Nyheter Bruk av KI for å forutsi skadelige algeoppblomstringer

Bruk av KI for å forutsi skadelige algeoppblomstringer: Fra Den engelske kanal til lakseproduserende Chile

2026/11/13

Skadelige algeoppblomstringer (HAB-er) utgjør en stor miljømessig og økonomisk utfordring for havbruksnæringen. Å kunne forutsi slike hendelser før de eskalerer, er avgjørende for å beskytte fiskeoppdrett. Derfor støtter BiOceanOr et doktorgradsprosjekt, gjennomført ved og under vitenskapelig ledelse av Laboratoire Environnement & Ressources ved Ifremer i Boulogne-sur-Mer (LERBL). Avhandlingen stiller spørsmålet: kan KI forutsi risikoen for HAB-er tidlig nok til å kunne handle, og samtidig forklare hvorfor?

Kombinere miljødata med KI

Forskningsprosjektet integrerer flere datakilder:

meteorologiske, hydrologiske og fysisk-kjemiske in-situ-data

celletall for planteplankton

satellittbaserte observasjoner

resultater fra numeriske modeller

Ved hjelp av kunstige nevrale nettverk, maskinlæring og forklarbar KI har denne forskningen som mål å forutsi sannsynligheten for HAB i sanntid. For å håndtere den «svarte-boksen»-problematikken som ofte forbindes med maskinlæringsmodeller, benyttes en SHAP-analyse (SHapley Additive exPlanations) for å identifisere hvilke miljøfaktorer som driver risikoen. Dette gjør at prediksjonene blir lettere å forstå og ha tillit til.

Nysgjerrig på hvordan BiOceanOr støtter vitenskapelig forskning?

Snakk med våre eksperter

Fra Den engelske kanal til lakseproduserende Chile

Metodikken utvikles først i den østlige delen av Den engelske kanal, som drar nytte av et tett observasjonsnettverk (den franske forskningsinfrastrukturen SNO COAST-HF) samt langsiktige data om plankton fra SNO PhytObs-nettverket og overvåkingsprogrammene SRN-REPHY.

I den videre prosessen vil forskningen undersøke i hvilken grad metodikken kan overføres til økosystemer med der overvåkingen er mindre omfattende og de historiske dataene mer begrensede. Denne andre fasen vil vurdere modellens tilpasningsevne og robusthet under ulike miljøforhold og ulike forutsetninger for datatilgang.

Chile er et spesielt relevant case for dette, ettersom landet er:

verdens nest største produsent av oppdrettslaks.

et sted der behovet for slike prediksjoner er reelt. I 2016 utslettet en oppblomstring av Pseudochattonella verruculosa mer enn 40 000 tonn laks (León Muñoz et al., 2018), og viktige hendelser har funnet sted i nyere tid, i 2021, 2023 og 2024.

en region der BiOceanOr allerede er til stede og samarbeider med flere lokale produsenter som ønsker å teste løsningene.

Fra vitenskapelig forskning til anvendt varsling for havbruk

Ved å kombinere multimodal datafusjon, maskinlæring og forklarbar KI, tar denne forskningen sikte på å utvikle prediktive verktøy som hjelper interessenter med å forutse HAB-hendelser, forbedre miljørisikovurderinger og ta bedre informerte beslutninger, for mer robust og bærekraftig havbruk.

Tette bånd til forskningsmiljøet har stått sentralt i BiOceanOrs prosjekt helt fra starten, og å omsette den nyeste forskningen til operative verktøy er en kjerneoppgave for oss. Denne avhandlingen er en naturlig videreføring av dette engasjementet, og av vårt pågående arbeid med HAB-er.