Zbarvení hraje v životě zvířat zásadní roli. Na jedné straně zvířata rozlišují barvy, což jim poskytuje důležité informace o prostředí a umožňuje např. nacházet potravu nebo vhodného partnera. Na straně druhé může být jejich vlastní zbarvení signálem pro jedince stejného či jiného druhu a umožnit tak např. předvést své kvality nebo se vyhnout predaci. Zbarvení zvířat je tak pod neustálým tlakem přírodního výběru a odedávna přitahuje pozornost vědecké komunity. K získání objektivních informací o barvách ale také vzorech (např. skvrnitosti ptačích vajec) se dnes nejvíce využívá nástroj micaToolbox, který analyzuje digitální fotografie a simuluje, jakým způsobem jednotlivé druhy skutečně vidí okolní svět.
K dalšímu čtení v Živě
Ultrafialový svět bezobratlých (2012, 1)
Svět očima zvířat aneb jak ptáci vnímají barvy (2014, 4)
Ultrafialový svět rostlin I. Jak vzniká zbarvení – od nositele k interpretovi (2016, 2)
Ultrafialový svět rostlin II. Jak zachytit neviditelné a když červená není (jen) červená (2016, 3)
Ultrafialový svět rostlin III. Neviditelná pestrost květů – evoluce a význam UV znaků (2016, 4)
Jaroslav Petr: Desatero smyslů (2021, 4)
Použitá a citovaná literatura
VAN DEN BERG, Cedric P., et al. Quantitative Colour Pattern Analysis (QCPA): A comprehensive framework for the analysis of colour patterns in nature. Methods in Ecology and Evolution, 2020, 11.2: 316-332.
BRIOLAT, Emmanuelle S., et al. Artificial nighttime lighting impacts visual ecology links between flowers, pollinators and predators. Nature communications, 2021, 12.1: 1-8.
CAVES, Eleanor M.; BRANDLEY, Nicholas C.; JOHNSEN, Sönke. Visual acuity and the evolution of signals. Trends in ecology & evolution, 2018, 33.5: 358-372.
CRONIN, Thomas W.; BOK, Michael J. Photoreception and vision in the ultraviolet. Journal of Experimental Biology, 2016, 219.18: 2790-2801.
KANE, Suzanne Amador, et al. How conspicuous are peacock eyespots and other colorful feathers in the eyes of mammalian predators?. PloS one, 2019, 14.4: e0210924.
LANGMORE Naomi E., et al. Are dark cuckoo eggs cryptic in host nests?. Animal Behaviour, 2009, 78(2):461–468.
NOKELAINEN, Ossi, et al. The giant panda is cryptic. Scientific reports, 2021, 11.1: 1-10.
SCHNEIDER, Caroline A.; RASBAND, Wayne S.; ELICEIRI, Kevin W. NIH Image to ImageJ: 25 years of image analysis. Nature methods, 2012, 9.7: 671-675.
STODDARD, Mary Caswell, et al. Higher-level pattern features provide additional information to birds when recognizing and rejecting parasitic eggs. Philosophical Transactions of the Royal Society B, 2019, 374.1769: 20180197.
ŠULC, Michal, et al. Automatic identification of bird females using egg phenotype. Zoological Journal of the Linnean Society, 2022, 195.1: 33-44.
TROSCIANKO, Jolyon; STEVENS, Martin. Image calibration and analysis toolbox–a free software suite for objectively measuring reflectance, colour and pattern. Methods in Ecology and Evolution, 2015, 6.11: 1320-1331.
WILDER, Kelley. Photography and science. London: Reaktion books, 2009.
Colouration plays a crucial role in the life of animals. On the one hand, animals distinguish between colours, which give them important information about their environment and enables them e.g. to find food or a suitable mate. On the other hand, their own colouration can be a signal to individuals of the same or different species, allowing them for instance, to display their qualities or avoid predation. Animal colouration is thus under constant selection pressure and has always attracted the attention of the scientific community. To obtain objective information on colours as well as patterns (e.g. the speckles of bird eggs), the micaToolbox is nowadays the most widely used tool which analyses digital photographs and simulates how animals actually see the world.
-
Elektromagnetické spektrum. Člověk vnímá viditelné světlo o vlnové délce 400–700 nm, ale mnoho zvířat vnímá i ultrafialové záření (UV). Orig. M. Šulc
-
Hnízdo rákosníka velkého (Acrocephalus arundinaceus) parazitované kukačkou obecnou (Cuculus canorus). Mimetické kukaččí vejce vlevo. Foto O. Mikulica
-
Zbarvení vajec rákosníka velkého (Acrocephalus arundinaceus) je komplexnější než u vlaštovky obecné (Hirundo rustica). Orig. M. Šulc
-
Diagram zobrazující hlavní kroky při přípravě fotografie k analýze barvy nebo vzoru pomocí nástroje micaToolbox. Po otevření fotografie (Generate Multispectral Image) a označení šedého standardu (žlutý rámeček na tomto obrázku) jsou všechny pixely automaticky standardizovány a dojde k extrakci jednotlivých barevných kanálů (tento a následující obrázek, RGB pro viditelné světlo a uvR, uvB pro UV záření). Upraveno podle: J. Troscianko a kol. (2015)
-
Diagram zobrazující hlavní kroky při přípravě fotografie k analýze barvy nebo vzoru pomocí nástroje micaToolbox. Po otevření fotografie (Generate Multispectral Image) a označení šedého standardu (žlutý rámeček na předchozím obrázku) jsou všechny pixely automaticky standardizovány a dojde k extrakci jednotlivých barevných kanálů (tento a předchozí obrázek, RGB pro viditelné světlo a uvR, uvB pro UV záření). Upraveno podle: J. Troscianko a kol. (2015)
-
Diagram zobrazující hlavní kroky při přípravě fotografie k analýze barvy nebo vzoru pomocí nástroje micaToolbox (viz předchozí dva obrázky). Vytvořený obrázek složený ze všech barevných kanálů je připravený k měření odrazivosti nebo převedení do zrakového systému studovaného druhu (Convert to Cone Catch). Upraveno podle: J. Troscianko a kol. (2015)
-
Diagram zobrazující hlavní kroky při přípravě fotografie k analýze barvy nebo vzoru pomocí nástroje micaToolbox (viz předchozí tři obrázky). Vybereme měřítko a objekty, pro které chceme hodnotit barvu a vzor. Pokud je nevybereme, bude analyzován celý snímek. Obrázek můžeme upravit na ostrost vidění druhu (Acuity View). Pro jeden snímek provedeme analýzu barev a vzoru funkcí Pattern Colour and Luminance Measurements, pro skupinu pomocí funkce Batch Multispectral Image Analysis. Upraveno podle: J. Troscianko a kol. (2015)
-
Vlevo květenství (úbor) slunečnice topinamburu (Helianthus tuberosus) vyfotografované pod slunečním zářením s použitím UV filtru (tak ho vnímá člověk). Vpravo je tentýž úbor focený s filtrem propouštějícím pouze UV záření. UV fotografie ukazuje značný rozdíl v odrazivosti UV záření mezi vnitřní a vnější polovinou korunních lístků jazykovitých květů. Ačkoli je zobrazený barevný rozdíl neviditelný pro člověka, včely a mnohý další hmyz dokážou tento signál vnímat. Orig. M. Šulc
-
Vejce vlaštovky obecné. Na obrázku uprostřed a vpravo (energy maps, mapy energie) je ukázán graficky rozdíl mezi energií těchto malých (jemný filtr vlevo) a větších (hrubší filtr vpravo) skvrn. Je vidět, že mapa pro větší filtr zachycuje skvrnitost vejce věrněji než pro menší filtr. Orig. M. Šulc
-
Vejce vlaštovky obecné (předchozí obrázek) křivka energie vzoru, popisující míru skvrnitosti (osa y) a velikost skvrn (x). Největší energie je dosaženo při filtru 11 px (pixelů, zelený bod), což znamená, že skvrny na skořápce vejce mají na fotografii převážně tuto velikost. Naopak malých skvrn o 3 px (červený bod) je minimum, a proto je i energie mnohem nižší. Orig. M. Šulc
-
Dvě vejce snesená dvěma samicemi vlaštovky obecné a jejich křivky energie vzoru (následující obrázek). Velikost červené plochy ukazuje rozdíl mezi množstvím a velikostí skvrn vajec. Skořápka prvního vejce má mnoho malých skvrn a maximální energie je tak dosaženo při velikosti filtru 6 px (červený bod modré křivky a odpovídající mapa energie vpravo od vejce). Druhé vejce obsahuje hlavně větší skvrny a maximální energie je naměřena při filtru 16 px (červený bod zelené křivky a odpovídající mapa energie napravo od vejce, blíže v textu). Orig. M. Šulc
-
Dvě vejce snesená dvěma samicemi vlaštovky obecné (předchozí obrázek) a jejich křivky energie vzoru. Velikost červené plochy ukazuje rozdíl mezi množstvím a velikostí skvrn vajec. Skořápka prvního vejce má mnoho malých skvrn a maximální energie je tak dosaženo při velikosti filtru 6 px (červený bod modré křivky a odpovídající mapa energie vpravo od vejce). Druhé vejce obsahuje hlavně větší skvrny a maximální energie je naměřena při filtru 16 px (červený bod zelené křivky a odpovídající mapa energie napravo od vejce, blíže v textu). Orig. M. Šulc
-
Ostrost lidského zraku, měřená v cyklech na stupeň (cycles per degree, tento obrázek, 72 cpd, 30 cm, blíže v textu), daleko přesahuje ostrost vidění většiny druhů zvířat. Proto mnoho živočichů, včetně včely medonosné (Apis mellifera), často nedokáže vnímat jemné detaily, které my vidíme. Funkce Acuity View, součást micaToolbox, simuluje ostrost vidění studovaných druhů (následující obrázek, 0,5 cpd, 30 cm). Orig. M. Šulc
-
Ostrost lidského zraku, měřená v cyklech na stupeň (cycles per degree, předchozí obrázek, 72 cpd, 30 cm, blíže v textu), daleko přesahuje ostrost vidění většiny druhů zvířat. Proto mnoho živočichů, včetně včely medonosné (Apis mellifera), často nedokáže vnímat jemné detaily, které my vidíme. Funkce Acuity View, součást micaToolbox, simuluje ostrost vidění studovaných druhů (tento obrázek, 0,5 cpd, 30 cm). Orig. M. Šulc
