Измерение структуры, состава и изменения подводной среды с помощью визуализации большой площади

Мы используем четырехступенчатый протокол визуализации больших площадей для сбора экологических данных о структурной сложности, составе сообществ и демографическом анализе бентических морских экосистем. В каждом новом приложении самая большая проблема заключается в определении необходимого разрешения на необработанных изображениях, определении пространственной протяженности области, которая должна быть изображена, и обеспечении адекватной репликации на уровне графика для точного научного анализа. Этот протокол подчеркивает ценность исходных изображений на протяжении всего четырехэтапного процесса, гарантируя, что качественные изображения собираются, архивируются и используются для облегчения извлечения подробных экологических данных для анализа.

Эти рабочие процессы обработки и визуализации данных, особенно те, в которых используются необработанные изображения, обеспечивают совместимость между данными, собранными в цифровом виде в лаборатории или аквалангистами в полевых условиях. Это, в свою очередь, позволяет интегрировать эти цифровые подходы в существующие долгосрочные наборы данных. Такой подход позволяет значительно увеличить пространственную протяженность репликации данных, которые мы собираем, что позволяет нам задавать пространственно явные вопросы и проводить более надежный демографический анализ.

Самое главное, это увеличивает нашу способность отслеживать экологические изменения во времени. Для начала прикрепите внешние панели рамы камеры к монтажным панелям и колоннам камеры с помощью винтов с крестообразным шлицем длиной 1 1/2 дюйма. Подготовьте две зеркальные камеры, одна из которых оснащена фиксированным широкоугольным объективом, а вторая — зум-объективом.

Прикрепите и закрепите купольный порт для сборки корпусов подводных камер. Затем прикрепите ручки винтами с крестообразной головкой длиной 1/2 дюйма. Зафиксируйте монтажную пластину камеры с помощью винта с торцевой головкой длиной 1 1/8 дюйма.

Далее вставляем камеры в корпус. И используйте вакуумный насос, чтобы установить давление в корпусе на пять дюймов ртутного столба, чтобы убедиться в целостности уплотнительного кольца. Теперь сдвиньте монтажную пластину камеры на панели монтажной рамы, чтобы установить корпуса на раму камеры.

Закрепите корпуса на месте винтами с накатанной головкой. Для захвата изображения запускайте каждую камеру на интервалометре, настроенном на съемку со скоростью один кадр в секунду. Проплывите мимо системы камер примерно в 1,5 метрах над бентосом в виде сетки.

Выполните второй проход по сетке перпендикулярно первому, сохраняя расстояние между каждым проходом примерно в один метр. Убедитесь, что проходы выходят минимум на два метра за границы участка, чтобы обеспечить достаточное перекрытие в пределах целевой площади участка. Запустите программное обеспечение для обработки изображений на компьютерной системе.

Нажмите «Рабочий процесс», а затем «Добавить папку», чтобы загрузить все изображения в проект Agisoft Metashape. После загрузки файлов выберите схему данных как Отдельные камеры, Добавить все изображения в один блок. Удалите изображения с избытком синей воды в сцене.

Теперь нажмите «Рабочий процесс», а затем «Выровнять фотографии», чтобы выровнять все изображения. Убедитесь, что набор изображений успешно совмещен, проверив процент совмещения камер. Проверьте созданное облако разреженных точек на наличие разрывов в покрытии или смещений.

Прежде чем продолжить, убедитесь, что ограничивающий прямоугольник охватывает все облако разреженных точек. При необходимости измените ограничивающую рамку с помощью параметров «Изменить размер» или «Повернуть область». Затем отключите группу камер, содержащую изображения с зум-объектива.

Постройте плотное облако точек, выбрав Workflow, а затем Build Dense Cloud. Последовательно нажмите «Инструменты», «Запустить скрипт», «Извлечь скрипт Meta PY», чтобы экспортировать оценки положения камеры. Затем нажмите «Файл», а затем «Экспорт» и «Экспорт точек», чтобы экспортировать плотное облако точек.

Перетащите экспортированный файл плотного облака точек на vc5prep-confident. BAT, расположенный в программных файлах программного обеспечения для визуализации. Скомпилируйте экспортированные файлы данных, включая файлы положения камеры, вместе с сгенерированными программными файлами в единый каталог для использования в программном обеспечении для визуализации.

Используйте инструмент rugo для создания прямоугольника размером 10 на 10 метров в плотном облаке точек. Установите максимальный размер равным 10 метрам и соотношение сторон равным 1,0, чтобы обозначить целевую область площадью 100 квадратных метров для извлечения данных. Затем используйте инструмент cams, чтобы связать исходные изображения с плотным облаком точек.

Включение пространственных запросов многообразных представлений точек на модели. Для съемки плотности после того, как изображения будут связаны с программным обеспечением, измените фокусное расстояние перспективного вида на 100 миллиметров, чтобы установить псевдокартографическое представление плотного облака точек. Уменьшите масштаб до полного просмотра модели сверху вниз.

Теперь используйте данный файл выборки квадранта для захвата представления в веб-апплете, щелкнув eval для ячейки C1 и выбрав кнопку захвата. Включите камеры и свяжите изображения в рабочем процессе выборки квадрантов, щелкнув eval для ячеек C2 и C3 в скрипте выборки квадрантов. Включите ранее изготовленный ящик rugo для зоны извлечения данных площадью 100 квадратных метров.

В веб-апплете оцените секцию препарирующих ячеек C4, чтобы выбрать 100 квадрантов по одному квадратному метру каждый. В веб-адресе выборки квадранта используйте исходные изображения для поиска по квадранту. Используйте двойной щелчок левой кнопкой мыши, чтобы перенаправить место выборки, и нажмите таксономическую кнопку, чтобы обозначить целевую точку в качестве выборки.

Чтобы удалить отмеченную точку, дважды щелкните левой кнопкой мыши и не выделяйте ничего. Скомпилируйте все файлы выборки, расположенные под звездочкой для новобранцев test1, в один каталог. Затем переименуйте каждый файл, включив в него имя сайта.

Добавьте файл поиска кнопки в каталог. Запустите сценарий на экране, следуя встроенным инструкциям, чтобы агрегировать образцы данных по сайту и таксономической группе. Чтобы подготовить данные для отправки в репозиторий, сгенерируйте файл описания методов, который включает в себя детали съемки, такие как охватываемая область, система камер, маркеры наземного управления и схема сбора.

Затем создайте файл метаданных съемки, специфичный для набора данных изображений, включая такие поля, как название объекта, данные коллекции, координаты GPS, направление участка, глубина наземного контроля и данные масштаба, а также используемый шаблон сбора и система камер. Объедините файл описания, файл метаданных и файлы изображений в один ZIP-архив для загрузки в репозиторий данных. Успешный сбор изображений большой площади привел к созданию плотной реконструкции облака точек с полным нисходящим покрытием области съемки, в то время как недостаточная избыточность покрытия привела к разрывам или полной деградации облака точек.

Измерения линейной шероховатости, извлеченные из изображений большой площади, или LAI, тесно связаны с измерениями сложности in situ на всех участках, за исключением выбросов. Состав бентического сообщества и процентный охват функциональных групп из LAI соответствовали таковым из традиционных фотоквадратных обследований. Численность сидячих беспозвоночных, особенно морских ежей, зарегистрированных с помощью методов LAI, была неизменно выше, чем методов in situ, благодаря всестороннему охвату территории в исследованиях LAI.

Сегментация коралловых колоний с помощью исследований LAI выявила схожее распределение размеров распространенных коралловых таксонов по сравнению с методами in situ. Совместная регистрация плотных облаков точек позволила отслеживать изменения рифов с течением времени, даже в динамичных средах с высоким ростом и структурными потерями, как это было продемонстрировано на атолле Миллениум.