Le dimensioni del corpo sono state prioritarie come tratto chiave per il monitoraggio. Tuttavia, misurare le dimensioni individuali richiede molto tempo. Il nostro metodo consente l'uso di routine dello spettro dimensionale dei macroinvertebrati per valutare gli impatti sugli ecosistemi di acqua dolce.
Il nostro protocollo fornisce un modo standardizzato per determinare automaticamente la distribuzione dimensionale individuale dei macroinvertebrati fluviali in un campione in circa un'ora. A dimostrare la procedura sarà Rosa Guri dell'Università di Vic. Per iniziare, accendere lo scanner.
E accendi la luce in doppia posizione. Per proiettare luce bianca dall'alto e dal basso. Quindi, pulire e sciacquare il vassoio di scansione con acqua del rubinetto.
Per creare gli spazi vuoti, versare 110 millilitri di acqua del rubinetto a temperatura ambiente nel vassoio di scansione fino a coprire il vetro. Posizionare la cornice grande sul vassoio di scansione con l'angolo nella parte superiore sinistra. E riempilo con acqua di rubinetto fino a coprire il gradino del fotogramma per evitare un effetto menisco che altererebbe le immagini scansionate.
Quindi, apri il software di elaborazione delle immagini, seleziona il progetto di lavoro e fai clic su scansiona l'immagine di sfondo convertita. Quindi, apri il software di scansione e fai clic su anteprima. Verificare che l'immagine non presenti linee o macchie e attendere almeno 30 secondi prima di avviare la scansione.
Quindi premere OK nella finestra delle istruzioni prima della seconda scansione per inviare i dati dal software di scansione al software di elaborazione delle immagini. Versare 110 millilitri di etanolo al 70% nel vassoio di scansione fino a coprire il vetro. E posiziona la cornice grande.
Quindi versare il campione di macroinvertebrati nel vassoio di scansione bordato dal telaio e coprirlo con più etanolo, se necessario. Quindi, utilizzando un ago di legno, omogeneizzare il campione in tutta l'area del telaio. Posizionare gli individui più grandi al centro del vassoio per una corretta elaborazione delle immagini.
E affondare gli organismi galleggianti. Inoltre, separare gli organismi raggruppati. E tira dentro gli organismi che toccano i bordi del telaio al centro.
Quindi, procedere alla scansione facendo clic su campione di scansione con scansione zoo per archiviare nessun processo. Selezionare il campione e seguire le istruzioni. Visualizza l'anteprima dell'immagine nel software di scansione senza linee o macchie.
Dopo 30 secondi, fare clic sul pulsante di scansione nel software di scansione. E verificare che l'immagine acquisita raw sia corretta. Rimuovere il telaio e lavarlo sopra il vassoio di scansione con un flacone riempito di etanolo al 70% per recuperare eventuali macroinvertebrati attaccati.
Sollevare la parte superiore dello scanner per recuperare tutti gli organismi e l'etanolo attraverso l'imbuto di recupero della scansione in un becher. Con la parte superiore dello scanner ancora sollevata, pulire il vassoio con il flacone di spremitura per spazzare via eventuali organismi rimanenti. Dopo aver recuperato tutti i campioni, pulire il vassoio con acqua di rubinetto.
Per prevedere l'identità, fare clic su analisi dei dati nel software di identificazione automatica. In Seleziona file di apprendimento, individua PID_Process, quindi seleziona learning_set per scegliere il file del set di apprendimento da utilizzare. Quindi, in selezionare i file di esempio, scegliere l'esempio da prevedere dalla cartella PID_results.
In selezionare un metodo scegliere il metodo della foresta casuale e quindi selezionare il pulsante Salva risultati dettagliati per ogni esempio. Nelle variabili originali, deselezionare le variabili di posizione. Infine, nelle variabili personalizzate, selezionare solo ESD.
Fare clic su avvia analisi e salvare i risultati come analysis_name. txt nella cartella PID_process stima. Per convalidare manualmente, copiare i file txt sample_dat_1 di analisi dalla cartella PID_process stima alla cartella PID_process PID_results.
Selezionare le vignette estratte in cartelle in base alla previsione o alla convalida nel software di elaborazione delle immagini. Quindi selezionare i file previsti utilizzati dalla PID_results cartella. E con le impostazioni predefinite, premendo OK viene creata una nuova cartella.
Ora vai alla cartella PID_process vignette ordinate e copia la cartella appena creata denominata con il nome del campione, la data e l'ora della convalida. Rinominare la cartella per convalidare con convalidato. Per convalidare manualmente la classificazione automatica, aprire il nome dell'esempio di cartella rinominata, la data e l'ora convalidati.
Esaminare tutte le vignette di ogni sottocartella per identificare eventuali oggetti classificati in modo errato. Quando un oggetto non è classificato, trascinare il bollino nella cartella corretta. Quindi, selezionare le identificazioni di carico dalle vignette ordinate.
Mantenendo le impostazioni predefinite, selezionare il file denominato data, ora, nome convalidato da elaborare. Quindi vai a PID_process, PID_results e poi dat1_validated. E apri il file denominato ID_from_sorted_vignettes data e ora txt per verificare che sia stata creata l'ultima colonna, stima, ID convalidato, data e ora, che specifica la classificazione degli esperti di ciascun oggetto.
Durante il test del sistema per i macroinvertebrati, alcune scansioni erano di scarsa qualità nelle immagini elaborate. Nonostante ciò, un sottocampione fine con una buona qualità di scansione del raw e dell'immagine elaborata appare come raffigurato. Nell'insieme delle vignette analizzate, l'86,1% corrispondeva ai detriti.
Inclusi detriti, fibre, parti del corpo o artefatti di scansione. E il restante 13,9% degli oggetti rilevati corrispondeva agli organismi invertebrati. Riconoscimento automatico seguito da validazione manuale degli oggetti esposti ad alto richiamo per tutte le categorie.
Mentre la contaminazione una precisione era piuttosto bassa tranne che per gli altri invertebrati. Il confronto tra l'abbondanza di macroinvertebrati automatici e convalidati ha mostrato un'elevata correlazione con una leggera sovrastima delle prestazioni automatiche dovute alla contaminazione da detriti. Le funzioni di densità di probabilità delle singole distribuzioni dimensionali della previsione automatica si sono verificate fortemente con le previsioni convalidate per i sottocampioni fini e grossolani.
I sottocampioni convalidati dopo la separazione degli oggetti toccanti da campioni naturali selezionati hanno mostrato una maggiore abbondanza. Ma il volume ellissoidale medio era vicino ai campioni convalidati. Le distribuzioni dimensionali dei campioni corretti differivano leggermente da quelle convalidate.
Ma è stata osservata una forte correlazione. Lo spettro delle dimensioni del volume biologico normalizzato era simile tra i trattamenti. Fatta eccezione per alcune classi di dimensioni in un paio di spettri.
Prendere il tempo necessario per separare gli organi di contatto per ottenere una scansione fine e pulire con acqua questo vassoio di scansione dopo ogni scansione con etanolo per evitare precipitazioni. Abbiamo adottato questa procedura creata per i macroinvertebrati da plancton a fiume. Pertanto, potrebbe potenzialmente essere adattato per ottenere dimensioni corporee individuali di altri gruppi più fini.
Ad esempio, invertebrati terrestri. Questo metodo consentirà una stima sistematica della struttura dimensionale della comunità di macroinvertebrati su gradienti grandi, speciali e temporali. E studiare il ruolo delle dimensioni corporee nel funzionamento dell'ecosistema fluviale e attraverso la valutazione.
