在计算机时代之前，工程师、环境规划师、科学家在洪水和泥石流等危险项目的调查中很大程度上都依赖于详细的地形图。
但是，无论是传统的地形图还是目前的数据均不能告诉我们关于地形的一切信息以及地形如何随时间而发生的变化。目前，美国地质调查局正在寻求进一步开发更加丰富的地质信息来源。基于她之前所做的工作，美国地质调查局为李雯雯提供了三年资金资助，来帮助她实现这个目标。
该项研究旨在研发一种能够自动识别地形的特征、特点的方法。有的时候我们不仅仅需要知道湖的边界，还需要知道它的形状、长度、水位以及最深点，还有围绕湖的地貌和人工构造。
应用甚广
举个例子：发生山体滑坡后，这个工具能够自动获得山体的倾斜、高度和形状的变化。可以将这些特征与其它山体进行比较，所积累数据知识有利于确定识别其它山体滑坡的风险。
该工具也可以应用到地质学中，新的工具和数据可以用于支持发现和研究地球和其它星球之间的地质特征。
李雯雯说，我们研发的工具可以还原地形特征；这使得我们可以评估随着时间的推移地形所发生的的变化，并且可以对相似的地理特征进行定量比较。
卫星收集的图像是数据的主要来源。此外，无人驾驶新技术，如机器人和无人机可以帮助我们搜集以前无法获得的数据。
新的机器学习（machinelearning）工具与这些新的数据源一起使用，实现了自动检测、监测和定量扫描地形特征随时间推移而发生的变化。
将计算机科学运用到地理学中
在这个问题上，李雯雯正在申请将计算机科学前沿发展技术应用到地理领域。深度学习（deep learning）或深度机器学习（deep machine learning）是一种试图模仿人类大脑工作方式的方法，使得电脑与人类大脑的工作方式相似。
而深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音和文本。随着电脑功能的增加，深度学习可以更好的模拟大脑的工作方式。它有潜力改变识别三维特征的方法。
李雯雯说，现有的方案还没有达到足够的智能程度自动地完成这项任务。深度学习具有从复杂和不精确数据中推导数据的非凡能力，具有学习能力、强烈的自我组织能力，并可创建它们自己接收知识的方式。正因为如此，这项新的研究有望应用到地理领域的地形研究中。
责编：科普知识网