Sualtı Stereo video araçları kullanarak balık yoğunluğu miktarının için yeni yöntemler geliştirilmesi

Özet

Balıklar sayma ve göreli bolluk (MaxN) ve stereo-video kamera sistemleri dönen kullanarak balık yoğunluğu tahmin için yeni bir yöntem açıklanmaktadır. Ayrıca kamera (Z mesafe) mesafeden species-specific algılama tahmin etmek için nasıl kullanılacağını göstermektedir.

Özet

Balıkların ekolojik çalışmalar video kamera sistemlerinin kullanımı çekiş ölçüm balık uzunlukları ve tahmin balık Bereket uygun, Sigara extractive yöntemi olarak kazanmak için devam ediyor. Geliştirilen ve örnekleme, örnekleme çaba sabit kamera araçları için karşılaştırıldığında en üst düzeye çıkaran bir tam 360 derece kapsar dönen bir stereo-video kamera araç uygulanmaktadır. Çalışmalar çeşitli statik, stereo-kamera sistemleri son derece doğru ve hassas ölçümler balık elde yeteneği detaylı sahip; odak burada dönen kamera sistemleri kullanarak balık yoğunluğunu ölçmek için yöntembilimsel yaklaşımlar geliştirilmesi üzerinde yapıldı. İlk yaklaşım genellikle balık en az sayıda muhafazakar sayısıdır MaxN verilen kamera anket gözlenen metrik bir değişiklik geliştirmekti. MaxN balık kamera sistemi verilen herhangi bir döndürme içinde gözlenen en fazla sayısı olarak tanımlıyoruz. İki sayım önlemek için önlemler alındığında, bu yöntem MaxN için sabit kameradan alınan daha gerçek bereket daha doğru bir şekilde yansıtabilir. İkinci olarak, stereo-video üç boyutlu uzayda eşlenmesi için balık verdiğinden, mesafe makinesinden kesin tahminleri her balık için elde edilebilir. Ankete species-specific alanları kurmak için % 95 persentil gözlenen mesafe--dan fotoğraf makinesi kullanarak, biz türler arasında algılama farklılıkları için bir tür olduğunu maksimum mesafe kullanarak yoğunluğu tahminleri sulandrarak kaçınırken hesap gözlenen. Muhasebe algılama aralığı için balık zenginliği doğru tahmin için çok önemlidir. Bu metodoloji stereo video araçları uygulamalı bilim ve yönetim bağlamlarda dönen entegrasyon kolaylaştıracaktır.

Giriş

ABD Pasifik Sahil boyunca birçok ticari ve eğlence groundfish balıkçılık için (örneğin, rockfish karmaşık (Sebastes spp.) ve Lingcod (Ophiodon elongatus)) önemli türlerin güçlü ile ilişkili olan yüksek kabartma, alt zor habitatları^1,2,3,4,5. Stereo-video damla kameralar göreceli kolaylığı ve işlemin basitliği nedeniyle kayalık yaşam alanları kullanmak için çekici bir sigara extractive araçlardır. Stereo-video kamera sistemleri çeşitli geliştirilen ve Güney yarımkürede, sığ su ekosistemleri^6,7,8,9,10' da, dağıtılabilir ve Son zamanlarda, video damla-kameralar Pacific Coast^11,12,13boyunca derin su rocky resif ortamları için bir yönetim aracı olarak çekiş kazanmıştır. Varolan bu stereo kamera tasarımları daha verimli bir şekilde yüksek kabartma seafloors Orta Pasifik kıyısında (bakınız tablo, Balık nüfus karakterize etmek için (bundan sonra "İniş" anılacaktır) bir stereo-video kamera sistemi kullanılarak değiştirmek istedi Malzemeler). Çünkü kameralar tam 360 ° zemine açılan konumu¹⁴kapsama için izin verilen bir merkez dönen bar monte edildi kullanılan Lander varolan video sistemleri farklıydı. İniş aracı dakikada hızla bolluk ve topluluk kompozisyon bir alanın karakterize ve istatistiksel gücü daha az Lander dağıtımları ile aynı düzeyde ulaşmak bize izin veren bir tam dönüş tamamlandı. (Bkz: Starr (2016)¹⁴ Lander yapılandırma ayrıntılarını daha fazla ayrıntı için). Çalışma sisteminde Ön testler araştırmalarımızda fotoğraf makinelerinin sekiz rotasyonlar türlerin bolluk ve zenginlik karakterize etmek yeterli olduğunu ileri sürdü. Bu belirleme döner azalan bir gözlem tarafından türlerin bolluk ve balık yoğunluğu daha uzun damla üzerinde yapıldı. Öneririz uzun emmek süreleri dahil olmak üzere bir pilot çalışma verilen ekosistem/çalışma türler için en uygun emmek zamanı belirlemek için herhangi bir sistem olarak yürütülmelidir.

Eşleştirilmiş stereo kameralar kullanarak, her ikisi de Toplam Anket alan ve video her anket için mutlak balık yoğunluğu hesaplanabilir; Ancak, kameralar dönen kullanım geleneksel balık sayısı ölçümleri değişiklik gerektirdiği. Sabit görüntü sistemleri "MaxN" balıklar bir dağıtım^6,10muhafazakar sayısı olarak en sık kullandığınız. Geleneksel MaxN birlikte iki sayım yaptı ve çerçeve için döndürülen bir balık önlemek için tek bir video kare içinde gözlenen belirli bir tür balık en fazla sayısını açıklar. MaxN bu nedenle mevcut olduğu bilinen balık en az sayıda bir tahmin edilmiş ve gerçek balık bolluk^6,10hafife. MaxN metrik kameralar her tam rotasyon içinde görülen balık en fazla temsil etmek için tanımlandı.

Aslında bu tür irili ufaklı, renk, hesap için önceki stereo video yöntemleri için ikinci değişiklik oldu ve şekiller farklı maksimum mesafe güvenilir kimlik. Örneğin, O. elongatus gibi büyük türler farklı bir uzun şekil ve güvenilir bir şekilde Squarespot Rockfish (Sebastes hopkinsi) gibi küçük ve şifreli türleri ile karşılaştırıldığında çok daha büyük mesafelerde belirlenebilir. Algılama bu farklı maksimum aralıklar için her tür Lander tarafından örnek etkili alanı olarak değiştirin. Stereo kameralar bize her balık yüksek bir doğruluk derecesi ile üç boyutlu uzayda yerleştirmek izin çünkü kimse her balıktı kameralar olan uzaklığı belirleyebilirsiniz ("olan z ekseni için" adlıYani, "Z mesafe", ölçülen dik kameralar arasında çizilmiş düz çizgi). Her tür için içinde (bundan sonra "% 95'i Z mesafe") tüm bireylerin % 95'i gözlendi mesafe anket alan yarıçap olarak kabul edildi ve ankete toplam alanını hesaplamak için kullanılır. Species-Specific özelliklere ek olarak identifiability suyun bulanıklık gibi çevresel koşullar tarafından etkilenebilir. Bu faktörler zaman ve mekan içinde düzeyinde değişiklik yapabileceğiniz için % 95'i Z Hayatinizda yalnızca toplam olarak kullanılması önemlidir. Süre o-ecek var olmak büyük örnekler için son derece hassas, herhangi bir bireysel Anketi ankete alanında farklı olabilir.

Protokol aşağıda ayrıntılı yönergeler bu ölçümler oluşturmak sağlar. Pasifik Sahili boyunca derin kayalık habitat karakterize etmek için odak noktası oldu değiştirilmiş MaxN sayım için açıklanan metodoloji dönen herhangi bir damla-kamera sistemine kolayca uygun olsa da. Kamera rotasyonlar balık nüfusu tanımlamak için gerekli yerel ekosistemi dinamikleri üzerinde bağlıdır, ancak değiştirilmiş MaxN kavramsallaştırma aynı kalır. Oysa biz fotogrametrik yazılımı 3D stereo video olarak çözümlemeye, Balık üç boyutlu uzayda tam yerini mümkün olduğu sürece benzer şekilde, burada açıklanan teknikleri kolay yazılım platformları arasında uygulanır. Ayrıca, % 95'i Z uzaklık değeri uygulama yaklaşımı gelecekte çalışmaları ile stereo-kameralar tespit species-specific aralıkları için hesap ve daha doğru bir şekilde balık bolluk hesaplamak için düşünülebilir.

Access restricted. Please log in or start a trial to view this content.

Protokol

Not: Ekran görüntüleri yazılım adımları Ek dosyaolarak dahil edilir. Lütfen aşağıda açıklanan yazılım adımları için seçilen yazılımı belirli olduğunu unutmayın (bkz. Tablo malzeme). Genel yaklaşım herhangi bir stereo yazılım platformu için genişletilebilir.

1. Stereo kamera görüntüleri analiz için hazırlayın

Not: Kalibrasyon kalibrasyon küp kullanarak önerilir. Kalibrasyon küp bir üç boyutlu alüminyum-noktalı tam olarak konumlandırılmış yansıtıcı yüzeyi karedir. Ayarlama yazılımıyla birlikte kullanıldığında, bir kalibrasyon küp büyük hassasiyet ve doğruluk Dama Tahtası yaklaşımlar⁹' dan yol açar.

1. Stereo-ayarlama yazılımıyla (Resim 1 ve Şekil 2 Malzemeleri tablo için bir yazılım tavsiye görmek;) Lander kameralarla kalibre.
   Not: Kalibrasyon önce alanda kullanım hedefleri değişen mesafelerde (bkz. ek Video 1) bilinen boyutlarda ölçerek doğrulanabilir. Ortalama ölçüm hata mesafelerde 3 m (veya daha az) 50 cm hedef için bilinen hedef uzunluğu %2 içinde olmalıdır. Ayrıca belirli bir kalibrasyon sadece kamera konumlarını birbirlerine göre değiştirmezseniz geçerli olacaktır. Kendine iyi bak ve istenmeyen tüm örnekleme sahne aldı kadar kameraların jostling önlemek çok önemlidir.
2. Kalibre edilmiş Lander (şekil 1, ek Video 2) kullanarak alan veri toplamak.
3. Saha çalışması tamamlandıktan sonra kalibrasyon ve video dosyalarını içeren yeni bir proje klasörü oluşturun.
   Not: her projede ağıl orada beş dosyaları en az ihtiyacı: sol ve sağ ". Kam"kalibrasyon dosyaları, sol ve sağ video dosyalarını (. MP4 veya. AVI formatında sadece) ve türlerin listesi (.txt biçiminde).
4. Stereo ölçüm yazılımındaki yeni bir ölçüm proje başlatmak ve uygun video ve Kalibrasyon dosyaları yükleyin.
   Not: Ekran görüntüleri tüm yazılım adımları Ek dosyalarıarasında kullanılabilir.
   1. 'Ölçüm' gidin > 'Yeni ölçüm dosyası'.
   2. 'Resim' giderek resmi dizin ayarla > 'Set resim dizini' ve tüm proje dosyaları içeren klasörü seçin.
   3. Sol kamera yükleme ". Kam"dosya 'Stereo' giderek > 'Kamera' > 'Sol' > 'Yük kamera dosya' ve uygun dosyayı seçerek.
   4. Adımı yineleyin 1.4.3 doğru kamera yüklemek için ". Kam"dosya
      Not: Bu dosyalar (örneğin, piksel boyutu, en boy oranı, Radyal bozulma, decentring bozulma, vb) her bir kamera için kalibrasyon ölçümleri içeren ve balık ölçmek ve mesafe---dan-kamera (Yani, Z hesaplamak için kullanılan mesafe).
   5. Film sıra sol video dosyası için 'Resmi' giderek tanımla > 'film sıra define' ve sol kamera video dosyasını seçerek.
   6. 'Resim' seçerek ölçüm yazılımı içine sol video dosyasını yüklemek > 'yük resim'.
      Not: video dosyalarını yüklemeden önce 'Kilit' kutusunun işaretli olmadığından emin olun. Bu her iki videoları aynı anda yüklenmesine izin verir.
   7. Film dizi ve yük 'Stereo' menüleri kullanarak doğru video video dosyası tanımlayın > 'resim' > 'film sıra define' ve 'Stereo' > 'resim' > 'yük resim'.
   8. 'Ölçüm' giderek türlerin listesini yükle > 'Öznitelikleri' > ' Düzenle/yük türler dosyası'.
   9. Anket kimlik bilgileri altında 'Bilgi alanları' girin > 'Alan değeri Düzenle' ve oluşturmak için dosyayı kaydedin bir. EMObs proje.
5. Işık flaş, alkışı, Eşgüdümlü Evrensel Saat (UTC) damga veya her iki videoları herhangi bir zaman belirli olayı kullanarak video senkronize.
   1. UTC zaman damgası kullanıyorsanız, çerçeve-adım ileri sol videoda zaman damgası yeni bir ikinci başlayana kadar. Başka çerçeve ileriye ışık flaş veya alkışı kadar oluşur.
   2. Çerçeve-adım zaman damgası kadar ileriye doğru video sol video tam olarak eşleşir. Başka çerçeve tam an ışık flaş veya alkışı sol video eşleşen kadar öne.
      Not: Videoları aynı kareye eşitlenmesi önemlidir. Video senkronizasyonu video zaman damgası kamera çerçeve drift Çözümleme sırasında önlemek için kullanarak periyodik kontrol edilmelidir. Bir filme el clap da başlangıç ve video sonunda dogru sınamak için kullanılabilir ve sol videoları aynı kareye senkronize.
6. Video birlikte oynamak ve eşitleme korumak emin olmak için "Kilit" düğmesini tıklatın.

2. nokta sayıları oluşturmak ve MaxN hesaplamak

Not: Her balık başlangıçta 2D noktasına en düşük olası taksonomik çözünürlüğü ile işaretlenir. Belirsiz kimliği ile balık daha sonra gözden geçirilmek üzere işaretlenmiş olmalıdır.

1. Tam 360 derece kullanılan emin olmak için tam kamera döndürme sonuna kadar balıkları saymak başlamak için sabırsızlanıyorum. Ayrıca tortu temizlenir vardır kadar bekleyin (genellikle < 1-2 dk sonra alt ile temas).
   1. İniş aracı, ilk dönüş başlar başlamaz, sağ yeni bir örnek dönemi tanımlamak için tıklatın: 'Dönem tanımlamaları' > 'Ekle yeni başlangıç dönemi'. "01" olarak ilk dönem adı girin ve "Tamam" ı tıklatın.
2. Lander döner, çerçeve içine sadece sol kamera ile 2D ile an gelir her balık işaretleme başlar.
   1. 2D bir nokta eklemek için sağ tıklatın, 'Ekle'ye gelin' seçin ve doğru tür adı seçin. Bilinmeyen türler ve tıkırtı "OK" 'spp.' seçerek en düşük taksonomik düzeye, etiket.
   2. Rotasyon sonuç kadar adım 2.2.1 göre her yeni balık işaretlemeye devam.
3. İletişim kuralı yordamlar 2.1-2.2 her ek Lander rotasyon - yeni bir dönem her kamera rotasyon başlangıcında tanımlanır sağlanması için yineleyin.
   Not: Türler birikimi eğrileri sekiz rotasyonlar, ortalama olarak, balık bolluk içinde çalışmanın karakterize etmek yeterli olduğunu belirlemek için kullanılmıştır. Araştırmacılar ön ile munzam fotoğraf makinesi rotasyonlar, kamera rotasyonlar belirli bir ekosistem içinde optimum sayısını tanımlamak için daha uzun emmek süreleri üzerinde deneylerini düşünmelisiniz.
4. Kamera rotasyon gözlenen bireylerin Species-Specific sayıları hesaplamak.
   1. Tüm rotasyonlar numaralandırılan sonra 'Ölçüm' giderek 2D puan vermeniz > 'Ölçüm özetleri' > 'Gelin ölçümler' ve 2D Puan a.txt dosyası olarak kaydedin.
   2. Bir elektronik tablo olarak kaydedilmiş 2D.txt noktası dosyasını açın ve 'Ekle' giderek sayıları (Tablo 1) özetlemek üzere döndürme numarasını vs türlerin bir Özet Tablo oluşturmak > 'Özet Tablo'. "Cins ve türlerin" 'Satır etiketi' ve "Dönem" için 'İçin sütun etiketini' seçin.
5. MaxN her tür için bu tür (Tablo 1) bireylerin en büyük sayıda kamera rotasyon seçerek seçin.
6. Sadece cins için tanımlanan balıklar için bu belirli cins içinde tür için tanımlanan en büyük sayisi vardı rotasyon dayalı bir cins düzeyi MaxN seçin.
   Not: Bu adımı yalnızca tanımlanabilir daha yüksek taksonomik gruplara (örneğin, yalnızca cins ya da aile için) çift sayma bireysel balık önlemeye yardımcı olur. Örneğin, Tablo 1' ' döndürme 1' bulunan 10 tanımlanamayan Sebastes spp. ve 33 Bu cinsin türler için tanımlanan Sebastes ise ' döndürme 3' bulunan sadece iki kimliği belirsiz Sebastes spp. ve 43 üyeleri Sebastes türler için tanımlanan cins. Bu nedenle ' döndürme 3' bilinmeyen Sebastes spp. MaxN sayısı için kullanılacak Bu şekilde, muhafazakar varsayım bu yapılır kimliği belirsiz Sebastes spp. 8 ' döndürme 1' tespit edildi ' dönüş 8'.
7. Çoklu rotasyonlar aynı MaxN sayısı belirli bir tür için ise MaxN ile ilk dönüş için 3B nokta ölçümleri seçin.
8. Her tür balık 3D ölçümler MaxN oluştu rotasyon alır.
   1. Adımlar 2,1 2,3 toplanan kaydedilmiş 2D puan 3 boyutlu ölçüm için tam olarak aynı balık gitmek için kullanın.
   2. Balık burnu ve caudal fins (şekil 3) kenarlarını ucu daha iyi tanıtmayı en az 4 X zoom.
      Not: Kare adımı öne veya arkaya balık en iyi yönünü 3 boyutlu ölçüm için bulmak için gerekli olabilir. 'En iyi' yönlendirme bir burun ve caudal fins kenarlarını her ikisi fotoğraf makinesi görünür nerede var.
   3. El ile burun, sonra kenarına, sol fotoğraf kuyruk ucu tıklayın sonra doğru video aynı sırada seçimi yineleyin.
   4. Doğru tür kimlik 2.2.1 içinde olduğu gibi açılan menüleri seçin.
   5. Örnek baş ve kuyruk balıkların her ikisi fotoğraf makinesi görünür değilse o zaman işaretlemek için 3B nokta yerine sol ve sağ videoları aynı pozisyonda balık sol tıklayarak bir 3D uzunluk ölçüm mümkün değilse. Önce bilgi alanları doldurun ve "uzunluk ölçüm hariç" yorum.
      Not: Fotoğraf makineleri farklı türleri için farklı rotasyonları MaxN ortaya çıkabilir; Ancak, herhangi bir belirli türler için bir rotasyon sadece (Tablo 1) ölçümleri gerçekleşmelidir.
9. Bütün balıklar için 3D ölçümleri tamamladıktan sonra daha ayrıntılı bir çözümleme için veri as.txt dosyasını dışarı aktarmak.
   1. 'Ölçüm' gidin > 'Ölçüm özetleri' > '3D noktası ve uzunluk ölçüleri' ve save.txt dosya vermek için.

3. %95 Z uzaktan yordam species-specific anket alanlar için

Not: Bir tür güvenilir durumlarda su netlik veya aydınlatma olağanüstü koşullarının hariç sırasında verilen bir çalışmada teşhis ortalama mesafe tahmini % 95'i Z mesafedir. Bu hesaplama belirli bir çalışma ortalama oşinografik koşullarını dikkate alır ve her yeni çalışma için yeniden hesaplanmış olması gerekecektir.

1. Sade önyüklemeyi örnek boyutu her tür için güvenilir algılama mesafesi karakterize etmek büyük olup olmadığını belirlemek için kullanın.
   1. Her örnek boyutu sınıf (örneğin, örnek boyutu kutuları 5 balık), almak için 1000 rasgele seçilen örnek boyutunun değiştirilmesi ile örnek popülasyondan çizer ve mesafeler bu %1.000 95 parametreli çizer ortalamasını hesaplamak ve sonucu olan arsa asimtotik eğri. Bkz: ek dosyalar 1& 2 sağlanan kodu.
   2. Yeterli örnekleri gerçek örnek boyutu örnek boyutunun artırılması ile % 95'i Z mesafe asimptot ile karşılaştırarak elde edilmiştir doğrulayın.
2. Kamera mesafe üzerinden bir tür için tüm anketler arasında ölçülen % 95 parametreli olarak % 95'i Z Uzaklık değerini hesaplamak.
3. Ankete katılanların % 95'i Z değeri kullanarak her tür için etkili alanı hesaplayın.
   Not: dönen bir Lander söz konusu olduğunda anketin bir tarama alanı, dış RADIUS iç yarıçap ile aracın fiziksel Kur tarafından belirlenen ve nasıl kameralar tabanına yakın % 95'i Z değeri temsil gözlemlemek mümkün. Lander döndükçe, bir 'şeklinde çörek' anket alanı oluşturulur (şekil 4).
   1. Olarak anket alanını hesaplamak:
      
      Not: Örneğin, nispeten büyük bir tür gibi Yelloweye Rockfish (Sebastes ruberrimus) 3.3 m % 95'i Z uzaktan ve Lander dağıtım başına 30,9 m² lik etkili Anket: 34,3 m² (dış çemberi) - 3.4 m² (iç Daire) = 30,9 m² (Toplam Anket alanı).
4. Hesaplanan alanı kullanarak (3.3.1. adım) dönüştürmek bireysel türlerin sayıları (MaxN) yoğunluk tahminleri denklemi kullanarak görsel her anket için içine araştırılmıştır:
   
   Not: Benzer bir yordam yerine bir alan yoğunluğu hacimsel yoğunluğu hesaplamak için kullanılabilir; Ancak, bu işlem burada açıklanmıyor.

Tablo 1: örnek MaxN Özet Tablosu. MaxN seçim için her tür red ve kalın metinle gösterilmiştir. Not tanımlanamayan Sebastes spp. için muhafazakar bir MaxN döndürme tarafından tanımlanan türler (rotasyon 3) en Sebastes belirlendi. De, bu çalışmada kullanılan sekiz kamera rotasyonlar iken, sadece dört rotasyonlar kolaylık için Tablo 1 ' de görüntülenir. MaxN seçme işlemi rotasyonlar sayısından bağımsız olarak aynıdır.

Resim 1: Stereo video Lander. Anahtar donanım numarası (1) 300 m göbek, (2) iki dijital video kaydediciler (DVR) su geçirmez şişe içinde çıkarılabilir 32 GB depolama kartları ile bir renk sıcaklık 5000 K ve Çıkış 3.000 lümen (3) iki LED ışıklar (4). iki kamera ile 620 TV hattı (TVL) kararlılık. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Şekil 2: Kalibrasyon küp (500 x 500 x 300 mm). Bir kalibrasyon iki farklı yönelimleri gösterilen bir küp' kalibrasyon ile örnek: (A) sağ tarafındaki küp kameralar doğru itilir ve (B) küp çehresini kameralar yüze paralel. Kırmızı noktalar bu belirli kalibrasyon yönteminde kullanılan referans noktaları belirtmek ve her zaman numaralı sırada tanımlanmalıdır. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Şekil 3: 3 boyutlu ölçüm Sebastes miniatusyerleştirilir. Burun ve kuyruk sonu ucu stereo ölçüm için izin vermek için her kamera çerçeve içinde tespit edildi. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Şekil 4: alan Lander aracı tarafından incelenmiştir. Etkili alan Lander aracı tarafından incelenen Z mesafe ve her tür için % 95'i Z mesafe en az çevriliydi. Bu alan bir 'şeklinde çörek' anket birim Lander çevresinde oluşturulan unutmayın. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Access restricted. Please log in or start a trial to view this content.

Sonuçlar

2013 ve 2014 arasında 816 Araştırmaları Merkezi California Sahili ve 20'den fazla türü üzerinde toplanan MaxN ve % 95'i Z mesafe (şekil 4) veri boyunca dönen stereo-video Lander (şekil 1) ile yürütülen. Türler, büyük olasılıkla türün boyutu, şekli ve rengi (şekil 5) etkileşim nedeniyle görülmektedir tespit etkili aralığında açık desenleri vardı. Örneğin, farklı mesaf...

Access restricted. Please log in or start a trial to view this content.

Tartışmalar

Geleneksel MaxN metrik bireyler bir anket sırasında mevcut garantili en az sayıda sayım fikri üzerine esas olan. Balık belirli sayıda aynı anda tek bir video kare görünür durumdaysa, herhangi bir daha az hediye olamaz ama balık mobil ve heterogeneously dağıtılmış olduğundan, tüm bireylerin aynı anda tek bir video kare sırasında görme olasılığı düşüktür . Bu nedenle geleneksel MaxN gerçek balık bolluk^16,17hafife yüksektir. Buna ek...

Access restricted. Please log in or start a trial to view this content.

Malzemeler

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