Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufpe.br/handle/123456789/55979
Comparte esta pagina
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | MUTZENBERG, Demétrio da Silva | - |
dc.contributor.author | SOUZA, Lucas Bonald Pedrosa de | - |
dc.date.accessioned | 2024-04-17T17:32:05Z | - |
dc.date.available | 2024-04-17T17:32:05Z | - |
dc.date.issued | 2023-02-27 | - |
dc.identifier.citation | SOUZA, Lucas Bonald Pedrosa de. Distribuição espacial dos sítios arqueológicos com grafismos rupestres na bacia hidrográfica do Pajeú, PE: um estudo de caso para aplicação de modelos preditivos baseados em algoritmos de aprendizagem de máquina. 2023. Tese (Doutorado em Arqueologia) – Universidade Federal de Pernambuco, Recife, 2023. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/55979 | - |
dc.description | KREMPSER, Eduardo, também é conhecido em citações bibliográficas por: SILVA, Eduardo Krempser da. | pt_BR |
dc.description.abstract | As análises espaciais têm um destaque nos trabalhos arqueológicos, já que são fundamentais na compreensão dos contextos e na delimitação de áreas de estudos em Arqueologia. Os sítios de grafismos rupestres vêm sendo estudados no contexto espacial, desde uma escala mais abrangente até o nível específico, fazendo com que novas hipóteses possam ser traçadas a respeitos dos grupos pré-históricos que as produziram. Ultimamente, no Nordeste brasileiro, os trabalhos têm buscado observar alguns aspectos específicos das pinturas e gravuras rupestres estudadas, de modo a tentar melhor entender a dinâmica populacional do semiárido pretérito. Esta tese terá o intuito de observar esses padrões, porém a partir de uma escala macro, buscando elementos ambientais e sociais. Para realizar tal análise, serão aqui criados os chamados modelos preditivos arqueológicos (MPA), com o intuito não só de buscar os padrões, mas também, a partir deles, encontrar novos sítios arqueológicos, usando para isso uma base de dados com localidades registradas dentro da Bacia Hidrográfica do Pajeú, em Pernambuco. A modelagem aqui proposta possui um diferencial técnico, pois serão executados modelos computacionais os quais usarão de algoritmos de aprendizagem de máquina (AM), com o intuito de fornecer respostas mais graduadas e menos enviesadas aos pesquisadores. Foram criados diversos modelos, divididos em fase pré-campo, em que se usou um produto inicial para montar as estratégias para um campo, o qual teve o intuito de testar o modelo na prática e coletar mais informações. Após isso novos modelos foram criados, já com os novos dados coletados e com a inserção de novas variáveis. Os dois modelos tiveram resultados satisfatórios quando avaliadas as métricas estatísticas e ao nos debruçarmos sobre os mapas, podemos ver áreas de alta favorabilidade aparecendo como destaque, tais como a Serra do Umã, do Arapuá, Vermelha, Negra e da Baixa Verde. Para além disso, observou-se que a orientação das encostas, somada com a proximidade de áreas de grande densidade de redes de caminhos ótimos que usaram a declividade e a insolação como superfície de custo, tiveram uma importância significativa nos resultados do modelo. Por fim fica claro que o uso dos MPA contribuiu para um melhor entendimento acerca dos padrões associados aos sítios arqueológicos desta natureza, porém para se ter melhores resultados, mais informações precisam ser coletadas e inseridas a base. | pt_BR |
dc.description.sponsorship | CAPES | pt_BR |
dc.language.iso | por | pt_BR |
dc.publisher | Universidade Federal de Pernambuco | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Arqueologia | pt_BR |
dc.subject | Análises espaciais | pt_BR |
dc.subject | MPA | pt_BR |
dc.subject | Aprendizagem de máquina | pt_BR |
dc.subject | Grafismos rupestres | pt_BR |
dc.title | Distribuição espacial dos sítios arqueológicos com grafismos rupestres na bacia hidrográfica do Pajeú, PE : um estudo de caso para aplicação de modelos preditivos baseados em algoritmos de aprendizagem de máquina | pt_BR |
dc.type | doctoralThesis | pt_BR |
dc.contributor.advisor-co | KREMPSER, Eduardo | - |
dc.contributor.authorLattes | http://lattes.cnpq.br/7986880612118252 | pt_BR |
dc.publisher.initials | UFPE | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.degree.level | doutorado | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/0702140871414030 | pt_BR |
dc.publisher.program | Programa de Pos Graduacao em Arqueologia | pt_BR |
dc.description.abstractx | Spatial analyzes are highlighted in archaeological work, as they are fundamental in understanding contexts and delimiting areas of study in Archaeology. Rock art sites have been studied in a spatial context, from a broader scale to a specific level, allowing new hypotheses to be drawn about the prehistoric groups that produced them. Lately, in the Brazilian Northeast, works have sought to observe stylistic and technical patterns in the paintings and engravings studied, trying to better understand the past population dynamics of brazilian semi-arid. This thesis will aim to observe these patterns, from a macro scale, looking for environmental and social elements. To carry out such analysis, the so-called archaeological predictive models (APM) will be created, with the aim not only to looking for patterns, but also, to find new archaeological sites, using a database with locations registered within the Pajeú Watershed, in Pernambuco. The modeling proposed here has a technical differential. The computational models will be executed using machine learning (ML) algorithms, in order to provide more graduated and less biased responses to researchers. Several models were created, divided into a pre-field phase, in which an initial product was used to assemble strategies for a field, which aimed to test the model in practice and collect more information. After that, new models were created, already with the new data collected and with the insertion of new features. The two models had satisfactory results when the statistical metrics were evaluated and when looking at the maps, we can see areas of high probability appearing as highlights, such as Serra do Umã, do Arapuá, Vermelha, Negra and Baixa Verde. In addition, it was observed that the orientation of the slopes, together with the proximity of areas of great density of networks of optimal paths that used the slope and the insolation as a cost surface, had a significant importance in the results of the model. Finally, it is clear that the use of APM contributed to a better understanding of the patterns associated with archaeological sites of this nature, but in order to have better results, more information needs to be collected and entered into the database. | pt_BR |
dc.description.abstractx | Les analyses spatiales sont mises en avant dans les travaux archéologiques, car elles sont fondamentales pour comprendre les contextes et délimiter les domaines d'étude en Archéologie. Les sites d'art rupestre ont été étudiés dans un contexte spatial, d'une échelle plus large à une échelle spécifique, permettant de formuler de nouvelles hypothèses sur les groupes préhistoriques qui les ont produits. Dernièrement, dans le Nord-Est brésilien, des travaux ont cherché à observer les schémas stylistiques et techniques des peintures et gravures rupestres étudiées, afin de essayer de mieux comprendre la dynamique des populations de la région semi- aride passée. Cette thèse visera à observer ces schémas, mais à une échelle macro, en recherchant des éléments environnementaux et sociaux. Pour effectuer une telle analyse, les soi-disant modèles prédictifs archéologiques (MPA) seront créés ici, dans le but non seulement de rechercher des modèles, mais aussi, à partir d'eux, de trouver de nouveaux sites archéologiques, en utilisant une base de données avec des emplacements enregistrés dans le bassin hydrographique de Pajeú, à Pernambuco. La modélisation proposée ici a un différentiel technique, car des modèles informatiques seront exécutés qui utiliseront des algorithmes d'apprentissage automatique (AA), afin de fournir des réponses plus graduées et moins biaisées aux chercheurs. Plusieurs modèles ont été créés, divisés en une phase de pré-terrain, dans laquelle un produit initial a été utilisé pour assembler des stratégies pour une activitée de terrain, qui visait à tester le modèle dans la pratique et à collecter plus d'informations. Après cela, de nouveaux modèles ont été créés, déjà avec les nouvelles données collectées et avec l'insertion de nouvelles variables. Les deux modèles ont donné des résultats satisfaisants lors de l'évaluation des mesures statistiques et en regardant les cartes, nous pouvons voir des zones de haute favorabilité apparaître comme des points forts, comme Serra do Umã, do Arapuá, Vermelha, Negra et Baixa Verde. De plus, il a été observé que l'orientation des pentes, ainsi que la proximité des zones de grande densité de réseaux de chemins optimaux qui utilisaient la pente et l'insolation comme surface de coût, avaient une importance significative dans les résultats du modèle. Enfin, il est clair que l'utilisation de les MPA a contribué à une meilleure compréhension des schémas associés aux sites archéologiques de cette nature, mais pour obtenir de meilleurs résultats, davantage d'informations doivent être collectées et saisies dans la base de données. | pt_BR |
dc.contributor.advisor-coLattes | http://lattes.cnpq.br/5399601756512708 | pt_BR |
Aparece en las colecciones: | Teses de Doutorado - Arqueologia |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TESE Lucas Bonald Pedrosa de Souza.pdf | 6,72 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons