Applying Bayesian models to improve luminescence-based chronologies of Middle to Upper Palaeolithic sites in Iran - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Applying Bayesian models to improve luminescence-based chronologies of Middle to Upper Palaeolithic sites in Iran

Application des modèles bayésiens pour améliorer la précision des chronologies par luminescence de sites du Paléolithique moyen et supérieur en Iran

Résumé

Statistical data analysis is a fundamental aspect of luminescence dating. For decades, data processing predominantly employed the frequentist (classic) school of thinking. Only recently, development of Bayesian modelling specifically for luminescence dating in R environment has provided an alternative. This thesis aims firstly to discuss the benefits of applying Bayesian models over the frequentist approach, and secondly to provide the first luminescence-based chronologies for Middle-Upper Palaeolithic key sites in Iran. Due to its location at the intersection between Africa, Europe and Central Asia, the Iranian plateau is of importance in tracking human dispersal over time. Despite this, there are very few chronologies spanning the Palaeolithic period in Iran. This thesis focuses on three key sites: Mirak, located at the margin of the central Iranian desert, the site of Gh¯ar-e Boof in the southern Zagros Mountains, and Bawa Yawan in the central Zagros Mountains. Bayesian modelling of chronologies produced for the site of Mirak, date Upper, Intermediate and Middle Palaeolithic assemblages 21–28 ka, 26–33 ka and 43–55 ka (95% CI) respectively. For the site of Gh¯ar-e Boof, we dated the Upper Palaeolithic culture to 37–42 ka (95% CI) and the Middle Palaeolithic culture to 44–84 ka (95% CI). For the site of Bawa Yawan, ages spanning 56–90 ka (95% CI) were obtained for assemblages attributed to the Middle Palaeolithic. The chronological study also unravelled an age range of 12–16 ka for a unit attributed to the Epipalaeolithic culture. Based on the study of these sites, this thesis discusses the essential aspect for applying Bayesian methods in luminescence dating. In particular, we note the benefits of Bayesian models to address systematic shared errors between samples and the ability to include independent chronological information, such as stratigraphic constraints or radiocarbon ages. This has helped to improve the precision of the Palaeolithic chronologies for Iran. Furthermore, this thesis tests the ability of Bayesian models to obtain an accurate central dose for well-bleached samples compared to one frequentist model, when quartz signals are close to saturation or when beta-dose rate heterogeneity in the surrounding sediment is high.
L’analyse statistique des données est un aspect crucial de la datation par luminescence. Pendant des décennies, le traitement de données a principalement eu recours à l’école de pensée classique, dite fréquentiste. Ce n’est que récemment qu’une alternative a pu être fournie grâce au développement de la modélisation bayésienne appliquée à la datation par luminescence dans un environnement R. Cette thèse a pour objectif premièrement, d’étudier les avantages de l’utilisation de ces modèles bayésiens en comparaison avec l’approche fréquentiste et deuxièmement, d’apporter les premières chronologies par luminescence pour des sites majeurs du Paléolithique moyen et supérieur en Iran. De par sa localisation au carrefour de l’Afrique, l’Europe et l’Asie centrale, le plateau iranien est essentiel pour retracer dans le temps les dispersions humaines. Malgré tout, il n’existe à l’heure actuelle que très peu de chronologies couvrant la période du Paléolithique en Iran. Cette thèse se concentre sur trois sites majeurs : Mirak, situé en marge du désert central iranien, le site de Gh¯ar-e Boof dans la région sud des Montagnes du Zagros, et Bawa Yawan, dans la région centrale des Montagnes du Zagros. La modélisation bayésienne des données chronologiques produites pour le site de Mirak, a abouti pour les assemblages du Paléolithique supérieur, intermédiaire et moyen à des intervalles de, respectivement 21–28 ka, 26–33 ka et 43– 55 ka (95% CI). Pour le gisement de Gh¯ar-e Boof, nous avons daté la culture du Paléolithique supérieure à 37–42 ka (95% CI), et la culture du Paléolithique moyen à 44–84 ka (95% CI). Pour le site de Bawa Yawan, des âges compris entre 56 et 90 ka (95% CI) ont été obtenus pour des assemblages attribués au Paléolithique moyen. L’étude chronologique a également révélé un âge compris dans l’intervalle 12–16 ka pour une unité attribuée à la culture de l’Epipaléolithique. Basée sur l’étude de ces gisements, cette thèse met en évidence l’intérêt de la mise en application des méthodes bayésiennes dans le cadre de la datation par luminescence. Nous avons notamment remarqué les avantages que présentent les modèles bayésiens testés pour tenir compte des erreurs systématiques partagées par les échantillons, ainsi pour que leur capacité à intégrer des informations chronologiques indépendantes, telles que les contraintes chrono-stratigraphiques ou les âges carbone 14. Ceci nous a ainsi permis d’améliorer la précision des chronologies paléolithiques pour l’Iran. De plus, cette thèse teste la capacité de ces modèles bayésiens à obtenir une dose centrale juste pour les échantillons bien blanchis, contrairement aux modèles fréquentistes, lorsque les signaux de quartz sont proches de la limite de saturation ou lorsque l’hétérogénéité du débit de dose bêta dans le sédiment environnant est élevée.
Fichier principal
Vignette du fichier
These_Maryam_HEYDARI.pdf (49.3 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03367658 , version 1 (06-10-2021)

Identifiants

  • HAL Id : tel-03367658 , version 1

Citer

Maryam Heydari. Applying Bayesian models to improve luminescence-based chronologies of Middle to Upper Palaeolithic sites in Iran. Archaeology and Prehistory. Université Michel de Montaigne - Bordeaux III, 2020. English. ⟨NNT : 2020BOR30014⟩. ⟨tel-03367658⟩
116 Consultations
4 Téléchargements

Partager

Gmail Facebook X LinkedIn More