Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Environment
Click here for the English version

Environment

Visualisering af oceanografiske data for at skildre langsigtede ændringer i fytoplankton

Published: July 28, 2023 doi: 10.3791/65571
Automatic Translation
1, 2
1Graduate School of Oceanography, University of Rhode Island, 2School of Earth, Environmental and Marine Sciences, The University of Texas - Rio Grande Valley

Summary

Her præsenterer vi en protokol til konvertering af fytoplanktonmikroskopiske billeder til vektorgrafik og gentagne mønstre for at muliggøre visualisering af skift i fytoplanktontaxa og biomasse over 60 år. Denne protokol repræsenterer en tilgang, der kan bruges til andre planktontidsserier og datasæt globalt.

Abstract

Oceanografiske tidsserier giver et vigtigt perspektiv på miljøprocesser i økosystemer. Narragansett Bay Long-Term Plankton Time Series (NBPTS) i Narragansett Bay, Rhode Island, USA, repræsenterer en af de længste planktontidsserier (1959-nuværende) af sin art i verden og giver en unik mulighed for at visualisere langsigtede ændringer inden for et akvatisk økosystem. Fytoplankton repræsenterer grundlaget for fødenettet i de fleste marine systemer, herunder Narragansett Bay. Derfor er det afgørende at kommunikere deres betydning til de 2,4 milliarder mennesker, der bor i kysthavet. Vi udviklede en protokol med det formål at visualisere mangfoldigheden og størrelsen af fytoplankton ved at bruge Adobe Illustrator til at konvertere mikroskopiske billeder af fytoplankton indsamlet fra NBPTS til vektorgrafik, der kunne formes til gentagne visuelle mønstre gennem tiden. Numerisk rigelige taxa eller dem, der udgjorde økonomiske og sundhedsmæssige trusler, såsom den skadelige algeblomstringstaxa, Pseudo-nitzschia spp., blev valgt til billedkonvertering. Mønstre af forskellige fytoplanktonbilleder blev derefter skabt baseret på deres relative overflod for udvalgte årtier af indsamlede data (1970'erne, 1990'erne og 2010'erne). Decadal mønstre af fytoplankton biomasse informerede omridset af hvert årti, mens en baggrundsfarvegradient fra blå til rød blev brugt til at afsløre en langsigtet temperaturstigning observeret i Narragansett Bay. Endelig blev store, 96-tommer ved 34-tommer paneler trykt med gentagne fytoplanktonmønstre for at illustrere potentielle ændringer i fytoplanktonoverflod over tid. Dette projekt muliggør visualisering af bogstavelige skift i fytoplanktonbiomasse, der typisk er usynlige for det blotte øje, samtidig med at der udnyttes realtidsseriedata (f.eks. fytoplanktonbiomasse og overflod) inden for selve kunstværket. Det repræsenterer en tilgang, der kan bruges til mange andre planktontidsserier til datavisualisering, kommunikation, uddannelse og opsøgende indsats.

Introduction

Fytoplankton er primærproducenter, der repræsenterer grundlaget for fødenettet på tværs af akvatiske økosystemer 1,2. Mens fytoplanktonovervågningsprogrammer er nøglen til at identificere nuværende og fremtidige ændringer i marine økosystemer, er deres støtte faldende over tid 3. På grund af deres relativt korte generationstider og begrænsede mobilitet er fytoplankton særligt lydhøre over for klimaændringer, hvilket gør dem til et vigtigt værktøj i tidsserieovervågning. Fytoplanktontidsserier er også vigtige for at informere økosystembaseret forvaltning af ressourcetilgængelighed og skabe kontekst for episodiske begivenheder, såsom marine hedebølger4. Kortsigtede tidsserier giver i løbet af år indsigt i fytoplanktonsamfundets succession og sæsondynamik (f.eks. ref.5,6), mens langsigtede tidsserier, såsom Bermuda Atlantic Time Series (BATS) og Hawaii Ocean Times Series (HOTS) -programmerne, spænder over mere end to årtier og muliggør påvisning af langsigtede tendenser 7,8. Sådanne undersøgelser illustrerer fordelen og vigtigheden af en højt opløst fytoplanktonrekord for en fuldstændig forståelse af langsigtede økosystemændringer i dynamiske havmiljøer. Desuden er visualisering og kommunikation af disse ændringer i fytoplankton, som ikke kan ses med det blotte øje, vanskeligere at forstå end for organismer, der er store og let synlige, som fisk og hvaler. Computervisualiseringer tilbyder en teknik til at udforske komplekse datasæt9, og forbedret illustrativ grafik bliver let tilgængelig (f.eks. Integration and Application Network, University of Maryland Center for Environmental Science). Imidlertid præsenterer de fleste undersøgelser inden for fytoplanktonøkologi, herunder mange, der henvises til her, stadig kun resultater som datagrafer, der reducerer deres tilgængelighed for det generelle publikum. I betragtning af at fytoplankton repræsenterer grundlaget for fødenettet i de fleste marine systemer, er det kritisk at kommunikere deres betydning til de næsten 2,4 milliarder mennesker, der bor i kysthavet10. Her udviklede vi en protokol med det formål at visualisere mangfoldigheden og størrelsen af fytoplankton, som indsamlet af et fytoplanktonovervågningsprogram.

Narragansett Bay Plankton Time Series (NBPTS) giver et langsigtet 60+ år (1959-nuværende) perspektiv på virkningerne af globale ændringer inden for en klimakontekst på fytoplanktonoverflod, sæsonbestemthed og fænologi (livshistorie). Narragansett Bay (NBay) er en kystmunding forbundet med de bredere systemer i USA's nordøstlige sokkel og nordvestlige Atlanterhav, hvis produktion har vigtige konsekvenser for fiskeri og menneskelig brug langs kystnære U.S.A.11. NBay betragtes som et meget sæsonbestemt system, der oplever langsigtet (1950-2015) opvarmning af vand i regionen samt skift i næringsstoffer og en stigning i vandets klarhed12,13. Derudover er der sket et fald i fytoplanktonbiomassen i øvre NBay relateret til menneskeskabte fald i opløst uorganisk kvælstof, hvilket delvis tilskrives opgraderinger i spildevandsrensningsanlæg12. Skift i fytoplanktontaxa, især skadelige algeopblomstringer (HAB'er), forekommer også i NBay. Pseudo-nitzschia spp., der producerer gennemgribende giftige blomster i upwelling regioner langs den amerikanske vestkyst, førte til bemærkelsesværdige skaldyrslukninger for første gang i NBays historie i 2016 og 2017 14,15,16. Det er vigtigt at kommunikere disse ændringer til forskellige målgrupper for at øge den videnskabelige kompetence og for at fremme fortsat støtte til fytoplanktonovervågningsundersøgelser.

Målet med dette projekt var at udnytte mikroskopiske billeder af fytoplankton fra NBay samt data syntetiseret fra NBPTS til at visualisere de bogstavelige skift i fytoplanktontaxa og biomasse, der forekommer i NBay for at kommunikere og øge betydningen af fytoplankton til det generelle publikum. NBPTS leverer 60+ års offentligt tilgængelige ugentlige fytoplanktontællinger og biomasse til at udnytte data fra (https://web.uri.edu/gso/research/plankton/). Det endelige produkt var et stort vægmaleri af planktonmønstre, der var repræsentative for tidsseriedataene (f.eks. fytoplanktonbiomasse og taxa, temperatur) inden for selve kunstværket. Denne tilgang repræsenterer en visualiseringsmetode, der kan bruges til mange andre planktontidsserier over hele verden og kan også tilpasses til overvågningsprogrammer med kortsigtede, sæsonbestemte data. Fordelene ved at implementere denne protokol omfatter øget indsats inden for datavisualisering, videnskabskommunikation, uddannelse og engagement i lokalsamfund.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Konvertering af fytoplanktonbilleder til vektorgrafik

  1. Vælg fytoplanktonmikroskopiske billeder taget fra Narragansett Bay Long Term Plankton Time Series (NBPTS) som enten .JPG, .PNG eller .PDF filer (figur 1A).
    BEMÆRK: Taxa omfatter Thalassiosira nordenskioeldii, Thalassionema nitzschioides, Tripos spp., Odontella aurita, Skeletonema artskompleks, Chaetoceros diadema, Eucampia zodiacus, Dinophysis spp. og Pseudo-nitzschia spp. Billeder blev taget med et lysmikroskop.
  2. Åbn specifik software vektorgrafik editor eller illustratoren, der bruges til denne undersøgelse (se tabel over materialer). Vektorgrafik software er blevet nævnt som illustrator yderligere i manuskriptet.
  3. Placer et .JPG eller .PNG mikroskopisk billede i Illustrator-arbejdsrummet ved at åbne en fil fra computeren eller trække og slippe den i et nyt arbejdsrum.
  4. Gå til Vis > Vis gennemsigtighedsgitter for at få vist skakbrættets baggrund, der angiver gennemsigtighed.
  5. Klik på Vindue > Billedvektor i rullemenuen for at åbne vinduet Billedvektor.
  6. Klik på markeringsværktøjet (sort pil) i værktøjslinjen, og klik på fytoplanktonbilledet.
  7. Klik på Objekt > Udvid i rullemenuen.
  8. Brug værktøjet Direkte markering (hvid pil) på værktøjslinjen til at klikke og markere baggrundsdelene af billedet for at slippe af med omkring fytoplanktonet. Tryk på delete.
  9. Gentag for hvert baggrundsområde i billedet.
  10. Klik på Filer > eksport for at gemme filen som .PNG fil. Sørg for, at feltet Gennemsigtig baggrund er markeret.
  11. Placer .PNG mikroskopisk billede med baggrunden fjernet i et nyt arbejdsområde i illustratoren ved at åbne filen fra computeren, eller træk og slip den til et nyt arbejdsområde.
  12. Klik på Vindue > Billedvektor i rullemenuen for at åbne vinduet Billedvektor.
  13. Under indstillingerne for billedvektor skal du klikke på Forudindstillet > sort / hvidt logo og tilstand > sort / hvid.
  14. Brug tærsklen såvel som de avancerede indstillinger (dvs. stier, hjørner og støj) til at forfine billedet.
  15. Under Egenskaber skal du vælge Udvid for at vektorisere den.
  16. Vælg Vis > Vis gennemsigtighedsgitter.
  17. Klik på vektorbilledet , højreklik derefter og vælg Opdel gruppe.
  18. Vælg værktøjet Direkte markering (hvid pil) på værktøjslinjen. Træk og tegn kun en boks rundt om mellemrummene. Tryk på delete for at fjerne den.
  19. Gentag, indtil alt mellemrum er fjernet.
  20. Klik på Filer > Gem som , og vælg . EPS for at gemme som vektorgrafik.
  21. Gentag for fytoplanktontaxa fra 1.1 (figur 1B).

2. Oprettelse af fytoplanktonmønstre

  1. Brug fytoplanktontællingsdata fra NBPTS-datasættet til at bestemme den gennemsnitlige overflod af hvert taxon fra 1970-1979 (1970'erne), 1990-1999 (1990'erne) og 2010-2019 (2010'erne).
  2. Beregn middelværdien ± standardafvigelsen for hver fytoplanktontaxa for hvert årti i et statistisk softwareprogram ved at klikke på eller skrive 'middel() og sd()'.
  3. Klik på eller skriv 'aov()' for at bruge en ANOVA til at teste for væsentlige forskelle mellem årtier i et statistisk softwareprogram.
    BEMÆRK: Nogle arter (f.eks. Tripos spp., Chaetoceros diadema) har ikke store nok prøvestørrelser i 1990'erne. I dette tilfælde skal du klikke på eller skrive 't.test()' i et statistisk softwareprogram for at sammenligne gennemsnitlige forekomster i 1970'erne med 2010'erne.
  4. Brug 'Tegnebrætværktøjet' (firkantet) på værktøjslinjen til at klikke på og oprette et nyt tegnebræt i et nyt arbejdsområde for den specifikke illustrator, der bruges i denne undersøgelse.
  5. Lav tre identiske tegnebrætter af samme størrelse. Juster størrelsen i Egenskaber > transformer.
    BEMÆRK: For dette projekt var tegnebrætter til fytoplanktonbillederne 1224 px x 545 px.
  6. Træk og slip . EPS-filer af de forskellige fytoplanktontaxa på de tre tegnebrætter.
  7. Farv fytoplanktonet med forskellige farver, der er repræsentative for årtiet, ved at bruge værktøjet Direkte markering (hvid pil) til at tegne en kasse omkring et individuelt fytoplankton.
  8. Vælg Udfyld under Egenskaber , og klik derefter på den ønskede farve fra farvepaletten. Tryk på enter for at udfylde vektoren.
  9. Brug markeringsværktøjet (sort pil) til at fremhæve et bestemt fytoplankton, og vælg derefter Rediger > Kopier og Rediger > Sæt ind.
  10. Hver fytoplanktonvektor indsættes kvalitativt baseret på de relative andele af hver taxa i datasættet som bestemt i 2.2 for hvert af de tre årtier (figur 1C).
    BEMÆRK: Forekomsten af fytoplankton på hvert panel er en kvalitativ repræsentation af tabel 1. For eksempel, hvis der observeres en højere forekomst af Pseudo-nitzschia spp. i 2010'erne end i 1990'erne, skal du kopiere mere Pseudo-nitzschia-grafik til 2010-tegnebrættet end på 1990-tegnebrættet.
  11. Vælg Objekt > mønster > Opret for at oprette et farveprøveplanteplanktonmønster for hvert af de tre årtier.

3. Indarbejdelse af fytoplanktonbiomasse- og temperaturdata

  1. Klik på eller skriv 'middelværdi()' for at beregne den gennemsnitlige klorofyl a (chl a, proxy for fytoplanktonbiomasse) for hver uge i hvert årti i et statistisk softwareprogram.
  2. Klik på eller skriv 'plot()' i et statistisk softwareprogram for at tegne grafen over den gennemsnitlige decadal biomasse (afhængig variabel) efter hver uge (uafhængig variabel) og klik på Gem grafen som en .JPG eller .PNG.
  3. Placer en .JPG eller .PNG af chl en decadal biomassefigur i illustrator-arbejdsrummet ved at åbne filen fra computeren, eller træk og slip den i et nyt arbejdsområde.
  4. Gentag trin 1.3 til 1.8 for at vektorisere hver af de tre chl a sæsoncyklusser.
    1. Gå til Vis > Vis gennemsigtighedsgitter for at få vist skakbrættets baggrund, der angiver gennemsigtighed.
    2. Klik på Vindue > Billedvektor i rullemenuen for at åbne vinduet Billedvektor.
    3. Klik på markeringsværktøjet (sort pil) i værktøjslinjen, og klik på billedet.
    4. Klik på Objekt > Udvid i rullemenuen.
    5. Brug værktøjet Direkte markering (hvid pil) på værktøjslinjen til at klikke og vælge baggrundsdelene i billedet for at slippe af med omkring linjen, der angiver sæsoncyklussen. Tryk på delete. Gentag for hvert baggrundsområde i figuren.
    6. Klik på Filer > eksport for at gemme filen som .PNG fil. Sørg for, at feltet Gennemsigtig baggrund er markeret.
    7. Placer .PNG figur med baggrunden fjernet i et nyt arbejdsområde i den specifikke illustrator, der bruges ved at åbne filen fra computeren, eller træk og slip den i et nyt arbejdsområde.
    8. Klik på Vindue > Billedvektor i rullemenuen for at åbne vinduet Billedvektor.
    9. Under Egenskaber skal du vælge Udvid for at vektorisere den.
    10. Vælg Vis > Vis gennemsigtighedsgitter.
    11. Klik på vektorbilledet , højreklik derefter og vælg Opdel gruppe.
    12. Vælg værktøjet Direkte markering (hvid pil) på værktøjslinjen. Træk og tegn kun en boks rundt om mellemrummene. Tryk på delete for at fjerne den.
    13. Gentag, indtil alle mellemrum er fjernet for hver af linjerne fra 1970'erne, 1990'erne og 2010'erne.
    14. Klik på Filer > Gem som , og vælg . EPS for at gemme hver linje som en separat vektorgrafik.
  5. Brug tegnebrætværktøjet (firkantet) på værktøjslinjen til at klikke på træk og oprette et nyt tegnebræt i et nyt illustratorarbejdsområde.
  6. Lav tre identiske tegnebrætter af samme størrelse. Juster størrelsen i Egenskaber > transformer.
    BEMÆRK: For dette projekt var dimensionerne 1224 px x 3456 px.
  7. Træk og slip en af chl a . EPS-filer på henholdsvis et af de tre tegnebrætter.
  8. Opret et nyt lag ved at klikke på 'sticky note-ikonet'.
  9. Opret et rektangel i det nye lag med rektangelværktøjet fra værktøjslinjen.
  10. Udfyld rektanglet med et lyseblåt forløb ved hjælp af forløbsværktøjet fra værktøjslinjen.
  11. Kopier den vektoriserede tendenslinje, og føj den til laget med rektanglet i.
  12. Brug værktøjet 'Linjesegment' fra værktøjslinjen til at oprette en boks, der er knyttet til tendenslinjen. Hold Skift nede for at gøre linjerne lige og justerede.
  13. Tryk på ctrl-tasten, og vælg alle komponenterne, herunder linjerne, rektanglet og tendenslinjen i laget.
  14. Vælg Objekt > udsnitsmaske > oprette. Dette fjerner den øverste udfyldning af formen.
  15. Udfyld formen med fytoplanktonmønsteret gemt som en farveprøve fra 2.11.
  16. Gentag denne proces for hvert af de tre årtier.
  17. Gentag trin 3.9 &; 3.10 for at oprette et rektangel farvet med en rød til blå farvegradient for at repræsentere den varmere vandtemperatur på tværs af de tre kadadale paneler.
  18. Højreklik på objektet og flyt det tilbage bag fytoplanktonmønstrene.

4. Tilføjelse af detaljer til fytoplanktonpaneler

  1. For at tilføje billeder af fotograferet fytoplankton på fytoplanktonmønstrene skal du vælge Åbn og klikke på billedfilen for at åbne den i illustratoren, der bruges her.
  2. Opret en cirkel med ellipseværktøjet fra værktøjslinjen, og overlejr den oven på fytoplanktonbilledet.
  3. Hold shift-tasten nede for at vælge både formen og billedet, og klik derefter på Object > Clipping Mask > Make i menuen for at udfylde formen med billedet.
  4. Gentag for udvalgte fytoplanktonbilleder og fordel over de tre årtier for at ligne et forstørrelsesglas, der zoomer ind på det illustrative fytoplankton (figur 1D).
    BEMÆRK: Trin 1.3 til 1.8 kan gentages for at tilføje kunstneriske elementer af både og fugle til panelerne for at få chl a sæsonbestemte cyklusser til at ligne havbølger.
  5. Brug værktøjet 'Rektangel' fra værktøjslinjen til at oprette en tekstboks på hvert af årtiets tegnebrætter.
  6. Brug "Typeværktøjet" (T) til at klikke og skrive informativ tekst om hvert årti. Tilføj tekst øverst i hvert årti med navnet på årtiet, og tilføj navnene på de tilsvarende årstider nederst i hvert af de tre paneler.
  7. Gem arbejdsrummet i illustratoren.

5. Vægmaleri produktion

  1. Importer den gemte illustratorfil, og vælg kun at importere de tre afsluttede årtier. Vælg alle, og eksporter som en .PDF fil.
  2. Åbn planktonmønsteret .PDF filen med en plotter i stort format for at skalere de tre dekadale tegnebrætter i paneler på 96 tommer x 34 tommer.
  3. Udskriv paneler på Heavyweight Matter Paper og installer med hængende hardware.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Resultaterne dokumenterer et fald i fytoplanktonbiomassen fra 1970'erne til 1990'erne til 2010'erne (figur 1). Alle årtier udviste en bimodal top i klorofyl a (chl a) koncentration, hvor den første top forekom om vinteren og den anden forekom om sommeren. 1970'erne udviste højere gennemsnitlig chl a om vinteren end om sommeren. Omvendt viste 1990'erne lavere chl a om vinteren end om sommeren. 2010'erne vendte tilbage til en højere gennemsnitlig chl a-koncentration om vinteren end om sommeren. Disse resultater afspejles i det endelige produkt gennem forskellige chl a-toppe i panelerne samt med tekstfelterne tilføjet for at fremhæve forskellige komponenter i chl a-datasættet (figur 2).

Analyse af økologisk relevante fytoplanktontaxa fra Narragansett Bay afslørede en bred vifte i overflod over tid. Denne variation skjulte ofte statistisk signifikante forskelle i taxa mellem de tre årtier, selvom HAB-taxa, Dinophysis spp. og Tripos spp. (tidligere benævnt Ceratium) faldt (tabel 1). I modsætning hertil steg Thalassiosira nordenskioeldii og Skeletonema spp. (tabel 1). Andre taxa svingede i tæthed, såsom Eucampia zodiacus (tabel 1). Disse resultater blev illustreret i det endelige produkt ved den øgede tilstedeværelse af flere E. zodiacus-billeder i 2010'erne sammenlignet med 1970'erne og 1990'erne samt et overlejret mikroskopisk billede af E. zodiacus for at bringe den faktiske art til 'det virkelige liv' for publikum (figur 2 & 3).

Taxa navn Slags 1970-79 Gennemsnit ± SD (celler L-1) 1990-99 Gennemsnit ± SD (celler L-1) 2010-19 Gennemsnitlig ± SD (celler L-1) p-værdi
Pseudo-nitzschia spp. Kiselalger 3701 ± 18235 5123 ± 24396 12919 ± 58632 > 0,05
Thalassionema nitzschioides Kiselalger 81797 ± 245710 22909 ± 59246 62656 ± 292940 > 0,05
Tripos spp. Dinoflagellat 1933 ± 703 500 ± 706 841 ± 353 < 0,001
Eucampia stjernetegn Kiselalger 27266 ± 27675 7500 ± 2121 90764 ± 181415 > 0,05
Thalassiosira nordenskioeldii Kiselalger 76800 ± 150545 27000 ± 28284 362411 ± 376064 0.008
Odontella aurita Kiselalger 5571 ± 8541 5000 ± 2645 17750 ± 23485 > 0,05
Chaetoceros diadema Kiselalger 103027 ± 239802 18000 ± 0 40402 ± 46128 > 0,05
Skeletonema spp. Kiselalger 2457847 ± 7814228 1884674 ± 4888589 1349184 ± 3732765 0.003
Dinophysis spp. Dinoflagellat 5166 ± 8983 1978 ± 1840 2331 ± 2504 < 0,001

Tabel 1: Fytoplanktontællinger. Gennemsnit (celle L-1) og standardafvigelse af fytoplanktonkoncentrationer for hver taxa for hvert årti. Type angiver, om fytoplankton er klassificeret som en diatome eller dinoflagellat. ANOVA eller t-test blev udført for at teste for statistisk signifikante forskelle i gennemsnitlig tæthed mellem de tre årtier (ANOVA) eller to (t-test), når lav prøvestørrelse var til stede i 1990'erne (dvs. Tripos spp., Eucampia zodiacus, Thalassiosira nordenskioeldii, Odontella aurita og Chaetoceros diadema). Signifikante p-værdier bestemt til α = 0,05 og angivet med fed skrift.

Figure 1
Figur 1: Skematisk metode. A) Konverter mikroskopisk billede til en vektorillustrativ grafik, B) Opret gentagne mønstre for hvert årti (1970'erne, 1990'erne, 2010'erne), C) Brug decadal chlorophyll a data til at informere former af mønstre. Udfyld baggrunden med blåt til rødt farveskema for at repræsentere stigende vandtemperatur, og D) Afslut produktet ved at tilføje tekst for at informere forskellige funktioner i mønstre og mikroskopiske billeder af fytoplankton, der bruges til at skabe illustrativ grafik. Klik her for at se en større version af denne figur.

Figure 2
Figur 2: Fuldført visualisering. Afsluttet fytoplankton visualisering lavet i illustratoren. Taxa omfatter Thalassiosira nordenskioeldii, Thalassionema nitzschioides, Tripos spp., Odontella aurita, Skeletonema artskompleks, Chaetoceros diadema, Eucampia zodiacus, Dinophysis spp. og Pseudo-nitzschia spp. Klik her for at se en større version af denne figur.

Figure 3
Figur 3: Færdigt kunstværk. Færdiggjort fytoplanktonvisualisering lavet i illustratoren sammen med trykt version til A) 1970'erne, B) 1990'erne og C) 2010'erne. Klik her for at se en større version af denne figur.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritiske trin i protokollen omfatter opnåelse af mikroskopiske billeder af fytoplankton og konvertering af dem til vektorgrafik. At gøre billederne af fytoplankton, som ikke er mærkbare for det blotte øje, store nok til at blive set uden et forstørrelsesglas på vægmaleriet, hjælper med at bringe dem til live for seeren. For at opnå dette vægmaleri som ikke kun et kunstværk, men også en datavisualiseringsmetode, er det vigtigt at indarbejde observerede data i projektet. I tilfælde af fytoplanktonmaleriet repræsenterer klorofyl a (chl a) årlige cyklusser, der blev beregnet i gennemsnit efter årti, de faktiske data og viser, hvordan chl a faldt med årti på de forskellige paneler. For fytoplanktonoverflod varierede de gennemsnitlige koncentrationer af visse taxa mellem årtierne, derfor ville en højere forekomst af en taxa observeret i et bestemt årti have mere grafik af denne taxa kopieret på dekadalpanelet sammenlignet med et andet panel med lavere gennemsnitlig overflod. Brug af observerede data til at informere de kunstneriske elementer, såsom en gradient af farve fra blå til rød for at repræsentere temperaturstigninger, hjælper også med at visualisere disse videnskabelige data.

Ændringer af metoden kan omfatte opnåelse af mikroskopiske billeder af fytoplankton fra billeddepoter med åben adgang samt anvendelse af andre fytoplanktonbilleddannelsessystemer til fotografiske billeder udover et mikroskop (f.eks. Imaging Flow-Cytobot). Desuden kan mikroskopiske billeder og videnskabelige data omfatte daglige fytoplanktontællinger og billeder snarere end årtier for kortere tidsseriedatasæt samt zooplanktonbilleder for at afsløre fødevarewebinteraktioner. Endelig kan gennemsnitstemperaturer registreret for hvert årti inkluderes på panelerne for at kvantificere temperaturændringer eller en tendenslinje tegnet nær bunden af panelerne ud over de illustrative ændringer, der vises gennem gradientbaggrunden. Begrænsninger omfatter fejlfinding af disse videnskabelige data til skalering inden for rammerne af det fysiske kunstværk samt opnåelse af instrumentering til udskrivning på store paneler. Det er også vigtigt at sikre, at baggrundsfarven er gennemsigtig nok til at afsløre ændringerne i fytoplanktonoverflod tydeligt over tid, hvilket kan være vanskeligt at skelne, indtil det udskrives. Endelig er Adobe Illustrator en proprietær software, som kan begrænse tilgængeligheden for visse brugere, men gratis softwareillustrationsprogrammer er tilgængelige (f.eks. Inkscape, GIMP, Vectr, Vectornator). Tilpasning af protokollen til at producere fytoplanktonmalerier på disse gratis programmer repræsenterer nyttigt fremtidigt arbejde for at øge tilgængeligheden.

I betragtning af at fytoplankton repræsenterer grundlaget for fødenettet i næsten alle marine systemer, er det afgørende at kommunikere deres betydning; Imidlertid præsenterer de fleste undersøgelser inden for fytoplanktonøkologi kun resultater som datagrafer, der reducerer deres tilgængelighed for det generelle publikum. Protokollen præsenteret her for udvikling af fytoplanktonmaleriet viser virkningen af at visualisere videnskabelige data gennem en kunstnerisk linse17. Gennem analyse af dette vægmaleri kan seeren se, at fytoplanktonbiomassen er faldet i Narragansett Bay (NBay) siden 1970'erne. Dette fald sker over en periode, hvor der har været langsigtede stigninger i havvandstemperaturen i NBay13. Lignende skift i planktonsamfund (dvs. zooplankton) med opvarmning af havvandstemperaturer blev også observeret i San Francisco Bay Estuary, som ligesom NBay understøtter en stor menneskelig befolkning18,19. Denne tilgang repræsenterer en visualiseringsmetode, der kan bruges til mange andre planktontidsserier, som San Francisco Bay Estuary, over hele verden.

Ved et langt blik ændres panelernes form og farve over tid. Når man ser nærmere på panelerne, afspejler fytoplanktonmønstrene ændringer i forskellige taxas overflod og biomasse. Det er her kunstens og videnskabens verdener kolliderer, idet de videnskabelige mønstre er de bogstavelige mønstre, der vises på vægmaleriet. Det er tydeligt, at der er meget mere til NBay end hvad der vises på vandoverfladen ved at visualisere fytoplanktondata gennem kunst.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen interessekonflikter at erklære.

Acknowledgments

Denne forskning blev støttet af National Science Foundation (OIA-1655221, OCE-1655686) og Rhode Island Sea Grant (NA22-OAR4170123, RISG22-R/2223-95-5-U). Vi takker de mange kaptajner for at yde feltassistance og de mange studerende og forskere, der indsamlede data siden 1970. Vi takker Stewart Copeland og Georgia Rhodes for at udvikle Vis-A-Thon-projektet, der producerede planktonmaleriet, samt Rafael Attias fra Rhode Island School of Design for hans kunstneriske vejledning under projektudviklingen.

Materials

Name Company Catalog Number Comments
Adobe Illustrator Adobe version 23.0.6 Free alternatives include: Inkscape, GIMP, Vectr, Vectornator
Eclipse E800 Nikon ECLIPSE Ni/Ci Upright Microscope Now succeeded by Eclipse Ni-U
Epson Large Format Printer Epson SCT5475SR
Heavy Matte Paper Epson S041596
RStudio Rstudio, PBC version 2022.07.1 Any statistical software tool will suffice

DOWNLOAD MATERIALS LIST

References

  1. Cloern, J. E., Jassby, A. D. Complex seasonal patterns of primary producers at the land-sea interface. Ecology Letters. 11 (12), 1294-1303 (2008).
  2. Cloern, J. E., Jassby, A. D. Patterns and Scales of Phytoplankton Variability in Estuarine-Coastal Ecosystems. Estuaries and Coasts. 33 (2), 230-241 (2010).
  3. Hays, G. C., Richardson, A. J., Robinson, C. Climate change and marine plankton. Trends in Ecology & Evolution. 20 (6), 337-344 (2005).
  4. Harvey, C. J., et al. The importance of long-term ecological time series for integrated ecosystem assessment and ecosystem-based management. Progress in Oceanography. 188, 102418 (2020).
  5. Leeuwe, M. A., et al. Annual patterns in phytoplankton phenology in Antarctic coastal waters explained by environmental drivers. Limnology and Oceanography. 65 (7), 1651-1668 (2020).
  6. Hunter-Cevera, K. R., et al. Physiological and ecological drivers of early spring blooms of a coastal phytoplankter. Science. 354 (6310), 326-329 (2016).
  7. Church, M. J., Lomas, M. W., Muller-Karger, F. Sea change: Charting the course for biogeochemical ocean time-series research in a new millennium. Deep Sea Research Part II: Topical Studies in Oceanography. 93, 2-15 (2013).
  8. Bates, N. R., Johnson, R. J. Acceleration of ocean warming, salinification, deoxygenation and acidification in the surface subtropical North Atlantic Ocean. Communications Earth & Environment. 1 (1), 33 (2020).
  9. Wolanski, E., Spagnol, S., Gentien, P., Spaulding, M., Prandle, D. Visualization in Marine Science. Estuarine, Coastal and Shelf Science. 50 (1), 7-9 (2000).
  10. United Nations. Factsheet: People and Oceans (2017). , The Ocean Conference. New York. https://www.un.org/sustainabledevelopment/wp-content/uploads/2017/05/Ocean-fact-sheet-package.pdf (2017).
  11. Oviatt, C. A. The changing ecology of temperate coastal waters during a warming trend. Estuaries. 27 (6), 895-904 (2004).
  12. Oviatt, C., et al. Managed nutrient reduction impacts on nutrient concentrations, water clarity, primary production, and hypoxia in a north temperate estuary. Estuarine, Coastal and Shelf Science. 199, 25-34 (2017).
  13. Fulweiler, R. W., Oczkowski, A. J., Miller, K. M., Oviatt, C. A., Pilson, M. E. Q. Whole truths vs. half truths - And a search for clarity in long-term water temperature records. Estuarine, Coastal and Shelf Science. 157, A1-A6 (2015).
  14. Trainer, V. L., et al. Pseudo-nitzschia physiological ecology, phylogeny, toxicity, monitoring and impacts on ecosystem health. Harmful Algae. 14, 271-300 (2012).
  15. Sterling, A. R., et al. Emerging harmful algal blooms caused by distinct seasonal assemblages of a toxic diatom. Limnology and Oceanography. 67 (11), 2341-2359 (2022).
  16. Roche, K. M., Sterling, A. R., Rynearson, T. A., Bertin, M. J., Jenkins, B. D. A Decade of Time Series Sampling Reveals Thermal Variation and Shifts in Pseudo-nitzschia Species Composition That Contribute to Harmful Algal Blooms in an Eastern US Estuary. Frontiers in Marine Science. 9, 889840 (2022).
  17. Li, Qi Data visualization as creative art practice. Visual Communication. 17 (3), 299-2222312 (2018).
  18. Cloern, J. E., et al. Projected Evolution of California's San Francisco Bay-Delta-River System in a Century of Climate Change. PLoS ONE. 6 (9), e24465 (2011).
  19. Bashevkin, S. M., et al. Five decades (1972-2020) of zooplankton monitoring in the upper San Francisco Estuary. PLOS ONE. 17 (3), e0265402 (2022).

Tags

Oceanografiske data Langsigtede ændringer Fytoplankton Narragansett Bay Langsigtede Plankton Time Series Akvatisk økosystem Visualisering af data Adobe Illustrator Mikroskopiske billeder Vektorgrafik Gentagne visuelle mønstre Rigelige taxa Skadelig Algeblomstringstaxa Pseudo-nitzschia spp. Relativ overflod Årtiers data Fytoplanktonbiomasse Temperaturstigning
Visualisering af oceanografiske data for at skildre langsigtede ændringer i fytoplankton
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Thibodeau, P. S., Kim, J.… More

Thibodeau, P. S., Kim, J. Visualizing Oceanographic Data to Depict Long-term Changes in Phytoplankton. J. Vis. Exp. (197), e65571, doi:10.3791/65571 (2023).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter