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

Il fondale oceanico sotto le foreste di kelp temperate è un mondo di immensa importanza biologica, brulicante di pesci, invertebrati e una complessa vita vegetale che sostiene interi ecosistemi costieri. Eppure, studiare questo regno nascosto è notoriamente difficile. Mentre le cime galleggianti delle foreste di kelp possono essere viste dai satelliti o dagli aerei, la vita che cresce sul fondale rimane oscurata dalle acque scure e torbide e dalla densa struttura verticale del kelp. Per decenni, gli scienziati si sono affidati a subacquei umani per nuotare in questi giardini sottomarini, contando le specie e mappando gli habitat. Tuttavia, i sub sono limitati da quanto tempo possono stare in sicurezza sott'acqua, da quanto profondamente possono scendere e da quanta superficie possono coprire in un singolo giorno. Per comprendere veramente questi ambienti fragili, i ricercatori hanno bisogno di un modo per vedere di più, per più tempo e con maggiore costanza rispetto a quanto consentano le gambe e i polmoni umani.

Un team di ricercatori dell'Acquario di Seattle ha sviluppato una soluzione pratica e open-source a questo problema: un piccolo robot subacqueo modulare progettato specificamente per scattare fotografie standardizzate del fondale in queste condizioni difficili. Invece di costruire una macchina massiccia ed costosa per l'esplorazione degli abissi, hanno adattato un robot compatto ed economico per lavorare nelle acque basse e turbolente delle foreste di kelp. In quattro anni, hanno iterato attraverso quattro diverse versioni del robot, perfezionando le sue luci, i sistemi di alimentazione e gli strumenti di navigazione per risolvere i problemi specifici dello scatto di immagini chiare in acque scure e in movimento. Il loro lavoro ha portato a un framework completo e liberamente disponibile che consente ad altri scienziati e conservazionisti di replicare queste indagini, trasformando una complessa sfida ingegneristica in un metodo ripetibile per monitorare la salute degli ecosistemi costieri.

La sfida centrale risiede nell'ambiente stesso. Le foreste di kelp sono spesso buie e piene di particelle sospese che disperdono la luce, rendendo difficile catturare immagini nitide. Inoltre, le piante di kelp crescono dal fondale fino alla superficie, creando una foresta densa che può facilmente aggrovigliare il cavo di un robot. Per ottenere un'immagine utile, il robot deve fluttuare a un'altezza perfettamente costante sopra il terreno. Se vola troppo alto, l'immagine è troppo debole e sfocata; se vola troppo basso, le luci creano ombre irregolari o il robot solleva sedimenti. I ricercatori hanno scoperto che mantenere semplicemente una profondità costante rispetto alla superficie non era sufficiente, poiché il fondale stesso sale e scende. Avevano bisogno che il robot seguisse i contorni del fondo, mantenendo una distanza fissa dal terreno indipendentemente dal fatto che stesse volando sopra una zona sabbiosa piatta o una cresta rocciosa.

Per raggiungere questo obiettivo, il team ha sviluppato una modalità di volo specializzata chiamata "surftrak", che consente al robot di percepire la distanza dal fondale e regolare automaticamente la sua altezza per rimanere a una quota precisa, solitamente meno di un metro sopra il fondo. Questo sistema si è dimostrato straordinariamente efficace, mantenendo il robot entro un margine di errore molto stretto per la stragrande maggioranza del tempo di volo. Questa costanza è cruciale perché assicura che ogni fotografia copra esattamente la stessa quantità di fondale, permettendo agli scienziati di contare gli organismi e misurare la loro copertura con precisione matematica tra diversi siti e tempi diversi. Senza questo controllo automatico dell'altitudine, i dati raccolti sarebbero troppo variabili per essere confrontati in modo affidabile.

L'illuminazione è stata la successiva grande sfida. Nelle acque scure e torbide del Pacifico nord-occidentale, le luci subacquee standard erano insufficienti per catturare i dettagli fini necessari a distinguere tra diversi tipi di alghe e piccola vita marina. I ricercatori hanno testato diverse configurazioni di illuminazione, passando infine da semplici luci alimentate a batterie a un sistema in cui il robot era alimentato da un grande banco di batterie sulla nave di superficie. Ciò ha permesso loro di utilizzare luci molto più luminose e potenti che potevano essere controllate direttamente dal computer del robot. Hanno anche riprogettato il posizionamento di queste luci per focalizzare il fascio esattamente dove guardava la telecamera, riducendo l'abbagliamento causato dalle particelle nell'acqua. Il risultato è stato un sistema capace di scattare immagini ad alta risoluzione e nitide anche in acque con visibilità molto bassa, rivelando texture e specie che sarebbero state invisibili in precedenti indagini meno sofisticate.

Alimentare il robot per lunghe sessioni di indagine presentava un'altra serie di compromessi. Le prime versioni del robot si affidavano a batterie interne, il che limitava il tempo di volo e richiedeva di riportare il robot in superficie per cambiare le batterie, un processo che interrompeva la raccolta dei dati e richiedeva di riavviare l'intero sistema. Il team è passato infine a un sistema di alimentazione fornito dalla superficie, dove l'elettricità viene inviata giù attraverso il cavo dalla barca. Questo cambiamento ha esteso drasticamente l'autonomia del robot, permettendogli di lavorare per ore senza interruzioni e gestire le richieste di potenza extra delle luci brillanti e dei complessi sensori di navigazione. Sebbene questo sistema di alimentazione da superficie richiedesse un investimento iniziale maggiore in attrezzature, si è rivelato essenziale per condurre le indagini ripetute e di lunga durata necessarie per un monitoraggio scientifico rigoroso.

La navigazione in acque basse e rocciose è notoriamente difficile per i robot subacquei. I sistemi tradizionali che utilizzano onde sonore per localizzare il robot rispetto a una barca spesso faticano in questi ambienti perché la scarsa profondità e il terreno roccioso creano "ombre acustiche" che bloccano i segnali. I ricercatori hanno scoperto che fare affidamento su un singolo metodo di navigazione non era sufficiente. Invece, hanno combinato i dati provenienti da molteplici sensori: un dispositivo che misura la velocità del robot rispetto al fondo, un sistema che traccia la sua posizione rispetto alla barca e una bussola. Fondendo questi diversi flussi di informazioni, il robot è stato in grado di costruire un quadro molto più accurato di dove si trovasse e di quanto avesse viaggiato. Questa fusione di sensori ha permesso loro di ricostruire l'esatto percorso seguito dal robot, il che è vitale per mappare l'area indagata e garantire che i dati possano essere collocati su una mappa con alta precisione.

Per rendere questa tecnologia accessibile ai non esperti, il team ha costruito due programmi informatici gratuiti che gestiscono il pesante lavoro di gestione dei dati. Un programma guida il pilota durante la immersione, controllando che tutti i sensori siano funzionanti prima che il robot lasci la barca e registrando ogni dettaglio del volo. L'altro programma prende le foto e i video grezzi dal robot e li organizza automaticamente, corregge l'illuminazione e li prepara per l'analisi. Questi strumenti riducono il tempo e l'esperienza tecnica richiesti per trasformare una giornata di immersioni in un insieme di dati scientifici utilizzabili, rendendo possibile l'adozione di questo metodo da parte di organizzazioni più piccole e gruppi di conservazione.

I ricercatori hanno testato il loro sistema in decine di giorni di indagine in varie località, inclusi Elliott Bay e le isole San Juan, coprendo una vasta gamma di condizioni, da giornate calme e limpide a acque ventose e turbolente con correnti fino a tre nodi. Hanno mappato con successo sedimenti morbidi, scogliere rocciose e aree con densa presenza di kelp, dimostrando che il sistema funziona negli ambienti reali dove esistono le foreste di kelp. Hanno scoperto che, sebbene il robot non potesse penetrare nelle parti più dense della volta del kelp senza aggrovigliarsi, poteva indagare efficacementmente il fondale sotto il kelp e nelle aree dove la volta era più sottile. Il sistema si è dimostrato abbastanza robusto da gestire le sfide fisiche dell'ambiente, incluso il rischio che il cavo si impigliasse nelle fronde di kel p vicino alla superficie.

Questo lavoro non sostituisce i subacquei umani, che rimangono essenziali per osservare certi comportamenti e navigare nelle parti più complesse della foresta di kelp. Invece, il robot fornisce una finestra complementare sul mondo sottomarino, espandendo l'area che può essere indagata e permettendo un monitoraggio costante e ripetibile nel tempo. Fornendo una guida completa e open-source sull'hardware, sul software e sui metodi utilizzati, il team ha creato un punto di partenza su cui altri possano costruire. Il loro framework offre una via pratica per espandere il monitoraggio delle foreste di kelp e di altri ecosistemi costieri poco profondi, garantendo che questi habitat vitali possano essere osservati e protetti con la chiarezza e la costanza che meritano.