Ecosystem modeling using artificial neural networks: An archaeological tool
No Thumbnail Available
Date
Journal Title
Journal ISSN
Volume Title
Publisher
Elsevier Ltd
Abstract
Description
Prediction of past Normalized Difference Vegetation Index (paleo-NDVI) in Valle de Ambato (Catamarca, Argentina) in the periods of 550–650 and 1550–1650 CE was carried out to test the efficacy of Artificial Neural Network (ANN) to predict past environments for Archaeology. This work shows that both subtropical Yunga and xerophytic Chaqueña vegetations respond in contrasting fashion to changes in climate forcings. To predict the past an ANN perceptron multilayer model was used. Modern NDVI data and Tree-Ring data were obtained from NOAA-Paleoclimate, and other public sources. These data were used to train the model. Real data and predictions were close (Pearson correlation 0.83–0.90) and warranted the following step, hindcasting. Important paleo-NDVI fluctuations lasting 15 to 20 years were identified in both periods under study. The paleo-NDVI fluctuations in the earlier period were probably related to the unidentified eruption of 583. The fluctuations in the later period appear related to the eruption of 1600 of the Huaynaputina volcano (SW Peru). These findings suggest that the model accurately identified vegetation fluctuations in response to changes in the volcanic forcing. Hence, the ANNs may be considered as apt tools for modeling past environments in support of archaeology.
Fil: Burry, Lidia Susana. Universidad Nacional de Mar del Plata. Facultad de Ciencias Exactas y Naturales. Departamento de Biología. Laboratorio de Palinología y Bioantropología; Argentina
Fil: Marconetto, María Bernarda. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Antropología de Córdoba. Universidad Nacional de Córdoba. Facultad de Filosofía y Humanidades. Instituto de Antropología de Córdoba; Argentina
Fil: Somoza, Mariano. Universidad Nacional de Mar del Plata. Facultad de Ciencias Exactas y Naturales. Departamento de Biología. Laboratorio de Palinología y Bioantropología; Argentina
Fil: Palacio, Patricia Irene. Universidad Nacional de Mar del Plata. Facultad de Ciencias Exactas y Naturales. Departamento de Biología. Laboratorio de Palinología y Bioantropología; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Trivi, Matilde Elena. Universidad Atlantida Argentina. Facultad de Psicologia; Argentina
Fil: D´Antoni, Héctor. NASA Ames Research Center; Estados Unidos
Fil: Burry, Lidia Susana. Universidad Nacional de Mar del Plata. Facultad de Ciencias Exactas y Naturales. Departamento de Biología. Laboratorio de Palinología y Bioantropología; Argentina
Fil: Marconetto, María Bernarda. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto de Antropología de Córdoba. Universidad Nacional de Córdoba. Facultad de Filosofía y Humanidades. Instituto de Antropología de Córdoba; Argentina
Fil: Somoza, Mariano. Universidad Nacional de Mar del Plata. Facultad de Ciencias Exactas y Naturales. Departamento de Biología. Laboratorio de Palinología y Bioantropología; Argentina
Fil: Palacio, Patricia Irene. Universidad Nacional de Mar del Plata. Facultad de Ciencias Exactas y Naturales. Departamento de Biología. Laboratorio de Palinología y Bioantropología; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Trivi, Matilde Elena. Universidad Atlantida Argentina. Facultad de Psicologia; Argentina
Fil: D´Antoni, Héctor. NASA Ames Research Center; Estados Unidos
Keywords
ARGENTINA, ARTIFICIAL NEURAL NETWORK, ECOSYSTEM MODELING, HINDCASTING, PALEO-NDVI, Meteorología y Ciencias Atmosféricas, Ciencias de la Tierra y relacionadas con el Medio Ambiente, CIENCIAS NATURALES Y EXACTAS, Historia, Historia y Arqueología, HUMANIDADES, Otras Sociología, Sociología, CIENCIAS SOCIALES