Onderzoekers zijn erin geslaagd de exacte locatie van een ‘verse’ meteoriet te bepalen met drones en algoritmen. Dat scheelt veel wandelwerk.

Op 1 april 2021 spotten onderzoekscamera’s in Australië een vuurbal aan de avondhemel. Hoewel de kleine, 70 gram wegende meteoriet die op aarde insloeg, de bijzonderste niet is, is de manier waarop de onderzoekers de ruimtekei vonden dat wel. Ze spoorden het kleine brokstuk op met de hulp van drones en machine learning-algoritmen. Het is de eerste keer dat dat lukt, zo schrijft het team.

Lees ook:

• Ontstaan organische stof Marsmeteoriet ‘heeft niks met leven te maken’
• ‘Planeetsplinters’ vormden planetoïden en meteorieten

Ruimtesteen

Meteorieten zijn stukken gesteente die zich vanaf hun moederplanetoïde of andere aardachtig hemellichaam, een weg door onze dampkring naar het aardoppervlak hebben gevonden. De hompen ruimtemateriaal bieden een kijkje in ons (vroege) zonnestelsel. Geen wonder dus dat ondanks te toenemende hoeveelheid onderzochte meteorieten, wetenschappers nog altijd staan te springen de brokstukken te analyseren.

Overal ter wereld speuren hightech camera’s de hemel af naar aanwijzingen voor mogelijke meteorietinslagen. Maar wanneer die zien dat er ruimtemateriaal in een vuurbal door de dampkring suist, hoe vindt je zo’n ‘verse’ meteoriet dan?

Speurtocht

In een nieuw onderzoek schrijft het team dat men in het verleden ‘handmatig’ het geschatte inslaggebied uitkamde. Een te arbeidsintensieve methode, stellen de Australische onderzoekers. En, belangrijker nog, een niet zo betrouwbare. Omdat de regio vaak te groot is om in één trip uit pluizen, werden veel meteorieten niet gevonden. Het inzetten van drones en machine learning-algoritmen belooft die speurtocht eenvoudiger en succesvoller maken.

Dat wisten de onderzoekers achter de nieuwe studie voor het eerst succesvol klaar te spelen. Twee van de DFN-observatoria (voor Desert Fireball Network) op de Australische Nullarborvlakte, spotten de korte maar vurige tocht van de meteoriet richting het aardoppervlak. Aan de hand van die metingen werd onder meer geschat dat het ruimteklompje in een regio van 5,1 km² gevallen moest zijn.  

Meteoriet, of niet?

Autonome drones brachten dit gebied vanuit de lucht in beeld. Machine learning-algoritmen scoorden het gebied, opgedeeld in blokjes (125 x 125 pixels), vervolgens tussen 0 (geen meteoriet) en 1 (meteoriet). Om tot die scores te komen, trainden de onderzoekers de algoritmen met pakweg 100.000 van die blokjes met eerder gekiekte meteorieten en meer dan een miljoen zonder.

In de eerste selectieronde werden alle tiles met een waarde lager dan 0,7 weggestreept. Na een extra dronebezoek aan de interessants ‘meteorietkandidaten’, bleven er uiteindelijk vier locaties over. Die bezochten de onderzoekers persoonlijk; en jawel, op een van die locaties troffen ze de meteoriet, die klein genoeg is om in je hand te passen, aan.

Speuren naar afwijkingen

Hoewel de onderzoekers erin slaagden voor het eerst met drones en machine learning-algoritmen een meteoriet op te sporen, erkennen ze dat het algoritme niet uitsluitend naar meteorieten, maar naar afwijkingen speurt. Zo identificeerde het systeem ook ‘bijzonderheden’ zoals blikjes, flessen, slangen en zelfs kangoeroes als ‘mogelijke meteoriet’.

Zodoende ziet het team hun onderzoek niet alleen als veelbelovend voor meteorietliefhebbers. Met de juiste training zou het algoritme ook elders ingezet kunnen worden, zoals voor de monitoring van wild of zoekacties.

Bronnen: arxiv.org, Denis Vida/Twitter

Beeld: Anderson et al., 2022/arXiv.org

Ben je geïnteresseerd in de wereld van wetenschap & technologie en wil je hier graag meer over lezen? Word dan lid van KIJK!