Summary

Utveckling av nya metoder för kvantifiering av fisk densitet med undervattens Stereo-video verktyg

Published: November 20, 2017
doi:

Summary

Vi beskriver en ny metod för räknar fiskar och uppskatta relativa överflöd (MaxN) och fisk densitet med roterande stereo-video kamerasystem. Vi visar också hur du använder avstånd från kameran (Z avstånd) för att uppskatta artspecifika upptäcktsrisken.

Abstract

Användningen av video kamera systemen i ekologiska studier i fisk fortsätter att vinna dragning som en livskraftig, icke-utvinnings metod att mäta fisken längder och uppskatta fisk överflöd. Vi utvecklat och implementerat ett roterande stereo-video kameraverktyg som täcker en full 360 grader för provtagning, vilket maximerar provtagning ansträngning jämfört med stillastående kamera verktyg. En mängd studier har detaljerade statiska, stereo-kamera system förmåga att få mycket exakt och exakta mätningar av fisk; fokus var på utvecklingen av metoder att kvantifiera fisk densitet med roterande kamerasystem. Den första metoden var att utveckla en ändring av mått MaxN, vilket normalt är en konservativ beräkning av minsta antalet fiskar observerats på en viss kamera undersökning. Vi omdefiniera MaxN att det maximala antalet fiskar som observerats i någon viss rotation av kamerasystem. När försiktighetsåtgärder vidtas för att undvika dubbelräkning, kan denna metod för MaxN mer exakt speglar sant överflöd än som erhållits från en fast kamera. För det andra, eftersom stereo-video gör fisk ska mappas i tredimensionella rymden, exakta beräkningar av avstånd-från-kameran kan erhållas för varje fisk. Genom att använda den 95% percentilen av observerade avståndet från kameran för att upprätta artspecifika områden tillfrågade, redogöra vi för skillnader i upptäcktsrisken bland arter samtidigt undvika att späda densitet uppskattningar med hjälp av det maximala avståndet en art var observerats. Redovisningen av detta utbud av upptäcktsrisken är kritiska att korrekt uppskatta fisk sammansättning. Denna metod kommer att underlätta integrationen av roterande stereo-video verktyg i både tillämpad vetenskap och management sammanhang.

Introduction

Längs den amerikanska Stillahavskusten är många av arterna som är viktigt att kommersiellt och bottenlevande fiske (t.ex., de rockfish komplexa (Sebastes spp.) och Lingcod (Ophiodon elongatus)) starkt förknippad med hög relief, hård-botten livsmiljöer1,2,3,4,5. Stereo-video drop kameror är en attraktiv icke-utvinnings verktyg att använda i bergsmiljöer på grund av den relativa lätthet och enkelhet i drift. En mängd stereo-video kamerasystem har utvecklats och distribuerats i södra halvklotet, grunt vatten ekosystem6,7,8,9,10, och nyligen, drop-videokameror vunnit dragkraft som ett förvaltningsverktyg för djupt vatten rocky-reef miljöer längs Stillahavskusten11,12,13. Vi försökte ändra dessa befintliga stereo-kamera konstruktioner genom att använda ett stereo-video kamerasystem (hädanefter benämnd ”Lander”) att mer effektivt karakterisera fiskpopulationer i hög relief havsbotten längs den centrala Stillahavskusten (se tabellen Material). De Lander som används var annorlunda än befintliga videosystem eftersom kamerorna monterades till en central roterande bar, som möjliggjorde en full 360° täckning av havsbotten på droppe plats14. Lander avslutade ett fullständiga varv per minut, vilket tillät oss att snabbt karakterisera överflöd och gemenskapens sammansättningen av ett område och uppnå samma nivå av statistisk effekt med färre Lander distributioner. (Se Starr (2016)14 för närmare på detaljerna i Lander konfigurationen). Preliminära tester i studien systemet föreslog att åtta rotationer av kamerorna i våra enkäter var tillräckliga för att karaktärisera arter överflöd och rikedom. Denna beslutsamhet gjorde en observation av avtagande avkastning i arter överflöd och fisk densitet över längre droppar. Vi rekommenderar att en pilotstudie inklusive längre blöt gånger genomföras i alla nya system att bestämma den optimala blöt tid för en given ekosystem/studie art.

Med hjälp av ihopparade stereo kameror, både total undersökning område och absolut fisk densitet kan beräknas för varje video undersökning; användning av roterande kameror krävde dock ändring av traditionella fisk antal mätvärden. Stationära videosystem använder oftast ”MaxN” som en konservativ antal fiskar på en distribution6,10. Traditionella MaxN beskriver det maximala antalet av en viss arter observerats tillsammans i en enskild bildruta, för att undvika dubbelräkning en fisk som har lämnat och återvänt till ram. MaxN har därför varit en uppskattning av det minsta antalet fisk känd att vara närvarande och kan underskatta sant fisk överflöd6,10. MaxN måttet omdefinierades för att representera det största antalet fisk ses i varje full rotation av kameror.

Den andra ändringen tidigare stereo video metoder var att ta hänsyn till faktumen att arter i olika storlekar, färg, och former har olika högsta avstånd på tillförlitlig identifiering. Exempelvis stora arter såsom O. elongatus har en distinkt avlång form och kan på ett tillförlitligt sätt identifieras på mycket större avstånd jämfört med små och kryptiska arter såsom den Squarespot havskatt (Sebastes hopkinsi). Dessa olika maximala intervall av upptäcktsrisken ändra området effektiva urvalet av Lander för varje art. Eftersom kamerorna stereo tillåter oss att placera varje fisk i tredimensionella rymden med en hög grad av noggrannhet, kan man bestämma avståndet från de kameror som varje fisk var mätt (dvs”Z avstånd”, uppkallad efter ”z-axeln” som är vinkelrät mot den raka linjen mellan kamerorna). För varje art, avståndet inom vilken 95% av alla individer observerades (härefter ”95% Z-distans”) ansågs vara radien på området, och användes för att beräkna den totala areal som tillfrågade. Förutom artspecifika egenskaper påverkas identifierbarhet av miljöförhållanden som vattnets grumlighet. Eftersom dessa faktorer kan variera i tid och rum, är det viktigt att använda den 95% Z-statistiken endast i aggregat. Medan det kommer vara mycket noggranna för stora prover, kan någon en individuell undersökning variera i området tillfrågade.

Protokollet beskrivs nedan ger vägledning om hur du skapar och använder dessa mätvärden. Fast fokus var att karakterisera deep-water rocky livsmiljö längs Stillahavskusten, är den metod som beskrivs för modifierade MaxN räkna lättillämpliga till roterande drop-kamera-system. Antalet kamera rotationer krävs att karakterisera fiskpopulationer beror på lokala ekosystem dynamics, men konceptualisering av den modifierade MaxN förblir desamma. Likaså tillämpas vi använde 3D fotogrammetriska programvara för att analysera stereo video, de tekniker som beskrivs häri enkelt på programvaruplattformar, så länge den exakta platsen för fisk i tredimensionella rymden är möjligt. Dessutom kunde metoden att tillämpa ett 95% Z avstånd värde anses i framtida studier med stereo-kameror att ta hänsyn till artspecifika spänner av upptäcktsrisken och att mer exakt beräkna fisk överflöd.

Protocol

Obs: Skärmdumpar programvara steg ingår som Kompletterande filer. Observera att programvaran stegen som beskrivs nedan är specifika för det valda programmet (se Tabell för material). Den övergripande strategin kan förlängas till någon stereo mjukvaruplattform. 1. Förbered Stereo-kamera film för analys Obs: Rekommenderas kalibrering med hjälp av en kalibrering kub. En kalibrering kub är en tredimensionell aluminium-ram med…

Representative Results

Mellan 2013 och 2014 genomförde vi 816 undersökningar med den roterande stereo-video Lander (figur 1) längs den centrala Kaliforniens kust och insamlade MaxN och 95% Z avstånd (figur 4) data på mer än 20 arter. Det fanns tydliga mönster i effektiv detekterbara spänna av arter observerats, sannolikt på grund av samspelet mellan arterna storlek, form och färg (figur 5). Exempelvis har den fla…

Discussion

Traditionella MaxN måttet bygger på idén att räkna en garanterad minsta antal individer närvarande under en undersökning. Om ett visst antal fisk syns samtidigt i en enskild bildruta, det kan inte finnas något färre idag, men eftersom fisken är mobila och ojämnt fördelad, sannolikheten för att se alla individer samtidigt under en enskild bildruta är låg . Det är därför troligt att traditionella MaxN underskattar sant fisk överflöd16,17. Det har…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Detta arbete finansierades av The Nature Conservancy och privata donatorer, resurser Legacy fonden Foundation, Gordon och Betty Moore Foundation, Environmental Defense Fund, Kalifornien Sea Grant Program, NMFS National Cooperative Research Program och en NOAA Saltonstall-Kennedy bidrag nr 13-SWR-008. Marina tillämpad forskning och utforskning (Dirk Rosen, Rick Botman, Andy Lauerman och David Jefferies) utvecklas, konstruerad och underhålls verktyget video Lander. Vi tackar Jim Seager och SeaGIS™ programvara för teknisk support. Kapten och kommersiella fiskare Tim Maricich och besättningen ombord F/V Donna Kathleen tillhandahålls stöd i Distribuera Lander från 2012-2015. Tack till alla som deltog i video datainsamling eller analys (Anne Tagini, Donna Kline, Lt. Amber Payne, Bryon Downey, Marisa Ponte, Rebecca Miller, Matt Merrifield, Walter Heady, Steve Rienecke, EJ Dick och John Field).

Materials

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)

References

  1. Love, M. S., Yoklavich, M. M., Thorsteinson, L. K. . The Rockfishes of the Northeast Pacific. , (2002).
  2. Laidig, T. E., Watters, D. L., Yoklavich, M. M. Demersal fish and habitat associations from visual surveys on the central California shelf. Estuar. Coast. Shelf Sci. 83 (4), 629-637 (2009).
  3. Anderson, T. J., Yoklavich, M. M. Multiscale habitat associations of deepwater demersal fishes off central California. Fish. Bull. 105 (2), 168-179 (2007).
  4. Yoklavich, M. M., Cailliet, G. M., Sullivan, D. E., Lea, R. N., Love, M. S. Habitat associations deep-water rockfishes a submarine canyon an example of a natural refuge. Fish. Bull. 98 (3), 625-641 (2000).
  5. . . Status of the Pacific Coast Groundfish Fishery, Stock Assessment and Fishery Evaluation. , (2016).
  6. Cappo, M., Harvey, E., Malcolm, H., Speare, P., Beumer, J. P., Grant, A., Smith, D. C. Potential of video techniques to monitor diversity, abundance and size of fish in studies of marine protected areas. Aquatic protected areas- What works best and how do we know. , 455-464 (2003).
  7. McLean, D. L., Green, M., Harvey, E. S., Williams, A., Daley, R., Graham, K. J. Comparison of baited longlines and baited underwater cameras for assessing the composition of continental slope deepwater fish assemblages off southeast Australia. Deep-Sea Research Part I: Oceanographic Research Papers. 98, 10-20 (2015).
  8. Parker, D., Winker, H., et al. Insights from baited video sampling of temperate reef fishes: How biased are angling surveys. Fish. Res. 179, 191-201 (2016).
  9. Boutros, N., Shortis, M. R., Harvey, E. S. A comparison of calibration methods and system configurations of underwater stereo-video systems for applications in marine ecology. Limnol. Oceanogr. Methodss. 13 (5), 224-236 (2015).
  10. Harvey, E. S., Cappo, M., Butler, J. J., Hall, N., Kendrick, G. A. Bait attraction affects the performance of remote underwater video stations in assessment of demersal fish community structure. Mar. Ecol. Prog. Ser. 350, 245-254 (2007).
  11. Watson, J. L., Huntington, B. E. Assessing the performance of a cost-effective video lander for estimating relative abundance and diversity of nearshore fish assemblages. J. Exp. Mar. Bio. Ecol. 483, 104-111 (2016).
  12. Easton, R. R., Heppell, S. S., Hannah, R. W. Quantification of Habitat and Community Relationships among Nearshore Temperate Fishes Through Analysis of Drop Camera Video. Mar. Coast. Fish. 7 (1), 87-102 (2015).
  13. Hannah, R. W., Blume, M. T. O. Tests of an experimental unbaited video lander as a marine fish survey tool for high-relief deepwater rocky reefs. J. Exp. Mar. Bio. Ecol. 430, 1-9 (2012).
  14. Starr, R. M., Gleason, M. G., et al. Targeting Abundant Fish Stocks while Avoiding Overfished Species: Video and Fishing Surveys to Inform Management after Long-Term Fishery Closures. Plos One. 11 (12), 0168645 (2016).
  15. Love, M. S. . Certainly more than you want to know about the fishes of the Pacific Coast: a postmodern experience. , (2011).
  16. Campbell, M. D., Pollack, A. G., Gledhill, C. T., Switzer, T. S., DeVries, D. A. Comparison of relative abundance indices calculated from two methods of generating video count data. Fish. Res. 170, 125-133 (2015).
  17. Cappo, M., Speare, P., De’ath, G. Comparison of baited remote underwater video stations (BRUVS) and prawn (shrimp) trawls for assessments of fish biodiversity in inter-reefal areas of the Great Barrier Reef Marine Park. J. Exp. Mar. Bio. Ecol. 302 (2), 123-152 (2004).
  18. Schobernd, Z. H., Bacheler, N. M., Conn, P. B., Trenkel, V. Examining the utility of alternative video monitoring metrics for indexing reef fish abundance. Can. Jour. Fish. Aquat. Sci. 71 (3), 464-471 (2014).
  19. Hansen, M. J., Schorfhaar, R. G., Selgeby, J. H. Gill-Net Saturation by Lake Trout in Michigan Waters of Lake Superior. North Am. J. Fish. Manag. 18 (4), 847-853 (1998).
  20. Dauk, P. C., Schwarz, C. J. Catch estimation in the presence of declining catch rate due to gear saturation. Biometrics. 57 (1), 287-293 (2001).
  21. Hilborn, R., Walters, C. J. . Quantitative Fisheries Stock Assessment Choice, Dynamics and uncertainty. , (1992).
  22. Erisman, B. E., Allen, L. G., Claisse, J. T., Pondella, D. J., Miller, E. F., Murray, J. H. The illusion of plenty: hyperstability masks collapses in two recreational fisheries that target fish spawning aggregations. Can. Jour. Fish. Aquat. Sci. 68, 1705-1716 (2011).
  23. Buckland, S. T., Anderson, D. R., Burnham, K. P., Laake, J. L. . Distance Sampling: Estimating abundance of biological populations. , (1993).
  24. Ronconi, R. A., Burger, A. E. Estimating seabird densities from vessel transects: Distance sampling and implications for strip transects. Aquat. Bio. 4 (3), 297-309 (2008).
  25. Caselle, J. E., Rassweiler, A., Hamilton, S. L., Warner, R. R. Recovery trajectories of kelp forest animals are rapid yet spatially variable across a network of temperate marine protected areas Recovery trajectories of kelp forest animals are rapid yet spatially variable across a network of temperate marine protected. Nat. Publ. Gr. , 1-14 (2015).
  26. Starr, R. M., Wendt, D. E., et al. Variation in Responses of Fishes across Multiple Reserves within a Network of Marine Protected Areas in Temperate Waters. Plos One. 10 (3), 0118502 (2015).
  27. Lester, S., Halpern, B., et al. Biological effects within no-take marine reserves: a global synthesis. Mar. Ecol. Prog. Ser. 384, 33-46 (2009).
check_url/56635?article_type=t

Play Video

Cite This Article
Denney, C., Fields, R., Gleason, M., Starr, R. Development of New Methods for Quantifying Fish Density Using Underwater Stereo-video Tools. J. Vis. Exp. (129), e56635, doi:10.3791/56635 (2017).

View Video