Summary
Balıklar sayma ve göreli bolluk (MaxN) ve stereo-video kamera sistemleri dönen kullanarak balık yoğunluğu tahmin için yeni bir yöntem açıklanmaktadır. Ayrıca kamera (Z mesafe) mesafeden species-specific algılama tahmin etmek için nasıl kullanılacağını göstermektedir.
Abstract
Balıkların ekolojik çalışmalar video kamera sistemlerinin kullanımı çekiş ölçüm balık uzunlukları ve tahmin balık Bereket uygun, Sigara extractive yöntemi olarak kazanmak için devam ediyor. Geliştirilen ve örnekleme, örnekleme çaba sabit kamera araçları için karşılaştırıldığında en üst düzeye çıkaran bir tam 360 derece kapsar dönen bir stereo-video kamera araç uygulanmaktadır. Çalışmalar çeşitli statik, stereo-kamera sistemleri son derece doğru ve hassas ölçümler balık elde yeteneği detaylı sahip; odak burada dönen kamera sistemleri kullanarak balık yoğunluğunu ölçmek için yöntembilimsel yaklaşımlar geliştirilmesi üzerinde yapıldı. İlk yaklaşım genellikle balık en az sayıda muhafazakar sayısıdır MaxN verilen kamera anket gözlenen metrik bir değişiklik geliştirmekti. MaxN balık kamera sistemi verilen herhangi bir döndürme içinde gözlenen en fazla sayısı olarak tanımlıyoruz. İki sayım önlemek için önlemler alındığında, bu yöntem MaxN için sabit kameradan alınan daha gerçek bereket daha doğru bir şekilde yansıtabilir. İkinci olarak, stereo-video üç boyutlu uzayda eşlenmesi için balık verdiğinden, mesafe makinesinden kesin tahminleri her balık için elde edilebilir. Ankete species-specific alanları kurmak için % 95 persentil gözlenen mesafe--dan fotoğraf makinesi kullanarak, biz türler arasında algılama farklılıkları için bir tür olduğunu maksimum mesafe kullanarak yoğunluğu tahminleri sulandrarak kaçınırken hesap gözlenen. Muhasebe algılama aralığı için balık zenginliği doğru tahmin için çok önemlidir. Bu metodoloji stereo video araçları uygulamalı bilim ve yönetim bağlamlarda dönen entegrasyon kolaylaştıracaktır.
Introduction
ABD Pasifik Sahil boyunca birçok ticari ve eğlence groundfish balıkçılık için (örneğin, rockfish karmaşık (Sebastes spp.) ve Lingcod (Ophiodon elongatus)) önemli türlerin güçlü ile ilişkili olan yüksek kabartma, alt zor habitatları1,2,3,4,5. Stereo-video damla kameralar göreceli kolaylığı ve işlemin basitliği nedeniyle kayalık yaşam alanları kullanmak için çekici bir sigara extractive araçlardır. Stereo-video kamera sistemleri çeşitli geliştirilen ve Güney yarımkürede, sığ su ekosistemleri6,7,8,9,10' da, dağıtılabilir ve Son zamanlarda, video damla-kameralar Pacific Coast11,12,13boyunca derin su rocky resif ortamları için bir yönetim aracı olarak çekiş kazanmıştır. Varolan bu stereo kamera tasarımları daha verimli bir şekilde yüksek kabartma seafloors Orta Pasifik kıyısında (bakınız tablo, Balık nüfus karakterize etmek için (bundan sonra "İniş" anılacaktır) bir stereo-video kamera sistemi kullanılarak değiştirmek istedi Malzemeler). Çünkü kameralar tam 360 ° zemine açılan konumu14kapsama için izin verilen bir merkez dönen bar monte edildi kullanılan Lander varolan video sistemleri farklıydı. İniş aracı dakikada hızla bolluk ve topluluk kompozisyon bir alanın karakterize ve istatistiksel gücü daha az Lander dağıtımları ile aynı düzeyde ulaşmak bize izin veren bir tam dönüş tamamlandı. (Bkz: Starr (2016)14 Lander yapılandırma ayrıntılarını daha fazla ayrıntı için). Çalışma sisteminde Ön testler araştırmalarımızda fotoğraf makinelerinin sekiz rotasyonlar türlerin bolluk ve zenginlik karakterize etmek yeterli olduğunu ileri sürdü. Bu belirleme döner azalan bir gözlem tarafından türlerin bolluk ve balık yoğunluğu daha uzun damla üzerinde yapıldı. Öneririz uzun emmek süreleri dahil olmak üzere bir pilot çalışma verilen ekosistem/çalışma türler için en uygun emmek zamanı belirlemek için herhangi bir sistem olarak yürütülmelidir.
Eşleştirilmiş stereo kameralar kullanarak, her ikisi de Toplam Anket alan ve video her anket için mutlak balık yoğunluğu hesaplanabilir; Ancak, kameralar dönen kullanım geleneksel balık sayısı ölçümleri değişiklik gerektirdiği. Sabit görüntü sistemleri "MaxN" balıklar bir dağıtım6,10muhafazakar sayısı olarak en sık kullandığınız. Geleneksel MaxN birlikte iki sayım yaptı ve çerçeve için döndürülen bir balık önlemek için tek bir video kare içinde gözlenen belirli bir tür balık en fazla sayısını açıklar. MaxN bu nedenle mevcut olduğu bilinen balık en az sayıda bir tahmin edilmiş ve gerçek balık bolluk6,10hafife. MaxN metrik kameralar her tam rotasyon içinde görülen balık en fazla temsil etmek için tanımlandı.
Aslında bu tür irili ufaklı, renk, hesap için önceki stereo video yöntemleri için ikinci değişiklik oldu ve şekiller farklı maksimum mesafe güvenilir kimlik. Örneğin, O. elongatus gibi büyük türler farklı bir uzun şekil ve güvenilir bir şekilde Squarespot Rockfish (Sebastes hopkinsi) gibi küçük ve şifreli türleri ile karşılaştırıldığında çok daha büyük mesafelerde belirlenebilir. Algılama bu farklı maksimum aralıklar için her tür Lander tarafından örnek etkili alanı olarak değiştirin. Stereo kameralar bize her balık yüksek bir doğruluk derecesi ile üç boyutlu uzayda yerleştirmek izin çünkü kimse her balıktı kameralar olan uzaklığı belirleyebilirsiniz ("olan z ekseni için" adlıYani, "Z mesafe", ölçülen dik kameralar arasında çizilmiş düz çizgi). Her tür için içinde (bundan sonra "% 95'i Z mesafe") tüm bireylerin % 95'i gözlendi mesafe anket alan yarıçap olarak kabul edildi ve ankete toplam alanını hesaplamak için kullanılır. Species-Specific özelliklere ek olarak identifiability suyun bulanıklık gibi çevresel koşullar tarafından etkilenebilir. Bu faktörler zaman ve mekan içinde düzeyinde değişiklik yapabileceğiniz için % 95'i Z Hayatinizda yalnızca toplam olarak kullanılması önemlidir. Süre o-ecek var olmak büyük örnekler için son derece hassas, herhangi bir bireysel Anketi ankete alanında farklı olabilir.
Protokol aşağıda ayrıntılı yönergeler bu ölçümler oluşturmak sağlar. Pasifik Sahili boyunca derin kayalık habitat karakterize etmek için odak noktası oldu değiştirilmiş MaxN sayım için açıklanan metodoloji dönen herhangi bir damla-kamera sistemine kolayca uygun olsa da. Kamera rotasyonlar balık nüfusu tanımlamak için gerekli yerel ekosistemi dinamikleri üzerinde bağlıdır, ancak değiştirilmiş MaxN kavramsallaştırma aynı kalır. Oysa biz fotogrametrik yazılımı 3D stereo video olarak çözümlemeye, Balık üç boyutlu uzayda tam yerini mümkün olduğu sürece benzer şekilde, burada açıklanan teknikleri kolay yazılım platformları arasında uygulanır. Ayrıca, % 95'i Z uzaklık değeri uygulama yaklaşımı gelecekte çalışmaları ile stereo-kameralar tespit species-specific aralıkları için hesap ve daha doğru bir şekilde balık bolluk hesaplamak için düşünülebilir.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Not: Ekran görüntüleri yazılım adımları Ek dosyaolarak dahil edilir. Lütfen aşağıda açıklanan yazılım adımları için seçilen yazılımı belirli olduğunu unutmayın (bkz. Tablo malzeme). Genel yaklaşım herhangi bir stereo yazılım platformu için genişletilebilir.
1. Stereo kamera görüntüleri analiz için hazırlayın
Not: Kalibrasyon kalibrasyon küp kullanarak önerilir. Kalibrasyon küp bir üç boyutlu alüminyum-noktalı tam olarak konumlandırılmış yansıtıcı yüzeyi karedir. Ayarlama yazılımıyla birlikte kullanıldığında, bir kalibrasyon küp büyük hassasiyet ve doğruluk Dama Tahtası yaklaşımlar9' dan yol açar.
- Stereo-ayarlama yazılımıyla (Resim 1 ve Şekil 2 Malzemeleri tablo için bir yazılım tavsiye görmek;) Lander kameralarla kalibre.
Not: Kalibrasyon önce alanda kullanım hedefleri değişen mesafelerde (bkz. ek Video 1) bilinen boyutlarda ölçerek doğrulanabilir. Ortalama ölçüm hata mesafelerde 3 m (veya daha az) 50 cm hedef için bilinen hedef uzunluğu %2 içinde olmalıdır. Ayrıca belirli bir kalibrasyon sadece kamera konumlarını birbirlerine göre değiştirmezseniz geçerli olacaktır. Kendine iyi bak ve istenmeyen tüm örnekleme sahne aldı kadar kameraların jostling önlemek çok önemlidir. - Kalibre edilmiş Lander (şekil 1, ek Video 2) kullanarak alan veri toplamak.
- Saha çalışması tamamlandıktan sonra kalibrasyon ve video dosyalarını içeren yeni bir proje klasörü oluşturun.
Not: her projede ağıl orada beş dosyaları en az ihtiyacı: sol ve sağ ". Kam"kalibrasyon dosyaları, sol ve sağ video dosyalarını (. MP4 veya. AVI formatında sadece) ve türlerin listesi (.txt biçiminde). - Stereo ölçüm yazılımındaki yeni bir ölçüm proje başlatmak ve uygun video ve Kalibrasyon dosyaları yükleyin.
Not: Ekran görüntüleri tüm yazılım adımları Ek dosyalarıarasında kullanılabilir.- 'Ölçüm' gidin > 'Yeni ölçüm dosyası'.
- 'Resim' giderek resmi dizin ayarla > 'Set resim dizini' ve tüm proje dosyaları içeren klasörü seçin.
- Sol kamera yükleme ". Kam"dosya 'Stereo' giderek > 'Kamera' > 'Sol' > 'Yük kamera dosya' ve uygun dosyayı seçerek.
- Adımı yineleyin 1.4.3 doğru kamera yüklemek için ". Kam"dosya
Not: Bu dosyalar (örneğin, piksel boyutu, en boy oranı, Radyal bozulma, decentring bozulma, vb) her bir kamera için kalibrasyon ölçümleri içeren ve balık ölçmek ve mesafe---dan-kamera (Yani, Z hesaplamak için kullanılan mesafe). - Film sıra sol video dosyası için 'Resmi' giderek tanımla > 'film sıra define' ve sol kamera video dosyasını seçerek.
- 'Resim' seçerek ölçüm yazılımı içine sol video dosyasını yüklemek > 'yük resim'.
Not: video dosyalarını yüklemeden önce 'Kilit' kutusunun işaretli olmadığından emin olun. Bu her iki videoları aynı anda yüklenmesine izin verir. - Film dizi ve yük 'Stereo' menüleri kullanarak doğru video video dosyası tanımlayın > 'resim' > 'film sıra define' ve 'Stereo' > 'resim' > 'yük resim'.
- 'Ölçüm' giderek türlerin listesini yükle > 'Öznitelikleri' > ' Düzenle/yük türler dosyası'.
- Anket kimlik bilgileri altında 'Bilgi alanları' girin > 'Alan değeri Düzenle' ve oluşturmak için dosyayı kaydedin bir. EMObs proje.
- Işık flaş, alkışı, Eşgüdümlü Evrensel Saat (UTC) damga veya her iki videoları herhangi bir zaman belirli olayı kullanarak video senkronize.
- UTC zaman damgası kullanıyorsanız, çerçeve-adım ileri sol videoda zaman damgası yeni bir ikinci başlayana kadar. Başka çerçeve ileriye ışık flaş veya alkışı kadar oluşur.
- Çerçeve-adım zaman damgası kadar ileriye doğru video sol video tam olarak eşleşir. Başka çerçeve tam an ışık flaş veya alkışı sol video eşleşen kadar öne.
Not: Videoları aynı kareye eşitlenmesi önemlidir. Video senkronizasyonu video zaman damgası kamera çerçeve drift Çözümleme sırasında önlemek için kullanarak periyodik kontrol edilmelidir. Bir filme el clap da başlangıç ve video sonunda dogru sınamak için kullanılabilir ve sol videoları aynı kareye senkronize.
- Video birlikte oynamak ve eşitleme korumak emin olmak için "Kilit" düğmesini tıklatın.
2. nokta sayıları oluşturmak ve MaxN hesaplamak
Not: Her balık başlangıçta 2D noktasına en düşük olası taksonomik çözünürlüğü ile işaretlenir. Belirsiz kimliği ile balık daha sonra gözden geçirilmek üzere işaretlenmiş olmalıdır.
- Tam 360 derece kullanılan emin olmak için tam kamera döndürme sonuna kadar balıkları saymak başlamak için sabırsızlanıyorum. Ayrıca tortu temizlenir vardır kadar bekleyin (genellikle < 1-2 dk sonra alt ile temas).
- İniş aracı, ilk dönüş başlar başlamaz, sağ yeni bir örnek dönemi tanımlamak için tıklatın: 'Dönem tanımlamaları' > 'Ekle yeni başlangıç dönemi'. "01" olarak ilk dönem adı girin ve "Tamam" ı tıklatın.
- Lander döner, çerçeve içine sadece sol kamera ile 2D ile an gelir her balık işaretleme başlar.
- 2D bir nokta eklemek için sağ tıklatın, 'Ekle'ye gelin' seçin ve doğru tür adı seçin. Bilinmeyen türler ve tıkırtı "OK" 'spp.' seçerek en düşük taksonomik düzeye, etiket.
- Rotasyon sonuç kadar adım 2.2.1 göre her yeni balık işaretlemeye devam.
- İletişim kuralı yordamlar 2.1-2.2 her ek Lander rotasyon - yeni bir dönem her kamera rotasyon başlangıcında tanımlanır sağlanması için yineleyin.
Not: Türler birikimi eğrileri sekiz rotasyonlar, ortalama olarak, balık bolluk içinde çalışmanın karakterize etmek yeterli olduğunu belirlemek için kullanılmıştır. Araştırmacılar ön ile munzam fotoğraf makinesi rotasyonlar, kamera rotasyonlar belirli bir ekosistem içinde optimum sayısını tanımlamak için daha uzun emmek süreleri üzerinde deneylerini düşünmelisiniz. - Kamera rotasyon gözlenen bireylerin Species-Specific sayıları hesaplamak.
- Tüm rotasyonlar numaralandırılan sonra 'Ölçüm' giderek 2D puan vermeniz > 'Ölçüm özetleri' > 'Gelin ölçümler' ve 2D Puan a.txt dosyası olarak kaydedin.
- Bir elektronik tablo olarak kaydedilmiş 2D.txt noktası dosyasını açın ve 'Ekle' giderek sayıları (Tablo 1) özetlemek üzere döndürme numarasını vs türlerin bir Özet Tablo oluşturmak > 'Özet Tablo'. "Cins ve türlerin" 'Satır etiketi' ve "Dönem" için 'İçin sütun etiketini' seçin.
- MaxN her tür için bu tür (Tablo 1) bireylerin en büyük sayıda kamera rotasyon seçerek seçin.
- Sadece cins için tanımlanan balıklar için bu belirli cins içinde tür için tanımlanan en büyük sayisi vardı rotasyon dayalı bir cins düzeyi MaxN seçin.
Not: Bu adımı yalnızca tanımlanabilir daha yüksek taksonomik gruplara (örneğin, yalnızca cins ya da aile için) çift sayma bireysel balık önlemeye yardımcı olur. Örneğin, Tablo 1' ' döndürme 1' bulunan 10 tanımlanamayan Sebastes spp. ve 33 Bu cinsin türler için tanımlanan Sebastes ise ' döndürme 3' bulunan sadece iki kimliği belirsiz Sebastes spp. ve 43 üyeleri Sebastes türler için tanımlanan cins. Bu nedenle ' döndürme 3' bilinmeyen Sebastes spp. MaxN sayısı için kullanılacak Bu şekilde, muhafazakar varsayım bu yapılır kimliği belirsiz Sebastes spp. 8 ' döndürme 1' tespit edildi ' dönüş 8'. - Çoklu rotasyonlar aynı MaxN sayısı belirli bir tür için ise MaxN ile ilk dönüş için 3B nokta ölçümleri seçin.
- Her tür balık 3D ölçümler MaxN oluştu rotasyon alır.
- Adımlar 2,1 2,3 toplanan kaydedilmiş 2D puan 3 boyutlu ölçüm için tam olarak aynı balık gitmek için kullanın.
- Balık burnu ve caudal fins (şekil 3) kenarlarını ucu daha iyi tanıtmayı en az 4 X zoom.
Not: Kare adımı öne veya arkaya balık en iyi yönünü 3 boyutlu ölçüm için bulmak için gerekli olabilir. 'En iyi' yönlendirme bir burun ve caudal fins kenarlarını her ikisi fotoğraf makinesi görünür nerede var. - El ile burun, sonra kenarına, sol fotoğraf kuyruk ucu tıklayın sonra doğru video aynı sırada seçimi yineleyin.
- Doğru tür kimlik 2.2.1 içinde olduğu gibi açılan menüleri seçin.
- Örnek baş ve kuyruk balıkların her ikisi fotoğraf makinesi görünür değilse o zaman işaretlemek için 3B nokta yerine sol ve sağ videoları aynı pozisyonda balık sol tıklayarak bir 3D uzunluk ölçüm mümkün değilse. Önce bilgi alanları doldurun ve "uzunluk ölçüm hariç" yorum.
Not: Fotoğraf makineleri farklı türleri için farklı rotasyonları MaxN ortaya çıkabilir; Ancak, herhangi bir belirli türler için bir rotasyon sadece (Tablo 1) ölçümleri gerçekleşmelidir.
- Bütün balıklar için 3D ölçümleri tamamladıktan sonra daha ayrıntılı bir çözümleme için veri as.txt dosyasını dışarı aktarmak.
- 'Ölçüm' gidin > 'Ölçüm özetleri' > '3D noktası ve uzunluk ölçüleri' ve save.txt dosya vermek için.
3. %95 Z uzaktan yordam species-specific anket alanlar için
Not: Bir tür güvenilir durumlarda su netlik veya aydınlatma olağanüstü koşullarının hariç sırasında verilen bir çalışmada teşhis ortalama mesafe tahmini % 95'i Z mesafedir. Bu hesaplama belirli bir çalışma ortalama oşinografik koşullarını dikkate alır ve her yeni çalışma için yeniden hesaplanmış olması gerekecektir.
- Sade önyüklemeyi örnek boyutu her tür için güvenilir algılama mesafesi karakterize etmek büyük olup olmadığını belirlemek için kullanın.
- Her örnek boyutu sınıf (örneğin, örnek boyutu kutuları 5 balık), almak için 1000 rasgele seçilen örnek boyutunun değiştirilmesi ile örnek popülasyondan çizer ve mesafeler bu %1.000 95 parametreli çizer ortalamasını hesaplamak ve sonucu olan arsa asimtotik eğri. Bkz: ek dosyalar 1& 2 sağlanan kodu.
- Yeterli örnekleri gerçek örnek boyutu örnek boyutunun artırılması ile % 95'i Z mesafe asimptot ile karşılaştırarak elde edilmiştir doğrulayın.
- Kamera mesafe üzerinden bir tür için tüm anketler arasında ölçülen % 95 parametreli olarak % 95'i Z Uzaklık değerini hesaplamak.
- Ankete katılanların % 95'i Z değeri kullanarak her tür için etkili alanı hesaplayın.
Not: dönen bir Lander söz konusu olduğunda anketin bir tarama alanı, dış RADIUS iç yarıçap ile aracın fiziksel Kur tarafından belirlenen ve nasıl kameralar tabanına yakın % 95'i Z değeri temsil gözlemlemek mümkün. Lander döndükçe, bir 'şeklinde çörek' anket alanı oluşturulur (şekil 4).- Olarak anket alanını hesaplamak:
Not: Örneğin, nispeten büyük bir tür gibi Yelloweye Rockfish (Sebastes ruberrimus) 3.3 m % 95'i Z uzaktan ve Lander dağıtım başına 30,9 m2 lik etkili Anket: 34,3 m2 (dış çemberi) - 3.4 m2 (iç Daire) = 30,9 m2 (Toplam Anket alanı).
- Olarak anket alanını hesaplamak:
- Hesaplanan alanı kullanarak (3.3.1. adım) dönüştürmek bireysel türlerin sayıları (MaxN) yoğunluk tahminleri denklemi kullanarak görsel her anket için içine araştırılmıştır:
Not: Benzer bir yordam yerine bir alan yoğunluğu hacimsel yoğunluğu hesaplamak için kullanılabilir; Ancak, bu işlem burada açıklanmıyor.
Tablo 1: örnek MaxN Özet Tablosu. MaxN seçim için her tür red ve kalın metinle gösterilmiştir. Not tanımlanamayan Sebastes spp. için muhafazakar bir MaxN döndürme tarafından tanımlanan türler (rotasyon 3) en Sebastes belirlendi. De, bu çalışmada kullanılan sekiz kamera rotasyonlar iken, sadece dört rotasyonlar kolaylık için Tablo 1 ' de görüntülenir. MaxN seçme işlemi rotasyonlar sayısından bağımsız olarak aynıdır.
Resim 1: Stereo video Lander. Anahtar donanım numarası (1) 300 m göbek, (2) iki dijital video kaydediciler (DVR) su geçirmez şişe içinde çıkarılabilir 32 GB depolama kartları ile bir renk sıcaklık 5000 K ve Çıkış 3.000 lümen (3) iki LED ışıklar (4). iki kamera ile 620 TV hattı (TVL) kararlılık. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 2: Kalibrasyon küp (500 x 500 x 300 mm). Bir kalibrasyon iki farklı yönelimleri gösterilen bir küp' kalibrasyon ile örnek: (A) sağ tarafındaki küp kameralar doğru itilir ve (B) küp çehresini kameralar yüze paralel. Kırmızı noktalar bu belirli kalibrasyon yönteminde kullanılan referans noktaları belirtmek ve her zaman numaralı sırada tanımlanmalıdır. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 3: 3 boyutlu ölçüm Sebastes miniatusyerleştirilir. Burun ve kuyruk sonu ucu stereo ölçüm için izin vermek için her kamera çerçeve içinde tespit edildi. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 4: alan Lander aracı tarafından incelenmiştir. Etkili alan Lander aracı tarafından incelenen Z mesafe ve her tür için % 95'i Z mesafe en az çevriliydi. Bu alan bir 'şeklinde çörek' anket birim Lander çevresinde oluşturulan unutmayın. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
2013 ve 2014 arasında 816 Araştırmaları Merkezi California Sahili ve 20'den fazla türü üzerinde toplanan MaxN ve % 95'i Z mesafe (şekil 4) veri boyunca dönen stereo-video Lander (şekil 1) ile yürütülen. Türler, büyük olasılıkla türün boyutu, şekli ve rengi (şekil 5) etkileşim nedeniyle görülmektedir tespit etkili aralığında açık desenleri vardı. Örneğin, farklı mesafelerde karşılaştırılabilir büyüklükte diğer türler daha kendine güvenen tanımlama için izin onun tarafında kenar bantlama bayrak Rockfish (Sebastes rubrivinctus) vardır. Benzer şekilde, Kanarya Rockfish (Sebastes pinniger) gövdeli nispeten büyük, ancak diğer türler için benzer bir pigmentasyon böylece mesafe (şekil 5) tanımlamak daha zor hale var.
Hesaplamalar MaxN ve % 95'i Z mesafe değerleri göstermek için iki tür kullanır: Pigme Rockfish (Sebastes wilsoni) ve Lingcod (O. elongatus). Eski mesafede belirlemenin zor olabilir küçük gövdeli bir balık olduğunu; O. elongatus nispeten büyük ise, farklı bir şekli vardır ve daha kolay tanımlanabilir. 2013-2014 S. wilsoni 1191 ölçülerini ve O. elongatus 1,222 ölçümler toplanmıştır. Ardından, % 95'i quantil bu tür gözlendi mesafeler: wilsoni S. ve 3,96 m O. elongatus (şekil 5) için hesaplanan % 95'i Z mesafeler 2.65 m iken. Bu % 95'i Z mesafeleri 18.6 m2 ve 46.0 m2 etkili anket alanlara S. wilsoni ve O. elongatus için sırasıyla çevirir. Basit bir önyükleme analiz boyutları % 95'i Z mesafe değerleri karakterizasyonu için elde yeterli örnek doğruladı. Her iki tür için daha fazla zaman 50 anketler bu türler içeren daha stabilize % 95'i Z mesafe tahmini örnek, seçilen örneklerin boyutu etkili Lander örnek alanı bunlar için karakterize etmek yeterli daha fazla güçlü kanıtlar sağlayan türler (şekil 6).
MaxN Anketi başına sayar sonra yoğunlukları (balık/m2sayısı) dönüştürülür. Yoğunluk tahminleri 816 anketlerden hipotezi test etmek o Lingcod kullandık ve Pigme Rockfish öncelikle yüksek kabartma doğal ortamdan dikkat edilmelidir. Her iki tür için orada alçak kabartma habitatları ile karşılaştırıldığında yüksek ve orta kabartma üzerinde önemli ölçüde daha fazla yoğunluğu vardı (Kruskal-Wallis, p <<. 001; Şekil 7). Bu sonuçlar her iki tür15için daha önce raporlanmış habitat ilişkileri ile tutarlı edildi. Orta ve yüksek kabartma habitat için her iki tür arasında hiçbir fark edildi.
Nasıl dönen Lander geleneksel sabit kamera sistemleri ile karşılaştırıldığında anlamak için biz tahmin yoğunluk farklılıkları ve bir döndürme ve benzetim yapılmış sabit Lander arasında değişkenlik tahmin ediyor. Tipik bir sabit tek kamera Lander bir 90 derecelik görüş alanı olurdu düşündüm. Dönen Lander bir 60 derecelik görüş alanı vardır ve bir 90 derecelik görüş tamamlamak için 5 saniye dönüş gerektirir. 261 anketler kullanarak, biz Orta 5 MaxN kurmak için saniye ile Lander dönmenin balık gözlem verileri seçildi. Yoğunluk tahminleri Lander standart kapsama azaltılmış alanları kullanarak sahte sabit (Yani, yaklaşık ¼ dönen Lander alan). Ortalama yoğunluk ve dönen ve sözde sabit Landers arasında varyasyon katsayısı farklılıklar Welch t-testi ile değerlendirildi. Dönen kamera tarafından elde edilen yoğunluğu % 18 Bu sabit kamera ile elde edilen daha büyük olduğu anlamına (Welch t21,7, p 0.081, şekil 8A=). Ayrıca, varyasyon katsayısı sabit kamera kameralar döndürme için karşılaştırıldığında ile 1.8 kat daha (Welch t15,1, p < 0.001, şekil 8).
Şekil 5 : Z mesafeler gözlenen seçme türler için. Kırmızı dikey çubuklar solda ve sağda % 95 Z uzaklık değeri en az Z mesafe (--dan fotoğraf makinesi 0,81 m) gösterir. Not Bu Lander her tür için ortalama etkili anket çevresini temsil eder. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 6 : Z mesafe değerleri önyüklenmesi. S. wilsoni (a)ve (B) O. elongatus gözlemler için örnek boyutu artırmak için önyükleme. Örnek 3-300 bedenleri her 1000 kat % 95'i Z uzaklığı hesaplamak ve örneklerin boyutu yeterli doğrulamak için ten. S. wilsoni için 2.0-2.6 m ve 2.6-4.0 m için y ekseni değerler arasında Not O. elongatus. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 7 : İki select türler için habitat farklılıkları. S. wilsoni (a)ve (B) O. elongatus ortalama yoğunluğu (± SE) düşük, orta ve yüksek kabartma rock yaşam üzerinde ölçülen. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 8 : Dönen ve sözde sabit landers arasındaki farkları. (A)her iki tahminleri yoğunluğu (balıklar/m2 ± SE) ve (B) değişim (CV) ± SE 261 anketler için ortalama katsayısı sunulan demek. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Ek Video 1: Kalibrasyon doğrulama. Kalibrasyon alanda kullanım önce bilinen boyutları değişen mesafelerde hedefler ölçerek doğrulanabilir. Bu videoyu izlemek için lütfen buraya tıklayın. (İndirmek için sağ tıklatın.)
Ek Video 2: Sualtı Araştırması görüntüleri. Bu videoyu izlemek için lütfen buraya tıklayın. (İndirmek için sağ tıklatın.)
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Geleneksel MaxN metrik bireyler bir anket sırasında mevcut garantili en az sayıda sayım fikri üzerine esas olan. Balık belirli sayıda aynı anda tek bir video kare görünür durumdaysa, herhangi bir daha az hediye olamaz ama balık mobil ve heterogeneously dağıtılmış olduğundan, tüm bireylerin aynı anda tek bir video kare sırasında görme olasılığı düşüktür . Bu nedenle geleneksel MaxN gerçek balık bolluk16,17hafife yüksektir. Buna ek olarak, geleneksel MaxN artan balık zenginliği16,18ile doğrusal olmayan olumsuz önyargılı ilişkileri görüntüleyebilir kanıtlanmıştır. Bu sayede gerçek bereket19,20dakika sonra artar algılamak için göreli bereket endeksleri başarısız dişli doygunluk olgusu bağlı olabilir. Bunun tersi olarak, belirgin istikrar gerçekten azalan balık bereket ile bir dizin 'hyperstability' olarak adlandırdığı ve sonuçta balık nüfus21,22çökmesine neden olabilir. Yeni yapılan bir çalışmada MaxN kararsızlığa anketin görüş alanı16artırarak hafifletti olabilir bildirdi. Bu çalışmada, görüş alanı %100 (Yani, 360 derece) yaklaştı MaxN ve gerçek bereket ilişkisi giderek doğrusal oldu.
Sabit kamera simülasyon sonuçlarından bu önceki sonuçları ile uyum gösterir ve MaxN değeri daha iyi balık bolluk karakterize öneririz. Örneğin, sözde sabit Lander ile karşılaştırıldığında dönen Lander türetilen yoğunluğu tahminler arasında varyans tahmini ortalama katsayısı düşürüldü. Balık heterogeneously dağıtılır ve sabit kamera ' daha 'iniş aracı yanlış yöne dönük mevcut balık özledim olasılığı nedeniyle gerçeğini olasıdır. Aracın etrafında tam 360 derece araştırma tarafından dönen Landers örnekleme çaba maksimize etmek ve net etkisi indirimleri hem örnekleme maliyet ve varyans ve çalışmanın istatistiksel güç genel bir artış olduğunu. Gelecekteki çalışmaları daha iyi doğrudan eşleştirilmiş anket tasarım içinde ayrı bir sabit Lander ile dönen bir Lander test ederek bu sorunu ele. Benzer şekilde, biz were yapamaz-e doğru doğrudan MaxN ve bu çalışmanın gerçek bereket ilişkisi sınamak ve gelecekteki çalışmaları doğrudan bu ya da simülasyon kullanarak test veya Campbell (2015)16' olduğu gibi ortamlar, kontrollü.
Değiştirilmiş MaxN yaklaşımın olası bir eleştiri çift sayım bireyler imkanı vardır. İniş aracı dakikada bir tam dönüş yaptı ve ekosistem ilgi bentik tür nispeten sedanter ve çoğu koşullarda hareket yavaş olma eğilimindedir çünkü iki sayım riski düşük olduğuna inanıyorum. Ayrıca, nerede balık girin veya sekiz rotasyonlar boyunca anket bölgeyi terk durumları tespit edildi. Rotasyon bireylerin belirli bir cins en fazla ile tanımlanamayan türler saymak için kullanma gibi sayma Çift Kişilik önlemek için ek önlemler alınmaya başlanmıştır. Diğer ölçümler endeksi Count demek gibi balık bereket olarak önerilmiştir; Ancak, bunlar çok değişkenlik yoğunluğu arasında artan16tahminleri ise sürekli olarak gerçek bereket hafife almak gösterilmiştir. MaxN bu nedenle balık bolluk daha kesin bir ölçü olarak tavsiye edilir. Bizim değiştirilmiş MaxN metrik bireylerin mutlak en az sayıda muhafazakar bir tahmin garanti etmez iken, biz genel olarak daha iyi tahminler doğru balık bereket bu değiştirilmiş MaxN yaklaşım sağlar ve o aşırı sayım balık biridir eminiz nispeten düşük endişe.
Birçok yan görüş video anketler kullanım transect bir sabit transect genişliği tüm türler için yoğunluğu tahmin etmek için. Benzer şekilde, stereo-video Landers kullanarak bir yaklaşım her iki alan ankete hesaplamak ve yoğunluk balık için bir maksimum mesafe---dan-kamera kullanmak olacaktır. Her ikisi de yalnızca Sabit genişliği tahminleri23transect daha küçük mesafeler için güvenilir bir şekilde tanımlanabilir olan türlerin bir hafife neden olabilir. Bir tür güvenilir bir şekilde tanımlandığı mesafe arasındaki etkileşimin boyutu, şekli, rengi desen, Balık davranış gibi çevresel faktörler gibi faktörler nedeniyle oluşur. Tüm bu faktörler etkileşim için aynı anda hesapları % 95'i Z mesafe yöntemi özellikle yararlı olmamasıdır. Örneğin, O. elongatus için büyük olasılıkla bir sonucu olarak farklı, büyük, uzamış vücut şekli ve davranışsal eğilimi dalacak üzerinde yatıyordu büyük mesafe tespit edebiliyoruz tür oldu. Pembe Rockfish (Sebastes rosaceus) en kısa mesafelerde Z, Sebastomus subgenus bir üyesi olarak, o bakmak çok benzer ve artan mesafelerde ayırt etmek zor olan birkaç congeners çünkü, büyük olasılıkla biri vardı. Lander tarafından incelenen species-specific alanlar için izin vererek, biz balık bolluk daha doğru bir şekilde tahmin etmek mümkün olabilir. Önyükleme örnek boyutu doğrulama diğer yüzey araştırmaları basit ve kolayca uygulanan bir yaklaşımdır ve % 95'i Z mesafe yöntemi daha fazla satır karşılamak için adapte inanıyoruz anket tasarım transect. % 95'i Z mesafe sonra dalgıç veya uzaktan kumandalı araç (ROV) araçları ile gözlenen türler için güvenilir algılama yatay uzaklığı temsil eder. Gelecekte, araştırmacılar mesafe örnekleme teorisi modeli yoğunluğu için algılama mesafesi23,24ile bir fonksiyonu olarak kullanarak araştırmak.
Daha iyi kullanılmasını no-take rezervleri balıkçılık yönetimi25,26,27' deki gibi sigara extractive örnekleme teknikleri, özellikle derin su habitatları dalgıç için erişilebilir değil için artan bir ihtiyaç yoktur anketler. Ancak, bu aynı zamanda bu teknikleri balık uzunluğu, bolluk ve tür kompozisyonu doğru güvenilir veri sağlamak gereklidir. Video Landers düşük maliyetli var, fırsat nispeten küçük gemiler üzerinde işletilen ve daha az ve daha az yetenekli personel gerektiren süre su altı kameraları ve submersibles faaliyet lojistik basittir nispeten yeni bir izleme aracı vardır. Bu yöntemleri tartışılmamış iken, stereo kamera Landers doğru uzunluk ölçüleri %2 daha az hata ile yeteneğine sahiptirler. Ayrıca, Landers hızla geniş coğrafi alanlara, istatistiksel çıkarsama artan dağıtılabilir. Video izleme araçları bütçeleri sıkın ve daha verimli bir şekilde örnekleme çaba yaymak için araştırma kuruluşları göz artırmak için ilgi bekliyoruz. Bizim değişiklik MaxN ve % 95'i Z mesafe gelecekte ekolojik çalışmalar dönen video Landers kullanan düşünülmelidir.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Yazarlar ifşa yoktur
Acknowledgments
Bu eser doğayı ve özel bağışçılar, kaynakları mirası Fonu Vakfı, Gordon ve Betty Moore Vakfı, çevre savunma fonu, Kaliforniya deniz hibe programı, NMFS Ulusal kooperatif araştırma programı ve bir NOAA tarafından finanse edildi Saltonstall-Kennedy Grant #13-SWR-008. Deniz uygulamalı araştırma ve araştırma (Dirk Rosen, Rick Botman, Andy Lauerman ve David Jefferies), inşa geliştirilip video Lander aracı. Jim Seager ve SeaGIS™ yazılım teknik destek için teşekkür ediyoruz. Kaptan ve ticari balıkçı Tim Maricich ve onboard Lander dan 2012-2015 dağıtmanın F/V Donna Kathleen sağlanan destek ekibi. Video veri toplama veya analiz (Anne Tagini, Donna Kline, Teğmen Amber Payne, Bryon Downey, Marisa Ponte, Rebecca Miller, Matt Merrifield, Walter Heady, Steve Rienecke, EJ Dick ve John Field) katılan herkese teşekkür ederim.
Materials
| Name | Company | Catalog Number | Comments |
| calibration cube | SeaGIS | http://www.seagis.com.au/hardware.html | 1000x1000x500 mm is the preferred dimensions. Other methods of calibration are available. |
| CAL calibration software | SeaGIS | http://www.seagis.com.au/bundle.html | |
| EventMeasure stereo measurement software | SeaGIS | http://www.seagis.com.au/event.html | |
| Statistical software | R Core Team 2017 (v. 3.4.0) | Bootstrapping code can be found: https://github.com/rfields2017/JoVE-Bootstrap-Function | |
| Spreadsheet Software | Microsoft Excel | ||
| 2 waterproof cameras | Deep Sea Power and Light | HD quality preferred | |
| 2 depth rated, waterproof lights | Deep Sea Power and Light : 3000 lumen LED with 5000k color temperature | ||
| DVR recorder | Stack LTD DVR | ||
| standard PC | Windows 10 preferred OS | ||
| rotating Lander platform | Marine Applied Research and Engineering (MARE) |
References
- Love, M. S., Yoklavich, M. M., Thorsteinson, L. K. The Rockfishes of the Northeast Pacific. , University of California Press. Berkley. (2002).
- Laidig, T. E., Watters, D. L., Yoklavich, M. M. Demersal fish and habitat associations from visual surveys on the central California shelf. Estuar. Coast. Shelf Sci. 83 (4), 629-637 (2009).
- Anderson, T. J., Yoklavich, M. M. Multiscale habitat associations of deepwater demersal fishes off central California. Fish. Bull. 105 (2), 168-179 (2007).
- Yoklavich, M. M., Cailliet, G. M., Sullivan, D. E., Lea, R. N., Love, M. S. Habitat associations deep-water rockfishes a submarine canyon an example of a natural refuge. Fish. Bull. 98 (3), 625-641 (2000).
- Status of the Pacific Coast Groundfish Fishery, Stock Assessment and Fishery Evaluation. , Pacific Fishery Management Council. Portland, OR. (2016).
- Cappo, M., Harvey, E., Malcolm, H., Speare, P. Potential of video techniques to monitor diversity, abundance and size of fish in studies of marine protected areas. Aquatic protected areas- What works best and how do we know. Beumer, J. P., Grant, A., Smith, D. C. , Proc. World Congr. on Aquat Protected Areas. Australian Soc. for Fish Bio. North Beach, Western Australia. 455-464 (2003).
- McLean, D. L., Green, M., Harvey, E. S., Williams, A., Daley, R., Graham, K. J. Comparison of baited longlines and baited underwater cameras for assessing the composition of continental slope deepwater fish assemblages off southeast Australia. Deep-Sea Research Part I: Oceanographic Research Papers. 98, 10-20 (2015).
- Parker, D., Winker, H., et al. Insights from baited video sampling of temperate reef fishes: How biased are angling surveys. Fish. Res. 179, 191-201 (2016).
- Boutros, N., Shortis, M. R., Harvey, E. S. A comparison of calibration methods and system configurations of underwater stereo-video systems for applications in marine ecology. Limnol. Oceanogr. Methodss. 13 (5), 224-236 (2015).
- Harvey, E. S., Cappo, M., Butler, J. J., Hall, N., Kendrick, G. A. Bait attraction affects the performance of remote underwater video stations in assessment of demersal fish community structure. Mar. Ecol. Prog. Ser. 350, 245-254 (2007).
- Watson, J. L., Huntington, B. E. Assessing the performance of a cost-effective video lander for estimating relative abundance and diversity of nearshore fish assemblages. J. Exp. Mar. Bio. Ecol. 483, 104-111 (2016).
- Easton, R. R., Heppell, S. S., Hannah, R. W. Quantification of Habitat and Community Relationships among Nearshore Temperate Fishes Through Analysis of Drop Camera Video. Mar. Coast. Fish. 7 (1), 87-102 (2015).
- Hannah, R. W., Blume, M. T. O. Tests of an experimental unbaited video lander as a marine fish survey tool for high-relief deepwater rocky reefs. J. Exp. Mar. Bio. Ecol. 430, 1-9 (2012).
- Starr, R. M., Gleason, M. G., et al. Targeting Abundant Fish Stocks while Avoiding Overfished Species: Video and Fishing Surveys to Inform Management after Long-Term Fishery Closures. Plos One. 11 (12), 0168645 (2016).
- Love, M. S. Certainly more than you want to know about the fishes of the Pacific Coast: a postmodern experience. , Really Big Press. Santa Barbara, CA. (2011).
- Campbell, M. D., Pollack, A. G., Gledhill, C. T., Switzer, T. S., DeVries, D. A. Comparison of relative abundance indices calculated from two methods of generating video count data. Fish. Res. 170, 125-133 (2015).
- Cappo, M., Speare, P., De'ath, G. Comparison of baited remote underwater video stations (BRUVS) and prawn (shrimp) trawls for assessments of fish biodiversity in inter-reefal areas of the Great Barrier Reef Marine Park. J. Exp. Mar. Bio. Ecol. 302 (2), 123-152 (2004).
- Schobernd, Z. H., Bacheler, N. M., Conn, P. B., Trenkel, V. Examining the utility of alternative video monitoring metrics for indexing reef fish abundance. Can. Jour. Fish. Aquat. Sci. 71 (3), 464-471 (2014).
- Hansen, M. J., Schorfhaar, R. G., Selgeby, J. H. Gill-Net Saturation by Lake Trout in Michigan Waters of Lake Superior. North Am. J. Fish. Manag. 18 (4), 847-853 (1998).
- Dauk, P. C., Schwarz, C. J. Catch estimation in the presence of declining catch rate due to gear saturation. Biometrics. 57 (1), 287-293 (2001).
- Hilborn, R., Walters, C. J. Quantitative Fisheries Stock Assessment Choice, Dynamics and uncertainty. , Springer. Dordrecht. (1992).
- Erisman, B. E., Allen, L. G., Claisse, J. T., Pondella, D. J., Miller, E. F., Murray, J. H. The illusion of plenty: hyperstability masks collapses in two recreational fisheries that target fish spawning aggregations. Can. Jour. Fish. Aquat. Sci. 68, 1705-1716 (2011).
- Buckland, S. T., Anderson, D. R., Burnham, K. P., Laake, J. L. Distance Sampling: Estimating abundance of biological populations. , Chapman and Hill. London. (1993).
- Ronconi, R. A., Burger, A. E. Estimating seabird densities from vessel transects: Distance sampling and implications for strip transects. Aquat. Bio. 4 (3), 297-309 (2008).
- Caselle, J. E., Rassweiler, A., Hamilton, S. L., Warner, R. R. Recovery trajectories of kelp forest animals are rapid yet spatially variable across a network of temperate marine protected areas Recovery trajectories of kelp forest animals are rapid yet spatially variable across a network of temperate marine protected. Nat. Publ. Gr. , 1-14 (2015).
- Starr, R. M., Wendt, D. E., et al. Variation in Responses of Fishes across Multiple Reserves within a Network of Marine Protected Areas in Temperate Waters. Plos One. 10 (3), 0118502 (2015).
- Lester, S., Halpern, B., et al. Biological effects within no-take marine reserves: a global synthesis. Mar. Ecol. Prog. Ser. 384, 33-46 (2009).
