Vitenskapelig artikkel: Probabilistic models for harmful algae: application to the Norwegian coast

Forskere ved Nansensenteret og Havforskningsinstituttet har nylig publisert en studie i Environmental Data Science som beskriver hvordan kalibrering av probabilistiske modeller kan brukes til å forutsi utbrudd av skadelige alger langs norskekysten.

Reduserer helserisiko og økonomisk tap

Skadelige alger produserer toksiner som kan forurense skalldyr, noe som utgjør en helserisiko for mennesker og fører til økonomiske tap for skalldyrbønder.

Studiets modeller er spesielt nyttige for å identifisere perioder og områder med høyere risiko, og hjelper lokale myndigheter og andre interessenter med å utvikle mer effektive overvåkingsstrategier for å forhindre skalldyrforgiftning og redusere produksjonstap.

Maskinlæring

Forskerne har brukt maskinlæring for å estimere sannsynligheten for skadelig forekomst av åtte giftige algearter. Modellene er basert på miljøfaktorer som havoverflatetemperatur, fotosyntetisk aktiv stråling, blandingslagdybde og havoverflate-salinitet. Dataene som ble brukt til å trene modellene, strekker seg fra 2006 til 2013, og modellene ble testet med data fra 2014 til 2019.

Anvendelse

Modellene kan identifisere i hvilke regioner og til hvilke tider det er høyere risiko for skadelige alger, og dermed bidra til bedre overvåking og forebyggende tiltak. Metoden kan tilpasses andre kystregioner, ved hjelp av lignende miljødata som ofte er tilgjengelig gjennom fjernmåling. Dette betyr at andre land med lignende algeovervåkingsinfrastrukturer kan ha nytte av denne tilnærmingen.

Man kan også bruke modellene sammen med eksisterende miljøprognoser, noe som gjør prediksjonene mer robuste. Dette inkluderer korttids sesongprognoser og langtids klimaprognoser. Å integrere disse modellene i beslutningsprosesser kan bidra til å beskytte helsen til konsumentene og styrke motstandsdyktigheten til kystøkosystemer, noe som gjør skalldyrproduksjon tryggere og mer bærekraftig.