Umeå universitets logga

umu.sePublikationer
Driftstörningar
Det förekommer återkommande driftstörningar på några av sök-portalerna på grund av hög belastning. Vi arbetar på att lösa problemet, ni kan tillfälligt mötas av ett felmeddelande.
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Detection of hunting pits using airborne laser scanning and deep learning
Swedish University of Agricultural Sciences, Umeå, Sweden.
Jönköping University, Jönköping, Sweden.
Swedish Forest Agency, Jönköping, Sweden.
Umeå universitet, Samhällsvetenskapliga fakulteten, Statsvetenskapliga institutionen.ORCID-id: 0000-0002-7674-6197
Visa övriga samt affilieringar
2024 (Engelska)Ingår i: Journal of field archaeology, ISSN 0093-4690, E-ISSN 2042-4582, Vol. 49, nr 6, s. 395-405Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Forests worldwide contain unique cultural traces of past human land use. Increased pressure on forest ecosystems and intensive modern forest management methods threaten these ancient monuments and cultural remains. In northern Europe, older forests often contain very old traces, such as millennia-old hunting pits and indigenous Sami hearths. Investigations have repeatedly found that forest owners often fail to protect these cultural remains and that many are damaged by forestry operations. Current maps of hunting pits are incomplete, and the locations of known pits have poor spatial accuracy. This study investigated whether hunting pits can be automatically mapped using national airborne laser data and deep learning. The best model correctly mapped 70% of all the hunting pits in the test data with an F1 score of 0.76. This model can be implemented across northern Scandinavia and could have an immediate effect on the protection of cultural remains.

Ort, förlag, år, upplaga, sidor
Routledge, 2024. Vol. 49, nr 6, s. 395-405
Nyckelord [en]
Archaeology, forest history, hunting pits, airborne laser scanning, artificial intelligence, deep learning, machine learning
Nationell ämneskategori
Skogsvetenskap Övrig annan samhällsvetenskap Arkeologi
Identifikatorer
URN: urn:nbn:se:umu:diva-228297DOI: 10.1080/00934690.2024.2364428ISI: 001284888800001Scopus ID: 2-s2.0-85200442419OAI: oai:DiVA.org:umu-228297DiVA, id: diva2:1887545
Forskningsfinansiär
Wallenberg AI, Autonomous Systems and Software Program (WASP)Marianne och Marcus Wallenbergs StiftelseStiftelsen Marcus och Amalia Wallenbergs minnesfondKempestiftelsernaTillgänglig från: 2024-08-08 Skapad: 2024-08-08 Senast uppdaterad: 2024-10-24Bibliografiskt granskad

Open Access i DiVA

fulltext(3184 kB)151 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 3184 kBChecksumma SHA-512
f3184942425e2efa29516412582673fe96fdf7b6cdf3877f2de0a8e9833e0b0f9b8f3601bf5d5a4efe82e78eb10cbc246f8bda9e7f12392cf99379129fd53715
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Sandström, Camilla

Sök vidare i DiVA

Av författaren/redaktören
Sandström, Camilla
Av organisationen
Statsvetenskapliga institutionen
I samma tidskrift
Journal of field archaeology
SkogsvetenskapÖvrig annan samhällsvetenskapArkeologi

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 192 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 498 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf