April 18th, 2025
Questo protocollo copre una metodologia di indagine di imaging su vasta area in quattro fasi utilizzata per estrarre metriche di complessità strutturale, composizione della comunità e dati demografici della popolazione per le comunità della barriera corallina. La qualità delle immagini raccolte e l'accesso integrato alle immagini di origine sono prioritari in ogni fase del protocollo.
Utilizziamo un protocollo di imaging su larga area in quattro fasi per raccogliere dati ecologici per la complessità strutturale, la composizione della comunità e le analisi demografiche degli ecosistemi marini bentonici. In ogni nuova applicazione, le sfide più grandi sono la definizione della risoluzione necessaria nelle immagini grezze, la determinazione dell'estensione spaziale dell'area da riprendere e la garanzia di disporre di un'adeguata replicazione a livello di trama per un'analisi scientifica accurata. Questo protocollo enfatizza il valore delle immagini sorgente durante tutto il processo in quattro fasi, garantendo che le immagini di qualità vengano raccolte, archiviate e utilizzate per facilitare l'estrazione dettagliata dei dati ecologici per le analisi.
Questi flussi di lavoro di gestione e visualizzazione dei dati, in particolare quelli che utilizzano le immagini grezze, garantiscono la compatibilità tra i dati raccolti digitalmente in laboratorio o dai subacquei sul campo. Questo, a sua volta, consente l'integrazione di questi approcci digitalmente migliorati nei set di dati a lungo termine esistenti. Questo approccio consente un notevole aumento dell'estensione spaziale nella replicazione dei dati che raccogliamo, consentendoci di porre domande spazialmente esplicite e condurre analisi demografiche più solide.
Soprattutto, aumenta la nostra capacità di monitorare il cambiamento ecologico nel tempo. Per iniziare, fissare i pannelli del telaio esterno del telaio della fotocamera ai pannelli e alle colonne di montaggio della fotocamera utilizzando viti a testa piatta Phillips lunghe 1 1/2 pollice. Prepara due fotocamere DSLR, una dotata di un obiettivo grandangolare fisso e la seconda dotata di un obiettivo zoom.
Fissare e fissare la porta dome per assemblare gli alloggiamenti della telecamera subacquea. Quindi fissare le maniglie con viti a testa Phillips lunghe 1/2 pollice. Fissare la piastra di montaggio della telecamera utilizzando una vite a brugola lunga 1 1/8 di pollice.
Quindi, inserire le telecamere nell'alloggiamento. E usa la pompa del vuoto per impostare la pressione dell'alloggiamento su cinque pollici di mercurio per verificare l'integrità della guarnizione O-ring. Ora, far scorrere la piastra di montaggio della telecamera sui pannelli del telaio di montaggio per installare gli alloggiamenti sul telaio della telecamera.
Fissare gli alloggiamenti in posizione con viti a testa zigrinata. Per l'acquisizione delle immagini, avviare ciascuna fotocamera con un intervallometro impostato per l'acquisizione a una velocità di un fotogramma al secondo. Nuota il sistema di telecamere a circa 1,5 metri sopra il benthos in uno schema a griglia.
Eseguire una seconda passata a griglia perpendicolare alla prima, mantenendo una distanza di circa un metro tra una passata e l'altra. Assicurarsi che le passate si estendano per un minimo di due metri oltre i confini del lotto per garantire una sovrapposizione sufficiente all'interno dell'area del lotto di destinazione. Avviare il software per l'elaborazione delle immagini su un sistema informatico.
Clicca su Flusso di lavoro, seguito da Aggiungi cartella per caricare tutte le immagini nel progetto Agisoft Metashape. Una volta caricati i file, seleziona il layout dei dati come Fotocamere singole, Aggiungi tutte le immagini in un blocco. Rimuovi le immagini con eccessiva acqua blu nella scena.
Ora, fai clic su Flusso di lavoro, seguito da Allinea foto per allineare tutte le immagini. Verificare che il set di immagini sia stato allineato correttamente controllando la percentuale di telecamere allineate. Ispezionare la nuvola di punti rada generata per verificare la presenza di spazi vuoti nella copertura o disallineamenti.
Assicurarsi che il riquadro di delimitazione includa l'intera nuvola di punti sparsi prima di procedere. Se necessario, modificate il riquadro di delimitazione utilizzando le opzioni Ridimensiona o Ruota regione. Quindi, disabilita il gruppo di fotocamere contenente le immagini dell'obiettivo zoom.
Costruisci la nuvola di punti densa selezionando Flusso di lavoro, seguito da Crea nuvola densa. Fare clic in sequenza su Strumenti, Esegui script, Estrai script Meta PY per esportare le stime della posa della fotocamera. Quindi fare clic su File, seguito da Esporta ed Esporta punti per esportare la nuvola di punti densa.
Trascina e rilascia il file della nuvola di punti densa esportato su vc5prep-confident. BAT che si trova nei file di programma del software di visualizzazione. Compila i file di dati esportati, inclusi i file di posa della fotocamera, insieme ai file di programma generati, in un'unica directory da utilizzare nel software di visualizzazione.
Usa lo strumento rugo per creare una scatola di 10 metri per 10 metri sulla densa nuvola di punti. Impostate la dimensione massima su 10 metri e le proporzioni su 1,0 per designare l'area di destinazione di 100 metri quadrati per l'estrazione dei dati. Quindi, utilizzare lo strumento camme per collegare le immagini sorgente alla densa nuvola di punti.
Abilita le viste multi-immagine con query spaziali dei punti sul modello. Per un'indagine sulla densità, dopo che le immagini sono state collegate al software, modificare la lunghezza focale della vista prospettica a 100 millimetri per impostare una pseudo vista mappa della nuvola di punti densa. Eseguire lo zoom indietro per ottenere una vista completa del modello dall'alto verso il basso.
A questo punto, utilizzare il file di campionamento del quadrante specificato per acquisire la vista nell'applet Web facendo clic su eval per la cella C1 e selezionando il pulsante di attivazione. Attiva le camme e collega le immagini all'interno del flusso di lavoro di campionamento dei quadranti facendo clic su Valuta per le celle C2 e C3 nello script di campionamento dei quadranti. Accendi la rugo box precedentemente realizzata per l'area di estrazione dati di 100 metri quadrati.
Nell'applet web, valutare la sezione delle celle di preparazione C4 per campionare 100 quadranti di un metro quadrato ciascuno. Nell'indirizzo Web di campionamento del quadrante, utilizza le immagini di origine per cercare in un quadrante. Utilizzare un doppio clic sinistro per modificare l'indirizzamento della posizione di campionamento e fare clic su un pulsante tassonomico per designare il punto di destinazione come campione.
Per rimuovere un punto contrassegnato, fare doppio clic con il pulsante sinistro del mouse e non selezionare nulla. Compila tutti i file di campionamento che si trovano sotto l'asterisco aux recruits test1 in un'unica directory. Quindi rinomina ogni file in modo che includa il nome del sito.
Aggiungere il file di ricerca del pulsante alla directory. Esegui lo script sullo schermo seguendo le istruzioni in linea per aggregare i dati di esempio per sito e gruppo tassonomico. Per preparare i dati per l'invio a un repository, generare un file di descrizione dei metodi che includa i dettagli del rilevamento, ad esempio l'area coperta, il sistema di telecamere, i marcatori di controllo a terra e il modello di raccolta.
Quindi genera un file di metadati del rilevamento specifico per il set di dati dell'immagine, inclusi campi come il nome del sito, i dati di raccolta, le coordinate GPS, i rilevamenti del grafico, la profondità di controllo a terra e i dati di scala, nonché il modello di raccolta e il sistema di telecamere utilizzato. Combina il file di descrizione, il file di metadati e i file di immagine in un unico archivio ZIP per l'inserimento nel repository di dati. Il successo della raccolta di immagini su grandi aree ha portato alla creazione di una densa ricostruzione della nuvola di punti con una copertura completa dall'alto verso il basso dell'area di rilevamento, mentre una ridondanza inadeguata nella copertura ha provocato lacune o un completo degrado della nuvola di punti.
Misure di rugosità lineare estratte da immagini di grandi dimensioni, o LAI, indagini strettamente allineate con misure in situ di complessità tra siti, a parte i valori anomali. La composizione della comunità bentonica e la copertura percentuale dei gruppi funzionali di LAI corrispondevano a quelle delle tradizionali indagini fotoquadrate. L'abbondanza di invertebrati sessili, in particolare di ricci di mare, registrata con i metodi LAI è stata costantemente superiore a quella dei metodi in situ grazie alla copertura completa dell'area nelle indagini LAI.
La segmentazione delle colonie di coralli utilizzando le indagini LAI ha rivelato distribuzioni dimensionali simili dei taxa di corallo comune rispetto ai metodi in situ. La co-registrazione di dense nuvole di punti ha permesso di monitorare i cambiamenti della barriera corallina nel tempo, anche in ambienti dinamici con elevata crescita e perdita strutturale, come dimostrato al Millennium Atoll.
Questo protocollo delinea una metodologia di imaging in quattro fasi progettata per raccogliere dati ecologici sulle comunità di barriera corallina, concentrandosi sulla complessità strutturale, la composizione della comunità e le metriche demografiche. L'accento è posto sulla qualità delle immagini e sull'integrazione delle immagini di origine durante tutto il processo.
Large-area underwater imaging workflows enable high-resolution, quantitative mapping of subtidal environments, supporting robust ecological hypothesis testing and longitudinal monitoring. By generating digital twins and integrating source imagery, these methods increase data throughput and reproducibility, directly impacting early discovery and translational research in marine biotechnology. The approach enhances predictive confidence in environmental assessments and supports scalable, cross-site portfolio studies.
This imaging methodology integrates from early ecological discovery through digital assay development to translational environmental monitoring, supporting scalable and reusable workflows.