在計(jì)算機(jī)時(shí)代之前，工程師、環(huán)境規(guī)劃師、科學(xué)家在洪水和泥石流等危險(xiǎn)項(xiàng)目的調(diào)查中很大程度上都依賴于詳細(xì)的地形圖。
但是，無論是傳統(tǒng)的地形圖還是目前的數(shù)據(jù)均不能告訴我們關(guān)于地形的一切信息以及地形如何隨時(shí)間而發(fā)生的變化。目前，美國地質(zhì)調(diào)查局正在尋求進(jìn)一步開發(fā)更加豐富的地質(zhì)信息來源�；谒八龅墓ぷ鳎绹刭|(zhì)調(diào)查局為李雯雯提供了三年資金資助，來幫助她實(shí)現(xiàn)這個(gè)目標(biāo)。
該項(xiàng)研究旨在研發(fā)一種能夠自動(dòng)識(shí)別地形的特征、特點(diǎn)的方法。有的時(shí)候我們不僅僅需要知道湖的邊界，還需要知道它的形狀、長(zhǎng)度、水位以及最深點(diǎn)，還有圍繞湖的地貌和人工構(gòu)造。
應(yīng)用甚廣
舉個(gè)例子：發(fā)生山體滑坡后，這個(gè)工具能夠自動(dòng)獲得山體的傾斜、高度和形狀的變化�？梢詫⑦@些特征與其它山體進(jìn)行比較，所積累數(shù)據(jù)知識(shí)有利于確定識(shí)別其它山體滑坡的風(fēng)險(xiǎn)。
該工具也可以應(yīng)用到地質(zhì)學(xué)中，新的工具和數(shù)據(jù)可以用于支持發(fā)現(xiàn)和研究地球和其它星球之間的地質(zhì)特征。
李雯雯說，我們研發(fā)的工具可以還原地形特征；這使得我們可以評(píng)估隨著時(shí)間的推移地形所發(fā)生的的變化，并且可以對(duì)相似的地理特征進(jìn)行定量比較。
衛(wèi)星收集的圖像是數(shù)據(jù)的主要來源。此外，無人駕駛新技術(shù)，如機(jī)器人和無人機(jī)可以幫助我們搜集以前無法獲得的數(shù)據(jù)。
新的機(jī)器學(xué)習(xí)（machinelearning）工具與這些新的數(shù)據(jù)源一起使用，實(shí)現(xiàn)了自動(dòng)檢測(cè)、監(jiān)測(cè)和定量掃描地形特征隨時(shí)間推移而發(fā)生的變化。
將計(jì)算機(jī)科學(xué)運(yùn)用到地理學(xué)中
在這個(gè)問題上，李雯雯正在申請(qǐng)將計(jì)算機(jī)科學(xué)前沿發(fā)展技術(shù)應(yīng)用到地理領(lǐng)域。深度學(xué)習(xí)（deep learning）或深度機(jī)器學(xué)習(xí)（deep machine learning）是一種試圖模仿人類大腦工作方式的方法，使得電腦與人類大腦的工作方式相似。
而深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像、聲音和文本。隨著電腦功能的增加，深度學(xué)習(xí)可以更好的模擬大腦的工作方式。它有潛力改變識(shí)別三維特征的方法。
李雯雯說，現(xiàn)有的方案還沒有達(dá)到足夠的智能程度自動(dòng)地完成這項(xiàng)任務(wù)。深度學(xué)習(xí)具有從復(fù)雜和不精確數(shù)據(jù)中推導(dǎo)數(shù)據(jù)的非凡能力，具有學(xué)習(xí)能力、強(qiáng)烈的自我組織能力，并可創(chuàng)建它們自己接收知識(shí)的方式。正因?yàn)槿绱�，這項(xiàng)新的研究有望應(yīng)用到地理領(lǐng)域的地形研究中。
責(zé)編：科普知識(shí)網(wǎng)