The Maya Landscape of El Infiernito, Chiapas, Mexico: Comparison of Occupied and Unoccupied Airborne LiDAR Mapping Systems
Notice bibliographique
Résumé
Landscape-oriented approaches in archaeology have moved beyond site-based research to interpret how people have engaged with, modified, and constructed the environment and how the legacies of these activities continue to influence land use. In the Maya Lowlands, landscape archaeology is related to the analysis of settlement patterns, households, agricultural intensification, and water management. The increasing availability of LiDAR data has revolutionized the mapping of archaeological landscapes under vegetation, especially in tropical environments like the Maya Lowlands, but researchers still emphasize site-oriented settlement densities and infrastructure. Furthermore, the accessibility of drone-based LiDAR platforms has the potential to collect data across several seasons or years to facilitate change detection. In this paper, we compare three LiDAR datasets collected from 2018 to 2023, using both occupied and unoccupied airborne systems. The landscape surrounding the archaeological site of El Infiernito, Chiapas, Mexico near the Classic period (AD 250–800) dynastic capital of Piedras Negras, Guatemala was selected to compare these LiDAR datasets in the context of prior, extensive ground-based fieldwork. These data were used to interpret the built environment, land use, hydrology, landscapes of movement, and other infrastructure constructed and modified by several communities beginning in the Late Preclassic period (400 BC–AD 250) to the present. When used alongside systematic survey and ground verification, the combination of several LiDAR platforms to collect data across different seasons at El Infiernito enhanced the understanding of the spatial distribution of archaeological sites and features across the karst landscape.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».