Nuna Nalluyuituq (The Land Remembers): Remembering landscapes and refining methodologies through community‐based remote sensing in the Yukon‐Kuskokwim Delta, Southwest Alaska
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The following article outlines a collaborative, multidisciplinary approach to remote sensing in Southwest Alaska's Yukon‐Kuskokwim (Y‐K) Delta that combines ethnographic inquiry and remote sensing to monitor, detect and preserve cultural resources for Alaskan Native communities. Because distinctive vegetation differences are readily visible on cultural sites during the summer months, the analysis of multispectral imagery obtained from remote sensing is particularly useful. In turn, we demonstrate the efficacy of this protocol on pre‐contact settlement sites along the Ayakulik River system on Kodiak Island using a normalized difference vegetation index (NDVI) raster of the study area. Here, support vector machine (SVM) supervised classification was highly effective at identifying spectral patterns associated with anthropogenic activity while ethnographic data helped rule out false‐positive cases. In addition, we provide the results of a 2019 archaeological prospection survey carried out in conjunction with the ongoing Nunalleq Project in Quinhagak, Alaska, to further highlight the value of ethnographic data collection, ethnobotanical surveys and unmanned aerial vehicle (UAV)‐based spectroscopy alongside SVM supervised classification. Finally, we propose three suggestions for future research on Yup'ik landscapes in the Y‐K Delta regarding citizen science, language preservation and the use of collaborative online maps for community‐based decision making.
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.
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 | 0,004 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle