I detta arbete undersöks vilken grad av inomartskonkurrens som ger upphov till ett observerat utbredningsmönster av maskrosor (Taraxacum sect. Ruderalia). Maskrosor har både fröspridning och vegetativ förökning. Studien hypotiserar att utbredningen kan beskrivas utifrån enkla regler för spridning och konkurrens. Dessa används i simuleringar med en binär cellulär automat där utveckling sker i deterministiska tidssteg. Modellen består av ett rutnät där en tom cell antingen kan förbli tom eller koloniseras, medan en upptagen cell antingen kan överleva eller dö ut. Reglerna efterliknar situationer med hög respektive låg känslighet för inomartskonkurrens. De mått på jämförelse mellan observation och simulering som används är mönstrets fraktala dimension, mönstrets tendens att aggregera och storleken på den enklaste algoritm som beskriver datan. Två olika initialvillkor används för att testa modellens robusthet. Den observerade utbredningen kontrolleras även mot slumpmässig fördelning. Resultaten visar att den observerade utbredningen är klusterartad. Simulering med en högre inomartskonkurrens beskriver utbredningen väl sett till aggregering och fraktal dimension. Lägre inomartskonkurrens beskriver dock maskrosornas verkliga utbredning sett till algoritmisk komplexitet, vilket tolkas som att individer kan leva närmare inpå varandra än vad regeln om högre inomartskonkurrens förutsätter. För vald klusterstorlek är simuleringarna ej känsliga för initialvillkoren, men då hela fördelningen av antal celler per klusterstorlek i stickprov på ett tidssteg analyseras har initialvillkoren fakstiskt betydelse. Sett till fördelningen av cell per klusterstorlek liknar ingen simulering den observerade utbredningen. Därmed kan modellen tänkas inrymma den vegetativa förökningen medan fröspridningen, som är stokastisk, ej inryms på samma vis.

I denna uppsats analyseras utbredningen av fornlämningar i Mälardalen och deras förhållande till miljö och geologi, med fokus på att hitta okända fornlämningar med hjälp av digitala verktyg. Kulturmiljöregistret baserat på inventeringar genomförda över tid studeras. Verktygen GIS och MaxEnt beskrivs, samt deras användning för arkeologiska landskapsstudier. De används för analys av fornlämningarnas spridningsbild. Ett antal lämningskategorier valdes ut för analys, och resultaten jämförs med tidigare forskning. Arkeologi och statistik kombinerat med naturvetenskapliga metoder används för att skapa modeller av okända lämningar som kan användas för att försöka återfinna dessa genom historiska kartor, LiDAR eller med geofysik. Spridningsmönster av figurristningar från bronsåldern påvisas ha en stark korrelation till bergarten kvartsarenit, en upptäckt som kan leda till nya tolkningar av lämningskategorin och landskapsutnyttjandet i Uppland. Uppsatsen visar på modeller och tekniker för landskapsanalys som kan vara användbara för att identifiera tidigare okända mönster och bättre förstå förhistoriska landskap samt för att skapa en brygga till framtida arkeologisk forskning med stöd av AI, drönare och stora datamängder. / In this paper, the distribution of ancient remains in the Mälardalen and their relationship to the environment and geology is analysed, focusing on finding unknown ancient remains using digital tools. Kulturmiljöregistret created from inventories carried out over time is studied. The tools GIS and MaxEnt are described, as well as their use for archaeological landscape studies and for analysis of distribution patterns of ancient remains. A number of categories of remains were selected for analysis, and the results were compared with previous research. Archaeology and statistics combined with natural science are used to create models of unknown remains for recovering them with the aid of historical maps, LiDAR or geophysics. Distribution patterns of figure carvings from the Bronze Age are shown to have a strong correlation to the rock type quartz arenite, a discovery that can lead to new interpretations of this category of remains and the landscape utilization in Uppland. The paper shows models for landscape analysis which can be useful for identifying previously unknown patterns and for better understanding of prehistoric landscapes, as well as to create a bridge to future archaeological research supported by AI, drones and large data sets.