Using remote sensing and aerial archaeology to detect pit house features in Worldview-2 satellite imagery. : A case study for the Bridge River archaeological pit house village in south-central British Columbia, Canada.
Notice bibliographique
Résumé
It is well known that archaeological sites are important sources for understanding past human activity. However, those sites yet to be identified and further investigated are under a great risk of being lost or damaged before their archaeological significance is fully recognized. The aim of this research was to analyze the potential use of remote sensing and aerial archaeology techniques integrated within a geographic information system (GIS) for the purpose of remotely studying pit house archaeology. As pit house archaeological sites in North America have rarely been studied with a focus in remote sensing, this study intended to identify these features by processing very high resolution satellite imagery and assessing how accurately the identified features could be automatically mapped with the use of a GIS. A Worldview-2 satellite image of the Bridge River pit house village in Lillooet, south-central British Columbia, was processed within ArcGIS 10.1 (ESRI), ERDAS Imagine 2011 (Intergraph) and eCognition Developer 8 (Trimble) to identify spatial and spectral queues representing the pit house features. The study outlined three different feature extraction methods (GIS-based, pixel-based and object-based) and evaluated which method presented the best results. Though all three methods produced similar results, the potential for performing object-based feature extraction for research in aerial archaeology proved to be more advantageous than the other two extraction methods tested.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».