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

De oceaanbodem onder gematigde kelpwouden is een wereld van enorme biologische betekenis, vol vis, ongewervelden en complex plantleven dat hele kustecosystemen ondersteunt. Toch is het bestuderen van dit verborgen rijk berucht moeilijk. Terwijl de drijvende toppen van kelpwouden vanuit satellieten of vliegtuigen te zien zijn, blijft het leven dat op de zeebodem groeit verborgen door donker, troebel water en de dichte, verticale structuur van de kelp zelf. Decennialang hebben wetenschappers vertrouwd op menselijke duikers die deze onderwatertuinen afzwommen om soorten te tellen en habitats in kaart te brengen. Duikers worden echter beperkt door hoe lang ze veilig onder water kunnen blijven, hoe diep ze kunnen gaan en hoeveel grond ze in een enkele dag kunnen best evenen. Om deze kwetsbare omgevingen echt te begrijpen, hebben onderzoekers een manier nodig om meer te zien, langer en met een grotere consistentie dan menselijke benen en longen toelaten.

Een team van onderzoekers van het Seattle Aquarium heeft een praktische, open-source oplossing ontwikkeld voor dit probleem: een kleine, modulaire onderwaterrobot die specifiek is ontworpen om gestandaardiseerde foto's van de zeebodem te maken in deze uitdagende omstandigheden. In plaats van een enorme, dure machine te bouwen voor diepzee-exploratie, hebben ze een compacte, betaalbare robot aangepast om te werken in de ondiepe, turbulente wateren van kelpwouden. Over een periode van vier jaar hebben ze vier verschillende versies van de robot geïterereerd, waarbij ze de verlichting, energiesystemen en navigatiehulpmiddelen verfijnden om de specifieke problemen aan te pakken van het maken van heldere foto's in donker, bewegend water. Hun werk resulteerde in een volledig, vrij beschikbaar framework waarmee andere wetenschappers en natuurbeschermers deze inventarisaties kunnen repliceren, waardoor een complexe technische uitdaging wordt omgezet in een herhaalbare methode voor het monitoren van de gezondheid van kustecosystemen.

De kern van de uitdaging ligt in de omgeving zelf. Kelpwouden zijn vaak donker en gevuld met zwevende deeltjes die licht verstrooien, wat het moeilijk maakt om heldere beelden vast te leggen. Bovendien groeien de kelpplanten van de zeebodem tot aan het oppervlak, wat een dicht bos creëert dat een robot gemakkelijk in de knoop kan laten raken met zijn kabel. Om een bruikbare foto te krijgen, moet de robot op een perfect constante hoogte boven de grond zweven. Als hij te hoog vliegt, is het beeld te zwak en onscherp; als hij te laag vliegt, creëren de lichten ongelijkmatige schaduwen of roert de robot sediment op. De onderzoekers ontdekten dat het simpelweg vasthouden van een constante diepte ten opzichte van het oppervlak niet genoeg was, omdat de zeebodem zelf stijgt en daalt. Ze hadden de robot nodig die de contouren van de bodem volgde, waarbij een vaste afstand tot de grond werd behouden, ongeacht of hij over een vlak zandig stuk of een rotsachtige rug vloog.

Om dit te bereiken, ontwikkelde het team een gespecialiseerde vliegmodus genaamd "surftrak", waarmee de robot de afstand tot de zeebodem kan voelen en automatisch de hoogte kan aanpassen om op een precieze doelhoogte te blijven, meestal minder dan een meter boven de bodem. Dit systeem bleek opmerkelijk effectief en hield de robot gedurende het grootste deel van de vluchttijd binnen een zeer nauwe foutmarge. Deze consistentie is cruciaal, omdat het ervoor zorgt dat elke foto exact hetzelfde deel van de zeebodem beslaat, waardoor wetenschappers organismen kunnen tellen en hun bedekkingsgraad met wiskundige precisie kunnen meten over verschillende locaties en tijdstippen heen. Zonder deze automatische hoogtecontrole zou de verzamelde data te variabel zijn om betrouwbaar te kunnen vergelijken.

Verlichting was de volgende grote hindernis. In de donkere, troebele wateren van de Pacific Northwest waren standaard onderwaterlampen onvoldoende om de fijne details vast te leggen die nodig zijn om verschillende soorten algen en klein marien leven te onderscheiden. De onderzoekers testten verschillende verlichtingsopstellingen en stapten uiteindelijk over van eenvoudige batterijgevoede lampen naar een systeem waarbij de robot werd gevoed door een grote batterijbank op het moederschip. Dit stelde hen in staat om veel helderdere, krachtigere lichten te gebruiken die direct door de computer van de robot kond beïnd, wat de schittering veroorzaakt door deeltjes in het water verminderde. Het resultaat was een systeem dat in staat is om hoogresolutie, scherpe beelden te maken, zelfs in water met een zeer laag zicht, waardoor texturen en soorten zichtbaar werden die in eerdere, minder geavanceerde surveys onzichtbaar zouden zijn geweest.

Het van stroom voorzien van de robot voor lange inventarisatiesessies bracht een andere reeks afwegingen met zich mee. Vroege versies van de robot vertrouwden op interne batterijen, wat de vliegtijd beperkte en vereiste dat de robot naar boven werd gebracht om batterijen te wisselen — een proces dat de gegevensverzameling onderbrak en het opnieuw opstarten van het hele systeem noodzakelijk maakte. Het team stapte uiteindelijk over op een systeem met stroomvoorziening vanaf het oppervlak, waarbij elektriciteit via de kabel van de boot naar benen wordt gestuurd. Deze verandering verlengde de uithoudingscapaciteit van de robot drastisch, waardoor hij urenlang zonder onderbreking kon werken en de extra stroomvraag van de heldere lichten en complexe navigatiesensoren kon opvangen. Hoewel dit stroomvoorziensysteem vanuit het oppervlak een grotere initiële investering in apparatuur vereiste, bleek het essentieel voor het uitvoeren van de herhaalde, langdurige inventarisaties die nodig zijn voor rigoureuze wetenschappelijke monitoring.

Navigatie in ondiepe, rotsachtige wateren is berucht moeilijk voor onderwaterrobots. Traditionele systemen die geluidsgolven gebruiken om de positie van de robot ten opzichte van een boot te bepalen, hebben vaak moeite in deze omgevingen omdat de geringe diepte en het rotsachtige terrein "akoestische schaduwen" creëren die de signalen blokkeren. De onderzoekers ontdekten dat het vertrouwen op één enkele navigatiemethode niet voldoende was. In plaats daarvan combineerden ze gegevens van meerdere sensoren: een apparaat dat de snelheid van de robot over de bodem meet, een systeem dat de positie ten opzichte van de boot bijhoudt, en een kompas. Door deze verschillende informatiestromen samen te voegen, kon de robot een veel nauwkeuriger beeld opbouwen van waar hij was en waar hij naartoe had gereisd. Deze sensorfusie stelde hen in staat om het exacte pad te reconstrueren dat de robot had afgelegd, wat essentieel is voor het in kaart brengen van het onderzochte gebied en om ervoor te zorgen dat de gegevens met hoge precisie op een kaart geplaatst kunnen worden.

Om deze technologie toegankelijk te maken voor niet-experts, bouwde het team twee gratis computerprogramma's die de zware taken van databeheer afhandelen. Eén programma begeleidt de piloot tijdens de duik, controleert of alle sensoren werken voordat de robot het schip verlaat en legt elk detail van de vlucht vast. Het andere programma neemt de ruwe foto's en video's van de robot en organiseert deze automatisch, corrigeert de belichting en bereidt ze voor op analyse. Deze hulpmiddelen verminderen de tijd en de technische expertise die nodig zijn om een dag duiken om te zetten in een bruikbare set wetenschappelijke gegevens, waardoor het mogelijk wordt voor kleinere organisaties en natuurbeheerorganisaties om deze methode te adopteren.

De onderzoekers testten hun systeem tijdens tientallen inventarisatiedagen op diverse locaties, waaronder Elliott Bay en de San Juan Islands, waarbij een breed scala aan omstandigheden werd bestreden, van kalme, heldere dagen tot windrijke, turbulente wateren met stromingen tot drie knopen. Ze brachten succesvol zachte sedimenten, rotsachtige riffen en gebieden met dichte kelp in kaart, waarmee ze bewezen dat het systeem werkt in de reële omgevingen waar kelpwouden daadwerkelijk voorkomen. Ze ontdekten dat de robot de dichtste delen van het kelpkruin niet kon penetreren zonder verstrikt te raken, maar dat hij wel effectief de zeebodem onder de kelp en in gebieden waar de kruin dunner was, kon inventariseren. Het systeem bleek robuust genoeg om de fysieke uitdagingen van de omgeving aan te kunnen, inclus\nuit het risico dat de kabel in de buurt van het oppervlak in kelpbladeren verstrikt raakt.

Dit werk vervangt de menselijke duiker niet, die essentieel blijft voor het observeren van bepaalde gedragingen en het navigeren door de meest complexe delen van het kelpwoud. In plaats daarvan biedt de robot een complementair venster naar de onderwaterwereld, waardoor het gebied dat onderzocht kan worden wordt uitgebreid en het mogelijk wordt om consistente, herhaalbare monitoring over een langere tijd uit te voeren. Door een volledig, open-source overzicht te bieden van de hardware, software en methoden die zijn gebruikt, heeft het team een startpunt gecreëerd waar anderen op voort kunnen bouwen. Hun framework biedt een praktisch pad voor het uitbreiden van de monitoring van kelpwouden en andere ondiepe kustecosystemen, om ervoor te zorgen dat deze vitale habitats kunnen worden geobserveerd en beschermd met de helderheid en consistentie die ze verdienen.