Öğrenci, personel, kaptanları ve bu araştırma gezileri ve onların gemileri sağlanan sahipleri yelken ekipleri sayesinde. Laboratuvar veri toplama programı, Electromechanica, Inc alan yazılım ve donanımları geliştirmek için ve CVision danışmanlık için görüntü tanımlık programı geliştirmek için geliştirmek için T. Jaffarian sayesinde. Finansman sağlanan NOAA Ödülleri NA17NMF4540043, NA17NMF4540034 ve NA17NMF4540028 tarafından. Kez burada ifade yazarlar vardır ve mutlaka NOAA görüşlerini yansıtmamaktadır.

1. anket tasarım
<ol><li>Bir veya daha fazla denizaşırı ticari tarak gemileri temin için 6 - 8 günlük aralıkları bulmak.</li>
	<li>Nerede üç kamera, ışık ve bir fiber optik kablo olabilir için bir bağlantı kutusu (Şekil 1) monte edilmiş bir iç çerçeve ile çelik bir piramit inşa. Dijital fotoğraf makinesi ve iki hala yüksek tanımlı video kameralar ama daha düşük çözünürlük çoğu yüksek çözünürlüklü bir kamera olduğundan emin olun.</li>
</ol><img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/57493/57493fig1.jpg"> Şekil 1: damla kamera anket piramit kameralar ve 2017 veri toplama için kullanılan ışık. University of Massachusetts Dartmouth, Deniz Bilimleri ve teknoloji kamera anket piramit kameralar ve 2017 veri toplama için kullanılan ışıkları ile bırakın. Kamera ve ışık kabloları bir fiber optik kablo birbirine bağlayan bir bağlantı kutusu ışıkları ile iki çubuk arasındaki monte ve gösterilmez. <a href="/files/ftp_upload/57493/57493fig1large.jpg" target="_blank">Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.</a>
<ol start="3"><li>Sistematik örnekleme tasarım araştırma istasyonları 5.6 km ayrı Georges Bank balıkçılık ve 2.8 km ayrı önem1 iki alanda kullanılan çoğu alanlarında eklemenizi sağlar Not: İki bilim adamı, bir Yüzbaşı ve bir arkadaşı 24 saatte 5.6 km ızgaralarında ve 2.8 km ızgara üzerinde 80 istasyonları yaklaşık 50 istasyonları anket başardık. Bu nedenle, yaklaşık 5 anket gezileri anketi tamamlamak için ihtiyaç vardı.</li>
</ol>2. veri toplama
<ol><li>Ekipman gemi üzerine yükleyin.</li>
	<li>Gemi güverte ekipmanları ayarlayın.<ol>
<li>Piramit, fiber optik ile hassas vinç davulunun üstündeki kablo ve slip halka ve üstünde-e doğru gemi güverte davit bağlı bir basınç düzenleyin. Fiber optik kablo vinç davit ve piramit gemi vinç kablo dokunmadan çalıştırabilirsiniz emin olun.</li>
		<li>Vinç, davit ve davit plaka yerine takmak için küçük, geçici kaynak kullanın.</li>
		<li>Tel basınç duyarlı vinç güç kablosunu geminin sigorta kutusu içine.</li>
		<li>Piramit için bağlantı kutusu ekleyin.</li>
		<li>Kameralar ve ışıklar Piramide ekleyin.</li>
		<li>Kameralar ve ışıklar bağlantı kutusu için kamera ve ışık kabloları bağlayın.</li>
		<li>Fiber Optik Kablo kasnak çalıştırın ve davit için ekleyin.</li>
		<li>Piramit için gemi hidrolik vinç kablosunu takın.</li>
	</ol></li>
	<li>Ekipman gemi kaptan köşkü olarak ayarlayın.<ol>
<li>Takın ve güvenli masaüstü bilgisayar.</li>
		<li>2 monitör masaüstü bilgisayarınıza bağlayın. Bilgisayarın yakınına bir monitörü ve denetimleri yakınındaki ikinci geminin hidrolik vinç için güvenli.</li>
		<li>Küresel konumlandırma sistemi (GPS) aygıt masaüstü bilgisayar üzerinden için bir USB bağlantı noktasına bağlayın.</li>
		<li>Takın ve bir mobil alan eşleme program gemi dümen yakınındaki bir dizüstü bilgisayarınızın güvenliğini. Kalkış öncesi bilgisayar istasyonu mekanlar yüklemek.</li>
		<li>Dizüstü bilgisayara seri bir bağlantı noktası üzerinden bir GPS aygıtı bağlayın.</li>
		<li>Kameralar ve ışıklar için gemi Kaptan Köşkü bağlayın.<ol>
<li>Fiber optik kablo Kaptan Köşkü Çalıştır "güverte sonu" basınç duyarlı vinç optik kayma yüzüğü takın.</li>
			<li>Fiber optik kablo Kaptan Köşkü çalışması "Kaptan Köşkü sonu" fiber optik arabirimi masaüstü bilgisayar ve ışık güç kablosunu takın.</li>
			<li>Alan veri toplama programı masaüstü bilgisayardan başlatın. Bütün kameralar monte üzerinde piramit ve otomatik olarak bağlantı kutusu takılı emin olun bağlı olarak göstermek. Not: Eğer bütün kameralar olarak göstermek değil bağlı, program içinde kamera bağlantılarını sıfırlamasına veya bileşenleri (kamera, bağlantı kabloları, fişi ring, vb) sistematik bir şekilde swapping tarafından sorun giderme.</li>
		</ol>
</li>
	</ol></li>
	<li>Görüntüler ve her istasyondaki kayıt veri yakalama.<ol>
<li>Dizüstü bilgisayar mobil alan eşleme programını başlatın.</li>
		<li>"Mark" aracını seçin ve bir yatak istasyonuna sağlamak için bir istasyonu hedef simgesini sürükleyin.</li>
		<li>İstasyona ulaştı ve gemi durduruldu geminin hidrolik vinç kullanarak dalacak örnekleme Piramide yavaşça indirin. Not: Bu geminin mürettebatı tarafından yapılır ve basınç duyarlı vinç örnekleme piramit düşürücü önce açılması gerekir.</li>
		<li>Piramit için zemine indirilir iken alan veri toplama programı masaüstü bilgisayardan başlatın.<ol>
<li>"Alan kısa adı" kutusunu çift tıklatın ve alan için bir ad girin. Not: Bu yalnızca bir alan ilk istasyon için yapılması gereken.</li>
			<li>Hidrolik Vinç kontrolleri yakınındaki monitörde kamera görüntülerini ve diğer bilgileri görüntülemek için "Başlat kaptanları kam" düğmesini tıklatın.</li>
		</ol>
</li>
		<li>Gücüyle ışıklar için geçiş.</li>
		<li>Örnekleme piramit dalacak üzerinde indi bir kez quadrat veri yakalama.<ol>
<li>Alan veri toplama programı "Station video kayıt başlatmak için Başlat"'ı tıklatın. Not: video kayıt sırasında belgili tanımlık düğme kırmızı yanıp söner.</li>
			<li>Zemine açık bir görünümü görüntülendiğinde "Snapshots al", ardından "Aynı anda tüm kamera görünümlerden sabit bir görüntü yakalamak için Tümünü Kaydet" tıklatın.</li>
			<li>"Yazmak için veritabanı" düğmesini tıklatın. Not: Bu derinlik, konumu, sıcaklık, station numarası, quadrat numarası, alan adı ve yazılım tarafından otomatik olarak girilen bir benzersiz kimlik numarası ile yeni bir diyalog kutusu açılacaktır.</li>
			<li>Dijital sabit kamera görüntü "Tarak sayı" kutusunda görülen tarak sayısını girin ve herhangi bir yorum ve "Yorum" metin kutusuna yazın.</li>
			<li>Verileri quadrat hakkında bir satır alan veritabanına yazmak için "Veri Gönder" düğmesini tıklatın.</li>
		</ol>
</li>
		<li>Zemine artık görülebilir kadar piramit kaldır.</li>
		<li>Yavaş yavaş zemine Piramide düşürebilir ve 2.4.6 ve 2.4.7 numaralı adımları yineleyin. dört quadrats için veri olana yakalandı. Böylece zemine farklı quadrat görüntüler yakalanır piramit sürüklendi var emin olun.</li>
		<li>Zemine üzerinden örnekleme Piramit gemi yanında güvenli bir yere kaldırın.</li>
		<li>Uç istasyon ise piramidin ortaya çıkar.<ol>
<li>Video kaydı sonlandırmak için alan veri toplama programı ve önceden programı sonraki istasyona "Uç istasyon"'ı tıklatın.</li>
			<li>Programı kapatmak için "Bırak programı" düğmesini tıklatın.</li>
			<li>Güç Işıkları kapatın.</li>
			<li>"Yakalama istasyonu" İstasyonu tamamlandı olarak işaretlemek için mobil alan eşleştirme programı tıklatın sonra 2.4.2 arasındaki adımları yineleyin.</li>
		</ol>
</li>
		<li>Bölüm 2.4 ve önceki adımları yineleyin. tüm araştırma istasyonları tamamlayıncaya kadar.</li>
	</ol></li>
	<li>Bir kamera kalibrasyon damla yapmak.<ol>
<li>En az 30 ızgara hücreleri Tel ızgara elektronik kaliperler uzunluğunu ölçmek. Ölçülür hücreleri işaretlemek.</li>
		<li>Kılavuz örnekleme piramit sicim ya da ip kullanarak tabanına iliştirin. Ölçülen ızgara hücreleri kamera görüntülerini olduğundan emin olun.</li>
		<li>2.4.3-2.4.6.2 esir alma imge kılavuz için adımları yineleyin. Not: Bu ayar genelde önce ilk istasyonu gerçekleştirilir ancak önce kalkış bir test tankı veya olan anket sırasında herhangi bir zamanda yapılabilir. Mm quadrat boyutu onaylamak ve belgili tanımlık imge içinde özellikleri ölçme için piksel oranı belirlemek için amaçtır.</li>
	</ol></li>
	<li>Dijital hareketsiz kamera quadrat imge içinde veri ölçmek. Not: Bu süreçte AIDS diğer kameralar ve video görüntüleri kullanın.<ol>
<li>Laboratuvar veri toplama programı başlatın ve "Makara" profili seçin.</li>
		<li>Yıl, alan, kamera, İstasyonu ve quadrat ilgi açılan menüden seçin.</li>
		<li>2.6.2. adımda seçtiğiniz ölçütlere dayalı olarak bir resimdeki getirmek için "git" tıklayın. programa.</li>
		<li>"Yüzey" bölümünde mevcut yüzey tiplerinin kutularını tıklatın. 14 substrat türleri ve nasıl sınıflandırılır ayrıntılı bir açıklaması için bkz.</li>
		<li>Macrobenthic hayvanlar ölçmek. Not: macrobenthos 50 takson sayılan veya mevcut olarak veya yok kaydetti. Bu özellikleri ve nasıl izlenir tam listesi başvuru13' te bulunabilir.<ol>
<li>"Terslendiğine" durum bölümünde bulunan hayvanlar için kutuları tıklatın.</li>
			<li>"Terslendiğine" sayısı bölümünde gözlenen her hayvan sayısını girin.</li>
			<li>Görüntüdeki her tarak nokta ve kırmızı "SC" düğmesine basın.</li>
			<li>Yeşil "SF" düğme ve nokta görüntüdeki her deniz yıldızı tıklatın.</li>
			<li>Siyah "CL" düğmesini tıklatın ve her clapper nokta (vefat etti tarak, ama her iki kabuk hala bağlı menteşe için) görüntü.</li>
			<li>Mavi "FI" düğme ve nokta görüntüdeki her balık'ı tıklatın.</li>
			<li>"Balık" sayısı bölümünde gözlenen her balık türü sayısını girin. Not: Noktalı diğer hayvanlar için program otomatik olarak nokta sayısını sayar ve sayımları için uygun kategori atar. Balık için nokta otomatik olarak dikkate alınır, ancak Kullanıcı balık türünü tanımlamanız gerekir ve kaç. Program tarafından sayılır balık noktalar toplam sayısı Kullanıcı tarafından girilen her balık türü aynı olmalıdır.</li>
		</ol>
</li>
		<li>Görüntü laboratuarına bir satır ile ilgili verileri, veritabanı ve noktalı hayvanlarla görüntünün bir kopyasını oluşturmak yazmak için "Gönder" düğmesini tıklatın.</li>
		<li>Adımları 2.6.4 kalite kontrolünü gerçekleştirin. ve 2.6.5.<ol>
<li>"ImageCheck" için Laboratuvar veri toplama programı profili değiştirmek Not: Bu adımların 2.6.4 ve 2.6.5 görüntü için bir farklı bir kişi tarafından yapılmalıdır.</li>
			<li>2.6.2 ve 2.6.3 adımları yineleyin. Orijinal görüntü, noktalı resim yüklemek ve "Makara" Kullanıcı profili tarafından girilen substrat ve hayvan veri doldurmak için.</li>
			<li>Doğruluk için girdiyi gözden geçirin ve gerekli değişiklikleri yapın.</li>
			<li>"Makara" Kullanıcı tarafından gönderilen görüntü ile ilgili verilerin üstüne yazmak için "Gönder" düğmesini seçin ve görüntü kalite kontrol laboratuar veritabanında olarak işaretleyin.</li>
		</ol>
</li>
		<li>Albümdeki gözlenen tarak ölçmek. Not: (büyümeleri, kısmen görüntü, vbtarafından kapatmamasını.) tarak kısmen görünür veya deniz yerden değil ölçülmelidir.<ol>
<li>Görüntü tanımlık programını başlatın.</li>
			<li>"Dosya" ve sonra "Yük yansıma dizini" açılır menüsünden seçin. Faiz noktalı resim için gidin ve programa resim yüklemek.</li>
			<li>"Çizgi ek açıklaması" seçin ve tarak kabuk üst tarak umbo bir çizgi çizin.</li>
			<li>2.6.8.3 arasındaki adımları yineleyin. görüntüdeki tüm ölçülebilir tarak için.</li>
			<li>Ölçümlerin bir forma sayfası oluşturmak için "Dosya" ve sonra "Ek açıklamalar kaydedin" seçin.</li>
			<li>Ölçüleri piksellerden milimetre milimetre oranı ortalama piksel 2,5 kullanarak çevirme.</li>
		</ol>
</li>
	</ol></li>
</ol>3. veri ürünleri
<ol><li>Tarak yoğunluğu ve boyutu dağınık şekilde belirli tahminleri hesaplamak.<ol>
<li>Araştırma istasyonları haritalama yazılımı kullanarak çizmek.</li>
		<li>Tarak alan yönetim Simülatörü (SAMS) modeli bölgeleri bölüm anket istasyonlarına. Not: ABD Atlantik deniz tarak balıkçılık, SAMS modeli deniz tarak bereket ve iniş8proje için kullanılır. Tüm aşağıdaki adımları her SAMS bölge için yapılır.</li>
		<li>Fistolar ortalama kabuk yüksekliğini almak için Ortalama tarak ölçümleri.</li>
		<li>Ortalama yoğunluğu ve standart hataları tarağı hesaplayın.<ol>
<li>Ortalama kabuk yüksekliği ile tarak kısmen görünür tarak19görüntü kenarı boyunca sayılır için ayarlamak için SAMS bölgedeki quadrat boyutunu büyütür.</li>
			<li>Birden çok quadrats her İstasyonu20, örnek için hesap için ayarlanan quadrat boyutu ve denklemler için 2 aşamalı örnekleme tasarım kullanarak yoğunluk Hesapla: (1)<img alt="Equation 1" src="/files/ftp_upload/57493/57493eq1v2.jpg"> (2)<img alt="Equation 2" src="/files/ftp_upload/57493/57493eq2v2.jpg"> birincil örnek birimleri (istasyonları), burada n = m öğeleri birincil numune ünitesi (quadrats), başına = <img alt="Equation 3" src="/files/ftp_upload/57493/57493eq3v2.jpg"> = ölçülen değer (sayıları tarağı) öğe j birincil birimi için ben, <img alt="Equation 4" src="/files/ftp_upload/57493/57493eq4v2.jpg"> örnek ortalaması öğesi (quadrat) başına birincil birimde = ben (istasyonları), ve <img alt="Equation 5" src="/files/ftp_upload/57493/57493eq5v2.jpg"> = iki-aşamaları üzerinde demek. Yani standart hatası olduğunu: (3)<img alt="Equation 6" src="/files/ftp_upload/57493/57493eq6v2.jpg"> nerede <img alt="Equation 7" src="/files/ftp_upload/57493/57493eq7v2.jpg"> fark arasında birincil birimi (istasyonları) anlamına gelir.</li>
		</ol>
</li>
	</ol>
</li>
	<li>Toplam ve Etkilenme biyokütle hesaplayın.<ol>
<li>Tarak yoğunluğu tarak alan sayısını tahmin etmek için ankete Toplam alan tarafından çarpın.</li>
		<li>Tarak bir kabuk yükseklik frekans dağılımı 5 mm boyutu kutuları ile ölçümleri oluşturun.</li>
		<li>3.2.1 çarpın. 3.2.2 her boyutu Kutusu'ndan tarak sıklığını tarafından. bölgedeki her boyutu Kutusu'ndaki tarak sayısını elde etmek için.</li>
		<li>Tarak her boyutu kutusu sayısına göre her 5 mm boyut bin orta noktada tarak tahmini et ağırlığını çarpın. New England balıkçılık Yönetim Konseyi tarak planı geliştirme ekibi tarafından belirtilen et ağırlık regresyonlar kabuk yüksekliğe tarak ağırlık gram21boyutta tahmin etmek için kullanın.</li>
		<li>3.2.4 üzerinden tarak et ağırlık toplamı. Tahmini toplam tarak biyokütle üretmek için. Tarak biyokütle gram metrik tona dönüştürün.</li>
		<li>3.2.5 üzerinden tarak et ağırlıkları toplamı bölün. Fistolar 3.2.1 üzerinden toplam sayısına göre. bir tarak ortalama kilo almak için.</li>
		<li>3.2.3 her boyutu Kutusu'ndan, tarak sayısını çarpın. bir ticari tarak serpiştirmek tarafından etkilenme sayısını tahmin etmek için seçicilik denklem22Fistolar.</li>
		<li>3.2.5 adımları yineleyin. ve 3.2.6. 3.2.7 üzerinden sömürülebilir tarak sayıları ile. Fistolar sömürülebilir boyutu ve onların ortalama et ağırlık biyokütle tahmin etmek için.</li>
	</ol>
</li>
	<li>Tarak dağıtım haritaları oluşturmak.<ol>
<li>Tarak sayar, kabuk heights 75 mm daha az ile tarak ve kabuk yükseklikleri sırasıyla genel olarak hesaplamak için her istasyondaki dijital fotoğraf makinesi (9.2 m2) Görüntülenen Toplam alan her anket Karakolu'na üzerinde 100 mm ile tarak toplamı bölmek tarak, juvenil tarak ve Etkilenme tarak yoğunluğu her istasyondaki.</li>
		<li>Her Yoğunluk kayma dağıtım genel, çocukça ve Etkilenme tarak bereket, sırasıyla eşleştirmek her istasyon için arsa.</li>
	</ol>
</li>
</ol>

<ol>
	<li>Stokesbury, K. D. E., O'Keefe, C. E., Harris, B. P., Shumway, S., Parsons, G. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fisheries+Sea+Scallop,+Placopecten+magellanicus.">Fisheries Sea Scallop, Placopecten magellanicus.</a> Scallops: Biology, Ecology, Aquaculture, and Fisheries. , (2016).</li><li>NMFS (National Marine Fisheries Service). <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Fisheries Economics of the United States, 2015. , (2015).</li><li>Stokesbury, K. D. E., Himmelman, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatial+distribution+of+the+giant+scallop+Placopecten+magellanicus+in+unharvested+beds+in+the+Baie+des+Chaleurs,+Qu&#233;bec.">Spatial distribution of the giant scallop Placopecten magellanicus in unharvested beds in the Baie des Chaleurs, Qu&#233;bec.</a> Mar. Ecol. Prog. Ser. 96, 159-168 (1993).</li><li>Stokesbury, K. D. E., Himmelman, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Examination+of+orientation+of+the+giant+scallop,+Placopecten+magellanicus,+in+natural+habitats.">Examination of orientation of the giant scallop, Placopecten magellanicus, in natural habitats.</a> Can. J. Zool. 73, 1945-1950 (1995).</li><li>Stokesbury, K. D. E., Harris, B. P., Marino, M. C., Nogueira, J. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimation+of+sea+scallop+abundance+using+a+video+survey+in+off-shore+USA+waters.">Estimation of sea scallop abundance using a video survey in off-shore USA waters.</a> J. Shellfish Res. 23, 33-44 (2004).</li><li>Malloy, R., Bethoney, N. D., Stokesbury, K. D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Applying+dredge+and+optical+methods+to+compare+sediment+classification+and+size+frequency+of+the+sea+scallop+(Placopecten+magellanicus).">Applying dredge and optical methods to compare sediment classification and size frequency of the sea scallop (Placopecten magellanicus).</a> J. Shellfish Res. 34 (2), 657 (2015).</li><li>Bethoney, N. D., Zhao, L., Chen, C., Stokesbury, K. D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Identification+of+persistent+benthic+assemblages+in+areas+with+different+temperature+variability+patterns+through+broad-scale+mapping.">Identification of persistent benthic assemblages in areas with different temperature variability patterns through broad-scale mapping.</a> PLoS ONE. 12 (5), e0177333 (2017).</li><li>NEFSC (Northeast Fisheries Science Center). <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Stock+assessment+for+Atlantic+sea+scallops+in+2014.">Stock assessment for Atlantic sea scallops in 2014.</a> 59th Northeast Regional Stock Assessment Workshop (59th SAW) Assessment Report. , (2010).</li><li>MacDonald, A. M., Adams, C. F., Stokesbury, K. D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Abundance+estimates+of+skates+(Rajidae)+on+the+continental+shelf+of+the+northeastern+USA+using+a+video+survey.">Abundance estimates of skates (Rajidae) on the continental shelf of the northeastern USA using a video survey.</a> Trans. Am. Fish. Soc. 139, 1415-1420 (2010).</li><li>Marino, M. C., Juanes, F., Stokesbury, K. D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effect+of+closed+areas+on+populations+of+sea+star+Asterias+spp.+On+Georges+Bank.">Effect of closed areas on populations of sea star Asterias spp. On Georges Bank.</a> Mar. Ecol. Prog. Ser. 347, 39-49 (2007).</li><li>Marino, M. C., Juanes, F., Stokesbury, K. D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatio-temporal+variations+of+sea+star+Asterias+spp.+distributions+between+sea+scallop+Placopecten+magellanicus+beds+on+Georges+Bank.">Spatio-temporal variations of sea star Asterias spp. distributions between sea scallop Placopecten magellanicus beds on Georges Bank.</a> Mar. Ecol. Prog. Ser. 382, 59-68 (2009).</li><li>Rosellon-Druker, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Describing echinoderm (Echinodermata) populations on Georges Bank and evaluating direct and indirect effects of marine protected areas on these populations. , (2016).</li><li>Stokesbury, K. D. E., Harris, B. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Impact+of+limited+short-term+sea+scallop+fishery+on+epibenthic+community+of+Georges+Bank+closed+areas.">Impact of limited short-term sea scallop fishery on epibenthic community of Georges Bank closed areas.</a> Mar. Ecol. Prog. Ser. 307, 85-100 (2006).</li><li>Harris, B. P., Stokesbury, K. D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+spatial+structure+of+local+surficial+sediment+characteristics+on+Georges+Bank,+USA.">The spatial structure of local surficial sediment characteristics on Georges Bank, USA.</a> Cont. Shelf. Res. 30, 1840-1853 (2010).</li><li>Harris, B. P., Cowles, G. W., Stokesbury, K. D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Surficial+sediment+stability+on+Georges+Bank+in+the+Great+South+Channel+and+on+eastern+Nantucket+Shoals.">Surficial sediment stability on Georges Bank in the Great South Channel and on eastern Nantucket Shoals.</a> Cont. Shelf. Res. 49, 65-72 (2012).</li><li>Anderson, S. C., Mills-Flemming, J., Watson, R., Lotze, H. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Rapid+Global+Expansion+of+Invertebrate+Fisheries:+Trends,+Drivers,+and+Ecosystem+Effects.">Rapid Global Expansion of Invertebrate Fisheries: Trends, Drivers, and Ecosystem Effects.</a> PLoS ONE. 6 (3), e14735 (2011).</li><li>Murphy, H. M., Jenkins, G. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Observational+methods+used+in+marine+spatial+monitoring+of+fishes+and+associated+habitats:+A+review.">Observational methods used in marine spatial monitoring of fishes and associated habitats: A review.</a> Mar. Freshw. Res. 61, 236-252 (2010).</li><li>Monk, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+long+should+we+ignore+imperfect+detection+of+species+in+the+marine+environment+when+modelling+their+distribution.">How long should we ignore imperfect detection of species in the marine environment when modelling their distribution.</a> Fish. Fish. 15, 352-358 (2014).</li><li>O'Keefe, C. E., Carey, J. D., Jacobson, L. D., Hart, D. R., Stokesbury, K. D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+scallop+density+estimates+using+the+SMAST+scallop+video+survey+data+with+a+reduced+view+field+and+reduced+counts+of+individuals+per+image.+Appendix+3.">Comparison of scallop density estimates using the SMAST scallop video survey data with a reduced view field and reduced counts of individuals per image. Appendix 3.</a> 50th Northeast Regional Stock Assessment Workshop (50th SAW) Assessment Report. , (2010).</li><li>Cochran, W. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Sampling Techniques. 3rd ed. , (1977).</li><li>Yochum, N., DuPaul, W. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Size-selectivity+of+the+northwest+Atlantic+sea+scallop+(Placopecten+magellanicus)+dredge.">Size-selectivity of the northwest Atlantic sea scallop (Placopecten magellanicus) dredge.</a> J. Shellfish Res. 27, 265-271 (2008).</li><li>Brand, A. R., Shumway, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Scallop+ecology:+distributions+and+behaviour.">Scallop ecology: distributions and behaviour.</a> Scallops: biology, ecology and aquaculture. , (1991).</li><li>Krebs, C. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Ecological Methodology. , (1989).</li><li>Stokesbury, K. D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimation+of+sea+scallop,+Placopecten+magellanicus,+abundance+in+closed+areas+of+Georges+Bank.">Estimation of sea scallop, Placopecten magellanicus, abundance in closed areas of Georges Bank.</a> Trans. Am. Fish. Soc. 131, 1081-1092 (2002).</li><li>Adams, C. F., Harris, B. P., Stokesbury, K. D. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Geostatistical+comparison+of+two+independent+video+surveys+of+sea+scallop+abundance+in+the+Elephant+Trunk+Closed+Area,+USA.">Geostatistical comparison of two independent video surveys of sea scallop abundance in the Elephant Trunk Closed Area, USA.</a> ICES J Mar Sci. 65, 995-1003 (2008).</li><li>CIE (Center for Independent Experts). <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Individual Peer Review Report. Review of Sea Scallop Survey Methodologies and their Integration for Stock Assessment and Fishery Management. , (2015).</li><li>. Research Set-Aside Program Available from: <a target="_blank" href="https://www.nefsc.noaa.gov/coopresearch/rsa_program.html">https://www.nefsc.noaa.gov/coopresearch/rsa_program.html</a> (2017)</li><li>Marino, M. C., O'Keefe, C. E., Jacobson, L. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Selectivity+and+efficiency+of+large+camera+video+data+from+the+SMAST+video+survey+during+2003+-+2006:+Appendix+B7.">Selectivity and efficiency of large camera video data from the SMAST video survey during 2003 - 2006: Appendix B7.</a> 45th Northeast Regional Stock Assessment Workshop (45th SAW) Assessment Report. , (2007).</li><li>Chang, J., Hart, D. R., Shank, B. V., Gallagher, S. M., Honig, P., York, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Combining+imperfect+automated+annotations+of+underwater+images+with+human+annotations+to+obtain+precise+and+unbiased+population+estimates.">Combining imperfect automated annotations of underwater images with human annotations to obtain precise and unbiased population estimates.</a> Methods Oceanogr. 17, 169-186 (2016).</li><li>Hennen, D. R., Hart, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Shell+height-to-weight+relationships+for+Atlantic+sea+scallops+(Placopecten+magellanicus)+in+offshore+U.S.+waters.">Shell height-to-weight relationships for Atlantic sea scallops (Placopecten magellanicus) in offshore U.S. waters.</a> J. Shellfish Res. 31 (4), 1133-1144 (2012).</li><li>Jacobson, L. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Measurement+errors+in+body+size+of+sea+scallops+(Placopecten+magellanicus)+and+their+effect+on+stock+assessment+models.">Measurement errors in body size of sea scallops (Placopecten magellanicus) and their effect on stock assessment models.</a> Fish. Bull. 108, 233-247 (2010).</li><li>Mallet, D., Pelletier, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Underwater+video+techniques+for+observing+coastal+marine+biodiversity:+A+review+of+sixy+years+of+publications+(1952-2012).">Underwater video techniques for observing coastal marine biodiversity: A review of sixy years of publications (1952-2012).</a> Fish. Res. 154, 44-62 (2014).</li></ol>

Yazarlar ifşa gerek yok.

Anket tasarım protokolleri esnektir ancak bu protokollerin genelleme zaman davranış ve anket hedefler hedef türler için önemlidir. Literatür ve ilk veya ilk çalışmalar hedef türler davranış anket tasarım dahil etmek için kullanılabilir. Örneğin, bir tarak 12,5 m2 (0,08 tarak/m2) sürdürülebilir ticari balıkçılık yoğunluğu23' tür. Böylece, istasyon başına dört quadrats örnekleme tarafından İstasyonu örnek alanı tarak ticari yoğunluk itibariyle tespit için bağlıdır. Ayrıca, tarak genellikle toplanan yerine rastgele nasıl İstasyonu aralığı yoğunluğu duyarlığını etkileri etkileyen deniz tabanında dağıtılmış deniz24tahmin ediyor. Çeşitli çalışmalarda ilk çalışmalar ortalama ve varyans verilerini kullanarak hassas inceledi ve 5.6 km maksimum mesafe istasyonları dışında5,25,26konulmalıdır olduğunu belirler. Sistemik örnekleme tasarımı anket, anket hedefleri tarafından etkilenmiştir. Anketler yürütülen21,27edildikten sonra SAMS bölgelerine sınırlarını sık ve sık sık değiştirin. Sistemik örnekleme etkileri rastgele tabakalı veya20en iyi şekilde ayrılmış anket tasarımlar kayma tahminler için sınırları sonrası stratifikasyon ciddi sorunu önler. Tek tip ayırma istasyonları da yeni tarak işe alım ve eşleme deniz tabanı çökeller ve macroinvertebrate dağıtımları28algılama kolaylaştırır. Nereye hedef türler davranış ve anket hedefleri dikkate almak mümkün olmayabilir bir adım protokol bu adımla başlar neden olan bir anket gemi tanımlamasıdır. Bir gemi denizde örnekleme için önemlidir ve anket tasarım sonraki adımları belirler. Bizim iletişim kuralları için saydamlık anket yöntemleri ve anket sonuçları güven geliştirmek için ticari balıkçılık endüstrisi girişme önemli oldu. Ticari balıkçı tekneleri kullanarak bizim yöntemleri ve boyutu ve yetenekleri için bir büyük, ağır kamera aparatı ve gerekli zaman çizelgesi içinde tatmak anket istasyonları için izin verilen gemilerin Sanayi dahil etmek için etkili bir yol oldu. Ayrıca, gemi sahipleri gemi kullanımı ile ilgili tüm masraflar için sorumlu olduğunu ve tarak pound tarafından Ulusal Okyanus ve Atmosfer İdaresi Atlantik tarak araştırma Set-Aside programı aracılığıyla layık bir tahsisi yoluyla telafi 29. Sanayi anketleri, boyutu, yetenekleri meşgul gerek yoktur ve maliyetleri mevcut gemilerin diğer yönleri anket tasarım geliştirme önce kabul gerekir.
İletişim kurallarının veri toplama ve işleme yönleri en büyük avantajı, aynı zamanda bir sınırlama bu yöntemin mevcut. Özel yazılım ve veritabanları veri görüntüleri içinde ölçmek için önemli bir maliyetle geliyor. Ancak, SMAST damla kamera anket tarafından bu ürünlerin kullanımı 1999 yılında başlatılan programı bir evrimi temsil eder ve gerekli değildir. Örneğin, programın ilk başladığımda, tarak sayar kalem ve kağıt ile yapılan ve özgür yazılım yansımalarla ölçmek kullanılabilir şimdi. Tarak her boyutu sınıf algılama yeteneğine sahip ve yaklaşık % 200 büyütme (Şekil 3), görüntü kalitesi için kaybı olmadan izin benzer şekilde, geçerli dijital fotoğraf makinesi daha düşük çözünürlük, daha az pahalı kameralar seçildi daha önce olarak kullanılan anket tam olarak tarak ticari boyutu30algılamak başardık. Olarak anket tasarım iletişim kuralları ile kamera türü hedef türler algılamak ve anket hedeflere ulaşmak için gereken çözünürlük balanmalıdır. Esir alma imge ve video her istasyondaki kaydı sağlar geleneksel anket yöntemleri üzerinde önemli bir avantaj örnekleri tekrar ziyaret etmek ve analiz özellikleri veya değil başlangıçta izlenen habitat özellikleri genişletmek için sürekli yeteneği sağlayarak veya numaralandırılan. Örneğin, kum dolar ve diğer derisidikenliler olarak aslen belirtti sahip görüntüler sunmak da yok SMAST veritabanında onların bereket ve biyokütle ile saat12ölçmek revisited. Buna ek olarak, dredges veya ağlar gibi daha geleneksel anket yöntemleri örnekleri atılan denizde vardır ve revisited olamaz. Ancak, büyük miktarda alınır ve depolanan görüntüleri için izin gelişmeler kullanılmaktadır yalnızca küçük bir bölümü ile toplanan görüntüleri milyonlarca neden olabilir. İnsanlar veri çıkarma için gerekli olan ve unutilized bilgi31büyük miktarda neden gibi büyük ölçüde zaman ve maliyet kısıtlamaları nedeniyle bu. Hayvan ve habitat özellikleri otomatik algılama gelişmeler bu bilmece çözmek için yardımcı olabilir.
Temel görüntü anket yöntemleri macroinvertebrates ve ilişkili yaşam alanı izlemek için gerekli veri sağlayabilir, ancak burada biyolojik örnekler toplamak diğer yöntemleri ile açıklanan protokoller ilave idealdir. Serpiştirmek tabanlı örnekleme üzerinden oluşturulan bir tarak shell-yükseklik et ağırlık ilişkisi olmadan biyokütle tahminleri mümkün olmazdı. Ayrıca, tarak shell-yükseklik et ağırlık ilişki zaman ve Georges sürekli bu ilişki tanımlamak için kullanılan denklem güncelleştirme yararlı32olduğunu belirten banka konumunda göre değişir. Görüntü ve fiziksel örnek tabanlı teknikleri birleştirerek da önyargıları ve varsayımlar her yöntemin keşfetmek yardımcı olur. Tarak Shell yükseklik ölçme düşüş kamera görüntülerini kaliperler sayısal kamera lens eğriliği ile ilişkili bir ölçüm önyargı ve görüntü mesafesinde merkezi33. Bunun tersi olarak, görüntüleri ve serpiştirmek römorkörler arasında ikili karşılaştırmalar tarak deniz tabanı üzerinde ne oranda aslında toplanan ve nasıl oranı tarak boyutu6ile değişiklikleri tanımlamak yardımcı oldu.
Sualtı Görüntüleme deniz ekoloji alanında yıllardır17,34için kullanılmıştır. Ancak, Azalan maliyetler yüksek çözünürlüklü kameralar ve veri depolama yaklaşım daha pratik daha geçmişte yaptık. Bu makalede açıklanan yöntemleri yaygın ve geniş uygulanabilirliği, daha fazla görüntü tabanlı anketler gelişimi kolaylaştırmak için yardımcı vardır. Daha ayrıntılı olarak, yordamlar sonuçlar sesil omurgasızlar (Tablo 1-2) yönetmek ve deniz çevresi7,9,10 daha geniş bir anlayış katkıda yardımcı olmak için veriler üretmek için nasıl kullanılabileceğini gösterir ,11,12,13,14,15.

Atlantik deniz tarak (Placopecten magellanicus) bir deniz kabuklu yumuşakça kıta sahanlığı Cape Hatteras, North Carolina1Kuzeybatı Atlantik Okyanusu'nun St. Lawrence, Amerika Birleşik Devletleri Körfez boyunca dağıtılmış olduğunu. Amerika Birleşik Devletleri deniz tarak balıkçılık iniş ve değer görülmemiş artar son on beş yıl içinde yaşadı ve ülkenin en yüksek değerli balıkçılık ile iniş $440 milyon 20152yaklaşık değer biri haline gelmiştir. Bu artış rağmen tarak balıkçılık çaba Juvenil tarak ile alanları korumak ve yüksek büyük tarak ile alanlarda balıkçılık odaklanmak amaçlayan bir alan döndürme sistemi uygulanması ile son 20 yıl içinde önemli ölçüde düşürülmüştür yoğunluğunu1. Bu yönetim anlayışıyla tarak yoğunluğu ve birkaç anketler University of Massachusetts Dartmouth okul için Deniz Bilimleri dahil ve teknoloji (SMAST) açılan kamera anket tarafından sağlanan boyutu dağınık şekilde özel bilgi gerektirir.
SMAST damla kamera anket balıkçılık kaynak yöneticileri, deniz bilim adamları ve balıkçı toplulukları ABD deniz tarak kaynak ve ilişkili yaşam bağımsız bir değerlendirmesini sağlamak için hedeftir. Anket tarak balıkçılar ile işbirliği içinde geliştirilen ve dalış çalışmalar3,4üzerinde dayalı quadrat örnekleme teknikleri uygular. Deniz tarağı Georges Bank5olarak bilinen balıkçılık üretken alanının kapalı bölümleri içinde yoğunluğunu tahmin etme üzerinde duruldu 2000'lerin ilk araştırmaları, ama anket ABD ve Kanada tarak kaynağında çoğunluğu kapsayacak şekilde genişletilmiş sular (≈100, 000 km2)6,7. Bilgi Anketi stok değerlendirme atölye sürecinde tarak stok değerlendirmesi dahil ve güvenilir bir şekilde yıllık tarak hasat ayırma8' yardım etmek için New England balıkçılık Yönetim Konseyi verilmektedir. Buna ek olarak, veri SMAST damla kamera anketi tarak olmayan türler7,9,10,11,12 ekoloji anlamak için çeşitli şekillerde katkıda bulunmuştur ve bentik habitat13,14,15karakterizasyonu. Bu geniş uygulanabilirliği yöntemi yaygın ve sesil omurgasızlar, potansiyel olarak bilimsel bilgi ve ilke geride bıraktı omurgasız su ürünleri genişleme sorunu hafifletmek için yardımcı çeşitli için uygulanan gösterir başarılı bir şekilde onları16yönetmek için gerekli. Ayrıca, görüntü tabanlı örnekleme non-invaziv geleneksel nüfus örnekleme yöntemleri ve giderek daha uygun fiyatlı nedeniyle yüksek çözünürlüklü kameralar ve veri depolama17,18maliyetlerinin azaltılması için karşılaştırılır. Burada 2017 yöntemleri Georges Bank ABD bölümünü tarak yönetimi için kullanılan SMAST damla kamera anketin yordamı örneklemek için sunulmuştur. Biz onun Generalization (Genelleştirme) ve diğer sesil omurgasızlar uygulamaya yardımcı olmak için bu yordamı arkasındaki mantığı tartışıyorlar.

<table><tbody><tr><td>Bobcat, 43.3mm, F-Mount, 6600x4400, 1.9/2.4 fps, Color, GigE Vision</td><td>Imperx</td><td>PoE-B6620C-TF00</td><td>Digital Still Camera</td></tr><tr><td>Ace - EV76C560, 1/1.8&quot;, C-Mount, 1280x1024, 60fps, Color, CMOS, GigE&amp;nbsp;</td><td>Basler</td><td>acA1300-60g</td><td>HD video camera</td></tr><tr><td>Stock MV 40-25 Housing. Black Anodized Aluminum, 5.3&quot; standard dome port, DBCR2008M connector&amp;nbsp;&amp;nbsp;</td><td>Sexton</td><td>MV 40-25</td><td>Underwater housing for digital still camera</td></tr><tr><td>Stock MV 25-25 Housing. Black Anodized Aluminum, 3.4&quot; standard dome port, DBCR2008M connector&amp;nbsp;&amp;nbsp;</td><td>Sexton</td><td>MV 25-25</td><td>Underwater housing for HD video camera</td></tr><tr><td>Optical Slip Ring</td><td>MOOG</td><td>180-2714-00</td><td>Transmission of power and electrical signals to rotating cable on winch</td></tr><tr><td>Fiber Optic Cable</td><td>Cortland</td><td>OCG0010</td><td>Transmission of power and electrical signals from junction box to vessel deck/wheelhouse</td></tr><tr><td>Wheelhouse Run&amp;nbsp;</td><td>Electromechanica</td><td>EM0117-02</td><td>Segment of fiber optic wire adapted to plug into optical slip ring on one end and light power and computer on the other</td></tr><tr><td>Underwater Junction Box</td><td>Electromechanica</td><td>EM0117-01</td><td>Connection of power and electrical signals from camera and lights to hybrid cable</td></tr><tr><td>Camera Cable</td><td>SubConn</td><td>DIL8F/LS2000/10FT/LS2000/DIL8M</td><td>Transmission of power and electrical signals from camera to junction box</td></tr><tr><td>Light Cable</td><td>SEACON</td><td>HRN-S0484</td><td>Transmission of power and electrical signals from lights to junction box</td></tr><tr><td>Desktop Computer</td><td>Various</td><td>Custom</td><td>Windows based operating system with fiber optic interface</td></tr><tr><td>Hydraulic Winch</td><td>Diversified Marine</td><td>Custom</td><td>Tension sensitive winch for deployment and retrieval of fiber optic cable</td></tr><tr><td>Steel Pyramid</td><td>Blue Fleet Welding</td><td>Custom</td><td>Apparatus for deploying cameras and lights</td></tr><tr><td>Steel Davit</td><td>Blue Fleet Welding</td><td>Custom</td><td>Suspends fiber optic cable over the side of the vessel</td></tr><tr><td>Fiberglass sheave in metal housing</td><td>Diversified Marine</td><td>Custom</td><td>Attaches to davit, guides fiber optic cable over the side of the vessel and into the water</td></tr><tr><td>Sealight Sphere 6500, Day Light White, Flood</td><td>DeepSea Power &amp;amp; Light</td><td>712-045-201-0A-01</td><td>Underwater LED light</td></tr><tr><td>GPSMAP 78</td><td>Garmin&amp;nbsp;</td><td>01-00864-00</td><td>Global Positioing System device</td></tr><tr><td>ArcPad 10.2&amp;nbsp;</td><td>ESRI</td><td>N/A</td><td>Mobile field mapping program</td></tr><tr><td>Undersea Vision Acquisition System</td><td>Electromechanica</td><td>UVAS</td><td>Field data collection program</td></tr><tr><td>Digitzer</td><td>University of Massachusetts, Dartmouth</td><td>N/A</td><td>Lab data collection program</td></tr><tr><td>FishAnnotator</td><td>Cvision Consulting</td><td>0.3.0</td><td>Image annotator program</td></tr><tr><td>ArcMap 10.4&amp;nbsp;</td><td>ESRI</td><td>N/A</td><td>Mapping software</td></tr></tbody></table>

methods for image-based surveys of benthic macroinvertebrates and their habitat exemplified by the drop camera survey for the atlantic sea scallop

Sualtı Görüntüleme uzun deniz ekoloji alanında kullanılan ama Azalan maliyetler yüksek çözünürlüklü kameralar ve veri depolama yaklaşım daha pratik daha geçmişte yaptık. Yansıma tabanlı anketler için ilk örnekleri revisited izin ve genellikle ağlar veya dredges ilişkin geleneksel araştırma yöntemlerine göre non-invaziv vardır. Yansıma tabanlı anketler için protokolleri büyük ölçüde değişebilir ama hedef tür davranış ve anket hedefleri tarafından yönlendirilmesi. Bunu göstermek için yordam bir örnek ve temsilcisi sonuçları sağlamak bir Atlantik deniz tarak (Placopecten magellanicus) açılan kamera anketin en son bizim yöntemleri açıklanmaktadır. Yordamı anket tasarım, veri toplama ve veri ürünleri içerir üç kritik adım bölünür. Tarak davranış etkisi ve ABD deniz tarak kaynak bağımsız bir değerlendirme Anketi ameliyat sağlama anket hedefi sonra Yöntem genelleme bağlamında ele alınmıştır. Genel olarak, geniş uygulanabilirliği ve University of Massachusetts Dartmouth okul esnekliğini Deniz Bilimleri ve teknolojisi (SMAST) kamera anket damla için gösterir yöntemi yaygın ve sesil omurgasızlar çeşitli için uygulanan veya Habitat araştırma odaklı.

Araştırma istasyonları geç Nisan mid-Temmuz için (Şekil 2) yapılan beş araştırma gezileri kapsamında örnek. Görünürlük ve hava sorunları nedeniyle, bir tarama alanı istasyonları SAMS bölgedeki CL2-S-EXT değil örnek ve bazı istasyonları diğer bölgelerde de düşürüldü kalite güvence kontrolü sırasında. Diğer istasyonları için dört yüksek kaliteli dijital hareketsiz görüntüler vardı (Şekil 3) ele geçirdi. Bu istasyonlar tüm görüntüleri, substrat ve macrobenthic hayvanlar sayılabilir ve tarak ölçüldü. Tarak sayar ve ölçümler kuzeydoğu balıkçılık bilim merkezi ve New England sağlanacak tarak sayar ve ölçümlerin, denetlenen ham veri ile birlikte bereket, dağıtım ve biyokütle tahminler için izin SAMS bölgesine göre bölümlenmiş Balıkçılık Yönetim Konseyi tarafından 1 Ağustos için yıllık tarak ayırma işlemini (Tablo 1 ve 2) içine dahil. Tarak dağıtım haritalar tüm tarak için oluşturulan Juvenil tarak (kabuk heights az 75 mm) ve tarak sömürülebilir boyutu (kabuk heights 100 mm'den daha büyük) (Şekil 4).
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/57493/57493fig2.jpg"> Şekil 2: 2017 yılında kamera istasyonları Georges Bank bırakın. İstasyonları anket tarihleri ile gemi tarafından görüntülenir ve istasyonları ile 2.8 km ayrı örneklenmiş yüksek ilgi alanları ve diğer tüm alanları istasyonları ile 5.6 km ayrı örneklenmiş tabakalı. Siyah çizgiler ve etiketleri proje deniz tarak bereket ve iniş için kullanılan tarak alan yönetim simülatörü modeli bölgeleri tanımlar. <a href="/files/ftp_upload/57493/57493fig2large.jpg" target="_blank">Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/57493/57493fig3.jpg"> Şekil 3: örnek dijital fotoðraf 2017 açılan kamera anketi Georges Bank. Tüm Georges Bank anketin substrat ve macrobenthic hayvanlar sayılabilir ve tarak benzer kalite 5,216 Albümdeki ölçüldü. Tüm görüntüleri-ebilmek var olmak görüş vasıl < http://bit.ly/scallopsurvey>. <a href="/files/ftp_upload/57493/57493fig3large.jpg" target="_blank">Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>Alan</td>
			<td>Dört</td>
			<td>İstasyonları</td>
			<td>Ölçülen</td>
			<td>SH</td>
			<td>SC m2 başına</td>
			<td>SE</td>
			<td>Tarak</td>
		</tr>
<tr>
<td>CL1-NA-N</td>
			<td>2.6</td>
			<td>101</td>
			<td>858</td>
			<td>105</td>
			<td>0,98</td>
			<td>0,29</td>
			<td>761</td>
		</tr>
<tr>
<td>CL1-AC</td>
			<td>2.6</td>
			<td>155</td>
			<td>81</td>
			<td>106</td>
			<td>0,06</td>
			<td>0,01</td>
			<td>66</td>
		</tr>
<tr>
<td>CL1-NA-S</td>
			<td>--</td>
			<td>7</td>
			<td>0</td>
			<td>--</td>
			<td>< 0,02</td>
			<td>--</td>
			<td>--</td>
		</tr>
<tr>
<td>CL2-N-NA</td>
			<td>2.6</td>
			<td>16</td>
			<td>58</td>
			<td>87</td>
			<td>0,43</td>
			<td>0,2</td>
			<td>214</td>
		</tr>
<tr>
<td>CL2-S-AC</td>
			<td>2.6</td>
			<td>435</td>
			<td>556</td>
			<td>93.6</td>
			<td>0,14</td>
			<td>0,01</td>
			<td>465</td>
		</tr>
<tr>
<td>CL2-S-EXT</td>
			<td>2.5</td>
			<td>147</td>
			<td>660</td>
			<td>77.6</td>
			<td>0.48</td>
			<td>0,04</td>
			<td>545</td>
		</tr>
<tr>
<td>NF</td>
			<td>2.6</td>
			<td>54</td>
			<td>13</td>
			<td>88</td>
			<td>0,02</td>
			<td>0,01</td>
			<td>39</td>
		</tr>
<tr>
<td>NLS-AC-N</td>
			<td>2.7</td>
			<td>31</td>
			<td>72</td>
			<td>120</td>
			<td>0,27</td>
			<td>0,1</td>
			<td>260</td>
		</tr>
<tr>
<td>NLS-AC-S</td>
			<td>2.5</td>
			<td>39</td>
			<td>2,718</td>
			<td>72,7</td>
			<td>9,7</td>
			<td>3,09</td>
			<td>11,676</td>
		</tr>
<tr>
<td>NLS-EXT</td>
			<td>2.6</td>
			<td>14</td>
			<td>170</td>
			<td>95.1</td>
			<td>2,24</td>
			<td>2.16</td>
			<td>966</td>
		</tr>
<tr>
<td>NLS-NA</td>
			<td>2.6</td>
			<td>42</td>
			<td>696</td>
			<td>99,1</td>
			<td>2</td>
			<td>0,83</td>
			<td>2,597</td>
		</tr>
<tr>
<td>SCH</td>
			<td>2.5</td>
			<td>137</td>
			<td>138</td>
			<td>71,3</td>
			<td>0,15</td>
			<td>0.03</td>
			<td>631</td>
		</tr>
<tr>
<td>SF</td>
			<td>2.5</td>
			<td>126</td>
			<td>219</td>
			<td>74,4</td>
			<td>0,19</td>
			<td>0.03</td>
			<td>747</td>
		</tr>
</tbody></table>Tablo 1: dijital hareketsiz kamera verilerden 2017 açılan kamera anketi Georges Bankası. Sonuçlar tarak alan yönetim simülatörü modeli bölgeleri tarafından sunulur. Tabloda bulunan düzeltilmiş quadrat (Quad), Örneklenmiş Merkezi (istasyonları), tarak shell heights (ölçülür), ölçülen ortalama kabuk yükseklik mm (SH), tarak m2 (m Sc. başına başına ortalama sayısı olarak gözlenen tarağı sayısı sayısı alandır 2) ile ilişkili standart hata (SE) ve tarak milyonlarca sayısı tahmini (tarak). Çünkü hiçbir tarak gözlendi sonuçları CL1-NA-S için üretilen değil.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td></td>
			<td colspan="3">Tahmini toplam biyokütle</td>
			<td colspan="3">Tahmini sömürülebilir biyokütle</td>
		</tr>
<tr>
<td>Alan</td>
			<td>MW</td>
			<td>MT</td>
			<td>SE</td>
			<td>MW</td>
			<td>MT</td>
			<td>SE</td>
		</tr>
<tr>
<td>CL1-NA-N</td>
			<td>18.28</td>
			<td>13.900</td>
			<td>4,100</td>
			<td>23.85</td>
			<td>9.900</td>
			<td>2,950</td>
		</tr>
<tr>
<td>CL1-AC</td>
			<td>24.87</td>
			<td>1.650</td>
			<td>350</td>
			<td>33.72</td>
			<td>1350</td>
			<td>300</td>
		</tr>
<tr>
<td>CL1-NA-S</td>
			<td>--</td>
			<td>--</td>
			<td>--</td>
			<td>--</td>
			<td>--</td>
			<td>--</td>
		</tr>
<tr>
<td>CL2-N-NA</td>
			<td>14.89</td>
			<td>3.200</td>
			<td>1.500</td>
			<td>26.51</td>
			<td>2.100</td>
			<td>980</td>
		</tr>
<tr>
<td>CL2-S-AC</td>
			<td>15.84</td>
			<td>7,360</td>
			<td>685</td>
			<td>23.47</td>
			<td>4.600</td>
			<td>425</td>
		</tr>
<tr>
<td>CL2-S-EXT</td>
			<td>9.46</td>
			<td>5,150</td>
			<td>440</td>
			<td>17,1</td>
			<td>1,900</td>
			<td>165</td>
		</tr>
<tr>
<td>NF</td>
			<td>16,26</td>
			<td>600</td>
			<td>260</td>
			<td>27.59</td>
			<td>500</td>
			<td>200</td>
		</tr>
<tr>
<td>NLS-AC-N</td>
			<td>34,15</td>
			<td>8.900</td>
			<td>3,390</td>
			<td>38.02</td>
			<td>7800</td>
			<td>2,990</td>
		</tr>
<tr>
<td>NLS-AC-S</td>
			<td>8,49</td>
			<td>99,100</td>
			<td>31,590</td>
			<td>16.88</td>
			<td>24,600</td>
			<td>7,830</td>
		</tr>
<tr>
<td>NLS-EXT</td>
			<td>16.73</td>
			<td>16,200</td>
			<td>15,590</td>
			<td>19.54</td>
			<td>7600</td>
			<td>7,310</td>
		</tr>
<tr>
<td>NLS-NA</td>
			<td>20,4</td>
			<td>53,000</td>
			<td>22,100</td>
			<td>25.13</td>
			<td>30,700</td>
			<td>12800</td>
		</tr>
<tr>
<td>SCH</td>
			<td>10.45</td>
			<td>6600</td>
			<td>1.260</td>
			<td>24.65</td>
			<td>3300</td>
			<td>620</td>
		</tr>
<tr>
<td>SF</td>
			<td>9.1</td>
			<td>6,800</td>
			<td>1,080</td>
			<td>17.33</td>
			<td>2400</td>
			<td>380</td>
		</tr>
</tbody></table>Tablo 2: 2017 Georges bankanın toplam ve Etkilenme biyokütle tahminler bırakın kamera anket. Sonuçlar tarak alan yönetim simülatörü modeli alanlara göre sunulur. Tabloda bulunan ortalama tarak et ağırlık g (MW), tarak metrik ton (MT) toplam ağırlığı ve standart hata metrik ton vardır. Çünkü hiçbir tarak gözlendi sonuçları CL1-NA-S için üretilen değil.
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/57493/57493fig4.jpg"> Şekil 4: tarak dağıtım ve bereket Georges Bank sırasında 2017. Tarak dağıtım ve Georges Bank bereket sırasında 2017 için tüm tarak (üst), 75 mm kabuk yükseklik (orta) daha az Fistolar ve 100 mm kabuk yükseklik (alt) bir damla kamera Survey daha büyük Fistolar. <a href="/files/ftp_upload/57493/57493fig4large.jpg" target="_blank">Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.</a>

Watch this Scientific Journal Video about Methods for Image-based Surveys of Benthic Macroinvertebrates and Their Habitat Exemplified by the Drop Camera Survey for the Atlantic Sea Scallop at JoVE.com

Methods for Image-based Surveys of Benthic Macroinvertebrates and Their Habitat Exemplified by the Drop Camera Survey for the Atlantic Sea Scallop

Temel görüntü etüt deniz çevresinin örnek için giderek daha pratik, non-invaziv bir yöntemdir. Biz bereket tahminleri bir damla kamera anket Protokolü ve Atlantik deniz tarak (Placopecten magellanicus) dağılımı mevcut. Biz nasıl bu iletişim kuralı uygulama diğer bentik macroinvertebrates için genelleştirilmiş tartışıyorlar.

Yansıma tabanlı anketler bentik Macroinvertebrates ve onların oturmaya elverişli için Atlantik deniz tarak tarafından açılan kamera anket örneği için yöntemleri

Underwater imaging has long been used in the field of marine ecology but decreasing costs of high-resolution cameras and data storage have made the ...

methods-for-image-based-surveys-benthic-macroinvertebrates-their

Universidad de Cartagena UDEC

Research

Education

JoVE Core

JoVE Journal

Civil Engineering

Environment

Unit 1

Angles and Directions

SCIENTISTS IN ACTION

9.4K Görüntüleme.  University of Massachusetts Dartmouth. Temel görüntü etüt deniz çevresinin örnek için giderek daha pratik, non-invaziv bir yöntemdir. Biz bereket tahminleri bir damla kamera anket Protokolü ve Atlantik deniz tarak (Placopecten magellanicus) dağılımı mevcut. Biz nasıl bu iletişim kuralı uygulama diğer bentik macroinvertebrates için genelleştirilmiş tartışıyorlar.

Video: Methods for Image-based Surveys of Benthic Macroinvertebrates and Their Habitat Exemplified by the Drop Camera Survey for the Atlantic Sea Scallop

Optimized Negative Staining: a High-throughput Protocol for Examining Small and Asymmetric Protein Structure by Electron Microscopy

Structural determination of proteins is rather challenging for proteins with molecular masses between 40 - 200 kDa. Considering that more than half of natural proteins have a molecular mass between 40 - 200 kDa1,2, a robust and high-throughput method with a nanometer resolution capability is needed. Negative staining (NS) electron microscopy (EM) is an easy, rapid, and qualitative approach which has frequently been used in research laboratories to examine protein structure and protein-protein interactions. Unfortunately, conventional NS protocols often generate structural artifacts on proteins, especially with lipoproteins that usually form presenting rouleaux artifacts. By using images of lipoproteins from cryo-electron microscopy (cryo-EM) as a standard, the key parameters in NS specimen preparation conditions were recently screened and reported as the optimized NS protocol (OpNS), a modified conventional NS protocol 3 . Artifacts like rouleaux can be greatly limited by OpNS, additionally providing high contrast along with reasonably high&#8208;resolution (near 1 nm) images of small and asymmetric proteins. These high-resolution and high contrast images are even favorable for an individual protein (a single object, no average) 3D reconstruction, such as a 160 kDa antibody, through the method of electron tomography4,5. Moreover, OpNS can be a high&#8208;throughput tool to examine hundreds of samples of small proteins. For example, the previously published mechanism of 53 kDa cholesteryl ester transfer protein (CETP) involved the screening and imaging of hundreds of samples 6. Considering cryo-EM rarely successfully images proteins less than 200 kDa has yet to publish any study involving screening over one hundred sample conditions, it is fair to call OpNS a high-throughput method for studying small proteins. Hopefully the OpNS protocol presented here can be a useful tool to push the boundaries of EM and accelerate EM studies into small protein structure, dynamics and mechanisms.

More than half of proteins are small proteins (molecular mass &#60;200 kDa) that are challenging for both electron microscope imaging and three-dimensional reconstructions. Optimized negative staining is a robust and high-throughput protocol to obtain high contrast and relatively high resolution (~1 nm) images of small asymmetric proteins or complexes under different physiological conditions.

Optimize Negatif Boyama: Elektron Mikroskobu ile Küçük ve Asimetrik Protein Yapısı incelenmesi için Yüksek verim Protokolü

Structural determination of proteins is rather challenging for proteins with molecular masses between 40 - 200 kDa. Considering that more than half of ...

Çevre

Spotting Cheetahs: Identifying Individuals by Their Footprints

The cheetah (Acinonyx jubatus) is Africa's most endangered large felid and listed as Vulnerable with a declining population trend by the IUCN1. It ranges widely over sub-Saharan Africa and in parts of the Middle East. Cheetah conservationists face two major challenges, conflict with landowners over the killing of domestic livestock, and concern over range contraction. Understanding of the latter remains particularly poor2. Namibia is believed to support the largest number of cheetahs of any range country, around 30%, but estimates range from 2,9053 to 13,5204. The disparity is likely a result of the different techniques used in monitoring.
Current techniques, including invasive tagging with VHF or satellite/GPS collars, can be costly and unreliable. The footprint identification technique5 is a new tool accessible to both field scientists and also citizens with smartphones, who could potentially augment data collection. The footprint identification technique analyzes digital images of footprints captured according to a standardized protocol. Images are optimized and measured in data visualization software. Measurements of distances, angles, and areas of the footprint images are analyzed using a robust cross-validated pairwise discriminant analysis based on a customized model. The final output is in the form of a Ward's cluster dendrogram. A user-friendly graphic user interface (GUI) allows the user immediate access and clear interpretation of classification results.
The footprint identification technique algorithms are species specific because each species has a unique anatomy. The technique runs in a data visualization software, using its own scripting language (jsl) that can be customized for the footprint anatomy of any species. An initial classification algorithm is built from a training database of footprints from that species, collected from individuals of known identity. An algorithm derived from a cheetah of known identity is then able to classify free-ranging cheetahs of unknown identity. The footprint identification technique predicts individual cheetah identity with an accuracy of &gt;90%.

The cheetah (Acinonyx jubatus) is an iconic, endangered species, but conservation efforts are challenged by habitat shrinkage and conflict with commercial farmers. The footprint identification technique, a robust, accurate and cost-effective image classification system, is a new approach to monitoring cheetahs.

Onların Footprints&#39;e tarafından belirlenmesi Bireyler: Çitalar Spotting

The cheetah (Acinonyx jubatus) is Africa's most endangered large felid and listed as Vulnerable with a declining population trend by the IUCN1. It ranges ...

Development of New Methods for Quantifying Fish Density Using Underwater Stereo-video Tools

The use of video camera systems in ecological studies of fish continues to gain traction as a viable, non-extractive method of measuring fish lengths and estimating fish abundance. We developed and implemented a rotating stereo-video camera tool that covers a full 360 degrees of sampling, which maximizes sampling effort compared to stationary camera tools. A variety of studies have detailed the ability of static, stereo-camera systems to obtain highly accurate and precise measurements of fish; the focus here was on the development of methodological approaches to quantify fish density using rotating camera systems. The first approach was to develop a modification of the metric MaxN, which typically is a conservative count of the minimum number of fish observed on a given camera survey. We redefine MaxN to be the maximum number of fish observed in any given rotation of the camera system. When precautions are taken to avoid double counting, this method for MaxN may more accurately reflect true abundance than that obtained from a fixed camera. Secondly, because stereo-video allows fish to be mapped in three-dimensional space, precise estimates of the distance-from-camera can be obtained for each fish. By using the 95% percentile of the observed distance from camera to establish species-specific areas surveyed, we account for differences in detectability among species while avoiding diluting density estimates by using the maximum distance a species was observed. Accounting for this range of detectability is critical to accurately estimate fish abundances. This methodology will facilitate the integration of rotating stereo-video tools in both applied science and management contexts.

We describe a new method for counting fishes, and estimating relative abundance (MaxN) and fish density using rotating stereo-video camera systems. We also demonstrate how to use distance from camera (Z distance) to estimate species-specific detectability.

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

The use of video camera systems in ecological studies of fish continues to gain traction as a viable, non-extractive method of measuring fish lengths and ...

Design and Use of an Apparatus for Quantifying Bivalve Suspension Feeding at Sea

As shellfish aquaculture moves from coastal embayments and estuaries to offshore locations, the need to quantify ecosystem interactions of farmed bivalves (i.e., mussels, oysters, and clams) presents new challenges. Quantitative data on the feeding behavior of suspension-feeding mollusks is necessary to determine important ecosystem interactions of offshore shellfish farms, including their carrying capacity, the competition with the zooplankton community, the availability of trophic resources at different depths, and the deposition to the benthos. The biodeposition method is used to quantify feeding variables in suspension-feeding bivalves in a natural setting and represents a more realistic proxy than laboratory experiments. This method, however, relies upon a stable platform to satisfy the requirements that water flow rates supplied to the shellfish remain constant and the bivalves are undisturbed. A flow-through device and process for using the biodeposition method to quantify the feeding of bivalve mollusks were modified from a land-based format for shipboard use by building a two-dimensional gimbal table around the device. Planimeter data reveal a minimal pitch and yaw of the chambers containing the test shellfish despite boat motion, the flow rates within the chambers remain constant, and operators are able to collect the biodeposits (feces and pseudofeces) with sufficient consistency to obtain accurate measurements of the bivalve clearance, filtration, selection, ingestion, rejection, and absorption at offshore shellfish aquaculture sites.

A flow-through device for using the biodeposition method to quantify filtration and feeding behavior of bivalve mollusks was modified for shipboard use. A two-dimensional gimbal table built around the device isolates the apparatus from boat motion, thereby allowing the accurate quantification of bivalve filtration variables at offshore shellfish aquaculture sites.

Tasarım ve deniz kabuklu süspansiyon besleme miktarının için bir aparat kullanımı

As shellfish aquaculture moves from coastal embayments and estuaries to offshore locations, the need to quantify ecosystem interactions of farmed bivalves ...

Modeling the Size Spectrum for Macroinvertebrates and Fishes in Stream Ecosystems

The size spectrum is an inverse, allometric scaling relationship between average body mass (M) and the density (D) of individuals within an ecological community or food web. Importantly, the size spectrum assumes that individual size, rather than species&#8217; behavioral or life history characteristics, is the primary determinant of abundance within an ecosystem. Thus, unlike traditional allometric relationships that focus on species-level data (e.g., mean species&#8217; body size vs. population density), size spectra analyses are &#8216;ataxic&#8217; &#8211; individual specimens are identified only by their size, without consideration of taxonomic identity. Size spectra models are efficient representations of traditional, complex food webs and can be used in descriptive as well as predictive contexts (e.g., predicting responses of large consumers to changes in basal resources). Empirical studies from diverse aquatic ecosystems have also reported moderate to high levels of similarity in size spectra slopes, suggesting that common processes may regulate the abundances of small and large organisms in very different settings. This is a protocol to model the community-level size spectrum in wadable streams. The protocol consists of three main steps. First, collect quantitative benthic fish and invertebrate samples that can be used to estimate local densities. Second, standardize the fish and invertebrate data by converting all individuals to ataxic units (i.e., individuals identified by size, irrespective of taxonomic identity), and summing individuals within log2 size bins. Third, use linear regression to model the relationship between ataxic M and D estimates. Detailed instructions are provided herein to complete each of these steps, including custom software to facilitate D estimation and size spectra modeling.

This is a protocol to model the size spectrum (scaling relationship between individual mass and population density) for combined fish and invertebrate data from wadable streams and rivers. Methods include: field techniques to collect quantitative fish and invertebrate samples; lab methods to standardize the field data; and statistical data analysis.

Akış ekosistemlerinde Makroomurgasızlar ve balıklar için boyut spektrumunu modelleme

The size spectrum is an inverse, allometric scaling relationship between average body mass (M) and the density (D) of individuals within an ecological ...

Ground-level Unmanned Aerial System Imagery Coupled with Spatially Balanced Sampling and Route Optimization to Monitor Rangeland Vegetation

Rangeland ecosystems cover 3.6 billion hectares globally with 239 million hectares located in the United States. These ecosystems are critical for maintaining global ecosystem services. Monitoring vegetation in these ecosystems is required to assess rangeland health, to gauge habitat suitability for wildlife and domestic livestock, to combat invasive weeds, and to elucidate temporal environmental changes. Although rangeland ecosystems cover vast areas, traditional monitoring techniques are often time-consuming and cost-inefficient, subject to high observer bias, and often lack adequate spatial information. Image-based vegetation monitoring is faster, produces permanent records (i.e., images), may result in reduced observer bias, and inherently includes adequate spatial information. Spatially balanced sampling designs are beneficial in monitoring natural resources. A protocol is presented for implementing a spatially balanced sampling design known as balanced acceptance sampling (BAS), with imagery acquired from ground-level cameras and unmanned aerial systems (UAS). A route optimization algorithm is used in addition to solve the &#8216;travelling salesperson problem&#8217; (TSP) to increase time and cost efficiency. While UAS images can be acquired 2&#8211;3x faster than handheld images, both types of images are similar to each other in terms of accuracy and precision. Lastly, the pros and cons of each method are discussed and examples of potential applications for these methods in other ecosystems are provided.

The protocol presented in this paper utilizes route optimization, balanced acceptance sampling, and ground-level and unmanned aircraft system (UAS) imagery to efficiently monitor vegetation in rangeland ecosystems. Results from images obtained from ground-level and UAS methods are compared.

Rangeland ecosystems cover 3.6 billion hectares globally with 239 million hectares located in the United States. These ecosystems are critical for ...

Assessing Intertidal Populations of the Invasive European Green Crab

Invasive species have caused major disruptions to ecosystems worldwide. The European green crab invaded North America in the 1800s and is considered one of the world&#8217;s 100 worst invaders by the IUCN. Observations of spatiotemporal green crab population dynamics are essential for predicting and managing the ecological and economic impacts of this harmful invasive species. This protocol was developed in an effort to create a standardized method for assessing green crab population dynamics in the rocky intertidal zone of New England and Atlantic Canada. The protocol was designed to be accessible to multiple users including researchers, educators, students, and citizen scientists. Although it was designed for surveying crab populations, this protocol is easy to adapt and could be used for any number of intertidal species. The resulting data collected using this protocol has a wide range of uses, including to inform ecological research, conservation efforts, mitigation strategies, and fishery development, as well as for educational outreach purposes.

Understanding spatiotemporal patterns in green crab population dynamics is essential for predicting and managing the ecological and economic impacts of this harmful invasive species. This protocol was developed in an effort to create a standardized method for assessing green crab populations in the rocky intertidal zone of the Northwest Atlantic.

İnvaziv Avrupa Yeşil Yengeç Intertidal Popülasyonları Değerlendirilmesi

Invasive species have caused major disruptions to ecosystems worldwide. The European green crab invaded North America in the 1800s and is considered one ...

A Field Primer for Monitoring Benthic Ecosystems Using Structure-From-Motion Photogrammetry

Structure-from-motion (SfM) photogrammetry is a technique used to generate three-dimensional (3D) reconstructions from a sequence of two-dimensional (2D) images. SfM methods are becoming increasingly popular as a noninvasive way to monitor many systems, including anthropogenic and natural landscapes, geologic structures, and both terrestrial and aquatic ecosystems. Here, a detailed protocol is provided for collecting SfM imagery to generate 3D models of benthic habitats. Additionally, the cost, time efficiency, and output quality of employing a Digital Single Lens Reflex (DSLR) camera versus a less expensive action camera have been compared. A tradeoff between computational time and resolution was observed, with the DSLR camera producing models with more than twice the resolution, but taking approximately 1.4-times longer to produce than the action camera. This primer aims to provide a thorough description of the steps necessary to collect SfM data in benthic habitats for those who are unfamiliar with the technique as well as for those already using similar methods.

We provide a detailed protocol for conducting underwater structure-from-motion photogrammetry surveys to generate 3D models and orthomosaics.

Yapı-hareket-hareket-fotogrametri kullanarak bentik ekosistemleri izlemek için bir alan astarı

Structure-from-motion (SfM) photogrammetry is a technique used to generate three-dimensional (3D) reconstructions from a sequence of two-dimensional (2D) ...

Automatic Image Processing to Determine the Community Size Structure of Riverine Macroinvertebrates

Body size is an important functional trait that can be used as a bioindicator to assess the impacts of perturbations in natural communities. Community size structure responds to biotic and abiotic gradients, including anthropogenic perturbations across taxa and ecosystems. However, the manual measurement of small-bodied organisms such as benthic macroinvertebrates (e.g., &gt;500 &#181;m to a few centimeters long) is time-consuming. To expedite the estimation of community size structure, here, we developed a protocol to semi-automatically measure the individual body size of preserved river macroinvertebrates, which are one of the most commonly used bioindicators for assessing the ecological status of freshwater ecosystems. This protocol is adapted from an existing methodology developed to scan marine mesozooplankton with a scanning system designed for water samples. The protocol consists of three main steps: (1) scanning subsamples (fine and coarse sample size fractions) of river macroinvertebrates and processing the digitized images to individualize each detected object in each image; (2) creating, evaluating, and validating a learning set through artificial intelligence to semi-automatically separate the individual images of macroinvertebrates from detritus and artifacts in the scanned samples; and (3) depicting the size structure of the macroinvertebrate communities. In addition to the protocol, this work includes the calibration results and enumerates several challenges and recommendations to adapt the procedure to macroinvertebrate samples and to consider for further improvements. Overall, the results support the use of the presented scanning system for the automatic body size measurement of river macroinvertebrates and suggest that the depiction of their size spectrum is a valuable tool for the rapid bioassessment of freshwater ecosystems.

The article is based on the creation of an adapted protocol to scan, detect, sort, and identify digitized objects corresponding to benthic river macroinvertebrates using a semi-automatic imaging procedure. This procedure allows the acquisition of the individual size distributions and size metrics of a macroinvertebrate community in about 1 h.

Riverine Makroomurgasızlarının Topluluk Boyut Yapısını Belirlemek için Otomatik Görüntü İşleme

Body size is an important functional trait that can be used as a bioindicator to assess the impacts of perturbations in natural communities. Community ...

Measuring the Structure, Composition, and Change of Underwater Environments with Large-area Imaging

Digital imaging and processing technology have evolved to facilitate the expansion of large-area imaging surveys, which increase our capacity to study the status, trends, and dynamics of organisms living in subtidal habitats. By creating photo-realistic digital twins for ex situ analyses, these approaches allow small field teams to collect substantially more data than was previously possible. Here we present a four-step, large-area imaging survey pipeline and analysis methodology, including image collection, model construction, ecological analysis, and data curation, that has been developed and refined through experimentation over the past decade. Each step described has a consistent focus on the unique value of the original source imagery. While types of data extracted from large-area image surveys are vast, we include here workflows to extract ecological data for structural complexity, community composition, and demographic analyses valuable for monitoring and hypothesis-driven efforts. We additionally include recommendations for metadata standards, which complement the collection of large-area imaging data and support archival efforts facilitating transparency and collaboration between research groups.

This protocol covers a four-step large-area imaging survey methodology used to extract metrics of structural complexity, community composition, and population demographics for coral reef communities. The quality of imagery collected and integrated access to the source imagery are prioritized within each step of the protocol.

Digital imaging and processing technology have evolved to facilitate the expansion of large-area imaging surveys, which increase our capacity to study the ...