Waiting
Login processing...

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

Environment

Metoder for avbildningsbasert undersøkelser av bunnlevende Macroinvertebrates og deres leveområder eksemplifisert ved Drop kameraet undersøkelsen for den atlantiske havet kamskjell

Published: July 2, 2018 doi: 10.3791/57493
Automatic Translation
1, 1
1School for Marine Science and Technology, University of Massachusetts Dartmouth

Summary

Bilde basert kartlegging er en stadig mer praktisk, ikke-invasiv metode å prøve det marine miljøet. Vi presenterer protokollen til en dråpe kameraet undersøkelse som estimerer overflod og distribusjon av den atlantiske hav kamskjell (Placopecten magellanicus). Vi diskuterer hvordan denne protokollen kan generaliseres skal andre lever macroinvertebrates.

Abstract

Undervanns bildebehandling har lenge vært brukt innen marin økologi men redusere kostnadene for høyoppløselig kameraer og datalagring har gjort tilnærming mer praktisk enn tidligere. Bilde-baserte undersøkelser tillater første prøver å bli revisited og er ikke-invasiv sammenlignet med tradisjonelle undersøkelse metoder som vanligvis innebærer garn eller dredges. Protokoller for avbildningsbasert undersøkelser kan variere sterkt, men bør drives av målet arter atferd og undersøkelsen mål. For å demonstrere dette, beskrive vi våre nyeste metodene for en Atlanterhavets kamskjell (Placopecten magellanicus) drop kameraet undersøkelsen et fremgangsmåter for eksempel og representant resultater. Prosedyren er delt i tre avgjørende skritt som inkluderer undersøkelse design, datainnsamling og dataprodukter. Påvirkning av kamskjell atferd og undersøkelsen målet å gi en uavhengig vurdering av amerikanske havet kamskjell ressursen på undersøkelsen prosedyre er deretter diskutert i forbindelse med generalisere metoden. Samlet bred anvendbarhet og fleksibilitet av University of Massachusetts Dartmouth skolen for Marine vitenskap og teknologi (SMAST) slipper kameraet undersøkelse viser metoden kunne generalisert og brukt en rekke fastsittende dyr eller habitat fokusert forskning.

Introduction

Den atlantiske hav kamskjell (Placopecten magellanicus) er en marin bivalve mollusk distribuert gjennom kontinentalsokkelen i Nordvest-Atlanteren fra Gulf of St. Lawrence, Canada Cape Hatteras, North Carolina1. Sea kamskjell fisket i USA har opplevd enestående øker landinger og verdi de siste femten årene og har blitt en av landets høyeste verdsatt fiskeri med landinger verdt ca $440 millioner i 20152. Til tross for denne økningen, er kamskjell fiske innsats vesentlig redusert de siste 20 årene gjennom implementeringen av en området rotasjon system som mål å beskytte områder med juvenil kamskjell og fokusere fiske i områder med større kamskjell i høy tettheter1. Dette ledelse krever romlig-spesifikk informasjon om kamskjell tetthet og størrelse, som leveres av flere undersøkelser inkludert University of Massachusetts Dartmouth skolen for marin vitenskap og teknologi (SMAST) drop kameraet undersøkelse.

Målet med SMAST drop kameraet undersøkelsen er å gi en uavhengig vurdering av amerikanske havet kamskjell ressursen og tilknyttede habitat ressursbehandlere for fiskeri, marine forskere og fiskevær. Undersøkelsen ble utviklet sammen med kamskjell fiskere og gjelder quadrat prøvetaking teknikker basert på dykking studier3,4. Innledende undersøkelser tidlig på 2000-tallet fokusert på beregne tettheten av havet kamskjell i lukkede deler av et produktivt område av fisket kjent som Georges Bank5, men undersøkelsen utvidet til å dekke fleste kamskjell ressursen i amerikanske og kanadiske vann (≈100, 000 km2)6,7. Informasjon fra undersøkelsen har blitt innlemmet i kamskjell bestandsberegning gjennom Stock vurdering verksted prosessen og pålitelig gitt til New England Fisheries Management Council å hjelpe i årlige kamskjell harvest tildeling8. I tillegg har data fra SMAST drop kameraet undersøkelsen bidratt i flere måter å forstå økologi av ikke-kamskjell arter,7,,9,,10,,11,,12 og karakterisering av bunnlevende habitat13,14,15. Dette bredt anvendelige demonstrerer metoden kunne generalisert og brukt en rekke fastsittende dyr, potensielt bidra til å lindre problemet av utvidelsen av virvelløse fiskeri outpacing vitenskapelig kunnskap og politikk for å lykkes dem16. Videre, bildebasert prøvetaking er ikke-invasiv sammenlignet med tradisjonelle befolkningen Prøvetaking metoder og stadig mer rimelig grunn til å redusere kostnadene for høyoppløselig kameraer og data lagring17,18. Her presenteres 2017 metoder for SMAST drop kameraet undersøkelsen anvendt for kamskjell ledelse i den amerikanske delen av Georges Bank for å eksemplifisere prosedyren. Vi diskutere begrunnelsen bak denne fremgangsmåten for å hjelpe i generalisering og søknad til andre fastsittende dyr.

Protocol

1. undersøkelse Design

  1. Finn ett eller flere offshore-kommersielle kamskjell fartøy tilgjengelig for 6 - 8-dagers intervaller.
  2. Konstruere en stål pyramide med en indre ramme der tre kameraer, lys og en koblingsboks for en fiber optisk kabel kan montert (figur 1). Kontroller at et kamera er en høy resolution digital kameraet, og to er lavere oppløsning, men fortsatt høy definisjon video kamera.

Figure 1
Figur 1: Drop kameraet undersøkelsen pyramide med kameraer og lys brukes for datainnsamling i 2017. University of Massachusetts Dartmouth, skolen for Marine naturvitenskapelige drop kameraet undersøkelsen pyramide med kameraer og lys brukes for datainnsamling i 2017. En koblingsboks som kobler kameraet og lys kabler til en fiberoptisk kabel er montert mellom de to barene med lys og vises ikke. Klikk her for å se en større versjon av dette tallet.

  1. Bruk en systematisk prøvetaking design plasserer undersøkelsen stasjoner 5.6 km fra hverandre i de fleste områder av Georges Bank utnyttet av fiskeri og 2,8 km fra hverandre i to områder av betydning1
    Merk: To forskere, kaptein og en kompis kunne kartlegge 50 stasjoner døgnet på 5.6 km rutenettet og 80 stasjoner på 2,8 km rutenettet. Derfor var ca 5 undersøkelsen reiser nødvendig for å fullføre undersøkelsen.

2. datainnsamling

  1. Last utstyr på fartøyet.
  2. Definere utstyr på fartøyet dekk.
    1. Ordne pyramide, et trykk følsom vinsj med fiberoptisk kabel på en trommel og knyttet til slip ring og davit på dekket av fartøyet. Kontroller at fiber fiberoptisk kabel kan kjøre fra vinsjen gjennom davit og til pyramiden uten å berøre fartøyets vinsj kabel.
    2. Bruk lite, midlertidig sveiser feste vinsj, davit og davit plate på plass.
    3. Wire pressure sensitive vinsj strømkabelen til fartøyets sikringsskapet.
    4. Fest koblingsboks til pyramidediagram.
    5. Fest kameraer og lys til pyramiden.
    6. Koble kameraer og lys til koblingsboksen med kamera og lett kabler.
    7. Kjøre fiberoptisk kabel gjennom skive og legge til davit.
    8. Feste fartøyet hydraulisk vinsj kabelen til pyramidediagram.
  3. Definere utstyr i fartøyet styrehuset.
    1. Koble og sikre stasjonær datamaskin.
    2. Koble 2 skjermer til stasjonære datamaskiner. Sikre en skjerm nær datamaskinen og andre i nærheten av kontrollene for fartøyets hydraulisk vinsj.
    3. Koble en global positioning system (GPS) enheten til den stasjonære PC via en USB-port.
    4. Koble og sikre en bærbar PC med en mobil felt kartlegger program nær fartøyet roret. Legg stasjon plasseringene i datamaskinen før avreise.
    5. Koble en GPS-enhet til bærbar PC computer via en seriell port.
    6. Koble kameraer og lys til fartøyet styrehuset.
      1. Knytte "dekk slutten" av styrehuset kjøring av fiberoptisk kabel optisk slip ringen på trykk følsom vinsjen.
      2. Fest "styrehuset slutten" av styrehuset løpe av optisk fiberkabel fiber optisk grensesnittet på den stasjonære datamaskinen og lys støpselet.
      3. Starte programmet feltet data samling fra den stasjonære PCen. Sikre at alle kameraer montert på pyramiden og koblet til koblingsboksen automatisk viser koblet.
        Merk: Hvis alle kameraer ikke viser som koblet, tilbakestiller kameraet tilkoblinger i programmet eller feilsøke ved å bytte komponenter (kamera, koble til kabler, slip ring, osv.) på en systematisk måte.
  4. Ta bilder og spille inn data på hver stasjon.
    1. Starte mobil felt kartlegger program fra den bærbare datamaskinen.
    2. Velg verktøyet "merke" og dra målikonet til en stasjon å gi betydning til stasjonen.
    3. Sakte senke prøvetaking pyramiden havbunnen bruker fartøyets hydraulisk vinsj når stasjonen er nådd og fartøyet er stoppet.
      Merk: Dette gjøres av fartøyets mannskap og trykk følsom vinsjen må være aktivert før senke prøvetaking pyramiden.
    4. Starte programmet feltet data samling fra den stasjonære PCen mens pyramiden senkes til havbunnen.
      1. Dobbeltklikk "Området kortnavn"-boksen, og skriv inn et navn for området.
        Merk: Dette bare må gjøres for den første stasjonen av et område.
      2. Klikk "Start kapteiner Cam" for å vise kameravisningene og annen informasjon på skjermen nær hydraulisk vinsj kontrollene.
    5. Slå på strømmen til lys.
    6. Fange quadrat data når prøvetaking pyramiden har landet på havbunnen.
      1. I feltet data collection programmet, klikker du "Start Station" for å starte innspillingen av videoen.
        Merk: Knappen blinker rødt når videoen er opptaket.
      2. Klikk "Ta øyeblikksbilder" når klart imponerende vises, og klikk "Lagre alle" for å ta et stillbilde fra alle kameravinkler samtidig.
      3. Klikk på "Skriv til Database"-knappen.
        Merk: Dette vil få opp en ny dialogboks med dybde, plassering, temperatur, stasjonsnummeret, quadrat nummeret, navnet og et unikt identifikasjonsnummer som angis automatisk av programvaren.
      4. Angi kamskjell i digital kameraet stillbildet i boksen "Kamskjell Count" og skrive inn kommentarer i "Merknader"-boksen.
      5. Velg knappen "Send Data" å skrive data om quadrat som en rad til feltet database.
    7. Løft pyramiden, helt imponerende kan ikke lenger bli sett.
    8. Sakte senke pyramiden havbunnen og Gjenta 2.4.6 og 2.4.7. til dataene for fire quadrats har spilt. Kontroller at pyramiden har drev slik at forskjellige quadrat bilder av havbunnen er tatt.
    9. Øke prøvetaking pyramiden fra havbunnen en sikker posisjon ved siden av fartøyet.
    10. Slutt stasjonen mens pyramiden er oppdratt.
      1. Klikk "Endestasjon" i feltet data collection programmet avslutte videoinnspillingen og forhånd program til neste stasjon.
      2. Klikk "Avslutt Program" for å lukke programmet.
      3. Slå av strømmen til lys.
      4. Klikk "Fange Station" i mobil felt tilordning til å merke stasjonen som fullført, og gjenta trinn 2.4.2.
    11. Gjenta trinnene i delen 2.4. til alle undersøkelsen stasjoner er fullført.
  5. Gjennomføre en kameraet kalibrering dråpe.
    1. Måle lengden av minst 30 rutene av en wire rutenett med elektronisk calipers. Merk cellene som måles.
    2. Fest rutenettet til bunnen av prøvetaking pyramide bruke hyssing eller tau. Kontroller at målt rutene er i kameravisningene.
    3. Gjenta 2.4.3 å 2.4.6.2 å ta bilder av rutenettet.
      Merk: Denne kalibrering utføres vanligvis den første stasjonen men kan gjøres før avreise i en test tank eller når som helst under undersøkelsen. Formålet er å avgjøre i mm til piksel ratio for bekrefter quadrat størrelse og måler funksjoner i bildene.
  6. Kvantifisere data i digital kameraet quadrat stillbilder.
    Merk: Bruk bilder fra andre kameraer og video som hjelpemidler i denne prosessen.
    1. Starte lab data collection programmet og velg "Digitize" profilen.
    2. Velg året, området, kamera, stasjonen og quadrat rundt dropdown menyen.
    3. Klikk "gå" å føre et avbilde basert på kriteriene som er valgt i trinn 2.6.2. i programmet.
    4. Klikk boksene for de substrat som finnes i delen "Substrat". Se14 en detaljert beskrivelse av underlaget og hvordan de er klassifisert.
    5. Kvantifisere macrobenthic dyr.
      Merk: 50 arter av macrobenthos er telt eller bemerket som tilstede eller fraværende. Du finner en fullstendig liste over disse taxa og hvordan de spores i referanse13.
      1. Klikk boksene for dyr som finnes i delen "Inverterer" tilstedeværelse.
      2. Angi antall hvert dyr i delen "Inverterer" greven.
      3. Klikk den røde "SC" knappen og prikk hver kamskjell i bildet.
      4. Klikk den grønne "SF" knappen og prikk hver sjøstjerner i bildet.
      5. Klikk svart "CL" og dot hver clapper (kamskjell som har dødd, men begge sider av grensesnittet er fremdeles knyttet til hengslene) i bildet.
      6. Klikk den blå "FI" knappen og prikk hver fisk i bildet.
      7. I delen "Fisk" antall angir du hvor mange av hver fisk observert.
        Merk: For andre prikket dyrene teller antall prikker og automatisk tilordner teller til den aktuelle kategorien. På fisk, punktum telles automatisk, men du må identifisere hvilken fisk og hvor mange. Totalt antall fisk prikker telles etter programmet må samsvare med antall hver fisk type angis av brukeren.
    6. Klikk "Send" for å skrive data om bildet som en rad i laboratoriet database og lage en kopi av bildet med dyrene prikket.
    7. Utføre en kvalitetskontroll av trinnene 2.6.4. og 2.6.5.
      1. Endre profilen i lab data collection programmet til "ImageCheck."
        Merk: Dette bør gjøres av en annen person enn den som fullført trinnene 2.6.4 og 2.6.5 for bildet.
      2. Gjenta trinn 2.6.2 og 2.6.3. å laste den opprinnelige bildet, prikket bildet, og fyller ut substrat og dyr data angitt av brukerprofilen "Digitize".
      3. Kontroller oppføringen for nøyaktighet og foreta endringer nødvendig.
      4. Velg knappen "Send" vil overskrive data om bildet innsendt "Digitize" og Merk bildet som kvalitetssikret i lab-databasen.
    8. Måle kamskjell observert i bilder.
      Merk: Kamskjell delvis synlige (skjult av vekster, delvis i bildet, osv.) eller av havbunnen bør ikke måles.
      1. Start bilde annotator programmet.
      2. Velg "File" og deretter "Load Image katalog" fra det miste-ned menyen. Naviger til prikket bildet av interesse og laste bildet i programmet.
      3. Velg "linje annotation" og tegne en linje fra umbo av kamskjell til toppen av kamskjell.
      4. Gjenta trinn 2.6.8.3. for alle målbare kamskjell i bildet.
      5. Velg "File" og deretter "Lagre merknader" opprette et regneark med målinger.
      6. Konvertere målinger fra piksler til millimeter med gjennomsnittlig bildepunktene millimeter forhold 2,5.

3. data produkter

  1. Beregne romlig enkelte estimatene kamskjell tetthet og størrelse.
    1. Tegne inn undersøkelse stasjoner bruker kartprogramvare.
    2. Partisjon undersøkelsen stasjoner med kamskjell området ledelse Simulator (SAMS) modell soner.
      Merk: I USA atlantiske havet kamskjell fiske, SAMS modellen brukes til havet kamskjell overflod og landinger8. Alle de følgende trinnene utføres for hver SAMS sone.
    3. Gjennomsnittlig kamskjell mål å oppnå gjennomsnittlig shell høyden kamskjell.
    4. Beregne mener tettheter og standardfeil kamskjell.
      1. Øke quadrat av gjennomsnittlig shell høyden kamskjell i sonen SAMS å justere for delvis synlige kamskjell telles langs kanten av bildet19.
      2. Beregne tetthet med justerte quadrat størrelse og formler for en 2-trinns prøvetaking design å gjøre rede for flere quadrats blir samplet på hver stasjon20:
        (1)Equation 1
        (2)Equation 2
        der n = primære eksempel enheter (stasjon), m = elementer per primære eksempel enhet (quadrats), Equation 3 = målt verdi (antall kamskjell) for elementet j i primærenheten jeg Equation 4 = utvalgsgjennomsnittet per element (quadrat) i primærenheten jeg (stasjon), og Equation 5 = på at over to-etappene. Standardfeilen til dette er:
        (3)Equation 6
        hvor Equation 7 er forskjellen mellom primærenheten (stasjon) betyr.
  2. Beregn total og utnyttes biomasse.
    1. Multiplisere kamskjell tetthet av det totale området kartlagt for å anslå hvor mange kamskjell i området.
    2. Opprette en shell høyde fordelingen av kamskjell målinger med 5 mm størrelse hyller.
    3. Multiplisere 3.2.1. av hyppigheten av kamskjell i hver størrelse hylle fra 3.2.2. for å få antall kamskjell i hver størrelse hylle i området.
    4. Multiplisere anslagsvis kjøtt vekten av kamskjell på midtpunktet av hver 5 mm størrelse hylle på antall kamskjell i hver størrelse hylle. Bruk shell høyden til kjøtt vekt regresjoner angitt av New England Fisheries Management Councils kamskjell planlegge utviklingsteam beregne kamskjell vekten på størrelsen i gram21.
    5. Sum kjøtt vekten av kamskjell fra 3.2.4. å lage estimert total kamskjell biomasse. Konvertere kamskjell biomasse fra gram til tonn.
    6. Dividere summen av kamskjell kjøtt vekter fra 3.2.5. Totalt antall kamskjell fra 3.2.1. å få den gjennomsnittlige vekten av en kamskjell.
    7. Multiplisere antall kamskjell på hver størrelse hylle fra 3.2.3. av en kommersiell kamskjell mudre tunger selektivitet formel til å beregne antall utnyttes22.
    8. Gjenta 3.2.5. og 3.2.6. med teller utnyttes kamskjell fra 3.2.7. beregne biomasse av kamskjell utnyttes størrelse og gjennomsnittlig kjøtt vekten.
  3. Opprette kamskjell fordelingen kart.
    1. Dividere summen av kamskjell teller, kamskjell med skall høyder mindre enn 75 mm og kamskjell med skall høyder over 100 mm på hver undersøkelse stasjon av det totale området vises i det digitalt stillbildekameraet (9.2 m2) på hver stasjon henholdsvis beregne samlet kamskjell, juvenile kamskjell og utnyttes kamskjell tetthet på hver stasjon.
    2. Tegne hver tettheten for hver stasjon å kartlegge den romlige fordelingen av total, juvenile og utnyttes kamskjell overflod, henholdsvis.

Representative Results

Undersøkelsen stasjoner ble valgt som en del av fem forskning turer gjennomført fra slutten av April til midten av juli (figur 2). Synlighet og vær problemer, en skjærer stasjoner i SAMS sonen CL2-S-EXT ikke ble valgt og noen stasjoner i andre soner ble også sluppet under sikkerhet kvalitetskontroller. For alle andre stasjoner fanget fire høy kvalitet digital stillbilder ble (Figur 3). For alle bilder i disse stasjoner, substrat og macrobenthic dyr kvantifisert og kamskjell ble målt. Kamskjell teller og mål var partisjonert av SAMS sonen slik at overflod, distribusjon og biomasse anslag, samt revidert rådata av kamskjell teller og målinger, kan gis til nordøst fiskeri Science Center og New England Fisheries Management Council av August 1 for inkludering i årlige kamskjell fordelingsprosessen (tabell 1 og 2). Kamskjell fordelingen kart ble opprettet for alle kamskjell, juvenile kamskjell (skall høyder mindre enn 75 mm), og kamskjell utnyttes størrelse (shell høyder større enn 100 mm) (Figur 4).

Figure 2
Figur 2: Drop kameraet stasjoner på Georges Bank i 2017. Stasjonene vises av fartøyet med undersøkelsen datoer og lagdelt med områder av høye renter samplet stasjoner 2,8 km fra hverandre og alle andre samplet stasjoner 5.6 km fra hverandre. Svarte linjer og etiketter identifiserer kamskjell området ledelse Simulator modell soner til havet kamskjell overflod og landinger. Klikk her for å se en større versjon av dette tallet.

Figure 3
Figur 3: eksempel digitalt stillbilde fra 2017 drop kameraet undersøkelsen på Georges Bank. For hele Georges Bank undersøkelsen, substrat og macrobenthic dyr kvantifisert og kamskjell ble målt i 5,216 bilder av tilsvarende kvalitet. Alle bildene kan ses på < http://bit.ly/scallopsurvey>. Klikk her for å se en større versjon av dette tallet.

Området Quad Stasjoner Målt SH SC. Per m2 SE Kamskjell
CL1-NA-N 2.6 101 858 105 0,98 0.29 761
CL1-AC 2.6 155 81 106 0,06 0,01 66
CL1-NA-S -- 7 0 -- < 0,02 -- --
CL2-N-NA 2.6 16 58 87 0.43 0,2 214
CL2-S-VEKSELSTRØM 2.6 435 556 93.6 0.14 0,01 465
CL2-S-EXT 2.5 147 660 77.6 0.48 0,04 545
NF 2.6 54 13 88 0,02 0,01 39
NLS-AC-N 2.7 31 72 120 0,27 0,1 260
NLS-AC-S 2.5 39 2,718 72.7 9.7 3.09 11,676
NLS-EXT 2.6 14 170 95.1 2,24 2.16 966
NLS-NA 2.6 42 696 99,1 2 0,83 2,597
SCH 2.5 137 138 71.3 0,15 0,03 631
SF 2.5 126 219 74.4 0,19 0,03 747

Tabell 1: Digital fortsatt Kameradata fra 2017 drop kameraet undersøkelsen av Georges Bank. Resultatene presenteres av kamskjell området ledelse Simulator modell soner. Inkludert i tabellen er justert quadrat området (Quad), antall stasjoner samplet (stasjon), antall kamskjell shell høyder målt (målte), mener shell høyden kamskjell observert i mm (SH), gjennomsnittlig antall kamskjell per m2 (Sc. Per m 2) med tilhørende standardfeil (SE) og estimert antall kamskjell i millioner (kamskjell). Resultater for CL1-NA-S kan ikke lages fordi ingen kamskjell ble observert.

Estimering av Total biomasse Estimering av utnyttes biomasse
Området MW MT SE MW MT SE
CL1-NA-N 18.28 13,900 4,100 23.85 9,900 2950
CL1-AC 24.87 1,650 350 33.72 1350 300
CL1-NA-S -- -- -- -- -- --
CL2-N-NA 14.89 3200 1500 26.51 2.100 980
CL2-S-VEKSELSTRØM 15.84 7,360 685 23.47 4600 425
CL2-S-EXT 9.46 5,150 440 17.1 1900 165
NF 16.26 10W 260 27.59 500 200
NLS-AC-N 34.15 8,900 3,390 38.02 7800 2,990
NLS-AC-S 8.49 99,100 31,590 16.88 24,600 7,830
NLS-EXT 16.73 16,200 15,590 19.54 7600 7,310
NLS-NA 20.4 53,000 22,100 25.13 30,700 12800
SCH 10,45 6,600 1260 24.65 3300 620
SF 9.1 6800 1,080 17.33 2400 380

Tabell 2: anslag over total og utnyttes biomasse for 2017 Georges Bank drop kameraet undersøkelse. Resultatene presenteres av kamskjell området ledelse Simulator modellområder. Inkludert i tabellen er mener kamskjell kjøtt vekten i g (MW), totalvekt kamskjell i tonn (MT) og standardfeilen i tonn. Resultater for CL1-NA-S kan ikke lages fordi ingen kamskjell ble observert.

Figure 4
Figur 4: kamskjell distribusjon og overflod på Georges Bank i 2017. Kamskjell distribusjon overflod på Georges Bank i 2017 for alle kamskjell (øverst), mindre enn 75 mm shell høyde (i midten) med tunger og tunger større enn 100 mm shell høyde (nederst) fra en dråpe kameraet undersøkelse. Klikk her for å se en større versjon av dette tallet.

Discussion

Undersøkelse design protokollene er fleksible, men det er viktig å vurdere målet artene atferd og undersøkelsen når generalisere disse protokollene. Gjennomgang og foreløpig eller første studier kan brukes å innlemme målet arter atferd i undersøkelse design. For eksempel er mindre enn en kamskjell i 12.5 m2 (0,08 kamskjell/m2) under bærekraftig kommersielt fiske tetthet23. Dermed av prøvetaking fire quadrats per stasjon, er et stasjon område knyttet til oppdage kamskjell på kommersielle tetthet. I tillegg anslår havet kamskjell er akkumuleres vanligvis snarere enn tilfeldig fordelt på havbunnen, påvirke hvordan stasjonen avstand påvirker presisjonen for tetthet24. Flere studier ved hjelp av mean og variansen data fra første studier undersøkt presisjon og fastslå at 5.6 km Maksimumsavstanden stasjonene skal plasseres apart5,25,26. Systemisk prøvetaking utformingen av undersøkelsen var påvirket av undersøkelsen mål. Grensene for sonene SAMS endres ofte og ofte etter undersøkelser har blitt gjennomført21,27. Systemisk prøvetaking unngår de alvorlige problemet med etter lagdeling av grenser for romlig anslag at optimalt tilordnede undersøkelse design20eller virkninger stratifisert tilfeldig. Jevn fordeling av stasjoner Letter også registreringen av kamskjell rekruttering og kartlegger havbunnen sedimenter og macroinvertebrate distribusjoner28. Ett trinn der det ikke kan være mulig å vurdere målet artene atferd og undersøkelsen er identifikasjonen av en undersøkelse fartøy, derfor protokollen begynner med dette trinnet. Et fartøy er avgjørende for på sea prøvetaking og dikterer påfølgende trinnene av undersøkelsen. For våre protokoller var det viktig å engasjere den kommersielle fiskeindustrien å fremme åpenhet i undersøkelsen metoder og tillit i undersøkelsesresultater. Bruke kommersielt fiskefartøy var en slagkraftige måte å inkludere industrien i våre metoder og størrelse og egenskapene til fartøyene tillatt for en stor, tung kameraet apparater og undersøkelsen stasjoner som skal avsøkes innen nødvendig tidslinjen. Videre fartøyets eiere var ansvarlig for alle kostnader forbundet med bruk av fartøyet og ble kompensert gjennom en fordeling av kamskjell pounds tildelt av National Oceanic and Atmospheric Administration gjennom Atlantic kamskjell forskning satt til side programmet 29. om det er ikke nødvendig å engasjere industri i spørreundersøkelser, størrelse, evner, og kostnader av tilgjengelig må vurderes før utvikle andre aspekter av undersøkelsen.

Data samling og bearbeiding aspekter protokollene presenterer den største fordelen, men også en begrensning av denne metoden. Bruk av tilpasset programvare og databaser å kvantifisere innenfor bilder kommer til en betydelig kostnad. Men bruk av disse produktene i SMAST drop kameraet undersøkelsen representerer en utvikling av et program som startet i 1999 og er ikke avgjørende. For eksempel når programmet først begynte, kamskjell teller ble gjort med penn og papir og fri programvare er nå tilgjengelig for måling i bilder. Tilsvarende ble det gjeldende digitalt stillbildekameraet valgt som det var i stand til å oppdage alle størrelse klasser kamskjell og tillatt for ca 200% forstørrelse uten tap av bildekvalitet (Figur 3), men lavere oppløsning, rimeligere kamera brukt tidligere i undersøkelsen kunne gjenkjenne kamskjell kommersiell størrelse30. Som med undersøkelse design protokoller, skal hvilken type kamera kobles til oppløsningen for å finne målet artene og oppnå undersøkelsen mål. Ta bilder og spille inn video på hver stasjon gir en betydelig fordel over tradisjonelle undersøkelse metoder ved å gi kontinuerlig muligheten til å besøke prøver og utvide analysen taxa eller habitat egenskaper utgangspunktet ikke spores eller nummerert. For eksempel bilder med sand dollar og andre pigghuder opprinnelig kjent som presenterer eller fraværende i den SMAST databasen var revisited for å kvantifisere sine overflod og biomasse gjennom tidspunktet12. Derimot prøver fra mer tradisjonelle undersøkelse metoder som dredges eller garn er forkastet på sea og kan ikke bli revisited. Fremskrittene som tillater enorme mengder bilder å bli tatt og lagret kan imidlertid føre millioner av bilder er samlet inn med bare en liten brøkdel utnyttet. Dette er hovedsakelig på grunn av tid og kostnader restriksjoner som mennesker er nødvendig for data utvinning og medføre store mengder unutilized informasjon31. Fremskritt innen Automatisert påvisning og habitat egenskaper kan bidra til å løse dette problemet.

Bilde basert undersøkelse metoder kan gi de nødvendige dataene for å overvåke macroinvertebrates og tilknyttede habitat, men supplere protokollene beskrevet her med andre metoder som samler biologiske prøver er ideelt. Uten et kamskjell shell høyde kjøtt vekt forhold, opprettet fra mudre-baserte prøvetaking, vil biomasse anslag ikke være mulig. Videre varierer kamskjell shell høyde kjøtt vekt forholdet med tid og sted på Georges Bank indikerer at konsekvent oppdatere ligningen brukes til å beskrive dette forholdet er gunstig32. Kombinere bilde og fysiske sample-basert teknikker også hjelpemidler i å utforske tilbøyeligheter og forutsetninger av hver metode. Måle shell høyder kamskjell i drop kamerabilder med calipers kvantifisert en måling skjevhet knyttet kurvatur av kameralinsen og avstand fra bildet center33. Derimot har sammenkoblede sammenligninger mellom bildene og mudre slep hjulpet definere hvilken del av kamskjell på havbunnen er innsamlet og hvordan andelen endres med kamskjell størrelse6.

Undervanns bildebehandling har brukt innen marin økologi for tiår17,34. Redusere kostnadene for høyoppløselig kameraer og datalagring har gjort tilnærming mer praktisk enn tidligere. Metodene som er beskrevet i dette dokumentet kan generaliseres og har bred anvendelse, bidrar til å forenkle utviklingen av flere bilde-baserte undersøkelser. Mer spesifikt, viser fremgangsmåtene hvordan resultatene kan brukes til å gi data for å administrere fastsittende dyr (tabeller 1-2) og bidra til en bredere forståelse av marine miljø7,9,10 ,,11,,12,,13,,14,,15.

Disclosures

Forfatterne ikke avsløre.

Acknowledgments

Takk til studenter, ansatte, kapteiner og mannskap som seilte på disse forskning turer og eiere som båtene deres. Takk T. Jaffarian for utvikling lab data collection programmet, Electromechanica, Inc. for å utvikle feltet programvare og utstyr, og CVision rådgivning for å utvikle bildet annotator programmet. Midler ble gitt av NOAA awards NA17NMF4540043, NA17NMF4540034 og NA17NMF4540028. Synspunktene her er de av forfatterne, og reflekterer ikke nødvendigvis synspunkter NOAA.

Materials

Name Company Catalog Number Comments
Bobcat, 43.3mm, F-Mount, 6600x4400, 1.9/2.4 fps, Color, GigE Vision Imperx PoE-B6620C-TF00 Digital Still Camera
Ace - EV76C560, 1/1.8", C-Mount, 1280x1024, 60fps, Color, CMOS, GigE  Basler acA1300-60g HD video camera
Stock MV 40-25 Housing. Black Anodized Aluminum, 5.3" standard dome port, DBCR2008M connector   Sexton MV 40-25 Underwater housing for digital still camera
Stock MV 25-25 Housing. Black Anodized Aluminum, 3.4" standard dome port, DBCR2008M connector   Sexton MV 25-25 Underwater housing for HD video camera
Optical Slip Ring MOOG 180-2714-00 Transmission of power and electrical signals to rotating cable on winch
Fiber Optic Cable Cortland OCG0010 Transmission of power and electrical signals from junction box to vessel deck/wheelhouse
Wheelhouse Run  Electromechanica EM0117-02 Segment of fiber optic wire adapted to plug into optical slip ring on one end and light power and computer on the other
Underwater Junction Box Electromechanica EM0117-01 Connection of power and electrical signals from camera and lights to hybrid cable
Camera Cable SubConn DIL8F/LS2000/10FT/LS2000/DIL8M Transmission of power and electrical signals from camera to junction box
Light Cable SEACON HRN-S0484 Transmission of power and electrical signals from lights to junction box
Desktop Computer Various Custom Windows based operating system with fiber optic interface
Hydraulic Winch Diversified Marine Custom Tension sensitive winch for deployment and retrieval of fiber optic cable
Steel Pyramid Blue Fleet Welding Custom Apparatus for deploying cameras and lights
Steel Davit Blue Fleet Welding Custom Suspends fiber optic cable over the side of the vessel
Fiberglass sheave in metal housing Diversified Marine Custom Attaches to davit, guides fiber optic cable over the side of the vessel and into the water
Sealight Sphere 6500, Day Light White, Flood DeepSea Power & Light 712-045-201-0A-01 Underwater LED light
GPSMAP 78 Garmin  01-00864-00 Global Positioing System device
ArcPad 10.2  ESRI N/A Mobile field mapping program
Undersea Vision Acquisition System Electromechanica UVAS Field data collection program
Digitzer University of Massachusetts, Dartmouth N/A Lab data collection program
FishAnnotator Cvision Consulting 0.3.0 Image annotator program
ArcMap 10.4  ESRI N/A Mapping software

DOWNLOAD MATERIALS LIST

References

  1. Stokesbury, K. D. E., O'Keefe, C. E., Harris, B. P. Fisheries Sea Scallop, Placopecten magellanicus. Scallops: Biology, Ecology, Aquaculture, and Fisheries. Shumway, S., Parsons, G. J. , 3rd ed, Elsevier B.V. Amsterdam. (2016).
  2. NMFS (National Marine Fisheries Service). Fisheries Economics of the United States, 2015. , U.S. Dept. of Commerce, NOAA Tech Memo. NMFS-F/SPO-170 (2015).
  3. Stokesbury, K. D. E., Himmelman, J. H. Spatial distribution of the giant scallop Placopecten magellanicus in unharvested beds in the Baie des Chaleurs, Québec. Mar. Ecol. Prog. Ser. 96, 159-168 (1993).
  4. Stokesbury, K. D. E., Himmelman, J. H. Examination of orientation of the giant scallop, Placopecten magellanicus, in natural habitats. Can. J. Zool. 73, 1945-1950 (1995).
  5. Stokesbury, K. D. E., Harris, B. P., Marino, M. C., Nogueira, J. I. Estimation of sea scallop abundance using a video survey in off-shore USA waters. J. Shellfish Res. 23, 33-44 (2004).
  6. Malloy, R. Jr, Bethoney, N. D., Stokesbury, K. D. E. Applying dredge and optical methods to compare sediment classification and size frequency of the sea scallop (Placopecten magellanicus). J. Shellfish Res. 34 (2), 657 (2015).
  7. Bethoney, N. D., Zhao, L., Chen, C., Stokesbury, K. D. E. Identification of persistent benthic assemblages in areas with different temperature variability patterns through broad-scale mapping. PLoS ONE. 12 (5), e0177333 (2017).
  8. NEFSC (Northeast Fisheries Science Center). Stock assessment for Atlantic sea scallops in 2014. 59th Northeast Regional Stock Assessment Workshop (59th SAW) Assessment Report. , U.S. Dept. of Commerce. NEFSC Ref. Doc. 14-09 (2010).
  9. MacDonald, A. M., Adams, C. F., Stokesbury, K. D. E. Abundance estimates of skates (Rajidae) on the continental shelf of the northeastern USA using a video survey. Trans. Am. Fish. Soc. 139, 1415-1420 (2010).
  10. Marino, M. C. II, Juanes, F., Stokesbury, K. D. E. Effect of closed areas on populations of sea star Asterias spp. On Georges Bank. Mar. Ecol. Prog. Ser. 347, 39-49 (2007).
  11. Marino, M. C. II, Juanes, F., Stokesbury, K. D. E. Spatio-temporal variations of sea star Asterias spp. distributions between sea scallop Placopecten magellanicus beds on Georges Bank. Mar. Ecol. Prog. Ser. 382, 59-68 (2009).
  12. Rosellon-Druker, J. Describing echinoderm (Echinodermata) populations on Georges Bank and evaluating direct and indirect effects of marine protected areas on these populations. , University of Massachusetts Dartmouth. Ph.D thesis (2016).
  13. Stokesbury, K. D. E., Harris, B. P. Impact of limited short-term sea scallop fishery on epibenthic community of Georges Bank closed areas. Mar. Ecol. Prog. Ser. 307, 85-100 (2006).
  14. Harris, B. P., Stokesbury, K. D. E. The spatial structure of local surficial sediment characteristics on Georges Bank, USA. Cont. Shelf. Res. 30, 1840-1853 (2010).
  15. Harris, B. P., Cowles, G. W., Stokesbury, K. D. E. Surficial sediment stability on Georges Bank in the Great South Channel and on eastern Nantucket Shoals. Cont. Shelf. Res. 49, 65-72 (2012).
  16. Anderson, S. C., Mills-Flemming, J., Watson, R., Lotze, H. K. Rapid Global Expansion of Invertebrate Fisheries: Trends, Drivers, and Ecosystem Effects. PLoS ONE. 6 (3), e14735 (2011).
  17. Murphy, H. M., Jenkins, G. P. Observational methods used in marine spatial monitoring of fishes and associated habitats: A review. Mar. Freshw. Res. 61, 236-252 (2010).
  18. Monk, J. How long should we ignore imperfect detection of species in the marine environment when modelling their distribution. Fish. Fish. 15, 352-358 (2014).
  19. O'Keefe, C. E., Carey, J. D., Jacobson, L. D., Hart, D. R., Stokesbury, K. D. E. Comparison of scallop density estimates using the SMAST scallop video survey data with a reduced view field and reduced counts of individuals per image. Appendix 3. 50th Northeast Regional Stock Assessment Workshop (50th SAW) Assessment Report. , U.S. Dept. of Commerce. NEFSC Ref. Doc. 10-17 (2010).
  20. Cochran, W. G. Sampling Techniques. 3rd ed. , John Wiley & Sons. New York. (1977).
  21. NEFMC. Final Framework 28 to the Atlantic Sea Scallop Fishery Management Plan with Environmental Assessment, Regulatory Impact Review, and Regulatory Flexibility Analysis. , Newburyport, MA. Available from: http://www.nefmc.org/scallops/index.html (2017).
  22. Yochum, N., DuPaul, W. D. Size-selectivity of the northwest Atlantic sea scallop (Placopecten magellanicus) dredge. J. Shellfish Res. 27, 265-271 (2008).
  23. Brand, A. R. Scallop ecology: distributions and behaviour. Scallops: biology, ecology and aquaculture. Shumway, S. , Elsevier B.V. Amsterdam. (1991).
  24. Krebs, C. J. Ecological Methodology. , Harper & Row Publishers Inc. New York. (1989).
  25. Stokesbury, K. D. E. Estimation of sea scallop, Placopecten magellanicus, abundance in closed areas of Georges Bank. Trans. Am. Fish. Soc. 131, 1081-1092 (2002).
  26. Adams, C. F., Harris, B. P., Stokesbury, K. D. E. Geostatistical comparison of two independent video surveys of sea scallop abundance in the Elephant Trunk Closed Area, USA. ICES J Mar Sci. 65, 995-1003 (2008).
  27. NEFMC. Final Framework 27 to the Atlantic Sea Scallop Fishery Management Plan with Environmental Assessment, Regulatory Impact Review, and Regulatory Flexibility Analysis. , Newburyport, MA. Available from: http://www.nefmc.org/scallops/index.html (2016).
  28. CIE (Center for Independent Experts). Individual Peer Review Report. Review of Sea Scallop Survey Methodologies and their Integration for Stock Assessment and Fishery Management. , New England Fisheries Science Center Scallop Survey Methods Peer Review Meeting 17-19 March 2015, New Bedford, MA (2015).
  29. NOAA (National Oceanic and Atmospheric Administration). Research Set-Aside Program. , Available from: https://www.nefsc.noaa.gov/coopresearch/rsa_program.html (2017).
  30. Marino, M. C. II, O'Keefe, C. E., Jacobson, L. D. Selectivity and efficiency of large camera video data from the SMAST video survey during 2003 - 2006: Appendix B7. 45th Northeast Regional Stock Assessment Workshop (45th SAW) Assessment Report. , U.S. Dept. of Commerce. NEFSC Ref. Doc. 07-16 (2007).
  31. Chang, J., Hart, D. R., Shank, B. V., Gallagher, S. M., Honig, P., York, A. D. Combining imperfect automated annotations of underwater images with human annotations to obtain precise and unbiased population estimates. Methods Oceanogr. 17, 169-186 (2016).
  32. Hennen, D. R., Hart, D. R. Shell height-to-weight relationships for Atlantic sea scallops (Placopecten magellanicus) in offshore U.S. waters. J. Shellfish Res. 31 (4), 1133-1144 (2012).
  33. Jacobson, L. D., et al. Measurement errors in body size of sea scallops (Placopecten magellanicus) and their effect on stock assessment models. Fish. Bull. 108, 233-247 (2010).
  34. Mallet, D., Pelletier, D. Underwater video techniques for observing coastal marine biodiversity: A review of sixy years of publications (1952-2012). Fish. Res. 154, 44-62 (2014).

Tags

Miljøfag utstede 137 Miljøfag marinøkologi fiskeri Placopecten magellanicus Cooperative Research ressursforvaltning Underwater imaging
Metoder for avbildningsbasert undersøkelser av bunnlevende Macroinvertebrates og deres leveområder eksemplifisert ved Drop kameraet undersøkelsen for den atlantiske havet kamskjell
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Bethoney, N. D., Stokesbury, K. D.… More

Bethoney, N. D., Stokesbury, K. D. E. Methods for Image-based Surveys of Benthic Macroinvertebrates and Their Habitat Exemplified by the Drop Camera Survey for the Atlantic Sea Scallop. J. Vis. Exp. (137), e57493, doi:10.3791/57493 (2018).

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