Durante l'estate del 2019, Leila Donn e la sua squadra sul campo sbirciano oltre il lato di una grande dolina nella foresta tropicale del Belize. La funzionalità è stata identificata da un programma di apprendimento automatico, e verificato con una lunga escursione al sito. Donn dice che la dolina era irriconoscibile finché non eri vicino al bordo. Attestazione:Leila Donn
Identificazione delle caratteristiche geologiche in un ambiente densamente vegetato, ripido, e il terreno accidentato può essere quasi impossibile. Immagini come LiDAR possono aiutare i ricercatori a vedere attraverso la copertura degli alberi, ma le forme del terreno sottili possono spesso essere perse dall'occhio umano.
Ora, un team di scienziati ha sfruttato la potenza dell'apprendimento automatico per identificare le caratteristiche geologiche nascoste. Nello specifico, gli scienziati stanno identificando ingressi di grotte precedentemente non identificati che sono difficili da vedere nelle immagini, e di difficile accesso a terra.
Leila Donn, uno studente di dottorato presso l'Università del Texas ad Austin e autore principale della nuova ricerca, sta presentando i risultati della sua ricerca domenica all'incontro annuale della Geological Society of America a Phoenix.
La ricerca è stata ispirata in parte dal rigoglioso, aree di difficile accesso delle foreste tropicali. "Abbiamo visto la necessità di ottenere una copertura LiDAR per le nostre aree di foresta tropicale profonda, "dice Timothy Beach, coautore della ricerca. "Le immagini LiDAR hanno mostrato molta archeologia, ma sapevamo anche che avrebbero potuto mostrare molte nuove geologie e molte nuove interazioni uomo-ambiente".
Il progetto è stato anche ispirato dalle esperienze sul campo di Donn. Mentre aiutava un collega a cercare gli ingressi delle grotte in Guatemala, avrebbero trovato un punto che sembrava promettente nelle immagini LiDAR, quindi trascorri tutto il giorno a fare escursioni nel luogo. "È stato davvero divertente, ma veramente, molto laborioso, " dice Donn. E a volte la loro escursione di un giorno portava a un punto che non era affatto una grotta, una situazione frustrante. "Mentre eravamo fuori a fare questo, Ho pensato, 'E se potessimo farlo con l'apprendimento automatico?'" Spiega che invece di individuare i possibili luoghi a occhio, i ricercatori il computer farebbe l'identificazione, rivelando i luoghi più promettenti.
Per verificare se l'apprendimento automatico potrebbe aiutarli a restringere il campo su siti geologici interessanti, Donn e Beach si sono concentrati su un'area nel nord-ovest del Belize che era molto ricca di vegetazione e di difficile accesso. Si concentrarono sulla ricerca di ingressi di caverne nel profondo della foresta che non erano ancora stati scoperti.
Mike Mallner, uno speleologo tecnico che accompagnava Leila Donn nel suo lavoro sul campo, si cala nella grande dolina. La caratteristica precedentemente non identificata è di 60 metri per 30 metri e 35 metri di profondità. Attestazione:Leila Donn
Utilizzando le immagini LiDAR raccolte da un sito simile con grotte mappate, Donn ha tracciato la posizione degli ingressi delle caverne conosciuti, insieme a punti che non erano grotte. Ha poi raccolto informazioni sul paesaggio, compresa la pendenza, asperità del terreno, e distanza dai corsi d'acqua. Queste informazioni sono state compilate in un foglio di calcolo e inserite nell'apprendimento automatico come un modo per "insegnare al computer come prevedere cosa è una grotta e cosa non lo è, "dice Donn.
Durante l'estate, Donn ha hackerato la giungla per confermare le aree in cui le caverne erano state identificate con l'apprendimento automatico. Ha confermato che nel paesaggio esistevano effettivamente un certo numero di ingressi di grotte precedentemente non mappati, compresa una grandissima sorpresa.
"La cosa più bella che abbiamo trovato è stata una dolina che era un complesso di grotte crollate, " dice Donn. Ha detto che il ritrovamento è avvenuto dopo un'escursione incredibilmente dura attraverso una fitta vegetazione. Nonostante sia lunga 60 metri, 30 metri di larghezza, e 35 metri di profondità, "Non potevi vederlo finché non ci eri sopra, " lei dice.
Quando è tornata in laboratorio, Donn ha detto che è tornata al LiDAR con occhi nuovi per vedere se l'ingresso della grotta sarebbe ora uscito dalle immagini. "Quando sono tornato sul posto e ho guardato il LiDAR, era visibile, " lei dice, ma nota che senza sapere che era lì, probabilmente non l'avrebbe riconosciuta come l'ingresso di una caverna. "Il programma l'ha trovato per me."
Il suo apprendimento automatico può anche rilevare caverne molto più piccole, dice Donn. "Uno di questi era una piccola grotta con un ingresso lungo forse un metro e mezzo e profondo appena 30 piedi". E sul LiDAR, dice che la grotta più piccola era invisibile ad occhio nudo.
Donn dice che il suo programma può essere usato per studi di geologia, come trovare e studiare grotte sconosciute. Ma vede anche applicazioni per altre discipline come l'archeologia, gestione forestale, sviluppo urbano, e gestione del territorio. "Vedo questo avere un futuro al di fuori del mondo accademico, " lei dice.
"Quello che sta facendo Leila è un'entusiasmante connessione tra la storia e il futuro delle geoscienze, " dice Beach. Un progetto come questo, lui dice, "viene da questa capacità di entrare in posti molto difficili in cui la maggior parte di noi non può entrare, ma anche questa prospettiva creativa di far sì che la macchina impari a farlo".
