Method Article

Reefshape: Bentik Habitat İzleme için Zaman Serisi Sualtı Fotogrametri Verilerinin Verimli Bir Şekilde Toplanması ve Otomatik İşlenmesi için Bir Sistem

DOI:

10.3791/67343

⸱

June 13th, 2025

 ,  ,  , 
1Perry Institute for Marine Science, 2School of Life Sciences, Arizona State University, 3Center for Global Discovery and Conservation Science, Arizona State University, 4School of Ocean Futures, Arizona State University, 5School of Earth and Space Exploration, Arizona State University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Burada, ekolojik veri çıkarma, analiz ve uygulama için hazır coğrafi referanslı ve zaman serisi hizalı çıktılarla sonuçlanan, önemli ölçüde basitleştirilmiş ve tam otomatik bir görüntü işleme boru hattı da dahil olmak üzere, su altı fotogrametri verilerinin toplanması ve işlenmesi için bir protokol sunulmaktadır.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Hareketten yapı fotogrametrisi yoluyla geniş alan görüntüleme (LAI), mercan resifi ekosistemleri için bir izleme aracı olarak önemli bir çekiş kazanmıştır ve bentik bir bileşim, yapısal karmaşıklık ve diğer metrikler hakkında veri toplamak için ex situ analiz edilebilen bir resif bölümünün dijital bir modelinin oluşturulmasına olanak sağlamıştır. Çeşitli yaklaşımlar kullanılmış olsa da, veri toplama ve bilgisayar işlemeye yönelik sistematik bir yaklaşım birçok araştırmacı için bir ihtiyaç olmaya devam etmektedir. Bunu ele almak için, su altı görüntü toplama, coğrafi referanslama, veri işleme ve zaman serisi hizalama için basit ve kapsamlı bir iş akışı olan ReefShape'i geliştirdik. Deneyimlerimize dayalı olarak özel kamera sistemi önerileri ve görüntü elde etme talimatları sağlanmaktadır. Zaman serisi veri kümelerinin otomatik olarak hizalanmasını kolaylaştıran alt tabakaya sabitlenmiş kalıcı yer kontrol işaretleyicilerini kullanarak gerçek dünya coğrafi referanslamasını dahil etme süreci açıklanmaktadır. Veri işleme iş akışını otomatikleştirmek, normalde zaman alıcı ve karmaşık süreci düzene sokmak ve önemli ölçüde basitleştirmek için bir dizi işleme komut dosyası geliştirilmiştir. Senaryolu yaklaşımımız, mercan resifi araştırmacıları üzerindeki veri işleme yükünü azaltmayı, fotogrametri boru hattının verimliliğini artırmayı ve verileri yaygın CBS ve mercan resifi görüntü segmentasyon programlarında kullanılmak üzere analize hazır formatlarda dışa aktarmayı amaçlamaktadır. Burada açıklanan yöntemler, fotogrametriyi bir resif izleme aracı olarak entegre etmek için kapsamlı bir çözüm sunarken, esnekliği korur ve yürütülecek belirli analizleri araştırmacıya bırakır.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Mercan resifleri, küresel olarak en biyolojik çeşitliliğe sahip ve ekonomik açıdan en önemli ekosistemlerden biridir ve iklim değişikliği, hastalık, aşırı avlanma ve diğer stres faktörlerinden kaynaklanan benzeri görülmemiş zorluklarla karşı karşıyadır 1,2,3. Mercan resifi ekosistemlerinin izlenmesi, genellikle uzak konumları ve su altı araştırmalarıyla ilgili doğal zorlukları nedeniyle benzersiz bir şekilde zordur; Bu nedenle, resifler tarihsel olarak yeterince incelenmemiştir4. Mercan resiflerini mikrobiyal5'ten takımadalara6'ya ve küresel7'ye kadar değişen çoklu mekansal ölçeklerde etkili bir şekilde izlemek, düşüşlerini anlamanın yanı sıra müdahale çabalarını planlamak, izlemek ve değerlendirmek için çok önemlidir8. Mercan resifi benthoslarının durumunu onlarca ila yüzlerce metrekare ölçeğinde izlemek için popüler hale gelen bir araç, birbirine dikilmiş üst üste binen su altı fotoğraflarından oluşan yüksek çözünürlüklü haritalara atıfta bulunan bir terim olan fotomozaik görüntülemedir9. Bu mozaikler, araştırmacıların tek bir fotoğrafta yakalanabilecek olandan daha büyük bir resif alanını görüntülemelerine olanak tanır, bu nedenle geniş alan görüntüleme (LAI)10 terimi kullanılır. Mozaikler daha sonra mercan örtüsü yüzdesi, koloni büyüklüğü, tür dağılımı ve bentik bileşim gibi ilgili ekolojik bilgileri çıkarmak için analiz edilebilir11. Bilgi işlemdeki gelişmeler ve kullanıma hazır yazılımların kullanılabilirliği artık bu işlemin hareketten yapı (SfM) fotogrametrisi kullanılarak tamamlanmasına izin veriyor. SfM, fotoğrafların ve bağlantı noktalarının üç boyutlu oryantasyonunu yeniden oluşturmak için kullanılan eşleşen noktalar için fotoğrafların analiz edilmesini içerir ve doğru bir sanal resif kopyasınınoluşturulmasını sağlar 12,13,14. SfM / LAI araştırmaları, mercan resifi araştırmalarında yaygın hale geldi ve mercan topluluğu ekolojisi10, habitat karmaşıklığı 15,16, mercan topluluğunun ağartma olaylarınatepkileri 17,18, kasırgalar19 ve mercan restorasyonu20 hakkında yeni bilgiler sağladı.

Mercan resiflerinin izlenmesi için LAI'yi kullanmak için çeşitli yaklaşımlar geliştirilmiştir 21,22,23,24 ve bu da teknolojiden yararlanmak isteyen uygulayıcılar için çok çeşitli seçeneklerle sonuçlanmıştır. Bununla birlikte, LAI'nin mercan resifi araştırmalarında etkili kullanımı karmaşıktır ve önemli bir öğrenme çabası gerektirir. SCUBA dalışı, su altı navigasyonu, su altı fotoğrafçılığı, yazılım kullanımı, veri iyileştirme ve yönetim konularında yeterlilik esastır. Ek olarak, ekoloji uzmanlığı, veri ürünlerini etkili bir şekilde analiz etmek ve yorumlamak için esastır. Mevcut iş akışları, doğru ve tekrarlanabilir veri toplama için gerekli olan tüm adımlar olan zaman serisi protokolleri, meta veri toplama (ör. ölçeklendirme, derinlik ve konum) veya saha gezisi sonrası veri işleme için yeterli rehberlik sağlamadan öncelikle görüntü alımına odaklanma eğilimindedir. Pahalı kamera sistemleri ve bilgisayar kurulumları kullanıldığında LAI iş akışlarıyla ilişkili maliyetler de yüksek olma eğilimindedir. Araştırmacılar arasında kapsamlı, anlaşılır ve verimli bir metodolojiye güçlü bir ihtiyaç vardır ve bu da çok çeşitli mevcut ve gelecekteki araştırma sorularını yanıtlamak için yeterli kalitede verilerle sonuçlanır. Bunu, su altı LAI için işleme çabasını ve karmaşıklığını azaltan ve veri kalitesini artırırken maliyetleri en aza indiren sağlam ve verimli bir yaklaşım geliştirerek ele alıyoruz. Yeni yaklaşımımız, mercan resifi ekolojik çalışması ve analizi için yüksek kaliteli veri ürünleri sağlamak üzere görüntülerin hızlı bir şekilde alınmasına, otomatik olarak işlenmesine ve zaman serisi hizalamasına olanak tanır. Bu yaklaşımı uygulamanın toplam başlangıç maliyeti, kullanıcının fotogrametri yazılımı için eğitim fiyatlandırmasına erişip erişemediğine bağlı olarak yaklaşık 5.000 - 8.000 ABD Doları (kamera sistemi, malzemeler, özel bilgisayar ve yazılım dahil) arasındadır. Yöntemlerimizin uygulanması yoluyla, mercan resifi araştırmacılarına veri toplama ve işleme çabalarını optimize etmede yardımcı olmayı, kritik öneme sahip mercan resifi ekolojik verilerinin hızlı bir şekilde çıkarılmasını ve analiz edilmesini kolaylaştıran daha verimli iş akışlarını mümkün kılmayı amaçlıyoruz.

Burada açıklanan ve "ReefShape" olarak adlandırdığımız yöntemin üç ana yeni katkısı vardır: (1) veri kümelerinin otomatik coğrafi referanslamasını ve zaman serisi hizalamasını sağlamak için alt tabakaya sabitlenmiş yarı kalıcı yer kontrol işaretleyicilerinin kullanılması, (2) konum verilerinin toplanmasını ve biçimlendirilmesini kolaylaştırmak için özel bir uygulama tabanlı anketin kullanılması ve (3) fotogrametri boru hattını tamamen otomatikleştirmek için oluşturulmuş kapsamlı bir komut dosyası sürecinin uygulanması, diğer LAI protokollerindegüvenilen işleme aşamasında insan emeğini önemli ölçüde azaltmak 20,21,22,23. Bu diğer LAI protokolleri gibi, ReefShape de fotogrametrik işleme için Agisoft Metashape25'in (bundan böyle "fotogrametri programı" olarak anılacaktır) kullanımına dayanır ve ayrıca konum verilerinin toplanması için ücretsiz ESRI Survey12326akıllı telefon uygulamasını (bundan böyle "anket uygulaması" olarak anılacaktır) kullanır. Bu protokol, basit ama sağlam olacak, çok kameralı sistemler24 veya karmaşık jeodezik araştırmalar13 gerektirmeyecek şekilde tasarlanmıştır ve aynı zamanda tamamlanmış 3B modeller, fotomozaikler ve doğru geometri, ölçek ve konuma sahip dijital yükseklik modelleri olarak tanımlanan yüksek kaliteli veriler sunma hedefini karşılamaya devam eder; tür veya cins düzeyinde bentik organizmaları görsel olarak tanımlamak için yeterli çözünürlük ve keskinlik; önemli veri boşlukları veya delikleri yok; doğru renk; ve zaman serisi verileri söz konusu olduğunda, zaman noktaları arasında uygun hizalama. Burada açıklanan özel yaklaşım, bu hedeflere ulaşmak için veri toplamak ve işlemek için bir çerçeve sağlar.

Makine öğrenimindeki gelişmelerden yola çıkarak, fotomozaiklerden ekolojik verilerin daha hızlı ve daha doğru bir şekilde çıkarılması için yeni analiz araçlarının geliştirileceğini tahmin ediyoruz. Bu nedenle, çabalarımızı yüksek kaliteli su altı görüntülerinin toplanmasına ve fotogrametri boru hattının otomasyonuna odaklıyoruz ve belirli analizleri büyük ölçüde kendi farklı ihtiyaçlarına dayalı olarak bu protokolün kullanıcılarına bırakıyoruz. Mercan resifi araştırma topluluğuna geniş çapta uygulanabilir olması amaçlanan bu komut dosyası süreci, ortak CBS yazılımı ve mercan resifi ortomozaiklerinin hızlı bir şekilde açıklanması için amaca yönelik olarak oluşturulmuş bir uygulama olan TagLab için uyarlanmış çeşitli özelliklere sahip GeoTIFF'ler olarak biçimlendirilmiş veri ürünlerini dışa aktarma seçeneklerini içerir27.

Protokole genel bakış
ReefShape yöntemi iki ana aşamaya ayrılmıştır: yerinde veri toplama ve bilgisayarda veri işleme. Yöntem, ~25 m2 ila >1000 m2 ila derinlik ~1 m ila 30 m arasında değişen arsa boyutları için işlevseldir. 300-400m2'lik parsellerin Karayip resiflerindeki mercan çeşitliliğini etkili bir şekilde yakalamak için ideal olduğu gösterilmiştir28. Bununla birlikte, ~ 100 m2'den daha büyük arazilerin acemi sörveyörler için gezinmesinin zor olabileceği bulunmuştur. Bu nedenle, protokolde başlangıç noktası olarak 10 m x 10 m'lik bir çizim boyutu tanımlanmıştır, ancak kullanıcıları bu öneriyle kısıtlamak niyetinde değiliz. Bunun yerine, kullanıcıların arsa boyutlarını kendi deneyimlerine ve araştırma ihtiyaçlarına göre seçmeleri önerilir. Veri toplama süreci, seçilen herhangi bir arsa boyutu için etkili bir şekilde aynı kalır.

Bir çizim ilk oluşturulduğunda, sörveyör, her bir işaretleyicinin derinliğini ölçmek için bir dalış bilgisayarı kullanarak, kodlanmış fotogrametri hedeflerini (Şekil 1D) içeren dört benzersiz işaretleyici etiketini her köşedeki alt tabakaya (Şekil 2) kalıcı olarak sabitleyerek başlar. Kodlanmış ölçek çubukları (Şekil 1E) arsa içine geçici olarak yerleştirilir ve alt tabakaya bakan fotoğraflar, resifin 1,5 m - 2 m yukarısına yerleştirilmiş tek bir aynasız kamera ve geniş açılı doğrusal lens ile dalgıç tarafından toplanır, diğer yerleşik protokollere benzer şekilde çift çapraz "çim biçme makinesi" düzeninde yüzer 11,21,24,. Tüm süreç (ilk kurulum ve fotoğrafçılık dahil) tipik olarak tek bir dalışta tamamlanabilir, ancak daha derin veya daha büyük araziler için birden fazla dalış gerekebilir. Fotoğraftan sonra, sörveyör, bir yüzdürme cihazına (Şekil 1C) monte edilmiş bir Bluetooth GPS ünitesi ve anket uygulaması içindeki özel bir form kullanarak her köşe işaretçisinin üzerindeki yüzeyde GPS noktaları toplamak için bir akıllı telefon kullanır ve ardından referans verilerini önceden biçimlendirilmiş bir elektronik tabloda kullanıcıya e-posta ile gönderir. Sonraki arsa araştırmalarında, sörveyör referans verileri toplamaz veya işaretleyiciler kurmaz ve yalnızca mevcut köşe işaretleyicilerini bulup temizlemesi ve fotoğrafları toplaması gerekir, bu da zaman serisi veri toplama sürecini kolaylaştırır.

Veri işleme için, normalde birkaç noktada insan müdahalesi gerektiren bir süreç olan boru hattını otomatikleştirmek için fotogrametri programıyla arayüz oluşturan bir dizi özel Python komut dosyası geliştirilmiştir (Şekil 3). Otomatik boru hattının ana işlem adımları, bir bağlantı noktası bulutu oluşturmayı ve kamera konumlarını tahmin etmeyi, resifin bir 3B ağ modelini oluşturmayı, bir 2.5B dijital yükseklik modeli (DEM) oluşturmayı, 2B ortorektifiye edilmiş bir fotomozaik oluşturmayı ve dört köşe işaretçisi tarafından sınırlanan bir ilgi alanı (ROI) tanımlamayı içerir (Şekil 4). Bu iş akışında kullanıcı, diğer iş akışlarında olduğu gibi referans verilerini manuel olarak eklemeden ve veri ürünleri oluşturmadan önce çok sayıda adımdan geçmek zorunda kalmak yerine, işlemenin başlangıcında fotoğrafları ve referans verilerini bir grafik arayüze (Ek Şekil 1) girer 21,22,23,24. Zaman serisi işleme için kalıcı köşe işaretçileri, zaman noktalarının otomatik olarak hizalanmasını kolaylaştırarak manuel hizalama ihtiyacını ortadan kaldırır. Standartlaştırılmış, komut dosyası oluşturulmuş bir iş akışının kullanılması, veri tutarlılığının sağlanmasına yardımcı olur ve özellikle çok sayıda zaman noktası olan projelerde işleme sırasında önemli ölçüde insan çabasından tasarruf sağlar. Resif yapısal karmaşıklığını değerlendirmek için önemli bir metrik olan 3B yüzey alanı / düzlemsel alan oranının hesaplanması da dahil olmak üzere çeşitli işleme görevlerini otomatikleştirmek için bir dizi bağımsız komut dosyası da dahil edilmiştir19,29.

figure-introduction-1
Şekil 1: Bu protokolün veri toplama kısmı için gerekli temel malzemeler. (A) geniş açılı doğrusal lensli aynasız kamera, (B) kamerayı/lensi sığdırmak için kubbe bağlantı noktasına sahip su altı muhafazası, (C) Bluetooth GPS kickboard cihazı, (D) kalıcı arsa zemin kontrolü ve coğrafi referanslama için otomatik olarak algılanabilen kodlanmış köşe işaretleri ve (E) model boyutunu ayarlamak için kullanılan kodlanmış ölçek çubukları. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

NOT: Ekipman hazırlama adımları için Ek Dosya 1, Bölüm 1 ve 2'ye bakın.

1. Arsa kurulumu

  1. Köşe işaretleyicilerinin takılması (yalnızca ilk zaman noktası için)
    1. Bir alanda uygun bir çizim seçin. Süreç boyunca güvenliğe öncelik verildiğinden emin olun. Bu protokol için 10 m x 10 m'lik bir çizim tanımlanmıştır.
      NOT: Protokol, tek bir araştırmacı veya arkadaş çifti tarafından yürütülebilir ve araştırma ihtiyaçlarına bağlı olarak çoğu arsa boyutuna uyarlanabilir.
    2. Çizim seçildikten sonra, SCUBA'dayken dört köşe işaretçisini kurun. 1-4 köşe işaretleyicilerini (Şekil 1D) bir çekiç ve 4 çivi kullanarak arsanın köşelerinde sırayla alt tabakaya sabitleyin, alt tabakayı kırmamaya veya hassas canlı mercanlara zarar vermemeye dikkat edin. İşaretleyicileri yerleştirmek için uygun yerler bulun (örneğin, doğrudan yukarıdan kolayca görülebilen ve hasar görmesi veya hızlı bir şekilde biyolojik olarak aşınması muhtemel olmayan, cansız alt tabakanın nispeten düz alanları).
    3. Tutarlılık ve çizim navigasyonuna ve yer değiştirmesine yardımcı olmak için, çizim işaretleyicilerini saat yönünde kurun. Gerekirse bir mezura ve pusula kullanarak işaret 1'i NE köşesine, işaret 2'yi SE köşesine, işaret 3'ü SW köşesine ve işaret 4'ü NW köşesine takın.
      NOT: Şekil 2A , düzgün bir şekilde kurulmuş bir işaretleyiciyi gösterir ve Şekil 2D , tüm işaretler kare bir desende ~10 m aralıklarla yerleştirilmiş olarak çizim düzenine genel bir bakış gösterir.
    4. İşaretleyici derinliklerini kaydedin. Bir dalış bilgisayarı veya başka bir derinlik ölçer kullanarak, dört köşe işaretleyicisinin her birinin derinliğini bir dalış tahtasına en yakın 10 cm'ye kadar kaydedin.
    5. İsteğe bağlı olarak, kalıcı işaretleyici kurulumuna izin verilmediği veya uygulanabilir olduğu durumlarda, geçici köşe işaretleri (bkz. Ek Dosya 1, Bölüm 3) bunun yerine çizim köşelerindeki alt tabakaya yerleştirilebilir. Bu belirteçler daha sonra alınabilir.
  2. Ölçek çubuğu yerleşimi (tüm zaman noktaları)
    1. Köşe işaretleri yerleştirildikten sonra, fotoğraf sırasında hareket etmelerini önlemek için her bir ölçek çubuğunu tartmak için bir dalış ağırlığı veya küçük bir kaya kullanarak arsa içindeki sabit konumlara 3-5 ölçek çubuğu (Ek Dosya 1, Bölüm 1'e bakın) yerleştirin. Kamera beyaz dengelemesi için gri kart kullanılmadığı sürece (bkz. adım 2.1.2), en az bir ölçek çubuğunun grafiğin medyan derinliğine yakın olduğundan emin olun.
      NOT: Ölçek çubukları yukarıdan görünür olmalı, mercanlar gibi önemli nesneleri örtmemeli ve işaretçiler arasındaki ölçülen uzunluğun kısalması için esnetilememelidir/bükülemez.

2. Görüntü edinme

NOT: Yüksek kaliteli veriler sağlamak için kritik öneme sahip olduğundan, kamera ayarlarının doğru şekilde yapılandırılmasına özellikle dikkat edilmelidir. Bu protokol için geniş açılı lense sahip aynasız bir kamera önerilir. Önemli kamera ayarları ve sistem önerileri için Tablo 1 ve Ek Dosya 1, Bölüm 4'e bakın. Bir su altı muhafazası ve lensle eşleşen bir kubbe bağlantı noktası ile eşleştirin. Amaç keskin görüntüleri korumaktır.

Kamera AyarıTavsiye
Görüntüleme ModuEl ile
AçıklıkF8, F5.6 eğer çizim >15m derinlikte veya düşük ışıkta ise
Deklanşör HızıDüşük ışıkta 1/500s, 1/320s veya sıfır dalgalanma
ISOOtomatik
Beyaz DengesiÖzel (medyan derinlikte beyaz noktaya ayarlanmış)
Görüntü SabitlemeAçık (varsa)
Görüntü FormatıJPEG + RAW
Ara1s
Otomatik odaklamaAF-S (sekansın ilk karesine odaklanır)
Deklanşör TipiMekanik veya EFCS (sessiz veya elektronik değil)
Pozlama Yumuşatma/AE İzleme HassasiyetiKapalı / Yüksek

Tablo 1: Sualtı fotogrametrisi için görüntü toplarken veri kalitesini en üst düzeye çıkarmak için gerekli önemli kamera ayarları. Bu ayarlar çoğu aynasız veya DSLR fotoğraf makinesi için geçerlidir, ancak malzeme tablosunda önerilen özel kuruluma göre uyarlanmıştır.

  1. Resifi görüntüleme (tüm zaman noktaları)
    1. Uygun su altı işlevini ve su geçirmezliği sağlamak için kamera sistemini ve muhafazayı üreticinin tavsiyelerine ve standart su altı fotoğrafçılığı uygulamalarına göre monte edin. Her kare için doğru pozlamayı elde etmek için fotoğraf makinesinin manuel pozlama modunda (M), diyaframın f/8 olarak ayarlandığından, deklanşörhızının saniyenin 1/500'ü olduğundan ve ISO'nun otomatik moda ayarlandığından emin olun. Ayrıntılı ayarlar için Tablo 1'e bakın.
      NOT: Daha karanlık ve daha derin koşullarda, ışık miktarını artırmak ve görüntü parazitini azaltmak için 5,6 diyafram açıklığı ve 1/320 s'lik bir enstantane hızı kullanılabilir.
    2. Grafiğin orta derinliğinde gri bir kart veya ölçek çubuğu kullanarak, beyaz referans noktasını gölgelememeye dikkat ederek, kamera gri karta veya ölçek çubuğunun beyaz kısmına aşağı bakacak şekilde özel bir beyaz dengesi ayarlayın. Görüntü toplamaya başlamadan hemen önce bunu tamamlayın.
    3. Grafiğin bir köşesine gidin ve kamerayı alt tabakanın 1.5-2 m yukarısına, aşağı bakacak şekilde konumlandırın (Şekil 2C). Kamerayı resife otomatik olarak odaklayın ve fotoğrafları 1 kare/sn'de toplamak için aralığa başlayın.
    4. İlk fotoğraf geçişini toplayarak bitişik bir arsa köşesine doğru rahat bir hızda yüzmeye başlayın. 180° dönün ve ilk geçişten yaklaşık 1 m aralıkla, sürekli olarak alt tabakanın 1,5-2 m üzerinde ikinci bir fotoğraf geçişi toplayın. Çevre çevresinde en az 0.5 m'lik bir tampon da dahil olmak üzere tüm arsa üzerinde çim biçme makinesi benzeri bir desende antiparalel geçişleri tamamlamak için tekrarlayın (Şekil 2D, set 1). Fotoğraf kapsamındaki boşluklardan kaçının ve tüm ölçek çubuklarının ve köşe işaretleyicilerinin fotoğraflara dahil edildiğinden emin olun.
      NOT: Navigasyon, sörveyör tarafından, tipik olarak SCUBA (veya 2 m'<


figure-protocol-1


figure-protocol-2













figure-protocol-3

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bahamalar, New Providence'ın güneybatı ucundaki Simms Point Reef'te bu metodoloji kullanılarak bir zaman serisi LAI veri seti toplandı. Şekil 4, Şekil 5, Şekil 6 ve Ek Şekil 4'ün tümü bu deneyin sonuçlarını göstermektedir. Referans ağı kuruldu ve ilk görüntüler Ocak 2023'te toplandı. Mercan ağarmasının ciddiyetini değerlendirmek için Ağustos 2023'te şiddetli bir deniz ısı dalgası sırasında yeniden fotoğraflandı. Her iki zaman noktası da tam ReefShape iş akışı komut dosyası kullanılarak işlendi ve ara adımlarda kullanıcı müdahalesi gerekmedi. Birinci zaman noktası, alt tabakanın üzerinde ortalama 1,8 m yüzme yüksekliği, 0,567 mm/px (0,5 mm/px olarak standartlaştırılmış), toplam 208m2 kapsama alanı (köşe işaretçileri içindeki alanla ölçüldüğü gibi), 2,887 3D/2D yüzey alanı oranı, tümü başarıyla hizalanmış 1.299 görüntü içeriyordu. 1,12 piksellik bir yeniden projeksiyon hatası, 30,6 cm'lik toplam dahili coğrafi konum doğruluğu ve 1,4 mm'lik ölçeklendirme hatası. Tüm süreç, Full ReefShape komut dosyası içindeki varsayılan ayarlarda, 6 çekirdekli CPU, 32 GB RAM ve 8 GB ayrı GPU'ya (toplam maliyet ~ 1.500 ABD Doları) sahip yaklaşık 2018 masaüstü bilgisayar kullanılarak 8 saat 23 dakika sürdü. 14 çekirdekli CPU, 64 GB RAM ve 24 GB ayrı GPU'ya (toplam maliyet ~ 4.000 ABD Doları) sahip 2024 masaüstü bilgisayar, aynı grafiği toplam 1 saat 58 dakikada işledi. 1.974 / 1.974 hizalanmış görüntü içeren ikinci zaman noktası, eski 2018 masaüstünde 7 saat 45 dakika sürdü.

TagLab27'de tamamlanan iki zaman noktasının ve temel mercan ağartma analizinin yakınlaştırılmış bir bölümü Şekil 5'te

figure-results-1

figure-results-2


Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu protokol, mercan resifi habitatları için su altı fotogrametrisindeki bazı temel zorlukları ele almak için tasarlanmıştır, bunlar arasında görüntü kalitesi ve edinme sırasında örtüşme, modellerin ve haritaların ölçeklendirilmesi, seviyelendirilmesi, coğrafi konum belirleme ve zaman serisi hizalaması için meta veri toplama, fotogrametri işleme boru hattı sırasında insan karar verme ve analiz için verilerin hazırlanması ve dışa aktarılması yer almaktadır. Dikkatli bir şekilde seçilmesi, test edilmesi ve bir kamera sistemi ve önemli ayarların önerilmesi ile ilk zorluğu ele alıyoruz. Birçok sistem görüntü elde etmek için çalışabilse de, hareketli kameraları (örneğin, GoPro veya benzeri) içeren kurulumların, deklanşör bozulması, manuel beyaz dengesinin olmaması ve 1 Hz'de RAW fotoğrafların toplanamaması nedeniyle yetersiz olduğunu ve bunların tümünün nihai görüntülerin kalitesini ve zaman serisi verilerini hassas bir şekilde hizalama yeteneğini sınırladığını görüyoruz. Çoklu kamera DLSR kurulumları, çalışma grafiği24'ün daha iyi görüntü kapsamını kolaylaştırabilir, ancak bu kurulumlar pahalıdır ve su altında daha hantaldır. Bunun yerine, mekanik deklanşöre, özel beyaz dengelemeye, RAW ve JPEG fotoğrafları toplama yeteneğine, düşük gürültü seviyelerine sahip modern bir APS-C görüntü sensörüne ve geniş açılı lense (~ 100 ° görüş alanı) ve keskin görüntüler veren kubbe bağlantı noktası kombinasyonuna sahip, nispeten ucuz (~ 2.800 ABD Doları toplam maliyet) tek bir aynasız kamera sistemi seçiyoruz. Görüntü kapsamını ve örtüşmeyi artırmak için geniş bir lens seçilmiştir, bu da dikey ve çıkıntılı yüzeylerin 3D işlemesini iyileştirir ve olası model deliklerini azaltır. 1 sn aralık ve tek bir kamera kullanmak, ayrıntıları veya model kalitesini kaybetmeden diğer yöntemlere göre toplam görüntü sayısını azaltır ve işlemeyi hızlandırır. Son olarak, RAW görüntüler, JPEG görüntülere dayanan mevcut görüntü işleme hattının işlevi için hemen kritik öneme sahip olmasa da, daha yüksek kaliteli renk bilgileri içerdiğinden RAW görüntülerin arşivleme amaçları için gerekli olduğunu düşünüyoruz. Beyaz dengesi, görüntü işleme yazılımında toplandıktan sonra ayarlanabilir ve daha yüksek kaliteli renk bilgileri gelecekte SeaThru30 veya DeepSeeColor31 gibi bir renk düzeltme algoritmasına beslenebilir ve daha tutarlı renkler ve mercan pigmentasyonu ve ağartma gibi olayların ayrıntılı çalışması için fotogrametri hattına entegre edilebilir.

İkinci önemli zorluk, 3B coğrafi konum, ölçeklendirme ve zaman serisi hizalamasıdır. Pek çok analiz için gerçek dünya koordinatları gerekli olmasa da, ortorektifikasyon süreci ve doğru ölçümler için modellerin doğru bir şekilde ölçeklendirilmesi ve seviyelendirilmesi gerekir32,33. Bu işlemin, tespit edilebilir kodlanmış hedefler kullanılmadan veya derinlik ölçümleri ve bir XY koordinat sistemi olmadan fotogrametri yazılımı içinde otomatikleştirilmesi zordur. Çoğu protokol, referans bilgilerinin Metashape'de veya daha sonra başka bir yazılımda manuel olarak dahil edilmesini gerektirir ve bu da iş akışına karmaşıklık ve verimsizlik ekler. Kodlanmış hedefleri, kullanıcı dostu bir coğrafi konum ve derinlik toplama sistemi ile birlikte, kesin olarak bilinen uzunluktaki ölçek çubuklarına ve kalıcı olarak sabitlenmiş köşe işaretlerine dahil ederek, yazılıma otomatik olarak bir koordinat sistemi tanımlamak, modeli bulmak, ölçeklendirmek ve seviyelendirmek için gerekli bilgileri sağlıyoruz. Yazılım, her ölçümün doğruluğunu belirleyerek, nihai konum çözümünü, önce teraziye, ardından derinliğe ve son olarak XY koordinatlarına öncelik verecek şekilde doğru bir şekilde ağırlıklandırır ve nispeten düşük doğruluklu GNSS verileriyle bile son derece hassas ölçeklendirme ve seviyelendirmeye olanak tanır. Zaman serisi fotomozaiklerin ortak kaydı, tipik olarak resif üzerindeki tutarlı noktaları bulmak, işaretlemek ve eşleştirmek için insan müdahalesi gerektirir; Bu süreç, zaman noktaları arasında açıkça statik özellikler yoksa çok zaman alıcı ve zorlayıcıdır. Dayanıklı yer kontrol noktası işaretleyicilerinin kullanılması, otomatik olarak algılanabilen 4 statik hedeften oluşan bir set sağlayarak bu sorunu hafifletir. Komut dosyası oluşturma sürecimizle, sonraki zaman noktaları, önceki bir zaman noktasından kesin coğrafi referanslamayı devralır, hizalama sürecini önemli ölçüde basitleştirir ve insan girdisini azaltırken, resifteki ince ölçekli ekolojik ve yapısal değişikliklerin izlenmesine olanak tanıyan zaman noktalarının son derece hassas bir şekilde birlikte kaydedilmesini kolaylaştırır.

Bu protokol tarafından ele alınan üçüncü zorluk, hem insan müdahalesi hem de bilgisayar donanımı talepleri açısından fotogrametri iş akışındaki verimsizliklerdir. ReefShape komut dosyalarını, kullanıcının tüm süreç için gerekli tüm bilgileri tek bir GUI kutusuna girmesine izin verecek şekilde tasarladık ve sürecin önemli adımlarında tipik olarak ihtiyaç duyulan herhangi bir müdahaleyi ortadan kaldırdık (yani, ölçek, seviyelendirme ve coğrafi referans bilgilerinin dahil edilmesi). Bu, kullanıcının işlemi başlatmasına ve gerisini bilgisayara bırakmasına olanak tanıyarak zamandan ve emekten tasarruf sağlar. Full ReefShape İş Akışı komut dosyasında (Şekil 3 ve Şekil 4) kullanılan fotogrametri işlem hattı, verimli işleme sağlamak için optimize edilmiştir. İki aşamadan oluşan özel bir hizalama süreci kullanıyoruz. İlk hizalama geçişi, doğruluk kaybına yol açmadan görüntü hizalama süresini birkaç saat azaltabilen bir seçenek olan genel ön seçim etkinleştirilmiş olarak çalıştırılır34. Daha sonra ikinci bir aşama, kalan hizalanmamış fotoğrafları genel ön seçim kullanmadan önceden var olan hizalamaya eklemeye çalışır, bu da sığ sudaki dalga merceğinden kaynaklanan yetersiz örtüşme veya kostik bantların neden olduğu hizalama sorunlarını azaltabilir. Birlikte ele alındığında, bu adımlar, standart Metashape işleme prosedürlerinden çok daha fazla sayıda düzgün hizalanmış fotoğrafa yol açan verimli ve güçlü bir hizalama sürecini temsil eder. Yoğun nokta bulutu inşasının zaman ve kaynak yoğun sürecini atlayarak doğrudan derinlik haritalarından bir 3B ağ oluşturuyoruz. Bu şekilde oluşturulan ağlar, daha az gürültüye sahip olma ve düşük kapsama alanlarının daha iyi yeniden yapılandırılması eğilimindedir, bu da diğer yöntemlerde kullanıldığı gibi ağ oluşturmadan önce nokta bulutu temizleme ihtiyacını önler23. Deneyimlerimize göre, ağ oluşturma için bu süreç daha kararlı olma eğilimindedir ve yoğun nokta bulutu oluşturma ve ağ oluşturmadan daha az bilgisayar çökmesine yol açar. Son olarak, ağ yerine ortorektifikasyon yüzeyi olarak kullanılan yüksek çözünürlüklü bir DEM üretiyoruz, çünkü bu, ortomozaik yapım süresini kaliteden algılanabilir bir kayıp olmadan önemli ölçüde azaltıyor.

Son bir zorluk, ekolojik analiz için verilerin hazırlanması, standardizasyonu ve dışa aktarılmasıdır. Görüntü ürün çözünürlüğünü 0,5 mm/piksel olarak standartlaştırarak, çizimler ve zaman noktaları arasında tutarlı ve karşılaştırılabilir ürünler sağlıyor ve analiz için yapay zeka ve makine öğrenimini kullanmaya yönelik gelecekteki çabaları geliştiriyoruz. Tam ReefShape iş akışı komut dosyası, bir işleme raporunu ve veri ürünlerini GIS yazılımı ve TagLab27 için uygun formatta dışa aktarma seçenekleri sunarak, biçimlendirmeyi standartlaştırır ve bu adımın manuel olarak yapıldığı iş akışlarına göre zamandan ve emekten tasarruf sağlar. Birçok analiz için gerekli olan bir ilgi alanı (ROI) poligonu, bilinen köşe işaretleyici konumları kullanılarak otomatik olarak oluşturulur ve bentik bileşimi analiz etmek için çizim boyunca rastgele noktalar oluşturma ve tanımlama gibi CBS iş akışlarına dahil edilmek üzere standart bir şekil dosyası olarak dışa aktarılır. Bu yatırım getirisi, Şekil 5'te gösterildiği gibi zaman serisi analizi için gerekli olan TagLab için kırpılmış ve piksel hizalı çıktıları da mümkün kılar. ROI ayrıca, resif yapısal karmaşıklığını ve zaman içindeki değişimini ölçmek için önemli olan her zaman noktası için bir 3B yüzey alanı / düzlemsel alan oranının otomatik olarak hesaplanmasını sağlar (protokol adımı 5.2.8).

Bu protokol, su altı fotogrametrisi için verimlilik ve kullanılabilirlikte bir ilerlemeyi temsil etse de, sınırlamalar mevcuttur. En önemlisi, fotogrametri işlemi önemli adımlardan birinde başarısız olursa, devam etmeden önce sorunları gidermek ve düzeltmek için kullanıcı müdahalesi gerekir. Komut dosyası oluşturma sürecimiz, derinlemesine fotogrametri bilgisi olmayan araştırmacılar tarafından kullanılabilecek şekilde tasarlanmış olsa da, ortaya çıkan sorunları çözmek için temel bir anlayış önemlidir. Sürecin birkaç önemli kısmı sorunlara en yatkın olanıdır. İlk olarak, zayıf görüntü örtüşmesi veya sığ suda ve güneşli koşullarda alt tabaka üzerindeki ciddi kostik bantlar nedeniyle görüntüler hizalanmayabilir. Hizalama hatası, bağlantı noktası bulutu ve kamera konumları incelenerek tespit edilebilir. Kostik bantlar nedeniyle hizalama başarısız olursa, Genel Ön Seçim işaretlenmemişken tam ReefShape iş akışını yeniden çalıştırmak, genellikle sorunu önemli ölçüde daha uzun işlem süresi pahasına çözebilir. Yazılımın fotoğrafları hizalaması için görüntü örtüşmesi yetersizse, sitenin yeniden fotoğrafını çekmek muhtemelen en iyi çözümdür. Başarısız işaretçi algılaması da eşlemede hataya neden olabilir. Bu genellikle bir işaretleyicinin hasar görmesi veya yeterince temizlenmemesi durumunda ortaya çıkar. Bu durumda, işaretleyiciler Metashape içindeki tek tek fotoğraflara yerleştirilebilir ve manuel olarak adlandırılabilir ve ReefShape komut dosyaları, işlemeyi tamamlamak için yeniden çalıştırılabilir. Bazı durumlarda, GPS noktaları coğrafi olarak bozuk olacak kadar yanlışsa veya GPS noktaları yanlış hedeflere atanmışsa coğrafi referanslama başarısız olabilir. Bu, verileri uygun şekilde eşleştirmek için coğrafi referans CSV'sini manuel olarak düzenleyerek ve ardından komut dosyasını yeniden çalıştırarak çözülebilir. Son olarak, özellikle büyük bir arsaya veya daha yüksek kalite ayarlarına sahip daha az güçlü bir bilgisayar kullanırken yazılım çökmeleri mümkündür. Bunu öngörerek, komut dosyası oluşturma işlemimiz tamamlanan her adımdan sonra otomatik olarak kaydedilecek ve kullanıcının ilerlemeyi kaybetmeden yeniden başlatmasına ve ayarları değiştirmesine olanak tanıyacaktır. Daha fazla sorun giderme önerisi GitHub sayfamızda verilmiştir.

ReefShape'in birincil amacı, sualtı fotogrametrisinin bileşenlerini toplamayı ve işlemeyi basitleştirmek ve maliyetleri mümkün olduğunca azaltmaktır, böylece kullanıcılar ekolojik veri çıkarmaya daha fazla zaman ve çaba harcayabilirler. Ortak ekolojik analiz seçeneklerinin ihtiyaçlarını karşılamak üzere uyarlanmış yüksek kaliteli veri çıktılarını gerçekleştirmek için tasarlanmış eksiksiz bir süreç sunuyoruz. Açıklanan protokol son derece spesifik olsa da, işlemeye yönelik komut dosyası yaklaşımı esnektir ve yöntemin çizim boyutu, yüzme/fotoğraf toplama modeli, hedef çıktı çözünürlüğü ve sorunsuz kullanılan belirli kamera sistemi gibi yönlerinde yapılan değişiklikleri işleyebilir. Yöntem, gemi enkazlarının veya arkeolojik alanların belgelenmesi gibi çoğu su altı veya ince ölçekli karasal fotogrametri projesinde önemli bir değişiklik yapılmadan da uygulanabilir.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarların rekabet eden finansal çıkarları veya diğer çıkar çatışmaları yoktur.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ReefShape, bu yöntem için bir isim olarak kullandığımız, telif hakkı olmayan bir terimdir. CD ve WG tarafından tasarlanan proje, WG tarafından yöntem geliştirme, WG ve SM tarafından kodlama, WG tarafından yazılma, JL ve CD tarafından düzenleme ve gözden geçirme. Bu yöntemin geliştirilmesi boyunca geri bildirimleri ve destekleri için Perry Deniz Bilimleri Enstitüsü'ndeki tüm ekibe özel teşekkürler. Finansman Disney Koruma Fonu tarafından sağlandı. Bu materyal, Ulusal Bilim Vakfı Lisansüstü Araştırma Bursu tarafından 2233001 No'lu Hibe kapsamında desteklenen çalışmalara dayanmaktadır. Bahamalar Çevre Planlama ve Koruma Departmanı kapsamında toplanan veriler no. SRBS-0013-2021-CD, BS-2021-930119, BS-2022-281752, BS-2022-315006, BS-2023-661916, BS-2023-610959 ve BS-2023-211510.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
0,3 m uzunluk 1/2 "PVC borugenelGPS kiti için/A
1" PVC masa kapağıgenelN / AGPS kiti için
1/2 "ila 1" PVC redüktör burçgenelN / AGPS kiti için
12mm f / 2.0 AF E mount lensSamyangSYIO12AF-Eayrıca Rokinon markası altında satılmaktadır
2" yivli şaft yuvarlak duvar çivileriköşeişaretleyici kurulumu içinN/A
256GB UHS-1 V30 SD KartSanDiskSDSDXXD-256G-ANCINmümkün olan en hızlı UHS-1 SD kart önerilir
30m şerit metre (isteğe bağlı)ARSA KURULUMU IÇINN/A N/A
Akrilik levha, 3 mm kalınlığında, 80 mm x 580 mm'ye kadar kesilmiş (3x)N/AN/A Ölçekçubuğu malzemesi
Alüminyum kamera tepsisiKitDiveN/Akamera muhafazasına uyar ve tutma kamerasına yardımcı olur
Basılı fotogrametri hedefleri ile su altı köşe işaretleyici setiN/AN/Aözel yapım, ayrıntılar için yazarla iletişime geçin
Duracopy su geçirmez lazer yazıcı kağıdıRite in the Rain6511, su geçirmez etiket kağıdı ile değiştirilebilir
kitiGLO2jenerikN / A
010-02184-01başka seçenekler de var, GLO2 en ekonomik
ILCE a6700 aynasız fotoğraf makinesiSonyILCE6700/Ba6700 kamera tercih edilir, a6600 veya a6400 düşük maliyetli seçeneklerdir
Lazer YazıcıN/AN/Aherhangi bir lazer yazıcı (mürekkep püskürtmeli değil)
Metashape Professional EditionAgisoftN/Agerekli yazılım
Plastik kart (kabaca 1mm x 5mm x 5mm)N/AN / A, yarıya indirilmiş, atılan kredi kartı veya benzerini de kullanabilir.
Akıllı TelefonN/AN/AGPS veri toplama için makul derecede modern herhangi bir akıllı telefon
Sony A6700 Sea Frogs 40M/130FT Akrilik 6" Dome Port V.1 ile su geçirmez gövdeSeaFrogsN/A a6600veya a6400 kameralar kullanılıyorsa, uygun SeaFrogs muhafazasıyla değiştirin
kiti ve ölçek çubuğu oluşturma içinsüper yapıştırıcıN/AN/A
Yüzme fitness tarzı kickboardSpeedoGPS kiti için 877530050021SZ, marka önemsiz
Saat tarzı dalış bilgisayarıKöşe işaretleyici derinliklerini toplamak içinYok
Su geçirmez keseXunieaW-1188marka önemsiz, GPS cihazına sığdırmak için
Su geçirmez telefon kılıfıPelikanPP048884marka önemsiz, akıllı telefona sığacak şekilde
Ngenel GPS Bluetooth GPS Garmin için epoksi GPS kiti için GPS

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Coral reefs in the Anthropocene. Nature. 546 (7656), 82-90 (2017).">Hughes, T. P., et al. Coral reefs in the Anthropocene. Nature. 546 (7656), 82-90 (2017).
  2. Species richness on coral reefs and the pursuit of convergent global estimates. Current Biology. 25 (4), 500-505 (2015).">Fisher, R., et al. Species richness on coral reefs and the pursuit of convergent global estimates. Current Biology. 25 (4), 500-505 (2015).
  3. Changes in the global value of ecosystem services. Glob Environ Change. 26 (1), 152-158 (2014).">Costanza, R., et al. Changes in the global value of ecosystem services. Glob Environ Change. 26 (1), 152-158 (2014).
  4. Reefs since Columbus. Coral Reefs. 16 (1), S23-S32 (1997).">Jackson, J. B. C. Reefs since Columbus. Coral Reefs. 16 (1), S23-S32 (1997).
  5. Changes in coral-associated microbial communities during a bleaching event. ISME Journal. 2 (4), 350-363 (2008).">Bourne, D., Iida, Y., Uthicke, S., Smith-Keune, C. Changes in coral-associated microbial communities during a bleaching event. ISME Journal. 2 (4), 350-363 (2008).
  6. Mapped coral mortality and refugia in an archipelago-scale marine heat wave. Proc Natl Acad Sci U S A. 119 (19), e2123331119(2022).">Asner, G. P., et al. Mapped coral mortality and refugia in an archipelago-scale marine heat wave. Proc Natl Acad Sci U S A. 119 (19), e2123331119(2022).
  7. A global coral reef probability map generated using convolutional neural networks. Coral Reefs. 39 (6), 1805-1815 (2020).">Li, J., et al. A global coral reef probability map generated using convolutional neural networks. Coral Reefs. 39 (6), 1805-1815 (2020).
  8. Remote sensing of coral reefs for monitoring and management: A review. Remote Sens. 8 (2), (2016).">Hedley, J. D., et al. Remote sensing of coral reefs for monitoring and management: A review. Remote Sens. 8 (2), (2016).
  9. Development and application of a video-mosaic survey technology to document the status of coral reef communities. Environ Monit Assess. 125 (1), 59-73 (2007).">Lirman, D., et al. Development and application of a video-mosaic survey technology to document the status of coral reef communities. Environ Monit Assess. 125 (1), 59-73 (2007).
  10. Large-area imaging reveals biologically driven non-random spatial patterns of corals at a remote reef. Coral Reefs. 36 (4), 1291-1305 (2017).">Edwards, C. B., et al. Large-area imaging reveals biologically driven non-random spatial patterns of corals at a remote reef. Coral Reefs. 36 (4), 1291-1305 (2017).
  11. Utilizing underwater three-dimensional modeling to enhance ecological and biological studies of coral reefs. Int Arch Photogramm Remote Sens Spat Inf Sci. 40 (5W5), 61-66 (2015).">Burns, J. H. R., Delparte, D., Gates, R. D., Takabayashi, M. Utilizing underwater three-dimensional modeling to enhance ecological and biological studies of coral reefs. Int Arch Photogramm Remote Sens Spat Inf Sci. 40 (5W5), 61-66 (2015).
  12. Integrating structure-from-motion photogrammetry with geospatial software as a novel technique for quantifying 3D ecological characteristics of coral reefs. PeerJ. 7, (2015).">Burns, J. H. R., Delparte, D., Gates, R. D., Takabayashi, M. Integrating structure-from-motion photogrammetry with geospatial software as a novel technique for quantifying 3D ecological characteristics of coral reefs. PeerJ. 7, (2015).
  13. Coral reef monitoring by scuba divers using underwater photogrammetry and geodetic surveying. Remote Sens. 12 (18), (2020).">Nocerino, E., et al. Coral reef monitoring by scuba divers using underwater photogrammetry and geodetic surveying. Remote Sens. 12 (18), (2020).
  14. 34;Structure-from-Motion" photogrammetry: A low-cost, effective tool for geoscience applications. Geomorphology. 179, 300-314 (2012).">Westoby, M. J., Brasington, J., Glasser, N. F., Hambrey, M. J., Reynolds, J. M. 34;Structure-from-Motion" photogrammetry: A low-cost, effective tool for geoscience applications. Geomorphology. 179, 300-314 (2012).
  15. 3D habitat complexity of coral reefs in the Northwestern Hawaiian Islands is driven by coral assemblage structure. Int Arch Photogramm Remote Sens Spat Inf Sci. 42 (2/W10), 61-67 (2019).">Burns, J. H. R., et al. 3D habitat complexity of coral reefs in the Northwestern Hawaiian Islands is driven by coral assemblage structure. Int Arch Photogramm Remote Sens Spat Inf Sci. 42 (2/W10), 61-67 (2019).
  16. End of the chain? Rugosity and fine-scale bathymetry from existing underwater digital imagery using structure-from-motion (SfM) technology. Coral Reefs. 35 (3), 889-894 (2016).">Storlazzi, C. D., Dartnell, P., Hatcher, G. A., Gibbs, A. E. End of the chain? Rugosity and fine-scale bathymetry from existing underwater digital imagery using structure-from-motion (SfM) technology. Coral Reefs. 35 (3), 889-894 (2016).
  17. Limited coral mortality following acute thermal stress and widespread bleaching on Palmyra Atoll, central Pacific. Coral Reefs. 38 (4), 701-712 (2019).">Fox, M. D., et al. Limited coral mortality following acute thermal stress and widespread bleaching on Palmyra Atoll, central Pacific. Coral Reefs. 38 (4), 701-712 (2019).
  18. Quantifying the loss of coral from a bleaching event using underwater photogrammetry and AI-assisted image segmentation. Remote Sens. 15 (16), (2023).">Kopecky, K. L., et al. Quantifying the loss of coral from a bleaching event using underwater photogrammetry and AI-assisted image segmentation. Remote Sens. 15 (16), (2023).
  19. 3D assessment of a coral reef at Lalo Atoll reveals varying responses of habitat metrics following a catastrophic hurricane. Sci Rep. 11 (12050), (2021).">Pascoe, K. H., Fukunaga, A., Kosaki, R. K., Burns, J. H. R. 3D assessment of a coral reef at Lalo Atoll reveals varying responses of habitat metrics following a catastrophic hurricane. Sci Rep. 11 (12050), (2021).
  20. The use of unoccupied aerial systems (UASS) for quantifying shallow coral reef restoration success in Belize. Drones. 7 (4), 221(2023).">Peterson, E. A., Carne, L., Balderamos, J., Faux, V., Gleason, A., Schill, S. R. The use of unoccupied aerial systems (UASS) for quantifying shallow coral reef restoration success in Belize. Drones. 7 (4), 221(2023).
  21. Coral Restoration Foundation TM Photomosaic Manual Second Edition-November 2020. , www.coralrestoration.org (2020).">Neufeld, A. M., Fundakowski, G. Coral Restoration Foundation TM Photomosaic Manual Second Edition-November 2020. , www.coralrestoration.org (2020).
  22. A field primer for monitoring benthic ecosystems using structure-from-motion photogrammetry. J Vis Exp. , e61815(2021).">Roach, T. N. F., et al. A field primer for monitoring benthic ecosystems using structure-from-motion photogrammetry. J Vis Exp. , e61815(2021).
  23. Processing photomosaic imagery of coral reefs using structure-from-motion standard operating procedures. NOAA Technical Memorandum. (NOAA-TM-NMFS-PIFSC-93. , (2019).">Suka, R., et al. Processing photomosaic imagery of coral reefs using structure-from-motion standard operating procedures. NOAA Technical Memorandum. (NOAA-TM-NMFS-PIFSC-93. , (2019).
  24. Standard Operating Procedure Documents for Coral Reef Ecological Monitoring Collection. UC San Diego Library Digital Collections. , (2023).">Sandin, S. A., et al. Large area imagery collection & processing standard operating procedures - Version 3.0 (2021). Standard Operating Procedure Documents for Coral Reef Ecological Monitoring Collection. UC San Diego Library Digital Collections. , (2023).
  25. Agisoft Metashape Professional Edition. , (2024).">Agisoft Metashape Professional Edition. , (2024).
  26. ESRI Survey123. , (2023).">ESRI Survey123. , (2023).
  27. TagLab: AI-assisted annotation for the fast and accurate semantic segmentation of coral reef orthoimages. J Field Robot. 39 (3), 246-262 (2022).">Pavoni, G., et al. TagLab: AI-assisted annotation for the fast and accurate semantic segmentation of coral reef orthoimages. J Field Robot. 39 (3), 246-262 (2022).
  28. Size-frequency distribution of coral assemblages in insular shallow reefs of the Mexican Caribbean using underwater photogrammetry. PeerJ. 8, e8957(2020).">Hernández-Landa, R. C., Barrera-Falcon, E., Rioja-Nieto, R. Size-frequency distribution of coral assemblages in insular shallow reefs of the Mexican Caribbean using underwater photogrammetry. PeerJ. 8, e8957(2020).
  29. Metrics of coral reef structural complexity extracted from 3D mesh models and digital elevation models. Remote Sens. 12 (17), RS12172676(2020).">Fukunaga, A., Burns, J. H. R. Metrics of coral reef structural complexity extracted from 3D mesh models and digital elevation models. Remote Sens. 12 (17), RS12172676(2020).
  30. Proc IEEE Comput Soc Conf Comput Vis Pattern Recognit. , 1682-1691 (2019).">Akkaynak, D., Treibitz, T. Sea-Thru: a method for removing water from underwater images. Proc IEEE Comput Soc Conf Comput Vis Pattern Recognit. , 1682-1691 (2019).
  31. DeepSeeColor: realtime adaptive color correction for autonomous underwater vehicles via deep learning methods. In. Jamieson, S., How, J. P., Girdhar, Y. 2023 IEEE Int Conf Robot Autom, , 3095-3101 (2023).
  32. Accurate scaling and levelling in underwater photogrammetry with a pressure sensor. Int Arch Photogramm Remote Sens Spat Inf Sci. 43 (B2-2021), 667-672 (2021).">Menna, F., Nocerino, E., Chemisky, B., Remondino, F., Drap, P. Accurate scaling and levelling in underwater photogrammetry with a pressure sensor. Int Arch Photogramm Remote Sens Spat Inf Sci. 43 (B2-2021), 667-672 (2021).
  33. Large-area imaging in tropical shallow water coral reef monitoring, research and restoration: a practical guide to survey planning, execution, and data extraction. NOAA Technical Memorandum NOS NCCOS 313. , (2023).">Edwards, C. B., et al. Large-area imaging in tropical shallow water coral reef monitoring, research and restoration: a practical guide to survey planning, execution, and data extraction. NOAA Technical Memorandum NOS NCCOS 313. , (2023).
  34. Agisoft Agisoft Metashape User Manual Professional Edition, Version 2.1. , https://www.agisoft.com/pdf/metashape-pro_2_1_en.pdf (2024).">Agisoft Agisoft Metashape User Manual Professional Edition, Version 2.1. , https://www.agisoft.com/pdf/metashape-pro_2_1_en.pdf (2024).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Underwater PhotogrammetryCoral Reef MonitoringStructure From MotionTime Series ImagingBenthic HabitatGeo ReferencingDigital Elevation ModelOrthomosaic GenerationGround Control MarkersPhotogrammetry Automation

Related Articles