Maskininlärning och ålpassage = Sant?

Projektet syftar till att skapa ny kunskap om blankålars rörelsemönster och hur dessa påverkas av miljöfaktorer, för att kunna utforma effektivare och mer hållbara passageåtgärder vid vattenkraftverk. Genom högupplöst data och avancerad analys vill forskarna förbättra förståelsen för ålens beteende och stödja både ekologiska och ekonomiska beslut.

Projektet bygger på ett unikt dataset från Ätran 2017, där 98 blankålar märkts med akustiska sändare med djupsensor. Forskarna följde ålarna när de passerade Hertings kraftverk, både via en avledare med flyktöppning och en naturlik fiskväg. Tidigare analyser har gett detaljerad information om vattenflöden och andra miljöfaktorer, men hur dessa påverkar ålarnas rörelser är fortfarande okänt.

Nu ska forskarna med hjälp av ett analysprotokoll för laxsmolt studera hur ålarnas vägval och beteende påverkas av bottenstruktur, vattnets rörelser, temperatur och ljus. Resultaten kan användas även på andra platser och hjälper till att skapa bättre lösningar för ålarnas passage vid vattenkraftverk. Projektet är också ett första steg mot prediktiva modeller som på sikt kan testa och förbättra åtgärder innan de byggs.

Bakgrund

Hållbart nyttjande av naturresurser kräver avvägningar mellan olika ekosystemtjänster. I dagens samhälle ökar behovet av energi i takt med en allt större elektrifiering, samtidigt som miljömedvetenheten stiger och kraven på förnybara energikällor med låg klimatpåverkan ökar. Vattenkraften är en av få storskaliga förnyelsebara energikällor som dessutom kan regleras, vilket gör att dess miljöeffekter och möjligheter till optimering är högst aktuella.

I Sverige förnyas miljövillkoren för merparten av landets cirka 2300 vattenkraftverk under de kommande 20 åren. Åtgärder för att återställa vattnets konnektivitet är både kostsamma och platsberoende, vilket gör förbättrad kunskap om fiskpassage både ekologiskt och ekonomiskt värdefull.