Adam Coscia, ein Doktorand im vierten Jahr am Georgia Institute of Technology, hat die ozeanografische Forschung mit seinem interaktiven Datenvisualisierungstool DeepSee revolutioniert. Es ermöglicht Wissenschaftlern, Hotspots von Sedimentproben in der Tiefsee vorherzusagen und zu analysieren.
Ein bahnbrechendes Datenvisualisierungstool bietet Ozeanographen und Mikrobenökologen einen beispiellosen Einblick in die Tiefsee-Ökosysteme, die sie untersuchen. Das von Adam Coscia, einem Doktoranden im vierten Jahr am Georgia Institute of Technology, entwickelte Tool namens DeepSee verändert die Art und Weise, wie Forscher Hotspots in Sedimentproben vorhersagen und analysieren.
Ursprünglich als Praktikumsprojekt bei der NASA gestartet, hat sich Coscias Arbeit unter der Leitung eines interdisziplinären Teams von Caltech, dem von Caltech für die NASA verwalteten Jet Propulsion Laboratory (JPL) und dem ArtCenter College of Design zu einer wichtigen Ressource entwickelt.
Victoria Orphan, die Leiterin des Forschungsteams am Caltech, ist eine renommierte Mikrobenökologin, die sich auf die Erforschung mikrobieller Gemeinschaften in der Tiefsee und deren Interaktionen in Meeresbodensedimenten spezialisiert hat. Da sie mit historischen Datensätzen organisatorische Herausforderungen zu bewältigen hatten, benötigten Orphan und ihr Team einen konsolidierteren Ansatz.
„In der Vergangenheit waren unsere Datensätze diskret und befanden sich in separaten Excel-Tabellen. Vielleicht führen wir am Ende eine statistische Analyse durch, um Korrelationen in diesen Daten zu finden. Dann vergleichen wir diese mit unseren Karten“, sagte Orphan in einem Pressemitteilung„Wir hatten keine Möglichkeit, alles unter einem Dach zu konsolidieren, um mehr über diese Ökosysteme zu erfahren.“
Um ihre Forschungsexpeditionen zu optimieren, unternimmt Orphans Team jedes Jahr Reisen vor der Küste Kaliforniens und sammelt dort mithilfe ferngesteuerter Fahrzeuge (ROVs) wichtige Sedimentproben. Die Einführung von DeepSee hat diese Expeditionen revolutioniert.
„Die Idee ist, dass Sie, sobald Sie die Proben haben und an einem bestimmten Bereich mit früheren Proben interessiert sind, dorthin gehen und mit unserem Zeichentool auf der Karte markieren können, wo Sie als nächstes Proben sammeln“, sagte Coscia in der Pressemitteilung.
DeepSee integriert topografische und fotografische Daten in einen benutzerfreundlichen, interaktiven Webbrowser, der 3D-Visualisierungsmodelle generieren kann. Dieses innovative Tool verbessert nicht nur die Datenorganisation, sondern erleichtert auch die Interaktion und Notizen in Echtzeit.
„Wir haben uns auf den Erkundungs- und Aufzeichnungsprozess mit Karten und Daten konzentriert und neue Möglichkeiten zur Visualisierung gefunden“, fügte Coscia hinzu. „Wissenschaftler können alle ihre Proben in Echtzeit zeichnen und kartieren. Sie können viel einfacher auf bestimmte Daten verweisen und bestimmen, wohin das Team gehen sollte, um die besten Proben zu erhalten.“
DeepSee wurde während zweier kürzlich durchgeführter Expeditionen implementiert und hat bereits eine erhöhte Effizienz bei der strategischen Planung für das Orphan Lab bewiesen.
„Die von Adam eingerichtete Infrastruktur macht dies nicht nur für meine Gruppe, sondern auch für andere Ozeanographen und Wissenschaftler in anderen Bereichen zu einem hilfreichen Werkzeug – überall dort, wo es eine räumliche Verteilung von Informationen gibt, die man mit anderen Metadaten verknüpfen möchte“, sagte Orphan.
DeepSee erweist sich auch für die Ausbildung neuer Forscher als unschätzbar wertvoll, da es den Onboarding-Prozess nahtloser und intuitiver gestaltet.
„Wir können sie viel einfacher an Bord holen und ihnen einen Eindruck davon vermitteln, welche Daten verfügbar sind und wo wir Informationen gesammelt haben, und zwar auf eine Weise, die viel klarer ist, als wenn sie auf eine Excel-Tabelle zurückgreifen müssten“, fügte Orphan hinzu.
Die Fähigkeiten des Tools gehen über die Datenvisualisierung auf Oberflächenebene hinaus, da es 3D-Modelle unter dem Meeresboden erstellen und die Datenqualität an benachbarten Standorten anhand bekannter Datenpunkte schätzen kann.
„Von außen sieht man unter dem Meeresboden nie etwas. Man müsste graben. Aber unsere 3D-Modelle zeigen, dass es möglicherweise Daten gibt, die auf einen Hotspot nur wenige Meter unter dem Boden hindeuten. Das sagt einem, wo man als nächstes Proben nehmen muss“, sagte Coscia.
Mit Blick auf die Zukunft möchte Coscia maschinelle Lernmodelle in DeepSee integrieren, um dessen Prognosefähigkeiten – abhängig von der Ansammlung weiterer Daten – weiter zu verbessern.
DeepSee gilt als Leuchtturm der Innovation in der ozeanografischen Forschung und läutet eine neue Ära der Datenvisualisierung und Effizienz in diesem Bereich ein.