Waiting
Login-Verarbeitung ...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Environment
Click here for the English version

Environment

Visualisere oseanografiske data for å skildre langsiktige endringer i planteplankton

Published: July 28, 2023 doi: 10.3791/65571
Automatic Translation
1, 2
1Graduate School of Oceanography, University of Rhode Island, 2School of Earth, Environmental and Marine Sciences, The University of Texas - Rio Grande Valley

Summary

Her presenterer vi en protokoll for konvertering av planteplanktonmikroskopiske bilder til vektorgrafikk og repeterende mønstre for å muliggjøre visualisering av skift i planteplankton taxa og biomasse over 60 år. Denne protokollen representerer en tilnærming som kan benyttes for andre planktontidsserier og datasett globalt.

Abstract

Oseanografiske tidsserier gir et viktig perspektiv på miljøprosesser i økosystemer. Narragansett Bay Long-Term Plankton Time Series (NBPTS) i Narragansett Bay, Rhode Island, USA, representerer en av de lengste planktontidsseriene (1959-nåtid) av sitt slag i verden og presenterer en unik mulighet til å visualisere langsiktig endring i et akvatisk økosystem. Planteplankton representerer grunnlaget for næringskjeden i de fleste marine systemer, inkludert Narragansett Bay. Derfor er det viktig å kommunisere sin betydning for de 2,4 milliarder menneskene som bor i kysthavet. Vi utviklet en protokoll med mål om å visualisere mangfoldet og størrelsen på planteplankton ved å bruke Adobe Illustrator til å konvertere mikroskopiske bilder av fytoplankton samlet fra NBPTS til vektorgrafikk som kunne formes til repeterende visuelle mønstre gjennom tiden. Numerisk rikelig taxa eller de som utgjorde økonomiske og helsemessige trusler, som den skadelige algeoppblomstringstaxaen, Pseudo-nitzschia spp., ble valgt for bildekonvertering. Mønstre av ulike planteplanktonbilder ble deretter opprettet basert på deres relative overflod for utvalgte tiår med data samlet inn (1970-, 1990- og 2010-tallet). Dekadale mønstre av fytoplanktonbiomasse informerte omrisset av hvert tiår, mens en bakgrunnsfargegradient fra blå til rød ble brukt til å avsløre en langsiktig temperaturøkning observert i Narragansett Bay. Til slutt ble store, 96-tommers med 34-tommers paneler trykt med gjentatte fytoplanktonmønstre for å illustrere potensielle endringer i fytoplanktonoverflod over tid. Dette prosjektet muliggjør visualisering av bokstavelige skift i fytoplanktonbiomasse, som vanligvis er usynlige for det blotte øye, mens man utnytter sanntids seriedata (f.eks. Fytoplanktonbiomasse og overflod) i selve kunstverket. Det representerer en tilnærming som kan brukes til mange andre planktontidsserier for datavisualisering, kommunikasjon, utdanning og oppsøkende innsats.

Introduction

Planteplankton er primærprodusenter som representerer grunnlaget for næringskjeden på tvers av akvatiske økosystemer 1,2. Mens overvåkingsprogrammer for planteplankton er nøkkelen til å identifisere nåværende og fremtidige endringer i marine økosystemer, avtar støtten over tid 3. På grunn av deres relativt korte generasjonstid og begrensede mobilitet er planteplankton spesielt mottakelige for klimaendringer, noe som gjør dem til et viktig verktøy i tidsserieovervåking. Tidsserier for planteplankton er også viktige for å informere økosystembasert forvaltning av ressurstilgjengelighet og gi kontekst for episodiske hendelser, som marine hetebølger4. Kortsiktige tidsserier gir innsikt i fytoplanktonsamfunnets suksesjon og sesongdynamikk (f.eks. ref.5,6), mens langsiktige tidsserier, som Bermuda Atlantic Time Series (BATS) og Hawaii Ocean Times Series (HOTS) Programs, spenner over mer enn to tiår og gjør det mulig å oppdage langsiktige trender 7,8. Slike studier illustrerer fordelen og betydningen av en svært løst planteplanktonrekord for en fullstendig forståelse av langsiktige økosystemendringer i dynamiske marine miljøer. Videre er visualisering og formidling av disse endringene i planteplankton, som ikke kan ses med det blotte øye, vanskeligere å forstå enn for organismer som er store og lett synlige, som fisk og hval. Datavisualiseringer tilbyr en teknikk for å utforske komplekse datasett9 og forbedret illustrativ grafikk blir lett tilgjengelig (f.eks. Integrasjon og applikasjonsnettverk, University of Maryland Center for Environmental Science). Imidlertid presenterer de fleste studier i fytoplanktonøkologi, inkludert mange referert her, fortsatt bare resultater som datagrafer som reduserer tilgjengeligheten til allmennheten. Gitt at planteplankton representerer grunnlaget for næringskjeden i de fleste marine systemer, erdet kritisk å kommunisere deres betydning til de nesten 2.4 milliarder menneskene som bor i kysthavet. Her utviklet vi en protokoll med mål om å visualisere mangfoldet og størrelsen på planteplankton, som samlet inn av et planteplanktonovervåkingsprogram.

Narragansett Bay Plankton Time Series (NBPTS) gir et langsiktig 60+ års (1959-nåtid) perspektiv på effekten av global endring i en klimakontekst på fytoplanktonoverflod, sesongmessighet og fenologi (livshistorie). Narragansett Bay (NBay) er en kystelvemunning knyttet til de bredere systemene på USAs nordøstsokkel og Nordvest-Atlanteren, hvis produksjon har viktige implikasjoner for fiskeri og menneskelig bruk langs kysten av USA11. NBay regnes som et svært sesongmessig system som opplever langsiktig (1950-2015) oppvarming av vannet i regionen, samt skift i næringsstoffer og en økning i vannklarhet12,13. I tillegg har det vært en nedgang i planteplanktonbiomasse i øvre NBay relatert til menneskeskapt nedgang i oppløst uorganisk nitrogen, noe som delvis skyldes oppgraderinger i renseanlegg12. Endringer i planteplankton taxa, spesielt skadelige algeoppblomstringer (HAB), forekommer også i NBay. Pseudo-nitzschia spp., som produserer gjennomgripende giftige oppblomstringer i oppstrømningsregioner langs USAs vestkyst, førte til bemerkelsesverdige skalldyrnedleggelser for første gang i NBays historie i 2016 og 2017 14,15,16. Å kommunisere disse endringene til ulike målgrupper er viktig for å øke vitenskapelig leseferdighet og for å fremme fortsatt støtte til studier av planteplanktonovervåking.

Målet med dette prosjektet var å utnytte mikroskopiske bilder av fytoplankton fra NBay, samt data syntetisert fra NBPTS, for å visualisere de bokstavelige skiftene i fytoplankton taxa og biomasse som forekommer i NBay for å kommunisere og øke betydningen av fytoplankton til allmennheten. NBPTS gir 60+ år med offentlig tilgjengelige ukentlige fytoplanktontellinger og biomasse for å utnytte data fra (https://web.uri.edu/gso/research/plankton/). Det endelige produktet var et stort veggmaleri av planktonmønstre som var representative for tidsseriedataene (f.eks. planteplanktonbiomasse og taxa, temperatur) i selve kunstverket. Denne tilnærmingen representerer en visualiseringsmetode som kan brukes for mange andre planktontidsserier over hele verden, og kan tilpasses for overvåkingsprogrammer med kortsiktige, sesongmessige data også. Fordelene ved å implementere denne protokollen inkluderer økt innsats innen datavisualisering, vitenskapelig kommunikasjon, utdanning og engasjement med lokalsamfunn.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Konvertering av planteplanktonbilder til vektorgrafikk

  1. Velg planteplanktonmikroskopiske bilder tatt fra Narragansett Bay Long Term Plankton Time Series (NBPTS) som enten .JPG-, .PNG- eller .PDF-filer (figur 1A).
    MERK: Taxa inkluderer Thalassiosira nordenskioeldii, Thalassionema nitzschioides, Tripos spp., Odontella aurita, Skeletonema arter kompleks, Chaetoceros diadema, Eucampia zodiacus, Dinophysis spp., og Pseudo-nitzschia spp. Bildene ble tatt med et lysmikroskop.
  2. Åpne spesifikk programvare vektorgrafikkredigerer eller illustratøren som brukes til denne studien (se Materialfortegnelse). Vector grafisk programvare har blitt nevnt som illustratør videre i manuskriptet.
  3. Plasser et .JPG eller .PNG mikroskopisk bilde i Illustrator-arbeidsområdet ved å åpne en fil fra datamaskinen, eller dra og slippe den i et nytt arbeidsområde.
  4. Gå til Vis > Vis gjennomsiktighetsrutenett for å vise sjakkbrettbakgrunnen som indikerer gjennomsiktighet.
  5. Klikk på Window > Image Trace i rullegardinmenyen for å åpne Image Trace-vinduet.
  6. Klikk på markeringsverktøyet (svart pil) i verktøylinjen og klikk på planteplanktonbildet.
  7. Klikk på Objekt > Utvid i rullegardinmenyen.
  8. Bruk segmentmarkøren (hvit pil) på verktøylinjen for å klikke og markere bakgrunnsdelene av bildet for å bli kvitt planteplanktonet. Trykk på slett.
  9. Gjenta for hvert bakgrunnsområde i bildet.
  10. Klikk på File > Export for å lagre filen som .PNG fil. Kontroller at boksen Gjennomsiktig bakgrunn er valgt.
  11. Plasser .PNG mikroskopisk bilde med bakgrunn fjernet i et nytt arbeidsområde i illustratøren ved å åpne filen fra datamaskinen eller dra og slippe den i et nytt arbeidsområde.
  12. Klikk på Window > Image Trace i rullegardinmenyen for å åpne Image Trace-vinduet.
  13. Under alternativene for bildesporing klikker du Forhåndsinnstilling > svart-hvitt-logo og -modus > Svart-hvitt.
  14. Bruk terskelverdiene i tillegg til de avanserte alternativene (dvs. baner, hjørner og støy) for å finjustere bildet.
  15. Under Egenskaper velger du Utvid for å vektorisere den.
  16. Velg Vis > vis gjennomsiktighetsrutenett.
  17. Klikk på vektorbildet , høyreklikk deretter og velg Ungroup.
  18. Velg segmentmarkøren (hvit pil) på verktøylinjen. Dra og tegn en boks bare rundt mellomrommet. Trykk DEL for å fjerne den.
  19. Gjenta til hele mellomrom er fjernet.
  20. Klikk Fil > Lagre som , og velg . EPS for å lagre som vektorgrafikk.
  21. Gjenta for planteplankton taxa fra 1,1 (figur 1B).

2. Lage planteplanktonmønstre

  1. Bruk fytoplanktontellingsdata fra NBPTS-datasettet for å bestemme gjennomsnittlig overflod av hvert takson fra 1970-1979 (1970-tallet), 1990-1999 (1990-tallet) og 2010-2019 (2010s).
  2. Beregn gjennomsnittlig ± standardavvik for hver planteplanktontaksa for hvert tiår i et statistisk program ved å klikke på eller skrive 'mean() og sd()'.
  3. Klikk på eller skriv 'aov() ' for å bruke en ANOVA til å teste for signifikante forskjeller mellom tiår i et statistisk program.
    MERK: Noen arter (f.eks. Tripos spp., Chaetoceros diadema) har ikke store nok utvalgsstørrelser på 1990-tallet. I dette tilfellet, klikk på eller skriv 't.test ()' i et statistisk program for å sammenligne gjennomsnittlig overflod på 1970-tallet til 2010-tallet.
  4. Bruk 'Artboard-verktøyet' (firkantet) i verktøylinjen for å klikke og opprette et nytt illustrasjonsbrett i et nytt arbeidsområde for den spesifikke illustratøren som brukes i denne studien.
  5. Lag tre identiske illustrasjonsbrett av samme størrelse. Juster størrelsen i Egenskaper > transformering.
    MERK: For dette prosjektet var tegnebrett for planteplanktonbildene 1224 px x 545 px.
  6. Dra og slipp . EPS-filer av de forskjellige planteplanktontaksaene på de tre tegnebrettene.
  7. Fargelegg planteplanktonet med forskjellige farger som er representative for tiåret, ved å bruke segmentmarkøren (hvit pil) til å tegne en boks rundt et enkelt planteplankton.
  8. Under Egenskaper velger du Fyll og klikker deretter på ønsket farge fra fargepaletten. Trykk enter for å fylle vektoren.
  9. Bruk markeringsverktøyet (svart pil) til å markere et bestemt planteplankton, og velg deretter Rediger > Kopier og rediger > lim inn.
  10. Lim inn hver planteplanktonvektor kvalitativt basert på de relative proporsjonene av hver taxa i datasettet som bestemt i 2.2 for hvert av de tre tiårene (figur 1C).
    MERK: Mengden planteplankton på hvert panel er en kvalitativ fremstilling av tabell 1. For eksempel, hvis en høyere overflod av Pseudo-nitzschia spp. observeres på 2010-tallet enn på 1990-tallet, kopierer du mer Pseudo-nitzschia-grafikk på 2010-tegnebrettet enn på 1990-tegnebrettet.
  11. Velg Objekt > mønster > Lag for å opprette et fargekart-planteplanktonmønster for hvert av de tre tiårene.

3. Innlemming av planteplanktonbiomasse og temperaturdata

  1. Klikk på eller skriv 'mean()' for å beregne gjennomsnittlig klorofyll a (chl a, proxy for planteplanktonbiomasse) for hver uke i hvert tiår i et statistisk program.
  2. Klikk på eller skriv "plot ()" i et statistisk program for å lage en grafisk fremstilling av gjennomsnittlig dekadisk biomasse (avhengig variabel) etter hver uke (uavhengig variabel) og klikk på Lagre grafen som en .JPG eller .PNG.
  3. Plasser en .JPG eller .PNG av chl en dekadisk biomassefigur i illustratorarbeidsområdet ved å åpne filen fra datamaskinen eller dra og slippe den inn i et nytt arbeidsområde.
  4. Gjenta trinn 1,3 til 1,8 for å vektorisere hver av de tre sesongsyklusene i CHL A .
    1. Gå til Vis > Vis gjennomsiktighetsrutenett for å vise sjakkbrettbakgrunnen som indikerer gjennomsiktighet.
    2. Klikk på Window > Image Trace i rullegardinmenyen for å åpne Image Trace-vinduet.
    3. Klikk på markeringsverktøyet (svart pil) i verktøylinjen og klikk på bildet.
    4. Klikk på Objekt > Utvid i rullegardinmenyen.
    5. Bruk segmentmarkøren (hvit pil) på verktøylinjen til å klikke og velge bakgrunnsdelene av bildet for å bli kvitt rundt linjen som angir sesongsyklusen. Trykk på slett. Gjenta for hvert bakgrunnsområde på figuren.
    6. Klikk på File > Export for å lagre filen som .PNG fil. Kontroller at boksen Gjennomsiktig bakgrunn er valgt.
    7. Plasser .PNG figur med bakgrunn fjernet i et nytt arbeidsområde for den spesifikke illustratøren som brukes ved å åpne filen fra datamaskinen eller dra og slippe den inn i et nytt arbeidsområde.
    8. Klikk på Window > Image Trace i rullegardinmenyen for å åpne vinduet Image Trace.
    9. Under Egenskaper velger du Utvid for å vektorisere den.
    10. Velg Vis > vis gjennomsiktighetsrutenett.
    11. Klikk på vektorbildet , høyreklikk deretter og velg Ungroup.
    12. Velg segmentmarkøren (hvit pil) på verktøylinjen. Dra og tegn en boks bare rundt mellomrommet. Trykk DEL for å fjerne den.
    13. Gjenta til alt mellomrom er fjernet for hver av linjene fra 1970-, 1990- og 2010-tallet.
    14. Klikk Fil > Lagre som , og velg . EPS hvis du vil lagre hver linje som en separat vektorgrafikk.
  5. Bruk 'Illustrasjonsbrett-verktøyet' (firkantet) i verktøylinjen for å klikke dra, og opprett et nytt illustrasjonsbrett i et nytt Illustrator-arbeidsområde.
  6. Lag tre identiske illustrasjonsbrett av samme størrelse. Juster størrelsen i Egenskaper > transformering.
    MERK: For dette prosjektet var dimensjonene 1224 px x 3456 px.
  7. Dra og slipp en av chl a . EPS-filer på henholdsvis ett av de tre tegnebrettene.
  8. Opprett et nytt lag ved å klikke på 'klistrelappikonet'.
  9. Opprett et rektangel i det nye laget med rektangelverktøyet fra verktøylinjen.
  10. Fyll rektanglet med en lyseblå gradering ved hjelp av graderingsverktøyet på verktøylinjen.
  11. Kopier den vektoriserte trendlinjen og legg den til laget med rektangelet i.
  12. Bruk verktøyet 'Linjesegment' fra verktøylinjen for å opprette en boks knyttet til trendlinjen. Hold nede SKIFT for å gjøre linjene rette og justerte.
  13. Trykk kontrolltasten, og merk alle komponentene, inkludert linjene, rektangelet og trendlinjen i laget.
  14. Velg Objekt > maske > Opprett. Dette fjerner det øverste fyllet i figuren.
  15. Fyll figuren med planteplanktonmønsteret lagret som et fargekart fra 2,11.
  16. Gjenta denne prosessen for hvert av de tre tiårene.
  17. Gjenta trinn 3.9 &; 3.10 for å lage et rektangel farget med en rød til blå fargegradient for å representere oppvarming av vanntemperaturen på tvers av de tre dekadale panelene.
  18. Høyreklikk på objektet og flytt det tilbake bak planteplanktonmønstrene.

4. Legge til detaljer i planteplanktonpaneler

  1. Hvis du vil legge til bilder av fotografert planteplankton på planteplanktonmønstrene, velger du Åpne og klikker på bildefilen for å åpne den i illustratøren som brukes her.
  2. Lag en sirkel med ellipseverktøyet fra verktøylinjen og legg den over planteplanktonbildet.
  3. Hold nede shift-tasten for å velge både form og bilde, og klikk deretter på Object > Clipping Mask > Make i menyen for å fylle formen med bildet.
  4. Gjenta for utvalgte planteplanktonbilder og fordel over de tre tiårene for å se ut som et forstørrelsesglass som zoomer inn på det illustrerende planteplanktonet (figur 1D).
    MERK: Trinn 1.3 til 1.8 kan gjentas for å legge til kunstneriske elementer av båter og fugler til panelene for å få chl en sesongsyklus til å se ut som havbølger.
  5. Bruk "Rektangelverktøyet" fra verktøylinjen for å lage en tekstboks på hvert av tiårets tegnebrett.
  6. Bruk "Typeverktøy" (T) for å klikke og skrive inn informasjonstekst om hvert tiår. Legg til tekst øverst i hvert tiår med navnet på tiåret, og legg til navnene på de tilsvarende årstidene nederst i hvert av de tre panelene.
  7. Lagre arbeidsområdet i illustratøren.

5. Veggmaleri produksjon

  1. Importer den lagrede Illustrator-filen, og velg å bare importere de tre fullførte tiårene. Velg alle og eksporter som en .PDF fil.
  2. Åpne planktonmønsteret .PDF filen med en storformatplotter for å skalere de tre dekadale tegnebrettet til 96 tommer med 34 tommers paneler.
  3. Skriv ut paneler på tungt materiepapir og installer med hengende maskinvare.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Resultatene dokumenterer en nedgang i planteplanktonbiomassen fra 1970- til 1990-tallet til 2010-tallet (figur 1). Alle tiårene viste en bimodal topp i klorofyll a (chl a) konsentrasjon med den første toppen som skjedde om vinteren og den andre som skjedde om sommeren. 1970-tallet viste høyere gjennomsnittlig chl a om vinteren enn om sommeren. Omvendt viste 1990-tallet lavere chl a om vinteren enn om sommeren. 2010-tallet kom tilbake til en høyere gjennomsnittlig chl a-konsentrasjon om vinteren enn om sommeren. Disse resultatene gjenspeiles i sluttproduktet gjennom forskjellige chl a-topper i panelene, samt med tekstboksene lagt til for å understreke forskjellige komponenter i chl a-datasettet (figur 2).

Analyse av økologisk relevant planteplankton taxa fra Narragansett Bay avslørte et bredt spekter i overflod over tid. Denne variasjonen maskerte ofte eventuelle statistisk signifikante forskjeller i taxa mellom de tre tiårene, selv om HAB taxa, Dinophysis spp. og Tripos spp. (tidligere referert til som Ceratium) gikk ned (tabell 1). Thalassiosira nordenskioeldii og Skeletonema spp. økte derimot (tab 1). Andre taxa svingte i overflod som Eucampia zodiacus (tabell 1). Disse resultatene ble illustrert i sluttproduktet ved økt tilstedeværelse av flere E. zodiacus-bilder på 2010-tallet sammenlignet med 1970- og 1990-tallet, samt et overlagt mikroskopisk bilde av E. zodiacus for å bringe den faktiske arten til "det virkelige liv" for publikum (figur 2 &; 3).

Taxa Navn Type 1970-79 Gjennomsnittlig ± SD (celle L-1) 1990-99 Gjennomsnitt ± SD (celle L-1) 2010-19 Gjennomsnittlig ± SD (celle L-1) p-verdi
Pseudo-nitzschia spp. Kiselalger 3701 ± 18235 5123 ± 24396 12919 ± 58632 > 0,05
Thalassionema nitzschioides Kiselalger 81797 ± 245710 22909 ± 59246 62656 ± 292940 > 0,05
Tripos spp. Dinoflagellate 1933 ± 703 500 ± 706 841 ± 353 < 0,001
Eucampia zodiacus Kiselalger 27266 ± 27675 7500 ± 2121 90764 ± 181415 > 0,05
Thalassiosira nordenskioeldii Kiselalger 76800 ± 150545 27000 ± 28284 362411 ± 376064 0.008
Odontella aurita Kiselalger 5571 ± 8541 5000 ± 2645 17750 ± 23485 > 0,05
Chaetoceros diadem Kiselalger 103027 ± 239802 18000 ± 0 40402 ± 46128 > 0,05
Skjelett spp. Kiselalger 2457847 ± 7814228 1884674 ± 4888589 1349184 ± 3732765 0.003
Dinofyse spp. Dinoflagellate 5166 ± 8983 1978 ± 1840 2331 ± 2504 < 0,001

Tabell 1: Telling av planteplankton. Gjennomsnitt (celle L-1) og standardavvik for planteplanktonkonsentrasjoner for hver taxa for hvert tiår. Type angir om planteplanktonet er klassifisert som et diatome eller dinoflagellat. ANOVA eller t-test ble utført for å teste for statistisk signifikante forskjeller i gjennomsnittlig mengde mellom de tre tiårene (ANOVA) eller to (t-test) når lav prøvestørrelse var til stede på 1990-tallet (dvs. Tripos spp., Eucampia zodiacus, Thalassiosira nordenskioeldii, Odontella aurita og Chaetoceros diadema). Signifikante p-verdier bestemt ved α = 0,05 og angitt med fet skrift.

Figure 1
Figur 1: Skjematisk over metodikk. A) Konverter mikroskopisk bilde til en vektorillustrerende grafikk, B) Lag repeterende mønster for hvert tiår (1970-tallet, 1990-tallet, 2010-tallet), C) Bruk dekadisk klorofyll a-data for å informere former om mønstre. Fyll bakgrunnen med blått til rødt fargevalg for å representere økende vanntemperatur, og D) Fullfør produktet ved å legge til tekst for å informere om forskjellige funksjoner i mønstre og mikroskopiske bilder av planteplankton som brukes til å lage illustrerende grafikk. Klikk her for å se en større versjon av denne figuren.

Figure 2
Figur 2: Fullført visualisering. Ferdig planteplanktonvisualisering laget i illustratøren. Taxa inkluderer Thalassiosira nordenskioeldii, Thalassionema nitzschioides, Tripos spp., Odontella aurita, Skeletonema arter kompleks, Chaetoceros diadema, Eucampia zodiacus, Dinophysis spp., og Pseudo-nitzschia spp. Klikk her for å se en større versjon av denne figuren.

Figure 3
Figur 3: Fullført kunstverk. Ferdigstilt planteplanktonvisualisering gjort i illustratøren sammen med trykt versjon for A) 1970-tallet, B) 1990-tallet og C) 2010-tallet. Klikk her for å se en større versjon av denne figuren.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritiske trinn i protokollen inkluderer å skaffe mikroskopiske bilder av fytoplankton og konvertere dem til vektorgrafikk. Å gjøre bildene av fytoplankton, som ikke er merkbare for det blotte øye, store nok til å bli sett uten forstørrelsesglass på veggmaleriet, bidrar til å bringe dem til liv for betrakteren. For å oppnå dette veggmaleriet som ikke bare et kunstverk, men også en datavisualiseringsmetode, er det viktig å innlemme observerte data i prosjektet. Når det gjelder planteplanktonmaleriet, representerer klorofyll a (chl a) årlige sykluser som ble gjennomsnittet etter tiår de faktiske dataene og viser hvordan chl a gikk ned med tiår på de forskjellige panelene. For fytoplanktonoverflod varierte de gjennomsnittlige konsentrasjonene av visse taxa mellom tiårene, derfor ville en høyere overflod av en taxa observert i et bestemt tiår ha mer grafikk av den taxa kopiert på dekadalpanelet sammenlignet med et annet panel med lavere gjennomsnittlig overflod. Bruk av observerte data for å informere de kunstneriske elementene, for eksempel en fargegradient fra blå til rød for å representere temperaturøkninger, hjelper også til med å visualisere disse vitenskapelige dataene.

Modifikasjoner av metoden kan omfatte innhenting av mikroskopiske bilder av fytoplankton fra open access bildelagre, samt bruk av andre fytoplanktonavbildningssystemer for fotografiske bilder i tillegg til et mikroskop (f.eks. Imaging Flow-Cytobot). Videre kan mikroskopiske bilder og vitenskapelige data inkludere daglige fytoplanktontellinger og bilder, i stedet for tiår, for kortere tidsseriedatasett, samt dyreplanktonbilder for å avsløre matbaneinteraksjoner. Til slutt kan gjennomsnittstemperaturer registrert for hvert tiår inkluderes på panelene for å kvantifisere temperaturendringer, eller en trendlinje trukket nær bunnen av panelene, i tillegg til de illustrative endringene som vises gjennom gradientbakgrunnen. Begrensninger inkluderer feilsøking av disse vitenskapelige dataene for å skalere innenfor rammen av det fysiske kunstverket, samt å skaffe instrumentering for utskrift på store paneler. Det er også viktig å sikre at bakgrunnsfargen er gjennomsiktig nok til å avsløre endringene i planteplanktonets overflod tydelig over tid, noe som kan være vanskelig å skille før det skrives ut. Endelig er Adobe Illustrator en proprietær programvare som kan begrense tilgjengeligheten for enkelte brukere, men gratis programvareillustrasjonsprogrammer er tilgjengelige (f.eks. Inkscape, GIMP, Vectr, Vectornator). Å tilpasse protokollen til å produsere planteplanktonmaleriene på disse gratisprogrammene representerer nyttig fremtidig arbeid for å øke tilgjengeligheten.

Gitt at planteplankton representerer grunnlaget for næringsnettet i nesten alle marine systemer, er det viktig å kommunisere deres betydning; Imidlertid presenterer de fleste studier i planteplanktonøkologi bare resultater som datagrafer som reduserer tilgjengeligheten til allmennheten. Protokollen som presenteres her for å utvikle planteplanktonmaleriet viser virkningen av å visualisere vitenskapelige data gjennom en kunstnerisk linse17. Gjennom analyse av dette veggmaleriet kan seeren se at planteplanktonbiomassen har gått ned i Narragansett Bay (NBay) siden 1970-tallet. Denne nedgangen skjer over en periode hvor det har vært langsiktige økninger i sjøvannstemperaturen i NBay13. Lignende endringer i planktonsamfunn (dvs. dyreplankton) med oppvarmende sjøvannstemperaturer ble også observert i San Francisco Bay Estuary, som i likhet med NBay støtter en stor menneskelig befolkning18,19. Denne tilnærmingen representerer en visualiseringsmetode som kan brukes til mange andre planktontidsserier, som San Francisco Bay Estuary, over hele verden.

Ved et langt øyekast endres formen og fargen på panelene over tid. Når man ser nærmere på panelene, reflekterer mønstrene av planteplankton skift i overflod og biomasse av forskjellige taxa. Det er her kunstens og vitenskapens verdener kolliderer ved at de vitenskapelige mønstrene er de bokstavelige mønstrene som vises på veggmaleriet. Det er tydelig at det er mye mer ved vannoverflaten enn det som vises på vannoverflaten ved å visualisere planteplanktondata gjennom kunst.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen interessekonflikter å oppgi.

Acknowledgments

Denne forskningen ble støttet av National Science Foundation (OIA-1655221, OCE-1655686) og Rhode Island Sea Grant (NA22-OAR4170123, RISG22-R/2223-95-5-U). Vi takker de mange kapteinene for å gi feltassistanse og de mange studentene og forskerne som samlet inn data siden 1970. Vi takker Stewart Copeland og Georgia Rhodes for å ha utviklet Vis-A-Thon-prosjektet som produserte planktonmaleriet, samt Rafael Attias fra Rhode Island School of Design for kunstnerisk veiledning under prosjektutvikling.

Materials

Name Company Catalog Number Comments
Adobe Illustrator Adobe version 23.0.6 Free alternatives include: Inkscape, GIMP, Vectr, Vectornator
Eclipse E800 Nikon ECLIPSE Ni/Ci Upright Microscope Now succeeded by Eclipse Ni-U
Epson Large Format Printer Epson SCT5475SR
Heavy Matte Paper Epson S041596
RStudio Rstudio, PBC version 2022.07.1 Any statistical software tool will suffice

DOWNLOAD MATERIALS LIST

References

  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).

Tags

Oseanografiske data langsiktige endringer planteplankton Narragansett Bay langsiktige planktontidsserier akvatisk økosystem visualisering av data Adobe Illustrator mikroskopiske bilder vektorgrafikk repeterende visuelle mønstre rikelig taxa skadelig algeblomstring taxa pseudo-nitzschia spp. relativ overflod tiår med data fytoplankton biomasse temperaturøkning
Visualisere oseanografiske data for å skildre langsiktige endringer i planteplankton
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Thibodeau, P. S., Kim, J.… More

Thibodeau, P. S., Kim, J. Visualizing Oceanographic Data to Depict Long-term Changes in Phytoplankton. J. Vis. Exp. (197), e65571, doi:10.3791/65571 (2023).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter