DETECTION OF MAYA <i>SACBEOB</i> (SACBES) USING OPTICAL AND SAR IMAGERY IN NORTHERN PETÉN, MEXICO
Notice bibliographique
Résumé
Abstract. The pre-Contact Maya peoples build roads (Sacbeob) to facilitate movement between and within cities and surroundings. Given the dense forest cover in the Lowland Maya region now known as Yucatan, ground surveys of sacbeob are time-consuming and challenging to perform. Remote sensing can be a good alternative as it offers the advantages of extensive regional coverage, zero disturbances to cultural resources, and an opportunity to acquire data in less accessible areas on a cost-effective basis. LiDAR technology is highly valuable to detect man-made structures, but this technology is costly and is time-consuming to acquire data over a large area. Satellite imagery presents an alternative for mapping large areas. Previous studies documented linear features that could represent sections of sacbeob between Calakmul and El Mirador using Landsat-5 TM green, red, and near-infrared images (Folan et al. 1995). This study used Landsat-7 and Landsat-8 optical images having more bands and radar imagery (Sentinel-1 C-VH&VV, and Alos-1 PalSAR L-HH&HV) to connect sacbeob mapped by Folan et al. (1995) between three ancient Maya cities (Calakmul, El Mirador, and Uxul). Our results suggest that radar images with the capacity to penetrate dense forest cover can contribute to the identification and documentation of ancient road systems. Such a study provides an ideal starting point for targeted ground verification.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».