November 20th, 2017
물고기, 계산 그리고 관계 되는 풍부 (MaxN) 및 생선 밀도 회전 스테레오 비디오 카메라 시스템을 사용 하 여 예측에 대 한 새로운 방법을 설명 합니다. 우리는 또한 종의 검출 추정 카메라 (Z 거리)에서 거리를 사용 하는 방법을 보여 줍니다.
이 비디오 분석 기술의 전반적인 목표는 깊은 암석 서식지에서 물고기의 밀도, 평균 길이 및 종 구성을 보다 정확하게 추정하는 것입니다. 이 방법은 심해 암초에 서식하는 종의 풍부함과 크기 분포와 같은 어업 관리 분야의 주요 질문에 답하는 데 도움이 될 수 있습니다. 이 기술의 주요 장점은 환경에서 물고기를 추출하지 않고도 보다 정확한 밀도 추정치를 제공한다는 것입니다.
이 절차를 수행하기 전에 텍스트 프로토콜에 설명된 대로 필드 데이터를 수집합니다. 입체 사진 측량에서는 카메라의 정확한 상대 위치를 아는 것이 정확한 측정을 위해 중요합니다. 적절한 교정은 이 과정에서 중요한 단계입니다.
현장 조사가 완료되면 비디오 파일과 캘리브레이션 파일이 모두 포함된 새 프로젝트 폴더를 만듭니다. 스테레오 측정 소프트웨어에서 Measurement(측정), New measurement file(새 측정 파일)로 이동합니다. Picture로 이동하여 picture 디렉토리를 설정합니다.
그림 디렉토리를 설정한 다음 모든 프로젝트 파일이 포함된 폴더를 선택합니다. 스테레오(Stereo), 카메라(Cameras), 왼쪽(Left)으로 이동한 다음 카메라 파일 로드(Load camera file)로 이동하여 적절한 왼쪽 카메라 파일을 선택하고 로드합니다. 이 프로세스를 반복하고 대신 오른쪽을 선택하여 올바른 카메라 파일을 로드합니다.
그런 다음 Picture, Define movie sequence(영화 시퀀스 정의)로 이동합니다. 왼쪽 카메라 비디오 파일을 선택하여 왼쪽 비디오의 동영상 시퀀스를 정의합니다. 사진, 사진 로드를 클릭하여 왼쪽 비디오 파일을 측정 소프트웨어에 로드합니다.
그런 다음 스테레오, 사진, 영화 시퀀스 정의를 클릭하여 올바른 비디오에 대한 영화 시퀀스를 정의합니다. Stereo(스테레오), Picture(사진), load video(비디오 로드)를 선택하여 비디오 파일을 로드합니다. Measurement, Attributes, Edit load species file로 이동하여 종 목록을 로드합니다.
측정(Measurement), 정보 필드(Information fields), 필드 값 편집(Edit field values)을 클릭하여 정보 필드 값 테이블을 엽니다. 측량 ID 정보를 입력하고 파일을 저장하여 이벤트 측정 관찰 프로젝트를 작성합니다. UTC 타임스탬프를 사용하는 경우 타임스탬프가 새로운 1초를 시작하거나 가벼운 섬광이나 손뼉이 발생할 때까지 왼쪽 비디오에서 프레임 스텝 앞으로 이동합니다.
프레임 스텝: 타임스탬프, 표시등, 플래시 또는 손뼉이 왼쪽 비디오와 정확히 일치할 때까지 오른쪽 비디오를 앞으로 이동합니다. 그런 다음 잠금 버튼을 클릭하여 비디오가 함께 재생되고 동기화를 유지하도록 합니다. 착륙선이 첫 번째 회전을 시작하자마자 마우스 오른쪽 버튼을 클릭하고 Period definitions, Add new start period를 선택하여 새 샘플 기간을 정의합니다.
첫 번째 기간 이름으로 0 one을 입력하고 확인을 클릭합니다. 착륙선이 회전하는 동안 마우스 오른쪽 버튼을 클릭하여 프레임에 들어오는 각 물고기를 2D 포인트로 표시하고 포인트 추가를 선택한 다음 올바른 종 이름을 선택합니다. 레이블을 가능한 가장 낮은 분류 수준으로 지정하고 OK(확인)를 클릭합니다. 회전이 완료될 때까지 각 새 물고기를 계속 표시합니다. MaxN의 정확한 추정치를 얻으려면 각 물고기를 식별하고 계수하는 것이 중요합니다.
추가 착륙선 회전에 대해 이 프로세스를 반복하여 각 궤도 선회가 시작될 때 새 주기가 정의되도록 합니다. 모든 회전을 열거한 후 측정, 측정 요약, 포인트 측정으로 이동하여 2D 포인트를 TXT 파일로 저장합니다. 이 파일을 스프레드시트로 엽니다.
Insert(삽입), Pivot Table(피벗 테이블)로 이동하여 피벗 테이블을 만듭니다. 행 레이블에 대해 Genus 및 Species를 선택하고 열 레이블에 대해 Period를 선택합니다. 주어진 종에 대해 가장 많은 수의 개체가 있는 카메라 회전을 선택하여 해당 종에 대한 MaxN을 선택합니다.
속(genus)으로만 식별된 물고기의 경우, 해당 특정 속의 종으로 확인된 개체의 수가 가장 많은 회전을 기반으로 속 수준 MaxN을 선택합니다. 그런 다음 저장된 2D 포인트를 사용하여 3D 측정을 위해 정확히 동일한 물고기로 이동합니다. 물고기 주둥이의 끝과 꼬리 지느러미의 가장자리를 더 잘 식별하기 위해 최소 4번 확대하십시오.
주둥이의 끝을 수동으로 클릭한 다음 왼쪽 카메라의 꼬리 가장자리를 클릭합니다. 오른쪽 비디오에서 동일한 순서로 선택 영역을 반복합니다. 그런 다음 마우스 오른쪽 버튼을 클릭하고 길이 추가를 선택하고 올바른 종 식별을 선택합니다.
3D 길이 측정이 불가능한 경우 두 비디오에서 물고기의 동일한 위치를 마우스 왼쪽 버튼으로 클릭하여 3D 포인트를 표시합니다. 길이 측정에서 제외라는 의견을 남기고 정보 필드를 작성하십시오. 모든 물고기에 대한 3D 측정을 완료한 후 측정, 측정 요약 및 3D 점 및 길이 측정으로 이동합니다.
데이터를 TXT 파일로 저장하여 추가 분석을 위해 내보냅니다. 그런 다음 텍스트 프로토콜에 설명된 대로 적절한 샘플이 얻어졌는지 확인합니다. 이 연구에서는 물고기 밀도를 정량화하기 위해 수중 스테레오 비디오 도구를 사용합니다.
관찰된 종의 감지 가능한 범위에는 명확한 패턴이 있으며, 이는 각 종의 크기, 모양 및 착색의 상호 작용 때문일 수 있습니다. 그런 다음 특히 두 종에 대해 95%Z 거리 계산이 수행됩니다. Sebastes wilsoni와 Ophiodon elongatus의 경우 95%Z 거리는 Sebastes wilsoni의 경우 2.65m, Ophiodon elongatus의 경우 3.96m로 보이며, 이는 각각 18.6m 제곱미터와 46m 제곱미터의 효과적인 측량 영역으로 해석됩니다.
단순 부트스트랩 분석을 통해 50개 이상의 설문조사를 샘플링할 때 두 샘플에 대한 95%Z 거리의 추정치가 안정화됨에 따라 충분한 샘플 크기가 얻어졌는지 확인할 수 있습니다. 그런 다음 설문조사당 MaxN 개수가 밀도로 변환됩니다. 두 종 모두, 밀도는 낮은 기복 서식지에 비해 높은 기복 및 중간 기복 서식지에서 훨씬 더 큰 것으로 보입니다.
유사 정지 착륙선에 대한 밀도 추정치는 감소된 커버리지 영역을 사용하여 표준화됩니다. 회전하는 카메라로 얻은 평균 밀도는 고정식 카메라에서 얻은 밀도보다 18% 더 큽니다. 또한 변동 계수는 고정식 카메라를 사용할 때 1.8배 더 큰 것으로 나타났습니다.
일단 숙달되면 이 기술을 사용하여 적절하게 수행하면 단 몇 분 만에 물고기를 세고 측정할 수 있습니다. 이 절차를 수행할 때 95%Z 값은 도구 및 설문조사에 따라 다르다는 점을 기억하는 것이 중요합니다. 그리고 특정 값을 보편적으로 사용해서는 안 됩니다.
이 절차에 따라 다양한 서식지 유형에 걸친 종 구성에 대한 추가 질문에 답하기 위해 다양한 다변량 또는 조정 통계를 수행할 수 있습니다. 이 기술의 의미는 현재의 조사 메커니즘이 물고기의 길이와 풍부함에 대한 이해가 부족하기 때문에 심해 암초 종의 생태에 대한 이해를 향상시키는 방향으로 확장됩니다. 이 기술은 심해 해양 서식지에 대한 통찰력을 제공할 수 있다고 생각되지만 산호초 및 다시마 숲과 같은 다른 시스템에서도 유용할 수 있습니다.
일반적으로 이 방법을 처음 접하는 개인은 스테레오 카메라 시스템의 기하학에 대한 이해가 필요하기 때문에 어려움을 겪을 것입니다. 이 기술을 시각적으로 시연하는 것은 MaxN의 계산이 다양한 데이터에서 파생되므로 소프트웨어에서 많은 단계가 필요하기 때문에 도움이 됩니다.
View the full transcript and gain access to thousands of scientific videos
이 기사는 회전 스테레오 비디오 카메라 시스템을 사용하여 물고기를 세고 상대적 풍부도와 밀도를 추정하는 새로운 방법을 제시합니다. 이 기술은 카메라로부터의 거리를 통합하여 종별 감지 가능성의 정확성을 향상시킵니다.