Vi tilbyr en detaljert protokoll for å gjennomføre undervanns struktur-fra-bevegelse fotogrammetri undersøkelser for å generere 3D-modeller og orthomosaics.
Struktur-fra-bevegelse (SfM) fotogrammetri er en teknikk som brukes til å generere tredimensjonale (3D) rekonstruksjoner fra en sekvens av todimensjonale (2D) bilder. SfM-metoder blir stadig mer populære som en ikke-invasiv måte å overvåke mange systemer på, inkludert menneskeskapte og naturlige landskap, geologiske strukturer og både terrestriske og akvatiske økosystemer. Her er det gitt en detaljert protokoll for innsamling av SfM-bilder for å generere 3D-modeller av bunnhabitater. I tillegg har kostnadene, tidseffektiviteten og utskriftskvaliteten ved å bruke et DSLR-kamera (Digital Single Lens Reflex) kontra et rimeligere actionkamera blitt sammenlignet. En avveining mellom beregningstid og oppløsning ble observert, med DSLR-kameraet som produserte modeller med mer enn dobbelt så høy oppløsning, men som tok omtrent 1,4 ganger lengre tid å produsere enn actionkameraet. Denne primeren tar sikte på å gi en grundig beskrivelse av trinnene som er nødvendige for å samle inn SfM-data i bunnhabitater for de som ikke er kjent med teknikken, så vel som for de som allerede bruker lignende metoder.
Økosystemprosesser er naturlig dynamiske og kan være vanskelige å kvantifisere. Det siste tiåret har sett en økning i nye teknologier for å fange økosystemer og deres dynamikk i en rekke skalaer fra 3D-laserskanning av individuelle økosystemfunksjoner til satellittfjernmåling av store områder 1,2,3. I bunnhabitater er struktur nært knyttet til økosystemfunksjon8, noe som gjør verktøy som samtidig gir mulighet for overvåking av geometri og samfunnsstruktur spesielt verdifulle for å forstå økologisk dynamikk. Imidlertid kan mange moderne tilnærminger ikke brukes i akvatiske systemer på grunn av vannets fysiske egenskaper (f.eks. Brytning, forvrengning, turbiditet). Teknikker, som LiDAR (Light Detection and Ranging) og noen luftundersøkelsesmetoder, kan være hensiktsmessige på store romlige skalaer, men kan ikke oppnå oppløsningen som trengs for å vurdere finskalaendringer i bunnhabitater. Struktur-fra-bevegelse (SfM) fotogrammetrimetoder har nylig blitt tilpasset for å produsere storskala, høyoppløselig ortosaikk og 3D-overflatemodeller av undervannshabitater 4,5,6,7.
SfM fotogrammetri er en relativt billig, enkel, ikke-invasiv og repeterbar metode som gjør det mulig å generere storskala, høyoppløselige registreringer av bunnmiljøet i akvatiske økosystemer9. SfM bruker en sekvens av 2D-bilder for å generere 3D-modellrekonstruksjoner. Modellene generert fra SfM kan brukes til å samle inn data om strukturell kompleksitet (f.eks. rugøsitet, dimensjonalitet)4,5,10,11,12 og samfunnsstruktur (f.eks. artssammensetning, populasjonsdemografi)13,14,15 av bunnøkosystemer. Videre, da denne metoden er relativt billig, rask og repeterbar, kan den brukes av både forskere og ikke-forskere for å samle verdifull, objektiv informasjon om disse økosystemene. Derfor er denne metoden en levedyktig teknikk for bruk i borgervitenskapsprosjekter der standardisering av prøvetakingsinnsats, minimering av skjevhet, engasjement av deltakere og enkel opplæring er avgjørende for kvaliteten på dataene og generell suksess16,17.
Denne artikkelen gir en detaljert protokoll for gjennomføring av undervanns SfM-undersøkelser. Samtidig har bruken av et speilreflekskamera blitt sammenlignet med et mer kostnadseffektivt “actionkamera”, og de relative fordelene og ulempene ved hvert av dem er skissert. Det overordnede målet er å gjøre forskere og ikke-forskere kjent med bentiske SfM-undersøkelsesmetoder så raskt som mulig ved å tilby en enkel, ofte brukt protokoll, som igjen fremmer bruken av denne metoden i større grad. For eksempler på studier som har anvendt variasjoner av denne metoden for å studere undervanns økologiske samfunn, se Burns et al. (2015) 4, Storlazzi et al. (2016) ) 18, Ventura et al (2016 og 2018) 19, 20, Edwards et al. (2017) 14, George et al. (2018) 21, Anelli et al. (2019) 22, og Torres-Pulliza et al. (2020) 10.
Metoden beskrevet her krever et to-personers snorkel- eller dykketeam. Etter at undersøkelsesstedet er valgt, plasseres en linjespole (figur 1A) i midten av stedet, og kalibreringsfliser (figur 1B) fordeles ~ 2 m fra midten. En person (svømmeren) svømmer med kameraet og tar bilder av stedet, mens den andre personen (assistenten) pleier spolen i midten av tomten (figur 1C). Først kobler svømmeren kameraet til spolen via linjen og begynner deretter å ta kontinuerlige bilder av benthos mens han svømmer med ansiktet ned og fremover for å slappe av linjen av spolen. Svømmeren bør til enhver tid opprettholde en vertikal avstand på ~ 1 m over underlaget, og justere posisjonen slik at den samsvarer med topografien når de svømmer. Det er viktig at linjen som forbinder spolen og kameraet forblir stram til enhver tid for å skape jevn avstand i spiralen når svømmeren kartlegger plottet. Assistenten holder spolen i stabil, oppreist stilling og sørger for at spolen ikke roterer, og at linjen ikke blir sammenflettet.
Når linjen er helt viklet, stopper svømmeren, snur og svømmer i motsatt retning for å rekylere linjen rundt spolen. Når svømmeren skifter retning, vrir assistenten spolen for å slynge linjen inn, nøyaktig 180° for å forhindre nøyaktig overlapping av den utgående banen. Når svømmeren er så nær sentrum som mulig, løsnes kameraet fra linjen, og assistenten tar spolen og linjen og svømmer bort fra den sentrale delen av området. Svømmeren fullfører deretter avbildningen av midten av plottet ved å flytte kameraet i en liten spiral over midten. Selv om det er flere måter å avbilde et område effektivt på, er spole-and-line-metoden beskrevet her robust selv under ikke-ideelle miljøforhold der hakkete overflatevann, dønninger eller lav sikt ellers kan hindre datainnsamling. I disse scenariene holder denne metoden snorklere / dykkere festet og sikrer høy overlapping av bilder ved å holde svømmeren på en kontrollert bane.
Denne studien viser at både DSLR-kameraet og actionkameraet produserer modeller med bedre enn 0.5 mm / pikseloppløsning på mindre enn 10 timers behandlingstid på en standard stasjonær datamaskin. Den største avveiningen mellom DSLR og actionkamera, bortsett fra kostnad, er henholdsvis finere oppløsning versus raskere behandlingstid. De rapporterte behandlingstidene inkluderer imidlertid bare beregningsbehandlingen. Selv om beregningstiden er mindre for actionkameraet, er det en betydelig mengde tid (10-20 min) investert i bildeutvinning fra videoene som ikke er nødvendig med DSLR. Et alternativ er å bruke actionkameraet i kontinuerlig opptaksmodus for å unngå bildeutvinning. Kontinuerlig opptaksmodus ble ikke brukt i dette eksemplet, da actionkameraet bare kan skyte med 2 fps, noe som krever en betydelig langsommere svømmefrekvens for å samle nok bilder til å bygge en komplett modell. I denne forbindelse er det en avveining mellom lengre tid i feltet ved å bruke kontinuerlig opptaksmodus kontra lengre tid på datamaskinen, trekke ut bilder, når du bruker videomodus.
Fordelene med actionkameraet inkluderer overkommelig pris og enkel transport og drift under vann. Den største fordelen med DSLR er at den produserer bilder med høyere oppløsning; Derfor anbefales DSLR-kameraer fremfor actionkameraer når førstnevnte ikke er kostnadsuoverkommelig. Hva slags spørsmål en studie søker å ta opp, vil også være viktig for å bestemme metoden som brukes. For eksempel kan et actionkamera være å foretrekke i miljøer som er relativt homogene (f.eks. sjøgresssenger, døde korall-/steinspruthabitater), eller der bare brede samfunnsberegninger (som overflod, mangfold) blir vurdert over store romlige skalaer. Imidlertid kan et DSLR-kamera utplasseres i tilfeller der sporing av finskalaendringer i individuelle organismer eller substrater er av interesse.
Siden dette er en feltmetode, vil modellutgangene avhenge av ulike miljøfaktorer som belysning, vannklarhet, overflateforhold, mengde bølge og bevegelse av fisk eller ikke-stasjonære bunnstrukturer (f.eks. sjøgress). Selv om det ikke er noen absolutte terskler for når det er hensiktsmessig å bruke denne metoden, gir litt overskyede dager med høy vannklarhet, rolige overflateforhold og liten bølge vanligvis de beste modellene. Videre er det en grense for minimumsdybden som kreves for disse metodene. Disse metodene fungerer dårlig under forhold der det er mindre enn 0,5 m vann på grunn av lav overlapping mellom bilder og færre kjennetegn per bilde. Dette fremhever imidlertid en annen fordel med actionkameraet, nemlig at de er mindre og dermed lettere å bruke på grunnere dyp. Videre kan en spole med mindre diameter og høyere bildefrekvens (eller vidvinkelobjektiv) forbedre bildeoverlappingen under svært grunne forhold9.
Mange andre datatyper kan integreres med denne tilnærmingen. For eksempel har orthomosaics blitt brukt til å vise den romlige tettheten av molekylære data (f.eks. gener og metabolitter) på koraller 24 og mennesker 25 ved hjelp av åpen kildekode-programvaren ‘ili’26. Den samme plattformen kan også brukes til å kartlegge romlige tettheter av dyr, mikroorganismer, virus og/eller kjemikalier i miljøet. Andre eksempler har brukt SfM for å kommentere bunndyr romlig på orthomosaics ved hjelp av geografisk informasjonssystemprogramvare 10. Videre kan 3D-modellene generert av SfM brukes til å estimere habitategenskaper som rugøsitet og fraktal dimensjon. Faktisk ble metodene som er skissert her nylig brukt til å utlede en ny geometrisk teori for habitatflater10. Til slutt brukes orthomosaics som inngangsflater for romlig eksplisitte beregningsmodeller, slik at dynamiske simuleringer kan legges på modellens 3D-overflate. Å enkelt kunne generere store bilder og 3D-representasjoner av bunnhabitater har gjort det mulig for havforskere å ta opp hittil uante spørsmål3.
Samlet sett er her en detaljert protokoll for å gjennomføre undervanns SfM-fotogrammetri med enten DSLR-kameraer eller mer kostnadseffektive actionkameraer. Disse metodene kan brukes av forskere til et bredt spekter av formål, fra å trekke ut data om bentiske økosystemer til å utvikle 3D-inngangsflater for i silico-simuleringer . Imidlertid kan disse protokollene også brukes av ikke-forskere som en del av borgervitenskapsarbeidet for å samle verdifull informasjon om mønstre av biologisk mangfold, habitatkompleksitet, samfunnsstruktur og andre økologiske beregninger.
The authors have nothing to disclose.
Vi takker Paul G. Allen Family Foundation for finansieringen av denne forskningen og er takknemlige for Ruth Gates for inspirasjonen til å bruke teknologi for å bevare rev. Vi takker også NOAA og andre samarbeidspartnere for gjennomtenkt diskusjon om disse metodene. Til slutt takker vi Catie Foley og Patrick Nichols for å gi drone og undervannsvideo av disse metodene.
Vi anerkjenner National Fish and Wildlife Foundation som finansieringspartner i dette arbeidet.
Action camera (GoPro Hero7 Black) | GoPro | Could be any waterproof action camera | |
Adobe Lightroom | Adobe | Color correction | |
Calibration tiles ( flat PVC board cut to size for Agisoft targets. Attach a dive weight underneath if expecting waves) | Any negatively buoyant object of known size and color. We recommend using the scale marker templates available from Agisoft Metashape software (v.1.6.0). | ||
DSLR camera (Canon EOS Rebel SL3 ) | Canon | 3453C002AA | Could be any DSLR camera in a underwater housing |
Line (plastic clothes line filament) | Any negatively buoyant line that is strong enough to withstand field use | ||
Micro SDXC memory card (for GoPro) | |||
Oceanic Veo 2.0 | Oceanic | Digital depth gauge | |
SDXC memory card (for DSLR) | Any SDXC memory card should work, so long as there is enough space to hold all the pictures necessary to build the model | ||
Spool (2 inch-long section of 8 inch diameter PVC pipe which was attached to a 3 feet section of 1 inch PVC pipe to form the stem | Any negatively buoyant, round object of the desired diameter | ||
Underwater camera housing for DSLR (Ikelite 200DLM/C Underwater TTL Housing) | Ikelite | 6970.09 | Should be the specific water housing for the DSLR make and model |
Windows 10 desktop computer with an Intel i9-9900K 8-core CPU, two Nvidia GeForceRTX 2070 SUPER GPUs, and 128 GB of RAM. | Processing |