Climate Change and Hominin Origins: An Ecomorphological and Ecometric Analysis in Bovids to Reconstruct the African Early Pliocene Environment

Detalhes bibliográficos
Autor(a) principal: Fernandes, Francisca Isabel Oliveira
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/97994
Resumo: Dissertação de Mestrado em Evolução e Biologia Humanas apresentada à Faculdade de Ciências e Tecnologia
id RCAP_b60a520490e9cd884690843e234bf1ac
oai_identifier_str oai:estudogeral.uc.pt:10316/97994
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Climate Change and Hominin Origins: An Ecomorphological and Ecometric Analysis in Bovids to Reconstruct the African Early Pliocene EnvironmentAlterações Climáticas e Origens Homininas: Uma Análise Ecomorfológica e Ecométrica em Bovídeos para Reconstruir o Ambiente Africano do Plioceno InicialPaleoambientesKanapoiAllia BayAstrágaloMachine learningPalaeoenvironmentsKanapoiAllia bayAstragalusMachine learningDissertação de Mestrado em Evolução e Biologia Humanas apresentada à Faculdade de Ciências e TecnologiaA influência das alterações climáticas na evolução humana é muito debatida. Contudo, fósseis de hominídeos são escassos e diferentes direções de pesquisa, como métodos livres de táxon, tentam confrontar essa realidade. Este projeto visa aplicar tais métodos, utilizando várias técnicas de machine learning (ML), para reconstruir os aspetos paleoambientais de sítios africanos do Plioceno inicial associados ao Australopithecus anamensis.O estudo proposto utilizou dados publicados de medições de astrágalos de bovídeos, retiradas de fósseis de Kanapoi (n = 31) e de Allia Bay (n = 15), e de indivíduos existentes (n = 187). Foram realizadas duas análises, a ecomorfologia, onde os indivíduos da amostra existente foram classificados em diferentes habitats e categorias de humidade do solo, e a ecometria, onde a amostra existente enquanto comunidade foi usada para prever várias variáveis de precipitação e temperatura e classificar as categorias de cobertura do solo. Finalmente, utilizando estes dados, vários algoritmos de ML foram treinados para cada análise, para inferir o possível ambiente da amostra fóssil.Os resultados obtidos revelam melhores taxas de classificação e previsão ao aplicar diferentes algoritmos às análises, em comparação com a análise discriminante linear (LDA), método comumente utilizado nestas análises. Além disso, a análise ecomorfologica mostra habitats principalmente intermediários e uma mistura das categorias seca e húmida, para ambos os locais. No mesmo sentido, a análise ecométrica mostra locais com temperaturas tropicais (23,8 e 25,7ºC), húmidos (> 850 mm), mas muito variáveis e, consequentemente com vegetação altamente heterogênea, combinando florestas perenes de folha larga e bosques herbáceos, mas também sistemas mais abertos como pastagens. Estes dois sítios enquadram-se num contexto muito complexo e variável que pode contribuir para mudanças repentinas no ambiente. Isto parece indicar que A. anamensis prosperou nesses tipos de ambientes.Em última análise, os métodos ecométricos parecem mais promissores, uma vez que os seus resultados permitem uma atribuição mais clara a um potencial clima. Assim, seria interessante estendê-los a outros locais importantes associados à nossa história evolutiva.The influence of climate change on human evolution is much debated. Nevertheless, hominin fossils are scarce and different research directions, such as taxon-free methods, attempt to confront this reality. This project aims to apply these methods, using various machine learning (ML) techniques, to reconstruct the palaeoenvironmental aspects of early Pliocene African sites related to Australopithecus anamensis.The proposed study used published data from astragalar measurements of bovids, taken from Kanapoi (n=31) and Allia Bay (n=15) fossils, and from extant individuals (n= 187). Two analyses were performed, ecomorphology where individuals from the extant sample were classified into different habitats and soil moist categories, and ecometrics, where the extant sample as a community was used to predict various precipitation and temperature variables, as well as classify land cover categories. Finally, several ML algorithms were trained for each analysis using data from the extant taxa to infer the possible environment of the fossil sample. The obtained results reveal better classification and prediction rates when applying different algorithms to the analyses in comparison to linear discriminant analysis (LDA), the method commonly used in these analyses. Furthermore, the ecomorphological analyses show mostly intermediate habitats and a mix of dry and wet categories for both sites. In a similar way, ecometric analyses show sites with tropical temperatures (23.8 and 25.7ºC), humid (>850 mm) but highly variable and consequently highly heterogeneous vegetation, combining evergreen broadleaf forests and herbaceous woodlands, but also more open systems such as grasslands. These two sites fall within a highly complex and variable context that can contribute to sudden changes in the environment. This seems to indicate that A. anamensis had thrived in these types of environments.Ultimately, ecometric methods seem more promising, as their results allow a clearer attribution to a potential climate. Hence, it would be interesting to extend the applied approach to other important sites associated with our own evolutionary history.2021-12-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/97994http://hdl.handle.net/10316/97994TID:202919897engFernandes, Francisca Isabel Oliveirainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-05-25T03:49:54Zoai:estudogeral.uc.pt:10316/97994Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:15:55.792397Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Climate Change and Hominin Origins: An Ecomorphological and Ecometric Analysis in Bovids to Reconstruct the African Early Pliocene Environment
Alterações Climáticas e Origens Homininas: Uma Análise Ecomorfológica e Ecométrica em Bovídeos para Reconstruir o Ambiente Africano do Plioceno Inicial
title Climate Change and Hominin Origins: An Ecomorphological and Ecometric Analysis in Bovids to Reconstruct the African Early Pliocene Environment
spellingShingle Climate Change and Hominin Origins: An Ecomorphological and Ecometric Analysis in Bovids to Reconstruct the African Early Pliocene Environment
Fernandes, Francisca Isabel Oliveira
Paleoambientes
Kanapoi
Allia Bay
Astrágalo
Machine learning
Palaeoenvironments
Kanapoi
Allia bay
Astragalus
Machine learning
title_short Climate Change and Hominin Origins: An Ecomorphological and Ecometric Analysis in Bovids to Reconstruct the African Early Pliocene Environment
title_full Climate Change and Hominin Origins: An Ecomorphological and Ecometric Analysis in Bovids to Reconstruct the African Early Pliocene Environment
title_fullStr Climate Change and Hominin Origins: An Ecomorphological and Ecometric Analysis in Bovids to Reconstruct the African Early Pliocene Environment
title_full_unstemmed Climate Change and Hominin Origins: An Ecomorphological and Ecometric Analysis in Bovids to Reconstruct the African Early Pliocene Environment
title_sort Climate Change and Hominin Origins: An Ecomorphological and Ecometric Analysis in Bovids to Reconstruct the African Early Pliocene Environment
author Fernandes, Francisca Isabel Oliveira
author_facet Fernandes, Francisca Isabel Oliveira
author_role author
dc.contributor.author.fl_str_mv Fernandes, Francisca Isabel Oliveira
dc.subject.por.fl_str_mv Paleoambientes
Kanapoi
Allia Bay
Astrágalo
Machine learning
Palaeoenvironments
Kanapoi
Allia bay
Astragalus
Machine learning
topic Paleoambientes
Kanapoi
Allia Bay
Astrágalo
Machine learning
Palaeoenvironments
Kanapoi
Allia bay
Astragalus
Machine learning
description Dissertação de Mestrado em Evolução e Biologia Humanas apresentada à Faculdade de Ciências e Tecnologia
publishDate 2021
dc.date.none.fl_str_mv 2021-12-09
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/97994
http://hdl.handle.net/10316/97994
TID:202919897
url http://hdl.handle.net/10316/97994
identifier_str_mv TID:202919897
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134055855292416

Registros relacionados