Este trabalho foi financiado pela The Nature Conservancy e doadores privados, recursos legado fundo Foundation, Gordon e Betty Moore Foundation, fundo de defesa ambiental, programa de concessão do mar de Califórnia, programa nacional de pesquisa cooperativa de NMFS e um NOAA Saltonstall-Kennedy Grant #13-cabos de aço-008. Marinhas de exploração e pesquisa aplicada (Dirk Rosen, Rick Botman, Andy Lauerman e David Jefferies) desenvolvido, construído e mantido a ferramenta vídeo de Lander. Agradecemos a Jim Seager e SeaGIS™ software para obter suporte técnico. Capitão e pescador comercial Tim Maricich e tripulação a bordo, o F/V Donna Kathleen fornecida apoio na implantação do módulo de pouso de 2012-2015. Obrigado a todos que participaram da coleta de dados de vídeo ou análise (Anne Tagini, Donna Kline, o Tenente Amber Payne, Bryon Downey, Marisa Ponte, Rebecca Miller, Matt Merrifield, Walter Heady, Steve Rienecke, EJ Dick e John Field).

Nota: Imagens dos passos software estão incluídas como Arquivos suplementares. Por favor, note que os passos de software descritos abaixo são específicos para o software escolhido (consulte a Tabela de materiais). A abordagem global pode ser estendida para qualquer plataforma de software estéreo.
1. prepare estéreo-câmera filmagem para análise
Nota: Recomenda-se calibração usando um cubo de calibração. Um cubo de calibração é um frame de alumínio tridimensional com precisamente posicionados pontos reflexivos na superfície. Quando usado em conjunto com software de calibração, um cubo de calibração leva a maior precisão e exatidão que quadriculado abordagens9.
<ol><li>Calibre as câmeras Lander com software de calibração de aparelhagem (Figura 1 e Figura 2; ver Tabela de materiais para uma recomendação de software). Nota: A calibração pode ser verificada antes de usar no campo medindo alvos de tamanhos conhecidos em distâncias diferentes (ver vídeo complementar 1). Erro de medição média para uma meta de 50 cm a uma distância de 3 m (ou menos) deve ser dentro de 2% do comprimento do alvo conhecido. Observe também que uma determinada calibração só será válida se não mudar de posições da câmera em relação um ao outro. É fundamental para cuidar e evitar empurrões não intencionais das câmeras, até que toda a amostragem foi realizada.</li>
	<li>Colete dados de campo usando o Lander calibrado (Figura 1, complementar vídeo 2).</li>
	<li>Após o campo de estudo é completo, crie uma nova pasta de projeto que contém os arquivos de vídeo e calibração. Nota: Em cada projeto pasta lá precisa mínimo de cinco arquivos: a esquerda e direita ". Arquivos de calibração de Cam", os esquerda e direita vídeo arquivos (. MP4 ou. Formato AVI apenas) e a lista de espécies (formato. txt).</li>
	<li>O software de medição estéreo, iniciar um novo projeto de medição e carregue arquivos de vídeo e calibração apropriados. Nota: Screenshots de todos os passos de software estão disponíveis entre os Arquivos complementares.<ol>
<li>Navegue até 'Medida' > 'Novo arquivo de medição'.</li>
		<li>Definir o diretório de imagens navegando para 'Imagem' > 'diretório de imagens Set' e escolha a pasta que contém todos os arquivos de projeto.</li>
		<li>Carregar a câmera esquerda ". Cam"arquivo navegando para 'Estéreo' > 'Câmeras' > 'Esquerda' > 'Arquivo de câmara de carga' e selecionar o arquivo apropriado.</li>
		<li>Repita a etapa 1.4.3 para carregar a câmera certa ". Arquivo de Cam" Nota: Esses arquivos contêm as medições de calibração para cada câmera (por exemplo, tamanho do pixel, relação de aspecto, distorção radial, decentring distorção, etc.) e serão usados para medir o peixe e calcular a distância da câmera (ou seja, Z distância).</li>
		<li>Definir a sequência de filme para o arquivo de vídeo à esquerda, navegando para a 'Imagens' > 'definir a sequência do filme' e selecionar o arquivo de vídeo de câmera de esquerda.</li>
		<li>Carregar o arquivo de vídeo à esquerda em software de medição, selecionando 'Quadro' > 'imagens de carga'. Nota: Certifique-se de que a caixa 'Bloquear' está desmarcada antes de carregar arquivos de vídeo. Isso permite que ambos os vídeos sejam carregados simultaneamente.</li>
		<li>Definir o filme sequência e carregar arquivo de vídeo para o vídeo certo usando os menus 'Estéreo' > 'imagens' > 'definir a sequência do filme' e 'Estéreo' > 'quadro' > 'imagens de carga'.</li>
		<li>Carregar a lista de espécies navegando para 'Medida' > 'Atributos' > ' Editar/carregar arquivo de espécie'.</li>
		<li>Insira as informações de ID de pesquisa sob 'Campos de informações' > 'Editar o valor do campo' e salve o arquivo para criar um. Projeto de EMObs.</li>
	</ol>
</li>
	<li>Sincronize os vídeos usando o flash de luz, aplauso, carimbo de tempo Universal Coordenado (UTC) ou qualquer evento específico de tempo que ocorre em ambos os vídeos.<ol>
<li>Se usando o carimbo de hora UTC, quadro-passo em frente no vídeo à esquerda até o carimbo de hora começa um novo segundo. Ocorre outra armação para a frente até que piscam ou aplauso.</li>
		<li>Quadro-passo o vídeo certo para a frente até o carimbo de hora exatamente corresponde o vídeo à esquerda. Quadro mais um passo à frente até o exato momento a luz do flash ou aplauso corresponde o vídeo à esquerda. Nota: É importante que os vídeos ser sincronizada para o mesmo quadro. Sincronização de vídeo deve ser verificada periodicamente usando o carimbo de tempo de vídeo para evitar a deriva de quadro câmera durante a análise. Umas palmas de mão filmado também podem ser usada no início e no final do vídeo para testar esse direito e esquerdos vídeos foram sincronizados para o mesmo quadro.</li>
	</ol>
</li>
	<li>Clique no botão "Bloquear" para garantir vídeos jogam juntos e mantêm a sincronização.</li>
</ol>2. gerar a contagem de pontos e calcular MaxN
Nota: Cada peixe inicialmente é marcado com um ponto 2D para o mais baixo possível resolução taxonômica. Peixe com identificação incerta deve ser marcado para revisão posterior.
<ol><li>Espere para começar a contar o peixe até o final de uma rotação completa da câmera para garantir que o 360 graus é usado. Também esperar até sedimentos se dissipou (geralmente < 1-2 min após o contato com a parte inferior).<ol>
<li>Assim como a Lander começa sua primeira rotação, botão direito do mouse para definir um novo período de amostragem: 'Definições de período' > 'Adicionar novo início período'. Digite o nome do primeiro período como "01" e clique em "Okey".</li>
	</ol>
</li>
	<li>Enquanto a Lander gira, começa a marcar cada peixe que entra em quadro, com um ponto 2D usando a câmera esquerda somente.<ol>
<li>Para adicionar um ponto 2D, botão direito, selecione 'Adicionar ponto' e escolha o nome da espécie correta. Etiqueta para o nível mais baixo possível taxonômico, selecionando 'spp.' para espécies desconhecidas e clique em "Okey".</li>
		<li>Continue a marcar cada peixe novo segundo passo 2.2.1 até a conclusão da rotação.</li>
	</ol>
</li>
	<li>Repita o protocolo procedimentos 2.1-2.2 para cada rotação adicional de Lander - garantindo que um novo período é definido no início de cada rotação de câmera. Nota: As curvas de acumulação de espécies foram usadas para determinar que oito rotações eram, em média, suficientes para caracterizar a abundância de peixes no presente estudo. Pesquisadores devem considerar a realização de testes preliminares com rotações de câmera adicional, por tempos mais longos de molho, para caracterizar o número ideal de rotações de câmera dentro de um determinado ecossistema.</li>
	<li>Calcule acusações específicas de indivíduos observados por rotação de câmera.<ol>
<li>Depois de tem sido enumeradas todas as rotações, exportar pontos 2D navegando para 'Medida' > 'Resumos de medição' > 'Apontar medidas' e salvar pontos 2D como arquivo a. txt.</li>
		<li>Abra o arquivo de ponto de 2D.txt salvo como uma planilha e crie uma tabela dinâmica de espécies vs número de rotação para resumir contagens (tabela 1) navegando para 'Inserir' > 'Tabela dinâmica'. Selecione "Gênero e espécie" para 'Rótulo de linha' e "Período" para 'Rótulo da coluna'.</li>
	</ol>
</li>
	<li>Escolha o MaxN para cada espécie, selecionando a rotação da câmera que tem o maior número de indivíduos dessa espécie (tabela 1).</li>
	<li>Para peixes, identificados apenas como gênero, selecione um nível de género MaxN baseado na rotação que teve o maior número de indivíduos identificados para a espécie no género específico. Nota: Este passo ajuda a evitar a dupla contagem individual peixe que só eram identificáveis de grupos taxonômicos superiores (por exemplo, apenas ao género ou família). Por exemplo, na tabela 1, ' rotação 1' contidos não identificado 10 Sebastes spp e 33 membros do gênero Sebastes identificada a espécie, Considerando que ' rotação 3' continha apenas dois não identificados Sebastes spp e 43 membros da o género Sebastes identificada a espécie. Por conseguinte, ' rotação 3' seria usada para contagem de MaxN de desconhecido Sebastes spp.. Desta forma, a conservadora suposição é feita que 8 do Sebastes spp. não identificado em ' rotação 1' foram identificados em ' rotação 8'.</li>
	<li>Se múltiplas rotações têm a mesma contagem de MaxN para uma dada espécie, escolha a primeira rotação com MaxN para medições ponto 3D.</li>
	<li>Para cada espécie, tirar medidas 3D de peixe na rotação que MaxN ocorreu.<ol>
<li>Use os pontos 2D salvos, coletados em passos 2.1-2.3 para navegar para o exato mesmo peixe para medição 3D.</li>
		<li>Zoom em pelo menos 4 X para identificar melhor a ponta do focinho de peixe e as bordas das barbatanas caudais (Figura 3). Nota: Pode ser necessário para a etapa de quadro para a frente ou para trás para encontrar a melhor orientação dos peixes para a medição 3D. A 'melhor' orientação é um onde o focinho e extremidades das barbatanas caudais são visíveis em ambas as câmaras.</li>
		<li>Manualmente, clique na ponta do focinho, então a ponta da cauda na câmara esquerda, em seguida, repita a seleção na mesma ordem no vídeo direito.</li>
		<li>Selecione a identificação correta da espécie de menus dropdown como foi feito na 2.2.1.</li>
		<li>Se uma medida de comprimento 3D não é possível, para instância se a cabeça e a cauda do peixe não são visíveis em ambas as câmaras, então marca um ponto 3D em vez disso deixou clicando a mesma posição do peixe em ambos os vídeos, esquerdas e direita. Preencha os campos de informações como antes e deixar o comentário "Excluir da medida do comprimento". Nota: MaxN pode ocorrer em diferentes rotações das câmeras para diferentes espécies; no entanto, para qualquer determinada espécie, medições devem ocorrer em um turno só (tabela 1).</li>
	</ol>
</li>
	<li>Depois de concluir as medições 3D para todos os peixes, exporte arquivo de as.txt de dados para posterior análise.<ol>
<li>Navegue até 'Medida' > 'Resumos de medição' > 'medições de ponto e comprimento 3D' e save.txt arquivo de exportação.</li>
	</ol>
</li>
</ol>3. procedimento de distância 95% Z para áreas específicas de pesquisa
Nota: A distância de 95%, Z é uma estimativa da distância média que uma espécie confiável pode ser identificada em um determinado estudo excluindo casos de condições excepcionais de água clareza ou iluminação. Este cálculo leva em conta as condições oceanográficas médias para um determinado estudo e terá de ser re-calculado para cada novo estudo.
<ol><li>Use uma inicialização simples para determinar se o tamanho da amostra é grande o suficiente para caracterizar a distância de detecção confiável para cada espécie.<ol>
<li>Para cada classe de tamanho de amostra (por exemplo, caixas de tamanho de amostra de 5 peixes), 1.000 aleatório retira a população de amostra do tamanho da amostra seleccionada com substituição calcular a média de 95% Quantil de distâncias desses 1.000 desenha e plotar o resultante curva assintótica. Consulte o código fornecido no Supplemental arquivos 1 & 2.</li>
		<li>Verificar que as amostras adequadas foram obtidas, comparando o tamanho de amostra real com a assíntota 95% Z distância com o aumento do tamanho da amostra.</li>
	</ol>
</li>
	<li>Calcule o valor da distância de 95% Z como o Quantil de 95% da distância da câmera medida para uma espécie através de todas as pesquisas.</li>
	<li>Calcule a área eficaz pesquisada para cada espécie usando o valor de 95%, Z. Nota: No caso de uma sonda rotativa, o valor de 95% Z representa o raio exterior de uma faixa pesquisado, com o raio interno determinado pela instalação física da ferramenta e como fechar para a base das câmeras é capaz de observar. Como o módulo gira, uma área de pesquisa 'donut' em forma de é formada (Figura 4).<ol>
<li>Calcule área pesquisada como: <img alt="Equation 1" src="/files/ftp_upload/56635/56635eq1.jpg"> Nota: por exemplo, uma espécie relativamente grande como Yelloweye Rockfish (Sebastes ruberrimus) tinha uma distância de 95% Z de 3,3 m e uma área de pesquisa eficaz de 30,9 m2 por implantação Lander: 34,3 m2 (círculo externo) - 3,4 m2 (interior círculo) = 30,9 m2 (área total de pesquisa).</li>
	</ol>
</li>
	<li>Usando a área calculada pesquisados contagens de espécies individuais (etapa 3.3.1), converter (MaxN) em estimativas de densidade para cada levantamento visual usando a equação: <img alt="Equation 2" src="/files/ftp_upload/56635/56635eq2v3.jpg"> Nota: Um procedimento similar pode ser usado para calcular uma densidade volumétrica, ao invés de uma densidade; no entanto, esse processo não é descrito aqui.</li>
</ol><img alt="Table 1" src="/files/ftp_upload/56635/56635table1.jpg"> Tabela 1: tabela de Resumo de exemplo MaxN. A seleção de MaxN para cada espécie é demonstrada com texto em negrito e vermelho. Observe que um conservador MaxN para não identificada Sebastes spp foi determinada pela rotação com a maioria dos Sebastes identificada a espécie (rotação 3). Também, enquanto este estudo utilizou oito rotações de câmera, apenas quatro rotações são exibidas na tabela 1 para a simplicidade. O processo para selecionar MaxN é idêntico independentemente do número de rotações.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56635/56635fig1.jpg"> Figura 1: Lander vídeo estéreo. Chave hardware é numerada (1) umbilical, 300 m (2) dois gravadores de vídeo digital (DVR) com removível cartões de armazenamento de 32 GB para dentro do frasco impermeável, dois LED (3) luzes saídos 3.000 lúmens a uma temperatura de cor de 5.000 K e (4). duas câmeras com resolução 620 de TV da linha (TVL). <a href="//cloudflare.jove.com/files/ftp_upload/56635/56635fig1large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/56635/56635fig2.jpg"> Figura 2: cubo de calibração (500 x 500 x 300 mm). Exemplo de uma calibração com um 'cubo de calibração' mostrado em duas orientações diferentes: (A) do lado direito do cubo é empurrado para fora para as câmeras, e (B) a face do cubo é paralela à face das câmeras. Pontos vermelhos indicam os pontos de referência utilizados neste método de calibração específica e devem ser sempre identificados na ordem numerada. <a href="//cloudflare.jove.com/files/ftp_upload/56635/56635fig2large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/56635/56635fig3.jpg"> Figura 3: medição 3D colocados no Sebastes miniatus. A ponta do focinho e ponta da cauda foram identificados em cada quadro da câmara para permitir a medição estéreo. <a href="//cloudflare.jove.com/files/ftp_upload/56635/56635fig3large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/56635/56635fig4.jpg"> Figura 4: área pesquisada pela ferramenta de Lander. Área eficaz pesquisada pela ferramenta Lander foi delimitada pelo mínimo distância Z e a distância de 95%, Z para cada espécie. Observe que esta área criado um volume de pesquisa 'donut' dado forma em torno da Lander. <a href="//cloudflare.jove.com/files/ftp_upload/56635/56635fig4large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</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>

Os autores não têm nada a divulgar

A métrica MaxN tradicional baseia-se na ideia de contar com um número mínimo garantido de indivíduos presentes durante o estudo. Se um determinado número de peixes é visível simultaneamente em um único quadro de vídeo, não pode haver qualquer menos presente, mas porque os peixes são móveis e forma heterogénea distribuído, a probabilidade de ver todos os indivíduos simultaneamente durante um único quadro do vídeo é baixa . Portanto, é provável que MaxN tradicional subestima a abundância de peixe verda...

Ao longo da costa do Pacífico dos Estados Unidos, muitas das espécies importantes para a pesca comercial e recreativa capturas (por exemplo, o complexo de bodião (Sebastes spp.) e Lingcod (Ophiodon elongatus)) estão fortemente associadas com habitats de alto-relevo, parte inferior dura1,2,3,4,5. Câmeras estéreo-video gota são uma ferramenta não-extrativistas atraente para usar em habitats rochosos devido à relativa facilidade e simplicidade de operação. Uma variedade de sistemas de câmaras de vídeo estéreo foram desenvolvidos e implantados no hemisfério sul, águas rasas ecossistemas6,7,8,9,10, e recentemente, gota-câmeras de vídeo ganharam tração como uma ferramenta de gerenciamento para ambientes de rochoso-corais de águas profundas ao longo da costa do Pacífico11,12,13. Nós procuramos modificar estes projetos existentes de câmera estéreo usando um sistema de câmera de vídeo estéreo (doravante referido como "Lander") para caracterizar mais eficientemente as populações de peixes em alto-relevo seafloors ao longo da costa do Pacífico central (ver tabela de de Materiais). O módulo usado foi diferente do que os sistemas de vídeo existentes porque câmeras foram montadas para uma barra central rotativa, que permitiram uma completa 360° de cobertura do fundo do mar a gota local14. O Lander completou uma rotação completa por minuto, o que nos permitiu rapidamente caracterizam a abundância e a composição da comunidade de uma área e alcançar o mesmo nível de poder estatístico com menos implantações de Lander. (Ver Starr (2016)14 para maiores detalhes sobre os detalhes da configuração do módulo de pouso). Testes preliminares no sistema de estudo sugeriram que oito rotações das câmeras em nossas pesquisas foram suficientes para caracterizar a riqueza e abundância de espécies. Essa determinação foi feita por uma observação de retornos decrescentes na abundância de espécies e densidade de peixe por mais gotas. Recomendamos que um estudo piloto, incluindo tempos de imersão mais ser realizado em qualquer novo sistema para determinar o tempo de imersão ideal para uma espécie de determinado ecossistema/estudo.
Usando câmeras estéreo emparelhadas, ambos pesquisa área total e densidade absoluta de peixe pode ser calculada para cada vídeo pesquisa; no entanto, o uso de câmeras de giro exigiu a modificação de peixe tradicional contagem de métricas. Sistemas de vídeo fixos mais frequentemente usarem "MaxN" como um conservador Conde de peixes em uma implantação de6,10. MaxN tradicional descreve o número máximo de peixe de uma dada espécie observada juntos em um único quadro de vídeo, para evitar a dupla contagem um peixe que deixou e voltou para o quadro. MaxN foi, portanto, uma estimativa do número mínimo de peixes conhecidos para estar presente e pode subestimar o verdadeiro peixe abundância6,10. A métrica MaxN foi redefinida para representar o maior número de peixes que vi em cada rotação completa das câmeras.
A segunda modificação para métodos anteriores de vídeo estéreo foi a conta para o fato de que espécies de vários tamanhos, cores, e formas têm diferentes distâncias máximos de identificação fiável. Por exemplo, grandes espécies como o. elongatus tem uma distinta forma alongada e confiável podem ser identificados a distâncias muito maiores em comparação com espécies pequenas e enigmáticas como a Squarespot Rockfish (Sebastes hopkinsi). Estes diferentes intervalos máximos de detectabilidade alterar a área eficaz pelo módulo para cada espécie. Porque as câmeras estéreo permitem-nos colocar todos os peixes no espaço tridimensional com um alto grau de precisão, um pode determinar a distância entre as câmeras que cada peixe foi medido (ou seja, a distância de"Z", nomeado para o "z", que é perpendicular à linha reta traçada entre as câmeras). Para cada espécie, a distância em que 95% de todos os indivíduos foram observados (doravante, "distância 95% Z") era considerada o raio da área de pesquisa e foi usada para calcular a área total de pesquisados. Além de características específicas, identificabilidade será afetada por condições ambientais, tais como a turbidez da água. Porque esses fatores podem variar no tempo e no espaço, é importante usar a estatística de 95% Z apenas no agregado. Enquanto será altamente preciso para amostras grandes, qualquer um inquérito individual pode variar em área pesquisada.
O protocolo detalhado abaixo fornece orientação sobre como criar e usar essas métricas. Embora o foco era caracterizar águas profundas habitat rochoso ao longo da costa do Pacífico, a metodologia descrita por modificados MaxN contagem é prontamente aplicável a qualquer sistema de gota-câmera rotativa. O número de rotações de câmera necessários para caracterizar as populações de peixes dependerá a dinâmica do ecossistema local, mas a conceituação do MaxN modificado permanecerá o mesmo. Da mesma forma, Considerando que costumávamos software fotogramétrico 3D para analisar vídeo estéreo, as técnicas descritas neste documento facilmente são aplicadas através de plataformas de software, como a localização precisa de peixe no espaço tridimensional é possível. Além disso, a abordagem da aplicação de um valor de distância 95% Z pode ser considerada no futuro estudos com estéreo-câmeras para contabilizar gamas específicas de detectabilidade e calcular com mais precisão a abundância de peixe.

<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

A utilização de sistemas de câmera de vídeo em estudos ecológicos de peixe continua a ganhar força como um método de medição de comprimentos de peixe e abundância de peixes estimando viável, não-extrativistas. Nós desenvolveu e implementou uma ferramenta rotativa de stereo video câmera que cobre 360 graus de amostragem, que maximiza o esforço amostral em comparação com ferramentas de câmera fixa. Uma variedade de estudos detalharam a capacidade dos sistemas estáticos, câmera estéreo para obter medições de alta precisa e precisas de peixe; o foco aqui foi sobre o desenvolvimento de abordagens metodológicas para quantificar a densidade de peixes usando sistemas de câmera rotativas. A primeira abordagem foi desenvolver uma modificação da métrica MaxN, que normalmente é uma conservador contagem do número mínimo de peixes observado na pesquisa determinada câmera. Nós redefinimos MaxN para ser o número máximo de peixe observada em qualquer determinada rotação do sistema de câmera. Quando são tomadas precauções para evitar a dupla contagem, este método para MaxN pode refletir mais precisamente verdadeira abundância do que o obtido a partir de uma câmera fixa. Em segundo lugar, porque estéreo-vídeo permite que o peixe deve ser mapeada no espaço tridimensional, estimativas precisas da distância-de-câmara podem ser obtidas para cada peixe. Usando o percentil de 95% da distância observada da câmera para estabelecer áreas específicas pesquisadas, explicar as diferenças na capacidade de detecção entre espécies, evitando a diluição estimativas de densidade, usando a distância máxima que uma espécie foi observada. Contabilidade para esta gama de detectabilidade é fundamental para estimar com precisão as abundâncias de peixe. Esta metodologia facilitará a integração dos instrumentos stereo-video em ciência aplicada e contextos de gestão rotativos.

Entre 2013 e 2014, realizamos 816 inquéritos com o módulo estéreo-video rotativo (Figura 1) ao longo da costa central da Califórnia e MaxN e 95% Z distância (Figura 4) dados coletados em mais de 20 espécies. Havia claros padrões na faixa detectável eficaz das espécies observadas, provavelmente devido a interação de espécies tamanho, forma e coloração (Figura 5). Por exemplo, o sinalizad...

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

Nós descrevemos um método novo para contagem de peixes e estimar a abundância relativa (MaxN) e a densidade de peixes usando sistemas de câmera de vídeo estéreo de giro. Também demonstramos como usar distância da câmera (distância Z) para estimar a detectabilidade espécie-específicas.

Desenvolvimento de novos métodos para quantificar a densidade de peixes usando ferramentas de estéreo-vídeo subaquáticas

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

Research

JoVE Journal

Environment

9.2K visualizações.  Moss Landing Marine Laboratories. Nós descrevemos um método novo para contagem de peixes e estimar a abundância relativa (MaxN) e a densidade de peixes usando sistemas de câmera de vídeo estéreo de giro. Também demonstramos como usar distância da câmera (distância Z) para estimar a detectabilidade espécie-específicas.

Vídeo: 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.

Métodos para pesquisas com base em imagem de macroinvertebrados bentônicos e seu Habitat, exemplificado pela pesquisa câmera Drop para o Oceano Atlântico Vieira

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 ...

Ambiente

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.

Acompanhamento a longo prazo de vídeo de animais aquáticos, Cohoused: um estudo de caso da atividade locomotora diária do lagostim (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.

Uma Cartilha de Campo para Monitoramento de Ecossistemas Bentônicos Usando Fotogrametria de Estrutura a Partir de Movimento

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.

Acompanhamento comportamental e Neuromast imagem de Cavefish mexicano

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

Comportamento

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.

Processamento Automático de Imagem para Determinar a Estrutura do Tamanho da Comunidade de Macroinvertebrados Ribeirinhos

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.

Longo prazo Behavioral Rastreamento de Livremente Natação fracamente elétrico dos peixes

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

Neurociência

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.

Quantificar Peixe Natação comportamento em resposta à exposição aguda de Aqueous Copper Usando Computer Assisted Vídeo e Análise de Imagem Digital

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 ...

Biologia

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 ...