Rote Fluten, die durch Karenia brevis-Blüten verursacht werden, sind ein wiederkehrendes Problem im Küstenbereich des Golfs von Mexiko. Der Organismus, Karenia brevis, produziert Toxine, die Fischsterben, Reizungen der Atemwege beim Menschen und den Tod von Meeresschildkröten, Delfinen, Seekühen und Vögeln verursachen können.
Die Fähigkeit, Red Tide Blooms in allen Lebensstadien und Zellkonzentrationen zu erkennen, ist entscheidend für die Verbesserung der Vorhersagefähigkeiten und die Entwicklung potenzieller Minderungsstrategien zum Schutz der öffentlichen Gesundheit und lebenswichtiger Ressourcen.
Gegenwärtige Methoden, die zur Überwachung der Roten Flut verwendet werden, wie mikroskopische Identifizierung und Zählung, Standard-Durchflusszytometrie sowie andere, weisen Einschränkungen auf. Einige dieser Einschränkungen umfassen Einschränkungen bei der Größenauflösung und Konzentrationsbereichen, begrenzte Kapazität für die Profilerstellung in Bezug auf Raum und Zeit sowie die Verarbeitung kleiner Probenmengen. Während diese Methoden operativ eingesetzt werden, gibt es Zeitverzögerungen bei der Datenübermittlung, und Wartungs- und Personalkosten können teuer sein.
Forscher des College of Engineering and Computer Science and Harbor Branch Oceanographic Institute der Florida Atlantic University haben das AUTOHOLO entwickelt, ein neuartiges autonomes, tauchfähiges, holografisches 3D-Mikroskop und Bildgebungssystem, das für den Einsatz vor Ort (an Ort und Stelle) zur Untersuchung von Meerespartikeln und Plankton entwickelt wurde in ihrer natürlichen Umgebung.
Ihre Studie, veröffentlicht in der Zeitschrift Schädliche Algenist das erste, das die Holographie zur Charakterisierung der Roten Flut im Feld einsetzt, und beschreitet neue Wege zur Überwachung schädlicher Algenblüten (HABs) und zur Überwindung der Einschränkungen, die mit den derzeitigen Methoden zur Überwachung dieser Blüten verbunden sind.
Unter Verwendung des AUTOHOLO führten FAU-Forscher in Zusammenarbeit mit der University of Minnesota und dem Fish and Wildlife Research Institute, Florida Fish and Wildlife Conservation Commission, Feldmessungen im küstennahen Golf von Mexiko während einer aktiven Rottide-Blüte in der Wintersaison 2020-21 durch . Während dieser Feldstudien sammelten sie auch Wasserproben an der Oberfläche und unter der Oberfläche. Im Labor analysierten die Forscher diese Proben mit holografischer Bildgebung auf dem Tisch und Durchflusszytometrie zur Validierung.
Ein Trainingsdatensatz von Red-Tide-Zellen – erstellt mit holografischen Bildern – wurde verwendet, um ein angepasstes bestehendes Convolutional Neural Network (CNN) für die automatisierte Klassifizierung zu trainieren. Die Forscher verwendeten auch ein speziell angefertigtes Schleppsystem, das AUTOHOLO bei der Aufzeichnung von Daten über große räumliche Bereiche während einer Blüte helfen sollte.
Über verschiedene Datensätze mit Red Tide-Konzentrationen auf unterschiedlichen Ebenen hinweg zeigten die Forscher eine Genauigkeit von 90 Prozent in ihren Ergebnissen. Sie demonstrierten auch den Nutzen der Kombination von AUTOHOLO mit dem Schleppsystem, um die Charakterisierung der Partikelhäufigkeit über große räumliche Entfernungen zu ermöglichen, was möglicherweise eine schnelle Charakterisierung der Verteilung der Roten Flut über große Gebiete während Blütenereignissen erleichtert.
„Das auf den verarbeiteten Bildern verwendete Convolutional Neural Network erleichterte die schnelle Erkennung und Analyse von Karenia brevis in allen Konzentrationsbereichen. Dies bestätigt die Fähigkeit zur Erkennung nahezu in Echtzeit, wenn wir die Datenverarbeitung an Bord des AUTOHOLO integrieren, was der nächste Schritt wäre, „, sagte Aditya R. Nayak, Ph.D., korrespondierender Autor und Assistenzprofessor am Department für Meeres- und Maschinenbau der FAU.
„Da typische Zellengrößen der Roten Flut gut im Auflösungsbereich des Instruments liegen, können alle Blütenphasen überwacht und verfolgt werden, einschließlich der anfänglichen Blütenentwicklung, die immer wichtiger wird, um Vorhersagen und Blütenentwicklung und -modellierung zu stärken.“
Da das AUTOHOLO selbst bei extrem niedrigen Konzentrationen (ca. 5 Partikel/ml) Partikel in sehr unterschiedlichen Mengen einfängt und Zellen bei niedrigen Konzentrationen (weniger als 5 Zellen/ml) erkennt, kann es frühe Blütephasen von Red Tide überwachen, was mit anderen Methoden wie der Fernerkundung möglicherweise nicht möglich ist.
„Red Tide Blooms können unterschiedliche Tiefen in der Wassersäule besetzen, und oberflächenfokussierte Einzelpunkt-Probennahmen oder Probennahmen in begrenzten diskreten Tiefen können eine Population, die sich in einer Tiefe ansammelt, unterbewerten oder übersehen“, sagte Malcolm McFarland, Ph.D., Co- Autor und Forscher am Florida Center for Coastal and Human Health der FAU Harbor Branch. „In Zukunft könnte das AUTOHOLO in bestehende HAB-Überwachungsnetzwerke integriert werden, um die Fähigkeit zur Erkennung von Roten Fluten in aquatischen Umgebungen auf der ganzen Welt zu verbessern.“
Der Erstautor der Studie ist Ranjoy Barua, Ph.D.; frischgebackener Absolvent der FAU Hochschule für Ingenieurwissenschaften und Informatik. Co-Autoren sind Delaney Sanborn, Doktorandin an der University of Minnesota; Lisa Nyman, Ph.D., ehemalige Postdoktorandin an der FAU-Außenstelle Hafen; Timothy Moore, Ph.D., wissenschaftlicher Mitarbeiter der FAU-Außenstelle Hafen; Jiarong Hong, Ph.D., Professor für Maschinenbau, University of Minnesota; und Matt Garrett, Associate Research Scientist, Florida Fish and Wildlife Conservation Commission.
„Alle Strände und Bezirke an der zentralen und südwestlichen Golfküste Floridas sind von Ausbrüchen der Roten Flut betroffen, die verheerende Auswirkungen auf das Meeresleben und die menschliche Gesundheit haben“, sagte Stella Batalama, Ph.D., Dekanin des FAU College of Engineering und Informatik. „Unsere Forscher haben das AUTOHOLO so konzipiert, dass es vielseitig genug ist, um Herausforderungen zu bewältigen, die mit kleinen oder festen Probenvolumina sowie visuell komplexen Umgebungen verbunden sind, um als Warnsystem für rote Flut verwendet zu werden.“
Mehr Informationen:
Ranjoy Barua et al., Digitale holografische In-situ-Mikroskopie zur schnellen Erkennung und Überwachung des schädlichen Dinoflagellaten Karenia brevis, Schädliche Algen (2023). DOI: 10.1016/j.hal.2023.102401