Airborne Lidar Survey, Density-Based Clustering, and Ancient Maya Settlement in the Upper Usumacinta River Region of Mexico and Guatemala
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
We present results from the archaeological analysis of 331 km2 of high-resolution airborne lidar data collected in the Upper Usumacinta River basin of Mexico and Guatemala. Multiple visualizations of the DEM and multi-spectral data from four lidar transects crossing the Classic period (AD 350–900) Maya kingdoms centered on the sites of Piedras Negras, La Mar, and Lacanja Tzeltal permitted the identification of ancient settlement and associated features of agricultural infrastructure. HDBSCAN (hierarchical density-based clustering of applications with noise) cluster analysis was applied to the distribution of ancient structures to define urban, peri-urban, sub-urban, and rural settlement zones. Interpretations of these remotely sensed data are informed by decades of ground-based archaeological survey and excavations, as well as a rich historical record drawn from inscribed stone monuments. Our results demonstrate that these neighboring kingdoms in three adjacent valleys exhibit divergent patterns of structure clustering and low-density urbanism, distributions of agricultural infrastructure, and economic practices during the Classic period. Beyond meeting basic subsistence needs, agricultural production in multiple areas permitted surpluses likely for the purposes of tribute, taxation, and marketing. More broadly, this research highlights the strengths of HDBSCAN to the archaeological study of settlement distributions when compared to more commonly applied methods of density-based cluster analysis.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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