Journal of IchthyologyJournal of IchthyologyВопросы ихтиологии0042-87523034-5146The Russian Academy of Sciences65039710.31857/S0042875223030050BYBDBKArticlesСтатьиUnknownAge Determination of the Azov Anchovy Engraulis encrasicolus maeoticus (Engraulidae) Based on the Otolith Image AnalysisОпределение возраста азовской хамсы Engraulis encrasicolus maeoticus (Engraulidae) на основе анализа изображений отолитовChesalinM. V.ЧесалинМ. В.chesalin.mikhail@yandex.ruKovalevsky Institute of Biology of the Southern Seas, Russian Academy of Sciences, Sevastopol, RussiaИнститут биологии южных морей РАН – ИнБЮМ РАН0105202363329230131012025Copyright ©; 2023, М.В. ЧесалинCopyright ©; 2023, М.В. Чесалин2023М.В. ЧесалинМ.В. Чесалинhttps://transsyst.ru/0042-8752/article/view/650397

To specify the age determination of the Azov anchovy Engraulis encrasicolus maeoticus, the length of otoliths of the age 0+ fish and the radii of annual rings in the otoliths of individuals of different age groups have been analysed. The otoliths of 380 fish caught in the Sea of Azov in October–November 2018 and off the northwestern coast of the Caucasus in February 2019 have been analyzed. The ImageJ software has been used for measuring the maximum otolith length and plotting the reflected light intensity profiles along the length of the otolith transect. In the fingerlings (0+) with an average total length of 70.9 ± 6.7 mm, in October–November, the otolith radius averaged 0.95 ± 0.08 mm, while in February, with an average 66.6 ± 10.6 mm, it was 0.86 ± 0.15 mm. In the smallest fish (48–55 mm), the distance from the core of the otolith to the edge of the white opaque zone varied from 0.54 to 0.72 mm (on average, 0.63 ± 0.04 mm). According to the averaged data, the radii to the center of the dark hyaline zone of otoliths for different age groups of anchovy are: R1, 0.94 ± 0.09; R2, 1.23 ± 0.08; and R3, 1.40 ± 0.07 mm. The present study is aimed at developing automatic methods for determining the age of fish from light intensity profile peaks on otolith images.

Для уточнения определения возраста азовской хамсы Engraulis encrasicolus maeoticus оценены размеры отолитов сеголеток и радиусы годовых колец в отолитах особей разных возрастных групп. Проанализированы отолиты 380 рыб, отловленных в Азовском море в октябре–ноябре 2018 г. и у северо-западного побережья Кавказа в феврале 2019 г. С применением программы ImageJ измерена наибольшая длина отолита и построены профили интенсивности отражённого света вдоль трансекты по длине отолита. У сеголеток средней абсолютной длиной 70.9 ± 6.7 мм в октябре–ноябре радиус отолитов в среднем составил 0.95 ± 0.08 мм, а в феврале при средней длине рыб 66.6 ± 10.6 мм – 0.86 ± 0.15 мм. У самых мелких сеголеток длиной 48–55 мм расстояние от центра отолита до конца светлой опаковой зоны варьировало от 0.54 до 0.72 (в среднем 0.63 ± 0.04) мм. Радиусы до центра тёмной гиалиновой зоны отолитов для разных возрастных групп хамсы по осреднённым данным составили: R1 – 0.94 ± 0.09, R2 – 1.23 ± 0.08 и R3 – 1.40 ± 0.07 мм. Настоящее исследование направлено на развитие автоматических методов определения возраста рыб по пикам профилей на изображениях отолитов.

Azov anchovyEngraulis encrasicolus maeoticusotolithdigital imagingageannual ring radiusазовская хамса Engraulis encrasicolus maeoticusотолитобработка цифровых изображенийвозрастрадиус годового кольца.Васильков В.П. 1979. Изучение ритмов роста методом математического спектрального анализа склеритограмм чешуи. М.: Изд-во MГУ, 24 с.Васильков В.П. 2006. Анализ цифровых изображений кальцифицированных структур для оценки возрастных маркеров. Владивосток: Изд-во ВГУЭС, 226 с.Васильков В.П. 2007. Применение анализа цифровых изображений для оценивания возраста промысловых объектов // Изв. ТИНРО. Т. 149. С. 138–161.Васильков В.П. 2009. Методы и алгоритмы обработки изображений и сигналов для выделения и оценки временных маркеров в биологических слоистых структурах // Мат. биология и биоинформатика. Т. 4. Вып. 1. С. 21–35. https://doi.org/10.17537/2009.4.21Васильков В.П., Левада Т.П. 1977. Опыт машинного определения возраста у рыб Тихого океана // Экспресс-информация ЦНИИТЭИРХ. Вып. 7. С. 12–17.Воловик С.П., Козлитина С.В. 1983. Об оценке возможного улова азовской хамсы Engraulis encrasicolus (L.) (Engraulidae) в связи с ростом и структурой ее популяции // Вопр. ихтиологии. Т. 23. Вып. 1. С. 27–38.Дементьева Т.Ф. 1958. Методика изучения влияния естественных факторов на численность азовской хамсы // Тр. ВНИРО. Т. 44. С. 30–62.Корнилова В.П. 1960. Биология и промысел азовской хамсы (Engraulis encrasicolus maeoticus Pus.) // Тр. Аз.-Черномор. НИИ рыб. хоз-ва и океанографии. Вып. 18. С. 50–73.Мина М.В. 1965. О разработке метода объективной оценки структуры зон на отолитах рыб // Вопр. ихтиологии. Т. 5. Вып. 4 (37). С. 732–735.Мина М.В. 1967. Отолит как регистрирующая структура. М.: Изд-во МГУ, 13 с.Попова В.П. 1954. Черноморский период жизни азовской хамсы // Тр. ВНИРО. Т. 28. С. 65–74.Чугунова Н.И. 1959. Руководство по изучению возраста и роста рыб (методическое пособие по ихтиологии). М.: Изд-во АН СССР, 164 с.Шевченко Н.Ф. 1980. Географическая изменчивость анчоуса в морях средиземноморского бассейна // Вопр. ихтиологии. Т. 20. № 1. С. 20–31.Шляхов В.А., Шляхова О.В., Надолинский В.П., Перевалов О.А. 2018. Промыслово-биологические показатели рыболовства для важнейших распределенных запасов водных биоресурсов Черного моря как основа их регионального оценивания // Вод. биоресурсы и среда обитания. Т. 1. № 1. С. 86–103. https://doi.org/10.47921/2619-1024_2018_1_1_86Abràmoff M., Magalhães P., Ram S. 2004. Image processing with ImageJ // Biophotonics Int. V. 11. № 7. P. 36–42.Akkus G., Chashchin A.K., Gucu A.C. 2019. Otolith age reading protocols for the anchovy and their applicability to the Black Sea region // Report of FAO-GFCM Workshop on age reading of selected Black Sea species (anchovy and rapa whelk). Trabzon: FAO-GFCM. P. 30–35.Astudillo A., Lucio P., Prouzet P., Uriarte A. 1990. Summary of the results concerning the otolith reading exercise on anchovy held in San Sebastián (Spain) in January 1990 // Working Document to the 1990 ICES Working Group on the assessment of the Stocks of sardine, horse mackerel and anchovy. Copenhagen: ICES, 123 p.Bonhomme F., Meyer L., Arbiol C. et al. 2021. Systematics of European coastal anchovies (genus Engraulis Cuvier) // J. Fish Biol. V. 100. № 2. P. 594–600. https://doi.org/10.1111/jfb.14964Cailliet G.M., Botsford L.W., Brittnacher J.G., et al. 1996. Development of a computer-aided age determination system: evaluation based on otoliths of bank rockfish off California // Trans. Am. Fish. Soc. V. 125. № 6. P. 874–888. https://doi.org/10.1577/1548-8659(1996)125<0874:DOACAA>2.3.CO;2Campana S. 1987. Image analysis for microscope based observation: an inexpensive configuration // Can. Techn. Rep. Fish. Aquat. Sci. № 1569. 20 p.Carbonara P., Follesa M.C. (eds.). 2019. Handbook on fish age determination: a Mediterranean experience // Studies and Reviews. № 98. Rome: FAO. 180 p.Chashchin A. 1996. The Black Sea populations of anchovy // Sci. Mar. V. 60. Suppl. 2. P. 219–225.Chesalin M., Nikolsky V., Yuneva T. 2020. Biological characteristics of Azov anchovy (Engraulis encrasicolus maeoticus A.) in 2016–2017 and 2017–2018 fishing seasons // Turk. J. Fish. Aquat. Sci. V. 20. № 7. P. 559–570 https://doi.org/10.4194/1303-2712-v20_7_06Denechaud C., Thorsen A., Vischer N. 2018. ObjectJ: Measuring growth rings in fish otoliths, 5 p. (https://sils.fnwi.uva.nl/bcb/objectj/examples/otoliths/MD/Tutorial_Otoliths_ObjectJ.pdf. Version 07/2022).Fablet R. 2006. Statistical learning applied to computer-assisted fish age and growth estimation from otolith images // Fish. Res. V. 81. № 2–3. P. 219–228. https://doi.org/10.1016/j.fishres.2006.07.013Fablet R., Pujolle S., Chessel A. et al. 2008. 2D image-based reconstruction of shape deformation of biological structures using a level-set representation // Comput. Vis. Image Underst. V. 111. № 3. P. 295−306. https://doi.org/10.1016/j.cviu.2007.12.005Fawel J. 1974. The use of image analysis in the ageing of fish // The ageing of fish. London: Unwin Brothers. P. 103–107.Fisher M., Hunter E. 2018. Digital imaging techniques in otolith data capture, analysis and interpretation // Mar. Ecol. Prog. Ser. V. 598. P. 213–231. https://doi.org/10.3354/meps12531Formella A., Vazquez J.M., Cernadas E., et al. 2007. Age reading of cod otoliths based on image morphing, filtering and Fourier analysis // Proc. 7th IASTED Int. Conf. on visualization, imaging, and image processing, VIIP 2007. Anaheim: ACTA Press. P. 207–212.Frie R.V. 1982. Measurements of fish scales and back-calculation of body lengths using a digitizing pad and microcomputer // Fisheries. V. 7. № 5. P. 5–8. https://doi.org/10.1577/1548-8446(1982)007<0005:MOF-SAB>2.0.CO;2Geraghty P.T., Jones A.S., Stewart J., Macbeth W.G. 2012. Micro-computed tomography: an alternative method for shark ageing // J. Fish Biol. V. 80. № 5. P. 1292–1299. https://doi.org/10.1111/j.1095-8649.2011.03188.xGonçalves P., Silva V., Murta A., et al. 2017. Image Analysis as a tool to age estimations in fishes: An approach using Blue Whiting on ImageJ // Technological innovation for smart systems. DoCEIS 2017. IFIP advances in information and communication technology. V. 499. Cham: Springer. P. 167–174. https://doi.org/10.1007/978-3-319-56077-9_15Hernández C., Villamor B., Barrado J. et al. 2013. Validation of the first annulus in young of the year anchovy and sardine // Workshop on micro increment daily growth in European anchovy and sardine (WKMIAS). ICES CM 2013/ACOM:51. Copenhagen: ICES. P. 32–37.ICES. 2010. Report of the Workshop on age reading of European anchovy (WKARA). ICES CM 2009/ACOM:43. Copenhagen: ICES, 122 p.ICES. 2017. Report of the Workshop on age estimation of European anchovy (Engraulis encrasicolus). ICES CM 2016/SSGIEOM:17. Copenhagen: ICES, 223 p.ICES. 2019. ICES SmartDots Web Application Manual, 20 p. https://doi.org/10.17895/ices.pub.4603ICES. 2020. Workshop on age validation studies of small pelagic species (WKVALPEL) // ICES Sci. Rep. V. 2. № 15. 76 p. https://doi.org/10.17895/ices.pub.5966Macy W.I. 1995. The application of digital image processing to aging of long-finned squid, Loligo pealei, using the statolith // Recent developments in fish otolith research. Columbia: Univ. South Carolina Press. P. 283–302.Mahé K. 2009. Project № 044132. Automated fish ageing (AFISA): final activity report. Boulogne-sur-Mer: IFREMER, 174 p. (www.ices.dk/about-ICES/projects/EU-RFP/EU%20Repository/AFISA/FP6%20AFISA%20Final%20Activity%20Report.pdf. Version 07/2022).Mahé K., Fave S., Couteau J. 2011. TNPC User guide. Brest et al.: IFREMER et al., 74 p. (http://archimer.ifremer.fr/doc/00032/14288. Version 07/2022).McGowen M., Prince E., Lee D. 1987. An inexpensive microcomputer-based system for making rapid and precise counts and measurements of zonations in video displayed skeletal structures of fish // Age and growth of fish. Ames: Iowa State Univ. Press. P. 385–395.Messieh S.N., MacDougal C., Claytor R. 1989. Separation of Atlantic herring stocks in the southern Gulf of St. Lawrence using digitized otolith morphometrics and discriminant function analysis // Can. Techn. Rep. Fish. Aquat. Sci. № 1647. 22 p.Metscher B.D. 2009. MicroCT for comparative morphology: simple staining methods allow high-contrast 3D imaging of diverse non-mineralised animal tissues // BMC Physiol. V. 9. Article 11. https://doi.org/10.1186/1472-6793-9-11Moore B.R., Maclaren J., Peat C., et al. 2019. Feasibility of automating otolith ageing using CT scanning and machine learning // New Zealand Fish. Assessment Report 2019/58, 23 p. https://doi.org/10.13140/RG.2.2.29670.16960Morison A.K, Burnett J., McCurdy W.J., Moksness E. 2005. Quality issues in the use of otoliths for fish age estimation // Mar. Freshw. Res. V. 56. № 5. P. 773−782. https://doi.org/10.1071/MF04217Nava E., Villar E.I., Clemente M.C., et al. 2018. Digital imaging tool to enhance otolith microstructure for estimating age in days in juvenile and adult fish // IEEE J. Ocean. Eng. V. 43. № 1. P. 48–55. https://doi.org/10.1109/JOE.2016.2644998Palmer M., Álvarez A., Tomás A., Morales-Nin B. 2005. A new method for robust feature extraction of otolith growth marks using fingerprint recognition methods // Mar. Freshw. Res. V. 56. № 5. P. 791–794. https://doi.org/10.1071/MF04207Panfili J., Ximenes M.-C., Do Chi T. 1990. Age determination of eels in the French Mediterranean lagoons using classical methods and an image analysis system // Int. Rev. Ges. Hydrobiol. Hydrogr. V. 75. № 6. P. 745–754. https://doi.org/10.1002/iroh.19900750608Panfili J., de Pontual H., Troadec H., Wright P.J. 2002. Manual of fish sclerochronology. Brest: IFREMER-IRD, 464 p.Parsons K.T., Maisano J., Gregg J., et al. 2018. Age and growth assessment of western North Atlantic spiny butterfly ray Gymnura altavela (L. 1758) using computed tomography of vertebral centra // Environ. Biol. Fish. V. 101. № 1. P. 137–151. https://doi.org/10.1007/s10641-017-0687-xRobertson S.G., Morison A.K. 1999. A trial of artificial neural networks for automatically estimating the age of fish // Mar. Freshw. Res. V. 50. № 1. P. 73–82. https://doi.org/10.1071/MF98039Takashima Y., Takada T., Matsuishi T., Kanno Y. 2000. Validation of auto-counting method by NIH image using otoliths of white-spotted char Salvelinus leucomaenis // Fish. Sci. V. 66. № 3. P. 515–520. https://doi.org/10.1046/j.1444-2906.2000.00081.xTroadec H. 1991. Frequency demodulation on otolith numerical images for the automation of fish age estimation // Aquat. Living Resour. V. 4. № 4. P. 207–219. https://doi.org/10.1051/alr:1991022Troadec H., Benzinou A., Rodin V., Le Bihan J. 2000. Use of deformable template for two-dimensional growth ring detection of otoliths by digital image processing: Application to plaice (Pleuronectes platessa) otoliths // Fish. Res. V. 46. № 1–3. P. 155–163. https://doi.org/10.1016/S0165-7836(00)00142-9Uriarte A. 2002. 2001 Anchovy otolith exchange programme from subarea VIII and Division IXa // Annex to PELASSES report. EU study Project. EC DG XIV Contract №99/010. Copenhagen: ICES, 12 p. (https://www.ices.dk/community/Documents/PGCCDBS/ANCHOVY%-20OTOLITH%20EXCHANGE%20REPORT%202001.pdf. Version 07/2022).Uriarte A., Dueñas C., Duhamel E., et al. 2007. 2006 Anchovy otolith workshop // Working Document to the 2007 ICES Planning Group on Commercial Catch, Discards and Biological Sampling (PGCCDBS). ICES CM 2007/ACFM:09. Copenhagen: ICES, 58 p. (https://www.ices.dk/community/Documents/PGCCDBS/ANCHOVY%20OTOLITH%-20WORKSHOP%202006_REPORT_DEF.PDF. Version 07/2022).Uriarte A., Rico I., Villamor B., et al. 2016. Validation of age determination using otoliths of the European anchovy (Engraulis encrasicolus L.) in the Bay of Biscay // Mar. Freshw. Res. V. 67. № 7. P. 951–966. https://doi.org/10.1071/MF15092Villamor B., Uriarte A. 1996. Results of the anchovy (Engraulis encrasicolus L.) exchange programme in 1996 // Working Document to the 1996 ICES Working Group on the assessment of mackerel, horse mackerel, sardine and anchovy. Copenhagen: ICES, 7 p. (https://www.ices.dk/community/Documents/PGCCDBS/Anchovy%20Otolith%20-Exchange%201996.pdf. Version 07/2022)Vitale F., Worsøe Clausen L., Ní Chonchúir G. (eds.) 2019. Handbook of fish age estimation protocols and validation methods. ICES Coop. Res. Rept. № 346. 180 p. https://doi.org/10.17895/ices.pub.5221Welleman H., Storbeck F. 1995. Automatic ageing of plaice (Pleuronectes platessa L.) otoliths by means of image analysis // Recent developments in fish otolith research. Columbia: Univ. South Carolina Press. P. 271–282.Whitman G., Johnson R.C. 2016. Imaging of otoliths for analysis of fish age and growth: a guide for measuring daily increments in adult and juvenile otoliths using Image-Pro Premier®, Davis: Univ. California, Center Watershed Sci., 10 p.