Big data som styringsverktøy for fiskehelse og fiskevelferd

Fiskevelferd – et spørsmål om oversikt

Fiskesykdommer i havbruk er sjelden å anse som isolerte tilfeller, og hvis de opptrer isolert har de potensiale til å påvirke naboanlegg eller hele områder negativt ved at områder båndlegges eller enkeltoppdrettere.

Uten et formalisert, sikkert og juridisk avklart samarbeid vil det bli svært krevende for, spesielt de børsnoterte oppdrettsselskapene, å delta i delingsbasert samarbeidsnettverk på en systematisk måte.

AquaCloud

Et eksempel på  et slikt samarbeidsnettverk er AquaCloud og effektiv deling av data. I prosjektet ser en på hvordan store datasett og kunstig intelligens kan brukes til å effektivisere lakselusbekjempelsen.  Målet er å kunne redusere antall behandlinger og kunne reagere proaktivt med forebyggende midler.

Prosjektet mottar i dag data fra drøyt 40% av alle havbruksanlegg i Norge og det er klart at med slik datamengde blir det mulig å opparbeide en mye bedre situasjonsforståelse enn hva man har vært i stand til å gjøre tidligere. I prosjektet nyttiggjør man seg av over 50 dataparametere som omfavner størrelse og antall, fôring, overlevelse, rensefisk, behandlinger, lusetellinger og miljødata på merdnivå. Dette datasettet forsterkes med Havforskningens kyststrømmodell og lusesmittepress. Prosjektet vil også bidra med rådata inn i Havforskningens egne modeller som forbedrer modellene.

Samkjøring av Big data

Ved samkjøring av alle disse datasettene vil en kunne forsterke arbeidet med lakselusbekjempelse på flere måter. Et aspekt er å vite at, basert på egne tellinger, om det en reell fare for å krysse lusegrensene innenfor en horisont på 14 dager. En annen er at ved å bruke AquaCloud sammen med Havforskningens kyststrøm, og lusespredningsmodeller kan man evaluere faren for påslag og om det er rett å implementere tiltak som å slippe ned luseskjørt eller gå til andre tiltak som har en effekt på lusas muligheter til å finne verter.

Ser man bort fra lakselus, men fokuserer fortsatt på fiskehelse så er det klart at akkurat samme modeller kan indikere hvordan smitte fra et anlegg eller sone kan spre seg og en kan treffe forvaltningstiltak på et godt fundamentert grunnlag.

Mangelfull miljøovervåkning

En hendelse på Færøyene i september 2018 viser hvor store mangler det er i det som en kan kalle naturlig miljøovervåking. Næringen har ikke god informasjon om hvor mange hendelser det er i året om uspesifisert dødelighet hvor mistanken er skadelige mikroalger. I dette tilfellet visste man ikke årsaken til at 750 000 fisker døde, men en antok at det kunne være alger.

Fordi det ikke finnes noen systematisk algeovervåking og kommersielt tilgjengelig modellering av spredningen av disse i kystfarvannet, hverken for myndighetene eller hos havbruksselskapene vil man måtte akseptere uforklarlige hendelser som har store konsekvenser for dyrevelferden i anleggene.

Mye kunne blitt gjort med IoT sensorer som kan måle forekomster og artsanalyse av microalger i sjøvann. Sammen med satellittbilder fra Norsk Romfartssenter hvor man legger opp til forvarsel og kjøper seg tid til å treffe tiltak eller endre driftsoperasjoner til fordel for fisken.

Utstrakt bruk av Big data

Slike datasett, analysemetoder og teknologier som utgjør digitalisering kan brukes til svært mange typer analyser og prognoser som både fokuserer på fiskehelse og fiskevelferd.

En ser for seg at selskapene kan iverksette utstrakt bruk av egne operasjonelle data til å analysere alle aspekter av driften og innsatsfaktorene. Dette omfatter fôr, genetikk, leverandører av annen teknologi eller andre typer analyser som både eksisterer og vil kunne bli unnfanget gitt tilstrekkelig tilgang på datasett av god kvalitet. Dette kan matches, benchmarkes eller forsterkes med andre datasett, og, til en viss grad, operasjonelle data fra andre havbruksselskap.

Dette bringer oss rett over på en annen viktig problemstilling; hvem eier data som høstes i oppdrettsanleggene?

Eierskap til data

Svaret på det spørsmålet er forholdsvis enkelt sett i lys av arbeidet med AquaCloud hvor havbruksselskapene forholder seg til operasjonelle data som selskapets eiendom, med udelt disposisjonsrett.

Eiendomsrett til upersonlig data er i utgangspunktet noe komplisert, men i en utmerket kommentar skriver advokat Kristian Foss at «Utgangspunktet må være at den som skaper noe, må stå nærmest til å disponere om det som skapes.» (digi.no 06.03 2015).

I Norsk landbruk har man Landbrukets Dataflyt, et selskap som eies av sentrale aktører innen Norsk landbruk. Selskapet bidrar til bedre samhandling mellom en rekke aktører i og utenfor landbruket men det springende punktet er at bonden bestemmer selv hvem som skal få tilgang til sine data. Bonden har derfor eierskap og disposisjonsrett til operasjonelle datasett han eller hun måtte produsere.

I landbruket ellers i Europa har man forholdt seg til samme prinsipp og selskaper som ønsker å nyttiggjøre seg av data fra utstyr de selv produserer må avtale det i gjennom forholdsvis omfattende avtaler med bonden. Basert på dette kan en trekke den slutningen at hovedregelen er at de data som genereres i havbruksproduksjonen, uavhengig av sensor eller plattform, er havbruksselskapets eiendom.

Dette eierskapsforholdet bør forvaltes med klokskap, uten tilgang til driftsdata fra produsentene vil ikke nye og eksisterende leverandører utvikle de produktene og tjenestene havbruksnæringen trenger for å ta steget inn i den digitale verdenen.