Method Article

大面積イメージングによる水中環境の構造・組成・変化の測定

DOI:

10.3791/67700

⸱

April 18th, 2025

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Scripps Institution of Oceanography, UC San Diego, 2Jacobs School of Engineering, UC San Diego, 3California Department of Fish and Wildlife, 4CSS Inc., Under contract to NOAA, National Ocean Service, National Centers for Coastal Ocean Science, 5Physics Department, University of Miami

In This Article

Summary

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

このプロトコルは、サンゴ礁コミュニティの構造的複雑さ、コミュニティ構成、および人口統計の指標を抽出するために使用される4段階の大面積イメージング調査方法論をカバーしています。収集された画像の品質およびソース画像への統合アクセスは、プロトコルの各ステップ内で優先順位が付けられます。

Abstract

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

デジタルイメージングと処理技術は、大面積のイメージング調査の拡大を促進するために進化し、潮汐下の生息地に生息する生物の状態、傾向、およびダイナミクスを研究する能力が向上しました。これらのアプローチにより、 ex situ 分析用のフォトリアリスティックなデジタルツインを作成することで、小規模なフィールドチームは以前よりも大幅に多くのデータを収集できます。ここでは、過去10年間の実験を通じて開発および改良された、画像収集、モデル構築、生態学的分析、データキュレーションを含む4段階の大面積イメージング調査パイプラインと分析方法論を紹介します。説明されている各ステップは、元のソース画像の一意の値に一貫して焦点を当てています。大面積の画像調査から抽出されるデータの種類は膨大ですが、ここでは、構造の複雑さ、コミュニティ構成、およびモニタリングと仮説主導の取り組みに役立つ人口統計分析のための生態学的データを抽出するワークフローを含めます。さらに、広域イメージングデータの収集を補完し、研究グループ間の透明性と協力を促進するアーカイブの取り組みを支援するメタデータ標準に関する推奨事項も含まれています。

Introduction

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

陸域の環境全体で、研究者は、特にバロコロラド島1、ハバードブルック実験林2、その他3などの長期研究サイトの文脈で、生態学的コミュニティの標準化された大面積サンプリングを利用してきました。空間的に明示的で分類学的に解決された分布データの収集を通じて、このようなサンプリングは、分散と加入パターン3,4,5、生息地の選好と利用可能性、分散カーネル、資源制限3,5,6,7,8、および宇宙利用9,10などの基本的な生態学的ダイナミクスを調査するために使用されてきました。.しかし、今日まで、海洋生物群集のほとんどの空間的研究は、分類群またはグループ11、12、13、14、15が占める被覆率として報告された相対的な被覆の指標に依存してきました。しかし、相対的被覆の集計された推定値は、人口レベルの人口統計やコミュニティレベルのダイナミクスの詳細を解決するには不十分である。底生生物群集の詳細な分析を提供した研究は、骨の折れる水中モニタリングプロトコル16,17,18,19,20,21,22,23,24,25,26,27,28,29に依存しています、30、31、32、しかし、これらの研究の規模(分類学的、空間的、および年代学的スケールを含む)は、水中方法論の運用上の要求のために著しく制限されています。

大面積イメージング(LAI)は、多数の画像からの情報を計算集約的なワークフローを通じて組み合わせ、構成画像33よりもはるかに大きなスケールで環境のフォトリアリスティックな表現を作成するアプローチである。LAIワークフローは、水中での光の吸収と散乱による視界が限られているため、水中でのアプリケーションに特に適しています。視界が限られているため、底生生物の細部を捉えた画像は、被写体の近くで取得する必要があります。底生生物の広大な生息地の風景(または海景)ビューを撮影し、個々の底生生物の細部を保持するには、複合イメージングが必要です。さらに、構造的に複雑な環境では、底生生物の位置と相対的な近接性を忠実に表現するために、複合イメージングを再構築する際には、3次元(3D)構造を考慮することが不可欠です。Structure-from-Motion(SfM)写真測量法は、サンゴ礁34,35,36、南極底生生態系37、冷水サンゴ礁38、冷湧水39、海草生息地40など、比較的不動の底生生物がいる環境に適用され、立体視なしで合成イメージングを生成し、後続のオルソマップ生成と点群推定によるランドスケープシーンの再構築に使用されます。

サンゴ礁科学において、LAIは、ますます大きな空間スケールでサンゴ礁の景観を視覚化し、これらの視覚化をデジタルメディア間で共有する可能性を提供してきました。LAIは、サンゴ礁生物の被覆率、サンゴのコロニーの密度と分布、ならびに個々の生物41,42,43,44,45,46,47の形状と状態を推定するために使用できる。さらに、LAI製品が異なる時点で同じ場所から収集される場合、個々の生物48、49、50、51のサイズおよび状態の変化を記録することができる。ほとんどの強膜サンゴのコロニーが年間放射状にミリメートルからセンチメートルのオーダーで成長することを考えると、年を超えて収集された時系列LAIは、これらの種の生物学と生態学を報告するための非常に貴重なデータストリームを提供できます52。LAIの繰り返しデータや共同登録データは、サンゴ礁を研究するための独自の洞察を提供し、共有、アーカイブ、世界中のコラボレーションの基礎として使用することができます。

サンゴ礁生態学者53の間でLAIの使用が拡大するにつれて、カメラシステムと調査方法52の多様性も拡大している。選択されたLAIプロトコルは、利用可能なリソース内に制限されながら、望ましい生態学的指標の解像度と範囲をターゲットにする必要があります。写真測量による再構築の品質は、最終的にはソース画像の解像度と調査エリアの空間カバレッジに依存します。画像品質は、センサーの解像度や焦点距離などのカメラパラメータの影響、および収集手順、主に底生生物54からの距離によって決定され、これらはすべて特定の画像セットの有効地上サンプリング距離(GSD)に寄与する。さらに、速いシャッタースピード、小さな絞り、および低いISO値により、それぞれシャープでピントが合った画像、および電子ノイズの少ない画像が生成されます。これらの各設定を、十分な品質の画像を生成する閾値に保つことは、光レベルが低い水中環境では困難な場合があります。デジタル一眼レフ(DSLR)スタイルやミラーレスカメラに見られるような大型センサーは、アクションカメラ55のような小型でモバイル性の高いソリューションと比較して、より優れた画質を生成し、その結果、より正確な再構成を実現します。適切なカメラモデルを検討する際に見逃せないその他の機能には、内蔵のインターバルメーターと、現場での長時間の画像収集作業をサポートするのに十分なストレージとバッテリー容量が含まれます。

調査設計は、生態学的仮説に基づいて推進されるべきであり、候補となる指標によって必要な解像度と空間的範囲が決定されます。サンゴ礁の生態学では、LAIは構造の複雑さ35,36,56,57,58,59、群集の構成と集合体60,61,62、空間分布45,63,64,65,66、および群集の軌跡を特徴付けるために使用されてきました 48,49,50,67,68,69.画像品質の解像度は、生態学的データのニーズに適切であるべきであり、コロニー境界70に沿った競争のポリープスケールの観察70または小さな稚サンゴ66,71の調査をサポートするために必要なサブmmの詳細に対するより細かいスケールの解像度を備えているべきである。対照的に、沿岸マッピング72,73,74のために大規模な生息地と構造メトリクスを抽出するには、cm-mスケールでの解像度の必要性を減らして、より大きな空間範囲が必要です。解像度の要求は、LAI調査33を完了するために必要な時間の運用制限と、十分なサンプリングを取得するために必要な空間範囲とバランスを取らなければならない。

ここで説明するのは、LAI調査を実施するためのエンドツーエンドのプロトコルであり、ソース画像の品質、有用性、および価値を最大化することに焦点を当て、プロトコルを画像収集、モデル構築、生態学的分析、およびデータキュレーション33の4つの主要なステップに分解する。過去10年間に2,000を超えるユニークなサンゴ礁のサイトを対象とした約3,500のLAI画像調査のコレクションは、ここで紹介する各ステップの方法論の洗練に貢献しています（https://doi.org/10.6075/J0T43RN1。結果として得られるプロトコルは、堅牢なデータ収集と正確で精密なモデル再構成の方法であり、構造の複雑さ、コミュニティ構成、人口統計(密度やサイズ構造など)など、幅広いアプリケーションにわたる詳細な生態学的データの収集を可能にします。さらに、LAIデータをアーカイブするためのメタデータ標準も含まれており、これらのデジタルツインの保存、透明性、およびコラボレーションの可能性を確保するためには、その確立が不可欠です。

Protocol

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

1.画像コレクション

注:次の大面積画像収集手順は、約100 m2の領域を調査する方法の概要を示していますが、10 m2 から2,500 m2までの領域にも簡単に適応できます。以下で説明する調査方法は、さまざまな作業条件で展開でき、高品質の画像を生成し、2人のバディチームによる1時間のダイビングの努力から多くの生態学的アプリケーションに使用できる堅牢なデータを提供するように設計されています。

  1. ギアの準備
    1. 1 1/2"の長さのフィリップス皿ネジを使用して、外側フレームパネルをカメラ取り付けパネルとコラムに取り付けて、カメラフレームを組み立てます(図1)。
    2. デジタル一眼レフカメラを2台用意し、1台は固定広角レンズ、もう1台はズームレンズを装備します。カメラ設定の詳細については、 表 1 を参照してください。
      注:2番目のズームレンズカメラはオプションですが、分類75,76の詳細を決定し、小さな幼いサンゴ66,71(直径1〜5 cm)を見つけて識別し、将来の生態学的分析中にサンゴのコロニー境界45,48,50を区別するために、より高い画像解像度をキャプチャすることを強くお勧めします。
    3. ドームポートを取り付けて水中カメラハウジングを組み立て、付属のドームつまみネジで固定します。ハンドルは1/2インチの長さのプラスネジで取り付け、カメラ取り付けプレートは1 1/8インチの長さのソケットヘッドネジで取り付けます。カメラをハウジングに挿入し、真空ポンプを使用してハウジングの圧力を5インチに設定します。Hg、Oリングシールの完全性を確認します。
    4. カメラの取り付けプレートを取り付けフレームパネルにスライドさせて、ハウジングをカメラフレームに取り付け、つまみネジで所定の位置に固定します。
  2. プロットのセットアップ
    1. 6 つの正方形のステンレス鋼タイル (一辺の長さ 10 cm) と印刷されたコード化されたマーカーを使用して、プロットの境界を確立します。ターゲットのアイソバスに沿って 10 m 間隔で 2 つの中央タイルを配置し、中央タイルの 5 m の内陸と沖合に 4 つのコーナー タイルを追加して、10 m x 10 m 四方のプロット エリアを作成します (図 2)。6 つのタイルのそれぞれで深さを記録して、ローカルの垂直方向に向きを付け、後続のモデル構築手順を容易にします。
    2. 4 つのコーナー タイルのそれぞれから約 1 m 外側に 0.45 kg (1 lb) の重りに ~1.5 m のラインが取り付けられた参照フロートを追加します。
      注:これらの参照フロートは、カメラオペレーターがプロットの境界と、カメラを泳ぐべき底生生物より上の高さを示すためのガイドとして機能します。10 m x 10 m のプロット境界の外側に配置すると、画像のバッファー ゾーンが作成され、主要な画像エリアが完全に再構築されます。
    3. ポリ塩化ビニル(PVC)またはアルミニウムバーに貼り付けられた2つのコード化されたターゲットタイルで構成される長さ0.5mのスケールバーをプロットの各象限に配置し、合計4つのスケールバーを配置します。
      注: スケール バーと深度タイルは、画像収集プロセス全体を通じて安定していることが重要です。スケールバーと深度タイルは、カメラオペレーターが水泳パターンの進行状況を追跡するための視覚的なランドマークとしても使用できます。
    4. 恒久的なプロットを確立するには、0.46 m(18インチ)のステンレス鋼の杭(0.95 cmまたは3/8インチのネジ付きロッド)を、各中央タイルに隣接する木槌を使用してプロットの中心線をマークし、2つの部分からなるマリンエポキシで固定します。陸上を見るとき、左側の杭には、将来の調査作業中の方向付けを支援するためのロックナットが含まれています。調査の最後に、ダイビングフロートに取り付けられた防水ケースに収納されたGPSユニットを使用して、左中央のステーク位置の真上にある全地球測位システム(GPS)座標を記録します。
      注:その後の調査での検索時間を短縮し、同じサンゴ礁エリアの再調査を確認するために許可を得て許可された場合は、恒久的な杭の設置をお勧めします。測量サイトの印刷された2次元(2D)オルソ画像または「ロードマップ」(補足ファイル1)を使用して、不変の特徴を特定し、イメージングのために同じプロットエリアの位置を特定するのを支援します。これらのロードマップは、許可によって恒久的な杭の設置が許可されない場合や、杭が外れたり撤去されたりした場合に、正確な測量プロットを再配置するためにも使用できます。
  3. 画像キャプチャ
    1. プロットのターゲット深度で灰色のカードを使用して、各カメラのカスタムホワイトバランスを設定します。
    2. 1 s-1 の間隔でキャプチャするように設定されたインターバロメーターで各カメラを起動します。
    3. カメラシステムを底生生物の約1.5m上方で格子状に泳がせ、続いて、各パス間が約1mの2回目の垂直な格子状パスを約0.25mの低速で泳ぎますs-1 (図3)。パスがプロット境界のエッジから 2 m 以上延長され、ターゲット プロット領域内で十分なオーバーラップが確保されるようにします。
      注:このスイムパターンと速度に従うと、28分間のイメージング中に各カメラから約1,700枚の画像が最小収集されます。ただし、パス間のターンアラウンドタイムや、オーバーサンプリングの側で過ちを犯してオーバーサンプリングを行い、データが最適でない結果となることを考慮すると、ダイバーは約40分間のイメージング中に各カメラから2,500枚の画像を収集することを目標にすることをお勧めします。
    4. カメラシステムを海面に対してほぼ垂直に保持して、十分なトップダウンカバレッジを確保します。ただし、複雑な地形の測量サイトの場合は、2 番目のパスでカメラの向きを調整して、底生に垂直に追従し、3D 再構成のオクルージョンを減らします。カメラを傾けるときは、画像に写っている青い水が最小限になるように注意してください。
      注:強い潮流や急な斜面など、最適ではない海洋条件の場合、両方のパスを同じ海岸方向で行うことができます。強い電流の中では、ダイバーの抗力プロファイルと前進を維持するために必要な労力を減らすために、単一の広角レンズカメラのみを使用する必要がある場合があります。2 番目のパス セットは、1 番目のパス セットに対してわずかに回転するのが理想的です。2つのパスが同じ海岸方向で行われる場合、再構築の品質を向上させるために、最初のパスセットを横切る少なくとも1つまたは2つの垂直または対角の「タイライン」を追加する必要があります。

2. モデル構築

注: モデルの構築手順では、高解像度のソース画像へのアクセスを維持し、派生した密集点群を生成することに重点を置いています。密集した点群の参照は、一元化された視覚化および分析ソフトウェア( 資料表を参照)77内で行われ、ユーザーはその場で入力および修正することができます。これにより、新しい情報が発生したとき、特に時間の経過に伴う追加の調査で、データセットのデータ製品を再処理して再エクスポートする必要がなくなります。2D オルソマップは、ここではオルソプロジェクションと呼ばれ、密集した点群のオルソ幾何補正された投影ビューを使用して生成され、投影角度は重力の方向に直交します。

  1. カメラの位置合わせと3D高密度点群の構築
    1. 高性能コンピュータを使用して、広角カメラやマクロレンズカメラからの画像を含むすべての画像を Agisoft Metashape プロジェクトにロードします。フォルダを追加。ファイルが読み込まれたら、データ レイアウトを [シングル カメラ] として選択し、1つのチャンクにすべての画像を追加します。シーン内の青水が多すぎる画像をプロジェクトから削除します。
      注: プロジェクトに追加する前に、各カメラからの画像を別々のフォルダに整理し、チャンク内の画像ファイルを個別のカメラ グループとして分離する必要があります。
    2. すべての画像を整列させるには、[ ワークフロー] |写真を整列させます。位置合わせの処理設定については、 表 2 を参照してください。
    3. 位置合わせが完了したら、位置合わせされたカメラの割合に基づいて画像セットが正常に位置合わせされたことを確認し、生成されたスパース点群のカバレッジのギャップや位置ずれを検査します。先に進む前に、境界ボックスがスパース点群全体を囲んでいることを確認してください。必要に応じて、[ サイズ変更 ] または [領域の回転] オプションを使用して変更します。
      注:画像の100%を整列させても、モデルの一部にギャップが残っている場合や、逆に画像の80〜90%が整列しているが、ターゲット調査領域の完全なモデルがある場合があります。したがって、アライメント率と面積被覆率の両方を使用して、生成されたデータセットの一部または全体のユーザビリティ、または画像取得品質の向上やアライメント処理設定の調整に追加の努力が必要かどうかについて、十分な情報に基づいた決定を下す必要があります。
    4. ズームレンズの画像を含むカメラグループを無効にします。密集した点群を作成するには、[ワークフロー] |高密度のクラウドを構築します。Build Dense Cloud の処理設定については、表 2 を参照してください。
      注:両方のカメラからの画像は、生態学的分析中にすべての高解像度画像のクエリを容易にするために位置合わせに使用する必要がありますが、2つのカメラ間のホワイトバランスと露出の微妙な違いが密な点群に視覚的なノイズを追加するため、密集した点群の作成中にズームレンズ画像を使用しないでください。
    5. カメラの姿勢の推定をエクスポートするには、[ ツール] |スクリプトの実行 |Extract_meta.pyスクリプト (補足ファイル2)。密集点群をエクスポートするには、[ ファイル] |エクスポート |ポイントをエクスポートします。エクスポートの設定については、 表 2 を参照してください。
    6. エクスポートした密集点群ファイルを、視覚化ソフトウェアのプログラムファイル内にあるvc5prep-confidence.batファイルにドラッグアンドドロップします。
    7. カメラポーズファイル(*.cams.xml、*.meta.json)などのデータファイル、生成されたプログラムファイル(*.vml、*ptdata、*.xml、*.kdmファイルを含むフォルダ)を1つのディレクトリにまとめ、可視化ソフトウェアで使用します。
  2. スケールと向き
    1. 視覚化ソフトウェアで、スケーラーツールを使用してマーカーペアをスケールバーターゲットに配置し、既知の距離を入力します。
      注:スケーラーツールの詳細については、補足ファイル3のセクション4.2を参照してください。
    2. 各深度タイルにマーカーを配置し、 方向ツールを使用して 各タイルの深度値を調整し、ローカル垂直に最も適合する平面を定義します。
      注:orientツールの詳細については、補足ファイル3のセクション4.4を参照してください。
      注: 深度光線が上向きで、推定された水面で終わることを確認します。下向きの光線の場合は、最終的な再構築された位置に対する深度値のエラーや深度メタデータのエラーにつながる可能性のある深度タイルの動きの証拠を確認します。
  3. 時間的共登録
    1. 補足ファイル3のセクション10.0に従って、データのコレクションの組織プロジェクトファイルをソフトウェアで作成します。1 つの組織プロジェクトに、経時的な調査を行う複数のサイトを含めます。
    2. 高密度の点群ファイルをレイヤーとして組織プロジェクトに追加し、必要に応じてサイトレベルの組織構造を変更して、特定のサイトの高密度の点群を時間を超えて接続します。
      注: レイヤーの編成を自動化するには、[Region]_[Date]_[Site] の一貫したファイル命名スキームを使用します。
    3. 時系列の縮尺と方向の参照レイヤーとして機能するサイトの時点を選択します。
      注:複数のレイヤーを使用してスケールを設定できます。ただし、潮汐シフトや大きなうねりの高さは、時間経過に伴う深度計測の精度と一貫性に誤差をもたらすため、1 つのタイム ポイント レイヤーを方向付けの基準として選択する必要があります。
    4. 補助付きコレジストレーション ツールを使用して、レイヤーを時間とともに整列させます。
      注:詳細については、補足ファイル3のセクション11.0を参照してください。高成長または大きなうねりイベントによる大きな構造変化の場合は、候補不変特徴量を使用した手動の共登録ワークフローを使用することが望ましい場合があります。より長い時系列の場合、または時間の経過と共に大きな変化がある場合は、一般に、特定のモデルを次に早い時点にコレジストレーションすることをお勧めします。
  4. 2D オルソ幾何補正
    1. ソフトウェアのボックスツールを使用して、フォーカル解析エリア(10 m x 10 m)を囲む境界と、各エッジから伸びる最小2 mのバッファ(最小w:14 m、最小h:14 m)を囲むサーフェス角度(g:0°)からのビューを設定します。
      注: ボックス ツールの使用方法の詳細については、補足ファイル 3 のセクション 6.0 を参照してください。
    2. ボックス ツール内で、マップのエクスポートをオンにして、オルソ投影画像ファイルを作成します。エクスポート解像度を 1 mm px-1 に設定し、[キャプチャ] を選択してプレビューを生成します。密集した点群の完全なセクションを含むプレビュータイルまでスクロールし、pt-sizeの値を増やして点間のギャップを埋めます。
    3. キャプチャを選択して、オルソプロジェクションを ppm ファイルとしてエクスポートします。キャプチャが完了したら、生成された.ppmファイルをプログラムファイル内にあるconvert-to-tif-flip.cmdファイルにドラッグアンドドロップして、エクスポートしたファイルをtifに変換します。
    4. 時系列の密集した点群を共に登録する場合は、サイトに対してステップ 2.4.2 から 2.4.3 を繰り返し、同じボックスを使用しながら時間レイヤーを変更します。

3. 生態学的分析

注:生態学的データ抽出には無数のオプションが存在し、ここではその選択を紹介します。これらの中核的なワークフローは、長期モニタリングのための確立された指標78,79に焦点を当てていますが、観察に基づく科学的調査に十分なデータを生成するために使用および適応することができます。ユーザーは、個々のデータニーズと分析目標に基づいてワークフローを選択し、適応させる必要があります。以下で説明するワークフローは、3D 高密度点群や 2D オルソ投影などの派生製品を組織フレームワークとして使用して、ソース画像への直接アクセスを統合して生物学的データのアノテーションを支援するように設計されています。

  1. 構造の複雑さ
    1. rugoツールを用いて、密集した点群上に10m×10mのボックスを作成し、最大寸法を10m(rugo-dim:10.0m)、アスペクト比を1.0(クワッドアスペクト:1.000)に設定して、データ抽出の対象エリアを100m2を指定します。
      注: rugo ツールの使用に関する詳細は、補足ファイル 3 のセクション 7.0 にあります。
    2. サンプルにするトランセクト ラインの数 (lines) と、各トランセクトに沿ったポイントの数 (samples) を、目的のサンプル間隔に基づいて設定します。[ 準備 ]を選択すると、サンプリングされた各ポイントの x、y、z 座標を含む csv ファイルをエクスポートし、さまざまな構造複雑解析に使用できます。
    3. 補足ファイル 4 にあるスクリプトを実行して、構造複雑性解析に使用する関数を生成します。次に、必要なメトリックに基づいて補足ファイル5にあるスクリプトに従って、構造の複雑さを定量化します。
      注:ユーザーが関心のあるスケールに対処するためにターゲットとする可能性のある最高解像度(1cmの間隔 を推奨)で間隔スケールを選択することが推奨され、ここから、ここに提示されているようなさまざまなスケール(0.5mの行間隔 と 10cmのポイント間隔)は、ダウンサンプリング56を通じて同様に評価できます。
  2. コミュニティの構成
    1. VPI(Virtual Point Intercept)ツールを使用して、密集した点群上に10 m x 10 mのボックスを作成し、最大寸法を10 m(クワッド ディム:10.0 m)、アスペクト比を1(クワッドアスペクト:1.000)に設定して、データ抽出の対象エリア100 m2を指定します。
      注: Virtual Point Intercept ツールの使用方法の詳細については、補足ファイル 3 のセクション 5.0 を参照してください。
    2. 密集した点群からサンプリングするポイントを層別ランダム分布で設定し、選択した密度をターゲットとするポイントの数を設定します。 [準備] を選択して、ポイントのサンプリングを開始します。
      注:分類学的レベルでの分析には、25 m-2 (2,500ポイント)のサンプリング密度が推奨されます。ここで提示された結果は、機能レベルに焦点を当てたより広範なコミュニティ構成比較調査のために、より低いサンプリング密度(10 m-2)を使用しました。
    3. カム ツールを使用して、ソース イメージを密集した点群にリンクし、モデル上のポイントの空間クエリされたマルチイメージ ビューを許可します。
      注:カムツールの詳細については、補足ファイル3のセクション4.5を参照してください。
    4. VPI ブラウザー Web アプレットを使用すると、ソース イメージの複数のビューを直接使用して、各ポイントに最高解像度の分類指定を主にラベル付けできます。各ポイントに 2 つのオプション セット 2 つのセカンダリ ラベルを追加し、漂白ストレス75 や形態などのサンゴ ラベルの例を挙げます。
      注: プライマリ ラベル セットとセカンダリ ラベル セットは、*.pq フォルダにある qclasses.json ファイルを編集することで変更できます。
    5. Web アプレットを使用して、各ラベルのカバー率のサマリーを .csv ファイルとしてエクスポートします。
  3. 密度調査
    1. 手順3.2.3に従って、イメージがソフトウェアですでにリンクされていることを確認してください。密集した点群の擬似マップ ビューを設定するには、パース ビューの焦点距離を 100 mm に変更し、モデルのトップダウン フル ビューにズーム アウトします。補足ファイル 6 の quadrat サンプリング ファイルを使用して、セル c1 の eval をクリックし、Web アプレットでビューをキャプチャし、グラブ ボタンを選択します。
      注:詳細については、補足ファイル3のセクション8.0を参照してください。
    2. カムをオンにし、クワッドラット サンプリング スクリプトのセル c2 と c3 の eval をクリックして、クワッドラット サンプリング ワークフロー内で画像をリンクします。
    3. 手順3.1.1に従って、ターゲット100m2のデータ抽出エリアを指定するためのルゴボックスがすでに作成されていることを確認してください。ウェブアプレットで、c4 prep cellsセクションを評価して、1 m2 クワッドラットを 100 個サンプリングします。
    4. Quadrat Sampling Web アドレスで、ソース画像を使用して Quadrat を検索し、対象生物にラベルを付けます。場所を左ダブルクリックすると、サンプリング場所がリターゲティングされます。 分類学ボタンをクリックして、ターゲットポイントをサンプルとして指定します。マークされたポイントを削除するには、そのポイントを左ダブルクリックして [何もない] を選択します。
      注:クワッドラットは所定のランダムな順序で表示されるため、密度調査のためにクワッドラットのサブセットをランダムにサンプリングできます。
    5. *aux/recruits/test1 の下にあるすべてのサンプリング ファイルを 1 つのディレクトリにコンパイルし、各ファイルの名前を変更してサイト名を含めます。ボタンルックアップファイル(補足ファイル7)をサンプリングファイルと同じディレクトリに追加します。 補足ファイル 8 のスクリプトを実行し、インラインの指示に従って、サンプルデータをサイト別および分類グループごとに密度に集約します。
      注:ここでは、固着性無脊椎動物をサンプリングしますが、同じツールを使用して、幼若および成体のサンゴ密度を含むさまざまな生物を調査できます。
  4. 人口統計学
    1. コロニーセグメンテーションのオルソプロジェクションファイルをセグメンテーション解析ソフトウェアにロードします( 材料の表を参照)80。複数の時点の共登録されたオルソ投影ファイルを、同じプロジェクト ファイル内の 新しいマップ として読み込み、コロニーのサイズを時間とともにセグメント化して追跡します。
    2. 補足ファイル3のセクション17.1にあるiViewのWebアプレットを介してソース画像を使用し、分類学的および境界の識別の参照としてコロニーをセグメント化します。画像が手順3.2.3に従って視覚化ソフトウェアにすでにリンクされていることを確認してください。フォーカルコロニーの密集した点群にマーカーを配置し、さまざまなパースペクティブビューのマーカー位置のソース画像をスクロールします。
    3. ポジティブ/ネガティブクリックアノテーションツールを使用して、個々のサンゴのコロニーをセグメント化します。クリックベースまたは手動の境界調整を使用して境界を変更します。

4. データキュレーション

注:アーカイブ作業では、その後のすべての派生製品が再現可能であるため、ソース画像の保存を優先する必要があります。特定のユーザーが利用できるリポジトリは異なりますが、ソース画像データセットに含まれる関連する調査メタデータを標準化して、より広範なコミュニティが利用できるようにその有用性を最大化する努力を払う必要があります。

  1. データリポジトリ
    1. 対象エリア、カメラ システム、地上管制マーカー、収集パターンなどの調査の詳細を含む手法記述ファイルを生成します。このプロトコルの説明例については、 補足ファイル 9 を参照してください。
    2. サイト名、収集日、GPS 座標、プロット方位、地上制御の深度と縮尺データ、特定の調査に使用された収集パターンとカメラ システムなどのフィールドを含む、画像データセットに固有の調査メタデータ ファイルを生成します。
      注:調査中のより広範な地理的コンテキストと条件を含む追加のフィールドを強くお勧めします。推奨フィールドを含むメタデータ ファイルの例は、 補足ファイル 10 にあります。
    3. 説明ファイル、メタデータファイル、画像ファイルを 1 つの zip アーカイブに結合して、選択したデータリポジトリに取り込むことができます。
      注:画像データのコレクションは https://doi.org/10.6075/J0DV1HDR で利用可能になりました。

Results

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

現場での大面積の画像収集が成功すると、調査エリアを完全にトップダウンでカバーする高密度の点群再構成が作成されるはずですが、カバレッジの冗長性が不十分な場合、点群のギャップや完全な劣化につながる可能性があります(図4)。2016 年にハワイ諸島全体で実施された 43 の大面積画像調査では、データセットごとに平均 99.6% の画像が位置合わせされ、66% の画像セットで 100% の画像が位置合わせされました。広角レンズカメラから収集された画像の平均GSDは0.52 mm px-1 で、ズームレンズカメラからの平均GSDは0.18 mm px-1でした。これらの調査では、平均サイズが 5 億 5,770 万ポイント (15 GB) の高密度の点群が生成されました。

ここで説明する生態学的ワークフローは、サンゴ礁モニタリングの既存の方法論に匹敵するデータを生成するように設計されました78。ハワイ全土のLAI調査から抽出された生態学的データは、いくつかの外れ値を除けば、構造複雑性ワークフローから生じる線形粗さの測定値を示しており、これはサイト81全体の複雑さのその場の測定値と比較して相対値とよく一致しています81(図5A、B)。主要な底生機能群の被覆率を測定するためのLAIからの追加のコミュニティ組成分析は、従来のフォトクワドラット調査と比較して同様の整列を示している82(図5C、D)。ここでのクワッドラットサンプリングは、固着性無脊椎動物の密度を測定するために使用され、最も一般的なのはウニであり、これは相対的な存在量のカテゴリ別尺度として要約されました。LAI法は、in situ法81(図5E、F)と比較して、より高いレベルの存在量を定期的に記録しましたが、これは、迅速な目視センサスと比較して、特定のエリア内のすべての個人を包括的に検索および調査する能力によるものと考えられます。2Dオルソプロジェクションを使用してサンゴのコロニーをセグメント化すると、一般的なサンゴ分類群のサイズ分布がin situ法と同様のものであることも明らかになりました83(図5G、H)。

LAI調査の主な利点は、高密度の点群の共レジストレーションを通じて、サンゴ礁領域の経時的な変化をアーカイブおよび追跡できることです。サンゴ礁は生きた基質であり、LAIの調査では、異なる時点からの密集した点群を確実に共登録するために使用できる、自然または設置された恒久的な表面を特定するのが難しい場合があります。ミレニアム環礁の例(図6)は、高成長と構造損失の両方の例を示しており、サンゴ礁の表面が時間にわたってほとんどまたはまったく安定していないにもかかわらず、補助付き共レジストレーションワークフローが密集した点群の共レジストレーションに使用されました。

figure-results-1
図1:組み立てられたカメラフレームの図。 (A、B)デュアルおよび(C、D)シングルカメラフレームのセットアップのビューの例。Ikelite カメラハウジングは、ハウジングハンドルに取り付けられたスライダープレートを使用して、カメラ取り付けパネルのフレームに取り付けられます。B に示すように、レベル、コンパス、ダイブコンピューターなどのナビゲーションを支援するオプションの計器をフレームに取り付けることができます。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-2
図2:セットアップ100m2の大面積画像プロットの図。面積 100 m2 のフルセットアップの大面積イメージプロットの概略図。一時的なプロット マーカーには、6 つの境界タイル マーカー、4 つのスケール バー、4 つの参照フロートが含まれます。永久プロットマーカーには、オンショアを見たときに左の杭にロックナットを含む2つのステンレス鋼の杭が含まれています。プロットのGPS参照は、左中央のタイルまたは賭け金の上に取得する必要があります。この図の拡大版を表示するには、ここをクリックしてください。

figure-results-3
図3:ダイバーコレクションパターン。 例:(A)バッファーを含めてプロットエリアの十分なカバレッジとオーバーラップを確保するためのダイバーの遊泳経路、および(B)カメラシステムとダイバーの配置、および参照フロートが遊泳高さのガイドを提供する例。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-4
図4:画像の重なりの減少。 重なり合う画像の数による密集した点群の劣化は、ランダムサンプリングによって減少します。各パネルには、元の画像の(A)全画像、(B)1/2、(C)1/3、(D)1/5、(E)1/10から生成された高密度点群が表示されます。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-5
図5:生態学的データの抽出。 各生態学的ワークフローの大面積イメージングから抽出された候補データを、確立されたin situデータ収集方法と比較して示しています。これには、(A、B)構造の複雑さ、(C、D)コミュニティ構成(エラーバーは標準誤差を示します)、(E、F)無脊椎動物の密度、および(G、H)サイズ構造の人口統計が含まれます。略語:LAI=大面積イメージング。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-6
図6:密集した点群の共レジストレーション。 時間的に共登録された 2 つの密な点群の視覚的な比較の例。構造物の損失領域 (スウェル損傷によるものと思われる) は、マゼンタの矢印で示されているように、赤で視覚的にコード化されています。構造的な追加が見られる領域は、通常、サンゴのコロニーの成長に起因するとされ、黄色の矢印で示されているように、青色で視覚的にコード化されています。ここで説明する同時登録ワークフローは、ここで見られるように動的なサンゴ礁エリアでも使用でき、恒久的に設置された地上基準点(GCP)は、過成長や移動のために信頼性が低くなります。 この図の拡大版を表示するには、ここをクリックしてください。

カメラ機能推奨設定
焦点自動
撮影モード広角レンズ用P(Programmed Auto)
A(絞り優先オート)、マクロレンズ用絞りF8に設定
リリースモードS(シャッター優先オート)
オートフォーカス設定オートフォーカスセントラル(AF-C)、シングルセントラルポイント(S)
自動ISO感度制御オン
最大ISO感度3200
最小シャッタースピード1/320
画質RAW+JPEG
インターバルタイマー1秒
ホワイトバランス習慣

表1:推奨されるカメラ設定。 以下は、画質を最適化するために使用される主要なカメラ設定のリストです。これらの設定は、水中の照明条件で移動するオペレーターによってキャプチャされたピントの合った画像のキャプチャを優先します。

写真を整列
精度高い
ジェネリック事前選択いいえ
キーポイント制限5000
タイポイント制限0
ガイド付き画像マッチングいいえ
適応型カメラモデルのフィッティングはい
高密度のクラウドの構築
品質高い
深度フィルタリング軽度
ポイントの色を計算はい
ポイントの信頼度を計算はい
エクスポートポイント
ファイルの種類スタンフォードPLY
座標系ローカル座標 (m)
ソースデータ密集した雲
ポイントの色を保存するはい
セーブポイントノーマルはい
セーブポイントの信頼度はい
セーブポイントクラスいいえ
色を8ビットRGBに変換するはい
バイナリエンコーディングはい

表2:3D密集点群の構築設定。 Agisoft Metashape で高品質の高密度点群再構成を作成およびエクスポートするために使用される設定のリスト。

補足ファイル1:ロードマップ。 再調査のためのプロットエリアを見つけるのに役立つプロットの特徴と深さでマークされたオルソモザイク画像の例。 このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル2:Extract_meta.py。 Agisoft Metashape でスクリプトを実行して、カメラのポーズとファイルディレクトリ情報をエクスポートし、 Viscore で元の画像をクエリするために使用します。 このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル3:Viscoreのガイド。 Viscoreのソフトウェアガイド には、 モデルの視覚化、共レジストレーション、および生態学的分析のワークフローが含まれています。 このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル4:Rugosity_Functions.Rmd. Viscore から抽出された Rugosity データを処理する関数を含む R で使用されるスクリプト。このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル5:Rugosity_Analysis.rmdm. Rugosityメトリックを計算するためにRで使用されるスクリプト。 このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル6:Quadrat_sampling.rpl.json。 Viscoreで四角形密度解析ワークフローに使用されるスクリプト。このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル7:Density_taxo_lookup.json。 クワッドラットサンプリングスクリプトを実行して、タクソノミックグループごとにクォードラットサンプリングデータを集約するためのボタンルックアップファイル。 このファイルをダウンロードするには、ここをクリックしてください。

増補ファイル8:Density_Analysis.R 調査レベルで分類グループごとに密度を計算する四角形サンプリング データを集計するために R で使用されるスクリプト。 このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル9:README.txt 画像キャプチャの方法論を説明する、データ アーカイブ用のオリジナル画像に含めるテキスト ファイルの例。 このファイルをダウンロードするには、ここをクリックしてください。

増補ファイル10:METADATA_KAH_2016-07_03.txt LAI 調査のメタデータ フィールドを含む、データ アーカイブ用のオリジナル画像に含めるテキスト ファイルの例。これには、参照用の調査縮尺と深度データのフィールド、および地理情報の全体的なサイト メタデータが含まれます。略語:LAI=大面積イメージング。 このファイルをダウンロードするには、ここをクリックしてください。

Discussion

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

大面積イメージングは、ドメインサイエンティストが、収集された個々の画像よりも大きなスケールで環境の特徴をデジタルで視覚化および分析することを可能にするツールです。LAI プロトコルは、複数の視点から環境の複数の画像をキャプチャすることで、元の画像から収集された詳細を維持しながら、比較的広範な風景 (個々の画像の空間的範囲に対して) の表現を作成するのに役立ちます。LAI のユニークな価値は、最大縮尺 (調査の面積範囲によって定義される) から最も小さい縮尺 (元の画像の実現解像度によって定義される) まで、さまざまな縮尺で環境データを探索できることにあります。ただし、このクロススケールの強度を活用するには、キャプチャされたすべてのレベルのデータへの定期的かつ流動的なアクセスを保証すること、特に元の画像と派生した3Dモデルの両方に簡単にアクセスできるようにすることが重要です。ここで紹介するプロトコルの各ステップでは、元の画像がアクセス可能で、使用可能で、派生した LAI モデルとともに安全にアーカイブされることを一貫して保証することで、LAI のこの独自の強みを強調しています。

LAI 方式では、収集された元の画像に直接リンクされた商品が配信されます。画像取得の詳細をシフトすることで、ユーザーは異なる品質とカバレッジのデータ製品を作成できます。構造的に複雑なサンゴ礁環境を調査する場合、水中での調査時間が限られている(またはキャプチャ可能な画像の数が一定である)ユーザーは、調査エリアの面積範囲を増やすか、サンプリングされたエリアの各セクションの詳細レベルを上げることを優先する場合があります。大きな面モデルでは単位面積あたりの詳細度が低く(場合によってはオクルージョンが多く)、詳細なモデルでは総面積が小さくなる(オクルージョンが少ない可能性が高い)というトレードオフが必ず発生します。このプロトコルでは、それぞれ異なるレンズを持つ2台のカメラを使用することで、ユーザーはより広い領域をサンプリングする(SfM要件を満たすために広角レンズと十分なオーバーラップ)と同時に、より詳細なオリジナル画像(写真と写真のオーバーラップが少ないズームレンズからのより詳細)を収集することができます。両方のカメラからの画像の姿勢推定を含めることにより、ダウンストリームの視覚化および分析プロトコルには、サンプリングされた領域の大部分からの高解像度のビューが含まれます。このプロトコルは、調査の実行可能性の範囲を拡大することを目的としていますが、ユーザーは、派生した製品が、好ましい分析ルーチンを完了するための十分な面積カバレッジまたは元の画像の十分な詳細を欠いていることに気付く場合があります。ユーザーは、元の画像と派生モデルを確認して、環境調査プロトコルがプログラムのニーズを満たしていることを確認し、水中調査アプローチを変更して(たとえば、地上サンプリング距離の変更、調査期間や収集される画像数の変更)、単位面積あたりの面積カバレッジと解像度の好ましいバランスに到達することをお勧めします。

LAIの手法は、時間効率が高く、収集に必要なドメイン固有の専門知識が限られている底生環境の情報が豊富で広範囲に及ぶ「スナップショット」をキャプチャすることにより、水中科学に価値を提供します。これらのデータ製品の価値は、既存のデータストリームを参照して検討できるだけでなく、新規で高速化されたドメイン固有のアプリケーションについても検討できます。既存のデータストリームとの比較を考慮すると、LAIの分析製品は、水中観測者84,85,86,87によってその場で収集されたデータと直接比較可能な生態学的データを提供できる。ここでは、このプロトコルに従って、古典的なin situモニタリング活動とLAI製品の標準化された分析から得られた生態学的データ出力の定量的分析を提供します。サンゴ礁のモニタリング活動における4つの一般的な指標(構造の複雑さ、底生生物群集の構成、移動性無脊椎動物の密度、サンゴのサイズ構造)に焦点を当てることによって。図5)、データ出力に強い定量的一致を示します。特に、細かいスケールの観測を必要とするデータ ストリーム (分類学的同定、生物学的境界の正確な定義など) では、元の画像への定期的かつ信頼性の高いアクセスを含む LAI ワークフローが、これまで没入型の in situ サンプリングのみに限定されていた観測の機会に匹敵する独自の強みを提供します。Viscoreによって提供され、このプロトコルに記載されているデータ処理と視覚化の進歩は、LAI由来の生態データとin situモニタリング製品の比較可能性を保証する独自の価値を提供し、LAIのデジタル的に強化されたワークフローを組み込むことで、長期的なデータストリームの偏りのない維持を可能にします。

水中科学者にとって、LAIは、データ取得と探査において斬新で加速されたワークフローを活用する機会を提供します。LAIは、底生環境の相対的な構成だけでなく、空間特性も含む高解像度のマッピングツールとして独自の強みを持っています。SfMワークフローからの3Dモデルの作成に明示的に、LAI製品には、複数のスケール56で探索できる構造の複雑さに関する情報が含まれている。より広い範囲の海景を捉えるツールとして、LAI製品は、底生生物の空間分布と近傍特性のパターンを考慮する機会を提供できる45,66。また、底生地形をより大きなスケールで可視化することが可能になることで、太平洋のサンゴ礁64における一般的な大型藻類の大規模(3-4m)多角形パターン化など、水中での長距離視界の限界により水中生息地では容易に見えない特徴を検出することが可能となる。

LAIは大規模な分析の機会を提供しますが、効率的な水中収集と画像後処理に関連する課題について懸念が表明されています。水中での画像取得の空間的範囲を拡大するには、ダイバー展開イメージングから離れて、補助マッピングシステム88の利用、そして最終的にはROVs38およびAUVs67,89の使用へと、技術の進歩が必要となる。取得パターンとカメラシステムに関する堅牢な調査方法により、これらの異なるプラットフォーム間で生成されるデータのスムーズな移行と一貫性が保証されます。LAIプロダクトの計算要求と大規模なデータフォーマットを考慮すると、一部の海洋科学者は、ワークフロー90の技術的アクセシビリティと、生態学的データ抽出84,86に関連する大規模な時間要求について懸念を表明している。しかし、データ抽出の技術的なハードルに対する創造的なソリューションを活用するツールの数が増えています80,91,92,93。重要なことは、AIで強化されたLAI解析ワークフローの使用は、提供される入力信号の品質によって制限されることです。そのため、データ抽出が人間のオブザーバーによって行われるか、訓練されたAIアルゴリズムによって行われるか、または(理想的には)AIが加速するヒューマンインザループワークフローによって行われるかに関係なく、LAIプロトコルの画像取得とデータ管理の基準と品質を維持することに対する一貫した要求が依然としてあります。ここで説明したように、LAI プロトコルの元の画像の主要な重要性に一貫して焦点を当て続けることで、水中の生息地を堅牢に、透過的に、一貫して探索するユニークな機会が生まれます。

Disclosures

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

著者には、開示すべき利益相反はありません。

Acknowledgements

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

この取り組みは、スクリップス海洋研究所の100アイランドチャレンジの取り組みによってサポートされています。Schmidt Marine Technology Partners、Ed Scripps氏とChristy Scripps氏、Moore Family Foundationには、関連する研究と大面積イメージングトレーニングの取り組みに対する財政的支援を提供していただき、方法論の改良に役立ったことに感謝します。また、現地調査を支援してくださった調査船「ヒイアリキ号」、「ハンス・エクスプローラー号」、「プランB号」の乗組員にも感謝いたします。特に、ここで紹介したデータのフィールド収集を支援してくれたNOAAの太平洋島嶼漁業科学センターの生態系科学部門のチームに感謝します。

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
1 "x 4 1/4" x 3 1/4 "カスタム機械加工アセタールN / AN / A1.1ギアの準備;カメラのスライドとマウントのcontruction用
1/2インチ マリングレード高密度ポリエチレンキングスターボードN/A1.1 ギア準備;カメラの外枠とカメラ取り付けパネルの取り付け用
18-8 フラットヘッド ステンレス鋼 プラス フラットヘッド ネジ、3/8"-16 ネジ サイズ、1-1/2"ロングマクマスターカー91771A6281.1ギアの準備;カメラフレームアセンブリ用
18-8ステンレス鋼ソケットヘッドネジ、10-24スレッドサイズ、1-1 / 8 "ロングMcMaster-Carr92196A2481.1ギア準備;
1ポンドのダイビングウェイトスキューバWBELT24 1LB1.2プロットセットアップを処理するための取り付けプレートを固定するために使用されます。参照フロート
200DLニコンD780デジタル一眼レフカメラIkelite710191.1ギアの準備のための水中ハウジングに使用されます。デジタルカメラ用水中ハウジング
24mm固定レンズ (AF-S NIKKOR 24mm f/1.8G ED)Nikkor200571.1 ギア準備;画像のオーバーラップを増やすための広角レンズ
250# グレー はえ縄 ポリソフトコンチネンタル ウエスタン5030861.2 プロット セットアップ;スケールバーを作成します。モデルスケールを決定するための地上制御マーカー
3ポンド掘削ハンマーEstwingB3-3LB1.2プロットセットアップ;調査サイトでステンレス鋼の杭を取り付けるために使用されます
3/8-16 X 18インチ THRD ロッド W / 60度ポイント 316 S / Sアババボルト37C1800ROD6/60DEG1.2 プロットセットアップ;調査サイト
316ステンレス鋼ナイロンインサートロックナット超耐食性、1/4 "-20スレッドサイズMcMaster-Carr90715a1251.2プロットセットアップをマークするための恒久的な設置用。スケールバーとフレームアセンブリ用。
316ステンレス鋼ナイロンインサートロックナット超耐食性、3/8 "-16スレッドサイズMcMaster-Carr90715A1451.2プロットセットアップ;プロット
316ステンレス鋼フィリップス平頭ネジ、10-32スレッドサイズ、3/8 "ロングMcMaster-Carr91500a8271.1ギアの準備の向きのために左のステンレス鋼の杭に取り付けられています。カメラフレームアセンブリ用
4 "x4" Agisoftマーカー防水紙に印刷AgisoftN / A1.2プロットセットアップ。コーナータイルを構築します。モデルの向きを決定するための地上制御マーカー
4 "x4" x1 / 4 "ステンレス鋼タイルN / AN / A1.2プロットセットアップ;コーナータイルを構築します。モデルの向きを決定するための地上制御マーカー
4 "x4" x3 / 4 "カスタム印刷プラスチックagisoftマーカー高密度ポリエチレンカラーコアN / AN / A1.2プロットセットアップ;スケールバーを作成します。モデルスケールを決定するための地上制御マーカー
512 GB Extreme PRO SDXC UHS-I カード - C10、U3、V30、4K UHD、SD カードSanDiskSDSDXXY-512G-GN4IN1.1 ギアの準備;高速・大容量のストレージカード。カメラ1台につき最大2台を画像保存に使用
5TBエレメント、ポータブル外付けハードドライブ、HDD、USB 3.0Western DigitalWDBU6Y0050BBK-WESN、1.3、画像キャプチャ。画像保存および画像バックアップ用の大容量外付けハードドライブ
60 mm 固定レンズ (AF-S Micro NIKKOR 60mm F2.8G ED)Nikkor21771.1 ギア準備;マクロズームレンズ、デュアルカメラセットアップ用オプション
アセタール加工され、1インチx12インチ3/8インチ16スレッドサポートブレースN/AN/A1.1ギア準備用にタップされています。カメラフレームサポートコラム
AquaMendエポキシパテスティックJD工業用供給4705501.2プロットセットアップ;調査サイトでステンレス鋼の杭をインストールするために使用されます
建築 6063 アルミニウム U チャネル、1/8 インチ 壁の厚さ、1/2 インチ 高さ x 3/4 インチ 幅 外側McMaster-Carr9001k461.2 プロット セットアップ。スケールバーを作成します。モデルスケールを決定するための地上制御マーカー
ブラックオキサイド 18-8 ステンレス鋼なべ頭フィリップス ネジ、1/4 インチ -20 ネジ、1/2 インチ ロングMcMaster-Carr91249a5371.1 ギアの準備。ハウジングにアイクライトハンドルを取り付けるには
、ブラックオキサイド18-8ステンレス鋼なべ頭フィリップスネジ、1/4 "-20スレッド、5/8"ロングMcMaster-Carr91249A5391.2プロットセットアップ。スケールバーを作成します。モデルスケールを決定するための地上制御マーカー
ブルースチールロープコンチネンタルウエスタン4020201.2プロットセットアップ;調査中に底生生物に潜水フロートを固定するために使用されます
D780カメラ本体ニコン16181.1 ギアの準備;カメラ本体モデル
DGX Tech Compass (バンジーマウントとコードDive Gear ExpressDX-9050x1.2 プロットセットアップ;プロットベアリングのコレクションや、ナビゲーション補助ダイブコンピュータとしてのカメラフレームへの追加用
- Suunto Zoop NovoSuunto N/A1.2プロット設定;参照タイルで深さを記録するには
ダイブスレートTexWipeTX58351.2プロットセットアップ。タイルの深さ、コード化されたターゲット番号などのプロットメタデータを記録するために使用されます
DL 8インチ ドームポートイケライト753401.1 ギアの準備;水中ハウジング用ドームポート
フロート、PVCスポンジ、直径5-3/4 "BY 3/4"、RUSTメンフィスネット&TwineSB11.2プロットセットアップ;カメラオペレーターのプロット境界と水泳の高さを決定するための視覚的な参照として使用されます
Garmin 78s GPSGarmin010-00864-011.2プロットセットアップ。調査サイトの場所を記録するために使用されます
高性能コンピュータN/AN/A2.0 モデル構造;3D高密度点群処理の場合、高速10+コアCPU、128GB RAM(最小64 GB)、1TBソリッドステートドライブ、および専用のNVIDIAまたはAMD GPUを含む推奨仕様。
インフレータブルサーフェスダイブフロートOmerAtol 62461.2プロットセットアップ;デュアルパーパスサーフェスマーカーブイと 
JOHNSONクロスチェックレベル:非磁性、2 1/4インチ x 1 7/16インチ x 3/16インチ、プラスチック、吊り下げ穴、1mm / mグレインジャー6C2251.1ギア準備;ナビゲーション補助としてカメラフレームにオプション追加
長い巻尺、1/2 In x 30m、PumpkinGrainger3LJW91.2プロットセットアップ。プロットエリアを設定するために使用されます
マンタリール SR. リールマンタインダストリーズN/A1.2 プロット設定;調査中に使用するためのダイブフロートに取り付けられ
Metashapeプロフェッショナルライセンス、AgisoftN / A2.0モデルコンストラクション。高密度点群処理用ソフトウェア
ノングレアクリアアクリルN/AN/A1.2 プロットセットアップ;コーナータイルを構築します。モデルの向きを決定するための地上制御マーカー
DLポートシステム用Oリング0132.45、ULTRAcompact HousingsIkelite132.451.1ギアの準備;水中ハウジング用Oリング
デジタル一眼レフ用Oリング0132.59 &ミラーレスハウジング(タイプ1)Ikelite132.591.1ギアの準備;水中ハウジング用Oリング
パラコードまたはダクロンラインN/AN/A1.2 プロットセットアップ;潜る重量に参照フロートを添付するために使用され
、不動態化18-8ステンレス鋼フィリップスフラットヘッドネジ、82度皿穴、1/4 "-20スレッド、1"ロングMcMaster-Carr91771A5421.1ギアの準備。フレームスライダーパネル
パッシベーション18-8ステンレス鋼フィリップス皿頭ネジ、82度皿穴、1/4 "-20スレッド、1-3 / 4"ロングMcMaster-Carr91771a5481.1ギア準備。フレームスライダーパネル
パッシベーション18-8ステンレス鋼フィリップスフラットヘッドネジ、82度皿穴、10-32スレッド、3/8 "ロングMcMaster-Carr91771A8271.2プロットセットアップ。コーナータイルを構築します。モデルの向きを決定するための地上制御マーカー
ペリカン 1060 マイクロケースペリカン1060-025-1001.2 プロット設定;インフレータブルダイブフロートに取り付けられているGPSユニット用ハウジング
ヘッドつまみネジ1/4 "-20 x 2"McMaster-Carr91185A8191.1ギアの準備。カメラハウジングをフレームに固定するために使用します
エクステンション付き右手クイックリリースハンドルIkelite4077.021.1ギアの準備;水中ハウジング用ハンドル
RN/AN/A3.0 生態学的分析;構造複雑性スクリプトを実行するためのソフトウェア
TaglabN/AN/A3.0 Ecological Analysis;セグメンテーション分析用ソフトウェア
シャッターまたは戻るボタンフォーカス用トリガーエクステンションv2Ikelite4077.951.1ギア準備;水中ハウジングのシャッターボタン制御のためのトリガー拡張
ゲージ付き真空ポンプIkelite470111.1 ギアの準備;水中カメラハウジングのOリングシールの完全性をテストするには、
ViscoreN / AN / A2.0モデル構造; 3.0生態学的分析;生態学的分析用ソフトウェア
ハウスオブ、、、付き) 、ています:、プラスチック

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Hubbell, S. P., Foster, R. B. Short-term dynamics of a neotropical forest: Why ecological research matters to tropical conservation and management. Oikos. 63, 48-61 (1992).
  2. Fahey, T. J., et al. The promise and peril of intensive-site-based ecological research: Insights from the Hubbard Brook ecosystem study. Ecology. 96 (4), 885-901 (2015).
  3. Condit, R., et al. Spatial patterns in the distribution of tropical tree species. Science. 288 (5470), 1414-1418 (2000).
  4. Lieberman, D., Lieberman, M., Peralta, R., Hartshorn, G. Mortality patterns and stand turnover rates in a wet tropical forest in Costa Rica. J Ecol. 73 (3), 915-924 (1985).
  5. Hubbell, S. P. Tree dispersion, abundance, and diversity in a tropical dry forest: That tropical trees are clumped, not spaced, alters conceptions of the organization and dynamics. Science. 203 (4387), 1299-1309 (1979).
  6. Connell, J. H. The consequences of variation in initial settlement vs. Post-settlement mortality in rocky intertidal communities. J Exp Mar Biol Ecol. 93 (1-2), 11-45 (1985).
  7. Turner, M. G. Landscape ecology: The effect of pattern on process. Annu Rev Ecol Syst. 20, 171-197 (1989).
  8. Rietkerk, M., Van De Koppel, J. Regular pattern formation in real ecosystems. Trends Ecol Evol. 23 (3), 169-175 (2008).
  9. Harms, K. E., Wright, S. J., Calderón, O., Hernandez, A., Herre, E. A. Pervasive density-dependent recruitment enhances seedling diversity in a tropical forest. Nature. 404 (6777), 493-495 (2000).
  10. Marhaver, K., Vermeij, M., Rohwer, F., Sandin, S. Janzen-connell effects in a broadcast-spawning caribbean coral: Distance-dependent survival of larvae and settlers. Ecology. 94 (1), 146-160 (2013).
  11. Kenyon, J. C., Maragos, J. E., Cooper, S. Characterization of coral communities at rose atoll, american samoa. Atoll Res Bull. 586, 1-28 (2010).
  12. Goreau, T. F. The ecology of jamaican coral reefs i. Species composition and zonation. Ecology. 40 (1), 67-90 (1959).
  13. Sandin, S. A., et al. Baselines and degradation of coral reefs in the northern line islands. PLoS One. 3 (2), e1548(2008).
  14. Newman, M. J. H., Paredes, G. A., Sala, E., Jackson, J. B. C. Structure of Caribbean coral reef communities across a large gradient of fish biomass. Ecol Lett. 9 (11), 1216-1227 (2006).
  15. Smith, J. E., et al. Re-evaluating the health of coral reef communities: Baselines and evidence for human impacts across the central pacific. P Roy Soc B: Biol Sci. 283 (1822), 20151985(2016).
  16. Lewis, J. B. Spatial distribution and pattern of some Atlantic reef corals. Nature. 227 (5263), 1158-1159 (1970).
  17. Bradbury, R. H., Young, P. C. The effects of a major forcing function, wave energy, on a coral reef ecosystem. Mar Ecol Prog Ser. 5, 229-241 (1981).
  18. Bak, R. P. M., Nieuwland, G. Long-term change in coral communities along depth gradients over leeward reefs in the Netherlands Antilles. Bull Mar Sci. 56 (2), 609-619 (1995).
  19. Connell, J. H., Hughes, T. P., Wallace, C. C. A 30-year study of coral abundance, recruitment, and disturbance at several scales in space and time. Ecol Monogr. 67 (4), 461-488 (1997).
  20. Hughes, T. P. Population dynamics based on individual size rather than age: A general model with a reef coral example. Am Nat. 123 (6), 778-795 (1984).
  21. Hughes, T. P., Tanner, J. E. Recruitment failure, life histories, and long-term decline in Caribbean corals. Ecology. 81 (8), 2250-2263 (2000).
  22. Fong, P., Glynn, P. A dynamic size-structured population model: Does disturbance control size structure of a population of the massive coral Gardineroseris planulata in the Eastern Pacific. Mar Biol. 130 (4), 663-674 (1998).
  23. Vardi, T., Williams, D. E., Sandin, S. A. Population dynamics of threatened elkhorn coral in the Northern Florida Keys, USA. Endanger Species Res. 19 (2), 157-169 (2012).
  24. Doropoulos, C., Ward, S., Roff, G., González-Rivero, M., Mumby, P. J. Linking demographic processes of juvenile corals to benthic recovery trajectories in two common reef habitats. PLoS One. 10 (5), e0128535(2015).
  25. Edmunds, P. A quarter-century demographic analysis of the Caribbean coral, Orbicella annularis, and projections of population size over the next century. Limnol Oceanogr. 60 (3), 840-855 (2015).
  26. Deignan, L. K., Pawlik, J. R. Perilous proximity: Does the Janzen-Connell hypothesis explain the distribution of giant barrel sponges on a Florida coral reef. Coral Reefs. 34, 561-567 (2015).
  27. Zvuloni, A., et al. Spatio-temporal transmission patterns of black-band disease in a coral community. PLoS One. 4 (4), e4993(2009).
  28. Karlson, R. H., Cornell, H. V., Hughes, T. P. Aggregation influences coral species richness at multiple spatial scales. Ecology. 88 (1), 170-177 (2007).
  29. Jolles, A. E., Sullivan, P., Alker, A. P., Harvell, C. D. Disease transmission of aspergillosis in sea fans: Inferring process from spatial pattern. Ecology. 83 (9), 2373-2378 (2002).
  30. Carlon, D. B., Olson, R. R. Larval dispersal distance as an explanation for adult spatial pattern in two Caribbean reef corals. J Exp Mar Biol Ecol. 173 (2), 247-263 (1993).
  31. Bak, R., Termaat, R., Dekker, R. Complexity of coral interactions: Influence of time, location of interaction and epifauna. Mar Biol. 69, 215-222 (1982).
  32. Stimson, J. An analysis of the pattern of dispersion of the hermatypic coral Pocillopora meandrina var. Nobilis verril. Ecology. 55 (2), 445-449 (1974).
  33. Edwards, C., et al. Large-area imaging in tropical shallow water coral reef monitoring, research and restoration: A practical guide to survey planning, execution, and data extraction. NOAA Technical Memorandum NOS NCCOS. (313), (2023).
  34. Pizarro, O., Eustice, R. M., Singh, H. Large area 3-d reconstructions from underwater optical surveys. IEEE J Oceanic Eng. 34 (2), 150-169 (2009).
  35. Figueira, W., et al. Accuracy and precision of habitat structural complexity metrics derived from underwater photogrammetry. Remote Sens. 7 (12), 16883-16900 (2015).
  36. Burns, J., Delparte, D., Gates, R., Takabayashi, M. Integrating structure-from-motion photogrammetry with geospatial software as a novel technique for quantifying 3d ecological characteristics of coral reefs. PeerJ. 3, e1077(2015).
  37. Piazza, P., et al. Underwater photogrammetry in Antarctica: Long-term observations in benthic ecosystems and legacy data rescue. Polar Biol. 42, 1061-1079 (2019).
  38. Price, D. M., et al. Using 3d photogrammetry from rov video to quantify cold-water coral reef structural complexity and investigate its influence on biodiversity and community assemblage. Coral Reefs. 38, 1007-1021 (2019).
  39. Fallati, L., et al. Characterizing Håkon Mosby Mud Volcano (Barents Sea) cold seep systems by combining ROV-based acoustic data and underwater photogrammetry. Front Mar Sci. 10, 1269197(2023).
  40. Ventura, D., et al. Seagrass restoration monitoring and shallow-water benthic habitat mapping through a photogrammetry-based protocol. J Environ Manage. 304, 114262(2022).
  41. Combs, I. R., Studivan, M. S., Eckert, R. J., Voss, J. D. Quantifying impacts of stony coral tissue loss disease on corals in Southeast Florida through surveys and 3D photogrammetry. PLoS One. 16 (6), e0252593(2021).
  42. Bongaerts, P., et al. Reefscape genomics: Leveraging advances in 3D imaging to assess fine-scale patterns of genomic variation on coral reefs. Front Mar Sci. 8, 638979(2021).
  43. Raoult, V., Reid-Anderson, S., Ferri, A., Williamson, J. E. How reliable is Structure from Motion (sfm) over time and between observers? A case study using coral reef bommies. Remote Sens. 9 (7), 740(2017).
  44. Weinberg, S. A comparison of coral reef survey methods. Bijdr Dierkd. 51 (2), 199-218 (1981).
  45. Edwards, C. B., et al. Large-area imaging reveals biologically driven non-random spatial patterns of corals at a remote reef. Coral Reefs. 36 (4), 1291-1305 (2017).
  46. Gracias, N., Santos-Victor, J. Underwater video mosaics as visual navigation maps. Comput Vis Image Und. 79 (1), 66-91 (2000).
  47. Lirman, D., et al. Development and application of a video-mosaic survey technology to document the status of coral reef communities. Environ Monit Assess. 125 (1-3), 59-73 (2007).
  48. Kodera, S. M., et al. Quantifying life history demographics of the scleractinian coral genus Pocillopora at Palmyra Atoll. Coral Reefs. 39 (4), 1091-1105 (2020).
  49. Ferrari, R., et al. 3D photogrammetry quantifies growth and external erosion of individual coral colonies and skeletons. Sci Rep. 7 (1), 16737(2017).
  50. Sandin, S. A., et al. Considering the rates of growth in two taxa of coral across Pacific Islands. Adv Mar Biol. 87 (1), 167-191 (2020).
  51. Ventura, D., et al. Integration of close-range underwater photogrammetry with inspection and mesh processing software: A novel approach for quantifying ecological dynamics of temperate biogenic reefs. Remote Sens Ecol Conserv. 7 (2), 169-186 (2021).
  52. Ferrari, R., et al. Photogrammetry as a tool to improve ecosystem restoration. Trends Ecol Evol. 36 (12), 1093-1101 (2021).
  53. Remmers, T., et al. Close-range underwater photogrammetry for coral reef ecology: A systematic literature review. Coral Reefs. 43 (1), 35-52 (2024).
  54. Marre, G., Holon, F., Luque, S., Boissery, P., Deter, J. Monitoring marine habitats with photogrammetry: A cost-effective, accurate, precise and high-resolution reconstruction method. Front Mar Sci. 6, 276(2019).
  55. Nocerino, E., et al. Comparison of diver-operated underwater photogrammetric systems for coral reef monitoring. Int Arch Photogramm Remote Sens Spat Inf Sci. 42 (2/W10), 143-150 (2019).
  56. Mccarthy, O. S., Smith, J. E., Petrovic, V., Sandin, S. A. Identifying the drivers of structural complexity on Hawaiian coral reefs. Mar Ecol Prog Ser. 702, 71-86 (2022).
  57. Pascoe, K. H., Fukunaga, A., Kosaki, R. K., Burns, J. H. 3D assessment of a coral reef at Lalo Atoll reveals varying responses of habitat metrics following a catastrophic hurricane. Sci Rep. 11 (1), 12050(2021).
  58. Torres-Pulliza, D., et al. A geometric basis for surface habitat complexity and biodiversity. Nat Ecol Evol. 4 (11), 1495-1501 (2020).
  59. Friedman, A., Pizarro, O., Williams, S. B., Johnson-Roberson, M. Multi-scale measures of rugosity, slope and aspect from benthic stereo image reconstructions. PloS One. 7 (12), e50440(2012).
  60. Hernández-Landa, R. C., Barrera-Falcon, E., Rioja-Nieto, R. Size-frequency distribution of coral assemblages in insular shallow reefs of the Mexican Caribbean using underwater photogrammetry. PeerJ. 8, e8957(2020).
  61. Fukunaga, A., Burns, J. H., Pascoe, K. H., Kosaki, R. K. Associations between benthic cover and habitat complexity metrics obtained from 3D reconstruction of coral reefs at different resolutions. Remote Sens. 12 (6), 1011(2020).
  62. Ferrari, R., et al. Quantifying multiscale habitat structural complexity: A cost-effective framework for underwater 3D modelling. Remote Sens. 8 (2), 113(2016).
  63. Kopecky, K. L., et al. Quantifying the loss of coral from a bleaching event using underwater photogrammetry and ai-assisted image segmentation. Remote Sens. 15 (16), 4077(2023).
  64. Sandin, S. A., et al. Evidence of biological self-organization in spatial patterns of a common tropical alga. Am Nat. 200 (5), 722-729 (2022).
  65. Burns, J. H. R., Alexandrov, T., Ovchinnikova, K., Gates, R. D., Takabayashi, M. Data for spatial analysis of growth anomaly lesions on Montipora capitata coral colonies using 3D reconstruction techniques. Data Br. 9, 460-462 (2016).
  66. Pedersen, N. E., et al. The influence of habitat and adults on the spatial distribution of juvenile corals. Ecography. 42, 1-11 (2019).
  67. Ferrari, R., et al. Quantifying the response of structural complexity and community composition to environmental change in marine communities. Glob Chang Biol. 22 (5), 1965-1975 (2016).
  68. Cresswell, A. K., et al. Structure-from-motion reveals coral growth is influenced by colony size and wave energy on the reef slope at Ningaloo Reef, Western Australia. J Exp Mar Biol Ecol. 530, 151438(2020).
  69. Lange, I. D., Perry, C. T. A quick, easy and non-invasive method to quantify coral growth rates using photogrammetry and 3D model comparisons. Methods Ecol Evol. 11 (6), 714-726 (2020).
  70. George, E. E., et al. Space-filling and benthic competition on coral reefs. PeerJ. 9, e11213(2021).
  71. Sarribouette, L., Pedersen, N. E., Edwards, C. B., Sandin, S. A. Post-settlement demographics of reef building corals suggest prolonged recruitment bottlenecks. Oecologia. 199 (2), 387-396 (2022).
  72. Lyons, M. B., et al. Mapping the world's coral reefs using a global multiscale earth observation framework. Remote Sens Ecol Conserv. 6 (4), 557-568 (2020).
  73. Ventura, D., et al. Coastal benthic habitat mapping and monitoring by integrating aerial and water surface low-cost drones. Front Mar Sci. 9, 1096594(2023).
  74. Castellanos-Galindo, G. A., Casella, E., Mejía-Rentería, J. C., Rovere, A. Habitat mapping of remote coasts: Evaluating the usefulness of lightweight unmanned aerial vehicles for conservation and monitoring. Biol Conserv. 239, 108282(2019).
  75. Fox, M. D., et al. Limited coral mortality following acute thermal stress and widespread bleaching on palmyra atoll, central pacific. Coral Reefs. 38, 701-712 (2019).
  76. Charendoff, J. A., et al. Variability in composition of parrotfish bite scars across space and over time on a central pacific atoll. Coral Reefs. 42 (4), 905-918 (2023).
  77. Petrovic, V., Vanoni, D. J., Richter, A. M., Levy, T. E., Kuester, F. Visualizing high resolution three-dimensional and two-dimensional data of cultural heritage sites. Mediterr Archaeol Ar. 20 (10), 93-100 (2014).
  78. Noaa Coral Program. National coral reef monitoring plan. NOAA Coral Reef Conservation Program. , (2021).
  79. Goergen, E. A., et al. Coral reef restoration monitoring guide: Methods to evaluate restoration success from local to ecosystem scales. NOAA Technical Memorandum NOS NCCOS. 279, (2020).
  80. Pavoni, G., et al. Taglab: Ai-assisted annotation for the fast and accurate semantic segmentation of coral reef orthoimages. J Field Robot. 39 (3), 246-262 (2022).
  81. Coral Reef Ecosystem Program Pacific Islands Fisheries Science Center. National coral reef monitoring program: Benthic complexity and urchin abundance at climate stations of the hawaiian archipelago since 2013. , NOAA's National Center for Environmental Information. (2016).
  82. Coral Reef Ecosystem Program Pacific Islands Fisheries Science Center. National Coral Reef monitoring program: Benthic percent cover derived from analysis of benthic images collected for climate stations across the hawaiian archipelago since 2013. , NOAA's National Center for Environmental Information. (2021).
  83. Coral Reef Ecosystem Program Pacific Islands Fisheries Science Center. National Coral Reef monitoring program: Stratified random surveys (strs) of coral demography (adult and juvenile corals) across the Hawaiian archipelago since 2013. , NOAA's National Center for Environmental Information. (2022).
  84. Couch, C. S., et al. Comparing coral colony surveys from in-water observations and structure-from-motion imagery shows low methodological bias. Front Mar Sci. 8, 647943(2021).
  85. Barrera-Falcon, E., Rioja-Nieto, R., Hernández-Landa, R. C., Torres-Irineo, E. Comparison of standard Caribbean coral reef monitoring protocols and underwater digital photogrammetry to characterize hard coral species composition, abundance and cover. Front Mar Sci. 8, 722569(2021).
  86. Carneiro, I. M., et al. Precision and accuracy of common coral reef sampling protocols revisited with photogrammetry. Mar Environ Res. 194, 106304(2024).
  87. Curtis, J. S., Galvan, J. W., Primo, A., Osenberg, C. W., Stier, A. C. 3D photogrammetry improves measurement of growth and biodiversity patterns in branching corals. Coral Reefs. 42 (3), 623-627 (2023).
  88. Menna, F., Battisti, R., Nocerino, E., Remondino, F. Frog: A portable underwater mobile mapping system. Int Arch Photogramm Remote Sens Spat Inf Sci. 48, 295-302 (2023).
  89. Zhang, Y., Wang, Q., Shen, Y., He, B. An online path planning algorithm for autonomous marine geomorphological surveys based on AUV. Eng Appl Artif Intel. 118, 105548(2023).
  90. Mccarthy, O. S., et al. Closing the gap between existing large-area imaging research and marine conservation needs. Conserv Biol. 38 (1), e14145(2024).
  91. Pierce, J., Butler Iv, M. J., Rzhanov, Y., Lowell, K., Dijkstra, J. A. Classifying 3-D models of coral reefs using structure-from-motion and multi-view semantic segmentation. Front Mar Sci. 8, 706674(2021).
  92. Runyan, H., et al. Automated 2D, 2.5 D, and 3D segmentation of coral reef pointclouds and orthoprojections. Front Robot AI. 9, 884317(2022).
  93. Pavoni, G., Corsini, M., Pedersen, N., Petrovic, V., Cignoni, P. Challenges in the deep learning-based semantic segmentation of benthic communities from ortho-images. Appl Geomat. 13 (1), 131-146 (2021).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Large Area ImagingUnderwater ImagingBenthic EcosystemsStructural ComplexityCommunity CompositionDense Point CloudDigital Twin AnalysisEcological Change MonitoringImage Processing WorkflowMetadata Standards

Related Articles