Live-övervakning av musselodlingar i Östersjön – för att förutspå toxinproduktion och minimera negativ miljöpåverkan

Musselodlingar är på många sätt en hållbar födoproduktion där näring tas upp ur vattnet och omsättas till mat som sen tas ur vattnet vid skörd. Detta är speciellt gynnsamt i övergödda Östersjön och därför vore det en framgång om denna bransch som använder sig av filtrerande organismer som musslor får chans att växa och etablera sig. Dock spenderar musselodlare idag mycket tid med att resa fram och tillbaka till sina odlingsställen för att se till att utrustningen fungerar korrekt samt för att manuellt samla in prover för att både säkerställa god ekologisk status runt odlingarna och låga toxinhalter från växtplankton i vattnet. Vårt projekt syftar till att utveckla och implementera ett integrerat övervakningssystem som kombinerar satellitdata, avancerade sensorer som mäter pigment hos växtplankton som en indikator på toxicitet och i relation till miljövariabler. Dessa system finns inte på marknaden för havsmiljö idag, liknande används i mindre omfattning i sjöar för dricksvatten i södra Sverige (Sydvatten) och här kan vi hämta inspiration och kunskapsutbyte. 

Vi kommer att använda oss av båda integrerade och datadrivna ansatser med kombination av satellitdata och sensordata, vi kommer även att ta in prover för mikroskopiövervakning av arter växtplankton och toxinhalter i musslor för att validera och matcha mot realtidsövervakningen för optimerad provtagning. Vi kommer att kunna följa utvecklingen i vattnet och vid bottnen under odlingarna i realtid och med ökad precision med hjälp av AI verktyg på den webbaserade plattformen som vi kommer utveckla för projektet och framtida användning av odlarna. Vi kommer även att utreda miljöpåverkan för att klargöra hur negativ påverkan från odlingarna kan minimeras, detta kommer göras genom undersökningar av sediment och syrehalter vid bottnen, samt växtplanktonsamhällen runt blomningar och i jämförelse med referensområden.

Med de fjärrstyrda övervakningssystem som finns genom satelliter och kopplar ihop den data som ges av sonderna med hjälp av maskininlärningsalgoritmer, så kan man förutspå toxinproduktion, effektivaste tiden för skörd och så vidare. Att sätta upp denna typ av övervakning skulle spara pengar för odlarna och för den statliga verksamheten som sköter övervakning och analys. Dessa system skulle även vara hjälpsamma på västkusten där många odlare håller till och där de får stänga i perioder varje år.

Den datadrivna optimeringen via insamling av prover och material för övervakning gör att vi kan specificera och specificera strategier för odlingsplatserna, vilket förbättrar effektiviteten och hållbarheten på en nivå som traditionella metoder inte klarar. De integrerade data vi samlar in kombinerat med AI verktyg är innovativt och kommer att generera helt nya vinklar på problematiken runt blomningar kring odlingar och ge nya sätt att förutspå miljöpåverkan. 

Baserat på resultaten från studien kommer odlarna att kunna optimera odlingsdjup och plats för att minimera negativ miljöpåverkan, även effektivisera produktionen och övervakningen med minimerade utsläpp från båtar som behövs för att regelbundet kontrollera odlingarna. Detta skapar en ökad hållbarhet i systemet. Genom att jämföra dessa alternativ med vår lösning, ser vi att vårt system inte bara kombinerar fördelarna med realtidsövervakning och dataanalys, utan också använder satellitdata för att få en bredare och mer detaljerad bild av miljöförhållandena. Detta genererar en unik och omfattande lösning som finns tillgänglig på marknaden i dagsläget.