Au cours de l'été 2019, Leila Donn et son équipe de terrain regardent par-dessus le côté d'un très grand gouffre dans la forêt tropicale du Belize. La fonctionnalité a été identifiée à partir d'un programme d'apprentissage automatique, et vérifié avec une longue randonnée sur le site. Donn dit que le gouffre était méconnaissable jusqu'à ce que vous soyez près du bord. Crédit :Leila Donn
Identifier les caractéristiques géologiques dans une végétation dense, tremper, et un terrain accidenté peut être presque impossible. Des images telles que LiDAR peuvent aider les chercheurs à voir à travers la couverture arborée, mais les formes de relief subtiles peuvent souvent passer inaperçues pour l'œil humain.
Maintenant, une équipe de scientifiques a exploité la puissance de l'apprentissage automatique pour identifier les caractéristiques géologiques cachées. Spécifiquement, les scientifiques identifient des entrées de grottes non identifiées auparavant qui sont difficiles à voir dans l'imagerie, et difficile d'accès au sol.
Leïla Donn, doctorant à l'Université du Texas à Austin et auteur principal de la nouvelle recherche, présente les résultats de ses recherches dimanche lors de la réunion annuelle de la Geological Society of America à Phoenix.
La recherche a été inspirée en partie par la végétation luxuriante, zones difficiles d'accès des forêts tropicales. « Nous avons vu le besoin d'obtenir une couverture LiDAR pour nos zones de forêts tropicales profondes, " dit Timothy Beach, co-auteur de la recherche. "L'imagerie LiDAR a montré beaucoup d'archéologie, mais nous savions aussi qu'ils pourraient montrer beaucoup de nouvelles géologies et beaucoup de nouvelles interactions homme-environnement."
Le projet a également été inspiré par les propres expériences de terrain de Donn. Tout en aidant un collègue à chercher des entrées de grottes au Guatemala, ils trouveraient un endroit qui semblait prometteur sur l'imagerie LiDAR, puis passez toute la journée à marcher jusqu'à l'emplacement. "C'était vraiment amusant, mais réellement, vraiment laborieux, " dit Donn. Et parfois leur randonnée d'une journée menait à un endroit qui n'était pas du tout une grotte - une situation frustrante. " Pendant que nous faisions ça, Je pensais, « Et si nous pouvions faire cela avec l'apprentissage automatique ? » Elle explique qu'au lieu que les chercheurs choisissent les emplacements possibles à l'œil nu, l'ordinateur ferait l'identification, révélant les emplacements les plus prometteurs.
Pour tester si l'apprentissage automatique pourrait les aider à se concentrer sur des sites géologiques intéressants, Donn et Beach se sont concentrés sur une zone du nord-ouest du Belize qui était très végétalisée et difficile d'accès. Ils se sont concentrés sur la recherche d'entrées de grottes au fond de la forêt qui n'avaient pas encore été découvertes.
Mike Mallner, un spéléologue technique qui a accompagné Leila Donn dans son travail de terrain, des rappels dans le grand gouffre. La caractéristique non identifiée auparavant mesure 60 mètres sur 30 mètres et 35 mètres de profondeur. Crédit :Leila Donn
En utilisant les images LiDAR collectées sur un site similaire avec des grottes cartographiées, Donn a tracé l'emplacement des entrées de grottes connues, ainsi que des points qui n'étaient pas des grottes. Elle a ensuite collecté des informations sur le paysage, y compris la pente, rugosité du terrain, et la distance aux cours d'eau. Ces informations ont été compilées dans une feuille de calcul et intégrées à l'apprentissage automatique afin d'"apprendre à l'ordinateur à prédire ce qui est une grotte et ce qui ne l'est pas, " dit Donn.
Au cours de l'été, Donn a piraté la jungle pour vérifier les zones où les grottes avaient été identifiées grâce à l'apprentissage automatique. Elle a confirmé qu'un certain nombre d'entrées de grottes non cartographiées auparavant existaient bel et bien dans le paysage, dont une très grosse surprise.
"La chose la plus cool que nous ayons trouvée était un gouffre qui était un complexe de grottes effondrées, " dit Donn. Elle a dit que la découverte est survenue après une randonnée incroyablement difficile à travers une végétation dense. Bien qu'elle mesure 60 mètres de long, 30 mètres de large, et 35 mètres de profondeur, "Vous ne pouviez pas le voir tant que vous n'étiez pas dessus, " elle dit.
Quand elle était de retour au labo, Donn a déclaré qu'elle était retournée au LiDAR avec des yeux neufs pour voir si l'entrée de la grotte sortirait maintenant de l'imagerie. « Quand je suis retourné sur les lieux et que j'ai regardé le LiDAR, c'était visible, " elle dit, mais elle constate que sans savoir qu'il était là, elle ne l'aurait probablement pas reconnu comme une entrée de grotte. "Le programme l'a trouvé pour moi."
Son apprentissage automatique peut également détecter des grottes beaucoup plus petites, dit Donn. "L'un d'eux était une petite grotte avec une entrée qui mesurait peut-être un mètre et demi de long et à peine 30 pieds de profondeur." Et sur le LiDAR, elle dit que cette petite grotte était invisible à l'œil nu.
Donn dit que son programme peut être utilisé pour des études de géologie, comme trouver et étudier des grottes inconnues. Mais elle voit aussi des applications pour d'autres disciplines comme l'archéologie, la gestion des forêts, développement urbain, et la gestion des terres. "Je vois que cela a un avenir en dehors du milieu universitaire, " elle dit.
"Ce que Leila fait, c'est une connexion passionnante entre l'histoire et l'avenir des géosciences, " dit Beach. Un projet comme celui-ci, il dit, " vient de cette capacité à entrer dans des endroits très difficiles que la plupart d'entre nous ne peuvent pas entrer, mais aussi cet angle créatif consistant à faire apprendre à la machine à le faire aussi."
