• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Natureza
    O aprendizado de máquina pode revelar a geologia que os humanos não conseguem ver?

    Durante o verão de 2019, Leila Donn e sua equipe de campo espiam pela lateral de um grande poço na floresta tropical de Belize. O recurso foi identificado a partir de um programa de aprendizado de máquina, e verificado com uma longa caminhada até o local. Donn diz que o sumidouro estava irreconhecível até que você estivesse perto da borda. Crédito:Leila Donn

    Identificar características geológicas em uma área com vegetação densa, íngreme, e terrenos acidentados podem ser quase impossíveis. Imagens como LiDAR podem ajudar os pesquisadores a ver através da cobertura de árvores, mas formas de relevo sutis podem muitas vezes passar despercebidas ao olho humano.

    Agora, uma equipe de cientistas aproveitou o poder do aprendizado de máquina para identificar recursos geológicos ocultos. Especificamente, os cientistas estão identificando entradas de cavernas não identificadas anteriormente que são difíceis de ver em imagens, e de difícil acesso no solo.

    Leila Donn, estudante de doutorado na Universidade do Texas em Austin e principal autor da nova pesquisa, está apresentando os resultados de sua pesquisa no domingo na Reunião Anual da Sociedade Geológica da América em Phoenix.

    A pesquisa foi inspirada em parte pela exuberância, áreas de difícil acesso de florestas tropicais. "Vimos a necessidade de obter cobertura LiDAR para nossas áreas de floresta tropical profunda, "diz Timothy Beach, coautor da pesquisa. "As imagens do LiDAR têm mostrado muita arqueologia, mas também sabíamos que eles poderiam mostrar muitas novas geologias e muitas novas interações humano-ambientais. "

    O projeto também foi inspirado nas próprias experiências de campo de Donn. Enquanto ajudava um colega a procurar entradas para cavernas na Guatemala, eles encontrariam um local que parecia promissor nas imagens do LiDAR, em seguida, passe o dia todo caminhando até o local. "Foi muito divertido, mas realmente, muito trabalhoso, "diz Donn. E às vezes a caminhada de um dia inteiro levava a um local que não era uma caverna de forma alguma - uma situação frustrante." Enquanto estávamos fazendo isso, Eu pensei, 'E se pudéssemos fazer isso com aprendizado de máquina?' "Ela explica que, em vez de os pesquisadores escolherem os possíveis locais a olho, o computador faria a identificação, revelando os locais mais promissores.

    Para testar se o aprendizado de máquina pode ajudá-los a se concentrar em sites geológicos interessantes, Donn and Beach concentrou-se em uma área no noroeste de Belize que era densamente vegetada e de difícil acesso. Eles se concentraram em encontrar entradas de cavernas nas profundezas da floresta que ainda não haviam sido descobertas.

    Mike Mallner, um espeleólogo técnico que acompanhou Leila Donn em seu trabalho de campo, desce rapidamente para dentro do grande sumidouro. A feição não identificada anteriormente tem 60 metros por 30 metros e 35 metros de profundidade. Crédito:Leila Donn

    Usando as imagens LiDAR coletadas em um local semelhante com cavernas mapeadas, Donn traçou a localização de entradas de cavernas conhecidas, junto com pontos que não eram cavernas. Ela então coletou informações sobre a paisagem, incluindo declive, rugosidade do terreno, e distância para riachos. Essas informações foram compiladas em uma planilha e alimentadas no aprendizado de máquina como uma forma de "ensinar o computador a prever o que é uma caverna e o que não é, "diz Donn.

    Durante o verão, Donn invadiu a selva para descobrir as áreas onde as cavernas foram identificadas com o aprendizado de máquina. Ela confirmou que uma série de entradas de cavernas não mapeadas de fato existiam na paisagem, incluindo uma surpresa muito grande.

    "A coisa mais legal que encontramos foi um sumidouro que era um complexo de cavernas em colapso, "diz Donn. Ela disse que a descoberta veio após uma caminhada incrivelmente difícil através de uma vegetação densa. Apesar de ter 60 metros de comprimento, 30 metros de largura, e 35 metros de profundidade, "Você não podia ver até que você estivesse por cima disso, " ela diz.

    Quando ela estava de volta ao laboratório, Donn disse que voltou ao LiDAR com novos olhos para ver se a entrada da caverna sairia das imagens. "Quando voltei ao local e olhei para o LiDAR, era visível, " ela diz, mas ela nota que sem saber que estava lá, ela provavelmente não o teria reconhecido como uma entrada de caverna. "O programa descobriu para mim."

    O aprendizado de máquina dela também pode pegar cavernas muito menores, diz Donn. "Um deles era uma pequena caverna com uma entrada que tinha talvez um metro e meio de comprimento e apenas 30 metros de profundidade." E no LiDAR, ela diz que a caverna menor era invisível a olho nu.

    Donn diz que seu programa pode ser usado para estudos de geologia, como encontrar e estudar cavernas desconhecidas. Mas ela também vê aplicações para outras disciplinas, como arqueologia, gestão florestal, desenvolvimento Urbano, e gestão da terra. "Eu vejo isso tendo um futuro fora da academia, " ela diz.

    "O que Leila está fazendo é uma conexão emocionante entre a história e o futuro das geociências, "diz Beach. Um projeto como este, ele diz, "vem dessa capacidade de entrar em lugares muito difíceis que a maioria de nós não consegue entrar, mas também esse ângulo criativo de fazer a máquina aprender a fazer isso também. "


    © Ciência https://pt.scienceaq.com