Охрана окружающей среды пособие 4 модуль (1135362), страница 18

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 18)

Требованиегоризонтального положения камеры при съемке вступает в противоречие с задачамибезопасного перемещения аппарата под водой, требующего фронтального обзора.95Однако, высокая мозаичность фаций, характерная для малых глубин делаетприменение видео критически необходимым при ландшафтном картировании верхнегошельфа.

Так, например, в морях, покрытых сезонными льдами, обязательным элементомподводного ландшафта являются валуны различной крупности, случайным образомраспределенные по дну. Стандартная дночерпательная съемка в большинстве случаев непозволяет ни выявить этот элемент, ни оценить количественно роль эпифауны.Совмещение двух методов – пробоотбора и количественной видеосъемки позволяетобъединить мозаику контуров, выделяемых стандартным пробоотбором, с фациальнымразнообразием каждого ландшафта по видео наблюдениям.Общие принципы применения видеонаблюдений с использованием ТНПА к анализудонных сообществНа основании опыта использования разных видеосистем можно составитьуниверсальный алгоритм проведения подводной видеосъемки в целях количественногоучета бентоса и описания подводных ландшафтов.Алгоритм проведения видеозаписи:фокальная плоскость камеры строго параллельна дну;камераснабженатремялазернымиуказателями,лучикоторыхстрогопараллельны, а точки расположены в кадре на расстоянии 25-30 см друг от другатреугольником;камера удерживается над дном так, чтобы размер кадра составлял от 50 до 100 смпо стороне и не менялся на протяжение съемки, объектив камеры обеспечиваеттакие результаты съемки с расстояния 1-3 м над дном;движение камеры производится с постоянной скоростью на постоянном курсе;производится непрерывное или регулярное через небольшие интервалыпозиционирование судна-буксировщика или самой камеры с фиксацией координати глубины места, эта информация синхронизируется по времени с видеозаписью;продолжительность непрерывной съемки (протяженность видеотрансекты)соответствует заданному пространственному масштабу исследования (не менее,чем половина расстояния между двумя станциями отбора количественных проб);в каждом контуре бентосных сообществ производится отбор проб дночерпателеми тралом для составления реперной коллекции форм макробентоса;качество записи, используемый формат и программное обеспечение допускаютпокадровый анализ записи в максимальном разрешении без потери качества.96Полученные таким образом данные могут быть подвергнуты сначала визуальному(качественному), затем количественному анализу.

Материалом для визуального анализаявляется фрагмент записи любой протяженности, материалом для количественного анализа– отдельный кадр и серия кадров. При визуальном анализе для последовательныхфрагментов записи фиксируется биотопическая характеристика и характерные формыэпифауны, отмечаются границы пересекаемых фаций или сообществ. Эта работа частичноили полностью может быть выполнена наблюдателем или оператором камеры в процессевидеосъемки. Визуальный анализ видеозаписи может быть сразу использован длявыделения основных типов фаций и их картографической привязки.Отступление от сформулированного выше «идеального» алгоритма затрудняетпоследующую обработку и интерпретацию результатов, но может быть в какой-то мерекомпенсировано пост-обработкой:нарушения геометрии кадра могут быть исправлены программными средствами сиспользованием точек лазерных указателей;изменение дистанции до дна требует пересчета площади для каждого кадра;изменения скорости и направления движения камеры могут быть компенсированыувеличением частоты засечек позиционирования буксировщика или самойкамеры.Обзорные видеонаблюдения без соблюдения всех перечисленных требований непозволяют использовать результаты для количественного анализа, но помогают выявлятьотдельные элементы подводного ландшафта и фиксировать наличие фаций, не выявляемыхдругими методами, прежде всего – фации твердых грунтов и ассоциированную с нимифауну без количественной оценки ее развития, как это описано выше.Примеры применения подводной фотосъемки для изучения макрозообентосаПодводнаяфотосъемкаприисследованииотдельныхпредставителеймакрозообентоса может применяться для наблюдения за поведением и мелкомасштабнымраспределением отдельных видов.Фотографии для количественного учета бентосаДля изучения мелкомасштабного распределения отдельных видов (например,двустворчатых моллюсков) удобно использовать складную рамку площадью 1 м²,представляющая собой четыре скрепленные линейки длиной 0,5 м (рис.

3). Такаяконструкция облегчает передвижение водолаза с рамкой под водой. Во время погружениярамка устанавливается на дно и фотографируется с расстояния приблизительно 1 м,выдерживая угол 90 градусов.97Рисунок 3. Пример складной рамки для исследования пространственного распределенияотдельных особей двустворчатого моллюска Arctica islandica (Белое море).Серийные фотографии для изучения динамики донных сообществ и поведенияотдельных видов.Для изучения динамики донных сообществ и поведения отдельных видовиспользуются постоянно установленные фотографические рамки различной площади.Такие фотографические рамки представляют собой пирамиду с квадратным основанием иусеченной вершиной (рис.

4), предназначенной для установки фотокамеры, что позволяетобеспечить одинаковое положение и равный угол съемки в ходе серии наблюдений.Наличие штырей на углах квадрата позволяет правильно установить рамку на дно,имеющее неровности или незначительные уклоны.98Рисунок 4. Фотосъемка распределения моллюска на постоянной рамкеСледует учитывать, что разрешающая способность метода (даже при использованиикамер с одинаковыми техническими характеристиками) может сильно изменяться. Этозависит от типа субстрата, на котором проводится съемка, степени прозрачности воды ивнешней освещенности.

Наилучшие результаты дает съемка на плоском твердом субстратепри высокой прозрачности воды.Предварительная подготовка фотографий для анализа.Начальным шагом в анализе изображений является первичная обработкафотографий и их кадрирование. При изучении динамики сообществ или поведенческихособенностей отдельных видов, необходимо произвести наложение изображений друг надруга для анализа степени искажения.

Наложение и сопоставление изображенийпроводится в среде графического редактора. Среди имеющихся вариантов трансформацииизображения наиболее подходящим является искажение изображения в перспективе,применение которого по трем сторонам изображения позволяет исключить искажение,возникшее из-за отклонения от первичного угла наклона при съемке.Далее производится анализ изображения в зависимости от цели исследования.Последовательность действий при анализе изображений следующая:1.

Конвертирование RGB-файла в формат “оттенки серого” ➔ 2. Разделениеизображения на пиксели (принадлежащие к объектам, которые следовало подсчитать и не99принадлежащие к ним, соответственно фон) ➔ 3. Автоматический подсчет количестваобъектов. Такая обработка изображения позволяет не только подсчитать количествообъектов на изучаемом снимке участка дна, но и автоматически подсчитать проективноепокрытие колониальных организмов или водорослей, а также автоматически вычленитьустойчивые агрегации (в случае с подсчетом массовых форм сидячих или малоподвижныхорганизмов).

Подробный алгоритм анализа приведен в Приложении 2.Статистические методы анализа пространственного распределенияКоличественный анализ далее проводится по отдельным кадрам. Для каждого кадраопределяется его площадь, описывается характер дна (тип осадка, мозаичность и т.п.) и, примаксимальном разрешении, идентифицируются и подсчитываются все заметные формыбентоса. Для каждого района работ, отличающегося фаунистическим составом бентоса,создается справочная коллекция фотоизображений идентифицированных форм. Глубинапроработки кадра зависит от поставленной задачи и может варьировать от регистрациитолько крупных форм мегабентоса до полного учета всех видимых в кадре организмов иследов их жизнедеятельности. Детальность проработки кадров должна оставатьсяпостоянной для каждой трансекты на всем ее протяжении.Длястатистическойобработкисерийпоследовательныхкадровмогутиспользоваться методы геостатистики и анализа непрерывных рядов (в частности,автокорреляции, методы спектрального анализа, коррелограммы Мантеля и т.п.), а длянаборов отдельных кадров, как случайной выборки – весь арсенал параметрических инепараметрических методов, применяемых в экологических исследованиях.Такимобразом, кадры для анализа могут отбираться в виде квази-непрерывных трансект черезпостоянные интервалы (каждый метр, пять, десть метров и более) или как случайнаявыборка (с неравными интервалами между выбранными кадрами).Индекс агрегированностиПростейшим методом оценки пространственного распределения отдельныхпредставителей макрозообентоса является индекс агрегированности – отношениедисперсии к среднему или относительная дисперсия.

Относительная дисперсия (Кσ)рассчитывается по формуле:,где х – среднее число моллюсков в пробе, σ2 – дисперсия.Ошибку относительной дисперсии SKσ считают по формуле100,где n – число моллюсков.Если 0<SKσ<1, то распределение считается регулярным; если SKσ=1, распределениеслучайное, а при SKσ >1 распределение агрегированное.Анализ методом ближайшего соседаПринцип анализа состоит в сравнении распределения объектов на плоскости или налинии с распределением Пуассона, описывающим случайное распределение объектов.Вероятность случайного распределения приводится вместе со значением R-статистики. Обаэтих показателя можно рассчитать в программе PAST по методу Дэвиса:,где d – среднее расстояние между ближайшими соседями, A – площадь, n –количество объектов.Значение R<1 соответствует групповому распределению, R≈1 – случайному(Пуассоновскому распределению), R>1 – распределению с высокими показателямидисперсии.

Последний тип распределения характеризуется очень высокими значениямидисперсии и не может быть определен простой математической функцией (Пуассоновскоераспределение, регулярное распределение и пр.) и в современной научной литературеназывается overdispersed.Для визуализации пространственного распределения отдельных представителеймакрозообентоса может быть использован метод вычисления пространственной плотностиобъектов (Kernel density), реализованный в статистическом пакете PAST.Функция РиплиПространственное размещение точечных объектов может быть описано с помощьюфункции Рипли L., используя которую сравнивают распределение точечных объектов сослучайным распределением точек в пределах окружности радиуса r.

Характеристики

Список файлов лекций