Waiting
Login processing...

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

Environment

可视化海洋学数据以描述浮游植物的长期变化

Published: July 28, 2023 doi: 10.3791/65571

Summary

在这里,我们提出了一种将浮游植物显微图像转换为矢量图形和重复模式的协议,以实现 60 年来浮游植物分类群和生物量变化的可视化。该协议代表了一种可用于全球其他浮游生物时间序列和数据集的方法。

Abstract

海洋学时间序列为生态系统中的环境过程提供了重要的视角。位于美国罗德岛州纳拉甘西特湾的纳拉甘西特湾长期浮游生物时间序列(NBPTS)是世界上最长的浮游生物时间序列之一(1959年至今),为可视化水生生态系统中的长期变化提供了独特的机会。浮游植物是大多数海洋系统中食物网的基础,包括纳拉甘西特湾。因此,向生活在沿海海洋的 24 亿人传达它们的重要性至关重要。我们开发了一个协议,目的是通过利用Adobe Illustrator将从NBPTS收集的浮游植物的微观图像转换为矢量图形,从而可视化浮游植物的多样性和数量,这些图形可以随着时间的推移形成重复的视觉模式。选择数量丰富的分类群或对经济和健康构成威胁的分类群,例如有害藻华分类群, Pseudo-nitzschia spp.,进行图像转换。然后,根据收集的数十年数据(1970 年代、1990 年代和 2010 年代)的相对丰度创建各种浮游植物图像的模式。浮游植物生物量的年代际模式为每个十年的轮廓提供了信息,而从蓝色到红色的背景颜色梯度用于揭示在纳拉甘西特湾观察到的长期温度升高。最后,在96英寸×34英寸的大型面板上印有重复的浮游植物图案,以说明浮游植物丰度随时间推移的潜在变化。该项目能够可视化浮游植物生物量的字面变化,这些变化通常是肉眼看不见的,同时利用艺术品本身的实时序列数据(例如,浮游植物生物量和丰度)。它代表了一种可用于许多其他浮游生物时间序列的方法,用于数据可视化、通信、教育和外展工作。

Introduction

浮游植物是初级生产者,代表了整个水生生态系统食物网的基础1,2。虽然浮游植物监测计划是确定海洋生态系统当前和未来变化的关键,但随着时间的推移,其支持正在下降 3.由于浮游植物的生成时间相对较短且流动性有限,它们对气候变化特别敏感,这使它们成为时间序列监测的重要工具。浮游植物时间序列对于为基于生态系统的资源可用性管理提供信息以及为偶发事件(如海洋热浪)提供背景也很重要4.以年为单位的短期时间序列可以深入了解浮游植物群落演替和季节动态(例如,参考文献5,6),而长期时间序列,如百慕大大西洋时间序列(BATS)和夏威夷海洋时间序列(HOTS)计划,跨越了二十多年,能够检测长期趋势7,8.这些研究说明了高度分辨的浮游植物记录对于全面了解动态海洋环境中长期生态系统变化的益处和重要性。此外,将浮游植物的这些变化可视化和交流,这些变化是肉眼看不到的,比大型且易于可见的生物(如鱼类和鲸鱼)更难理解。计算机可视化提供了一种探索复杂数据集的技术9,改进的说明性图形正变得容易获得(例如,马里兰大学环境科学中心的集成和应用网络)。然而,大多数浮游植物生态学研究,包括这里引用的许多研究,仍然只以数据图的形式呈现结果,从而降低了普通受众对它们的可及性。鉴于浮游植物是大多数海洋系统中食物网的基础,因此向生活在沿海海洋中的近 24 亿人传达它们的重要性至关重要10.在这里,我们开发了一个协议,目的是可视化浮游植物监测程序收集的浮游植物的多样性和数量。

纳拉甘西特湾浮游生物时间序列 (NBPTS) 提供了关于气候背景下全球变化对浮游植物丰度、季节性和物候学(生活史)影响的长期 60+ 年(1959 年至今)视角。纳拉甘西特湾 (NBay) 是一个沿海河口,与美国东北大陆架和西北大西洋的更广泛系统相连,其生产对美国沿海的渔业和人类使用具有重要意义11。NBay被认为是一个高度季节性的系统,在该地区经历了长期(1950-2015)的变暖,以及营养物质的变化和水透明度的增加12,13。此外,上游NBay的浮游植物生物量下降与溶解无机氮的人为减少有关,这部分归因于废水处理厂的升级12。浮游植物分类群的变化,特别是有害藻华 (HAB),也在 NBay 发生。在美国西海岸的上升流地区产生普遍有毒水华的伪尼茨基亚属,导致 2016 年和 2017 年NBay 历史上首次出现显着的贝类关闭 14,15,16。将这些变化传达给不同的受众对于提高科学素养和促进对浮游植物监测研究的持续支持非常重要。

该项目的目标是利用NBay的浮游植物显微图像,以及NBPTS合成的数据,可视化NBay中发生的浮游植物分类群和生物量的字面变化,以向普通受众传达和提高浮游植物的重要性。NBPTS 提供 60+ 年公开可用的每周浮游植物计数和生物量,以利用来自 (https://web.uri.edu/gso/research/plankton/) 的数据。最终产品是一幅大型浮游生物图案壁画,代表了艺术作品本身的时间序列数据(例如,浮游植物生物量和分类群、温度)。这种方法代表了一种可视化方法,可用于世界各地的许多其他浮游生物时间序列,也可以用于具有短期季节性数据的监测计划。实施该协议的好处包括在数据可视化、科学传播、教育和与当地社区的接触方面加大努力。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. 将浮游植物图像转换为矢量图形

  1. 选择从纳拉甘西特湾长期浮游生物时间序列(NBPTS)拍摄的浮游植物显微图像作为.JPG,.PNG或.PDF文件(图1A)。
    注:分类群包括Thalassiosira nordenskioeldii,Thalassionema nitzschioides,Tripos spp.,Odontella aurita,Skeletonema物种复合体,Chaetoceros diadema,Eucampia zodiacus,Dinophysis spp.和 Pseudo-nitzschia spp.。图像是用光学显微镜拍摄的。
  2. 打开用于本研究的特定软件矢量图形编辑器或插画器(请参阅 材料表)。矢量图形软件在手稿中被进一步提及为插画家。
  3. 通过从计算机打开文件或将其拖放到新工作区中,将.JPG或.PNG显微图像放入 Illustrator 工作区。
  4. 转到 “查看”>“显示透明度网格 ”以显示指示透明度的棋盘背景。
  5. 单击下拉菜单 中的“窗口”>“图像跟踪 ”以打开“图像跟踪”窗口。
  6. 单击工具栏中的选择工具(黑色箭头),然后单击 浮游植物图像
  7. 单击下拉菜单中的 对象>展开
  8. 使用工具栏中的“直接选择”工具(白色箭头)单击并选择图像的背景部分,以去除浮游植物周围的浮游植物。按 删除键。
  9. 对图像的每个背景区域重复上述步骤。
  10. 单击 “文件”>“导出 ”,将文件另存为.PNG文件。确保选中“背景透明”框。
  11. 通过从计算机打开文件或将其拖放到新工作区中.PNG将去除背景的显微图像放入 Illustrator 的新工作区中。
  12. 单击下拉菜单 中的“窗口”>“图像跟踪 ”以打开“图像跟踪”窗口。
  13. 在“图像描摹”选项下,单击“ 预设>黑白 徽标和 模式”>“黑白”。
  14. 使用“阈值”和“高级”选项(即“路径”、“角落”和“噪点”)来优化图像。
  15. 在“属性”下,选择 “展开 ”以对其进行矢量化。
  16. 选择 “视图”>“显示透明度网格”。
  17. 单击 矢量图像 ,然后单击鼠标右键并选择 取消分组
  18. 在工具栏中选择“直接选择”工具(白色箭头)。仅在空白处拖动并绘制一个框。按 删除 键将其删除。
  19. 重复上述步骤,直到删除所有空格。
  20. 单击 “文件”>“另存为 ”,然后选择 。EPS 另存为矢量图形。
  21. 对浮游植物分类群重复1.1(图1B)。

2. 创建浮游植物模式

  1. 利用NBPTS数据集中的浮游植物计数数据来确定1970-1979年(1970年代)、1990-1999年(1990年代)和2010-2019年(2010年代)每个分类单元的平均丰度。
  2. 通过单击或键入“mean() ± sd()”,在统计软件程序中计算每个浮游植物分类群每十年的平均标准差。
  3. 单击或键入“aov()”以使用方差分析来测试统计软件程序中几十年之间的显着差异。
    注:在1990年代,某些物种(例如Tripos spp.,Chaetoceros diadema)的样本量不够大。在这种情况下,在统计软件程序中单击或键入“t.test()”,以比较 1970 年代和 2010 年代的平均丰度。
  4. 使用工具栏中的“画板工具”(正方形)单击并创建新 画板 ,该工作区位于本研究中使用的特定插画师的新工作区中。
  5. 制作三个相同大小的相同画板。在“ 属性”>“变换”中调整大小。
    注意:对于这个项目,浮游植物图像的画板尺寸为 1224 像素 x 545 像素。
  6. 拖放 .将不同浮游植物分类群的 EPS 文件放到三个画板上。
  7. 使用直接选择工具(白色箭头)在单个浮游植物周围绘制一个框,用代表十年的不同颜色为浮游植物着色。
  8. 在“属性”下,选择 “填充 ”,然后单击调色板中的所需颜色。按 回车 键填充矢量。
  9. 使用选择工具(黑色箭头)突出显示特定的浮游植物,然后选择 “编辑>复制”和“编辑>粘贴”。
  10. 根据数据集中每个分类群的相对比例定性粘贴每个浮游植物载体,如2.2中确定的三十年中的每一个(图1C)。
    注:每个面板上浮游植物的丰度是表1的定性表示。例如,如果在 2010 年代观察到的 Pseudo-nitzschia spp. 丰度高于 1990 年代,则在 2010 年画板上复制的 Pseudo-nitzschia 图形比在 1990 年画板上复制的更多。
  11. 选择 “对象”>“图案”>“制作 ”,为这三十年中的每一个十年创建彩色色板浮游植物图案。

3. 结合浮游植物生物量和温度数据

  1. 点击或键入“mean()”,在统计软件程序中计算每十年每周的平均叶绿素 a (chl a,浮游植物生物量的代理)。
  2. 在统计软件程序中单击或键入“plot()”,以绘制每周(自变量)的平均年代际生物量(因变量),然后单击将图表 保存 为.JPG或.PNG。
  3. 通过从计算机打开文件或将其拖放到新工作区中,将十年生物质图形的.JPG或.PNG放入插画师工作区。
  4. 重复步骤 1.3 到 1.8 以矢量化三个 chl a 季节性周期中的每一个。
    1. 转到 “查看”>“显示透明度网格 ”以显示指示透明度的棋盘背景。
    2. 单击下拉菜单 中的窗口>图像跟踪 以打开图像跟踪窗口。
    3. 单击工具栏中的“选择”工具(黑色箭头),然后单击图像。
    4. 单击下拉菜单中的 对象>展开
    5. 使用工具栏中的“直接选择”工具(白色箭头)单击并选择图像的背景部分,以删除指示季节周期的线周围的部分。按 删除键。对图的每个背景区域重复上述步骤。
    6. 单击 “文件”>“导出 ”,将文件另存为.PNG文件。确保选中“背景透明”框。
    7. 通过从计算机打开文件或将其拖放到新工作区.PNG将移除背景的图形放入所使用的特定插画师的新工作区中。
    8. 单击下拉菜单 中的“窗口”>“图像跟踪 ”以打开“图像跟踪”窗口。
    9. 在“属性”下,选择 “展开 ”以对其进行矢量化。
    10. 选择 “视图”>“显示透明度网格”。
    11. 单击 矢量图像 ,然后单击鼠标右键并选择 取消分组
    12. 在工具栏中选择“直接选择”工具(白色箭头)。仅在空白处拖动并绘制一个框。按 删除 键将其删除。
    13. 重复上述步骤,直到删除 1970 年代、1990 年代和 2010 年代每行的所有空格。
    14. 单击 “文件”>“另存为” ,然后选择 。EPS 将每行保存为单独的矢量图形。
  5. 使用工具栏中的“画板工具”(正方形)单击拖动,然后在新的插画师工作区中创建新的画板。
  6. 制作三个相同大小的相同画板。在“ 属性”>“变换”中调整大小。
    注意:对于此项目,尺寸为 1224 像素 x 3456 像素。
  7. 拖放其中一个 chl a .EPS 文件分别添加到三个画板之一上。
  8. 通过单击“便笺图标”创建一个新图层。
  9. 使用工具栏中的矩形工具在新图层中创建矩形。
  10. 使用工具栏中的“渐变”工具用浅蓝色渐变填充矩形。
  11. 复制矢量化趋势线并将其添加到包含矩形的图层中。
  12. 使用工具栏中的“线段”工具创建一个附加到趋势线的框。按住 shift 键可使线条笔直对齐。
  13. 按 Control 键并选择所有组件,包括图层内的线、矩形和趋势线。
  14. 选择 对象>剪贴蒙版>制作。这将删除形状的顶部填充。
  15. 使用从 2.11 中保存为色板的浮游植物图案填充形状。
  16. 在三十年中的每一年都重复这个过程。
  17. 重复步骤 3.9 和 3.10 创建一个带有红色到蓝色渐变颜色的矩形,以表示三个十年面板上的温暖水温。
  18. 右键单击对象并将其移回浮游植物图案后面。

4. 为浮游植物面板添加细节

  1. 若要将拍摄的浮游植物图像添加到浮游植物图案上,请选择 “打开 ”,然后单击 图像文件 以在此处使用的插画器中将其打开。
  2. 使用工具栏中的椭圆工具创建一个圆圈,并将其叠加在浮游植物图像的顶部。
  3. 按住 shift 键选择形状和图像,然后在菜单中单击“ 对象”>“剪贴蒙版”>“制作 ”以用图像填充形状。
  4. 对选定的浮游植物图像重复上述步骤,并在三十年内分布,使其看起来像放大镜放大说明性浮游植物(图1D)。
    注意:可以重复步骤 1.3 至 1.8,在面板上添加船只和鸟类的艺术元素,使 chl a 季节性周期看起来像海浪。
  5. 使用工具栏中的“矩形工具”在每个十年画板上创建一个文本框。
  6. 使用“打字工具”(T)点击并键入有关每个十年的信息文本。在每个十年的顶部添加带有十年名称的文本,并在三个面板中每个面板的底部添加相应季节的名称。
  7. 在 Illustrator 中保存工作区。

5.壁画制作

  1. 导入保存的插画文件,然后选择仅导入已完成的三个十年。全选并导出为.PDF文件。
  2. 使用大幅面绘图仪打开浮游生物图案.PDF文件,将三个十年画板缩放为 96 英寸 x 34 英寸面板。
  3. 在 Heavyweight Matter 纸上打印面板并使用悬挂硬件进行安装。

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

结果显示,从1970年代到1990年代再到2010年代,浮游植物生物量有所下降(图1)。所有十年的叶绿素 a (chl a)浓度均呈双峰,第一个峰值出现在冬季,第二个峰值出现在夏季。1970年代冬季的平均chl a 高于夏季。相反,1990年代冬季的chl a 低于夏季。2010年代,冬季的平均chl a 浓度高于夏季。这些结果通过面板中的不同 chl a 峰以及添加的文本框反映在最终产品中,以强调 chl a 数据集的不同组件(图 2)。

对纳拉甘西特湾生态相关的浮游植物分类群的分析显示,随着时间的推移,浮游植物的丰度范围很广。尽管HAB分类群、Dinophysis spp.和Tripos spp.(以前称为Ceratium)有所减少,但这种变化往往掩盖了三十年间分类群的任何统计学显着差异(表1)。相比之下,Thalassiosira nordenskioeldiiSkeletonema spp.增加(表1)。其他分类群也大量振荡,如黄道桉树(Eucampia zodiacus)(表1)。与1970年代和1990年代相比,2010年代更多的黄道十二图像以及黄道十二宫的叠加显微图像将实际物种带入观众的“现实生活”,从而说明了这些结果。

分类群名称 类型 1970-79 平均±标准差(单元格 L-1 1990-99 平均±标准差(单元格 L-1 2010-19 平均±标准差(单元格 L-1 p 值
Pseudo-nitzschia spp. 硅藻 3701 ± 18235 5123 ± 24396 12919 ± 58632 > 0.05
Thalassionema nitzschioides(尼茨奇亚苔藓) 硅藻 81797 ± 245710 22909 ± 59246 62656 ± 292940 > 0.05
Tripos spp. 甲藻 1933年±703 500 ± 706 841 ± 353 < 0.001
黄道十二宫 硅藻 27266 ± 27675 7500 ± 2121 90764 ± 181415 > 0.05
Thalassiosira nordenskioeldii 硅藻 76800 ± 150545 27000 ± 28284 362411 ± 376064 0.008
Odontella aurita 硅藻 5571 ± 8541 5000 ± 2645 17750 ± 23485 > 0.05
Chaetoceros diadema 硅藻 103027 ± 239802 18000 ± 0 40402 ± 46128 > 0.05
骷髅虫 硅藻 2457847 ± 7814228 1884674 ± 4888589 1349184 ± 3732765 0.003
恐龙属 甲藻 5166 ± 8983 1978 ± 1840 2331 ± 2504 < 0.001

表1:浮游植物计数。 每个分类群每十年浮游植物浓度的平均值(单元 L-1)和标准差。类型表示浮游植物是归类为硅藻还是甲藻。进行方差分析或 t 检验,以检验 1990 年代存在低样本量(即 Tripos spp.、 Eucampia zodiacusThalassiosira nordenskioeldii、Odontella aulita Chaetoceros diadema)时,三十年(方差分析)或二十年(t 检验)之间平均丰度的统计学显着差异。在 α = 0.05 时确定的显著 p 值,以粗体表示。

Figure 1
图1:方法示意图。 A)将显微图像转换为矢量说明性图形,B)为每个十年(1970年代,1990年代,2010年代)创建重复模式,C)使用年代际叶绿素 a 数据来告知模式的形状。用蓝色到红色的配色方案填充背景,以表示水温的升高,以及 D) 通过添加文本来告知用于创建说明性图形的浮游植物图案和微观图像中的不同特征,从而最终确定产品。 请点击这里查看此图的较大版本.

Figure 2
图 2:已完成的可视化在插画器中完成的浮游植物可视化。分类群包括 Thalassiosira nordenskioeldii、Thalassionema nitzschioides、Tripos spp.、Odontella aurita、Skeletonema 物种复合体、Chaetoceros diademaEucampia zodiacus、Dinophysis spp. 和 Pseudo-nitzschia spp.。 请点击这里查看此图的较大版本.

Figure 3
图3:完成的艺术作品。 在插画中制作的最终浮游植物可视化以及 A) 1970 年代、B) 1990 年代和 C) 2010 年代的印刷版本。 请点击这里查看此图的较大版本.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

该协议的关键步骤包括获取浮游植物的显微图像并将其转换为矢量图形。制作肉眼看不见的浮游植物图像,大到可以在壁画上没有放大镜的情况下看到,有助于让观众栩栩如生。为了将这幅壁画不仅作为艺术品,而且作为一种数据可视化方法,将观察到的数据纳入项目非常重要。在浮游植物壁画的情况下,按十年平均的叶绿素 a (chl a)年周期代表了实际数据,并显示了不同面板上chl a 如何按十年下降。对于浮游植物丰度,某些分类群的平均浓度在几十年内变化,因此,与另一个平均丰度较低的面板相比,在特定十年中观察到的分类群丰度越高,该分类群的图形就越多。使用观测数据来告知艺术元素,例如从蓝色到红色的颜色渐变来表示温度升高,也有助于可视化这些科学数据。

该方法的修改可能包括从开放获取图像库中获取浮游植物的显微图像,以及利用显微镜以外的其他浮游植物成像系统(例如,成像流式细胞机器人)拍摄摄影图像。此外,对于较短的时间序列数据集,微观图像和科学数据可以包括每日浮游植物计数和图像,而不是几十年,以及浮游动物图像,以揭示食物网的相互作用。最后,除了通过渐变背景显示的说明性变化外,还可以将每个十年记录的平均温度包含在面板上,以量化温度的变化,或者在面板底部附近绘制一条趋势线。限制包括对这些科学数据进行故障排除,使其在物理艺术作品的范围内缩放,以及获得用于在大型面板上打印的仪器。同样重要的是,要确保背景颜色足够透明,以清楚地显示浮游植物丰度随时间的变化,这在印刷之前可能很难区分。最后,Adobe Illustrator 是一种专有软件,可能会限制某些用户的可访问性,但可以使用免费软件插图程序(例如,Inkscape、GIMP、Vectr、Vectornator)。调整协议以在这些免费程序上制作浮游植物壁画代表了未来增加可访问性的有用工作。

鉴于浮游植物是几乎所有海洋系统中食物网的基础,因此传达它们的重要性至关重要;然而,大多数浮游植物生态学研究仅以数据图的形式呈现结果,从而降低了普通受众对它们的可及性。这里介绍的开发浮游植物壁画的协议显示了通过艺术镜头可视化科学数据的影响17.通过对这幅壁画的分析,观众可以看到自 1970 年代以来,纳拉甘西特湾 (NBay) 的浮游植物生物量有所下降。这种下降发生在NBay 13海水温度长期升高的时期。随着海水温度升高,浮游生物群落(即浮游动物)也发生了类似的变化,在旧金山湾河口也观察到了类似的变化,该河口与NBay一样,支持大量人口18,19。这种方法代表了一种可视化方法,可用于世界各地的许多其他浮游生物时间序列,如旧金山湾河口。

从远处看,面板的形状和颜色会随着时间的推移而变化。更仔细地观察面板,浮游植物的模式反映了不同分类群的丰度和生物量的变化。这就是艺术和科学世界碰撞的地方,因为科学模式是壁画上显示的字面模式。很明显,通过艺术可视化浮游植物数据,NBay 比水面上出现的要多得多。

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

作者没有利益冲突需要声明。

Acknowledgments

这项研究得到了美国国家科学基金会(OIA-1655221,OCE-1655686)和罗德岛海洋基金(NA22-OAR4170123,RISG22-R/2223-95-5-U)的支持。我们感谢多位船长提供现场援助,以及自 1970 年以来收集数据的许多学生和研究人员。我们感谢斯图尔特·科普兰(Stewart Copeland)和乔治亚·罗德斯(Georgia Rhodes)开发了制作浮游生物壁画的Vis-A-Thon项目,并感谢罗德岛设计学院的拉斐尔·阿提亚斯(Rafael Attias)在项目开发过程中的艺术指导。

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

海洋学数据, 长期变化, 浮游植物, 纳拉甘西特湾长期浮游生物时间序列, 水生生态系统, 可视化数据, Adobe Illustrator, 显微图像, 矢量图形, 重复的视觉模式, 丰富的分类群, 有害藻华分类群, Pseudo-nitzschia spp., 相对丰度, 几十年的数据, 浮游植物生物量, 温度升高
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