方法文章

可视化海洋学数据以描绘浮游植物的长期变化

DOI:

10.3791/65571

2023年7月28日

本文内容

勘误通知

Important: There has been an erratum issued for this article. View Erratum Notice

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文介绍了一种将浮游植物显微图像转化为矢量图形和重复图案的实验方案,以实现对过去60年间浮游植物类群组成和生物量变化的可视化展示。该方案也可应用于全球其他浮游生物长期时间序列及数据集的研究。

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

海洋学时间序列提供 生态系统中环境过程的一个重要视角。位于美国罗德岛州纳拉甘西特湾的纳拉甘西特湾长期浮游生物时间序列研究(NBPTS)是全球同类研究中持续时间最长的浮游生物时间序列之一(始于1959年,持续至今),为观察水生生态系统中的长期变化提供了独特的机会。浮游植物代表 海洋生态系统中食物网的基础,包括纳拉甘西特湾的食物网基础。因此,向生活在沿海海域的24亿人传达其重要性至关重要。我们制定了一项方案,旨在利用Adobe Illustrator将从NBPTS采集的浮游植物显微图像转化为矢量图形,并随时间将其构建成重复的视觉图案,以直观展示浮游植物的多样性与丰度。在数量上占优势或对经济和健康构成威胁的分类群,例如有害藻华藻类, 拟菱形藻 spp. 被选作图像转换的对象。随后,根据所选年代(20世纪70年代、90年代及2010年代)数据中各类浮游植物的相对丰度,生成了相应的浮游植物图像模式。每个年代浮游植物生物量的十年变化模式构成了各时期图像的轮廓,而从蓝色到红色的背景色渐变则揭示了纳拉甘西特湾长期观测到的温度上升趋势。最终,打印出尺寸为96英寸×34英寸的大幅面板,上面重复呈现浮游植物图案,以展示浮游植物丰度随时间推移可能发生的改变。该项目通过利用真实的时间序列数据,实现了对通常肉眼不可见的浮游植物生物量实际变化的可视化呈现。例如,浮游植物生物量和丰度)融入艺术作品本身。该方法可广泛应用于其他多种浮游生物时间序列数据的可视化、传播、教育及科普推广。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

浮游植物是初级生产者,构成了水生生态系统食物网的基础1,2。尽管浮游植物监测项目对于识别海洋生态系统的当前及未来变化至关重要,但其支持力度却在逐渐下降3。由于浮游植物世代周期相对较短且移动能力有限,它们对气候变化尤为敏感,因此成为时间序列监测中的重要工具。浮游植物时间序列对于基于生态系统的资源可用性管理 以及为偶发性事件(如海洋热浪)提供背景信息也具有重要意义4。短期时间序列(以年为单位)有助于理解浮游植物群落的演替过程和季节性动态(例如,参考文献5,6),而长期时间序列(如百慕大大西洋时间序列(BATS)和夏威夷海洋时间序列(HOTS)项目)则跨越 二十多年,能够揭示长期变化趋势7,8。此类研究说明了高分辨率浮游植物记录在全面理解动态海洋环境中长期生态系统变化方面的优势与重要性。此外,浮游植物本身无法被肉眼观察到,因此相较于鱼类和鲸类等体型较大且易于观察的生物,其变化的可视化与传播更难以被公众理解。计算机可视化技术为探索复杂数据集提供了手段9,且日益丰富的图形化工具也已广泛可得(例如,马里兰大学环境科学中心的整合与应用网络)。然而,目前大多数浮游植物生态学研究(包括本文引用的许多研究)仍仅以数据图表形式呈现结果,限制了其面向普通受众的可及性。鉴于浮游植物在多数海洋系统中处于食物网基础地位,向全球近24亿居住在沿海地区的人群传达其重要性至关重要10。本文中,我们开发了一项实验方案,旨在对浮游植物监测项目所采集的浮游植物多样性和丰度进行可视化呈现。

纳拉甘西特湾浮游植物时间序列(NBPTS)提供了长达60多年(1959年至今)的长期视角,用于研究在全球气候变化背景下浮游植物丰度、季节性和物候学(生活史)所受到的影响。纳拉甘西特湾(NBay)是一个沿海河口,与美国东北陆架和西北大西洋更广泛的生态系统相连,其生产力对美国沿海地区的渔业和人类活动具有重要意义11。NBay被认为是一个季节性极强的系统,该区域长期(1950–2015年)以来经历了水体变暖,同时营养物质发生变化,水体透明度也有所增加12,13。此外,由于人为导致的溶解无机氮减少,NBay上游的浮游植物生物量已出现下降,这在一定程度上归因于污水处理厂的升级改造12。浮游植物类群的组成也在发生变化,尤其是有害藻华(HABs)的发生。在美国西海岸上升流区域常见并引发广泛毒性藻华的Pseudo-nitzschia spp.,在2016年和2017年首次导致NBay历史上显著的贝类捕捞禁令 14,15,16。向不同受众传播这些变化对于提高科学素养以及促进对浮游植物监测研究的持续支持至关重要。

本项目旨在利用来自NBay的浮游植物显微图像以及NBPTS整合的数据,直观展示NBay中浮游植物类群和生物量正在发生的实际变化,从而向公众传达并增强对浮游植物重要性的认识。NBPTS提供了60多年公开的每周浮游植物数量和生物量数据,可供分析使用(https://web.uri.edu/gso/research/plankton/)。最终成果是一幅大型壁画,其浮游植物图案代表了艺术作品内部的时间序列数据(例如,浮游植物生物量和类群、温度)。该方法代表了一种可视化手段,可应用于全球其他多种浮游植物时间序列数据,并可适用于具有短期或季节性数据的监测项目。实施本方案的优势包括加强数据可视化、科学传播、教育以及与本地社区的互动。

访问受限。请登录或开始试用以查看此内容。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. 将浮游植物图像转换为矢量图形

  1. 从纳拉甘西特湾长期浮游生物时间序列(NBPTS)中选取浮游植物显微图像,格式为 .JPG、.PNG 或 .PDF 文件(图1A)。
    注:所涉分类群包括 Thalassiosira nordenskioeldii, Thalassionema nitzschioides, Tripos spp., Odontella aurita, Skeletonema 物种复合体, Chaetoceros diadema, Eucampia zodiacus, Dinophysis spp., Pseudo-nitzschia spp.。图像使用光学显微镜拍摄。
  2. 打开本研究中使用的特定矢量图形编辑软件或绘图软件(见材料表)。文中后续将矢量图形软件统称为绘图软件。
  3. 通过从计算机打开文件或将文件拖放到新工作区的方式,将 .JPG 或 .PNG 显微图像置入绘图软件工作区。
  4. 在下拉菜单中选择 视图 > 显示透明度网格,以显示棋盘格背景,该背景表示透明区域。
  5. 在下拉菜单中点击 窗口 > 图像描摹,打开图像描摹窗口。
  6. 在工具栏中点击选择工具(黑色箭头),然后点击浮游植物图像
  7. 在下拉菜单中点击 对象 > 扩展
  8. 在工具栏中使用直接选择工具(白色箭头)点击并选中图像背景部分,以删除浮游植物周围的背景区域。按删除键。
  9. 对图像的每个背景区域重复此操作。
  10. 点击 文件 > 导出,将文件保存为 .PNG 格式。确保勾选“背景透明”选项。
  11. 通过从计算机打开文件或将文件拖放到新工作区的方式,将已去除背景的 .PNG 显微图像置入绘图软件的新工作区。
  12. 在下拉菜单中点击 窗口 > 图像描摹,打开图像描摹窗口。
  13. 在图像描摹选项中,点击 预设 > 黑白 标志,并选择 模式 > 黑白
  14. 使用阈值以及高级选项(如路径、拐角和噪点)对图像进行优化。
  15. 在属性面板中选择 扩展,以将其矢量化。
  16. 选择 视图 > 显示透明度网格
  17. 点击矢量图像,右键单击并选择取消编组
  18. 在工具栏中选择直接选择工具(白色箭头),围绕仅包含空白区域的部分拖动绘制一个方框,然后按删除键将其移除。
  19. 重复操作,直至所有空白区域均被删除。
  20. 点击 文件 > 另存为,选择 .EPS 格式以保存为矢量图形。
  21. 对步骤 1.1 中的浮游植物分类群重复上述操作(图1B)。

2. 创建浮游植物图案

  1. 利用NBPTS数据集中的浮游植物计数数据,确定1970-1979年(1970年代)、1990-1999年(1990年代)和2010-2019年(2010年代)每个分类单元的平均丰度。
  2. 使用统计软件,通过点击或输入“mean() 和 sd()”来计算每个十年中每种浮游植物分类单元的平均值 ± 标准差。
  3. 单击或输入“aov()”以在统计软件程序中使用方差分析(ANOVA)来检验不同年代之间的显著性差异。
    注意:某些物种(例如, 特里波斯 sp.(复数:spp.) Chaetoceros diadema)在1990年代的样本量不足。此时,可在统计软件中点击或输入“t.test()”以比较1970年代与2010年代的平均丰度。
  4. 使用工具栏中的“画板工具”(方形),点击以创建新的画板 图层 在本研究使用的特定Illustrator的新工作区中。
  5. 创建三个相同尺寸的画板。在内部调整尺寸 特性 > 转化.
    注意:本项目中,浮游植物图像的画板尺寸为 1224 像素 × 545 像素。
  6. 将不同浮游植物分类群的 .EPS 文件拖放到三个画板上。
  7. 使用直接选择工具,根据不同的十年为浮游植物涂上相应的颜色 (白色箭头)在单个浮游植物周围绘制一个方框。
  8. 在“属性”中,选择 填充 然后从调色板中点击所需的颜色。按 进入 以填充载体。
  9. 使用选择工具 (黑色箭头)以突出特定的浮游植物,然后选择 编辑 > 复制并编辑 > 粘贴.
  10. 根据2.2节中确定的每个十年数据集中各类群的相对比例,定性地粘贴每个浮游植物向量图1C).
    注意:每个面板上浮游植物的丰度是对表1的定性表示。例如,如果某类浮游植物的丰度较高, 拟菱形藻 2010年代观察到的spp.比1990年代更多,然后进行复制 拟菱形藻 2010 年画板上的图形比 1990 年画板上的更多。
  11. 选择 对象 > 模式 > 制作 为每十年创建一个浮游植物颜色色样图谱。

3. 整合浮游植物生物量和温度数据

  1. 单击或输入“mean()”以计算平均叶绿素含量 a (chl a,作为浮游植物生物量的代用指标)在统计软件程序中按每十年的每周进行分析。
  2. 在统计软件程序中点击或输入“plot()”以绘制每周(自变量)平均十年生物量(因变量)的图形,然后点击 保存 将图表另存为 .JPG 或 .PNG 格式。
  3. 放置一张叶绿素的 .JPG 或 .PNG 图像 a 将十年生物量图表通过从计算机打开文件或拖放方式导入Illustrator工作区 将其移至新的工作区。
  4. 重复步骤 1.3 至 1.8,对三个 chl 分别进行载体化 a 季节性周期
    1. 前往 查看 > 显示透明度网格 以显示表示透明度的棋盘格背景。
    2. 点击 窗口 > 图像追踪 在下拉菜单中选择以打开图像追踪窗口。
    3. 单击选择工具 (黑色箭头)在工具栏中,然后单击图像。
    4. 点击 对象 > 扩展 在下拉菜单中。
    5. 使用直接选择工具 (白色箭头)在工具栏中点击并选择图像的背景部分,以去除围绕指示季节周期线条的区域。按下 删除对图中的每个背景区域重复上述步骤。
    6. 点击 文件 > 导出 将文件另存为.PNG格式,并确保勾选“背景透明”选项。
    7. 将去除背景的 PNG 图像文件通过从计算机打开或拖放至工作区的方式,置入所用 Illustrator 软件的新工作区中。
    8. 点击 窗口 > 图像追踪 在下拉菜单中选择以打开图像追踪窗口。
    9. 在“属性”中,选择 展开 进行向量化处理。
    10. 选择 查看 > 显示透明度网格.
    11. 点击 矢量图像 然后右键单击并选择 取消组合.
    12. 选择工具栏中的直接选择工具(白色箭头)。仅围绕空白区域拖动并绘制一个方框。按下 删除 以去除。
    13. 重复操作,直至去除1970年代、1990年代和2010年代各条线中的所有空白字符。
    14. 点击 文件 > 另存为 并选择 .EPS 格式,将每条线保存为独立的矢量图形。
  5. 使用工具栏中的“画板工具”(方形),在新的 Illustrator 工作区中点击并拖动以创建一个新的画板。
  6. 创建三个相同尺寸的画板。在内部调整尺寸 特性 > 转化.
    注意:本项目中,尺寸为 1224 像素 × 3456 像素。
  7. 拖放其中一个 chl a 将 .EPS 文件分别放置到三个画板中的一个。
  8. 单击“便签图标”创建一个新图层。
  9. 使用工具栏中的矩形工具,在新图层中创建一个矩形。
  10. 使用工具栏中的渐变工具,用浅蓝色渐变填充矩形。
  11. 复制矢量趋势线并将其添加到包含矩形的图层中。
  12. 使用工具栏中的“线段”工具,在趋势线上创建一个相连的方框。按住 Shift 键可使线条保持笔直并对齐。
  13. 按住控制键并选择该图层内的所有组件,包括线条、矩形和趋势线。
  14. 选择 对象 > 剪贴蒙版 > 制备这将移除该形状的顶部填充。
  15. 使用 2.11 中保存为色板的浮游植物图案填充该形状。
  16. 对每十年重复此过程。
  17. 重复步骤 3.9 & 3.10,创建一个矩形,使用从红色到蓝色的渐变色填充,以表示三个十年时间段面板中水温升高的变化。
  18. 右键单击该对象,将其移回浮游植物图案的后方。

4. 为浮游植物图谱添加细节

  1. 为了将拍摄的浮游植物图像添加到浮游植物图案上,请选择打开,然后点击图像文件,在本例所使用的Illustrator中打开该文件。
  2. 使用工具栏中的椭圆工具创建一个圆形,并将其覆盖在浮游植物图像之上。
  3. 按住Shift键以同时选中图形和图像,然后在菜单中点击对象 > 剪切蒙版 > 建立,以用图像填充该图形。
  4. 对选定的浮游植物图像重复此操作,并将其分布于三个年代图板上,使其呈现出放大镜逐步放大观察浮游植物示意图的效果(图1D)。
    注意:可重复步骤1.3至1.8,向图板中添加船只和鸟类等艺术元素,使叶绿素a的季节性周期图看起来如同海洋波浪。
  5. 使用工具栏中的“矩形工具”在每个年代图板上创建一个文本框。
  6. 使用“文字工具”(T)点击并输入有关每个年代的信息性文字。在每个年代图板的顶部添加该年代的名称,并在三个图板的底部分别添加对应季节的名称。
  7. 在Illustrator中保存工作区。

5. 菌膜生成

  1. 导入保存的 Illustrator 文件,并选择仅导入三个已完成的十年图稿。全选后,将其导出为 .PDF 文件。
  2. 使用大幅面绘图仪打开浮游生物图案的 .PDF 文件,将三个十年的画板缩放为 96 英寸 × 34 英寸的面板。
  3. 在厚质 Matter 纸上打印面板,并使用悬挂硬件进行安装。

访问受限。请登录或开始试用以查看此内容。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

结果显示,自1970年代至1990年代再到2010年代,浮游植物生物量呈下降趋势(图1)。所有年代均表现出叶绿素a(chl a)浓度的双峰分布特征,第一个峰值出现在冬季,第二个峰值出现在夏季。1970年代冬季的平均chl a浓度高于夏季;相反,1990年代冬季的chl a浓度低于夏季;而2010年代则再次表现为冬季的平均chl a浓度高于夏季。这些结果在最终产品中通过各图示面板中不同的chl a峰值以及用于突出chl a数据集不同组成部分的文本框得以体现(图2)。

对纳拉甘西特湾具有生态学意义的浮游植物类群的分析显示,其丰度随时间变化范围广泛。这种变异性常常掩盖了三个十年间各分类单元之间在统计学上的显著差异,尽管有害藻华(HAB)类群Dinophysis spp. 和 Tripos spp.(此前称为 <...

访问受限。请登录或开始试用以查看此内容。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

该实验方案的关键步骤包括获取浮游植物的显微图像,并将其转换为矢量图形。将肉眼难以察觉的浮游植物图像放大至壁画上无需借助放大镜即可清晰观察的程度,有助于让观众直观感受到这些生物的存在。为了使该壁画不仅是一件艺术作品,同时也成为一种数据可视化方法,将实际观测数据融入项目中至关重要。以浮游植物壁画为例,按十年为单位平均计算的叶绿素a(chl a)年变化周期即代表真实数据,展示了不同画板上 chl a 浓度随年代推移而下降的趋势。对于浮游植物丰度而言,特定分类单元的平均浓度在不同年代之间存在差异,因此在某一特定年代中观测到较高丰度的分类单元,其对应的矢量图形在该年代画板上的复制数量会多于丰度较低年代的画板。利用观测数据指导艺术元素的设计,例如使用从蓝色到红色的渐变色彩来表示温度上升,也有助于科学数据的可视化呈现。

该方法的改进可能包括从开放获取的图像数据库中获取浮游植物的显微图像,以及使用除显微镜之外的其他浮游植物成像系统进行摄影成像(例如 Imaging Flow-Cytobot)。此外,显微图像和科学数据可采用日尺度的浮游植物计数与...

访问受限。请登录或开始试用以查看此内容。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者声明无利益冲突。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究由美国国家科学基金会(OIA-1655221,OCE-1655686)和罗德岛海洋拨款项目(NA22-OAR4170123,RISG22-R/2223-95-5-U)提供资助。我们感谢多位船长提供的野外协助,以及自1970年以来参与数据采集的众多学生和研究人员。我们感谢Stewart Copeland和Georgia Rhodes开发了Vis-A-Thon项目,该项目创作了浮游生物壁画;同时感谢罗德岛设计学院的Rafael Attias在项目开发过程中提供的艺术指导。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
Adobe IllustratorAdobe版本 23.0.6免费替代软件包括:Inkscape、GIMP、Vectr、Vectornator
Eclipse E800NikonECLIPSE Ni/Ci 直立显微镜现已被 Eclipse Ni-U 取代
爱普生大幅面打印机EpsonSCT5475SR
重磅哑光纸EpsonS041596
RStudioRstudio, PBC版本 2022.07.1任何统计分析软件均可满足需求

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Cloern, J. E., Jassby, A. D. Complex seasonal patterns of primary producers at the land-sea interface. Ecology Letters. 11 (12), 1294-1303 (2008).
  2. Cloern, J. E., Jassby, A. D. Patterns and Scales of Phytoplankton Variability in Estuarine-Coastal Ecosystems. Estuaries and Coasts. 33 (2), 230-241 (2010).
  3. Hays, G. C., Richardson, A. J., Robinson, C. Climate change and marine plankton. Trends in Ecology & Evolution. 20 (6), 337-344 (2005).
  4. Harvey, C. J., et al. The importance of long-term ecological time series for integrated ecosystem assessment and ecosystem-based management. Progress in Oceanography. 188, 102418(2020).
  5. Leeuwe, M. A., et al. Annual patterns in phytoplankton phenology in Antarctic coastal waters explained by environmental drivers. Limnology and Oceanography. 65 (7), 1651-1668 (2020).
  6. Hunter-Cevera, K. R., et al. Physiological and ecological drivers of early spring blooms of a coastal phytoplankter. Science. 354 (6310), 326-329 (2016).
  7. Church, M. J., Lomas, M. W., Muller-Karger, F. Sea change: Charting the course for biogeochemical ocean time-series research in a new millennium. Deep Sea Research Part II: Topical Studies in Oceanography. 93, 2-15 (2013).
  8. Bates, N. R., Johnson, R. J. Acceleration of ocean warming, salinification, deoxygenation and acidification in the surface subtropical North Atlantic Ocean. Communications Earth & Environment. 1 (1), 33(2020).
  9. Wolanski, E., Spagnol, S., Gentien, P., Spaulding, M., Prandle, D. Visualization in Marine Science. Estuarine, Coastal and Shelf Science. 50 (1), 7-9 (2000).
  10. United Nations. Factsheet: People and Oceans (2017). , The Ocean Conference. New York. https://www.un.org/sustainabledevelopment/wp-content/uploads/2017/05/Ocean-fact-sheet-package.pdf (2017).
  11. Oviatt, C. A. The changing ecology of temperate coastal waters during a warming trend. Estuaries. 27 (6), 895-904 (2004).
  12. Oviatt, C., et al. Managed nutrient reduction impacts on nutrient concentrations, water clarity, primary production, and hypoxia in a north temperate estuary. Estuarine, Coastal and Shelf Science. 199, 25-34 (2017).
  13. Fulweiler, R. W., Oczkowski, A. J., Miller, K. M., Oviatt, C. A., Pilson, M. E. Q. Whole truths vs. half truths - And a search for clarity in long-term water temperature records. Estuarine, Coastal and Shelf Science. 157, A1-A6 (2015).
  14. Trainer, V. L., et al. Pseudo-nitzschia physiological ecology, phylogeny, toxicity, monitoring and impacts on ecosystem health. Harmful Algae. 14, 271-300 (2012).
  15. Sterling, A. R., et al. Emerging harmful algal blooms caused by distinct seasonal assemblages of a toxic diatom. Limnology and Oceanography. 67 (11), 2341-2359 (2022).
  16. Roche, K. M., Sterling, A. R., Rynearson, T. A., Bertin, M. J., Jenkins, B. D. A Decade of Time Series Sampling Reveals Thermal Variation and Shifts in Pseudo-nitzschia Species Composition That Contribute to Harmful Algal Blooms in an Eastern US Estuary. Frontiers in Marine Science. 9, 889840(2022).
  17. Li, Qi Data visualization as creative art practice. Visual Communication. 17 (3), 299-2222312 (2018).
  18. Cloern, J. E., et al. Projected Evolution of California's San Francisco Bay-Delta-River System in a Century of Climate Change. PLoS ONE. 6 (9), e24465(2011).
  19. Bashevkin, S. M., et al. Five decades (1972-2020) of zooplankton monitoring in the upper San Francisco Estuary. PLOS ONE. 17 (3), e0265402(2022).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

勘误

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Formal Correction: Erratum: Visualizing Oceanographic Data to Depict Long-term Changes in Phytoplankton
Posted by JoVE Editors on 1/01/1970. Citeable Link.

An erratum was issued for: Visualizing Oceanographic Data to Depict Long-term Changes in Phytoplankton. The Authors section was updated from:

Patricia S. Thibodeau1
Jongsun Kim2
1Graduate School of Oceanography, University of Rhode Island
2School of Earth, Environmental and Marine Sciences, The University of Texas - Rio Grande Valley

to:

Patricia S. Thibodeau1
Jongsun Kim2
1School of Marine and Environmental Programs, University of New England
2School of Earth, Environmental and Marine Sciences, The University of Texas - Rio Grande Valley

标签

a

相关文章