JoVE Logo
АВТОРЫ
СВЯЖИТЕСЬ С НАМИ

Войдите в систему

В этой статье

  • Резюме
  • Аннотация
  • Введение
  • протокол
  • Результаты
  • Обсуждение
  • Раскрытие информации
  • Благодарности
  • Материалы
  • Ссылки
  • Перепечатки и разрешения

Резюме

Этот протокол охватывает четырехступенчатую методологию визуализации больших территорий, используемую для извлечения показателей структурной сложности, состава сообщества и демографии населения сообществ коралловых рифов. Качество собранных изображений и интегрированный доступ к исходным изображениям имеют приоритет на каждом этапе протокола.

Аннотация

Технологии цифровой обработки изображений и обработки данных развиваются для облегчения расширения съемок на больших площадях, что увеличивает наши возможности по изучению состояния, тенденций и динамики организмов, живущих в сублиторальных средах обитания. Благодаря созданию фотореалистичных цифровых двойников для анализа ex-situ эти подходы позволяют небольшим полевым группам собирать значительно больше данных, чем это было возможно ранее. В этой статье мы представляем четырехступенчатую методологию исследования и анализа изображений большой площади, включая сбор изображений, построение модели, экологический анализ и курирование данных, которая была разработана и усовершенствована в ходе экспериментов за последнее десятилетие. На каждом описанном этапе основное внимание уделяется уникальной ценности исходного изображения. Несмотря на то, что типы данных, извлекаемых из съемок больших площадей, обширны, мы включаем сюда рабочие процессы для извлечения экологических данных о структурной сложности, составе сообщества и демографическом анализе, ценном для мониторинга и усилий, основанных на гипотезах. Кроме того, мы включаем рекомендации по стандартам метаданных, которые дополняют сбор данных изображений больших площадей и поддерживают архивные усилия, способствуя прозрачности и сотрудничеству между исследовательскими группами.

Введение

В наземных условиях исследователи воспользовались преимуществами стандартизированной выборки экологических сообществ на больших площадях, особенно в контексте долгосрочных исследовательских участков, включая остров Барро Колорадо1, экспериментальный лес Хаббард-Брук2 и другие. Благодаря сбору пространственно явных и таксономически разрешенных данных о распространении, такая выборка была использована для изучения фундаментальной экологической динамики, такой как модели расселения и пополнения 3,4,5, предпочтения и доступность мест обитания, ядра рассеивания, ограниченность ресурсов 3,5,6,7,8 и использование пространства 9,10. Тем не менее, на сегодняшний день большинство пространственных исследований морских сообществ опираются на метрики относительного покрытия, представленные в процентах охвата, занятого таксоном или группой 11,12,13,14,15. Однако агрегированные оценки относительного охвата недостаточны для детализации демографических данных на уровне населения, а также динамики на уровне сообществ. Исследования, в которых был проведен подробный анализ бентических сообществ, опирались на трудоемкие протоколы мониторинга в воде 16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32, но масштаб (включая таксономический, пространственный и хронологический масштабы) этих исследований заметно ограничен из-за оперативных требований методологии в воде.

Визуализация больших областей (LAI) – это подход, который объединяет информацию из многочисленных изображений с помощью трудоемких рабочих процессов для создания фотореалистичных представлений окружающей среды в масштабах, значительно больших, чем составляющиеизображения. Рабочий процесс LAI особенно хорошо подходит для применения в подводных средах обитания, учитывая ограниченную видимость из-за поглощения и рассеивания света в воде. Из-за ограниченной видимости изображения, на которых запечатлены мелкие детали бентоса, должны быть получены вблизи объекта; Таким образом, для съемки ландшафта (или морского пейзажа) широкой полосы бентической среды обитания с сохранением мелких деталей отдельных бентических объектов требуется комбинированная визуализация. Кроме того, в структурно сложных средах важно учитывать трехмерную (3D) структуру при реконструкции составного изображения для получения точных представлений о положении и относительной близости бентосных организмов. Фотограмметрический метод Structure-from-Motion (SfM) был применен к средам с относительно неподвижными бентическими организмами, включая коралловые рифы 34,35,36, антарктические бентические экосистемы 37, холодноводные коралловые рифы38, холодные сипы39 и места обитания морских водорослей40, создавая композитные изображения без стереоскопии, используемые для реконструкции ландшафтной сцены с последующим созданием ортокарты и оценкой облака точек.

В науке о коралловых рифах LAI предлагает возможность визуализации рифовых ландшафтов во все более больших пространственных масштабах и распространения этих визуализаций на цифровых носителях. LAI может быть использован для оценки покрытия рифовых организмов, плотности и распределения коралловых колоний, а также формы и состояния отдельных организмов 41,42,43,44,45,46,47. Кроме того, когда продукты LAI собираются из одного и того же места в разные моменты времени, можно регистрировать изменения в размерах и состоянии отдельных организмов 48,49,50,51. Учитывая, что большинство колоний склерактиниевых кораллов растут на уровне от миллиметров до сантиметров радиально в год, временные ряды LAI, собранные за разные годы, могут предоставить бесценный поток данных для отчетности о биологии и экологии этих видов. Повторяющиеся и совместно зарегистрированные данные LAI дают уникальную информацию для изучения коралловых рифов в формате, который можно распространять, архивировать и использовать в качестве основы для сотрудничества во всем мире.

По мере того, как использование LAI расширяется среди экологов, изучающих коралловые рифы53, растет и разнообразие систем камер и методологий съемки52. Выбранный протокол LAI должен быть нацелен на разрешение и объем желаемых экологических показателей, оставаясь при этом ограниченным в пределах имеющихся ресурсов. Качество любой фотограмметрической реконструкции в конечном итоге будет зависеть от разрешения исходного снимка и пространственного охвата исследуемой территории. Качество изображения определяется влиянием параметров камеры, включая разрешение сенсора и фокусное расстояние, а также процедуру сбора, главным образом расстояние от бентоса54, которые вносят свой вклад в эффективное расстояние отбора проб на земле (GSD) для определенного набора изображений. Кроме того, короткая выдержка, малая диафрагма и низкие значения ISO позволяют получать резкие изображения, которые находятся в фокусе и имеют низкий уровень электронного шума соответственно. Поддержание каждого из этих параметров на пороговых значениях, обеспечивающих достаточное качество изображений, может быть сложной задачей в подводной среде с низким уровнем освещенности. Более крупные сенсоры, такие как те, которые используются в цифровых однообъективных зеркальных камерах (DSLR) и беззеркальных камерах, обеспечивают лучшее качество изображения и, в свою очередь, более точные реконструкции по сравнению с более компактными и мобильными решениями, такими как экшн-камеры55. Дополнительные функции, которые не следует упускать из виду при выборе подходящей модели камеры, включают встроенный интервалометр и достаточную емкость хранилища и аккумулятора для поддержки длительной работы по сбору изображений в полевых условиях.

Дизайн опроса должен основываться на экологической гипотезе, при этом потенциальные метрики должны определять необходимое разрешение и пространственный охват. В рамках экологии коралловых рифов LAI использовался для характеристики структурной сложности 35,36,56,57,58,59, состава и совокупности сообществ 60,61,62, пространственного распределения 45,63,64,65,66 и траекторий сообществ 48,49,50,67,68,69. Разрешение качества изображения должно соответствовать потребностям в экологических данных, с более высоким разрешением на субмиллиметровую детализацию, необходимым для поддержки наблюдений за конкуренцией в масштабе полипов вдоль границ колоний70 или обследования мелких молодых кораллов66,71. Напротив, извлечение широкомасштабных сред обитания и структурных метрик для картографирования прибрежных районов 72,73,74 требует большей пространственной протяженности при меньшей потребности в разрешении в масштабе см-м. Требования к разрешению должны быть сбалансированы с пространственной протяженностью, необходимой для получения достаточной выборки, и оперативными ограничениями времени, необходимого для завершения съемки LAI33.

Здесь описан комплексный протокол проведения обследования LAI, который направлен на максимизацию качества, полезности и ценности исходных изображений, разбивая протокол на четыре основных этапа: сбор изображений, построение модели, экологический анализи курирование данных. Сбор около 3500 снимков LAI более 2000 уникальных участков рифов за последнее десятилетие внес свой вклад в совершенствование методологии для каждого этапа, представленного здесь (https://doi.org/10.6075/J0T43RN1). Полученный в результате протокол представляет собой метод надежного сбора данных и точных и точных реконструкций моделей, которые позволяют собирать подробные экологические данные по широкому спектру приложений, включая структурную сложность, состав сообщества и демографию населения (например, плотность и размерная структура). Кроме того, мы включаем стандарты метаданных для архивирования данных LAI, создание которых имеет важное значение для обеспечения сохранности, прозрачности и потенциала совместной работы этих цифровых двойников.

протокол

1. Коллекция изображений

ПРИМЕЧАНИЕ: Следующая процедура сбора изображений большой площади описывает метод съемки площади около 100м2, хотя она может быть легко адаптирована для областей от 10м2 до 2500м2. Метод обследования, описанный ниже, предназначен для развертывания в различных условиях работы, позволяет получать высококачественные изображения и предоставлять надежные данные, которые могут быть использованы для многих экологических приложений в результате одного часового погружения командой из двух человек.

  1. Подготовка зубчатых колес
    1. Соберите раму камеры, прикрепив внешние панели рамы к монтажным панелям и колоннам камеры с помощью винтов Philips с плоской головкой длиной 1 1/2 дюйма (рис. 1).
    2. Подготовьте две зеркальные камеры, одну с фиксированным широкоугольным объективом, а вторую камеру с зум-объективом. Подробные настройки камеры см. в таблице 1 .
      ПРИМЕЧАНИЕ: Несмотря на то, что вторая камера с зум-объективом является опциональной, настоятельно рекомендуется захватывать изображение с более высоким разрешением для определения деталей таксономии75,76, обнаружения и идентификации мелких ювенильных кораллов66,71 (1-5 см в диаметре) и различения границ колонии кораллов 45,48,50 во время будущих экологических анализов.
    3. Соберите корпуса подводных камер, прикрепив купольный порт и закрепив их прилагаемыми винтами с купольной головкой. Прикрепите ручки с помощью винтов с крестообразным шлицем длиной 1/2 дюйма, а монтажную пластину камеры - с помощью винта с торцевой головкой длиной 1 1/8 дюйма. Вставьте камеры в корпус и с помощью вакуумного насоса установите давление в корпусе на 5 дюймов. Hg, проверка целостности уплотнительного кольца.
    4. Установите корпуса на раму камеры, сдвинув монтажную пластину камеры на монтажные панели рамы, и закрепите на месте с помощью винтов с накатанной головкой.
  2. Настройка участка
    1. Установите границы участка с помощью шести квадратных плиток из нержавеющей стали (длина стороны 10 см) с напечатанными кодированными маркерами. Разместите две центральные плитки на расстоянии 10 м друг от друга вдоль целевой изобаты, а также четыре угловые плитки, добавленные на расстоянии 5 м от берега и от центральных плиток, чтобы создать квадратную площадь участка 10 м на 10 м (рис. 2). Запишите глубину на каждом из шести листов, чтобы обеспечить ориентацию по локальной вертикали и облегчить последующие шаги построения модели.
    2. Добавьте эталонные поплавки с линией ~1,5 м, прикрепленные к грузам весом 0,45 кг (1 фунт) примерно на 1 м от каждой из четырех угловых плиток.
      ПРИМЕЧАНИЕ: Эти опорные поплавки служат ориентиром для оператора для обозначения границ участка и высоты над бентосом, на которой он должен плавать камерой. Размещение их за пределами границ участка размером 10 м x 10 м создает буферную зону изображения, помогая обеспечить полную реконструкцию основной области изображения.
    3. Разместите масштабную линейку длиной 0,5 м, состоящую из двух маркированных целевых плиток, прикрепленных к поливинилхлориду (ПВХ) или алюминиевому стержню, в каждом квадранте участка, чтобы в общей сложности было развернуто четыре масштабные линейки.
      ПРИМЕЧАНИЕ: Важно, чтобы масштабные линейки и плитки глубины оставались стабильными на протяжении всего процесса сбора изображений. Масштабные линейки и плитки глубины также могут использоваться в качестве визуальных ориентиров, чтобы оператор мог отслеживать прогресс своего заплыва.
    4. Чтобы создать постоянные участки, установите колья из нержавеющей стали длиной 0,46 м (18 дюймов) (0,95 см или 3/8 дюйма с резьбой), закрепленные морской эпоксидной смолой из двух частей с помощью молотка, примыкающего к каждой центральной плитке, чтобы отметить центральную линию участка. При осмотре на суше левый колышек включает в себя контргайку для облегчения ориентации во время будущих исследовательских работ. В конце съемки запишите координаты Глобальной системы позиционирования (GPS) непосредственно над левым центральным местоположением столба с помощью устройства GPS, хранящегося в водонепроницаемом чехле, прикрепленном к поплавку для дайвинга.
      ПРИМЕЧАНИЕ: Установка постоянных кольев рекомендуется, если это разрешено разрешением, чтобы сократить время поиска при последующих исследованиях и подтвердить повторное обследование того же района рифа. Используйте распечатанное двухмерное (2D) ортоизображение или «дорожную карту» (Дополнительный файл 1) участка съемки для обнаружения инвариантных объектов и помощи в определении местоположения той же области участка для визуализации. Эти дорожные карты также могут быть использованы для перемещения участков точной съемки в тех случаях, когда получение разрешений не позволяет установить постоянные колья или когда колья были смещены или удалены.
  3. Захват изображения
    1. Установите пользовательский баланс белого для каждой камеры с помощью серой карты на целевой глубине графика.
    2. Запускайте каждую камеру на интервалометре, настроенном на захват с интервалом 1 с-1 .
    3. Проплывите мимо системы камер на высоте примерно 1,5 м над бентосом по сетчатой схеме, после чего следует второй перпендикулярный проход с сеткой с интервалом примерно 1 м между каждым проходом, плавая со скоростью около 0,25 м с-1 (рис. 3). Убедитесь, что проходы выходят минимум на 2 м за пределы границ участка, чтобы обеспечить достаточное перекрытие в пределах целевой площади участка.
      ПРИМЕЧАНИЕ: Следование этой схеме плавания и скорости приводит к минимальному сбору примерно 1700 изображений с каждой камеры в течение 28 минут съемки. Тем не менее, чтобы учесть время между проходами и ошибку в сторону избыточной дискретизации для буферизации против недостаточного перекрытия, которое приводит к неоптимальным данным, мы рекомендуем дайверам собирать 2500 изображений с каждой камеры в течение примерно 40 минут визуализации.
    4. Удерживайте систему камер примерно перпендикулярно поверхности океана, чтобы обеспечить достаточный охват сверху вниз; однако для участков съемки со сложным рельефом отрегулируйте ориентацию камеры на втором проходе, чтобы она следовала перпендикулярно бентосу и уменьшала окклюзии при 3D-реконструкции. Будьте осторожны при наклоне камеры, чтобы свести к минимуму синюю воду, которая запечатлена на снимке.
      ПРИМЕЧАНИЕ: В случаях неоптимальных условий океана, таких как сильные течения или крутые склоны, оба прохода могут быть выполнены в одном и том же направлении вдоль берега. Использование только одной широкоугольной камеры может быть необходимо при сильном течении, чтобы уменьшить профиль сопротивления и усилие дайвера, необходимое для поддержания продвижения вперед. Второй набор проходов в идеале должен быть немного повернут относительно первого. Если два прохода выполняются в одном и том же направлении вдоль берега, то для улучшения качества реконструкции следует добавить по крайней мере одну или две перпендикулярные или диагональные «связующие линии», проходящие через первоначальный набор проходов.

2. Построение модели

ПРИМЕЧАНИЕ: На этапе построения модели основное внимание уделяется поддержанию доступа к исходным изображениям с высоким разрешением и созданию производного плотного облака точек. Обращение к плотному облаку точек происходит в централизованном программном обеспечении для визуализации и анализа (см. Таблицу материалов)77, что позволяет пользователю вводить и изменять данные на лету. Это устраняет необходимость в повторной обработке и повторном экспорте продуктов данных для набора данных при появлении новой информации, особенно при проведении дополнительных опросов во времени. Ортогональные 2D-карты, называемые здесь ортопроекциями, создаются с использованием ортотрансформированного проекционного вида плотного облака точек, угол проекции которого ортогональен направлению силы тяжести.

  1. Выравнивание камеры и построение плотного облака точек в 3D
    1. Используя высокопроизводительный компьютер, загрузите все изображения, в том числе с широкоугольных камер и камер с макрообъективом, в проект Agisoft Metashape , выбрав Workflow | Добавить папку. После загрузки файлов выберите схему данных как «Отдельные камеры», «Добавить все изображения одним блоком». Удалите из проекта изображения с избытком синей воды в сцене.
      ПРИМЕЧАНИЕ: Перед добавлением в проект, изображения с каждой камеры должны быть организованы в отдельные папки, которые будут разделять файлы изображений внутри блока как отдельные группы камер.
    2. Выровняйте все изображения, выбрав Рабочий процесс | Выровняйте фотографии. Настройки обработки для выравнивания см. в таблице 2 .
    3. После завершения юстировки убедитесь, что набор изображений успешно выровнен на основе процента выровненных камер и проверки созданного облака разреженных точек на наличие пробелов в покрытии или смещений. Прежде чем продолжить, убедитесь, что ограничивающий прямоугольник охватывает все облако разреженных точек. При необходимости измените его с помощью опций « Изменить размер » или «Повернуть область ».
      ПРИМЕЧАНИЕ: Возможно, что 100% изображений выровнены и все еще имеют пробелы в частях модели, и наоборот, 80-90% изображений выровнены, но имеют полную модель целевой области съемки. Таким образом, как процент выравнивания, так и охват записи должны использоваться для принятия обоснованного решения об удобстве использования, частично или полностью, созданного набора данных или о том, требуются ли дополнительные усилия для повышения качества получения изображений или корректировки настроек обработки выравнивания.
    4. Отключите группу камер, содержащую изображения с зум-объектива. Создайте плотное облако точек, выбрав Рабочий процесс | Создавайте плотное облако. В таблице 2 приведены настройки обработки для Build Dense Cloud.
      ПРИМЕЧАНИЕ: В то время как изображения с обеих камер следует использовать для выравнивания, чтобы облегчить запрос всех изображений с высоким разрешением во время экологического анализа, изображения с зум-объектива не следует использовать при создании плотного облака точек, так как незначительные различия в балансе белого и экспозиции между двумя камерами добавят визуальный шум в плотное облако точек.
    5. Экспортируйте оценку положения камеры, выбрав Инструменты | Запуск скрипта | Extract_meta.py скрипт (Дополнительный файл 2). Экспортируйте плотное облако точек, выбрав Файл | Экспорт | Точки экспорта. Настройки для экспорта см. в таблице 2 .
    6. Перетащите экспортированный файл плотного облака точек в файл vc5prep-confidence.bat, расположенный в программных файлах программного обеспечения для визуализации.
    7. Скомпилируйте экспортированные файлы данных, включая файлы поз камеры (*.cams.xml и *.meta.json) вместе с сгенерированными программными файлами (*.vml и папка, содержащая файлы *ptdata, *.xml, *.kdm) в один каталог для использования в программном обеспечении для визуализации.
  2. Масштаб и ориентация
    1. В программном обеспечении для визуализации используйте инструмент масштабирования для размещения пар маркеров на целевых масштабных линейках и ввода известного расстояния.
      ПРИМЕЧАНИЕ: Более подробную информацию об инструменте скалирования можно найти в разделе 4.2 Дополнительного файла 3.
    2. Разместите маркеры на каждой плитке глубины и используйте инструмент ориентации для настройки значений глубины для каждой плитки, чтобы определить плоскость наилучшего соответствия локальной вертикали.
      ПРИМЕЧАНИЕ: Более подробную информацию об инструменте orient можно найти в разделе 4.4 Дополнительного файла 3.
      ПРИМЕЧАНИЕ: Убедитесь, что лучи глубины направлены вверх и заканчиваются на предполагаемой поверхности воды. В случае лучей, направленных вниз, проверьте наличие признаков смещения листов глубины, которое может привести к ошибкам в значении глубины относительно их окончательного восстановленного местоположения или ошибкам в метаданных глубины.
  3. Временная корегистрация
    1. Создайте файл проекта организации в программном обеспечении для сбора данных в соответствии с разделом 10.0 Дополнительного файла 3. Включите несколько сайтов с опросами во времени в один проект организации.
    2. Добавляйте файлы плотных облаков точек в проект организации в качестве слоев и при необходимости изменяйте организационную структуру на уровне сайта, чтобы связать плотные облака точек данного сайта во времени.
      ПРИМЕЧАНИЕ: Используйте согласованную схему именования файлов [Region]_[Date]_[Site] для автоматизации организации слоев.
    3. Выберите временную точку для сайта, который будет использоваться в качестве опорного слоя для масштабирования и ориентации временных рядов.
      ПРИМЕЧАНИЕ: Для установки масштаба можно использовать несколько слоев; Тем не менее, один слой временной точки должен быть выбран в качестве эталона для ориентации, так как приливные сдвиги и большая высота волн приводят к ошибке в точности и согласованности измерений глубины во времени.
    4. Используйте инструмент совместной регистрации с помощью для выравнивания слоев во времени.
      ПРИМЕЧАНИЕ: Более подробную информацию можно найти в разделе 11.0 Дополнительного файла 3. В случаях значительных структурных изменений, вызванных быстрым ростом или большими волнениями, может быть предпочтительным использование ручного рабочего процесса совместной регистрации с использованием инвариантных признаков-кандидатов. Для более длительных временных рядов или при существенных изменениях во времени, как правило, рекомендуется совместно регистрировать данную модель в следующую более раннюю временную точку.
  4. 2D ортотрансформация
    1. С помощью инструмента box в программном обеспечении задайте вид с угла поверхности (g: 0°) с границами, охватывающими область фокального анализа (10 м x 10 м), а также минимальный буфер 2 м (минимум w: 14 м, минимум h: 14 м), простирающийся от каждого края.
      ПРИМЕЧАНИЕ: Подробную информацию об использовании инструмента box можно найти в разделе 6.0 Дополнительного файла 3.
    2. В инструменте boxes включите экспорт карты, чтобы создать файл изображения ортопроекции. Установите разрешение экспорта на 1 мм px-1 и выберите захват для создания предварительного просмотра. Прокрутите до плитки предварительного просмотра, содержащей полное сечение плотного облака точек, и увеличьте значение pt-size, чтобы заполнить промежутки между точками.
    3. Выберите захват, чтобы экспортировать ортопроекцию в виде файла ppm. После завершения захвата преобразуйте экспортированный файл в TIF, перетащив сгенерированный файл .ppm в файл convert-to-tif-flip.cmd, расположенный в файлах программы.
    4. Для совместно зарегистрированных плотных облаков точек временного ряда повторите шаги с 2.4.2 по 2.4.3 для сайта, изменяя временной слой при использовании того же блока.

3. Экологический анализ

ПРИМЕЧАНИЕ: Существует множество вариантов извлечения экологических данных, некоторые из которых мы представляем здесь. Эти основные рабочие процессы сосредоточены на установленных показателях для долгосрочного мониторинга78,79, но могут быть использованы и адаптированы для получения данных, достаточных для научного исследования, основанного на наблюдениях. Пользователи должны выбирать и адаптировать рабочие процессы в соответствии со своими индивидуальными потребностями в данных и аналитическими целями. Описанные ниже рабочие процессы предназначены для интеграции прямого доступа к исходным изображениям для облегчения аннотирования биологических данных с использованием производных продуктов, таких как плотное облако точек 3D или 2D ортопроекция, в качестве организационной структуры.

  1. Структурная сложность
    1. С помощью инструмента rugo создайте прямоугольник размером 10 м x 10 м на плотном облаке точек, установив максимальный размер 10 м (rugo-dim: 10,0 м) и соотношение сторон 1,0 (quad-aspect: 1,000), чтобы обозначить целевую область размером 100м2 для извлечения данных.
      ПРИМЕЧАНИЕ: Более подробную информацию об использовании инструмента rugo можно найти в разделе 7.0 Дополнительного файла 3.
    2. Задайте количество линий разреза для выборки (линий) и количество точек вдоль каждого разреза (сэмплов) в зависимости от требуемого расстояния между сэмплами. Выберите «Подготовить », чтобы экспортировать файл CSV, содержащий координаты x, y и z каждой точки выборки, который можно использовать для различных анализов структурной сложности.
    3. Запустите скрипт, найденный в дополнительном файле 4 , для создания функций, используемых для анализа структурной сложности. Затем следуйте сценариям, найденным в дополнительном файле 5 на основе желаемых показателей, чтобы количественно оценить структурную сложность.
      ПРИМЕЧАНИЕ: Рекомендуется выбирать масштаб интервала с самым высоким разрешением (рекомендуется расстояние 1 см ), на который пользователи могут ориентироваться в соответствии с интересующим их масштабом, из которого различные масштабы, такие как представленные здесь (междурядье 0,5 м и расстояние между точками 10 см), могут быть аналогичным образом оценены путем понижения выборки56.
  2. Состав сообщества
    1. С помощью инструмента Virtual Point Intercept (VPI) создайте прямоугольник размером 10 м x 10 м на плотном облаке точек, установив максимальный размер 10 м (четырехугольный: 10,0 м) и соотношение сторон 1 (четырехугольный: 1,000), чтобы обозначить целевую область размером 100м2 для извлечения данных.
      ПРИМЕЧАНИЕ: Подробную информацию об использовании инструмента Virtual Point Intercept можно найти в разделе 5.0 Дополнительного файла 3.
    2. Задайте точки для выборки из плотного облака точек в стратифицированном случайном распределении, с количеством точек, нацеленных на выбранную плотность. Выберите Подготовиться , чтобы начать отбор проб в точках.
      ПРИМЕЧАНИЕ: Плотность отбора проб 25 м-2 (2 500 точек) рекомендуется для анализа на таксономическом уровне. В представленных здесь результатах использовалась более низкая плотность выборки (10 м-2) для более широкого сравнительного исследования состава сообщества, ориентированного на функциональный уровень.
    3. Используйте инструмент cams для связывания исходных изображений с плотным облаком точек и обеспечения пространственного запроса нескольких изображений точек на модели.
      ПРИМЕЧАНИЕ: Более подробную информацию об инструменте кулачков можно найти в разделе 4.5 Дополнительного файла 3.
    4. Используйте веб-апплет браузера VPI для обозначения каждой точки в первую очередь таксономическим обозначением с самым высоким разрешением, используя несколько видов исходного изображения. Добавьте два необязательных набора вторичных надписей для каждой точки, с примерами надписей кораллов, включая обесцвечивающее напряжение75 и морфологию.
      ПРИМЕЧАНИЕ: Первичные и вторичные наборы меток можно изменить, отредактировав файл qclasses.json, расположенный в папке *.pq.
    5. Экспортируйте сводку процентного покрытия для каждой этикетки в виде файла .csv с помощью веб-апплета.
  3. Съемка плотности
    1. Убедитесь, что изображения уже связаны в программном обеспечении, следуя шагу 3.2.3. Установите вид псевдокарты плотного облака точек, изменив фокусное расстояние перспективного вида на 100 мм и увеличив масштаб до полного вида модели сверху вниз. Используйте файл выборки квадрата в дополнительном файле 6 для захвата изображения с помощью веб-апплета, щелкнув eval для ячейки c1, а затем нажмите кнопку захвата.
      ПРИМЕЧАНИЕ: Более подробную информацию можно найти в разделе 8.0 Дополнительного файла 3.
    2. Включите камеры, а затем свяжите изображения в рабочем процессе квадратной выборки, щелкнув eval для ячеек c2 и c3 в скрипте квадратной выборки.
    3. Убедитесь, что в соответствии с шагом 3.1.1 уже изготовлен ящик rugo, чтобы обозначить целевую зону извлечения данных площадью 100м2 . В веб-апплете оцените секцию препарирующих ячеек c4 для выборки 100 1 м2 квадратов.
    4. В веб-адресе Выборка квадратов используйте исходные изображения для поиска по квадрату и надписывания целевых организмов. Дважды щелкните левой кнопкой мыши по местоположению, чтобы перенацелить место выборки. Нажмите таксономическую кнопку, чтобы обозначить целевую точку в качестве образца. Чтобы удалить отмеченную точку, дважды щелкните левой кнопкой мыши по ней и выберите НИЧЕГО.
      ПРИМЕЧАНИЕ: Квадраты представлены в заранее определенном случайном порядке, что позволяет случайным образом отбирать подмножество квадратов для обследования плотности.
    5. Скомпилируйте все файлы выборки, расположенные в *aux/recruits/test1, в одну директорию, переименовав каждый файл, включив в него название сайта. Добавьте файл поиска кнопки (дополнительный файл 7) в тот же каталог, что и файлы образцов. Запустите скрипт в дополнительном файле 8, следуя встроенным инструкциям по агрегированию данных образцов в плотность по узлам и таксономическим группам.
      ПРИМЕЧАНИЕ: Здесь мы берем образцы сидячих беспозвоночных, но тот же инструмент может быть использован для изучения различных организмов, включая плотность молодых и взрослых кораллов.
  4. Демография
    1. Загрузите файл ортопроекции для сегментации колоний в программное обеспечение для анализа сегментации (см. Таблицу материалов)80. Загружайте совместно зарегистрированные файлы ортопроекции для нескольких временных точек в качестве новых карт в одном файле проекта, чтобы сегментировать и отслеживать размер колоний во времени.
    2. Используйте исходное изображение через веб-апплет для iView , найденный в разделе 17.1 Дополнительного файла 3 , при сегментации колоний в качестве ориентира для таксономической и пограничной идентификации. Убедитесь, что изображения уже связаны в программном обеспечении для визуализации, следуя шагу 3.2.3. Поместите маркер на плотное облако точек для фокальной колонии и прокрутите исходные изображения для местоположения маркера для различных перспективных видов.
    3. Используйте инструмент аннотации положительных/отрицательных кликов , чтобы сегментировать отдельные колонии кораллов. Изменяйте границы с помощью щелчка мыши или вручную.

4. Курирование данных

ПРИМЕЧАНИЕ: Архивные работы должны отдавать приоритет сохранению исходных изображений, поскольку все последующие производные продукты являются воспроизводимыми. Несмотря на то, что репозитории, доступные конкретному пользователю, могут различаться, следует приложить усилия для стандартизации соответствующих метаданных опроса, включенных в исходный набор данных изображений, чтобы максимизировать их полезность, когда они становятся доступными для более широкого сообщества.

  1. Репозиторий данных
    1. Создайте файл описания методов, который включает в себя детали съемки, такие как охватываемая область, система камер, маркеры наземного управления и шаблон сбора. Пример описания этого протокола см. в Дополнительном файле 9 .
    2. Сгенерируйте файл метаданных съемки, относящийся к набору данных изображений, включая такие поля, как название объекта, дата сбора, координаты GPS, направление участка, данные о глубине и масштабе наземного контроля, а также используемый шаблон сбора и система камер для данной съемки.
      ПРИМЕЧАНИЕ: Настоятельно рекомендуется использовать дополнительные поля, которые включают более широкий географический контекст и условия во время опроса. Пример файла метаданных с рекомендуемыми полями можно найти в Дополнительном файле 10.
    3. Объедините файл описания, файл метаданных и файлы изображений в один zip-архив для загрузки в выбранный репозиторий данных.
      ПРИМЕЧАНИЕ: Коллекции данных изображений были доступны в https://doi.org/10.6075/J0DV1HDR.

Результаты

Успешный сбор изображений большой площади в полевых условиях должен привести к созданию плотной реконструкции облака точек с полным нисходящим покрытием области обзора, в то время как недостаточная избыточность покрытия может привести к разрывам или полному ухудшению качества облака точек (рис. 4). В 2016 году на Гавайском архипелаге было проведено 43 исследования больших площадей, в среднем 99,6% изображений были выровнены по набору данных, при этом 66% наборов изображений имели 100% успешно выровненных изображений. Изображения, полученные с широкоугольной камеры, имели среднее GSD 0,52 мм px-1 , в то время как изображения с камеры с зум-объективом имели среднее GSD 0,18 мм px-1. В результате этих обзоров были созданы плотные облака точек со средним размером 557,7 млн точек (15 ГБ).

Описанные здесь экологические рабочие процессы были разработаны для получения данных, сопоставимых с существующими методологиями мониторинга коралловых рифов78. Экологические данные, полученные в ходе обследований LAI на Гавайях, показывают, за исключением нескольких выбросов, показатели линейной складчатости, возникающие в результате рабочего процесса структурной сложности, которые хорошо согласуются с относительными значениями по сравнению с измерениями сложности in situ на участках81 (рис. 5A, B). Дополнительный анализ состава сообществ, проведенный LAI для измерения процентного охвата основных функциональных групп бентоса, показывает аналогичное выравнивание по сравнению с традиционными фотоквадратными съемками82 (Рисунок 5C, D). Квадратный отбор проб здесь использовался для измерения плотности сидячих беспозвоночных, наиболее распространенными из которых были морские ежи, которые были обобщены как категориальные меры относительной численности. Методы LAI регулярно регистрировали более высокие уровни численности по сравнению с методами in situ 81 (рисунок 5E, F), что может быть связано с возможностью всестороннего поиска и обследования всех особей в пределах данной территории по сравнению с быстрой визуальной переписью. Сегментация коралловых колоний с использованием 2D-ортопроекции также выявила схожие распределения размеров общих коралловых таксонов по методам in situ 83 (рисунок 5G, H).

Основным преимуществом исследований LAI является возможность архивировать и отслеживать изменения в районах рифов с течением времени за счет совместной регистрации плотного облака точек. Коралловые рифы являются живыми субстратами, что для исследований LAI означает, что может быть сложно идентифицировать постоянные поверхности, как естественные, так и установленные, которые можно использовать для надежной совместной регистрации плотных облаков точек из разных временных точек. Пример с атолла Миллениум (Рисунок 6) показывает пример как с высоким ростом, так и со структурными потерями, где для совместной регистрации плотного облака точек использовался рабочий процесс с помощью корегистрации, несмотря на незначительную стабильность поверхности рифа во времени или ее отсутствие.

figure-results-3601
Рисунок 1: Схема собранных кадров камеры. Примеры видов (A,B) с двумя кадрами и (C,D) с одним кадром камеры. Корпуса камер Ikelite крепятся к раме на монтажной панели камеры с помощью ползунка, прикрепленного к ручкам корпуса. Дополнительные приборы для помощи в навигации, такие как уровень, компас и компьютер для погружений, могут быть прикреплены к раме, как показано на рисунке B. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

figure-results-4412
Рисунок 2: Схема заданного участка площадью 100м2 большой площади. Схема полностью настроенного большого участка изображения площадью 100м2 в объеме. Временные маркеры графика включают шесть маркеров пограничных листов, четыре масштабные линейки и четыре опорных плавающих элемента. Постоянные маркеры участка включают в себя два колья из нержавеющей стали с левым колышком, если смотреть на берег, включая контргайку. Ссылка GPS для графика должна быть сделана над левоцентричной плиткой или колышком. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

figure-results-5311
Рисунок 3: Шаблон коллекции дайвера. Пример (А) траектории плавания дайвера для обеспечения достаточного охвата и перекрытия участка участка с включенным буфером и (В) расположения дайвера с системой камер с опорными поплавками, обеспечивающими ориентир для высоты плавания. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

figure-results-5994
Рисунок 4: Уменьшение перекрытия изображения. Ухудшение плотного облака точек по мере уменьшения числа перекрывающихся изображений за счет случайной выборки. На каждой панели показано плотное облако точек, созданное из (A) всех изображений, (B) 1/2, (C) 1/3, (D) 1/5 и (E) 1/10 исходных изображений. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

figure-results-6753
Рисунок 5: Извлечение экологических данных. Потенциальные данные, извлеченные из изображений большой площади для каждого из экологических рабочих процессов, показаны в сравнении с установленными методами сбора данных in situ. Это включает в себя (A,B) структурную сложность, (C,D) состав сообщества (погрешности указывают на стандартную ошибку), (E,F) плотность беспозвоночных и (G,H) демографию размерной структуры. Аббревиатура: LAI = визуализация большой площади. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

figure-results-7664
Рисунок 6: Плотная корегистрация облака точек. Пример визуального сравнения двух временно козарегистрированных плотных облаков точек. Области структурных потерь, вероятно, из-за повреждения от набухания, визуально обозначены красным цветом, как указано пурпурной стрелкой. Области структурного прироста, обычно связанные с ростом коралловых колоний, визуально обозначены синим цветом, как указано желтой стрелкой. Описанный здесь процесс совместной регистрации по-прежнему может быть использован для таких динамичных районов рифов, как показано здесь, где постоянно установленные наземные контрольные точки (ОКП) будут ненадежны из-за чрезмерного зарастания или смещения. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Функция камерыРекомендуемая настройка
ФокусАвто
Режим съемкиP (программируемый автоматический режим) для широкоугольного объектива
A (автоматический режим с приоритетом диафрагмы) с диафрагмой F8 для макрообъектива
Режим съемкиS (автоматический режим с приоритетом выдержки)
Настройки автофокусировкиЦентральная автофокусировка (AF-C), единая центральная точка (S)
Автоматическое управление чувствительностью ISOНА
Максимальная чувствительность ISO3200
Минимальная выдержка1/320
Качество изображенияRAW+JPEG
Интервальный таймер1 с
Баланс белогоОбычай

Таблица 1: Рекомендуемые настройки камеры. Ниже приведен список основных настроек камеры, используемых для оптимизации качества изображения. Эти настройки отдают приоритет съемке изображений в фокусе, сделанных движущимся оператором в условиях подводного освещения.

Выровнять фотографии
ТочностьВысокий
Общий предварительный выборНет
Лимит ключевых точек5000
Ограничение точки привязки0
Управляемое сопоставление изображенийНет
Адаптивная подгонка модели камерыДа
Создание плотного облака
КачествоВысокий
Фильтрация по глубинеЛегкая
Вычислить цвета точекДа
Вычислить доверительные ощущения в точкеДа
Экспортные баллы
Тип файлаСтэнфордский фанер
Система координатМестные координаты (м)
Исходные данныеПлотная облачность
Сохранение цветов в точкахДа
Точка сохранения нормальнаяДа
Сохраняйте уверенность в очкахДа
Сохранение классов балловНет
Преобразование цветов в 8-битный RGBДа
Двоичное кодированиеДа

Таблица 2: Настройки построения облака точек 3D Dense. Список настроек, используемых в Agisoft Metashape для создания и экспорта высококачественной реконструкции плотного облака точек.

Дополнительный файл 1: Дорожная карта. Пример ортофотоплана, помеченного особенностями и глубиной участка, чтобы помочь найти участок для повторной съемки. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 2: Extract_meta.py. Скрипт запускается в Agisoft Metashape для экспорта информации о положении камеры и каталоге файлов для использования в Viscore для запроса исходных изображений. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 3: Путеводитель по Viscore. Руководство по программному обеспечению для Viscore, которое включает в себя рабочие процессы для визуализации моделей, совместной регистрации и экологического анализа. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 4: Rugosity_Functions.Rmd. Скрипт, используемый в R, содержащий функции для обработки данных о графичности, извлеченных из Viscore. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 5: Rugosity_Analysis.Rmd. Скрипт, используемый в R для вычисления метрик rugosity. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительное досье 6: Quadrat_sampling.rpl.json. Скрипт, используемый в Viscore для анализа квадратной плотности. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительное дело 7: Density_taxo_lookup.json. Кнопка поиска файла для запуска скрипта квадратной выборки для агрегирования данных квадратной выборки по таксономическим группам. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 8: Density_Analysis.R Скрипт, используемый в R для агрегирования данных квадратной выборки, которая вычисляет плотность по таксономическим группам на уровне опроса. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 9: README.txt Пример текстового файла, который должен быть включен в исходное изображение для архивирования данных, описывающий методологию захвата изображений. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 10: METADATA_KAH_2016-07_03.txt Пример текстового файла, который должен быть включен в исходное изображение для архивирования данных, содержащее поля метаданных для опроса LAI. Это включает в себя поля для данных о масштабе съемки и глубине для ссылок, а также общие метаданные сайта для географического контекста. Аббревиатура: LAI = визуализация большой площади. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Обсуждение

Визуализация больших площадей — это инструмент, позволяющий ученым в данной области визуализировать и анализировать особенности окружающей среды в масштабах, превышающих масштабы отдельных собранных изображений. Захватывая несколько изображений окружающей среды с разных точек зрения, протоколы LAI помогают создавать представления относительно широких ландшафтов (относительно пространственного охвата отдельных изображений), сохраняя при этом детализацию, собранную из исходных изображений. Уникальная ценность LAI заключается в возможности изучения данных об окружающей среде в различных масштабах, от самого большого масштаба (определяемого площадью съемки) до самого мелкого масштаба (определяемого реализованным разрешением исходных изображений). Тем не менее, чтобы извлечь выгоду из этой кросс-масштабной силы, крайне важно обеспечить регулярный и плавный доступ ко всем уровням собранных данных, в частности, обеспечивая легкий доступ как к исходным изображениям, так и к производной 3D-модели. На каждом этапе представленного здесь протокола мы подчеркиваем эту уникальную силу LAI, постоянно гарантируя, что исходные изображения доступны, пригодны для использования и надежно архивированы вместе с производными моделями LAI.

Метод LAI позволяет получать продукты, которые напрямую связаны с исходными собранными изображениями. Изменяя детали получения изображений, пользователи могут создавать продукты данных различного качества и охвата. При обследовании структурно сложных сред коралловых рифов пользователь с ограниченным временем съемки под водой (или постоянным количеством изображений, доступных для съемки) может отдать приоритет увеличению площадного охвата исследуемого района или повышению уровня детализации каждого участка выборочной области. Неизбежно будет иметь место компромисс, когда большая площадная модель будет иметь меньшую детализацию (и, возможно, больше окклюзий) на единицу площади, а детальная модель будет занимать меньшую общую площадь (с вероятным меньшим количеством окклюзий). В этот протокол мы включаем использование двух камер, каждая из которых оснащена разными объективами, что позволяет пользователю дискретизировать большую площадь (достаточное перекрытие с широкоугольным объективом для выполнения требований SfM) и одновременно собирать более детализированные исходные изображения (более высокая детализация от зум-объектива, который имеет меньшее перекрытие между фотографиями). Включая оценку положения изображения с обеих камер, последующие протоколы визуализации и анализа включают изображения с более высоким разрешением с большей части выборочной области. Несмотря на то, что протокол направлен на расширение диапазона жизнеспособности обследований, пользователи могут обнаружить, что производным продуктам не хватает достаточного охвата площади или достаточной детализации исходных изображений для выполнения предпочтительных аналитических процедур. Пользователям рекомендуется ознакомиться с исходными изображениями и полученными моделями, чтобы убедиться, что протокол экологического обследования соответствует потребностям программы, а также изменить подход к обследованию в воде (например, сместить расстояние отбора проб на местности, изменить продолжительность обследования или количество собранных изображений) для достижения предпочтительного баланса площадного покрытия и разрешения на единицу площади.

Методы LAI представляют ценность для подводной науки, позволяя получать богатые информацией и широкий охват «снимков» бентической среды, которые могут быть эффективными по времени и требуют ограниченных знаний в конкретной области для сбора. Ценность этих продуктов данных может быть рассмотрена с учетом существующих потоков данных, а также для новых и ускоренных приложений, специфичных для предметной области. Рассматривая сравнение с существующими потоками данных, аналитические продукты LAI могут предоставить экологические данные, которые непосредственно сопоставимы с данными, собранными in situ подводными наблюдателями 84,85,86,87. Здесь мы проводим количественный анализ экологических данных, полученных в результате каждого, классического мониторинга in situ, а также стандартизированного анализа продуктов LAI в соответствии с этим протоколом. Сосредоточив внимание на четырех общих показателях в усилиях по мониторингу коралловых рифов (структурная сложность, состав бентического сообщества, плотность подвижных беспозвоночных и структура размера кораллов; На рисунке 5) мы демонстрируем сильную количественную согласованность в выходных данных. В частности, для потоков данных, требующих мелкомасштабных наблюдений (например, таксономических идентификаций, точных определений биологических границ), рабочие процессы LAI, включающие регулярный и надежный доступ к исходным изображениям, обеспечивают уникальную возможность параллельных наблюдений, которые исторически были ограничены только иммерсивной выборкой in situ. Достижения в области обработки и визуализации данных, предоставленные компанией Viscore и описанные в этом протоколе, обеспечивают уникальную ценность в обеспечении сопоставимости экологических данных, полученных из LAI, и продуктов мониторинга in situ, что позволяет объективно поддерживать долгосрочные потоки данных с внедрением цифровых рабочих процессов LAI.

Для ученых-подводников LAI предлагает возможность использовать новые и ускоренные рабочие процессы для сбора и исследования данных. LAI обладает уникальными преимуществами в качестве картографического инструмента с высоким разрешением, который содержит информацию, описывающую не только относительный состав бентической среды, но и пространственные характеристики. В соответствии с созданием 3D-модели на основе рабочего процесса SfM, продукты LAI содержат информацию о структурной сложности, которая может быть исследована в нескольких масштабах56. В качестве инструментов для съемки морских пейзажей больших площадей, продукты LAI могут дать возможность рассмотреть закономерности пространственного распределения и характеристики окрестностей для бентических организмов45,66. Кроме того, благодаря возможности визуализации бентических ландшафтов в более крупных масштабах становится возможным обнаруживать особенности, которые не так легко различимы в подводных средах обитания из-за ограничений видимости под водой на больших расстояниях, например, крупномасштабное (3-4 м) полигональное узорание общей макроводоросли на коралловом рифе в Тихом океане64.

В то время как LAI предоставляет возможности для крупномасштабного анализа, были высказаны опасения по поводу проблем, связанных с эффективным сбором данных в воде и последующей обработкой изображений. Расширение пространственной сферы получения изображений под водой потребует технологического прогресса, а не только для получения изображений водолазами, но и для использования вспомогательных картографических систем88 и, в конечном итоге, использования ROV38 и АНПА67,89. Надежные методологии обследования в отношении схемы сбора данных и систем камер обеспечат плавный переход и согласованность данных, генерируемых на этих различных платформах. Учитывая вычислительные требования, а также большой формат данных продуктов LAI, некоторые морские ученые выразили обеспокоенность по поводу технологической доступности рабочего процесса90 и больших временных затрат, связанных с извлечением экологических данных84,86. Тем не менее, появляется все больше инструментов, которые используют творческие решения для преодоления технических препятствий извлечения данных 80,91,92,93. Важно отметить, что использование рабочих процессов анализа LAI с помощью искусственного интеллекта ограничено качеством предоставляемого входного сигнала. Таким образом, сохраняется постоянный спрос на поддержание стандартов и качества получения изображений и управления данными в протоколах LAI независимо от того, выполняется ли извлечение данных человеком-наблюдателем, обученным алгоритмом ИИ или (в идеале) ускоренным ИИ рабочим процессом, в котором человек участвует в процессе. Сохраняя постоянное внимание к первостепенной важности исходных изображений в протоколах LAI, как описано здесь, появляются уникальные возможности для надежного, прозрачного и последовательного исследования подводных мест обитания.

Раскрытие информации

У авторов нет конфликта интересов, который можно было бы раскрыть.

Благодарности

Эта работа поддерживается усилиями 100 Island Challenge в Институте океанографии Скриппса. Мы благодарим Schmidt Marine Technology Partners, Эда и Кристи Скриппс, а также Фонд семьи Мур за их финансовую поддержку связанных с этим исследований и усилий по обучению в области визуализации больших территорий, которые помогли усовершенствовать методологию. Кроме того, мы благодарим экипажи исследовательских судов Hi'ialiki, Hanse Explorer и Plan B, которые оказали поддержку в полевых работах. Мы особенно благодарны команде Отдела экосистемных наук Центра рыбных наук тихоокеанских островов NOAA, которая помогла в сборе представленных здесь данных на местах.

Материалы

NameCompanyCatalog NumberComments
1" x 4 1/4" x 3 1/4" custom machined acetalN/AN/A1.1 Gear Preparation; For contruction of camera slides and mounts
1/2" marine grade high density polyethyleneKing StarboardN/A1.1 Gear Preparation; For contruction of camera outer frame and camera mounting panels
18-8 Flathead Stainless Steel Phillips Flat Head Screws, 3/8”-16 Thread Size, 1-1/2” LongMcMaster-Carr91771A6281.1 Gear Preparation; For camera frame assembly
18-8 Stainless Steel Socket Head Screw, 10-24 Thread Size, 1-1/8" LongMcMaster-Carr92196A2481.1 Gear Preparation; Used to secure mounting plate to handles
1 lb dive weightsHouse of ScubaWBELT24 1LB1.2 Plot Setup; Used for reference floats
200DL Underwater Housing for Nikon D780 DSLR CameraIkelite710191.1 Gear Preparation; Underwater housing for digital camera
24mm fixed lens (AF-S NIKKOR 24mm f/1.8G ED)Nikkor200571.1 Gear Preparation; Wide-angle lens for greater image overlap
250# gray longline poly softContinental Western5030861.2 Plot Setup; To build scale bars. Ground control markers for determining model scale
3 lb drilling hammerEstwingB3-3LB1.2 Plot Setup; Used to install stainless steel stakes at survey site
3/8-16 X 18" THRD ROD W/60 DEGREE POINT 316 S/SAbaba Bolt37C1800ROD6/60DEG1.2 Plot Setup; For permanent installation to mark survey site
316 Stainless Steel Nylon-Insert Locknut Super-Corrosion-Resistant, 1/4"-20 Thread SizeMcMaster-Carr90715a1251.2 Plot Setup; For scale bars and frame assembly.
316 Stainless Steel Nylon-Insert Locknut Super-Corrosion-Resistant, 3/8"-16 Thread SizeMcMaster-Carr90715A1451.2 Plot Setup; Affixed to left stainless steel stake for orientation of the plot
316 Stainless Steel Phillips Flat Head Screws, 10-32 Thread Size, 3/8" LongMcMaster-Carr91500a8271.1 Gear Preparation; For camera frame assembly
4"x4" Agisoft marker printed on waterproof paperAgisoftN/A1.2 Plot Setup; To build corner tiles. Ground control markers for determining model orientation
4"x4"x1/4" Stainless steel tileN/AN/A1.2 Plot Setup; To build corner tiles. Ground control markers for determining model orientation
4"x4"x3/4" custom printed plastic agisoft marker high density polyethylene color coreN/AN/A1.2 Plot Setup; To build scale bars. Ground control markers for determining model scale
512 GB Extreme PRO SDXC UHS-I Card - C10, U3, V30, 4K UHD, SD CardSanDiskSDSDXXY-512G-GN4IN1.1 Gear Preparation; High speed, large capacity storage card. Up to 2 used per camera for image storage
5TB Elements Portable External Hard Drive HDD, USB 3.0Western DigitalWDBU6Y0050BBK-WESN1.3 Image Capture; Large volume external hard drive for image storage and image backup
60 mm fixed lens (AF-S Micro NIKKOR 60mm F2.8G ED)Nikkor21771.1 Gear Preparation; Macro zoom lens, optional for dual-camera setup
Acetal machined and tapped for 1"x12" 3/8" 16 thread support bracesN/AN/A1.1 Gear Preparation; Camera frame support columns
AquaMend Epoxy Putty StickJD Industrial Supply4705501.2 Plot Setup; Used to install stainless steel stakes at survey site
Architectural 6063 Aluminum U-Channel, 1/8" Wall Thickness, 1/2" High x 3/4" Wide OutsideMcMaster-Carr9001k461.2 Plot Setup; To build scale bars. Ground control markers for determining model scale
Black-Oxide 18-8 Stainless Steel Pan Head Phillips Screws, 1/4"-20 Thread, 1/2" LongMcMaster-Carr91249a5371.1 Gear Preparation; To attach ikelite handle to housing
Black-Oxide 18-8 Stainless Steel Pan Head Phillips Screws, 1/4"-20 Thread, 5/8" LongMcMaster-Carr91249A5391.2 Plot Setup; To build scale bars. Ground control markers for determining model scale
Blue Steel RopeContinental Western4020201.2 Plot Setup; Used to secure dive float to the benthos during surveys
D780 camera bodyNikon16181.1 Gear Preparation; Camera body model
DGX Tech Compass w/Bungee Mount and CordDive Gear ExpressDX-9050x1.2 Plot Setup; For collection of plot bearings and as an addition to the camera frame as a navigational aid
Dive computer - Suunto Zoop NovoSuunto N/A1.2 Plot Setup; To record depth at reference tiles
Dive slateTexWipeTX58351.2 Plot Setup; Used to record plot metadata such as tile depth, and coded target numbers
DL 8 inch Dome PortIkelite753401.1 Gear Preparation; Dome port for underwater housing
FLOAT, PVC SPONGE, 5-3/4" DIA. BY 3/4", RUSTMemphis Net & TwineSB11.2 Plot Setup; Used as a visual reference to determine plot boundaries and swim height of camera operator
Garmin 78s GPSGarmin010-00864-011.2 Plot Setup; Used to record location of survey site
High performance computerN/AN/A2.0 Model Construction; For 3D dense point cloud processing, recommended specifications to include a high speed 10+ core CPU, 128GB RAM (64 GB minimum), 1TB solid state drive, and a dedicated NVIDIA or AMD GPU. 
Inflatable surface dive floatOmerAtol 62461.2 Plot Setup; Dual purpose surface marker buoy and 
JOHNSON Cross Check Level: Nonmagnetic, 2 1/4 in x 1 7/16 in x 3/16 in, Plastic, Hanging Hole, 1mm/mGrainger6C2251.1 Gear Preparation; Optional addition to the camera frame as a navigational aid
Long Tape Measure,1/2 In x 30m,PumpkinGrainger3LJW91.2 Plot Setup; Used to set up plot area
Manta reel SR. ReelManta IndustriesN/A1.2 Plot Setup; Attached to dive float for use during surveys
Metashape Professional LicenseAgisoftN/A2.0 Model Construction; Software for dense point cloud processing
Non-glare clear acrylicN/AN/A1.2 Plot Setup; To build corner tiles. Ground control markers for determining model orientation
O-Ring 0132.45 for DL Port System, ULTRAcompact HousingsIkelite132.451.1 Gear Preparation; O-ring for underwater housing
O-Ring 0132.59 for DSLR & Mirrorless Housings (Type 1)Ikelite132.591.1 Gear Preparation; O-ring for underwater housing
Paracord or Dacron LineN/AN/A1.2 Plot Setup; Used to attach referene floats to dive weights
Passivated 18-8 Stainless Steel Phillips Flat Head Screw, 82 Degree Countersink, 1/4"-20 Thread, 1" LongMcMaster-Carr91771a5421.1 Gear Preparation; Frame slider panel
Passivated 18-8 Stainless Steel Phillips Flat Head Screw, 82 Degree Countersink, 1/4"-20 Thread, 1-3/4" LongMcMaster-Carr91771a5481.1 Gear Preparation; Frame slider panel
Passivated 18-8 Stainless Steel Phillips Flat Head Screw, 82 Degree Countersink, 10-32 Thread, 3/8" LongMcMaster-Carr91771A8271.2 Plot Setup; To build corner tiles. Ground control markers for determining model orientation
Pelican 1060 micro casePelican1060-025-1001.2 Plot Setup; Housing for GPS unit that is affixed to the inflatable dive float
Plastic-Head Thumb screw 1/4"-20 x 2"McMaster-Carr91185A8191.1 Gear Preparation; Use to secure camera housing to frame
Right Hand Quick Release Handle with ExtensionIkelite4077.021.1 Gear Preparation; Handle for underwater housing
RN/AN/A3.0 Ecological Analysis; Software for running structural complexity scripts
TaglabN/AN/A3.0 Ecological Analysis; Software for segmentation analysis
Trigger Extension v2 for Shutter or Back Button FocusIkelite4077.951.1 Gear Preparation; Trigger extenstion for underwater housing shutter button control
Vacuum pump with gaugeIkelite470111.1 Gear Preparation; To test integrity of o-ring seals for underwater camera housings
ViscoreN/AN/A2.0 Model Construction; 3.0 Ecological Analysis; Software for ecological analysis

Ссылки

  1. Hubbell, S. P., Foster, R. B. Short-term dynamics of a neotropical forest: Why ecological research matters to tropical conservation and management. Oikos. 63, 48-61 (1992).
  2. Fahey, T. J., et al. The promise and peril of intensive-site-based ecological research: Insights from the Hubbard Brook ecosystem study. Ecology. 96 (4), 885-901 (2015).
  3. Condit, R., et al. Spatial patterns in the distribution of tropical tree species. Science. 288 (5470), 1414-1418 (2000).
  4. Lieberman, D., Lieberman, M., Peralta, R., Hartshorn, G. Mortality patterns and stand turnover rates in a wet tropical forest in Costa Rica. J Ecol. 73 (3), 915-924 (1985).
  5. Hubbell, S. P. Tree dispersion, abundance, and diversity in a tropical dry forest: That tropical trees are clumped, not spaced, alters conceptions of the organization and dynamics. Science. 203 (4387), 1299-1309 (1979).
  6. Connell, J. H. The consequences of variation in initial settlement vs. Post-settlement mortality in rocky intertidal communities. J Exp Mar Biol Ecol. 93 (1-2), 11-45 (1985).
  7. Turner, M. G. Landscape ecology: The effect of pattern on process. Annu Rev Ecol Syst. 20, 171-197 (1989).
  8. Rietkerk, M., Van De Koppel, J. Regular pattern formation in real ecosystems. Trends Ecol Evol. 23 (3), 169-175 (2008).
  9. Harms, K. E., Wright, S. J., Calderón, O., Hernandez, A., Herre, E. A. Pervasive density-dependent recruitment enhances seedling diversity in a tropical forest. Nature. 404 (6777), 493-495 (2000).
  10. Marhaver, K., Vermeij, M., Rohwer, F., Sandin, S. Janzen-connell effects in a broadcast-spawning caribbean coral: Distance-dependent survival of larvae and settlers. Ecology. 94 (1), 146-160 (2013).
  11. Kenyon, J. C., Maragos, J. E., Cooper, S. Characterization of coral communities at rose atoll, american samoa. Atoll Res Bull. 586, 1-28 (2010).
  12. Goreau, T. F. The ecology of jamaican coral reefs i. Species composition and zonation. Ecology. 40 (1), 67-90 (1959).
  13. Sandin, S. A., et al. Baselines and degradation of coral reefs in the northern line islands. PLoS One. 3 (2), e1548(2008).
  14. Newman, M. J. H., Paredes, G. A., Sala, E., Jackson, J. B. C. Structure of Caribbean coral reef communities across a large gradient of fish biomass. Ecol Lett. 9 (11), 1216-1227 (2006).
  15. Smith, J. E., et al. Re-evaluating the health of coral reef communities: Baselines and evidence for human impacts across the central pacific. P Roy Soc B: Biol Sci. 283 (1822), 20151985(2016).
  16. Lewis, J. B. Spatial distribution and pattern of some Atlantic reef corals. Nature. 227 (5263), 1158-1159 (1970).
  17. Bradbury, R. H., Young, P. C. The effects of a major forcing function, wave energy, on a coral reef ecosystem. Mar Ecol Prog Ser. 5, 229-241 (1981).
  18. Bak, R. P. M., Nieuwland, G. Long-term change in coral communities along depth gradients over leeward reefs in the Netherlands Antilles. Bull Mar Sci. 56 (2), 609-619 (1995).
  19. Connell, J. H., Hughes, T. P., Wallace, C. C. A 30-year study of coral abundance, recruitment, and disturbance at several scales in space and time. Ecol Monogr. 67 (4), 461-488 (1997).
  20. Hughes, T. P. Population dynamics based on individual size rather than age: A general model with a reef coral example. Am Nat. 123 (6), 778-795 (1984).
  21. Hughes, T. P., Tanner, J. E. Recruitment failure, life histories, and long-term decline in Caribbean corals. Ecology. 81 (8), 2250-2263 (2000).
  22. Fong, P., Glynn, P. A dynamic size-structured population model: Does disturbance control size structure of a population of the massive coral Gardineroseris planulata in the Eastern Pacific. Mar Biol. 130 (4), 663-674 (1998).
  23. Vardi, T., Williams, D. E., Sandin, S. A. Population dynamics of threatened elkhorn coral in the Northern Florida Keys, USA. Endanger Species Res. 19 (2), 157-169 (2012).
  24. Doropoulos, C., Ward, S., Roff, G., González-Rivero, M., Mumby, P. J. Linking demographic processes of juvenile corals to benthic recovery trajectories in two common reef habitats. PLoS One. 10 (5), e0128535(2015).
  25. Edmunds, P. A quarter-century demographic analysis of the Caribbean coral, Orbicella annularis, and projections of population size over the next century. Limnol Oceanogr. 60 (3), 840-855 (2015).
  26. Deignan, L. K., Pawlik, J. R. Perilous proximity: Does the Janzen-Connell hypothesis explain the distribution of giant barrel sponges on a Florida coral reef. Coral Reefs. 34, 561-567 (2015).
  27. Zvuloni, A., et al. Spatio-temporal transmission patterns of black-band disease in a coral community. PLoS One. 4 (4), e4993(2009).
  28. Karlson, R. H., Cornell, H. V., Hughes, T. P. Aggregation influences coral species richness at multiple spatial scales. Ecology. 88 (1), 170-177 (2007).
  29. Jolles, A. E., Sullivan, P., Alker, A. P., Harvell, C. D. Disease transmission of aspergillosis in sea fans: Inferring process from spatial pattern. Ecology. 83 (9), 2373-2378 (2002).
  30. Carlon, D. B., Olson, R. R. Larval dispersal distance as an explanation for adult spatial pattern in two Caribbean reef corals. J Exp Mar Biol Ecol. 173 (2), 247-263 (1993).
  31. Bak, R., Termaat, R., Dekker, R. Complexity of coral interactions: Influence of time, location of interaction and epifauna. Mar Biol. 69, 215-222 (1982).
  32. Stimson, J. An analysis of the pattern of dispersion of the hermatypic coral Pocillopora meandrina var. Nobilis verril. Ecology. 55 (2), 445-449 (1974).
  33. Edwards, C., et al. Large-area imaging in tropical shallow water coral reef monitoring, research and restoration: A practical guide to survey planning, execution, and data extraction. NOAA Technical Memorandum NOS NCCOS. (313), (2023).
  34. Pizarro, O., Eustice, R. M., Singh, H. Large area 3-d reconstructions from underwater optical surveys. IEEE J Oceanic Eng. 34 (2), 150-169 (2009).
  35. Figueira, W., et al. Accuracy and precision of habitat structural complexity metrics derived from underwater photogrammetry. Remote Sens. 7 (12), 16883-16900 (2015).
  36. Burns, J., Delparte, D., Gates, R., Takabayashi, M. Integrating structure-from-motion photogrammetry with geospatial software as a novel technique for quantifying 3d ecological characteristics of coral reefs. PeerJ. 3, e1077(2015).
  37. Piazza, P., et al. Underwater photogrammetry in Antarctica: Long-term observations in benthic ecosystems and legacy data rescue. Polar Biol. 42, 1061-1079 (2019).
  38. Price, D. M., et al. Using 3d photogrammetry from rov video to quantify cold-water coral reef structural complexity and investigate its influence on biodiversity and community assemblage. Coral Reefs. 38, 1007-1021 (2019).
  39. Fallati, L., et al. Characterizing Håkon Mosby Mud Volcano (Barents Sea) cold seep systems by combining ROV-based acoustic data and underwater photogrammetry. Front Mar Sci. 10, 1269197(2023).
  40. Ventura, D., et al. Seagrass restoration monitoring and shallow-water benthic habitat mapping through a photogrammetry-based protocol. J Environ Manage. 304, 114262(2022).
  41. Combs, I. R., Studivan, M. S., Eckert, R. J., Voss, J. D. Quantifying impacts of stony coral tissue loss disease on corals in Southeast Florida through surveys and 3D photogrammetry. PLoS One. 16 (6), e0252593(2021).
  42. Bongaerts, P., et al. Reefscape genomics: Leveraging advances in 3D imaging to assess fine-scale patterns of genomic variation on coral reefs. Front Mar Sci. 8, 638979(2021).
  43. Raoult, V., Reid-Anderson, S., Ferri, A., Williamson, J. E. How reliable is Structure from Motion (sfm) over time and between observers? A case study using coral reef bommies. Remote Sens. 9 (7), 740(2017).
  44. Weinberg, S. A comparison of coral reef survey methods. Bijdr Dierkd. 51 (2), 199-218 (1981).
  45. Edwards, C. B., et al. Large-area imaging reveals biologically driven non-random spatial patterns of corals at a remote reef. Coral Reefs. 36 (4), 1291-1305 (2017).
  46. Gracias, N., Santos-Victor, J. Underwater video mosaics as visual navigation maps. Comput Vis Image Und. 79 (1), 66-91 (2000).
  47. Lirman, D., et al. Development and application of a video-mosaic survey technology to document the status of coral reef communities. Environ Monit Assess. 125 (1-3), 59-73 (2007).
  48. Kodera, S. M., et al. Quantifying life history demographics of the scleractinian coral genus Pocillopora at Palmyra Atoll. Coral Reefs. 39 (4), 1091-1105 (2020).
  49. Ferrari, R., et al. 3D photogrammetry quantifies growth and external erosion of individual coral colonies and skeletons. Sci Rep. 7 (1), 16737(2017).
  50. Sandin, S. A., et al. Considering the rates of growth in two taxa of coral across Pacific Islands. Adv Mar Biol. 87 (1), 167-191 (2020).
  51. Ventura, D., et al. Integration of close-range underwater photogrammetry with inspection and mesh processing software: A novel approach for quantifying ecological dynamics of temperate biogenic reefs. Remote Sens Ecol Conserv. 7 (2), 169-186 (2021).
  52. Ferrari, R., et al. Photogrammetry as a tool to improve ecosystem restoration. Trends Ecol Evol. 36 (12), 1093-1101 (2021).
  53. Remmers, T., et al. Close-range underwater photogrammetry for coral reef ecology: A systematic literature review. Coral Reefs. 43 (1), 35-52 (2024).
  54. Marre, G., Holon, F., Luque, S., Boissery, P., Deter, J. Monitoring marine habitats with photogrammetry: A cost-effective, accurate, precise and high-resolution reconstruction method. Front Mar Sci. 6, 276(2019).
  55. Nocerino, E., et al. Comparison of diver-operated underwater photogrammetric systems for coral reef monitoring. Int Arch Photogramm Remote Sens Spat Inf Sci. 42 (2/W10), 143-150 (2019).
  56. Mccarthy, O. S., Smith, J. E., Petrovic, V., Sandin, S. A. Identifying the drivers of structural complexity on Hawaiian coral reefs. Mar Ecol Prog Ser. 702, 71-86 (2022).
  57. Pascoe, K. H., Fukunaga, A., Kosaki, R. K., Burns, J. H. 3D assessment of a coral reef at Lalo Atoll reveals varying responses of habitat metrics following a catastrophic hurricane. Sci Rep. 11 (1), 12050(2021).
  58. Torres-Pulliza, D., et al. A geometric basis for surface habitat complexity and biodiversity. Nat Ecol Evol. 4 (11), 1495-1501 (2020).
  59. Friedman, A., Pizarro, O., Williams, S. B., Johnson-Roberson, M. Multi-scale measures of rugosity, slope and aspect from benthic stereo image reconstructions. PloS One. 7 (12), e50440(2012).
  60. Hernández-Landa, R. C., Barrera-Falcon, E., Rioja-Nieto, R. Size-frequency distribution of coral assemblages in insular shallow reefs of the Mexican Caribbean using underwater photogrammetry. PeerJ. 8, e8957(2020).
  61. Fukunaga, A., Burns, J. H., Pascoe, K. H., Kosaki, R. K. Associations between benthic cover and habitat complexity metrics obtained from 3D reconstruction of coral reefs at different resolutions. Remote Sens. 12 (6), 1011(2020).
  62. Ferrari, R., et al. Quantifying multiscale habitat structural complexity: A cost-effective framework for underwater 3D modelling. Remote Sens. 8 (2), 113(2016).
  63. Kopecky, K. L., et al. Quantifying the loss of coral from a bleaching event using underwater photogrammetry and ai-assisted image segmentation. Remote Sens. 15 (16), 4077(2023).
  64. Sandin, S. A., et al. Evidence of biological self-organization in spatial patterns of a common tropical alga. Am Nat. 200 (5), 722-729 (2022).
  65. Burns, J. H. R., Alexandrov, T., Ovchinnikova, K., Gates, R. D., Takabayashi, M. Data for spatial analysis of growth anomaly lesions on Montipora capitata coral colonies using 3D reconstruction techniques. Data Br. 9, 460-462 (2016).
  66. Pedersen, N. E., et al. The influence of habitat and adults on the spatial distribution of juvenile corals. Ecography. 42, 1-11 (2019).
  67. Ferrari, R., et al. Quantifying the response of structural complexity and community composition to environmental change in marine communities. Glob Chang Biol. 22 (5), 1965-1975 (2016).
  68. Cresswell, A. K., et al. Structure-from-motion reveals coral growth is influenced by colony size and wave energy on the reef slope at Ningaloo Reef, Western Australia. J Exp Mar Biol Ecol. 530, 151438(2020).
  69. Lange, I. D., Perry, C. T. A quick, easy and non-invasive method to quantify coral growth rates using photogrammetry and 3D model comparisons. Methods Ecol Evol. 11 (6), 714-726 (2020).
  70. George, E. E., et al. Space-filling and benthic competition on coral reefs. PeerJ. 9, e11213(2021).
  71. Sarribouette, L., Pedersen, N. E., Edwards, C. B., Sandin, S. A. Post-settlement demographics of reef building corals suggest prolonged recruitment bottlenecks. Oecologia. 199 (2), 387-396 (2022).
  72. Lyons, M. B., et al. Mapping the world's coral reefs using a global multiscale earth observation framework. Remote Sens Ecol Conserv. 6 (4), 557-568 (2020).
  73. Ventura, D., et al. Coastal benthic habitat mapping and monitoring by integrating aerial and water surface low-cost drones. Front Mar Sci. 9, 1096594(2023).
  74. Castellanos-Galindo, G. A., Casella, E., Mejía-Rentería, J. C., Rovere, A. Habitat mapping of remote coasts: Evaluating the usefulness of lightweight unmanned aerial vehicles for conservation and monitoring. Biol Conserv. 239, 108282(2019).
  75. Fox, M. D., et al. Limited coral mortality following acute thermal stress and widespread bleaching on palmyra atoll, central pacific. Coral Reefs. 38, 701-712 (2019).
  76. Charendoff, J. A., et al. Variability in composition of parrotfish bite scars across space and over time on a central pacific atoll. Coral Reefs. 42 (4), 905-918 (2023).
  77. Petrovic, V., Vanoni, D. J., Richter, A. M., Levy, T. E., Kuester, F. Visualizing high resolution three-dimensional and two-dimensional data of cultural heritage sites. Mediterr Archaeol Ar. 20 (10), 93-100 (2014).
  78. Noaa Coral Program. National coral reef monitoring plan. NOAA Coral Reef Conservation Program. , (2021).
  79. Goergen, E. A., et al. Coral reef restoration monitoring guide: Methods to evaluate restoration success from local to ecosystem scales. NOAA Technical Memorandum NOS NCCOS. 279, (2020).
  80. Pavoni, G., et al. Taglab: Ai-assisted annotation for the fast and accurate semantic segmentation of coral reef orthoimages. J Field Robot. 39 (3), 246-262 (2022).
  81. Coral Reef Ecosystem Program Pacific Islands Fisheries Science Center. National coral reef monitoring program: Benthic complexity and urchin abundance at climate stations of the hawaiian archipelago since 2013. , NOAA's National Center for Environmental Information. (2016).
  82. Coral Reef Ecosystem Program Pacific Islands Fisheries Science Center. National Coral Reef monitoring program: Benthic percent cover derived from analysis of benthic images collected for climate stations across the hawaiian archipelago since 2013. , NOAA's National Center for Environmental Information. (2021).
  83. Coral Reef Ecosystem Program Pacific Islands Fisheries Science Center. National Coral Reef monitoring program: Stratified random surveys (strs) of coral demography (adult and juvenile corals) across the Hawaiian archipelago since 2013. , NOAA's National Center for Environmental Information. (2022).
  84. Couch, C. S., et al. Comparing coral colony surveys from in-water observations and structure-from-motion imagery shows low methodological bias. Front Mar Sci. 8, 647943(2021).
  85. Barrera-Falcon, E., Rioja-Nieto, R., Hernández-Landa, R. C., Torres-Irineo, E. Comparison of standard Caribbean coral reef monitoring protocols and underwater digital photogrammetry to characterize hard coral species composition, abundance and cover. Front Mar Sci. 8, 722569(2021).
  86. Carneiro, I. M., et al. Precision and accuracy of common coral reef sampling protocols revisited with photogrammetry. Mar Environ Res. 194, 106304(2024).
  87. Curtis, J. S., Galvan, J. W., Primo, A., Osenberg, C. W., Stier, A. C. 3D photogrammetry improves measurement of growth and biodiversity patterns in branching corals. Coral Reefs. 42 (3), 623-627 (2023).
  88. Menna, F., Battisti, R., Nocerino, E., Remondino, F. Frog: A portable underwater mobile mapping system. Int Arch Photogramm Remote Sens Spat Inf Sci. 48, 295-302 (2023).
  89. Zhang, Y., Wang, Q., Shen, Y., He, B. An online path planning algorithm for autonomous marine geomorphological surveys based on AUV. Eng Appl Artif Intel. 118, 105548(2023).
  90. Mccarthy, O. S., et al. Closing the gap between existing large-area imaging research and marine conservation needs. Conserv Biol. 38 (1), e14145(2024).
  91. Pierce, J., Butler Iv, M. J., Rzhanov, Y., Lowell, K., Dijkstra, J. A. Classifying 3-D models of coral reefs using structure-from-motion and multi-view semantic segmentation. Front Mar Sci. 8, 706674(2021).
  92. Runyan, H., et al. Automated 2D, 2.5 D, and 3D segmentation of coral reef pointclouds and orthoprojections. Front Robot AI. 9, 884317(2022).
  93. Pavoni, G., Corsini, M., Pedersen, N., Petrovic, V., Cignoni, P. Challenges in the deep learning-based semantic segmentation of benthic communities from ortho-images. Appl Geomat. 13 (1), 131-146 (2021).

Перепечатки и разрешения

Запросить разрешение на использование текста или рисунков этого JoVE статьи

Запросить разрешение

Смотреть дополнительные статьи

This article has been published

Video Coming Soon

JoVE Logo

Конфиденциальность

Условия эксплуатации

Политика

СВЯЖИТЕСЬ С НАМИ

РЕКОМЕНДОВАТЬ БИБЛИОТЕКЕ

НОВОСТИ JoVE

Исследования

Образование

АВТОРЫ

Библиотекарь

О JoVE

Авторские права © 2025 MyJoVE Corporation. Все права защищены