MétaCan
Menu
← Retour à la cohorte
Enregistrement W2780287427 · doi:10.1016/j.apgeochem.2017.12.025

Mapping of bioavailable strontium isotope ratios in France for archaeological provenance studies

2017· article· en· W2780287427 sur OpenAlexaff
Malte Willmes, Clément P. Bataille, Hannah F. James, Ian Moffat, Linda McMorrow, Leslie Kinsley, Richard Armstrong, Stephen M. Eggins, Rainer Grün

Notice bibliographique

RevueApplied Geochemistry · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArchaeology and ancient environmental studies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesAustralian Research Council
Mots-clésProvenanceKrigingIsotopes of strontiumGeostatisticsSpatial variabilitySampling (signal processing)GeologySpatial analysisPhysical geographyStrontiumEarth scienceSoil scienceGeochemistryGeographyRemote sensingStatisticsComputer scienceChemistryMathematics

Résumé

récupéré en direct d'OpenAlex

Strontium isotope ratios (87Sr/86Sr) of archaeological samples (teeth and bones) can be used to track mobility and migration across geologically distinct landscapes. However, traditional interpolation algorithms and classification approaches used to generate Sr isoscapes are often limited in predicting multiscale 87Sr/86Sr patterning. Here we investigate the suitability of plant samples and soil leachates from the IRHUM database (www.irhumdatabase.com) to create a bioavailable 87Sr/86Sr map using a novel geostatistical framework. First, we generated an 87Sr/86Sr map by classifying 87Sr/86Sr values into five geologically-representative isotope groups using cluster analysis. The isotope groups were then used as a covariate in kriging to integrate prior geological knowledge of Sr cycling with the information contained in the bioavailable dataset and enhance 87Sr/86Sr predictions. Our approach couples the strengths of classification and geostatistical methods to generate more accurate 87Sr/86Sr predictions (Root Mean Squared Error = 0.0029) with an estimate of spatial uncertainty based on lithology and sample density. This bioavailable Sr isoscape is applicable for provenance studies in France, and the method is transferable to other areas with high sampling density. While our method is a step forward in generating accurate 87Sr/86Sr isoscapes, the remaining uncertainty also demonstrates that fine-modelling of 87Sr/86Sr variability is challenging and requires more than geological maps for accurately predicting 87Sr/86Sr variations across the landscape. Future efforts should focus on increasing sampling density and developing predictive models to further quantify and predict the processes that lead to 87Sr/86Sr variability.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,207
Score d'incertitude au seuil0,411

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,237
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations192
Publié2017
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueApplied Geochemistry→Même sujetArchaeology and ancient environmental studies→Travaux en français237 207→