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

B. Reclassification of the predictive classes

1. Analysis of the result used in the past

Une estimation de la population de la zone locale étudiée avait été effectuée dans le passé. Cependant, cette estimation doit maintenant être refaite au vu des nouveaux éléments :

Les illustrations ci-dessous présentent ainsi les classes de probabilités qui avaient été issues of the predictive model de 2004. La propagation de sites réalisée à partir des quatre classes (image de gauche) n'étant pas concluante, le parti pris avait été de créer une cinquième classe « nulle » dans laquelle aucun site n'était propagé, basée sur les sols : les catégories de sols nommées « beaver dam » et « alkache » étaient simplement retirées.

Illustration 19: Classes prédictives du modèle de 2004
Illustration 20: application d'une cinquième classe pour compenser les problèmes

Cette méthode rejoint les problèmes évoqués précédemment (Leusen 2002)⁠ : le predictive model est tout d'abord considéré comme valide, mais ses classes sont ensuite changées manuellement sur une base subjective pour obtenir le résultat escompté.

Le modèle utilisant la carte des sols pour le drainage et la fertilité, une telle reclassification a posteriori ne devrait pas être nécessaire. Le problème pourrait signifier qu'une autre classe issue des informations sur les sols intervient au point de fausser le résultat, et pourrait changer également les autres zones de celui-ci. Le fait de devoir « réutiliser » les sols pour créer artificiellement une nouvelle classe peut également montrer qu'un autre paramètre du modèle joue un rôle plus important qu'il ne le devrait, et atténue les effets dus aux classes d'évidence des sols. Lors de la reclassification en 4 classes (la carte de probabilités initiale en comporte vingt), cela ferait donc disparaître des nuances dans les paramètres, nuances étant importantes pour la classification. Cela rejoint les discussions précédentes sur le problème des rivières et leur prédominance dans le modèle de 2004.

2. New implemented method

À partir des considérations précédentes, il apparaît que la reclassification est une phase cruciale. Afin de travailler efficacement, les valeurs du raster de probabilités sont multipliées par 100 000 afin d'obtenir, et la partie entière du résultat est conservée. Le modèle conçu dans le cadre de cette étude comporte alors treize classes, et les outils automatiques offerts par ArcGis pour reclassifier n'apparaissant pas être la meilleure solution, une méthodologie précise est donc appliquée.

La première étape consiste à s'intéresser à la répartition pour les transects. Bien que ceux-ci aient été utilisés lors de l'entraînement, ils ne comportent que dix des treize classes de probabilités. La reclassification se fait en prenant en compte la pertinence en terme de nombre de sites, de superficie, d'emplacement relativement aux autres classes sur la carte. Les trois zones manquantes sont intégrées en considérant les mêmes paramètres, le résultat complet étant communiqué en Annexe 18 : tables du modèle de population (première version), ainsi que sur la carte de l'annexe suivante.

Cinq classes résultent de cette opération, dont les quatre premières couvrent approximativement la même surface au niveau des transects. La dernière, correspondant à la plus importante des probabilités, couvre à elle seule 41% des transects, alors qu'elle ne représente que 20% de la zone totale. Cela n'influe pas sur la validité du résultat du fait de la méthodologie appliquée (étude de densités) : les classes doivent toutes être représentées pour permettre le calcul, les proportions n'influent en revanche pas.

css Copyright © 2018 Sébastien Merlet (Sebeto) xhtml