Ny historia
Hur DeepSee hjälper oss att se djupare ner i haven än någonsin tidigare
För länge; Att läsa
DeepSee är ett interaktivt verktyg designat för att visualisera och optimera djuphavsforskning genom att integrera 2D- och 3D-data för bättre sedimentprovtagning, ökad vetenskaplig avkastning från begränsade prover och effektivisera arbetsflöden.
Författare:
(1) Adam Coscia, Georgia Institute of Technology, Atlanta, Georgia, USA ([email protected]);
(2) Haley M. Sapers, Division of Geological and Planetary Sciences, California Institute of Technology, Pasadena, Kalifornien, USA ([email protected]);
(3) Noah Deutsch, Harvard University Cambridge, Massachusetts, USA ([email protected]);
(4) Malika Khurana, The New York Times Company, New York, New York, USA ([email protected]);
(5) John S. Magyar, avdelningen för geologiska och planetära vetenskaper, California Institute of Technology Pasadena, Kalifornien, USA ([email protected]);
(6) Sergio A. Parra, avdelningen för geologiska och planetära vetenskaper, California Institute of Technology Pasadena, Kalifornien, USA ([email protected]);
(7) Daniel R. Utter, [email protected] Division of Geological and Planetary Sciences, California Institute of Technology Pasadena, Kalifornien, USA ([email protected]);
(8) John S. Magyar, Division of Geological and Planetary Sciences, California Institute of Technology Pasadena, Kalifornien, USA ([email protected]);
(9) David W. Caress, Monterey Bay Aquarium Research Institute, Moss Landing, Kalifornien, USA ([email protected]);
(10) Eric J. Martin Jennifer B. Paduan Monterey Bay Aquarium Research Institute, Moss Landing, Kalifornien, USA ([email protected]);
(11) Jennifer B. Paduan, Monterey Bay Aquarium Research Institute, Moss Landing, Kalifornien, USA ([email protected]);
(12) Maggie Hendrie, ArtCenter College of Design, Pasadena, Kalifornien, USA ([email protected]);
(13) Santiago Lombeyda, California Institute of Technology, Pasadena, Kalifornien, USA ([email protected]);
(14) Hillary Mushkin, California Institute of Technology, Pasadena, Kalifornien, USA ([email protected]);
(15) Alex Endert, Georgia Institute of Technology, Atlanta, Georgia, USA ([email protected]);
(16) Scott Davidoff, Jet Propulsion Laboratory, California Institute of Technology, Pasadena, Kalifornien, USA ([email protected]);
(17) Victoria J. Orphan, avdelningen för geologiska och planetära vetenskaper, California Institute of Technology, Pasadena, Kalifornien, USA ([email protected]).
Tabell över länkar
4 Studera djuphavsekosystem och 4.1 djuphavsforskningsmål
4.3 Designutmaningar och användaruppgifter
- 5.1 Kartvy
- 5.2 Kärnvy
5.3 Interpolationsvy och 5.4 Implementering
6 Användningsscenarier och 6.1 Scenario: Planering före kryssningen
- 6.2 Scenario: Beslutsfattande under flygning
7 Utvärdering och 7.1 Kryssning
8 Slutsatser och framtida arbete, erkännanden och referenser
ABSTRAKT
Forskare som studerar mikrobiella ekosystem i djuphavet använder ett begränsat antal sedimentprover som samlats in från havsbotten för att karakterisera viktiga livsuppehållande biogeokemiska cykler i miljön. Men att utföra fältarbete för att ta prov på dessa extrema avlägsna miljöer är både dyrt och tidskrävande, och kräver verktyg som gör det möjligt för forskare att utforska provtagningshistoriken för fältplatser och förutsäga var att ta nya prover sannolikt kommer att maximera vetenskaplig avkastning. Vi genomförde en kollaborativ, användarcentrerad designstudie med ett team av vetenskapliga forskare för att utveckla DeepSee, en interaktiv dataarbetsyta som visualiserar 2D- och 3D-interpolationer av biogeokemiska och mikrobiella processer i sammanhang tillsammans med sedimentprovtagningshistorik överlagd på 2D-havsbottenkartor. Baserat på en fältdistribuering och kvalitativa intervjuer fann vi att DeepSee ökade den vetenskapliga avkastningen från begränsade urvalsstorlekar, katalyserade nya forskningsarbetsflöden, minskade långsiktiga kostnader för att dela data och stödde lagarbete och kommunikation mellan gruppmedlemmar med olika forskningsmål.
CCS KONCEPT
• Människocentrerad datoranvändning → Vetenskaplig visualisering; Visuell analys; Geografisk visualisering; Visualiseringssystem och verktyg ; • Tillämpad beräkning → Jord- och atmosfärvetenskap.
SÖKORD
Datavisualisering, vetenskaplig visualisering, visuell analys, designstudie, djuphavsforskning.
ACM Referensformat:
Adam Coscia, Haley M. Sapers, Noah Deutsch, Malika Khurana, John S. Magyar, Sergio A. Parra, Daniel R. Utter, Rebecca L. Wipfler, David W. Caress, Eric J. Martin, Jennifer B. Paduan, Maggie Hendrie, Santiago Lombeyda, Hillary Mushkin, Alex Endert, Scott Davidoff och Victoria J. Orphan. 2024. DeepSee: Multidimensional Visualizations of Seabots Ecosystems. I Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI '24), 11–16 maj 2024, Honolulu, HI, USA. ACM, New York, NY, USA, 16 sidor. https://doi.org/10.1145/3613904.3642001
1 INLEDNING
Utforskning och forskning om bentiska ekosystem i djuphavsområdet, allt från de expansiva avgrundsslätterna till de fysikaliskt-kemiskt heterogena extrema miljöerna med hydrotermiska öppningar och metansippor, har avsevärt utvecklats under de senaste två decennierna. Dessa framsteg härrör från enorma mängder data som producerats av utvecklingen av ny teknik för autonom kartläggning och avbildning av havsbotten, fysikalisk-kemisk avkänning, biologiska mätningar och provarkivering [31]. Genom tvärvetenskapliga team av forskare som tillhandahåller kompletterande datamängder om geologi, geokemi, makro- och mikrobiologi hos dessa avlägsna ekosystem, kan djuphavsforskare nu få tillgång till 2D topografiska kartor och färgfotomosaik av havsbotten, vilket möjliggör relationen mellan punktkällan havsbottenprov samlingar (t.ex. sedimentkärnor, sten-, djur- och vattenprover) med deras lämpliga miljökontext vid rumslig centimeter till kilometer vågar.
Men även om 2D-kartor över rumsliga platser för prover är värdefulla, saknar fältet för närvarande visualiseringsverktyg som sträcker sig in i den 3:e dimensionen, dvs inom undervattensbotten. Detta presenterar flera grundläggande datavisualiseringsutmaningar kring att utforska associerade fysikalisk-kemiska och biologiska data från prover inom deras rumsliga sammanhang. Proverna är sedimentkärnor – punktvis geospatiala och tidsmässiga (dvs flerdimensionella) data bestående av hundratals mikrobiella arter och fysiokemiska parametrar – som är spridda glest över flera hundra meter havsbotten. Forskare utför fältarbete för att samla in dessa sedimentkärnor från djuphavet under expeditioner, en dyr och tidskrävande uppgift som kräver omfattande planering i förväg och vanligtvis resulterar i ett mycket begränsat antal prover. Att se tidigare provtagningshistorik för att bestämma var du ska prova nästa kan hjälpa till att maximera den tid som spenderas på att utföra dyrt fältarbete. Vidare är det oklart hur forskares befintliga forskningsarbetsflöden kan förändras genom att introducera nya visualiseringsmöjligheter, både vid planering före fältarbete såväl som i taktiskt beslutsfattande på fältet när nya prover samlas in. Våra mål är att utveckla ett system som löser visualiseringsutmaningarna när det gäller att utforska rumsliga trender mellan sedimentkärnor i sammanhanget av deras miljö, distribuera systemet för att mäta effekterna på forskares arbetsflöden som utför djuphavsfältarbete och reflektera över bredare designvägledning för visualisering flerdimensionella provdata som samlats in under fältarbetesexpeditioner.
Vi presenterar en kollaborativ designstudie [43] utförd med ett team av vetenskapliga forskare som studerar djuphavsekosystem (avsnitt 3). Vi karakteriserade först deras forskningsmål, redan existerande arbetsflöden och datapraxis, vilket ledde till att vi syntetiserade designutmaningar och användaruppgifter (avsnitt 4) för ett system som kan hjälpa forskare att visualisera rumsliga trender mellan kärnor i miljösammanhang, integrera kärn- och kartdata på flera storleks- och tidsskalor i ett enda gränssnitt, och öka den vetenskapliga avkastningen (långsiktig användbarhet och värde av data) från det begränsade antalet exempel tillgängliga genom att förutsäga osynliga värden på osamplade platser.
Från vår uppgiftsabstraktion utvecklade vi DeepSee (fig. 1, avsnitt 5), en interaktiv arbetsyta med öppen källkod[1], där forskare kan ladda upp sedimentkärndata och kartbilder och se deras samplingshistorik visas i flera anslutna vyer samtidigt. Interaktiva kartor över havsbotten mellan centimeter och kilometers upplösning (Fig. 1A) är märkta med information om tidigare dyk samt insamlade prover. Vid sidan av dessa kartor visar DeepSee 2D-visualiseringar som visar parametergradienter som en funktion av djup och interaktiva 3D-visualiseringar av datainterpolationer i utrymmet mellan proverna (Fig. 1B). Datainterpolationerna kan köras i realtid, vilket gör att forskare kan "se" under havsbotten och bestämma de mest sannolika platserna att samla in högvärdiga prover. För att stödja beslutsfattande tillhandahåller DeepSee anteckningsverktyg på kartorna för att göra anteckningar, användbara för att kommunicera fynd och planera framtida dyk. Slutligen är DeepSee bärbar och kräver ingen internetåtkomst, vilket gör det möjligt för forskare att använda DeepSee på fältexpeditioner i avlägsna miljöer.
För att bedöma effekten av vårt tillvägagångssätt för att lösa ett verkligt problem, utvärderade vi DeepSee med samma expertsamarbetspartner som var involverade i designprocessen (avsnitt 7). Först genomförde vi en första fältdistribution av DeepSee ombord på en forskningskryssning för att testa dess kapacitet och illustrera vilka användaruppgifter som utfördes på fältet. Sedan intervjuade vi varje gruppmedlem och samlade in feedback om utplaceringen kring flera områden av djuphavsfältforskning som DeepSee påverkade. Vi lärde oss att:
(1) Vätskeinteraktion [16] och aggregering av data visualiserad i flera skalor kan hjälpa forskare att öka det vetenskapliga utbytet av begränsade prover genom att möjliggöra nya sätt att ställa frågor om data;
(2) Att integrera 2D- och 3D-data i samma gränssnitt kan katalysera nya forskningsarbetsflöden genom att ta fram nya potentiella mål för framtida provtagning och minska de långsiktiga kostnaderna för databeredning; och
(3) Modulära visualiseringar kan hjälpa gruppmedlemmar med olika roller och olika forskningsmål att lösa specifika uppgifter när de bestämmer var och vilka prover som ska samlas in.
Utifrån dessa resultat har vi syntetiserat principer för att designa framtida visualiseringssystem i andra fältarbetesdrivna domäner:
(1) Prioritera dataintegration som en användaruppgift vid design, vilket hjälper användare att spåra data som läggs till i farten i fältet;
(2) Visualisera fysiska data i miljösammanhang, främja bättre förståelse och kommunikation av insikter;
(3) Kombinera datatyper för att överbrygga analys i mikro- och makroskala, vilket ökar den vetenskapliga avkastningen på begränsade prover; och
(4) Designa interaktiva visualiseringar för att underlätta mental modellering och hjälpa forskare att förstå och utforska komplexa processer
Sammantaget gav kombinationen av flytande interaktion, tätt integrerade data och modulära visualiseringar djup insikt i de data som hjälpte forskare att bygga en starkare intuition om det rumsliga
distribution av miljöprovdata, vilket i slutändan underlättar mer informerat framtida urval.
Sammanfattningsvis är bidragen från denna artikel: (1) en karakterisering av den vetenskapliga processen och designöverväganden för visualisering av djuphavsekosystem efter en användarcentrerad designprocess; (2) DeepSee , en interaktiv arbetsyta som visualiserar historien om djuphavssedimentprovtagning för att välja framtida provplatser; och (3) reflektioner baserade på intervjuer med forskare som distribuerade DeepSee och diskuterade lärdomar och bredare effekter av att utnyttja datavisualiseringar för att stödja fältarbete-driven vetenskaplig forskning.
Detta dokument är tillgängligt på arxiv under CC BY 4.0 DEED-licens.
[1] DeepSee-kod: https://github.com/orphanlab/DeepSee
L O A D I N G
. . . comments & more!
. . . comments & more!
