Summary
Här presenterar vi ett protokoll för att omvandla växtplanktonmikroskopiska bilder till vektorgrafik och repetitiva mönster för att möjliggöra visualisering av förändringar i växtplanktontaxa och biomassa under 60 år. Detta protokoll representerar ett tillvägagångssätt som kan användas för andra planktontidsserier och datauppsättningar globalt.
Abstract
Oceanografiska tidsserier ger ett viktigt perspektiv på miljöprocesser i ekosystem. Narragansett Bay Long-Term Plankton Time Series (NBPTS) i Narragansett Bay, Rhode Island, USA, representerar en av de längsta planktontidsserierna (1959-nutid) i sitt slag i världen och ger en unik möjlighet att visualisera långsiktiga förändringar inom ett akvatisk ekosystem. Växtplankton utgör basen i näringsväven i de flesta marina system, inklusive Narragansett Bay. Därför är det viktigt att kommunicera deras betydelse till de 2,4 miljarder människor som bor i kusthavet. Vi utvecklade ett protokoll med målet att visualisera mångfalden och storleken av växtplankton genom att använda Adobe Illustrator för att konvertera mikroskopiska bilder av växtplankton som samlats in från NBPTS till vektorgrafik som kan anpassas till repetitiva visuella mönster över tid. Numerärt rikligt förekommande taxa eller de som utgjorde ekonomiska och hälsomässiga hot, såsom den skadliga algblomningstaxan, Pseudo-nitzschia spp., valdes ut för bildkonvertering. Mönster av olika växtplanktonbilder skapades sedan baserat på deras relativa förekomst för utvalda decennier av insamlade data (1970-, 1990- och 2010-talen). Decadala mönster av växtplanktonbiomassa informerade konturerna av varje decennium medan en bakgrundsfärggradient från blått till rött användes för att avslöja en långsiktig temperaturökning som observerats i Narragansett Bay. Slutligen trycktes stora paneler på 96 tum gånger 34 tum med upprepade växtplanktonmönster för att illustrera potentiella förändringar i växtplanktonförekomsten över tid. Detta projekt möjliggör visualisering av bokstavliga förändringar i växtplanktonbiomassa, som vanligtvis är osynliga för blotta ögat, samtidigt som man utnyttjar realtidsseriedata (t.ex. växtplanktonbiomassa och överflöd) i själva konstverket. Det representerar ett tillvägagångssätt som kan användas för många andra planktontidsserier för datavisualisering, kommunikation, utbildning och uppsökande insatser.
Introduction
Växtplankton är primärproducenter och utgör basen i näringsväven i akvatiska ekosystem 1,2. Övervakningsprogram för växtplankton är viktiga för att identifiera nuvarande och framtida förändringar i marina ekosystem, men stödet för dem minskar med tiden. På grund av sina relativt korta generationstider och begränsade rörlighet är växtplankton särskilt känsliga för klimatförändringar, vilket gör dem till ett viktigt verktyg i tidsserieövervakningen. Tidsserier för växtplankton är också viktiga för att informera ekosystembaserad förvaltning av resurstillgänglighet och ge sammanhang för episodiska händelser, såsom marina värmeböljor4. Kortsiktiga tidsserier, när det gäller år, ger insikter i växtplanktonsamhällenas succession och säsongsdynamik (t.ex. ref.5,6), medan långsiktiga tidsserier, såsom Bermuda Atlantic Time Series (BATS) och Hawaii Ocean Times Series (HOTS) Programs, spänner över mer än två decennier och gör det möjligt att upptäcka långsiktiga trender 7,8. Sådana studier illustrerar nyttan och betydelsen av ett högupplöst växtplanktonregister för en fullständig förståelse av långsiktiga ekosystemförändringar i dynamiska marina miljöer. Vidare är det svårare att visualisera och kommunicera dessa förändringar i växtplankton, som inte kan ses med blotta ögat, än för organismer som är stora och lätt synliga, som fiskar och valar. Datorvisualiseringar erbjuder en teknik för att utforska komplexa datamängder9 och förbättrad illustrativ grafik blir allt mer lättillgänglig (t.ex. Integration and Application Network, University of Maryland Center for Environmental Science). De flesta studier inom växtplanktonekologi, inklusive många som refereras här, presenterar dock fortfarande bara resultat i form av datagrafer som minskar deras tillgänglighet för allmänheten. Med tanke på att växtplankton utgör basen i näringsväven i de flesta marina system ärdet viktigt att kommunicera deras betydelse till de nästan 2,4 miljarder människor som lever i kusthavet. Här utvecklade vi ett protokoll med målet att visualisera mångfalden och omfattningen av växtplankton, som samlats in genom ett växtplanktonövervakningsprogram.
Narragansett Bay Plankton Time Series (NBPTS) ger ett långsiktigt 60+ års (1959-nutid) perspektiv på effekterna av globala förändringar inom ett klimatsammanhang på växtplanktonförekomst, säsongsvariationer och fenologi (livshistoria). Narragansett Bay (NBay) är en kustnära flodmynning som är ansluten till de bredare systemen i USA:s nordöstra sockel och nordvästra Atlanten, vars produktion har viktiga konsekvenser för fisket och människans användning längs USA:s kust. NBay anses vara ett mycket säsongsbetonat system som upplever långvariga (1950-2015) varmare vatten i regionen samt förändringar i näringsämnen och en ökning av vattnets klarhet12,13. Dessutom har en minskning av växtplanktonbiomassan inträffat i övre NBay relaterad till antropogena minskningar av löst oorganiskt kväve, vilket delvis kan tillskrivas uppgraderingar i avloppsreningsverk12. Förändringar i växtplanktontaxa, särskilt skadliga algblomningar (HAB), förekommer också i NBay. Pseudo-nitzschia spp., som producerar genomgripande giftiga blomningar i uppvällningsregioner längs USA:s västkust, ledde till anmärkningsvärda skaldjursstängningar för första gången i NBays historia 2016 och 2017 14,15,16. Att kommunicera dessa förändringar till olika målgrupper är viktigt för att öka den vetenskapliga läskunnigheten och för att främja fortsatt stöd till studier av övervakning av växtplankton.
Målet med detta projekt var att använda mikroskopiska bilder av växtplankton från NBay, samt data som syntetiserats från NBPTS, för att visualisera de bokstavliga förändringarna i växtplanktontaxa och biomassa som sker i NBay för att kommunicera och öka betydelsen av växtplankton för en allmän publik. NBPTS tillhandahåller 60+ år av offentligt tillgängliga veckovisa fytoplanktonräkningar och biomassa för att utnyttja data från (https://web.uri.edu/gso/research/plankton/). Slutprodukten var en stor väggmålning av planktonmönster som är representativa för tidsseriedata (t.ex. växtplanktonbiomassa och taxa, temperatur) i själva konstverket. Detta tillvägagångssätt representerar en visualiseringsmetod som kan användas för många andra planktontidsserier över hela världen och kan anpassas för övervakningsprogram med kortsiktiga, säsongsdata också. Fördelarna med att implementera detta protokoll inkluderar ökade insatser inom datavisualisering, vetenskapskommunikation, utbildning och engagemang i lokala samhällen.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Konvertering av växtplanktonbilder till vektorgrafik
- Välj mikroskopiska bilder av växtplankton tagna från Narragansett Bay Long Term Plankton Time Series (NBPTS) som antingen .JPG, .PNG eller .PDF filer (figur 1A).
OBS: Taxa inkluderar Thalassiosira nordenskioeldii, Thalassionema nitzschioides, Tripos spp., Odontella aurita, Skeletonema species complex, Chaetoceros diadema, Eucampia zodiacus, Dinophysis spp. och Pseudo-nitzschia spp. Bilderna är tagna med ljusmikroskop. - Öppna specifik programvara vektorgrafikredigerare eller illustratören som används för denna studie (se Materialförteckning). Vektorgrafikprogram har nämnts som illustratör längre fram i manuskriptet.
- Placera en .JPG eller .PNG mikroskopisk bild på Illustrators arbetsyta genom att öppna en fil från datorn eller dra och släppa den på en ny arbetsyta.
- Gå till Visa > Visa genomskinlighetsrutnät för att visa schackbrädesbakgrunden som indikerar genomskinlighet.
- Klicka på Fönster > bildspårning i rullgardinsmenyn för att öppna fönstret Bildspårning.
- Klicka på markeringsverktyget (svart pil) i verktygsfältet och klicka på växtplanktonbilden.
- Klicka på Objekt > Expandera i rullgardinsmenyn.
- Använd direktmarkeringsverktyget (vit pil) i verktygsfältet för att klicka och markera de bakgrundsdelar av bilden som du vill bli av med runt växtplanktonen. Tryck på delete.
- Upprepa för varje bakgrundsområde i bilden.
- Klicka på Arkiv > Exportera för att spara filen som .PNG fil. Se till att rutan Genomskinlig bakgrund är markerad.
- Placera .PNG mikroskopisk bild med borttagen bakgrund på en ny arbetsyta i illustrator genom att öppna filen från datorn eller dra och släppa den på en ny arbetsyta.
- Klicka på Fönster > bildspårning i rullgardinsmenyn för att öppna fönstret Bildspårning.
- Under alternativen för bildkalkering klickar du på Förinställning > svartvit logotyp och läge > svartvitt.
- Använd Tröskelvärde och Avancerade alternativ (t.ex. Banor, Hörn och Brus) för att förfina bilden.
- Under Egenskaper väljer du Expandera för att vektorisera den.
- Välj Visa > Visa genomskinlighetsrutnät.
- Klicka på vektorbilden , högerklicka sedan och välj Dela upp grupp.
- Välj direktmarkeringsverktyget (vit pil) i verktygsfältet. Dra och rita en ruta endast runt blanksteget. Tryck på delete för att ta bort den.
- Upprepa tills alla blanksteg har tagits bort.
- Klicka på Arkiv > Spara som och välj . EPS för att spara som vektorgrafik.
- Upprepa för arterna av växtplankton från 1.1 (figur 1B).
2. Skapa växtplanktonmönster
- Använd data om antalet växtplankton från NBPTS-datasetet för att bestämma den genomsnittliga förekomsten av varje taxon från 1970-1979 (1970-talet), 1990-1999 (1990-talet) och 2010-2019 (2010-talet).
- Beräkna medelvärdet ± standardavvikelsen för varje växtplanktontaxa för varje decennium i ett statistiskt program genom att klicka på eller skriva "mean() och sd()".
- Klicka på eller skriv 'aov() ' för att använda en ANOVA för att testa för signifikanta skillnader mellan årtionden i ett statistiskt program.
OBS: Vissa arter (t.ex. Tripos spp., Chaetoceros diadema) hade inte tillräckligt stora provstorlekar på 1990-talet. I det här fallet klickar du på eller skriver "t.test()" i ett statistiskt program för att jämföra medelförekomster på 1970-talet med 2010-talet. - Använd verktyget "Rityta" (fyrkant) i verktygsfältet för att klicka och skapa en ny rityta på en ny arbetsyta för den specifika illustratören som används i denna studie.
- Gör tre identiska ritytor i samma storlek. Justera storleken i Egenskaper > Transformera.
OBS: För detta projekt var ritytorna för växtplanktonbilderna 1224 px x 545 px. - Dra och släpp . EPS-filer av de olika växtplanktontaxa på de tre arttavlorna.
- Färglägg växtplanktonen med olika färger som är representativa för årtiondet genom att använda direktmarkeringsverktyget (vit pil) för att rita en ruta runt ett enskilt växtplankton.
- Under Egenskaper väljer du Fyllning och klickar sedan på önskad färg från färgpaletten. Tryck på enter för att fylla vektorn.
- Använd markeringsverktyget (svart pil) för att markera ett visst växtplankton och välj sedan Redigera > kopiera och redigera > klistra in.
- Klistra in varje växtplanktonvektor kvalitativt baserat på de relativa proportionerna av varje taxa i datauppsättningen enligt 2.2 för vart och ett av de tre årtiondena (figur 1C).
OBS: Förekomsten av växtplankton på varje panel är en kvalitativ representation av tabell 1. Till exempel, om en högre förekomst av Pseudo-nitzschia spp. observeras på 2010-talet än på 1990-talet, kopiera då mer Pseudo-nitzschia-grafik på 2010-ritytan än på 1990-ritytan. - Välj Objekt > mönster > Skapa för att skapa ett färgprov på växtplanktonmönster för vart och ett av de tre decennierna.
3. Införlivande av uppgifter om växtplanktonbiomassa och temperatur
- Klicka på eller skriv "mean()" för att beräkna det genomsnittliga klorofyllet a (chl a, proxy för växtplanktonbiomassa) för varje vecka under varje decennium i ett statistiskt program.
- Klicka på eller skriv "plot()" i ett statistikprogram för att rita den genomsnittliga decenniebiomassan (beroende variabel) för varje vecka (oberoende variabel) och klicka på Spara grafen som en .JPG eller .PNG.
- Placera en .JPG eller .PNG av chl a decadal biomassa i illustrator-arbetsytan genom att öppna filen från datorn eller dra och släppa den på en ny arbetsyta.
- Upprepa steg 1.3 till 1.8 för att vektorisera var och en av de tre chl a säsongscyklerna.
- Gå till Visa > Visa genomskinlighetsrutnät för att visa den schackrutiga bakgrunden som indikerar genomskinlighet.
- Klicka på Fönster > Bildspårning i rullgardinsmenyn för att öppna fönstret Bildspårning.
- Klicka på markeringsverktyget (svart pil) i verktygsfältet och klicka på bilden.
- Klicka på Objekt > Expandera i rullgardinsmenyn.
- Använd direktmarkeringsverktyget (vit pil) i verktygsfältet för att klicka och markera de bakgrundsdelar av bilden som du vill bli av med runt linjen som anger säsongscykeln. Tryck på delete. Upprepa för varje bakgrundsområde i figuren.
- Klicka på Arkiv > Exportera för att spara filen som .PNG fil. Se till att rutan Genomskinlig bakgrund är markerad.
- Placera .PNG figur med borttagen bakgrund på en ny arbetsyta i den specifika illustrator som används genom att öppna filen från datorn eller dra och släppa den på en ny arbetsyta.
- Klicka på Window > Image Trace i rullgardinsmenyn för att öppna fönstret Image Trace.
- Under Egenskaper väljer du Expandera för att vektorisera den.
- Välj Visa > Visa genomskinlighetsraster.
- Klicka på vektorbilden , högerklicka sedan och välj Dela upp grupp.
- Välj direktmarkeringsverktyget (vit pil) i verktygsfältet. Dra och rita en ruta endast runt blanksteget. Tryck på delete för att ta bort den.
- Upprepa tills alla blanksteg har tagits bort för var och en av raderna från 1970-, 1990- och 2010-talen.
- Klicka på Arkiv > Spara som och välj . EPS för att spara varje rad som en separat vektorgrafik.
- Använd verktyget Rityta (fyrkant) i verktygsfältet för att klicka på dra och skapa en ny rityta på en ny arbetsyta i illustrator.
- Gör tre identiska ritytor i samma storlek. Justera storleken i Egenskaper > Transformera.
OBS: För detta projekt var måtten 1224 px x 3456 px. - Dra och släpp en av chl a . EPS-filer på en av de tre ritytorna.
- Skapa ett nytt lager genom att klicka på "klisterlappsikonen".
- Skapa en rektangel i det nya lagret med rektangelverktyget i verktygsfältet.
- Fyll rektangeln med en ljusblå övertoning med hjälp av övertoningsverktyget i verktygsfältet.
- Kopiera den vektoriserade trendlinjen och lägg till den i lagret med rektangeln i.
- Använd verktyget "Linjesegment" i verktygsfältet för att skapa en ruta som är kopplad till trendlinjen. Håll ned skift för att göra linjerna raka och justerade.
- Tryck på kontrolltangenten och markera alla komponenter, inklusive linjer, rektangel och trendlinje i lagret.
- Markera Objekt > urklippsmask > skapa. Detta tar bort den övre fyllningen av formen.
- Fyll formen med växtplanktonmönstret sparat som färgprov från 2.11.
- Upprepa denna process för vart och ett av de tre decennierna.
- Upprepa steg 3.9 och 3.10 för att skapa en rektangel färgad med en röd till blå färggradient för att representera uppvärmningsvattentemperaturen över de tre decenniepanelerna.
- Högerklicka på objektet och flytta tillbaka det bakom växtplanktonmönstren.
4. Lägga till detaljer till fytoplanktonpaneler
- För att lägga till bilder av fotograferade växtplankton på växtplanktonmönstren, välj Öppna och klicka på bildfilen för att öppna den i illustratören som används här.
- Skapa en cirkel med ellipsverktyget från verktygsfältet och lägg den ovanpå växtplanktonbilden.
- Håll ned skifttangenten för att markera både formen och bilden och klicka sedan på Objekt > urklippsmask > Gör i menyn för att fylla formen med bilden.
- Upprepa för utvalda växtplanktonbilder och fördela över de tre decennierna så att de ser ut som ett förstoringsglas som zoomar in på de illustrativa växtplanktonen (figur 1D).
OBS: Steg 1.3 till 1.8 kan upprepas för att lägga till konstnärliga element av båtar och fåglar till panelerna för att få chl a säsongscykler att se ut som havsvågor. - Använd "Rektangelverktyget" i verktygsfältet för att skapa en textruta på var och en av årtiondets ritytor.
- Använd textverktyget (T) för att klicka och skriva informationstext om varje decennium. Lägg till text högst upp i varje decennium med namnet på decenniet och lägg till namnen på motsvarande säsonger längst ner i var och en av de tre panelerna.
- Spara arbetsytan i illustrator.
5. Produktion av väggmålningar
- Importera den sparade illustrator-filen och välj att endast importera de tre avslutade decennierna. Markera alla och exportera som en .PDF fil.
- Öppna planktonmönstret .PDF fil med en storformatsplotter för att skala de tre decennieartytorna till 96 tum gånger 34 tum paneler.
- Skriv ut panelerna på Heavyweight Matter-papper och installera med upphängningsbeslag.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Resultaten visar att växtplanktonbiomassan minskade från 1970-talet till 1990-talet till 2010-talet (figur 1). Alla årtionden uppvisade en bimodal topp i klorofyll a (chl a) koncentration med den första toppen på vintern och den andra på sommaren. Under 1970-talet var genomsnittet högre på vintern än på sommaren. Omvänt visade 1990-talet lägre chl a på vintern än på sommaren. Under 2010-talet återgick man till en högre genomsnittlig koncentration av chl a på vintern än på sommaren. Dessa resultat återspeglas i slutprodukten genom olika toppar i panelerna samt med textrutorna tillagda för att betona olika komponenter i chl a-datauppsättningen (figur 2).
Analyser av ekologiskt relevanta växtplanktontaxa från Narragansett Bay avslöjade en stor variation i förekomst över tid. Denna variation dolde ofta statistiskt signifikanta skillnader i taxa mellan de tre decennierna, även om HAB-taxa, Dinophysis spp. och Tripos spp. (tidigare kallad Ceratium) minskade (tabell 1). Däremot ökade Thalassiosira nordenskioeldii och Skeletonema spp. (tabell 1). Andra taxa som oscillerade i mängd, t.ex. Eucampia zodiacus (tabell 1). Dessa resultat illustrerades i slutprodukten av den ökade förekomsten av fler E. zodiacus-bilder under 2010-talet jämfört med 1970- och 1990-talen, samt en överlagrad mikroskopisk bild av E. zodiacus för att föra den faktiska arten till "verkligt" för publiken (Figur 2 och 3).
| Taxa namn | Typ | 1970-79 Medelvärde ± SD (celler L-1) | 1990-99 Medelvärde ± SD (celler L-1) | 2010-19 Medelvärde ± SD (celler L-1) | p-värde |
| Pseudo-nitzschia spp. | Kiselalg | 3701 ± 18235 | 5123 ± 24396 | 12919 ± 58632 | > 0,05 |
| Thalassionema nitzschioides | Kiselalg | 81797 ± 245710 | 22909 ± 59246 | 62656 ± 292940 | > 0,05 |
| Tripos spp. | Dinoflagellat | 1933 ± 703 | 500 ± 706 | 841 ± 353 | < 0,001 |
| Eucampia zodiacus | Kiselalg | 27266 ± 27675 | 7500 ± 2121 | 90764 ± 181415 | > 0,05 |
| Thalassiosira nordenskioeldii | Kiselalg | 76800 ± 150545 | 27000 ± 28284 | 362411 ± 376064 | 0.008 |
| Odontella aurita | Kiselalg | 5571 ± 8541 | 5000 ± 2645 | 17750 ± 23485 | > 0,05 |
| Chaetoceros diadema | Kiselalg | 103027 ± 239802 | 18000 ± 0 | 40402 ± 46128 | > 0,05 |
| Skeletonema spp. | Kiselalg | 2457847 ± 7814228 | 1884674 ± 4888589 | 1349184 ± 3732765 | 0.003 |
| Dinophysis spp. | Dinoflagellat | 5166 ± 8983 | 1978 ± 1840 | 2331 ± 2504 | < 0,001 |
Tabell 1: Antal växtplankton. Medelvärde (celler L-1) och standardavvikelse för växtplanktonkoncentrationerna för varje taxa för varje decennium. Typ anger om växtplanktonet klassificeras som en kiselalg eller dinoflagellat. ANOVA eller t-test utfördes för att testa för statistiskt signifikanta skillnader i genomsnittlig abundans mellan de tre decennierna (ANOVA) eller två (t-test) när låg urvalsstorlek förekom på 1990-talet (dvs. Tripos spp., Eucampia zodiacus, Thalassiosira nordenskioeldii, Odontella aurita och Chaetoceros diadema). Signifikanta p-värden bestämda vid α = 0,05 och angivna i fetstil.
Figur 1: Schematisk beskrivning av metoden. A) Konvertera mikroskopisk bild till en vektorillustrativt grafik, B) Skapa repetitivt mönster för varje decennium (1970-talet, 1990-talet, 2010-talet), C) Använd decennieklorofyll a-data för att informera former av mönster. Fyll bakgrunden med blått till rött färgschema för att representera ökande vattentemperatur, och D) Slutför produkten genom att lägga till text för att informera distinkta egenskaper i mönster och mikroskopiska bilder av fytoplankton som används för att skapa illustrativ grafik. Klicka här för att se en större version av denna figur.
Bild 2: Slutförd visualisering. Färdigställd visualisering av växtplankton gjord i illustratören. Taxa inkluderar Thalassiosira nordenskioeldii, Thalassionema nitzschioides, Tripos spp., Odontella aurita, Skeletonema species complex, Chaetoceros diadema, Eucampia zodiacus, Dinophysis spp. och Pseudo-nitzschia spp. Klicka här för att se en större version av denna figur.
Figur 3: Färdigt konstverk. Färdigställd visualisering av växtplankton gjord i illustratören tillsammans med tryckt version för A) 1970-talet, B) 1990-talet och C) 2010-talet. Klicka här för att se en större version av denna figur.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Kritiska steg i protokollet är bland annat att ta mikroskopiska bilder av växtplankton och omvandla dem till vektorgrafik. Att göra bilderna av fytoplankton, som inte är märkbara för blotta ögat, tillräckligt stora för att kunna ses utan förstoringsglas på väggmålningen, hjälper till att väcka dem till liv för betraktaren. För att denna väggmålning inte bara ska bli ett konstverk utan också en datavisualiseringsmetod är det viktigt att införliva observerade data i projektet. När det gäller växtplanktonväggmålningen representerar klorofyll a (chl a) årscykler som beräknades per decennium de faktiska uppgifterna och visar hur chl a minskade med decennium på de olika panelerna. För växtplanktonförekomst varierade de genomsnittliga koncentrationerna av vissa taxa mellan årtiondena, därför skulle en högre förekomst av en taxa som observerats under ett visst decennium få mer grafik av den taxa kopierad till decenniepanelen jämfört med en annan panel med lägre genomsnittlig abundans. Att använda observerade data för att informera de konstnärliga elementen, såsom en färggradient från blått till rött för att representera temperaturökningar, hjälper också till att visualisera dessa vetenskapliga data.
Modifieringar av metoden kan innefatta att erhålla mikroskopiska bilder av växtplankton från öppna bildarkiv samt att använda andra fytoplanktonavbildningssystem för fotografiska bilder förutom ett mikroskop (t.ex. Imaging Flow-Cytobot). Vidare skulle mikroskopiska bilder och vetenskapliga data kunna inkludera dagliga fytoplanktonräkningar och bilder, snarare än årtionden, för kortare tidsseriedata, samt djurplanktonbilder för att avslöja födovävsinteraktioner. Slutligen kan medeltemperaturer som registrerats för varje decennium inkluderas på panelerna för att kvantifiera temperaturförändringar, eller en trendlinje ritad nära botten av panelerna, utöver de illustrativa förändringarna som visas genom gradientbakgrunden. Begränsningar inkluderar felsökning av dessa vetenskapliga data för att skala inom gränserna för det fysiska konstverket samt att skaffa instrumentering för utskrift på stora paneler. Det är också viktigt att se till att bakgrundsfärgen är tillräckligt transparent för att tydligt avslöja förändringarna i mängden växtplankton över tid, vilket kan vara svårt att urskilja förrän det är tryckt. Slutligen är Adobe Illustrator en proprietär programvara som kan begränsa tillgängligheten för vissa användare, men det finns gratis illustrationsprogram (t.ex. Inkscape, GIMP, Vectr, Vectornator). Att anpassa protokollet för att producera växtplanktonmålningarna på dessa fria program representerar ett användbart framtida arbete för att öka tillgängligheten.
Med tanke på att växtplankton utgör basen i näringsväven i nästan alla marina system är det viktigt att kommunicera deras betydelse. De flesta studier inom växtplanktonekologi presenterar dock endast resultat i form av datagrafer, vilket minskar deras tillgänglighet för allmänheten. Protokollet som presenteras här för att utveckla väggmålningen av växtplankton visar effekten av att visualisera vetenskapliga data genom en konstnärlig lins17. Genom analys av denna väggmålning kan betraktaren se att växtplanktonbiomassan har minskat i Narragansett Bay (NBay) sedan 1970-talet. Denna nedgång sker under en period då det har skett långsiktiga ökningar av havsvattentemperaturen i NBay13. Liknande förändringar i planktonsamhällen (dvs. djurplankton) med varmare havsvattentemperaturer observerades också i San Francisco Bay Estuary, som, liksom NBay, försörjer en stor mänsklig population18,19. Detta tillvägagångssätt representerar en visualiseringsmetod som kan användas för många andra planktontidsserier, som San Francisco Bay Estuary, över hela världen.
Vid en första anblick förändras panelernas form och färg med tiden. Om man tittar närmare på panelerna ser man att växtplanktonmönstren återspeglar förändringar i olika taxas förekomst och biomassa. Det är här konstens och vetenskapens världar kolliderar genom att de vetenskapliga mönstren är de bokstavliga mönstren som visas på väggmålningen. Det är uppenbart att det finns mycket mer i NBay än vad som visas på vattenytan genom att visualisera växtplanktondata genom konst.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna har inga intressekonflikter att redovisa.
Acknowledgments
Denna forskning stöddes av National Science Foundation (OIA-1655221, OCE-1655686) och Rhode Island Sea Grant (NA22-OAR4170123, RISG22-R/2223-95-5-U). Vi tackar de många kaptenerna för att de har hjälpt till på fältet och de många studenter och forskare som samlat in data sedan 1970. Vi tackar Stewart Copeland och Georgia Rhodes för att ha utvecklat Vis-A-Thon-projektet som producerade planktonväggmålningen samt Rafael Attias från Rhode Island School of Design för hans konstnärliga vägledning under projektutvecklingen.
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 |
References
- Cloern, J. E., Jassby, A. D. Complex seasonal patterns of primary producers at the land-sea interface. Ecology Letters. 11 (12), 1294-1303 (2008).
- Cloern, J. E., Jassby, A. D. Patterns and Scales of Phytoplankton Variability in Estuarine-Coastal Ecosystems. Estuaries and Coasts. 33 (2), 230-241 (2010).
- Hays, G. C., Richardson, A. J., Robinson, C. Climate change and marine plankton. Trends in Ecology & Evolution. 20 (6), 337-344 (2005).
- 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).
- 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).
- Hunter-Cevera, K. R., et al. Physiological and ecological drivers of early spring blooms of a coastal phytoplankter. Science. 354 (6310), 326-329 (2016).
- 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).
- 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).
- Wolanski, E., Spagnol, S., Gentien, P., Spaulding, M., Prandle, D.
- 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).
- Oviatt, C. A. The changing ecology of temperate coastal waters during a warming trend. Estuaries. 27 (6), 895-904 (2004).
- 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).
- 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).
- Trainer, V. L., et al. Pseudo-nitzschia physiological ecology, phylogeny, toxicity, monitoring and impacts on ecosystem health. Harmful Algae. 14, 271-300 (2012).
- 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).
- 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).
- Li, Qi Data visualization as creative art practice. Visual Communication. 17 (3), 299-2222312 (2018).
- 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).
- Bashevkin, S. M., et al. Five decades (1972-2020) of zooplankton monitoring in the upper San Francisco Estuary. PLOS ONE. 17 (3), e0265402 (2022).
