نقش دستگاه‌های آب عمیق در باستان‌شناسی دریایی

پیشرفت‌های فناوری بررسی ژئوفیزیک

حس‌گرهای عمق آب در این روزها روش ما را برای انجام کارهای باستان‌شناسی دریایی کاملاً تغییر داده‌اند. این حس‌گرها به محققان دید جدیدی نسبت به آنچه در زیر امواج پنهان شده است می‌دهند، بخاطر نقشه‌های دقیق‌ای که در زیر دریا ایجاد می‌کنند. فناوری پشت این پیشرفت شامل ابزارهای ژئوفیزیکی بسیار قابل توجهی مانند سیستم‌های سونار چند کاناله و تجهیزات سونار دو طرفه می‌شود. با استفاده از سونار چند کاناله، باستان‌شناسان می‌توانند تصاویر سه‌بعدی کاملی از سطح بستر دریا به دست آورند. سونار دو طرفه به روشی متفاوت ولی به اندازه آن مؤثر عمل می‌کند؛ این دستگاه قسمت‌های بزرگی از کف اقیانوس را اسکن می‌کند و اشکال یا اجسام غیرعادی را شناسایی می‌کند که ممکن است بقایای تمدن‌های قدیمی باشند. این روش‌های مدرن به متخصصان کمک می‌کنند تا ساختارهای زیر آبی را بهتر از گذشته شناسایی و مورد مطالعه قرار دهند، به این معنی که سفرهای میدانی می‌توانند تمرکز خود را روی مناطق مهم قرار دهند و از هدر رفتن وقت برای جستجوهای تصادفی جلوگیری کنند.

وقتی به همه‌ی سایت‌های باستان‌شناسی جدیدی که اخیراً کشف شده‌اند نگاه می‌کنیم، می‌توانیم ببینیم که فناوری چگونه در حال تغییر دادن چیزها است. محققان دریایی سال‌هاست که در این مورد صحبت می‌کنند. آن‌ها می‌گویند که وسایلی مانند سونارهای چندپرتوه (multi-beam) و سونارهای اسکن کناری (side-scan)، پیدا کردن سایت‌های زیر آب را نسبت به گذشته بسیار آسان‌تر کرده‌اند. این ابزارها به ما این امکان را می‌دهند تا مکان‌هایی را که قبلاً یا خیلی عمیق بودند یا ساده‌گی‌انگار از قلم افتاده بودند، شناسایی کنیم. به عنوان مثال دانشگاه ساوت‌همپتون را در نظر بگیرید. تیم آن‌ها واقعاً تعداد زیادی یافته‌ی جدید را مستند کردند، پس از آن که شروع به استفاده از این روش‌های اسکن پیشرفته کردند. چیزی که جالب است، فقط تعداد سایت‌هایی است که آن‌ها پیدا کردند، بلکه وضعیت آن سایت‌ها هم بود. این نوع اطلاعات واقعاً به تاریخ‌دانان کمک می‌کند تا داستان‌هایی درباره‌ی تمدن‌های باستانی را کنار هم بچینند. با بهبود بیشتر این ابزارها، احتمالاً کشف بیشتر این گنجینه‌های پنهان تاریخی زیر امواج ادامه خواهد داشت.

کاربردهای LSI: از دوربین‌های لوله‌کشی تا مپ‌برداری اقیانوس

تکنولوژی بازرسی فاضلاب که در ابتدا برای بررسی لوله‌ها و دفع فاضلاب طراحی شده بود، اکنون در مکان‌های غیرمنتظره مانند اقیانوس‌ها ظاهر شده است. همان دوربین‌هایی که از طریق تونل‌های زیرزمینی حرکت می‌کنند، در آب‌های ساحلی باریک نیز به طور شگفت‌آوری خوب کار می‌کنند. محققان دریایی از این سیستم‌های تصویربرداری کوچک برای بررسی سایت‌های غرق‌شده مانند کشتی‌های ناپدیدشده و دیگر مکان‌هایی که تجهیزات سنتی نمی‌توانند به آنجا دسترسی داشته باشند، استفاده می‌کنند. برای باستان‌شناسان این امر به معنای دیدن جزئیات دقیق از کشتی‌های قدیمی است که در کف اقیانوس قرار دارند، بدون اینکه نیاز باشد زیردریایی‌های گران‌قیمت را به کار گرفت. برخی از تیم‌ها حتی مکان‌های جدیدی از کشتی‌های غرق‌شده را کشف کرده‌اند فقط به این دلیل که بالاخره توانسته‌اند ببینند چه چیزی زیر لایه‌های رسوبی که تجهیزات بزرگ‌تر معمولاً آن را به هم می‌ریزند، پنهان شده است.

فناوری بررسی اخیر در تهیه نقشه‌های دقیق از کف اقیانوس‌ها بسیار پیشرفت کرده است و به یافتن انواع اشیاء قدیمی و سازه‌های زیرآبی کمک می‌کند. باستان‌شناسان دریایی اکنون از نسخه‌های بهبودیافته همان دوربین‌های فاضلابی که در سریال‌های تلویزیونی می‌بینیم، برای بررسی فضاهای بزرگ زیرآبی و گرفتن تصاویری استفاده می‌کنند که چیزهایی را نشان می‌دهند که انسان‌ها قبلاً از وجود آن‌ها بی‌اطلاع بوده‌اند. به این فکر کنید: همان‌طور که لوله‌کش‌ها داخل لوله‌ها را برای یافتن موانع معاینه می‌کنند، این دوربین‌های ارتقاء یافته به محققان اجازه می‌دهند در هر گوشه‌ای از بستر دریا که اشیاء باستانی و سازه‌های فراموش‌شده به دلیل عمق زیاد یا دسترسی سخت پنهان شده‌اند، نگاهی بیاندازند. جالب توجه این است که این دوربین‌های فاضلابی اصلاح‌شده چقدر چندکاره هستند. این ابزارها دیگر فقط وسایل کار نیستند، بلکه در واقع بازیگران اصلی در درک اتفاقاتی هستند که در تاریخ اقیانوس‌های ما رخ داده است.

شبکه‌های عصبی و تصویربرداری هیپر اسپکترال برای تشخیص اشیاء باستانی

تحلیل طیفی از سایت‌های باستانی غرق‌شده

تصویربرداری اسپکترالی نقش مهمی ایفا می‌کند، زمانی که شناسایی ترکیب شیمیایی اشیاء مدفون در زیر آب مطرح باشد و این امکان را به باستان‌شناسان می‌دهد تا تاریخچه زیر آبی را بدون دست‌زدن به هیچ چیز بررسی کنند. وقتی دانشمندان به این موضوع نگاه می‌کنند که اشیاء مختلف در طول موج‌های مختلف چگونه نور را منعکس می‌کنند، سرنخ‌هایی در مورد اینکه آن اشیاء از چه موادی ساخته شده‌اند و اینکه ممکن است منشأ آنها کجا باشد، دریافت می‌کنند. کارهای اخیر منتشر شده در «باستان‌شناسی دریایی» به‌خوبی مؤثر بودن این روش را نشان می‌دهد. محققان از داده‌های فوق‌طیفی (هایپر اسپکترال) استفاده کردند تا الگوهای خاصی از نور را با مواد شناخته‌شده مطابقت دهند، که این کار به آنها کمک کرد تا چندین سایت زیرآبی پیش از این ناشناخته را پیدا کنند. چیزی که این فناوری را بسیار ارزشمند می‌کند، توانایی آن در تشخیص مواد طبیعی کف دریا از آثار دست‌ساز واقعی پنهان در زیر آب است. بسیاری از کارشناسان امروزه تصویربرداری هایپر اسپکترال را تقریباً غیرقابل‌انکار در حفظ گنجینه‌های فرهنگی زیرآبی می‌دانند. این فناوری اطلاعات مفصلی را در اختیار کارشناسان میدانی قرار می‌دهد که اگر بخواهیم این مکان‌های مهم را برای نسل‌های آینده حفظ کنیم، ضروری است.

مدل‌های یادگیری عمیق برای طبقه‌بندی هدف

شبکه‌های عصبی مصنوعی در حال تبدیل شدن به ابزاری بسیار مفید برای دسته‌بندی اشیاء باستانی با توجه به ظاهر و نور بازتابی آن‌ها هستند که این امر روش کار باستان‌شناسان را تغییر داده است. سیستم‌های یادگیری عمیق اطلاعات پیچیده را پردازش می‌کنند تا مشخص کنند که یک شیء باستانی از چه نوعی است، چه وضعیتی از نگهداری دارد و گاهی حتی تاریخ ساخت آن چه بوده است. یک مطالعه از نشریه «هوش مصنوعی در باستان‌شناسی» نشان می‌دهد که این الگوریتم‌ها دقت دسته‌بندی را به‌طور قابل توجهی افزایش می‌دهند، بنابراین پیش‌بینی‌ها سریع‌تر و دقیق‌تر انجام می‌شوند. برخی آزمایش‌ها نشان داده‌اند که شبکه‌های عصبی در شناسایی اشیاء باستانی در محیط‌های شبیه‌سازی شده زیر آب، دقتی بالاتر از 90 درصد دارند. با ترکیب بازرسی بصری و تحلیل طیفی، این مدل‌های کامپیوتری به محققان اجازه می‌دهند تا از محوطه‌های غرق‌شده بدون نیاز به غواصی دیدن کنند و این امر باعث کاهش عملیات پرخطر انسانی در محیط‌های زیر آبی سخت‌گذر می‌شود. باستان‌شناسی دریایی به‌طور قطع با استفاده از شبکه‌های عصبی پیشرفت قابل توجهی داشته است و به متخصصان روش‌های بسیار بهتری برای شناسایی و دسته‌بندی یادگارهای زیر آبی نسبت به گذشته دست یافته است.

چارچوب‌های تنظیمی برای کاوش‌های زیرآبی

نیازمندی‌های گزارش‌دهی باستان‌شناسی BOEM

اداره مدیریت انرژی اقیانوس، یا به اختصار BOEM، قواعد خاصی را برای انجام بررسی‌های باستان‌شناسی در زمانی که افراد در زیر دریا به کاوش می‌پردازند وضع کرده است. این قواعد اهمیت زیادی دارند زیرا کمک می‌کنند تا مطمئن شویم هیچ کس به طور تصادفی بخش‌های مهمی از تاریخ دریاهایمان را در حین غواصی از بین نبرد. هنگام رعایت استانداردهای گزارش BOEM، افراد باید به دقت اثرات احتمالی کارهایشان بر محل‌های فرهنگی زیر آب را در نظر بگیرند. در بیشتر موارد این به معنی تحویل گزارشی است که قبل از شروع هرگونه کاوش واقعی، نشان دهد چه چیزهایی ممکن است آسیب ببیند. این نوع برنامه‌ریزی به حفاظت از آثار باستانی مانند کشتی‌های غرق شده و سایر یادمان‌های زیر آب کمک می‌کند. رعایت این قواعد تنها یک روش خوب نیست، بلکه واقعاً قطعات ارزشمندی از تاریخ دریایی ما را محافظت می‌کند تا غواصان و تاریخ‌دانان بتوانند آنها را سال‌ها پس از ما مورد مطالعه قرار دهند.

رعایت استانداردهای بند 106 قانون میراث تاریخی ملی (NHPA)

بخش 106 قانون حفاظت از میراث تاریخی ملی در زمینه کشف و حفاظت از آثار باستان‌شناسی در هنگام انجام کارهای زیر آب اهمیت زیادی دارد. این بخش در واقع این الزام را ایجاد می‌کند که افرادی که پروژه‌هایی از این دست را اجرا می‌کنند، قبل از شروع هر کاری که ممکن است به مکان‌های فرهنگی زیر آب آسیب برساند، فرآیند بررسی دقیقی را طی کنند. به عنوان مثال معروفی که می‌توان نام برد، یافتن قطعاتی از کشتی یو اس اس مانیتور در نزدیکی ساحل کارولینای شمالی است - این کشف به خاطر الزامات بخش 106 امکان‌پذیر شد. وقتی گروه‌هایی که روی پروژه‌های زیر آب کار می‌کنند، به دقت این قوانین را رعایت کرده و تلاش واقعی در جهت تهیه برنامه‌های حفاظتی انجام دهند، در نهایت باعث حفاظت از تاریخ مشترک ما می‌شوند و در عین حال امکان اکتشاف را فراهم می‌کنند. دستورالعمل‌های تعیین شده توسط NHPA چارچوبی را فراهم می‌کنند که در آن می‌توانیم بدون اینکه ارزش تاریخی این مکان‌ها از بین برود، به کاوش‌ها ادامه دهیم.

روش‌های بازرسی خطوط لوله در محیط‌های زیردریایی

تطبیق YOLOv4 برای نظارت بر زیرساخت‌های زیرآبی

YOLOv4 کاربردهای جدیدی در نظارت بر خطوط لوله زیرآبی در زمان واقعی پیدا کرده است و امکان بازرسی را حتی در مکان‌هایی که روش‌های سنتی با مشکل مواجه می‌شوند فراهم کرده است. آنچه به عنوان یک سیستم تشخیص اشیاء آغاز شد به چیزی بسیار مفید برای شناسایی قطعات خطوط لوله در زیر آب با دقت قابل قبولی تبدیل شده است. بازرسی‌های زیرآبی هرچند سخت است، چرا که با مشکلاتی از جمله نور خمیده و آب‌های کدر مواجه است، اما YOLOv4 به نحوی شگفت‌آوری با این مشکلات کنار می‌آید. مقاله‌ای با عنوان رویکرد یادگیری عمیق برای تشخیص اشیاء در تصاویر خطوط لوله زیرآبی اعلام کرده است که این مدل به دقت میانگین حدود 94.21% دست یافته است که در مقایسه با رقبا در تشخیص‌های سریع عملکرد بهتری دارد. برای شرکت‌هایی که مسئول نگهداری از زیرساخت‌های زیرآبی هستند، این امر به این معنی است که می‌توانند برنامه‌های نگهداری را دقیق‌تر تهیه کنند و ایمنی کلی عملیات را حفظ کنند، بدون اینکه برای هر بازرسی به غواصان گران‌قیمت یا زیردریایی‌ها متکی باشند.

شناسایی نشتی از طریق یادگیری ماشینی صوتی

یادگیری ماشینی که به سیگنال‌های صوتی اعمال می‌شود، روش‌های شناسایی نشتی در خطوط لوله زیردریایی را دگرگون کرده است و حساسیت بسیار بهتری نسبت به روش‌های سنتی فراهم می‌کند. امواج صوتی زیرآب بهترین گزینه برای نظارت به شمار می‌روند، چرا که آسیبی به زیست‌شناسی دریایی نمی‌رسانند و در عین حال اطلاعات مفیدی را حمل می‌کنند. این سیگنال‌ها توسط برنامه‌های کامپیوتری پیچیده‌ای تحلیل می‌شوند که ناهماهنگی‌هایی را شناسایی می‌کنند که ممکن است نشانه نشتی در جایی باشند. مطالعه‌ای که اخیراً در نشریه فناوری دریایی منتشر شده بود، نتایج امیدوارکننده‌ای را نشان داد، زمانی که محققان مدل‌های خود را با داده‌های صوتی واقعی از سیستم‌های خط لوله آموزش دیده بودند. این روش‌ها بدون شک به شناسایی سریع‌تر مشکلات کمک می‌کنند و همچنین خسارات زیست‌محیطی و همچنین توقف‌های گرانقیمت عملیاتی برای بهره‌برداران را کاهش می‌دهند. به نظر می‌رسد که با این بهبودها، نظارت مداوم بر سلامت خطوط لوله اکنون امکان‌پذیر شده است، هرچند پیاده‌سازی چنین سیستم‌هایی در تمام زیرساخت‌های دریایی هنوز چالشی بزرگ برای شرکت‌های متعددی است که نگران حفاظت از اکوسیستم اقیانوسی هستند.

فناوری‌های نوظهور در حفاظت از منابع دریایی

ادغام سنسورهای اینترنت اشیا با دوربین‌های بازرسی

ترکیب فناوری اینترنت اشیا (IoT) با دوربین‌های بازرسی زیر آب، روش‌های ما برای مدیریت منابع دریایی را در حال تغییر قرار داده است. این سنسورهای IoT در واقع قابلیت‌های دوربین‌های کنترلی فاضلاب را افزایش می‌دهند و امکان پایش به‌صورت زنده و ارسال مستقیم داده‌ها را فراهم می‌کنند تا اپراتورها بتوانند در صورت لزوم به‌سرعت واکنش نشان دهند. برای مدیریت دریایی چه معنایی دارد؟ این موضوع به ما این امکان را می‌دهد که دسترسی‌ها و سایر عناصر زیر آب را به‌خوبی نسبت به گذشته تحت نظارت داشته باشیم. با ترکیب این دو فناوری، اپراتورها قادر خواهند بود از راه‌دور وضعیت اکوسیستم‌های اقیانوسی را رصد کنند، مشکلات را بسیار زودتر از حالت عادی شناسایی کنند و قبل از اینکه وضعیت برای موجودات دریایی بد شود، اقدامات اصلاحی را انجام دهند. پیروی از این روش به حفظ شدن شیوه‌های سبز مدیریتی کمک می‌کند و همچنین اطلاعات بسیار دقیق‌تری از اتفاقات در حال وقوع در سیستم‌های آبی ما فراهم می‌کند.

تحلیل‌های پیش‌بینانه برای حفاظت از سایت

تجزیه و تحلیل پیش‌بینانه به طور قابل توجهی در شناسایی مشکلات قبل از وقوع آن‌ها در سایت‌های باستان‌شناسی زیر آبی مفید شده‌اند، به طوری که تیم‌های حفاظتی می‌توانند قبل از وقوع خسارت اقدام کنند، نه اینکه پس از ایجاد خسارت واکنش نشان دهند. وقتی به تمام داده‌های جمع‌آوری شده از منابع مختلف نگاه می‌کنیم، این ابزارهای تحلیلی به شناسایی مواردی مانند الگوهای تدریجی فرسایش یا فعالیت‌های انسانی غیرمنتظره در اطراف مناطق حساس کمک می‌کنند که می‌توانند به سایت‌های تاریخی زیر دریا آسیب برسانند. در واقع تحقیقات زیادی وجود دارد که بهره‌وری این رویکرد را در محیط‌های دریایی مختلف نشان داده است. به عنوان مثال، موقعیت رخ داده در سافت باریر ریف (Great Barrier Reef) را می‌توان نام برد که مدل‌های پیش‌بینی‌کننده تغییرات نگران‌کننده را خیلی پیش از ظهور علائم دیدنی روی سطح شناسایی کردند و این امر به متخصصان زمان اضافی بسیار باارزشی داد تا استراتژی‌های حفاظتی را اجرا کنند. هرچند هیچ سیستمی کامل نیست، این پیشرفت‌های فناوری قطعاً به حفاظت از میراث زیر آبی ما بهتر از روش‌های سنتی کمک می‌کنند و ما را به سمت رویکردهای مسئولانه‌تر از لحاظ محیط زیست در مدیریت دارایی‌های فرهنگی اقیانوسی برای سال‌های آینده سوق می‌دهند.