A Maya predictive model
A study on the use of Geographic Information Systems in a multi-scale archaeological project
Previous page Table of content Next page

VI. Estimation of the population for the study area

A. Study of the sites

Le predictive model précédemment effectué permet de déterminer vingt probabilités. Celles-ci définissent des zones de présence de sites, mais ne permettent pas directement une analyse poussée. En effet, les sites utilisés lors de l'entraînement ont des natures très différentes. Dans le cadre de la réorganisation du GIS effectuée lors de ce travail de fin d'études, une activité importante a ainsi consisté à agréger et compléter la description des sites présents au niveau des transects disponibles (ensemble des sites dont la zone des levers était identifiée, précédemment désignés « sites du masque cover »).

Cette description comporte notamment :

Le labor investment est calculé au moyen d'une formule établie par Anabel Ford, faisant notamment intervenir la taille du site et le nombre de structures qu'il contient, et permettant de définir quatre rangs d'importance, allant de 1 à 4. Les sites de rang 1 (moins de 500 jours de travail) et ne comportant qu'une seule structure sont considérés comme des unités temporaires et reclassifiés en rang 0, tandis que les autres sont des unités résidentielles.

Illustration 18: répartition des sites par rang

La première étape ne prend en compte que ces dernières, afin de répartir la population. La différentiation est importante puisque 41% des sites sont de rang 0 (voir Illustration 18). Ceux-ci seront propagés dans un second temps puisqu'ils jouent un rôle important dans l'occupation des sols.

Une estimation préalable de l'emplacement des habitations est effectuée sans prendre en compte les différents rangs, afin d'avoir une première vision globale de contrôle de la pertinence des résultats. Dans le cas où la reclassification des classes prédictives s'avère efficace, il est alors aisé de reproduire la même méthode en utilisant les rangs.

css Copyright © 2018 Sébastien Merlet (Sebeto) xhtml