Nå er planen at alle relevante og tilgjengelige data skal brukes i den videre utviklingen, og dessuten vil forskerne inkludere avansert fiskebiologisk kunnskap.
– Det blir litt som å dekode fiskehjernen, våre modeller skal fôres med informasjon om fiskebiologi fra mange ulike fiskearter. Vi kombinerer fiskebiologien med en rekke eksterne faktorer i miljøet for å kunne si om fisken vil like en bestemt plass, sier seniorforsker Boyan Yuan i NORCE.
Alt dette skal i sum muliggjøre mer presis prediksjon av fiskens bevegelser, og dessuten gradere mulighetene innenfor fiskeplassene.
– Når vi etter hvert går fra statisk til dynamisk informasjon, vil brukere av appen merke en tydelig forskjell: de beste fiskeplassene kan flytte noe på seg over et tidsrom. I dag vises fiskeguiden som ett stillestående, ugradert felt. En fremtidig versjon av appen vil gjøre det lettere å oppleve fiskelykke, sier Yuan.
Forskerne har også tenkt å samle inn undervannsvideoer fra lokasjoner der dette er mulig. Dermed kan du etter hvert også vurdere bunnforholdene på stedet og hvilket utstyr du ønsker å bruke der. Eller bare få et inntrykk av hvordan stedet ser ut fra fiskens synsvinkel.
Utvikler modellene
Totalbudsjettet for det 3-årige prosjektet AI4FISH – AI for sustainability in marine recreational fishing participation: Scalable spatiotemporally resolved ml models er 7,9 millioner kroner. Av disse går 3,8 millioner til NORCE.
Boyan og kollegene er kommet i gang med å bygge opp en database og utvikle modellene.
- Fiskhers Trond Svandal har allerede utprøvd en enkel modell med et begrenset antall utvalgte parametre. Dessuten har vi sett på tradisjonelle artsdistribusjonsmodeller med programvare som har gode opplegg for behandling av geospatial data, for prøvearter som brosme, lange, ur og sjøørret. Resultatene er lovende, sier Yuan.
Nedskaleres for å gi mer nøyaktig informasjon
Forskerne skal i modellene vektlegge en rekke faktorer, som deles inn i en statistisk og en dynamisk del. De mer statistiske faktorene handler om bunntopografi, sedimenttyper, næring og oksygeninnhold i vannet.
De dynamiske faktorene er vind, bølger, strømmer og temperatur. Datamodellen skal nedskaleres slik at den gir mer nøyaktig informasjon over mindre områder.
–50 x 50 meter blir ett datapunkt, så det blir ganske høy spatial oppløsning, og eksempelvis vind og bølger oppdateres hver time og værmeldinger gir prognoser for en uke. Vi må takle datamengdene ved å lage et lite datasett først og så oppskalere det. sier Boyan Yuan.
Potensielt viktig verktøy for forvaltningen
Utviklingen av appen handler for øvrig ikke bare om å øke fiskelykken. Informasjon som tilbys i fremtidige versjoner av appen Fiskher kan potensielt bli et viktig verktøy for forvaltningen i å overvåke bestander.
–Så man kan si at enda viktigere enn å finne fisk, er det at vi kan bidra til god forvaltning av fiskebestander langs kysten. På dette feltet kan FiskHer spille en viktig rolle, sier Yuan.
– Langs kysten er det store verdier, på verdensbasis er det flere hundre millioner mennesker som fisker regelmessig. I det ligger det en stor økonomisk verdi. Men det har samtidig noen negative konsekvenser, som FiskHer kan være med på å redusere. Dette er spennende, vi er glade for å få være forskningspartner i prosjektet, og for at Forskningsrådet ser verdien av arbeidet, sier Yuan.