Summary

Riverine Makroomurgasızlarının Topluluk Boyut Yapısını Belirlemek için Otomatik Görüntü İşleme

Published: January 13, 2023
doi:

Summary

Makale, yarı otomatik bir görüntüleme prosedürü kullanarak bentik nehir makroomurgasızlarına karşılık gelen sayısallaştırılmış nesneleri taramak, tespit etmek, sıralamak ve tanımlamak için uyarlanmış bir protokolün oluşturulmasına dayanmaktadır. Bu prosedür, makroomurgasız bir topluluğun bireysel boyut dağılımlarının ve boyut metriklerinin yaklaşık 1 saat içinde elde edilmesini sağlar.

Abstract

Vücut büyüklüğü, doğal topluluklardaki pertürbasyonların etkilerini değerlendirmek için biyoendikatör olarak kullanılabilecek önemli bir fonksiyonel özelliktir. Topluluk büyüklüğü yapısı, taksonlar ve ekosistemler arasındaki antropojenik pertürbasyonlar da dahil olmak üzere biyotik ve abiyotik gradyanlara yanıt verir. Bununla birlikte, bentik makroomurgasızlar gibi küçük gövdeli organizmaların (örneğin, >500 μm ila birkaç santimetre uzunluğunda) manuel ölçümü zaman alıcıdır. Topluluk büyüklüğü yapısının tahminini hızlandırmak için, burada, tatlı su ekosistemlerinin ekolojik durumunu değerlendirmek için en yaygın kullanılan biyogöstergelerden biri olan korunmuş nehir makroomurgasızlarının bireysel vücut büyüklüğünü yarı otomatik olarak ölçmek için bir protokol geliştirdik. Bu protokol, deniz mezozooplanktonlarını su örnekleri için tasarlanmış bir tarama sistemi ile taramak için geliştirilen mevcut bir metodolojiden uyarlanmıştır. Protokol üç ana adımdan oluşur: (1) nehir makroomurgasızlarının alt örneklerinin (ince ve kaba örneklem boyutu kesirleri) taranması ve her görüntüde tespit edilen her nesneyi kişiselleştirmek için sayısallaştırılmış görüntülerin işlenmesi; (2) taranan örneklerdeki makroomurgasızların bireysel görüntülerini detritus ve eserlerden yarı otomatik olarak ayırmak için yapay zeka aracılığıyla bir öğrenme seti oluşturmak, değerlendirmek ve doğrulamak; ve (3) makroomurgasız topluluklarının boyut yapısını tasvir etmek. Protokole ek olarak, bu çalışma kalibrasyon sonuçlarını içerir ve prosedürü makroomurgasız numunelere uyarlamak ve daha fazla iyileştirme için dikkate almak için çeşitli zorlukları ve önerileri sıralar. Genel olarak, sonuçlar, nehir makroomurgasızlarının otomatik vücut büyüklüğü ölçümü için sunulan tarama sisteminin kullanımını desteklemektedir ve boyut spektrumlarının tasvirinin, tatlı su ekosistemlerinin hızlı biyo-değerlendirmesi için değerli bir araç olduğunu göstermektedir.

Introduction

Bentik makroomurgasızlar, su kütlelerinin ekolojik durumunu belirlemek için biyogöstergeler olarak yaygın olarak kullanılmaktadır1. Makroomurgasız toplulukları tanımlayan endekslerin çoğu taksonomik metriklere odaklanır. Bununla birlikte, vücut büyüklüğünü bütünleştiren yeni biyodeğerlendirme araçları, taksonomik yaklaşımlara alternatif veya tamamlayıcı bir bakış açısı sağlamak için teşvik edilmektedir 2,3.

Vücut büyüklüğü, metabolizma, büyüme, solunum ve hareket4 gibi diğer hayati özelliklerle ilişkili bir metaözellik olarak kabul edilir. Ayrıca, vücut büyüklüğü trofik pozisyonu ve etkileşimleri belirleyebilir5. Bireysel vücut büyüklüğü ile bir topluluktaki boyut sınıfına göre normalleştirilmiş biyokütle (veya bolluk) arasındaki ilişki, boyut spektrumu6 olarak tanımlanır ve logaritmik bir ölçek7’de bireysel boyut arttıkça normalleştirilmiş biyokütlede doğrusal bir azalmanın genel modelini izler. Bu doğrusal ilişkinin eğimi teorik olarak kapsamlı bir şekilde incelenmiştir ve ekosistemler arasındaki ampirik çalışmalar bunu topluluk büyüklüğü yapısının ekolojik bir göstergesi olarak kullanmıştır4. Biyoçeşitlilik-ekosistem işleyişi çalışmalarında başarıyla kullanılan topluluk büyüklüğü yapısının bir diğer sentetik göstergesi, boyut spektrumunun boyut sınıflarının Shannon indeksi veya analogu olarak temsil edilen ve bireysel boyut dağılımlarına göre hesaplanan topluluk büyüklüğü çeşitliliğidir8.

Tatlı su ekosistemlerinde, farklı faunal grupların boyut yapısı, biyotik toplulukların çevresel gradyanlara 9,10,11 ve antropojenik pertürbasyonlara 12,13,14,15,16 tepkisini değerlendirmek için ataksik bir gösterge olarak kullanılır. Makroomurgasızlar bir istisna değildir ve boyut yapıları aynı zamanda çevresel değişikliklere 17,18 ve madencilik 19, arazi kullanımı 20 veya azot (N) ve fosfor (P) zenginleştirme20,21,22 gibi antropojenik bozulmalara da yanıt verir. Bununla birlikte, topluluk büyüklüğü yapısını tanımlamak için yüzlerce kişiyi ölçmek, zaman yetersizliği nedeniyle laboratuvarlarda rutin bir ölçüm olarak kaçınılan sıkıcı ve zaman alıcı bir iştir. Bu nedenle, örnekleri sınıflandırmak ve ölçmek için çeşitli yarı otomatik veya otomatik görüntüleme yöntemleri geliştirilmiştir 23,24,25,26. Bununla birlikte, bu yöntemlerin çoğu, organizmaların bireysel büyüklüğünden daha fazla taksonomik sınıflandırmaya odaklanmıştır ve her türlü makroomurgasız için kullanıma hazır değildir. Deniz plankton ekolojisinde, zooplankton topluluklarının büyüklüğünü ve taksonomik bileşimini belirlemek için bir tarama görüntü analiz sistemi yaygın olarak kullanılmıştır 27,28,29,30,31. Bu cihaz dünya çapında çeşitli deniz enstitülerinde bulunabilir ve tüm numunenin yüksek çözünürlüklü dijital görüntülerini elde etmek için korunmuş zooplankton örneklerini taramak için kullanılır. Mevcut protokol, nehirlerdeki makroomurgasız topluluk büyüklüğü spektrumunu yeni bir cihaz oluşturmaya yatırım yapmadan hızlı bir şekilde otomatik bir şekilde tahmin etmek için bu aracın kullanımını uyarlamaktadır.

Protokol, bir numunenin taranmasından ve numunedeki nesnelerin tek bir görüntüsünü (yani vinyetleri) otomatik olarak elde etmek için tüm görüntünün işlenmesinden oluşur. Şekil, boyut ve gri seviyeli özelliklerin çeşitli ölçümleri her nesneyi karakterize eder ve nesnelerin kategorilere otomatik olarak sınıflandırılmasına izin verir ve bunlar daha sonra bir uzman tarafından doğrulanır. Her organizmanın bireysel boyutu, piksel cinsinden ölçülen organizmanın alanından türetilen elipsoidal biyohacim (mm3) kullanılarak hesaplanır. Bu, numunenin boyut spektrumunun hızlı bir şekilde elde edilmesini sağlar. Bildiğimiz kadarıyla, bu tarama görüntüleme sistemi sadece mezozooplankton örneklerini işlemek için kullanılmıştır, ancak cihaz potansiyel olarak tatlı su bentik makroomurgasızlarla çalışmaya izin verebilir.

Bu nedenle bu çalışmanın genel amacı, daha önce deniz mezozooplankton 27,32,33 ile kullanılan mevcut bir protokolü uyarlayarak korunmuş nehir makroomurgasızlarının bireysel boyutlarını hızlı bir şekilde elde etmek için bir yöntem sunmaktır. Prosedür, su örneklerini taramak için bir tarama cihazı ve taranan görüntüleri işlemek için üç açık yazılım ile çalışan yarı otomatik bir yaklaşım kullanmaktan oluşur. Topluluk büyüklüğü yapısını ve ilgili boyut metriklerini otomatik olarak elde etmek için sayısallaştırılmış nehir makroomurgasızlarını taramak, tespit etmek ve tanımlamak için uyarlanmış bir protokol burada sunulmuştur. Prosedürün değerlendirilmesi ve verimliliği artırmak için kılavuzlar, Kuzeydoğu (NE) İber Yarımadası’ndaki (Ter, Segre-Ebre ve Besòs) üç havzadan toplanan nehir makroomurgasız örneklerinin taranmış 42 görüntüsüne dayanarak da sunulmaktadır.

Örnekler, İspanyol Hükümeti34’ten sürülebilir nehirlerdeki bentik nehir makroomurgasızlarının saha örneklemesi ve laboratuvar analizi protokolünü takiben 100 m nehir uzanımlarında toplandı. Örnekler, çok habitatlı bir anketi takiben bir sörber örnekleyici (çerçeve: 0.3 m x 0.3 m, ağ: 250 μm) ile toplandı. Laboratuvarda, numuneler iki alt numune elde etmek için 5 mm’lik ve 500 μm’lik bir ağ üzerinden temizlendi ve elendi: kaba bir alt numune (5 mm ağ) ve ayrı şişelerde saklanan ve% 70 etanolde saklanan ince bir alt numune (500 μm ağ). Numuneyi iki boyut fraksiyonuna ayırmak, topluluk büyüklüğü yapısının daha iyi tahmin edilmesini sağlar, çünkü büyük organizmalar küçük organizmalardan daha nadir ve daha azdır. Aksi takdirde, taranan numune büyük boyutlu fraksiyonun önyargılı bir temsiline sahiptir.

Protocol

NOT: Burada açıklanan protokol, Gorsky ve ark.27 tarafından deniz mezozooplanktonları için geliştirilen sisteme dayanmaktadır. Tarayıcı (ZooSCAN), tarama yazılımı (VueScan 9×64 [9.5.09]), görüntü işleme yazılımı (Zooprocess, ImageJ) ve otomatik tanımlama yazılımı (Plankton Identifier) adımlarının belirli bir açıklaması önceki referanslarda bulunabilir32,33. Bentik makroomurgasızların boyutlarını mezozoopla…

Representative Results

Makroomurgasız örneklerinin dijital görüntülerinin elde edilmesiTarama nüansları: Tarama tepsisinde etanol birikimiSistemi makroomurgasızlar için test ederken, birkaç tarama kalitesizdi. Arka plandaki koyu doymuş bir alan, görüntünün normal olarak işlenmesini ve makroomurgasızların bireysel boyutlarının ölçülmesini engelledi (Şekil 2). Arka planda doymuş alanların veya yüksek pikselli görüntülerin ortaya çıkması için…

Discussion

Gorsky ve ark. 2010 tarafından nehir makroomurgasızları için açıklanan metodolojinin uyarlanması, tatlı su makroomurgasızlarında topluluk büyüklüğü yapısını tahmin etmede yüksek sınıflandırma doğruluğuna izin verir. Sonuçlar, protokolün bir örneklemdeki bireysel boyut yapısını tahmin etme süresini yaklaşık 1 saate indirebileceğini göstermektedir. Bu nedenle, önerilen protokol, tatlı su ekosistemlerindeki bozulmaların etkisini değerlendirmek için makroomurgasız boyut spektrumların…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Bu çalışma İspanya Bilim, İnovasyon ve Üniversiteler Bakanlığı tarafından desteklenmiştir (hibe numarası RTI2018-095363-B-I00). CERM-UVic-UCC üyeleri Èlia Bretxa, Anna Costarrosa, Laia Jiménez, María Isabel González, Marta Jutglar, Francesc Llach ve Núria Sellarès’e makroomurgasız alan örneklemesi ve laboratuvar sıralamasındaki çalışmaları için ve David Albesa’ya örnek taramasında işbirliği yaptıkları için teşekkür ederiz. Son olarak Josep Maria Gili’ye ve Institut de Ciències del Mar’a (ICM-CSIC) laboratuvar tesislerinin ve tarayıcı cihazının kullanımı için teşekkür ederiz.

Materials

Beaker Labbox Other containers could be used
Dionized water Icopresa  8420239600123 To dilute the ethanol
Funnel Vitlab 41094
Glass vials 8 ml Labbox SVSN-C10-195 1 vial/subsample
ImageJ Software  Free access Version 4.41o/ Image processing software
Large frame Hydroptic  Provided by ZooScan 24.5 cm x 15.8 cm
Monalcol 96 (Ethanol 96) Montplet 1050JE001
Plankton Identifier Software Free access Version 1.2.6/ Automatic identification software
Sieve Cisa 26852.2 Nominal aperture 500µ and nominal aperture 0,5 cm
Tweezers Bondline B5SA Stainless, anti-magnetic, anti-acid
VueScan 9 x 64 (9.5.09) Software Hydroptic Version 9.0.51/ Sacn software
Wooden needle Any plastic or wood needle can be used
Zooprocess Software  Free access Version 7.14/Image processing software
ZooScan  Hydroptic 54 Version III/ Scanner

Riferimenti

  1. Birk, S., et al. Three hundred ways to assess Europe’s surface waters: An almost complete overview of biological methods to implement the Water Framework Directive. Ecological Indicators. 18, 31-41 (2012).
  2. Basset, A., Sangiorgio, F., Pinna, M. Monitoring with benthic macroinvertebrates: advantages and disadvantages of body size descriptors. Aquatic Conservation: Marine and Freshwater Ecosystems. 14, S43-S58 (2004).
  3. Reyjol, Y., et al. Assessing the ecological status in the context of the European Water Framework Directive: Where do we go now. Science of the Total Environment. 497-498, 332-344 (2014).
  4. Brown, J. H., Gillooly, J. F., Allen, A. P., Savage, V. M., West, G. B. Toward a metabolic theory of ecology. Ecology. 85 (7), 1771-1789 (2004).
  5. Woodward, G., et al. Body size in ecological networks. Trends in Ecology & Evolution. 20 (7), 402-409 (2005).
  6. Sprules, W. G., Barth, L. E. Surfing the biomass size spectrum: Some remarks on history, theory, and application. Canadian Journal of Fisheries and Aquatic Sciences. 73 (4), 477-495 (2016).
  7. White, E. P., Ernest, S. K. M., Kerkhoff, A. J., Enquist, B. J. Relationships between body size and abundance in ecology. Trends in Ecology & Evolution. 22 (6), 323-330 (2007).
  8. Quintana, X. D., et al. A nonparametric method for the measurement of size diversity with emphasis on data standardization. Limnology and Oceanography – Methods. 6 (1), 75-86 (2008).
  9. Blanchard, J. L., Heneghan, R. F., Everett, J. D., Trebilco, R., Richardson, A. J. From bacteria to whales: Using functional size spectra to model marine ecosystems. Trends in Ecology & Evolution. 32 (3), 174-186 (2017).
  10. Petchey, O. L., Belgrano, A. Body-size distributions and size-spectra: Universal indicators of ecological status. Biology Letters. 6 (4), 434-437 (2010).
  11. Emmrich, M., et al. Geographical patterns in the body-size structure of European lake fish assemblages along abiotic and biotic gradients. Journal of Biogeography. 41 (12), 2221-2233 (2014).
  12. Arranz, I., Brucet, S., Bartrons, M., García-Comas, C., Benejam, L. Fish size spectra are affected by nutrient concentration and relative abundance of non-native species across streams on the NE Iberian Peninsula. Science of the Total Environment. 795, 148792 (2021).
  13. Vila-Martínez, N., Caiola, N., Ibáñez, C., Benejam, L. l., Brucet, S. Normalized abundance spectra of the fish community reflect hydropeaking on a Mediterranean large river. Ecological Indicators. 97, 280-289 (2019).
  14. Benejam, L. l., Tobes, I., Brucet, S., Miranda, R. Size spectra and other size-related variables of river fish communities: systematic changes along the altitudinal gradient on pristine Andean streams. Ecological Indicators. 90, 366-378 (2018).
  15. Sutton, I. A., Jones, N. E. Measures of fish community size structure as indicators for stream monitoring programs. Canadian Journal of Fisheries and Aquatic Sciences. 77 (5), 824-835 (2019).
  16. Murry, B. A., Farrell, J. M. Resistance of the size structure of the fish community to ecological perturbations in a large river ecosystem. Freshwater Biology. 59, 155-167 (2014).
  17. Townsend, C. R., Thompson, R. M., Hildrew, A. G., Raffaelli, D. G., Edmonds-Brown, R. Body size in streams: Macroinvertebrate community size composition along natural and human-induced environmental gradients. In Body Size: The Structure and Function of Aquatic Ecosystems. , (2007).
  18. Gjoni, V., et al. Patterns of functional diversity of macroinvertebrates across three aquatic ecosystem types, NE Mediterranean. Mediterranean Marine Science. 20 (4), 703-717 (2019).
  19. Pomeranz, J. P. F., Warburton, H. J., Harding, J. S. Anthropogenic mining alters macroinvertebrate size spectra in streams. Freshwater Biology. 64 (1), 81-92 (2019).
  20. García-Girón, J., et al. Anthropogenic land-use impacts on the size structure of macroinvertebrate assemblages are jointly modulated by local conditions and spatial processes. Environmental Research. 204, 112055 (2022).
  21. Demi, L. M., Benstead, J. P., Rosemond, A. D., Maerz, J. C. Experimental N and P additions alter stream macroinvertebrate community composition via taxon-level responses to shifts in detrital resource stoichiometry. Functional Ecology. 33 (5), 855-867 (2019).
  22. Basset, A., et al. A benthic macroinvertebrate size spectra index for implementing the Water Framework Directive in coastal lagoons in Mediterranean and Black Sea ecoregions. Ecological Indicators. 12 (1), 72-83 (2012).
  23. Ärje, J., et al. Automatic image-based identification and biomass estimation of invertebrates. Methods in Ecology and Evolution. 11 (8), 922-931 (2020).
  24. Raitoharju, J., et al. Benchmark database for fine-grained image classification of benthic macroinvertebrates. Image and Vision Computing. 78, 73-83 (2018).
  25. Lytle, D. A., et al. Automated processing and identification of benthic invertebrate samples. Journal of the North American Benthological Society. 29 (3), 867-874 (2010).
  26. Serna, J. P., Fernández, D. S., Vélez, F. J., Aguirre, N. J. An image processing method for recognition of four aquatic macroinvertebrates genera in freshwater environments in the Andean region of Colombia. Environmental Monitoring and Assessment. 192, 617 (2020).
  27. Gorsky, G., et al. Digital zooplankton image analysis using the ZooScan integrated system. Journal of Plankton Research. 32 (3), 285-303 (2010).
  28. Marcolin, C. R., Schultes, S., Jackson, G. A., Lopes, R. M. Plankton and seston size spectra estimated by the LOPC and ZooScan in the Abrolhos Bank ecosystem (SE Atlantic). Continental Shelf Research. 70, 74-87 (2013).
  29. Silva, N., Marcolin, C. R., Schwamborn, R. Using image analysis to assess the contributions of plankton and particles to tropical coastal ecosystems. Estuarine, Coast and Shelf Science. 219, 252-261 (2019).
  30. Vandromme, P., et al. Assessing biases in computing size spectra of automatically classified zooplankton from imaging systems: A case study with the ZooScan integrated system. Methods in Oceanography. 1-2, 3-21 (2012).
  31. Naito, A., et al. Surface zooplankton size and taxonomic composition in Bowdoin Fjord, north-western Greenland: A comparison of ZooScan, OPC and microscopic analyses. Polar Science. 19, 120-129 (2019).
  32. . Zooprocess/Plankton Identifier protocol for computer assisted zooplankton sorting Available from: https://manualzz.com/doc/43116355/zooprocess—plankton-identifier-protocol-for (2013)
  33. Protocolo de muestreo y laboratorio de fauna bentónica de invertebrados en ríos vadeables. CÓDIGO: ML-Rv-I-2013. Ministerio de Agricultura, Alimentación y Medio Ambiente Available from: https://www.miteco.gob.es/es/agua/temas/estado-y-calidad-de-las-aguas/ML-Rv-I-2013_Muestreo%20y%20laboratorio_Fauna%20bent%C3%B3nica%20de%20de%20invertebrado_%20R%C3%Ados%20vadeables_24_05_2013_tcm30-175284.pdf (2013)
  34. García-Comas, C., et al. Prey size diversity hinders biomass trophic transfer and predator size diversity promotes it in planktonic communities. Proceedings of the Royal Society Biological Sciences. 283 (1824), 20152129 (2016).
  35. García-Comas, C., et al. Mesozooplankton size structure in response to environmental conditions in the East China Sea: How much does size spectra theory fit empirical data of a dynamic coastal area. Progress in Oceanography. 121, 141-157 (2014).
  36. Marquina, D., Buczek, M., Ronquist, F., Lukasik, P. The effect of ethanol concentration on the morphological and molecular preservation of insects for biodiversity studies. PeerJ. 9, 10799 (2021).
  37. Bell, J. L., Hopcroft, R. R. Assessment of ZooImage as a tool for the classification of zooplankton. Journal of Plankton Research. 30 (12), 1351-1367 (2008).
  38. Colas, F., et al. The ZooCAM, a new in-flow imaging system for fast onboard counting, sizing and classification of fish eggs and metazooplankton. Progress in Oceanography. 166, 54-65 (2018).
  39. Bachiller, E., Fernandes, J. A., Irigoien, X. Improving semiautomated zooplankton classification using an internal control and different imaging devices. Limnology and Oceanography Methods. 10 (1), 1-9 (2012).

Play Video

Citazione di questo articolo
Gurí, R., Arranz, I., Ordeix, M., García-Comas, C. Automatic Image Processing to Determine the Community Size Structure of Riverine Macroinvertebrates. J. Vis. Exp. (191), e64320, doi:10.3791/64320 (2023).

View Video