Djupt inne i de täta kustnära skogarna och myrarna i sydöstra USA ligger skalringar och skalhögar som urbefolkningen lämnat 3, 000 till 5, 000 år sedan. Nu ett internationellt team av forskare, använda djup maskininlärning för att bedöma fjärranalysdata, har lokaliserat tidigare oupptäckta skalringar. Forskarna hoppas att detta ska leda till en bättre förståelse för hur människor levde i det området och ett sätt att identifiera andra, oupptäckta skalringar.

"Ringarna i sig är en skattkammare för arkeologer, " sa Dylan S. Davis, doktorand i antropologi vid Penn State. "Utgrävningar gjorda på några skalringar har avslöjat några av de bästa bevarandet av djurben, tänder och andra artefakter."

Skalringar anses vara centrum för utbyte av varor, enligt Davis. De kan ge mycket information om sociala konstruktioner, politik och födosök. De kan visa vilka resurser som utnyttjades och om de användes hållbart eller inte hållbart.

"Skalringarna har producerat koppar som kom från området kring de stora sjöarna i sydost, " sa Davis. "Arkeologer hittar också keramik, dekorativa föremål och litik som kan ha kommit från upp till 100 miles away."

Enligt Davis, miljöerna där dessa skalringar finns är ibland så svåra att överblicka att en person kan stå inom 2 fot från en plats och aldrig se den.

Istället för att titta från marken, forskarna använde tre typer av befintliga data som samlats in antingen med flygplan eller satellit—lidar, SAR och multispektral data. De rapporterar resultaten av sin studie i ett nytt nummer av Journal of Archaeological Science .

De började med en lidar-datauppsättning av sydöstra USA:s kust producerad av U.S.A. National Oceanic and Atmospheric Administration. Dessa datamängder, tillgänglig för allmänheten, finns både för landets östra och västra kuster. Lidar, vanligtvis erhålls med flygplan eller drönare, använder ljuspulser för att kartlägga ytan av ett område. Den är kapabel att "se" genom skogar och andra marktäckare.

Forskarna använde en "djupinlärningsprocess" för att lära ut ett Convolutional Neural Network - en typ av neuralt nätverk som används för att analysera visuell information - för att känna igen skalringar, skalhögar och andra landskapsföremål. De gick manuellt över lidar-kartorna och hittade kända skalringar. Att reservera några av de kända ringarna för att testa CNN senare, de "lärde" det neurala nätverket med dessa kända ringar, med bilder av högar och med moderna strukturer med liknande profiler. De tog också bilder av kända ringar och skapade mer data genom att vrida bilderna 45 grader. Dessa förändrade platser ingick också.

"Det finns bara cirka 50 kända skalringplatser i sydöstra USA, " sa Davis. "Så, vi behövde fler platser för utbildning."

SAR-data – syntetisk bländarradar – från European Space Agencys Sentinel-1-satellit, och multispektral data – avbildning bortom det visuella spektrumet – från ESA:s Sentinel-2-satellit, läggs till informationen. SAR kan se något genom träd och pensel och kan ge information om markegenskaper. Multispektral avbildning kan avslöja egenskaper som inte ses av det mänskliga ögat.

Genom att kombinera dessa tre datamängder och använda djup träning, forskarna kunde potentiellt identifiera hundratals nya skalringplatser, inklusive tre till fem nya skalringplatser i län där dessa ringar aldrig upptäckts tidigare. Forskningen täckte ett område som innehöll tre län – ett cirka fyra, 000 kvadratkilometer område.

"Arkeologer använder mer och mer AI och automationstekniker, ", sa Davis. "Det kan vara extremt komplicerat och kräver specifika färdigheter och kräver vanligtvis stora mängder data."

Forskarna noterar att de använde artificiell intelligens algoritmer som redan ingår i ARCGIS, ett kommersiellt tillgängligt geografiskt informationssystemprogram. De tillhandahåller också koden och modellerna i sin uppsats så att andra kan prova denna typ av analys inom andra områden för andra saker.

"En svårighet med djupinlärning är att det vanligtvis kräver enorma mängder information för träning, som vi inte har när vi letar efter skalringar, " sade Davis. "Men, genom att utöka vår data och genom att använda syntetisk data, vi kunde få bra resultat, fastän, på grund av covid-19, vi har inte kunnat kontrollera våra nya skalringar på marken."

Andra forskare i detta projekt inkluderar Gino Caspari, en postdoktor vid Swiss National Science Foundation; Carl P. Lipo, professor i antropologi och biträdande dekan för forskning och program vid Binghamton University; och Matthew C. Sanger, curator vid National Museum of the American Indian.