$Category == "sanitation layer"] <- "sanitacní vrstva"
data_avg$Category[data_avg$Category == "flood in 1280"] <- "povoden 1280"
data_avg$Category[data_avg$Category == "17th century"] <- "17. stoleti"
data_avg$Category[data_avg$Category == "16th century"] <- "16. stoleti"
data_avg$Category[data_avg$Category == "15th century"] <- "15. stoleti"
data_avg$Category[data_avg$Category == "mid-to-late 14th century"] <- "stredni a pozdni 14. stoleti"
data_avg$Category[data_avg$Category == "12th century"] <- "12. stoleti"
data_avg$Category[data_avg$Category == "before 12th century"] <- "pred 12. stoletim"

# Barevné přiřazení ke kategoriím
category_colors <- c(
  "17. stoleti" = "red",
  "16. stoleti" = "blue",
  "15. stoleti" = "green",
  "stredni a pozdni 14. stoleti" = "purple",
  "po roce 1348" = "orange",
  "1348" = "brown",
  "povoden 1280" = "black",
  "12. stoleti" = "cyan",
  "pred 12. stoletim" = "pink"
)

# Základní base R graf s barvami a legendou
par(mfrow = c(1, 3), mar = c(5, 4, 4, 8), xpd = TRUE)
for (el in elements) {
  cols <- category_colors[as.character(data_avg$Category)]
  plot(data_avg[[el]], data_avg$Depth,
       main = paste("Profil prvku", el),
       xlab = paste(el, "(ppm)"),
       ylab = "Hloubka (cm)",
       pch = 19,
       col = cols,
       ylim = rev(range(data_avg$Depth)))
}
# Přidání společné legendy vpravo vedle grafů

legend("bottomright",
       legend = names(category_colors),
       col = category_colors,
       pch = 19,
       cex = 0.8,
       bty = "n",
       title = "Období")

FOSFOR je neoddělitelnou součástí zdravé půdy. V dřívějších dobách se fosfor dostával do půdy přirozeně a bylo ho omezené množství, které cirkulovalo. Hlavními způsoby, jak se to dělo bylo z rozkladu organických materiálů (ne vždy se však dá tento fosfor vstřebat rostlinami, a proto jsou velmi důležití i mikroorganismy, které ho předělají do formy, kterou mohou rostliny vstřebávat(Kajčík 2001).) Dost možná hlavním způsobem, jak se fosfor ze svého koloběhu dostá zpět do půdy jsou exkrementy a popel. V řezu půdy jasně vidíme, že se obsah fosforu začal zvyšovat od 14.st. Zvýšený obsah fosforu nám může indikovat lidskou činnost. Ve 14.st zde na Václavském náměstí vzniká koňský trh. Fosfor, který od té doby začíná rapidně zvyšovat svůj podíl v půdě nám tedy může být ukazatelem organicky vytíženého místa a především koňského hnoje, kterého se muselo na Václavském náměstí v tu dobu nacházet požehnané množství.

VÁPNÍK se začíná stejně jako fosfor zvyšovat ve 14.století. Vápník se ve středověku používal k mnoha různým účelům. Vápno se masově používalo ve stavebnictví, což by nám mohlo odrážet i rok 1348, když Karel IV založil Nové město a vápno, které se nachází na Václavském náměstí, nám může reflektovat stavební práce, které tam v tu dobu mohli probíhat. Dále se vápno mohlo používat i čistě jako zásyp na koňský hnůj, který poté přestává páchnout a rychleji se rozkládá.

OLOVO vysoké množství je ve svrchních vrstvách půdy, jedná se o několika násobně větší, něž jsou průměrné hodnoty v českých půdách. Přirozená koncentrace olova v půdě je v rozsahu 2-200 mg/kg, průměrná hodnota je podle (Johanis – Tejnecký - Drábek et al. 2022 ) 36.4 mg/kg, ale jsou značné rozdíly mezi jednotlivými lokalitami. V místech, kde není tak intenzivní lidská činnost klesají hladiny olova na minimum, oproti tomu stačí odebírat vzorky vedle silnic a hodnoty nebudou menší než 150mg/kg (Holicka 2007). S největší pravděpodobností, za tuto odchylku může lidská činnost. Za kontaminaci půdy olovem, může pravděpodobně olovnatý benzín, který se v Československu začal objevovat po první světové válce, kdy se začali používat první paliva s přidaným tetraethylolovem. O tom, že je tento typ benzínu je velmi toxický se vědělo už od jeho uvedení na trh. Přesto se používal dál až do roku 1988, kdy se postupně začalo přecházet na Natural 95. V České republice byl prodej olovnatého benzínu zakázán až na přelomu tisíciletí, stalo se tak 1. ledna 2001. Vzniká nám tedy zhruba 80. let interval, kdy se půda mohla kontaminovat benzínem. Na profilu je vidět, že kontaminace půdy s hloubkou klesá, to znamená, že po vstřebání do půdy se olovo dostávalo do větší hloubky, než se rozprostřelo a v hloubce 140cm už se zastavilo a nedostávalo se do nižších vrstev.

Závěr

Výzkum na Václavském náměstí přináší cenné poznatky o sedimentárních a geochemických procesech v městském prostředí. Kombinace mapování, XRF analýz a půdního profilu nabízí detailní pohled na vývoj prostoru v čase. Nedávné výzkumy naznačují, že některé procesy vedoucí k vytvoření dark earth mohly začít ještě před intenzivním lidským osídlením, což ukazuje na významnou roli přírody v tomto procesu. Dark earth jsou jedním z příkladů toho, že dnes žijeme v tzv. antropocénu. Dark earth jsou tedy skvělým indikátorem lidské činnosti a není překvapující, že se nachází tento typ půdy i na jednom z nejvíce vytížených náměstí v celé Praze. Na stratigrafii se dají rozlišit období menšího a většího vytížení lokality a pomocí analýz jsme mohli pozorovat obsahy různých prvků v půdě, které nám dali přibližnou představu, s čím se na Václavském náměstí manipulovalo a co se tam mohlo dít v minulosti. Půda je díky moderním postupům schopná vyprávět příběh minulosti, stačí jen pochopit, jak a čím ji člověk ovlivňuje a jak na to ona sama reaguje. —

Vytvořeno pomocí R a balíčků ggplot2, leaflet, ggtern, aqp a heatmaply.