2009年7月的一個酷熱的日子裡，一支由四輪驅動汽車組成的車隊行駛在懷俄明州西南部大分水嶺盆地一條隱約可見的雙軌土路上。探險隊的目的是前往被稱為鹽聖賢窪地的地區，尋找埋藏的寶藏：可以追溯到5500萬至5000萬年前的化石，即始新世初期，當時許多現代哺乳動物目的祖先開始取代早期古新世時期存在的更古老的哺乳動物。我們中的一位（Anemone）自1994年以來一直帶領人類學家、古生物學家和地質學家的野外考察隊前往該盆地，多年來，鹽聖賢窪地已被證明是一個富有成果的狩獵場，在幾個地點都發現了化石。然而，這一次我卻找不到這個地點。我突然意識到，我們現在走的這條路並不是我們前幾年走的那條路。我的錯誤最終將被證明是非常幸運的。
當車轍開始在蒿屬植物和高草叢中消失時，我停下了車隊，走了一段路，看看我是否能看到前方的路。繞過一個小山丘，我注意到遠處有一大片砂岩層，而那條難以捉摸的路就在它旁邊。由於大分水嶺盆地和美國西部許多其他沉積盆地的砂岩中經常蘊藏著化石，我決定在我們繼續前往鹽聖賢窪地之前，花一些時間搜尋這些沉積物。在用手和膝蓋系統地掃描岩石大約一個小時後，我當時的研究生蒂姆·赫爾德和賈斯汀·吉什大喊，他們發現了幾塊不錯的哺乳動物下頜骨。我急切地加入了他們。帶有牙齒的化石下頜骨非常珍貴，因為它們包含足夠的資訊來識別它們來自哪種動物，即使在沒有骨骼其他部分的情況下也是如此，而且因為它們揭示了動物吃什麼。
接下來發生的事情只能用每個古生物學家的夢想來形容。我的學生們發現了一個化石“熱點”。但這並不是一個普通的“熱點”，只有少數下頜骨或幾十顆牙齒和骨頭從砂岩中侵蝕出來。相反，他們發現了一個非凡的寶藏，我們現在已經從中收集了近500塊儲存完好的下頜骨和數千顆牙齒和骨頭，這些牙齒和骨頭來自大約5000萬年前生活在這裡的20多種不同的化石哺乳動物物種。我們稱這個地點為“蒂姆的懺悔”，今天它不僅仍然是我們在大分水嶺盆地最好的地點，也是整個美國西部早期始新世哺乳動物最豐富的寶藏之一。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
我的團隊絕不是第一個或多或少偶然地做出重大化石發現的團隊。古生物學的歷史充斥著這樣的意外發現的故事。事實上，脊椎動物古生物學家試圖找到高產化石地點的途徑自我們科學的早期以來並沒有太大變化。就像我們這個領域的19世紀先驅一樣，我們使用地質和地形證據來確定我們可能最有機會找到從古代沉積物中侵蝕出來的化石的地方。但除此之外，我們是否能有所收穫仍然在很大程度上取決於運氣，而且尋找化石的艱苦工作往往得不到回報。
我們在蒂姆的懺悔處的經歷讓我開始思考，是否有一種更好的方法來確定我的野外考察隊應該在哪裡花費精力尋找新的化石地點。我們知道我們感興趣的化石出現在可以追溯到5500萬至5000萬年前的砂岩中，並且我們知道盆地中的一些沉積層暴露在哪裡，因此適合勘探。但是，儘管這些資訊在一定程度上縮小了我們的搜尋範圍，但仍然留下了數千平方公里的地面需要覆蓋，並且有很多空手而歸的機會。
然後有一天晚上在營地裡，一個想法開始萌芽。在野外，遠離最近的光汙染源數公里，我們經常注意到衛星從頭頂飛過。我想知道我們是否可以將我們對大分水嶺盆地當地地質、地形和古生物學的專家知識與衛星對整個10,000平方公里區域的視野結合起來，本質上是繪製其可能的化石熱點圖。也許衛星可以“看到”肉眼看不見的地貌特徵，這些特徵可以幫助我們找到更多的砂岩露頭，並將那些含有可獲取化石的砂岩露頭與那些不含有的砂岩露頭區分開來。
天眼
當然，其他古生物學家也推測過衛星影像是否可以提高我們在野外尋找化石的能力。作為靈長類動物和人類進化化石記錄的專家，我知道在20世紀90年代，裂谷研究服務處的伯哈內·阿斯法烏和他的同事們使用此類影像來識別衣索比亞可能產生人類祖先化石的岩石露頭。大約在同一時間，丹佛自然與科學博物館的理查德·斯塔基證明，根據對該地區衛星影像的分析，懷俄明州中部富含化石的風河盆地中不同的岩石單元可以被區分和繪製出來。這兩個專案都涉及古生物學家和來自美國國家航空航天局的遙感專家之間的合作，並證明了這種跨學科努力的價值。但我想知道是否有一種方法可以從衛星影像中提取更多資訊，從而更好地集中我們的搜尋。
我轉向一位地理學家，也就是本文的另一位作者（艾默生），我們兩人很快就勾畫出一個計劃。我們將從陸地衛星7號及其所謂的增強型專題製圖儀Plus感測器獲取盆地的免費影像，該感測器探測從地球表面反射或發射的輻射，波長跨越電磁頻譜——從藍色到紅外線——並將其表示為八個離散的光譜帶。這些波段可以用來區分土壤和植被，例如，或繪製礦藏圖。然後，我們將開發一種方法，使我們能夠根據衛星影像表徵大分水嶺盆地已知高產化石地點的輻射剖面，並檢視它們是否共享一個明顯的頻譜特徵。如果是這樣，我們可以從我們的計算機上搜索整個大分水嶺盆地，以定位共享此頻譜特徵的新地點，從而有很高的機率蘊藏化石。然後，我們可以親自訪問這些地點（以及具有不同頻譜特徵的地點），並徹底搜尋化石以測試該模型。
確定我們已知的化石地點是否共享獨特的光譜特徵並非易事，因為對於每個地點，我們都必須評估陸地衛星資料提供的電磁頻譜六個波段中值的組合。我們的問題本質上是在多個維度上的模式識別問題，這是人類不擅長但計算機擅長的事情。因此，我們招募了一個所謂的 искусственный 神經網路——一種能夠學習複雜模式的計算模型。
我們的人工神經網路顯示，盆地已知的化石地點確實共享一個頻譜特徵，並且它能夠輕鬆地區分這些砂岩地點與其他型別的地面覆蓋物，例如溼地和沙丘。但該模型有其侷限性。神經網路本質上是分析“黑匣子”，這意味著它們可以區分模式，但它們不會揭示使不同模式能夠區分的實際因素。因此，儘管我們的人工神經網路可以輕鬆準確地區分化石地點與溼地或沙丘，但它無法告訴我們不同地面覆蓋物的光譜特徵在陸地衛星資料的六個波段中實際有何不同——這些資訊可能有助於我們進行更有針對性的搜尋。神經網路方法的另一個侷限性在於，它完全基於對單個畫素的分析。問題在於，單個陸地衛星畫素的面積為225平方米，不一定對應於化石地點的尺寸：有些地點大於單個畫素；有些地點小於單個畫素。因此，神經網路對潛在化石地點（或某種型別的地面覆蓋物，就此而言）的位置和範圍的預測並不總是與現實相符。
為了克服這些限制，我們需要能夠分析多個相鄰且光譜相似的畫素，並統計描述整個區域（無論是化石地點還是森林）的獨特光譜特徵。我們轉向一種稱為地理物件影像分析的技術，以及商業上可用的高解析度衛星影像，其中單個畫素的直徑小於一米。與人工神經網路不同，這種方法允許將衛星影像分割成影像物件——即光譜同質畫素組——然後可以透過統計引數（如平均或中值亮度或紋理）來表徵這些影像物件。這些影像物件更接近地面上的興趣點，例如化石地點或成片森林。使用這種影像分析技術，我們能夠開發出一組獨立的關於在哪裡尋找化石的預測。
真相時刻
我們的預測模型都生成了大分水嶺盆地的地圖，這些地圖精確地標出了未開發的區域，這些區域的光譜特徵與已知地點的光譜特徵最相似。儘管這些模型在預測中表現出很大程度的重疊，但在某些情況下也存在分歧。我們選擇關注那些兩個模型都確定為高優先順序潛在地點的地點。手持地圖，我們在2012年和2013年的夏季前往懷俄明州，看看我們的模型是否會將我們引向大分水嶺盆地的新化石寶藏。令人欣慰的是，它們確實做到了。
事實證明，人工神經網路模型在識別砂岩沉積物方面非常有效，這些沉積物幾乎總是值得探索的，因為該盆地中的許多砂岩沉積物都含有脊椎動物化石。2012年7月，它引導我們到達的第一個砂岩產出了十幾個典型的始新世哺乳動物化石，包括五趾馬始祖馬、早期靈長類動物坎提烏斯和幾種屬於已滅絕的有蹄哺乳動物群體的動物，這些動物被稱為踝節目。神經網路還引導我們到達了幾個地點，這些地點產出了水生脊椎動物化石，包括魚類、鱷魚和海龜。
我們的地理物件影像分析模型也帶我們去了新的地點。在最初的緩慢起步之後，模型指向我們的前三四個地點都沒有發現化石，我們搬到了大分水嶺盆地的北部，靠近一個叫做貨運通道的地方，進行為期一週的密集“地面驗證”我們的新技術。研究生布萊恩·博默斯巴赫在前一週帶領我們長途跋涉到一個完全沒有化石的地方（我們稱之為“布萊恩的愚蠢之舉”），他在根據模型的預測選擇要調查的區域方面發揮了主導作用。幾乎立即，我們開始在許多這些地點發現骨骼。我們在景觀上31個獨立的地點搜尋了遺骸，我們的模型表明這些地點的光譜與已知地點相似，並在其中25個地點發現了脊椎動物化石，這比在沒有預測地圖的幫助下進行調查時通常的成功率要高得多。哺乳動物化石從其中10個地點出土，其中一個地點可以追溯到古新世的最後一部分——這是一個極其罕見的發現。
我們完全有理由相信，類似於我們開發的預測模型將在大分水嶺盆地以外的地區發揮作用。事實上，它們應該在世界上幾乎任何地方都有效。從理論上講，只要擁有相關區域的衛星影像和少量已知的化石地點來訓練模型，就可以生成自定義地圖，顯示該區域中可能包含感興趣化石的地點。
為了保守地測試這種方法，我們使用了我們為大分水嶺盆地開發的神經網路來預測附近的野牛盆地中含化石沉積物的位置，眾所周知，野牛盆地蘊藏著古新世哺乳動物化石。（我們沒有專門使用來自野牛盆地的化石地點來訓練模型，因為它包含與大分水嶺盆地相同型別的化石沉積物。）令人鼓舞的是，我們的人工神經網路預測了野牛盆地已知的三個最高產的化石地點。因此，一個首次使用我們的預測模型探索這個廣闊區域的野外考察隊，比一個使用傳統調查方法的考察隊更有可能發現這些地點。
我們在2012年和2013年在懷俄明州的試執行表明，衛星影像與地理空間預測模型的結合大大提高了我們野外工作的效率，幫助我們在更短的時間內找到更多的化石。但我們還有更多的工作要做。我們現在專注於改進我們的模型，以更好地表徵和區分高產地點的光譜特徵。我們還在研究如何對我們的預測模型施加更多約束，以限制我們生成的地圖中的誤報結果數量，從而提高我們確定最高優先順序調查區域的能力。
我們深信，藉助這些工具，我們可以將未來的古生物勘探置於更安全和科學的基礎上，並減少意外發現對尋找重要化石的作用。實現這一目標是非常值得付出的努力。拼湊地球上生命的起源和演化是一項非常有趣和重要的事業，不容聽天由命。我們不能再等15年才找到下一個“蒂姆的懺悔”了。