Standardized benthic imaging with small, modular ROVs: an open-source framework developed in temperate kelp forests

Der Meeresboden unter gemäßigten Kelpwäldern ist eine Welt von immenser biologischer Bedeutung, die von Fischen, Wirbellosen und komplexem Pflanzenleben erfüllt ist, welches ganze Küstenökosysteme stützt. Doch das Studium dieser verborgenen Welt ist notorisch schwierig. Während die schwimmenden Oberseiten von Kelpwäldern von Satelliten oder Flugzeugen aus gesehen werden können, bleibt das Leben, das auf dem Meeresboden wächst, durch dunkles, trübes Wasser und die dichte, vertikale Struktur des Kelps verborgen. Jahrzehntelang haben sich Wissenschaftler auf menschliche Taucher verlassen, die diese Unterwasser-Gärten durchschwimmen, um Arten zu zählen und Lebensräume zu kartieren. Taucher sind jedoch dadurch begrenzt, wie lange sie sicher unter Wasser bleiben können, wie tief sie tauchen können und wie viel Gebiet sie an einem einzigen Tag abdecken können. Um diese fragilen Umgebungen wirklich zu verstehen, benötigen Forscher eine Möglichkeit, mehr zu sehen, länger zu sehen und mit größerer Beständigkeit als es menschliche Beine und Lungen erlauben.

Ein Team von Forschern des Seattle Aquarium hat eine praktische, Open-Source-Lösung für dieses Problem entwickelt: einen kleinen, modularen Unterwasserroboter, der speziell dafür konzipiert wurde, standardisierte Fotografien des Meeresbodens unter diesen anspruchsvollen Bedingungen aufzunehmen. Anstatt eine massive, teure Maschine für die Tiefseeexploration zu bauen, passten sie einen kompakten, erschwinglichen Roboter an, um in den flachen, turbulenten Gewässern von Kelpwäldern zu arbeiten. Über vier Jahre hinweg iterierten sie durch vier verschiedene Versionen des Roboters und verfeinerten seine Lichter, Energiesysteme und Navigationswerkzeuge, um die spezifischen Probleme der Aufnahme klarer Bilder in dunklem, bewegtem Wasser zu lösen. Ihre Arbeit resultierte in einem vollständigen, frei verfügbaren Framework, das es anderen Wissenschaftlern und Naturschützern ermöglicht, diese Untersuchungen zu replizieren und so eine komplexe technische Herausforderung in eine wiederholbare Methode zur Überwachung der Gesundheit von Küstenökosystemen zu verwandeln.

Der Kern der Herausforderung liegt in der Umgebung selbst. Kelpwälder sind oft dunkel und voller schwebender Partikel, die das Licht streuen, was es schwierig macht, klare Bilder einzufangen. Zudem wachsen die Kelppflanzen vom Meeresboden bis an die Oberfläche und bilden so einen dichten Wald, in dem sich ein Roboter leicht verfangen kann. Um ein nützliches Bild zu erhalten, muss der Roboter in einem perfekt konstanten Abstand über dem Boden schweben. Wenn er zu hoch fliegt, ist das Bild zu dunkel und unscharf; fliegt er zu tief, erzeugen die Lichter ungleichmäßige Schatten oder der Roboter wirbelt Sediment auf. Die Forscher fanden heraus, dass es nicht ausreichte, einfach eine konstante Tiefe relativ zur Oberfläche zu halten, da der Meeresboden selbst ansteigt und abfällt. Sie mussten den Roboter so programmieren, dass er den Konturen des Bodens folgt und einen festen Abstand zum Grund beibehält, unabhängig davon, ob er über einem flachen Sandabschnitt oder einem felsigen Grat fliegt.

Um dies zu erreichen, entwickelte das Team einen spezialisierten Flugmodus namens „surftrak“, der es dem Roboter ermöglicht, den Abstand zum Meeresboden zu erfassen und automatisch seine Höhe anzupassen, um eine präzise Zielhöhe – meist weniger als einen Meter über dem Boden – einzuhalten. Dieses System erwies sich als bemerkenswert effektiv und hielt den Roboter für den Großteil seiner Flugzeit innerhalb einer sehr engen Fehlermarge. Diese Konsistenz ist entscheidend, da sie sicherstellt, dass jedes Foto exakt die gleiche Fläche des Meeresbodens abdeckt, was es Wissenschaftlern ermöglicht, Organismen zu zählen und deren Abdeckung mit mathematischer Präzision über verschiedene Standorte und Zeiten hinweg zu messen. Ohne diese automatisierte Höhenkontrolle wären die gesammelten Daten zu variabel, um sie zuverlässig vergleichen zu können.

Die Beleuchtung war die nächste große Hürde. In den dunklen, trüben Gewässern des Pazifischen Nordwestens waren Standard-Unterwasserlichter unzurereichend, um die feinen Details einzufangen, die zur Unterscheidung verschiedener Algenarten und kleiner Meereslebewesen nötig sind. Die Forscher testeten mehrere Beleuchtungsaufbauten und wechselten schließlich von einfachen batteriebetriebenen Lichtern zu einem System, bei dem der Roboter von einer großen Batteriebank auf dem Forschungsschiff mit Strom versorgt wurde. Dies ermöglichte es ihnen, viel hellere, leistungsstärkere Lichter zu verwenden, die direkt über den Computer des Roboters gesteuert werden konnten. Sie gestalteten auch die Platzierung dieser Lichter neu, um den Lichtstrahl genau dorthin zu fokussieren, wo die Kamera hinsah, wodurch der Blendeffekt durch Partikel im Wasser reduziert wurde. Das Ergebnis war ein System, das in der Lage ist, hochauflösende, scharfe Bilder selbst in Wasser mit sehr geringer Sichtweite aufzunehmen, wodurch Texturen und Arten sichtbar werden, die in früheren, weniger hochentwickelten Untersuchungen unsichtbar geblieben wären.

Die Stromversorgung des Roboters für lange Untersuchungssitzungen stellte eine weitere Reihe von Kompromissen dar. Frühe Versionen des Roboters verließen sich auf interne Batterien, was die Flugzeit einschränkte und erforderte, dass der Roboter zur Batteriewechselung an die Oberfläche gebracht wurde – ein Prozess, der die Datenerhebung unterbrach und einen Neustart des gesamten Systems erforderte. Das Team wechselte schließlich zu einem oberflächengestützten Stromversorgungssystem, bei dem der Strom über das Tether (die Verbindungskabel) vom Boot aus geleitet wird. Diese Änderung verlängerte die Ausdauer des Roboters drastisch und ermöglichte es ihm, stundenlang ohne Unterbrechung zu arbeiten und den zusätzlichen Strombedarf der hellen Lichter und komplexen Navigationssensoren zu bewältigen. Obwohl dieses Stromversorgungssystem über die Oberfläche eine größere Erstinvestition in die Ausrüstung erforderte, erwies es sich als essenziell für die Durchführung der wiederholten, lang andauernden Untersuchungen, die für eine rigorose wissenschaftliche Überwachung notwendig sind.

Die Navigation in flachen, felsigen Gewässern ist für Unterwasserroboter notorisch schwierig. Traditionelle Systeme, die Schallwellen nutzen, um die Position des Roboters relativ zu einem Boot zu bestimmen, haben in solchen Umgebungen oft Schwierigkeiten, da die geringe Tiefe und das felsige Gelände „akustische Schatten“ erzeugen, die die Signale blockieren. Die Forscher fanden heraus, dass es nicht ausreichte, sich auf eine einzige Navigationsmethode zu verlassen. Stattdessen kombinierten sie Daten aus mehreren Sensoren: einem Gerät, das die Geschwindigkeit des Roboters über den Boden misst, einem System, das seine Position relativ zum Boot verfolgt, und einem Kompass. Durch die Zusammenführung dieser verschiedenen Informationsströme konnte der Roboter ein viel genaueres Bild davon erstellen, wo er sich befand und welchen Weg er zurückgelegt hatte. Diese Sensorfusion ermöglichte es ihnen, den exakten Pfad des Roboters zu rekonstruieren, was für die Kartierung des untersuchten Gebiets und die Sicherstellung einer hochpräzisen Einordnung der Daten in eine Karte entscheidend ist.

Um diese Technologie für Nicht-Experten zugänglich zu machen, entwickelten die Forscher zwei kostenlose Computerprogramme, die die Schwerstarbeit des Datenmanagements übernehmen. Ein Programm führt den Piloten durch den Tauchgang, prüft vor dem Aussetzen des Roboters, ob alle Sensoren funktionieren, und protokolliert jedes Detail des Fluges. Das andere Programm nimmt die Rohfotos und Videos des Roboters entgegen, organisiert sie automatisch, korrigiert die Beleuchtung und bereitet sie für die Analyse vor. Diese Werkzeuge reduzieren den Zeitaufwand und die technische Expertise, die erforderlich sind, um einen Tag des Tauchgangs in einen Satz nutzbarer wissenschaftlicher Daten zu verwandeln, und ermöglichen es so auch kleineren Organisationen und Naturschutzgruppen, diese Methode anzuwenden.

Die Forscher testeten ihr System bei Dutzenden von Untersuchungstagen an verschiedenen Standorten, einschließlich Elliott Bay und den San Juan Islands, wobei sie ein breites Spektrum an Bedingungen abdeckten – von ruhigen, klaren Tagen bis hin zu windigen, turbulenten Gewässern mit Strömungen von bis zu drei Knoten. Sie kartierten erfolgreich weiche Sedimente, felsige Riffe und Gebiete mit dichtem Kelp und demonstrierten damit, dass das System in den realen Umgebungen funktioniert, in denen Kelpwälder tatsächlich existieren. Sie stellten fest, dass der Roboter nicht in die dichtesten Teile des Kelp-Baldachins eindringen konnte, ohne sich zu verfangen, aber er konnte den Meeresboden unter dem Kelp und in Bereichen mit dünnerem Baldachin effektiv untersuchen. Das System erwies sich als robust genug, um die physischen Herausforderungen der Umgebung zu bewältigen, einschließlich des Risikos, dass sich das Tether in der Nähe der Wasseroberfläche in Kelpfronden verfangen könnte.

Diese Arbeit ersetzt nicht die menschlichen Taucher, die weiterhin unerlässlich sind, um bestimmte Verhaltensweisen zu beobachten und die komplexesten Teile des Kelpwälders zu navigieren. Stattdessen bietet der Roboter ein komplementäres Fenster in die Unterwasserwelt, das das untersuchbare Gebiet erweitert und eine konsistente, wiederholbare Überwachung über die Zeit ermöglicht. Indem das Team einen vollständigen Open-Source-Leitfaden zur Hardware, Software und den Methoden bereitstellt, hat es einen Ausgangspunkt für andere geschaffen, auf dem sie aufbauen können. Ihr Framework bietet einen praktischen Weg für die Erweiterung der Überwachung von Kelpwäldern und anderen flachen Küstenökosystemen und stellt sicher, dass diese lebenswichtigen Lebensräume mit der Klarheit und Beständigkeit beobachtet und geschützt werden können, die sie verdienen.