• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Naturaleza
    ¿Puede el aprendizaje automático revelar la geología que los humanos no pueden ver?

    Durante el verano de 2019, Leila Donn y su equipo de campo miran por el costado de un sumidero muy grande en el bosque tropical de Belice. La función se identificó a partir de un programa de aprendizaje automático, y verificado con una larga caminata hasta el sitio. Donn dice que el sumidero estaba irreconocible hasta que estabas cerca del borde. Crédito:Leila Donn

    Identificar las características geológicas en una zona densamente vegetada, empinado, y el terreno accidentado puede ser casi imposible. Imágenes como LiDAR pueden ayudar a los investigadores a ver a través de la cubierta de los árboles, pero los accidentes geográficos sutiles a menudo pueden pasar desapercibidos para el ojo humano.

    Ahora, un equipo de científicos ha aprovechado el poder del aprendizaje automático para identificar características geológicas ocultas. Específicamente, los científicos están identificando entradas de cuevas no identificadas previamente que son difíciles de ver en las imágenes, y de difícil acceso en el suelo.

    Leila Donn, estudiante de doctorado en la Universidad de Texas en Austin y autor principal de la nueva investigación, presenta los resultados de su investigación el domingo en la Reunión Anual de la Sociedad Geológica de América en Phoenix.

    La investigación se inspiró en parte en lo exuberante, áreas de difícil acceso de los bosques tropicales. "Vimos la necesidad de obtener cobertura LiDAR para nuestras áreas de bosques tropicales profundos, "dice Timothy Beach, coautor de la investigación. "Las imágenes LiDAR han mostrado mucha arqueología, pero también sabíamos que podían mostrar mucha geología nueva y muchas interacciones nuevas entre humanos y medioambientales ".

    El proyecto también se inspiró en las propias experiencias de campo de Donn. Mientras ayudaba a un colega a buscar entradas a cuevas en Guatemala, encontrarían un lugar que pareciera prometedor en las imágenes de LiDAR, luego pase todo el día caminando hasta el lugar. "Fue realmente divertido, pero en serio, realmente intensivo en mano de obra, ", dice Donn. Y a veces su caminata de un día los llevó a un lugar que no era una cueva en absoluto, una situación frustrante". Mientras estábamos haciendo esto, Pensé, '¿Qué pasaría si pudiéramos hacer esto con el aprendizaje automático?' "Ella explica que, en lugar de que los investigadores seleccionen las posibles ubicaciones a simple vista, la computadora haría la identificación, revelando los lugares más prometedores.

    Para probar si el aprendizaje automático podría ayudarlos a concentrarse en sitios geológicos interesantes, Donn y Beach se centraron en un área en el noroeste de Belice que tenía mucha vegetación y era de difícil acceso. Se concentraron en encontrar entradas a cuevas en las profundidades del bosque que aún no habían sido descubiertas.

    Mike Mallner, un espeleólogo técnico que acompañó a Leila Donn en su trabajo de campo, desciende en rápel hacia el gran sumidero. La característica no identificada anteriormente tiene 60 metros por 30 metros y 35 metros de profundidad. Crédito:Leila Donn

    Usando las imágenes LiDAR recolectadas de un sitio similar con cuevas mapeadas, Donn trazó la ubicación de las entradas de cuevas conocidas, junto con puntos que no eran cuevas. Luego recopiló información sobre el paisaje, incluyendo pendiente, rugosidad del terreno, y distancia a arroyos. Esta información se compiló en una hoja de cálculo y se introdujo en el aprendizaje automático como una forma de "enseñar a la computadora cómo predecir qué es una cueva y qué no, "dice Donn.

    Durante el verano, Donn hackeó la jungla para verificar las áreas donde las cuevas se habían identificado con el aprendizaje automático. Ella confirmó que una serie de entradas de cuevas previamente no cartografiadas efectivamente existían en el paisaje, incluyendo una sorpresa muy grande.

    "Lo mejor que encontramos fue un sumidero que era un complejo de cuevas colapsado, "dice Donn. Dijo que el hallazgo se produjo después de una caminata increíblemente dura a través de una densa vegetación. A pesar de tener 60 metros de largo, 30 metros de ancho, y 35 metros de profundidad, "No podías verlo hasta que estabas encima de él, " ella dice.

    Cuando estaba de vuelta en el laboratorio, Donn dijo que regresó al LiDAR con ojos frescos para ver si la entrada de la cueva saldría ahora de las imágenes. "Cuando volví a la ubicación y miré el LiDAR, era visible, " ella dice, pero ella nota que sin saber que estaba ahí, probablemente no lo habría reconocido como una entrada a una cueva. "El programa me lo encontró".

    Su aprendizaje automático también puede detectar cuevas mucho más pequeñas, dice Donn. "Uno de ellos era una pequeña cueva con una entrada de tal vez un metro y medio de largo y sólo 30 pies de profundidad". Y en el LiDAR, ella dice que la cueva más pequeña era invisible a simple vista.

    Donn dice que su programa se puede utilizar para estudios de geología, como encontrar y estudiar cuevas por descubrir. Pero también ve aplicaciones para otras disciplinas como la arqueología, gestión de bosques, desarrollo Urbano, y ordenación territorial. "Veo que esto tiene un futuro fuera de la academia, " ella dice.

    "Lo que está haciendo Leila es una conexión emocionante entre la historia y el futuro de las geociencias, "dice Beach. Un proyecto como este, él dice, "proviene de esta capacidad de entrar en lugares muy difíciles a los que la mayoría de nosotros no podemos acceder, pero también este ángulo creativo de hacer que la máquina aprenda a hacerlo también ".


    © Ciencia https://es.scienceaq.com