Pomiar struktury, składu i zmian środowiska podwodnego za pomocą obrazowania wielkopowierzchniowego
April 18th, 2025
Ten protokół obejmuje czteroetapową metodologię badań obrazowania dużych obszarów, używaną do wyodrębniania wskaźników złożoności strukturalnej, składu społeczności i demografii populacji dla społeczności raf koralowych. Jakość zebranych zobrazowań i zintegrowany dostęp do zobrazowań źródłowych są traktowane priorytetowo na każdym etapie protokołu.
Używamy czteroetapowego protokołu obrazowania dużych obszarów do zbierania danych ekologicznych dotyczących złożoności strukturalnej, składu zbiorowisk i analiz demograficznych bentosowych ekosystemów morskich. W każdym nowym zastosowaniu największym wyzwaniem jest zdefiniowanie wymaganej rozdzielczości na surowych obrazach, określenie zasięgu przestrzennego obszaru, który ma być zobrazowany, oraz zapewnienie odpowiedniej replikacji na poziomie wykresu w celu dokładnej analizy naukowej. Protokół ten podkreśla wartość zobrazowań źródłowych w całym czteroetapowym procesie, zapewniając gromadzenie wysokiej jakości obrazów, archiwizowanie ich i wykorzystywanie w celu ułatwienia szczegółowej ekstrakcji danych ekologicznych do analiz.
Te procesy przetwarzania i wizualizacji danych, zwłaszcza te, które wykorzystują surowe obrazy, zapewniają kompatybilność między danymi zebranymi cyfrowo w laboratorium lub przez płetwonurków w terenie. To z kolei pozwala na integrację tych ulepszonych cyfrowo podejść z istniejącymi długoterminowymi zbiorami danych. Takie podejście pozwala na radykalne zwiększenie zasięgu przestrzennego w replikacji gromadzonych przez nas danych, co pozwala nam na zadawanie pytań o charakterze przestrzennym i przeprowadzanie bardziej rzetelnych analiz demograficznych.
Co najważniejsze, zwiększa naszą zdolność do śledzenia zmian ekologicznych w czasie. Aby rozpocząć, przymocuj zewnętrzne panele ramy kamery do paneli i kolumn montażowych kamery za pomocą Phillips z płaskim o długości 1 1/2 cala. Przygotuj dwie lustrzanki cyfrowe, z których jedna wyposażona jest w stałoogniskowy obiektyw szerokokątny, a druga w obiektyw zmiennoogniskowy.
Podłącz i zabezpiecz port kopułkowy, aby zmontować obudowy kamer podwodnych. Następnie przymocuj uchwyty za pomocą z krzyżakowym o długości 1/2 cala. Zamocuj płytę montażową kamery za pomocą z gniazdowym o długości 1 1/8 cala.
Następnie włóż kamery do obudowy. I użyj pompy próżniowej, aby ustawić ciśnienie w obudowie na pięć cali rtęci, aby sprawdzić integralność uszczelki O-ring. Teraz wsuń płytę montażową kamery na panele ramy montażowej, aby zainstalować obudowy na ramie kamery.
Zamocuj obudowy na miejscu za pomocą radełkowanych. Aby przechwycić obraz, uruchom każdą kamerę na interwałometrze ustawionym na przechwytywanie z szybkością jednej klatki na sekundę. Przepłyń system kamer około 1.5 metra nad bentosem w siatkę.
Wykonaj drugi przebieg z siatką prostopadły do pierwszego, zachowując odstęp około jednego metra między każdym przejściem. Upewnij się, że przejścia wystają co najmniej dwa metry poza granice działki, aby zapewnić wystarczające zachodzenie na siebie w obrębie docelowego obszaru działki. Uruchom oprogramowanie do przetwarzania obrazu w systemie komputerowym.
Kliknij Przepływ pracy, a następnie Dodaj folder, aby załadować wszystkie obrazy do projektu Agisoft Metashape. Po załadowaniu plików wybierz układ danych jako Pojedyncze kamery, Dodaj wszystkie obrazy do jednego fragmentu. Usuń obrazy z nadmiarem niebieskiej wody w scenie.
Teraz kliknij Przepływ pracy, a następnie Wyrównaj zdjęcia, aby wyrównać wszystkie obrazy. Sprawdź, czy zestaw obrazów został pomyślnie wyrównany, sprawdzając procent wyrównanych kamer. Sprawdź wygenerowaną rozrzedzoną chmurę punktów pod kątem luk w pokryciu lub niewspółosiowości.
Przed kontynuowaniem upewnij się, że ramka ograniczenia obejmuje całą rozrzedzoną chmurę punktów. W razie potrzeby zmodyfikuj obwiednię, korzystając z opcji Zmień rozmiar lub Obróć region. Następnie wyłącz grupę kamer zawierającą obrazy obiektywów zmiennoogniskowych.
Skonstruuj gęstą chmurę punktów, wybierając opcję Przepływ pracy, a następnie pozycję Zbuduj gęstą chmurę. Sekwencyjnie kliknij Narzędzia, Uruchom skrypt, Wyodrębnij skrypt Meta PY, aby wyeksportować szacunki pozycji kamery. Następnie kliknij Plik, a następnie Eksportuj i Eksportuj punkty, aby wyeksportować gęstą chmurę punktów.
Przeciągnij i upuść wyeksportowany plik gęstej chmury punktów do pliku vc5prep-confident. bat znajdującego się w plikach programu do wizualizacji. Skompiluj wyeksportowane pliki danych, w tym pliki pozycji kamery, wraz z wygenerowanymi plikami programów, w jednym katalogu do wykorzystania w oprogramowaniu do wizualizacji.
Użyj narzędzia rugo, aby utworzyć pole o wymiarach 10 metrów na 10 metrów na gęstej chmurze punktów. Ustaw maksymalny wymiar na 10 metrów, a współczynnik proporcji na 1,0, aby wyznaczyć obszar docelowy o powierzchni 100 metrów kwadratowych do wyodrębniania danych. Następnie użyj narzędzia krzywki, aby połączyć obrazy źródłowe z gęstą chmurą punktów.
Włącz przestrzennie odpytywane widoki wielu obrazów punktów w modelu. W przypadku pomiaru zagęszczenia, po połączeniu obrazów z oprogramowaniem, zmień ogniskową widoku perspektywicznego na 100 milimetrów, aby ustawić widok pseudomapy gęstej chmury punktów. Pomniejsz widok modelu z góry na dół.
Teraz użyj podanego pliku próbkowania kwadrantu, aby przechwycić widok w aplecie internetowym, klikając eval dla komórki C1 i wybierając przycisk chwytania. Włącz krzywki i połącz obrazy w przepływie pracy próbkowania kwadrantowego, klikając eval dla komórek C2 i C3 w skrypcie próbkowania kwadrantowego. Włącz wcześniej utworzone pole rugo dla obszaru ekstrakcji danych o powierzchni 100 metrów kwadratowych.
W aplecie internetowym oceń sekcję komórek przygotowawczych C4, aby pobrać próbki ze 100 kwadrantów o powierzchni jednego metra kwadratowego każdy. W adresie internetowym próbkowania kwadrantu użyj zobrazowań źródłowych, aby przeszukać kwadrant. Użyj dwukrotnego kliknięcia lewym przyciskiem myszy, aby przekierować lokalizację próbkowania, a następnie kliknij przycisk taksonomiczny, aby wyznaczyć docelowy punkt jako próbkę.
Aby usunąć zaznaczony punkt, kliknij dwukrotnie lewym przyciskiem myszy i nie zaznaczaj niczego. Skompiluj wszystkie pliki próbkowania znajdujące się pod gwiazdką aux recruits test1 w jednym katalogu. Następnie zmień nazwę każdego pliku, aby uwzględnić nazwę witryny.
Dodaj plik wyszukiwania przycisku do katalogu. Uruchom skrypt ekranowy, postępując zgodnie z instrukcjami wbudowanymi, aby zagregować przykładowe dane według witryny i grupy taksonomicznej. Aby przygotować dane do przesłania do repozytorium, wygeneruj plik opisu metod, który zawiera szczegóły badania, takie jak pokryty obszar, system kamer, znaczniki kontroli naziemnej i wzór zbierania.
Następnie wygeneruj plik metadanych pomiarowych specyficzny dla zestawu danych obrazu, w tym pola, takie jak nazwa lokalizacji, dane kolekcji, współrzędne GPS, namiary na działkę, głębokość kontroli gruntu i dane skali, a także używany wzór zbierania i system kamer. Połącz plik opisu, plik metadanych i pliki obrazów w jedno archiwum ZIP w celu pozyskania do repozytorium danych. Udane zebranie obrazów wielkopowierzchniowych zaowocowało utworzeniem gęstej rekonstrukcji chmury punktów z pełnym pokryciem obszaru pomiarów od góry do dołu, podczas gdy niewystarczająca redundancja pokrycia skutkowała lukami lub pełną degradacją chmury punktów.
Miary chropowatości liniowej wyodrębnione z badań obrazu wielkopowierzchniowego (LAI) ściśle dopasowane do pomiarów złożoności in situ w różnych lokalizacjach, z wyjątkiem wartości odstających. Skład zbiorowiska bentosowego i procentowe pokrycie grup funkcjonalnych z LAI odpowiadały tym z tradycyjnych badań kwaratów fotograficznych. Bezkręgowce bezszypułkowe, w szczególności liczebność jeżowców, zarejestrowane przy użyciu metod LAI były konsekwentnie wyższe niż metody in situ ze względu na kompleksowe pokrycie obszaru w badaniach LAI.
Segmentacja kolonii koralowców za pomocą badań LAI ujawniła podobny rozkład wielkości taksonów koralowców pospolitych w porównaniu z metodami in situ. Jednoczesna rejestracja gęstych chmur punktów pozwoliła na monitorowanie zmian rafy w czasie, nawet w dynamicznych środowiskach o wysokim wzroście i stratach strukturalnych, jak wykazano na atolu Millennium.
Przegląd
Ten protokół opisuje czterokrokową metodologię obrazowania zaprojektowaną w celu zbierania danych ekologicznych na temat społeczności raf koralowych, skupiając się na złożoności strukturalnej, składzie społeczności i wskaźnikach demograficznych. Nacisk kładziony jest na jakości obrazów oraz integracji obrazów źródłowych w całym procesie.
Kluczowe komponenty badania
Dziedzina nauki
- Ekologia
- Biologia morza
- Badania raf koralowych
Tło
- Rozumienie ekosystemów bentosowych jest kluczowe dla ekologicznych ocen.
- Wyzwania obejmują definiowanie rozdzielczości, zasięgu przestrzennego i replikacji na poziomie działki.
- Wysokiej jakości obrazy są niezbędne do dokładnego pozyskiwania i analizy danych.
- Integracja cyfrowych podejść poprawia długoterminowe zbiory danych.
Cel badania
- Opracowanie solidnego protokołu obrazowania w celu zbierania danych ekologicznych.
- Ułatwienie szczegółowej analizy społeczności raf koralowych.
- Poprawa zdolności do śledzenia zmian ekologicznych w czasie.
Stosowane metody
- Montaż podwodnych systemów kamerowych z określonymi obiektywami.
- Rejestrowanie obrazów za pomocą systematycznego wzorca siatki nad bentosem.
- Przetwarzanie obrazów za pomocą oprogramowania w celu stworzenia klastrów punktów do analizy.
- Łączenie obrazów źródłowych z gęstymi klasterami punktów dla szczegółowego pobierania próbek.
Główne wyniki
- Udana kolekcja wysokiej jakości obrazów dla wskaźników ekologicznych.
- Stworzenie gęstych klastrów punktów do analizy przestrzennej.
- Ulepszona zdolność do przeprowadzania analiz demograficznych na większych obszarach.
- Ulepszone metodologie do śledzenia zmian ekologicznych.
Wnioski
- Czterokrokowy protokół obrazowania znacząco poszerza zbieranie danych ekologicznych.
- Wysokiej jakości obrazy są kluczowe dla dokładnych ocen ekologicznych.
- To podejście pozwala na bardziej kompleksowe badania dynamiki raf koralowych.
Często zadawane pytania
Executive Industry Relevance
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.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables quantitative interrogation of ecosystem structure and organismal distribution for hypothesis-driven studies.
- Supports mechanistic de-risking by providing detailed, reproducible spatial data for target environments.
- Facilitates functional validation of ecological models through high-fidelity digital reconstructions.
Screening & Assay Development
- Prepares validated digital models for downstream computational or image-based screening workflows.
- Standardizes data collection and extraction, improving reproducibility and assay comparability across sites.
- Delivers quantitative outputs for structural complexity and community composition, supporting robust screening criteria.
Translational & Preclinical Research
- Aligns ecological data with translational biomarker development by enabling longitudinal tracking of environmental change.
- Ensures continuity from field data acquisition to digital analysis, supporting risk-adjusted advancement decisions.
- Provides predictive de-risking for interventions or monitoring strategies in marine environments.
Pipeline & Workflow Integration
This imaging methodology integrates from early ecological discovery through digital assay development to translational environmental monitoring, supporting scalable and reusable workflows.
- Discovery Biology: Facilitates hypothesis testing and pathway clarification by enabling spatially explicit, quantitative analyses.
- Screening: Provides standardized, reproducible digital datasets for comparative analysis and screening readiness.
- Analytics: Generates quantitative measurements of structural complexity, community composition, and demographic parameters.
- Translational Research: Supports longitudinal monitoring and biomarker alignment through digital twin continuity.
- Enterprise Reuse: Establishes a reusable imaging and analysis pipeline adaptable across diverse marine systems.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces ambiguity in ecological assessments.
- Operational Value: Standardizes imaging, data extraction, and curation for scalable, reproducible workflows.
- Strategic Value: Enables robust go/no-go decisions and efficient resource allocation in environmental R&D portfolios.
- Portfolio Impact: Supports risk-adjusted prioritization and cross-site comparability for large-scale studies.
Implementation Considerations
- Requires expertise in underwater imaging, digital modeling, and ecological data analysis.
- Demands robust camera systems, computational infrastructure, and specialized visualization software.
- Necessitates standardized metadata and data curation protocols for cross-team integration.
- Adaptable to various marine environments but dependent on site-specific imaging conditions.
- Limitations include the need for adequate spatial replication and high-quality source imagery for reliable outputs.
