Diese Arbeit wurde von The Nature Conservancy und privaten Spendern, Ressourcen Vermächtnis Stiftung Gordon und Betty Moore Foundation, Environmental Defense Fund, Kalifornien Meer Grant Program, NMFS National Cooperative Research Program und einem NOAA finanziert. Saltonstall Kennedy Grant #13-SWR-008. Marine Applied Research and Exploration (Dirk Rosen, Rick Botman, Andy Lauerman und David Jefferies) entwickelt, gebaut und gewartet werden die video-Lander-Tool. Wir bedanken uns bei Jim Seager und SeaGIS™-Software für den technischen Support. Kapitän und kommerzielle Fischer Tim Maricich und crew an Bord die F/V Donna Kathleen bereitgestellten Unterstützung bei der Bereitstellung des Lander von 2012-2015. Vielen Dank an alle, die Videodaten Erfassung oder Analyse (Anne Tagini, Donna Kline, Lt. Amber Payne, Bryon Downey, Marisa Ponte, Rebecca Miller, Matt Merrifield, Walter Heady, Steve Rienecke, EJ Dick und John Field) teilgenommen.

Hinweis: Screenshots der Software Schritte sind als Ergänzende Dateienenthalten. Bitte beachten Sie, dass die unten beschriebenen Software-Schritte für die gewählte Software spezifisch sind (siehe die Tabelle der Materialien). Das Gesamtkonzept kann auf jede Stereo-Softwareplattform erweitert werden.
1. bereiten Sie Stereo-Kamera-Aufnahmen für die Analyse
Hinweis: Die Kalibrierung mit Hilfe eines Kalibrierung Cubes wird empfohlen. Ein Kalibrierung Cube ist eine dreidimensionale Aluminiumrahmen mit exakt positionierten reflektierenden Punkten auf der Oberfläche. Bei Verwendung in Verbindung mit Kalibrierungs-Software führt ein Kalibrierung Cube zu größerer Präzision und Genauigkeit als Schachbrett Ansätze9.
<ol><li>Kalibrieren Sie den Lander Kameras mit Stereo-Kalibrierungs-Software (Abbildung 1 und Abbildung 2; siehe Tabelle der Materialien für eine Software-Empfehlung). Hinweis: Kalibrierung kann überprüft werden vor der Verwendung im Feld durch die Messung der Ziele von bekannten Größen in unterschiedlichen Abständen (siehe ergänzende Video 1). Durchschnittliche Messfehler für ein 50-cm-Ziel in einer Entfernung von 3 m (oder weniger) sollte innerhalb von 2 % der bekannten Ziellänge sein. Beachten Sie auch, dass eine bestimmte Kalibrierung werden nur gültig, wenn die Kamera-Positionen zueinander unverändert bleiben. Es ist wichtig zu kümmern und Vermeidung von unbeabsichtigten drängeln der Kameras bis alle Probenahme durchgeführt wurde.</li>
	<li>Felddaten, die mit der kalibrierten Lander (Abbildung 1, ergänzende Video 2) zu sammeln.</li>
	<li>Nachdem Feldstudie abgeschlossen ist, erstellen Sie einen neuen Projektordner mit Video-und Kalibrierung. Hinweis: In jedem Projekt Ordner muss mindestens fünf Dateien: links und rechts ". Cam"Kalibrierung Dateien, die Links und rechts Videodateien (. MP4 oder. AVI-Format nur), und die Artenliste (.txt-Format).</li>
	<li>In der Stereo-Mess-Software starten ein neues Projekt der Messung und entsprechende Video- und Kalibrierung Dateien zu laden. Hinweis: Screenshots aller Software-Schritte sind unter den Zusätzlichen Dateienzur Verfügung.<ol>
<li>Navigieren Sie zur "Messung" > "Neue Messdatei".</li>
		<li>Legen Sie das Bild-Verzeichnis durch navigieren zu "Bild" > "Set Bild Verzeichnis", und wählen Sie den Ordner mit allen Projektdateien.</li>
		<li>Die linke Kamera laden ". Cam"navigieren zu"Stereo"Datei >"Kameras">"Linke">"Kamera-Datei laden"und die entsprechende Datei auswählen.</li>
		<li>Wiederholen Sie Schritt 1.4.3, die richtige Kamera zu laden ". Cam"Datei Hinweis: Diese Dateien enthalten Kalibrierung Messungen für jede Kamera (z.B., Pixelgröße, Seitenverhältnis, radiale Verzeichnung, Dezentrierung Verzerrung, etc.) und werden verwendet, um Fisch zu messen und berechnen Entfernung von Kamera (d.h., Z (Abstand).</li>
		<li>Definieren der Filmsequenz für die linken Videodatei navigieren zu "Bild" > "definieren Filmsequenz" und die linke Kamera video Datei auswählen.</li>
		<li>Laden Sie die linken Videodatei in Mess-Software durch Auswahl von "Bild" > "Bild laden". Hinweis: Achten Sie darauf, dass das Kontrollkästchen "Sperren" deaktiviert ist, bevor Sie video-Dateien laden. Dadurch können beide Videos gleichzeitig geladen werden.</li>
		<li>Definieren Film-Sequenz und Last-video-Datei für das richtige Video über die Menüs "Stereo" > "Bild" > "definieren Filmsequenz" und "Stereo" > "Bild" > "Last Picture".</li>
		<li>Die Artenliste zu laden, indem man auf "Messung" > "Attribute" > "Datei bearbeiten/laden Arten".</li>
		<li>Geben Sie Umfrage-ID-Informationen unter"Informationen" > "Bearbeiten Feldwert" und speichern Sie die Datei erstellen ein. EMObs Projekt.</li>
	</ol>
</li>
	<li>Die Videos mit Lichtblitz, Händeklatschen, Coordinated Universal Time (UTC) Stempel oder jeder Zeit bestimmten Ereignis tritt auf, in beiden Videos zu synchronisieren.<ol>
<li>Wenn UTC-Zeitstempel verwenden, Frame-Schritt nach vorn in das linke Video bis die Zeitstempel einer neuen zweiten beginnt. Tritt ein anderes Frame vorwärts bis Lichtblitz oder Händeklatschen.</li>
		<li>Frame-Schritt das richtige Video nach vorne, bis die Zeitstempel der linken Video genau entspricht. Anderes Frame Schritt vorwärts bis genau in dem Moment der Lichtblitz oder Händeklatschen, das linke Video entspricht. Hinweis: Es ist wichtig, dass Videos mit dem gleichen Rahmen synchronisiert werden. Video-Synchronisation sollte überprüft werden, in regelmäßigen Abständen mit dem video Zeitstempel Kamera Frame Drift während der Analyse zu vermeiden. Ein Donnerschlag gefilmte Hand könnte auch am Anfang und Ende des Videos verwendet werden, um dieses Recht zu testen und links Videos wurden mit dem gleichen Rahmen synchronisiert.</li>
	</ol>
</li>
	<li>Klicken Sie auf "Sperren" damit Videos zusammen spielen und Synchronisation zu erhalten.</li>
</ol>(2) Punktanzahl erzeugen und berechnen von MaxN
Hinweis: Jeder Fisch ist zunächst mit einem 2D Punkt auf die niedrigste mögliche taxonomische Auflösung markiert. Fisch mit unsicheren ID sollte für eine spätere Überprüfung markiert werden.
<ol><li>Warten Sie, bis die Fische bis zum Jahresende eine komplette Kamera-Rotation um sicherzustellen, dass eine volle 360 Grad dient zu zählen beginnen. Auch warten, bis Sediment gelöscht hat (in der Regel < 1 – 2 min. nach Kontakt mit Boden).<ol>
<li>Sobald der Lander die erste Rotation beginnt, rechts klicken und um eine neue Sample-Periode zu definieren: "Periodendefinitionen" > "Neue Startperiode hinzufügen". Geben Sie erste Periode als "01 ein" und klicken Sie auf "OK".</li>
	</ol>
</li>
	<li>Beginnen Sie der Lander dreht, Kennzeichnung jeden Fisch, den Rahmen mit einem 2D Punkt mit der linken Kamera nur erbt.<ol>
<li>Um einen 2D Punkt hinzuzufügen, wählen Sie "Add Punkt" einen Rechtsklick und wählen Sie die richtige Artname. Beschriften Sie, die niedrigste mögliche taxonomischen Ebene, Auswahl "SPP" für unbekannte Spezies und klicken Sie auf "OK".</li>
		<li>Weiterhin jeden neuen Fisch gemäß Schritt 2.2.1 bis zum Abschluss der Rotation zu kennzeichnen.</li>
	</ol>
</li>
	<li>Wiederholen Sie Protokoll Verfahren 2.1-2.2 für jedes zusätzliche Lander-Drehung - um sicherzustellen, dass eine neue Periode zu Beginn einer Kamera Drehung definiert ist. Hinweis: Arten Ansammlung Kurven wurden verwendet, um festzustellen, dass acht Drehungen waren, durchschnittlich, ausreichend Fisch Fülle in der vorliegenden Studie zu charakterisieren. Forscher sollten Durchführung von Vorversuchen mit zusätzlichen Kamera Rotationen über längere Weichzeiten, um die optimale Anzahl der Kamera Rotationen innerhalb eines bestimmten Ökosystems zu charakterisieren.</li>
	<li>Artspezifische Grafen von Individuen beobachtet pro Kamera-Rotation zu berechnen.<ol>
<li>Nachdem alle Rotationen aufgelistet wurden, export 2D Punkte durch navigieren zu "Messung" > "Messung Zusammenfassungen" > "Punktmessungen" und 2D Punkte als a.txt-Datei speichern.</li>
		<li>Öffnen Sie die gespeicherte 2D.txt-Point-Datei als Tabelle und erstellen eine PivotTable Arten vs. Drehzahl zählt (Tabelle 1) zusammenfassen, indem man auf "Einfügen" > "PivotTable". Wählen Sie "Gattung und Art" für "Zeilenbezeichnung" und "Zeit" für "Spaltenbeschriftung".</li>
	</ol>
</li>
	<li>Wählen Sie die MaxN für jede Art durch die Auswahl der Kamera-Rotation, die die größte Zahl von Individuen dieser Art (Tabelle 1).</li>
	<li>Wählen Sie für Fische, die nur zur Gattung identifiziert eine Gattung-Ebene MaxN basierend auf die Drehung, die die größte Zahl von Individuen, die identifizierten Arten dieser besonderen Gattung hatte. Hinweis: Dieser Schritt hilft, um einzelne Fische Doppelzählungen zu vermeiden, die nur für höheren taxonomischen Gruppen (z. B.nur zur Gattung oder Familie) identifizierbar waren. Zum Beispiel in Tabelle 1"Drehung 1' enthielt 10 unbekannte Sebastes spp. und 33 Mitglieder der Gattung Sebastes identifizierten Arten, während" Drehung 3' enthalten nur zwei nicht identifizierte Sebastes spp. und 43 Mitglieder die Gattung Sebastes , Arten identifiziert. Daher "Drehung 3' würde verwendet werden, für MaxN Anzahl von unbekannten Sebastes spp. Auf diese Weise ist die konservative Annahme gemacht, dass 8 von den unbekannten Sebastes spp. in "Drehung 1' wurden" Drehung 8'.</li>
	<li>Wenn mehrere Rotationen die gleiche Anzahl von MaxN für eine gegebene Art haben, wählen Sie die erste Drehung mit MaxN für 3D Punktmessungen.</li>
	<li>Nehmen Sie für jede Art 3D-Messungen von Fischen in der Rotation, die MaxN aufgetreten sind.<ol>
<li>Verwenden Sie die gespeicherte 2D Punkte gesammelt in Schritten 2,1-2,3, navigieren Sie zu den exakt gleichen Fisch für 3D Messung.</li>
		<li>Zoom in mindestens 4 X, um besser zu identifizieren, die Spitze der Fisch Schnauze und Kanten der kaudalen flossen (Abbildung 3). Hinweis: Es möglicherweise notwendig, Frame Schritt vorwärts oder rückwärts, um die beste Orientierung der Fische für eine 3D Messung zu finden. Die "besten" Ausrichtung gehört, wo sind die Schnauze und die Kanten der kaudalen Rippen sichtbar in beiden Kameras.</li>
		<li>Manuell an der Spitze der Schnauze, dann den Rand der Schwanz in die linke Kamera klicken Sie, dann wiederholen Sie die Auswahl in der gleichen Reihenfolge in das richtige Video.</li>
		<li>Wählen Sie richtige Speziesidentifizierung aus Dropdown-Menüs wie in 2.2.1 getan wurde.</li>
		<li>Wenn ein 3D Längenmessung für Instanz wenn Kopf und Schweif des Fisches nicht sichtbar in beiden Kameras sind dann markieren Sie einen 3D Punkt stattdessen per Linksklick die gleiche Position der Fische in den linken und rechten Videos nicht möglich ist. Füllen Sie die Felder wie vor und der Kommentar "Längenmessung ausschließen". Hinweis: MaxN kann auf verschiedene Drehungen der Kameras für verschiedene Arten auftreten. für irgendeine gegebene Sorte sollte jedoch Messungen nur eine Umdrehung (Tabelle 1) auftreten.</li>
	</ol>
</li>
	<li>Exportieren Sie nach Abschluss der 3D-Messungen für alle Fische Daten as.txt Datei zur weiteren Analyse.<ol>
<li>Navigieren Sie zur "Messung" > "Messung Zusammenfassungen" > 'Point- and -Länge 3D-Messungen' und save.txt-Datei zu exportieren.</li>
	</ol>
</li>
</ol>(3) 95 % Z Abstand Verfahren für artspezifische Umfrage Bereiche
Hinweis: Die 95 % Z-Abstand ist eine Schätzung der durchschnittlichen Entfernung, die eine Art in einer bestimmten Studie unter Ausschluss von Fällen von Ausnahmebedingungen der Klarheit des Wassers oder Beleuchtung zuverlässig identifiziert werden konnten. Diese Berechnung berücksichtigt die durchschnittliche ozeanographischen Bedingungen einer bestimmten Studie und werden für jede neue Studie neu berechnet werden müssen.
<ol><li>Verwenden Sie einfache bootstrapping, um festzustellen, ob die Größe der Stichprobe groß genug, um den Abstand der zuverlässige Erkennung für jede Art zu charakterisieren ist.<ol>
<li>Für jede Probe Größenklasse (z.B.Probe Größe Behälter 5 Fische), nehmen Sie 1.000 zufällig zieht der Stichprobe-Größe mit Ersatz aus der Probe Bevölkerung und berechnen Sie den Mittelwert, die 95 %-Quantil der Entfernungen von diesen 1.000 zeichnet und Handlung, die daraus resultierenden asymptotische Kurve. Zusätzliche Dateien 1und 2 zur Verfügung gestellte Code zu sehen.</li>
		<li>Überprüfen Sie, ob ausreichende Proben gewonnen wurden, indem Sie vergleichen die tatsächliche Stichprobengröße mit 95 % Z Abstand Asymptote mit steigendem Stichprobenumfang.</li>
	</ol>
</li>
	<li>Berechnen Sie den 95 % Z Abstandswert als das 95 %-Quantil der Entfernung von Kamera über alle Umfragen für eine Art gemessen.</li>
	<li>Berechnen Sie die wirksame Fläche Befragten für jede Spezies mit dem 95 % Z-Wert. Hinweis: Im Falle einer rotierenden Lander sind der 95 % Z-Wert entspricht der äußere Radius von einem Befragten Schwad mit dem inneren Radius durch die physische Einrichtung des Werkzeugs bestimmt und wie nah an der Basis der Kameras beobachten können. Wie die Lander dreht, entsteht ein "Donut" förmigen Messgebietes (Abbildung 4).<ol>
<li>Berechnen Sie Fläche als befragt: <img alt="Equation 1" src="/files/ftp_upload/56635/56635eq1.jpg"> Hinweis: zum Beispiel eine relativ großen Arten wie Yelloweye Drachenköpfe (Sebastes Ruberrimus) eine 95 % Z-Abstand von 3,3 m und eine wirksame Erhebung Fläche von 30,9 m2 pro Lander Bereitstellung hatte: 34,3 m2 (Außenkreis) - 3,4 m2 (Inner Kreis) = 30,9 m2 (Gesamtübersicht Bereich).</li>
	</ol>
</li>
	<li>Die berechnete Fläche mit Befragten (Schritt 3.3.1), Konvertieren einzelner Arten zählt (MaxN) in Dichte Schätzungen für jede visuelle Umfrage unter Verwendung der Gleichung: <img alt="Equation 2" src="/files/ftp_upload/56635/56635eq2v3.jpg"> Hinweis: Ein ähnliches Verfahren könnte verwendet werden, um eine volumetrische Dichte anstatt einer Flächendichte zu berechnen; Dieser Prozess wird hier nicht beschrieben.</li>
</ol><img alt="Table 1" src="/files/ftp_upload/56635/56635table1.jpg"> Tabelle 1: Beispiel MaxN Übersichtstabelle. Die Auswahl der MaxN für jede Sorte wird mit rot und Fett Text demonstriert. Beachten Sie, dass eine konservative MaxN für nicht identifizierte Sebastes spp. durch die Rotation mit den meisten Sebastes identifizierten Arten (Drehung 3) ermittelt wurde. Auch während dieser Studie acht Kamera Rotationen verwendet, sind nur vier Rotationen in Tabelle 1 für Einfachheit angezeigt. Das Verfahren zur Auswahl von MaxN ist identisch, unabhängig von der Anzahl der Umdrehungen.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56635/56635fig1.jpg"> Abbildung 1: Stereo video Lander. Wichtige Hardware ist nummeriert (1) 300 m Nabelschnur, (2) zwei digitale Videorekorder (DVR) mit abnehmbaren 32 GB Speicherkarten in wasserdichte Flasche, (3) zwei LED-Leuchten klarmachen 3.000 Lumen bei einer Farbtemperatur von 5.000 K und (4). zwei Kameras mit 620 TV-Linie (TVL) Auflösung. <a href="//cloudflare-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/56635/56635fig1large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/56635/56635fig2.jpg"> Abbildung 2: Kalibrierung Würfel (500 x 500 x 300 mm). Beispiel für eine Kalibrierung mit einem "Kalibrierung Cube" in zwei verschiedenen Ausrichtungen dargestellt: (A) der rechten Seite des Würfels ist in Richtung Kameras herausgedrückt, und (B) die Seite des Würfels ist parallel zur Fläche der Kameras. Rote Punkte bezeichnen die Referenzpunkte in diese besondere Kalibrierungsmethode verwendet und müssen immer in der nummerierten Reihenfolge identifiziert werden. <a href="//cloudflare-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/56635/56635fig2large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/56635/56635fig3.jpg"> Abbildung 3: 3D Messung auf Sebastes Miniatusgelegt. Die Spitze der Schnauze und Schwanzende wurden identifiziert, in jede Kamera-Frame, um Stereo-Messung zu ermöglichen. <a href="//cloudflare-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/56635/56635fig3large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/56635/56635fig4.jpg"> Abbildung 4: Gebiet vom Lander Tool befragt. Nutzfläche von Werkzeugs Lander Befragten wurde durch die minimale Abstand Z und der 95 % Z-Abstand für die einzelnen Arten begrenzt. Beachten Sie, dass dieser Bereich ein "Donut" förmigen Umfrage Volumen rund um den Lander erstellt. <a href="//cloudflare-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/56635/56635fig4large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>

<ol>
	<li>Love, M. S., Yoklavich, M. M., Thorsteinson, L. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> The Rockfishes of the Northeast Pacific. , (2002).</li><li>Laidig, T. E., Watters, D. L., Yoklavich, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Demersal+fish+and+habitat+associations+from+visual+surveys+on+the+central+California+shelf.">Demersal fish and habitat associations from visual surveys on the central California shelf.</a> Estuar. Coast. Shelf Sci. 83 (4), 629-637 (2009).</li><li>Anderson, T. J., Yoklavich, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multiscale+habitat+associations+of+deepwater+demersal+fishes+off+central+California.">Multiscale habitat associations of deepwater demersal fishes off central California.</a> Fish. Bull. 105 (2), 168-179 (2007).</li><li>Yoklavich, M. M., Cailliet, G. M., Sullivan, D. E., Lea, R. N., Love, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Habitat+associations+deep-water+rockfishes+a+submarine+canyon+an+example+of+a+natural+refuge.">Habitat associations deep-water rockfishes a submarine canyon an example of a natural refuge.</a> Fish. Bull. 98 (3), 625-641 (2000).</li><li>. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Status of the Pacific Coast Groundfish Fishery, Stock Assessment and Fishery Evaluation. , (2016).</li><li>Cappo, M., Harvey, E., Malcolm, H., Speare, P., Beumer, J. P., Grant, A., Smith, D. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Potential+of+video+techniques+to+monitor+diversity,+abundance+and+size+of+fish+in+studies+of+marine+protected+areas.">Potential of video techniques to monitor diversity, abundance and size of fish in studies of marine protected areas.</a> Aquatic protected areas- What works best and how do we know. , 455-464 (2003).</li><li>McLean, D. L., Green, M., Harvey, E. S., Williams, A., Daley, R., Graham, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+baited+longlines+and+baited+underwater+cameras+for+assessing+the+composition+of+continental+slope+deepwater+fish+assemblages+off+southeast+Australia.">Comparison of baited longlines and baited underwater cameras for assessing the composition of continental slope deepwater fish assemblages off southeast Australia.</a> Deep-Sea Research Part I: Oceanographic Research Papers. 98, 10-20 (2015).</li><li>Parker, D., Winker, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Insights+from+baited+video+sampling+of+temperate+reef+fishes:+How+biased+are+angling+surveys.">Insights from baited video sampling of temperate reef fishes: How biased are angling surveys.</a> Fish. Res. 179, 191-201 (2016).</li><li>Boutros, N., Shortis, M. R., Harvey, E. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparison+of+calibration+methods+and+system+configurations+of+underwater+stereo-video+systems+for+applications+in+marine+ecology.">A comparison of calibration methods and system configurations of underwater stereo-video systems for applications in marine ecology.</a> Limnol. Oceanogr. Methodss. 13 (5), 224-236 (2015).</li><li>Harvey, E. S., Cappo, M., Butler, J. J., Hall, N., Kendrick, G. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bait+attraction+affects+the+performance+of+remote+underwater+video+stations+in+assessment+of+demersal+fish+community+structure.">Bait attraction affects the performance of remote underwater video stations in assessment of demersal fish community structure.</a> Mar. Ecol. Prog. Ser. 350, 245-254 (2007).</li><li>Watson, J. L., Huntington, B. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Assessing+the+performance+of+a+cost-effective+video+lander+for+estimating+relative+abundance+and+diversity+of+nearshore+fish+assemblages.">Assessing the performance of a cost-effective video lander for estimating relative abundance and diversity of nearshore fish assemblages.</a> J. Exp. Mar. Bio. Ecol. 483, 104-111 (2016).</li><li>Easton, R. R., Heppell, S. S., Hannah, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantification+of+Habitat+and+Community+Relationships+among+Nearshore+Temperate+Fishes+Through+Analysis+of+Drop+Camera+Video.">Quantification of Habitat and Community Relationships among Nearshore Temperate Fishes Through Analysis of Drop Camera Video.</a> Mar. Coast. Fish. 7 (1), 87-102 (2015).</li><li>Hannah, R. W., Blume, M. T. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tests+of+an+experimental+unbaited+video+lander+as+a+marine+fish+survey+tool+for+high-relief+deepwater+rocky+reefs.">Tests of an experimental unbaited video lander as a marine fish survey tool for high-relief deepwater rocky reefs.</a> J. Exp. Mar. Bio. Ecol. 430, 1-9 (2012).</li><li>Starr, R. M., Gleason, M. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Targeting+Abundant+Fish+Stocks+while+Avoiding+Overfished+Species:+Video+and+Fishing+Surveys+to+Inform+Management+after+Long-Term+Fishery+Closures.">Targeting Abundant Fish Stocks while Avoiding Overfished Species: Video and Fishing Surveys to Inform Management after Long-Term Fishery Closures.</a> Plos One. 11 (12), 0168645 (2016).</li><li>Love, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Certainly more than you want to know about the fishes of the Pacific Coast: a postmodern experience. , (2011).</li><li>Campbell, M. D., Pollack, A. G., Gledhill, C. T., Switzer, T. S., DeVries, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+relative+abundance+indices+calculated+from+two+methods+of+generating+video+count+data.">Comparison of relative abundance indices calculated from two methods of generating video count data.</a> Fish. Res. 170, 125-133 (2015).</li><li>Cappo, M., Speare, P., De'ath, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+baited+remote+underwater+video+stations+(BRUVS)+and+prawn+(shrimp)+trawls+for+assessments+of+fish+biodiversity+in+inter-reefal+areas+of+the+Great+Barrier+Reef+Marine+Park.">Comparison of baited remote underwater video stations (BRUVS) and prawn (shrimp) trawls for assessments of fish biodiversity in inter-reefal areas of the Great Barrier Reef Marine Park.</a> J. Exp. Mar. Bio. Ecol. 302 (2), 123-152 (2004).</li><li>Schobernd, Z. H., Bacheler, N. M., Conn, P. B., Trenkel, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Examining+the+utility+of+alternative+video+monitoring+metrics+for+indexing+reef+fish+abundance.">Examining the utility of alternative video monitoring metrics for indexing reef fish abundance.</a> Can. Jour. Fish. Aquat. Sci. 71 (3), 464-471 (2014).</li><li>Hansen, M. J., Schorfhaar, R. G., Selgeby, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gill-Net+Saturation+by+Lake+Trout+in+Michigan+Waters+of+Lake+Superior.">Gill-Net Saturation by Lake Trout in Michigan Waters of Lake Superior.</a> North Am. J. Fish. Manag. 18 (4), 847-853 (1998).</li><li>Dauk, P. C., Schwarz, C. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Catch+estimation+in+the+presence+of+declining+catch+rate+due+to+gear+saturation.">Catch estimation in the presence of declining catch rate due to gear saturation.</a> Biometrics. 57 (1), 287-293 (2001).</li><li>Hilborn, R., Walters, C. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Quantitative Fisheries Stock Assessment Choice, Dynamics and uncertainty. , (1992).</li><li>Erisman, B. E., Allen, L. G., Claisse, J. T., Pondella, D. J., Miller, E. F., Murray, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+illusion+of+plenty:+hyperstability+masks+collapses+in+two+recreational+fisheries+that+target+fish+spawning+aggregations.">The illusion of plenty: hyperstability masks collapses in two recreational fisheries that target fish spawning aggregations.</a> Can. Jour. Fish. Aquat. Sci. 68, 1705-1716 (2011).</li><li>Buckland, S. T., Anderson, D. R., Burnham, K. P., Laake, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Distance Sampling: Estimating abundance of biological populations. , (1993).</li><li>Ronconi, R. A., Burger, A. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimating+seabird+densities+from+vessel+transects:+Distance+sampling+and+implications+for+strip+transects.">Estimating seabird densities from vessel transects: Distance sampling and implications for strip transects.</a> Aquat. Bio. 4 (3), 297-309 (2008).</li><li>Caselle, J. E., Rassweiler, A., Hamilton, S. L., Warner, R. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recovery+trajectories+of+kelp+forest+animals+are+rapid+yet+spatially+variable+across+a+network+of+temperate+marine+protected+areas+Recovery+trajectories+of+kelp+forest+animals+are+rapid+yet+spatially+variable+across+a+network+of+temperate+marine+protected.">Recovery trajectories of kelp forest animals are rapid yet spatially variable across a network of temperate marine protected areas Recovery trajectories of kelp forest animals are rapid yet spatially variable across a network of temperate marine protected.</a> Nat. Publ. Gr. , 1-14 (2015).</li><li>Starr, R. M., Wendt, D. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Variation+in+Responses+of+Fishes+across+Multiple+Reserves+within+a+Network+of+Marine+Protected+Areas+in+Temperate+Waters.">Variation in Responses of Fishes across Multiple Reserves within a Network of Marine Protected Areas in Temperate Waters.</a> Plos One. 10 (3), 0118502 (2015).</li><li>Lester, S., Halpern, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Biological+effects+within+no-take+marine+reserves:+a+global+synthesis.">Biological effects within no-take marine reserves: a global synthesis.</a> Mar. Ecol. Prog. Ser. 384, 33-46 (2009).</li></ol>

Die Autoren haben nichts preisgeben

Die traditionelle MaxN-Metrik beruht auf der Idee des Zählens einer garantierte Mindestanzahl von Personen im Rahmen einer Umfrage. Wenn eine bestimmte Anzahl von Fischen in ein einzelnes Videobild gleichzeitig sichtbar sind, kann kein weniger vorhanden sein, aber da Fisch mobil und heterogen verteilt sind, ist die Wahrscheinlichkeit, dass alle Personen gleichzeitig zu sehen, während ein einzelnes Videobild niedrig . Es ist daher wahrscheinlich, dass traditionelle MaxN wahre Fisch Fülle16,...

Entlang der Pazifikküste der USA sind viele der Arten wichtig für Gewerbe- und Freizeit Grundfisch Fischerei (z. B.die Drachenköpfe komplexe (Sebastes spp.) und Kabeljau (Ophiodon Elongatus)) stark verbunden mit Hochrelief, harten Boden Lebensräume1,2,3,4,5. Drop-Stereo-Video-Kameras sind ein attraktives nicht extraktiven Instrument, in felsigen Lebensräumen aufgrund der relativen Leichtigkeit und Einfachheit der Bedienung zu verwenden. Eine Vielzahl von Stereo-Video-Kamera-Systeme wurden entwickelt und in der südlichen Hemisphäre, Flachwasser-Ökosysteme6,7,8,9,10, bereitgestellt und vor kurzem haben video Drop-Kameras Zugkraft als Management-Tool für tiefes Wasser felsigen Riff Umgebungen entlang der Pazifikküste11,12,13gewonnen. Wir wollten diese bestehende Stereo-Kamera-Designs ändern, indem Sie ein Stereo-Video-Kamera-System (nachfolgend "Lander") effizienter Fischpopulationen in Hochrelief Seafloors entlang der zentralen Pazifikküste (siehe Tabelle des charakterisieren Materialien). Der Lander verwendet war anders als bestehende Videosysteme, weil Kameras zu einer zentralen drehenden Bar montiert wurden, die für eine volle 360 ° der Berichterstattung über den Meeresboden bei den Drop Position14erlaubt. Der Lander abgeschlossen eine volle Umdrehung pro Minute, was uns erlaubt, schnell charakterisieren die Fülle und Zusammensetzung eines Raums und erreichen das gleiche Maß an statistische Aussagekraft mit weniger Lander Bereitstellungen. (Siehe Starr (2016)14 für mehr Details über die Besonderheiten der Lander-Konfiguration). Vorversuche in das Studiensystem vorgeschlagen, dass acht Rotationen der Kameras an unseren Umfragen waren ausreichend Arten Fülle und Reichtum zu charakterisieren. Diese Bestimmung wurde durch eine Beobachtung von abnehmenden Wirtschaftserträgen Arten Fülle und Dichte der Fisch über längere Tropfen ernannt. Es wird empfohlen, eine Pilotstudie, einschließlich längere Weichzeiten in jedem neuen System die optimale Einweichen Zeit für einen gegebenen Ökosystem/Studie Arten bestimmt durchgeführt werden.
Mithilfe von gekoppelten Stereokameras beide Gesamtfläche Umfrage und absolute Fisch-Dichte pro video Umfrage berechnet werden kann; die Verwendung von rotierenden Kameras erforderte jedoch die Änderung der traditionellen Fisch-Graf-Metriken. Stationäre Videosysteme benutzte häufig "MaxN" als eine konservative Zählung der Fische eine Bereitstellung6,10. Traditionelle MaxN beschreibt die maximale Anzahl der Fische in einer bestimmten Art, die zur Vermeidung von Doppelzählungen ein Fisch, der verlassen und kehrte zu Frame hat zusammen in ein einzelnes Videobild beobachtet. MaxN wurde daher eine Schätzung der Mindestanzahl von Fischen bekannt anwesend sein und kann echte Fische Fülle6,10unterschätzen. MaxN-Metrik wurde neu definiert, um die größte Anzahl der Fische in jeder vollen Umdrehung der Kameras gesehen darzustellen.
Die zweite Änderung zum bisherigen Stereo-video Methoden war, die Tatsache berücksichtigen, dass Arten in verschiedenen Größen, Farben, und Formen haben unterschiedliche maximale Abstände der zuverlässigen Identifizierung. Zum Beispiel große Arten wie O. Elongatus haben eine ausgeprägte längliche Form und zuverlässig auf viel größere Entfernungen im Vergleich zu kleinen und kryptische Arten wie die Squarespot Drachenköpfe (Sebastes Hopkinsi) identifiziert werden können. Diese unterschiedlichen maximale Reichweiten der Nachweisbarkeit ändern der Wirkfläche Stichprobe von Lander für jede Spezies. Da die Stereo-Kameras uns jeder Fisch im dreidimensionalen Raum mit einem hohen Grad an Genauigkeit zu platzieren ermöglichen, kann man die Entfernung von den Kameras, die jeden Fisch war bestimmen gemessen (d. h., der "Z-Abstand", benannt nach der "z-Achse" ist senkrecht zu der geraden Linie zwischen den Kameras). Für jede Art der Abstand, in dem 95 % aller Personen (im folgenden "95 % Z-Abstand") beobachtet wurden, galt als der Radius des Messgebietes und diente zur Berechnung der gesamten Fläche befragt. Neben den artspezifischen Eigenschaften wird Identifizierbarkeit Umgebungsbedingungen z. B. Wassertrübung belastet. Da diese Faktoren in Raum und Zeit variieren können, ist es wichtig, die 95 % Z-Statistik nur in ihrer Gesamtheit zu verwenden. Während es hochpräzise für große Proben werden, kann jeder eine individuelle Umfrage in Bereich befragt variieren.
Die nachgenannten Protokoll enthält Anleitungen zum Erstellen und verwenden diese Metriken. Obwohl im Mittelpunkt stand die Tiefsee felsigen Lebensraum entlang der Pazifikküste zu charakterisieren, ist die Methodik beschrieben für modifizierte MaxN Graf leicht anwendbar auf alle rotierenden Drop-Kamera-System. Die Anzahl der Drehungen der Kamera benötigt, um die Fischbestände zu charakterisieren hängt von lokalen Ökosystem Dynamik, aber die Konzeptualisierung der modifizierten MaxN bleiben die gleichen. In ähnlicher Weise, während wir 3D photogrammetrische Software verwendet, um Stereo-Video analysieren, die hier beschriebenen Techniken leicht über Software-Plattformen, gelten, solange die genaue Position der Fische im dreidimensionalen Raum möglich ist. Darüber hinaus könnte der Ansatz der Anwendung eines 95 % Z Abstandswert in Zukunft Studien mit Stereo-Kameras um artspezifische reicht der Nachweisbarkeit zu berücksichtigen und zu Fisch Fülle genauer zu berechnen betrachtet werden.

<table><tbody><tr><td>calibration cube</td><td>SeaGIS</td><td>http://www.seagis.com.au/hardware.html</td><td>1000x1000x500 mm is the preferred dimensions. Other methods of calibration are available.&amp;nbsp;</td></tr><tr><td>CAL calibration software</td><td>SeaGIS</td><td>http://www.seagis.com.au/bundle.html</td><td></td></tr><tr><td>EventMeasure stereo measurement software</td><td>SeaGIS</td><td>http://www.seagis.com.au/event.html</td><td></td></tr><tr><td>Statistical software</td><td>R Core Team 2017 (v. 3.4.0)</td><td></td><td>Bootstrapping code can be found: https://github.com/rfields2017/JoVE-Bootstrap-Function</td></tr><tr><td>Spreadsheet Software</td><td>Microsoft Excel</td><td></td><td></td></tr><tr><td>2&amp;nbsp; waterproof cameras</td><td>Deep Sea Power and Light</td><td></td><td>HD quality preferred</td></tr><tr><td>2 depth rated, waterproof lights</td><td>Deep Sea Power and Light : 3000 lumen LED with 5000k color temperature</td><td></td><td></td></tr><tr><td>DVR recorder</td><td>Stack LTD DVR</td><td></td><td></td></tr><tr><td>standard PC</td><td></td><td></td><td>Windows 10 preferred OS</td></tr><tr><td>rotating Lander platform</td><td>Marine Applied Research and Engineering (MARE)</td><td></td><td></td></tr></tbody></table>

development of new methods for quantifying fish density using underwater stereo-video tools

Die Verwendung von Video-Kamerasysteme in ökologischen Studien Fische weiterhin als eine tragfähige, nicht extraktiven Methode der Messung Fische Längen und Schätzung Fisch Fülle Fuß fassen. Wir entwickelt und implementiert ein rotierendes Stereo-Video-Kamera-Werkzeug, das eine volle 360 Grad der Probenahme, abdeckt, maximiert die Probenahme Aufwand im Vergleich zu stationären Kamera-Tools. Eine Vielzahl von Studien haben detaillierte die Fähigkeit der statischen, Stereo-Kamera Systeme sehr genau und präzise Messungen von Fischen; im Vordergrund standen die Entwicklung methodischer Ansätze, Fisch-Dichte mit rotierenden Kamera-Systeme zu quantifizieren. Der erste Ansatz war es, eine Änderung der Metrik entwickeln MaxN, die in der Regel eine konservative Zählung der Mindestanzahl von Fisch auf einer Umfrage bei bestimmten Kamera beobachtet. Wir definieren MaxN um die maximale Anzahl der Fische in einer bestimmten Drehung des Kamerasystems beobachtet werden. Bei Vorsichtsmaßnahmen ergriffen werden, um Doppelzählungen zu vermeiden, kann diese Methode für MaxN wahre Fülle genauer als die von einer festen Kamera erhalten widerspiegeln. Zweitens, weil Stereo-Video Fische im dreidimensionalen Raum zugeordnet werden können, sind genaue Schätzungen über die Entfernung von der Kamera für jeden Fisch erhältlich. Mit 95 %-Perzentil der beobachteten Entfernung von Kamera um artspezifische Gebiete Befragten zu errichten, berücksichtigt Unterschiede in der Nachweisbarkeit unter Arten unter Vermeidung verdünnen Dichte Schätzungen mithilfe den maximalen Abstand war eine Art beobachtet. Buchhaltung für diesen Bereich der Nachweisbarkeit ist wichtig, genau zu schätzen, Fisch-Häufigkeiten. Diese Methode erleichtert die Integration von rotierenden Werkzeugen Stereo-Video in angewandter Wissenschaft und Verwaltung zusammenhängen.

Zwischen 2013 und 2014 führten wir 816 Umfragen mit der rotierenden Stereo-Video-Lander (Abbildung 1) entlang der zentralen Küste von Kalifornien und MaxN und 95 % Z Abstand (Abbildung 4) Daten über mehr als 20 Arten. Es gab klare Muster in den Wirkbereich nachweisbaren Arten beobachtet, wahrscheinlich durch das Zusammenspiel der Arten Größe, Form und Färbung (Abbildung 5). Zum Beispiel hat die...

Watch this Scientific Journal Video about Development of New Methods for Quantifying Fish Density Using Underwater Stereo-video Tools at JoVE.com

Development of New Methods for Quantifying Fish Density Using Underwater Stereo-video Tools

Wir beschreiben eine neue Methode für das zählen der Fische, und relative Häufigkeit (MaxN) und Fisch-Dichte mit rotierenden Stereo-Video-Kamera-Systeme zu schätzen. Wir demonstrieren auch Abstand von der Kamera (Z-Abstand) zu verwenden, um artspezifische Nachweisbarkeit zu schätzen.

Entwicklung neuer Methoden zur Quantifizierung der Fisch-Dichte mit Unterwasser-Stereo-Video-Tools

The use of video camera systems in ecological studies of fish continues to gain traction as a viable, non-extractive method of measuring fish lengths and ...

development-new-methods-for-quantifying-fish-density-using-underwater

Universidad San Sebastian

Research

JoVE Journal

Environment

9.2K Aufrufe.  Moss Landing Marine Laboratories. Wir beschreiben eine neue Methode für das zählen der Fische, und relative Häufigkeit (MaxN) und Fisch-Dichte mit rotierenden Stereo-Video-Kamera-Systeme zu schätzen. Wir demonstrieren auch Abstand von der Kamera (Z-Abstand) zu verwenden, um artspezifische Nachweisbarkeit zu schätzen.

Serie: Development of New Methods for Quantifying Fish Density Using Underwater Stereo-video Tools

Methods for Image-based Surveys of Benthic Macroinvertebrates and Their Habitat Exemplified by the Drop Camera Survey for the Atlantic Sea Scallop

Underwater imaging has long been used in the field of marine ecology but decreasing costs of high-resolution cameras and data storage have made the approach more practical than in the past. Image-based surveys allow for initial samples to be revisited and are non-invasive compared to traditional survey methods that typically involve nets or dredges. Protocols for image-based surveys can vary greatly but should be driven by target species behavior and survey objectives. To demonstrate this, we describe our most recent methods for an Atlantic sea scallop (Placopecten magellanicus) drop camera survey to provide a procedural example and representative results. The procedure is divided into three critical steps that include survey design, data collection, and data products. The influence of scallop behavior and the survey goal of providing an independent assessment of the U.S. sea scallop resource on the survey procedure are then discussed in the context of generalizing the method. Overall, the broad applicability and flexibility of the University of Massachusetts Dartmouth School for Marine Science and Technology (SMAST) drop camera survey demonstrates the method could be generalized and applied to a variety of sessile invertebrates or habitat focused research.

Image based surveying is an increasingly practical, non-invasive method to sample the marine environment. We present the protocol of a drop camera survey that estimates the abundance and distribution of the Atlantic sea scallop (Placopecten magellanicus). We discuss how this protocol can be generalized for application to other benthic macroinvertebrates.

Methoden zur Image-basierte Umfragen von benthischen Makroinvertebraten und ihren Lebensraum am Beispiel der Drop-Kamera-Umfrage für die Atlantik-Jakobsmuschel

Underwater imaging has long been used in the field of marine ecology but decreasing costs of high-resolution cameras and data storage have made the ...

Forschung

Umwelt

Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster (Nephrops norvegicus)

We present a protocol related to a video-tracking technique based on the background subtraction and image thresholding that makes it possible to individually track cohoused animals. We tested the tracking routine with four cohoused Norway lobsters (Nephrops norvegicus) under light-darkness conditions for 5 days. The lobsters had been individually tagged. The experimental setup and the tracking techniques used are entirely based on the open source software. The comparison of the tracking output with a manual detection indicates that the lobsters were correctly detected 69% of the times. Among the correctly detected lobsters, their individual tags were correctly identified 89.5% of the times. Considering the frame rate used in the protocol and the movement rate of lobsters, the performance of the video tracking has a good quality, and the representative results support the validity of the protocol in producing valuable data for research needs (individual space occupancy or locomotor activity patterns). The protocol presented here can be easily customized and is, hence, transferable to other species where the individual tracking of specimens in a group can be valuable for answering research questions.

Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster Nephrops norvegicus

Here we present a protocol to individually track animals over a long period of time. It uses computer vision methods to identify a set of manually constructed tags by using a group of lobsters as case study, simultaneously providing information on how to house, manipulate, and mark the lobsters.

Langfristige Video Tracking Cohoused Wassertiere: A Case Study of der Bewegungsorgane Tagesaktivität der Kaisergranat (Nephrops Norvegicus)

We present a protocol related to a video-tracking technique based on the background subtraction and image thresholding that makes it possible to ...

A Field Primer for Monitoring Benthic Ecosystems Using Structure-From-Motion Photogrammetry

Structure-from-motion (SfM) photogrammetry is a technique used to generate three-dimensional (3D) reconstructions from a sequence of two-dimensional (2D) images. SfM methods are becoming increasingly popular as a noninvasive way to monitor many systems, including anthropogenic and natural landscapes, geologic structures, and both terrestrial and aquatic ecosystems. Here, a detailed protocol is provided for collecting SfM imagery to generate 3D models of benthic habitats. Additionally, the cost, time efficiency, and output quality of employing a Digital Single Lens Reflex (DSLR) camera versus a less expensive action camera have been compared. A tradeoff between computational time and resolution was observed, with the DSLR camera producing models with more than twice the resolution, but taking approximately 1.4-times longer to produce than the action camera. This primer aims to provide a thorough description of the steps necessary to collect SfM data in benthic habitats for those who are unfamiliar with the technique as well as for those already using similar methods.

We provide a detailed protocol for conducting underwater structure-from-motion photogrammetry surveys to generate 3D models and orthomosaics.

Eine Feldeinführung für die Überwachung benthischer Ökosysteme mittels Structure-from-Motion-Photogrammetrie

Structure-from-motion (SfM) photogrammetry is a technique used to generate three-dimensional (3D) reconstructions from a sequence of two-dimensional (2D) ...

Behavioral Tracking and Neuromast Imaging of Mexican Cavefish

Cave-dwelling animals have evolved a series of morphological and behavioral traits to adapt to their perpetually dark and food-sparse environments. Among these traits, foraging behavior is one of the useful windows into functional advantages of behavioral trait evolution. Presented herein are updated methods for analyzing vibration attraction behavior (VAB: an adaptive foraging behavior) and imaging of associated mechanosensors of cave-adapted tetra, Astyanax mexicanus. In addition, methods are presented for high-throughput tracking of a series of additional cavefish behaviors including hyperactivity and sleep-loss. Cavefish also show asociality, repetitive behavior and higher anxiety. Therefore, cavefish serve as an animal model for evolved behaviors. These methods use free-software and custom-made scripts that can be applied to other types of behavior. These methods provide practical and cost-effective alternatives to commercially available tracking software.

Here, we present methods for high-throughput study of a series of the Mexican cavefish behaviors and vital staining of a mechanosensory system. These methods use free-software and custom-made scripts, providing a practical and cost-effective method for the studies of behaviors.

Verhaltens-Tracking und Neuromast Darstellung der mexikanischen Cavefish

Cave-dwelling animals have evolved a series of morphological and behavioral traits to adapt to their perpetually dark and food-sparse environments. Among ...

Verhalten

Automatic Image Processing to Determine the Community Size Structure of Riverine Macroinvertebrates

Body size is an important functional trait that can be used as a bioindicator to assess the impacts of perturbations in natural communities. Community size structure responds to biotic and abiotic gradients, including anthropogenic perturbations across taxa and ecosystems. However, the manual measurement of small-bodied organisms such as benthic macroinvertebrates (e.g., &gt;500 &#181;m to a few centimeters long) is time-consuming. To expedite the estimation of community size structure, here, we developed a protocol to semi-automatically measure the individual body size of preserved river macroinvertebrates, which are one of the most commonly used bioindicators for assessing the ecological status of freshwater ecosystems. This protocol is adapted from an existing methodology developed to scan marine mesozooplankton with a scanning system designed for water samples. The protocol consists of three main steps: (1) scanning subsamples (fine and coarse sample size fractions) of river macroinvertebrates and processing the digitized images to individualize each detected object in each image; (2) creating, evaluating, and validating a learning set through artificial intelligence to semi-automatically separate the individual images of macroinvertebrates from detritus and artifacts in the scanned samples; and (3) depicting the size structure of the macroinvertebrate communities. In addition to the protocol, this work includes the calibration results and enumerates several challenges and recommendations to adapt the procedure to macroinvertebrate samples and to consider for further improvements. Overall, the results support the use of the presented scanning system for the automatic body size measurement of river macroinvertebrates and suggest that the depiction of their size spectrum is a valuable tool for the rapid bioassessment of freshwater ecosystems.

The article is based on the creation of an adapted protocol to scan, detect, sort, and identify digitized objects corresponding to benthic river macroinvertebrates using a semi-automatic imaging procedure. This procedure allows the acquisition of the individual size distributions and size metrics of a macroinvertebrate community in about 1 h.

Automatische Bildverarbeitung zur Bestimmung der Gemeinschaftsgrößenstruktur von Flussmakroinvertebraten

Body size is an important functional trait that can be used as a bioindicator to assess the impacts of perturbations in natural communities. Community ...

Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish

Long-term behavioral tracking can capture and quantify natural animal behaviors, including those occurring infrequently. Behaviors such as exploration and social interactions can be best studied by observing unrestrained, freely behaving animals. Weakly electric fish (WEF) display readily observable exploratory and social behaviors by emitting electric organ discharge (EOD). Here, we describe three effective techniques to synchronously measure the EOD, body position, and posture of a free-swimming WEF for an extended period of time. First, we describe the construction of an experimental tank inside of an isolation chamber designed to block external sources of sensory stimuli such as light, sound, and vibration. The aquarium was partitioned to accommodate four test specimens, and automated gates remotely control the animals&#39; access to the central arena. Second, we describe a precise and reliable real-time EOD timing measurement method from freely swimming WEF. Signal distortions caused by the animal&#39;s body movements are corrected by spatial averaging and temporal processing stages. Third, we describe an underwater near-infrared imaging setup to observe unperturbed nocturnal animal behaviors. Infrared light pulses were used to synchronize the timing between the video and the physiological signal over a long recording duration. Our automated tracking software measures the animal&#39;s body position and posture reliably in an aquatic scene. In combination, these techniques enable long term observation of spontaneous behavior of freely swimming weakly electric fish in a reliable and precise manner. We believe our method can be similarly applied to the study of other aquatic animals by relating their physiological signals with exploratory or social behaviors.

We describe a set of techniques for studying spontaneous behavior of freely swimming weakly electric fish over an extended period of time, by synchronously measuring the animal&#39;s electric organ discharge timing, body position and posture both accurately and reliably in a specially designed aquarium tank inside a sensory isolation chamber.

Langfristige Verhaltens Verfolgung von Frei Schwimmen Schwach elektrische Fische

Long-term behavioral tracking can capture and quantify natural animal behaviors, including those occurring infrequently. Behaviors such as exploration and ...

Neurowissenschaften

Measuring the Structure, Composition, and Change of Underwater Environments with Large-area Imaging

Digital imaging and processing technology have evolved to facilitate the expansion of large-area imaging surveys, which increase our capacity to study the status, trends, and dynamics of organisms living in subtidal habitats. By creating photo-realistic digital twins for ex situ analyses, these approaches allow small field teams to collect substantially more data than was previously possible. Here we present a four-step, large-area imaging survey pipeline and analysis methodology, including image collection, model construction, ecological analysis, and data curation, that has been developed and refined through experimentation over the past decade. Each step described has a consistent focus on the unique value of the original source imagery. While types of data extracted from large-area image surveys are vast, we include here workflows to extract ecological data for structural complexity, community composition, and demographic analyses valuable for monitoring and hypothesis-driven efforts. We additionally include recommendations for metadata standards, which complement the collection of large-area imaging data and support archival efforts facilitating transparency and collaboration between research groups.

This protocol covers a four-step large-area imaging survey methodology used to extract metrics of structural complexity, community composition, and population demographics for coral reef communities. The quality of imagery collected and integrated access to the source imagery are prioritized within each step of the protocol.

Digital imaging and processing technology have evolved to facilitate the expansion of large-area imaging surveys, which increase our capacity to study the ...

Quantifying Fish Swimming Behavior in Response to Acute Exposure of Aqueous Copper Using Computer Assisted Video and Digital Image Analysis

Behavioral responses of aquatic organisms to environmental contaminants can be precursors of other effects such as survival, growth, or reproduction. However, these responses may be subtle, and measurement can be challenging. Using juvenile white sturgeon (Acipenser transmontanus) with copper exposures, this paper illustrates techniques used for quantifying behavioral responses using computer assisted video and digital image analysis. In previous studies severe impairments in swimming behavior were observed among early life stage white sturgeon during acute and chronic exposures to copper. Sturgeon behavior was rapidly impaired and to the extent that survival in the field would be jeopardized, as fish would be swept downstream, or readily captured by predators. The objectives of this investigation were to illustrate protocols to quantify swimming activity during a series of acute copper exposures to determine time to effect during early lifestage development, and to understand the significance of these responses relative to survival of these vulnerable early lifestage fish. With mortality being on a time continuum, determining when copper first affects swimming ability helps us to understand the implications for population level effects. The techniques used are readily adaptable to experimental designs with other organisms and stressors.

Measuring the impacts of environmental contaminants on fish behavior is often subjective and challenging particularly when dealing with sublethal endpoints. We describe methods including video technology to quantify swimming behavior of early life stage white sturgeon (Acipenser transmontanus) during and after 96 hr acute exposures to various concentrations of copper.

Quantifizieren Fisch Schwimmverhalten in Reaktion auf akute Exposition von wässrigen Kupfer Form von computergestützten Video und digitale Bildanalyse

Behavioral responses of aquatic organisms to environmental contaminants can be precursors of other effects such as survival, growth, or reproduction.  ...

Using an Automated 3D-tracking System to Record Individual and Shoals of Adult Zebrafish

Like many aquatic animals, zebrafish (Danio rerio) moves in a 3D space. It is thus preferable to use a 3D recording system to study its behavior. The presented automatic video tracking system accomplishes this by using a mirror system and a calibration procedure that corrects for the considerable error introduced by the transition of light from water to air. With this system it is possible to record both single and groups of adult zebrafish. Before use, the system has to be calibrated. The system consists of three modules: Recording, Path Reconstruction, and Data Processing. The step-by-step protocols for calibration and using the three modules are presented. Depending on the experimental setup, the system can be used for testing neophobia, white aversion, social cohesion, motor impairments, novel object exploration etc. It is especially promising as a first-step tool to study the effects of drugs or mutations on basic behavioral patterns. The system provides information about vertical and horizontal distribution of the zebrafish, about the xyz-components of kinematic parameters (such as locomotion, velocity, acceleration, and turning angle) and it provides the data necessary to calculate parameters for social cohesions when testing shoals.

The use of a 3D automatic video system that can track individual and groups of zebrafish is described. As application example we explore the effects of the NMDA-receptor antagonist MK-801 on shoals of zebrafish.

Like many aquatic animals, zebrafish (Danio rerio) moves in a 3D space. It is thus preferable to use a 3D recording system to study its behavior. The ...

Biologie

Anesthesia-free Heartbeat Measurements in Freely Moving Zebrafish

Zebrafish (Danio rerio) is a widely used model organism in physiological, pharmacological, and toxicological research due to its genetic similarity to humans and transparent embryonic stage, which facilitates non-invasive cardiovascular studies. However, current methods for heart rate assessment in zebrafish often rely on anesthesia to immobilize the subject, introducing physiological alterations that compromise data accuracy and reproducibility. This study presents a novel, anesthesia-free technique for measuring heartbeat in freely moving zebrafish larvae, addressing a critical limitation in cardiovascular research. The proposed approach integrates shortwave-infrared imaging with machine-learning-based heart tracking, allowing for precise and continuous cardiac activity monitoring in non-immobilized specimens. A convolutional neural network was trained to detect the heart region, and a photoplethysmographic signal was extracted from image sequences to determine heart rate. Experimental validation demonstrated the method's reliability and consistency across multiple test conditions. A key benefit of the methodology is its ability to preserve the natural physiological state of zebrafish, minimizing stress-induced artifacts. This non-invasive, label-free technique offers significant advantages for studying cardiovascular physiology, drug cardiotoxicity, and environmental toxicology, expanding the potential applications of zebrafish as a model for biomedical research.

The study aims to develop technology for anesthesia-free heartbeat measurements in moving zebrafish. Our approach combines shortwave-infrared imaging and machine-learning-based tracking of the heart. It is a non-invasive, label-free, and user-friendly technique that suits a wide range of studies on the zebrafish model.

Zebrafish (Danio rerio) is a widely used model organism in physiological, pharmacological, and toxicological research due to its genetic similarity to ...