Hem / Forskning / Miljö och samhälle / Maskininlärning för att förbättra design av ålpassager

Projekt:

jan 2024

aug 2026

Pågående

Maskininlärning för att förbättra design av ålpassager

Vattenkraftens för- och nackdelar är fortsatt aktuella och dagens kraftbolag försöker optimera energiutvinningen och samtidigt minimera negativa effekter på miljön. I Sverige är frågan högaktuell i och med att miljövillkoren för merparten av de cirka 2300 svenska vattenkraftverken kommer att förnyas under de kommande 20 åren. Åtgärder för att återskapa konnektiviteten vid vattenkraftverk är kostsamma och måste utformas på rätt sätt och implementeras på rätt plats. Projektet syftar därför till att ta fram ny kunskap som ökar förståelsen kring blankålars rörelsemönster utifrån rådande miljöfaktorer och därmed bidra till en optimerad design av passageåtgärder för ål.

Hållbart nyttjande av naturresurser innebär avvägningar mellan olika ekosystemtjänster. Människan har i hundratals år använt vattendrag som kraftkällor, vilket inneburit att energimässiga och ekonomiska vinster gjorts på bekostnad av miljövärden, eftersom anlagda dammar är vandringshinder för akvatiska organismer. Dagens samhälle är i stort behov av energi och till följd av den pågående utökade elektrifieringen av samhället ökar elförbrukningen. Samtidigt ökar allmänhetens miljömedvetenhet och därmed även kravet på en övergång till energislag med begränsad klimatpåverkan. I Sverige är frågan högaktuell i och med att miljövillkoren för merparten av de cirka 2300 svenska vattenkraftverken kommer att förnyas under de kommande 20 åren. Åtgärder för att återskapa konnektiviteten vid vattenkraftverk är kostsamma och måste utformas på rätt sätt och implementeras på rätt plats.

I detta projekt kommer forskare inledningsvis attanalysera ett befintligt dataset innehållande högupplöst hydraulik och ålvandringsdata samt abiotiska faktorer från en studie i Ätran 2017 (Kjaerås et al., 2023). Totalt märktes 98 blankålar med akustiska telemetrisändare med djupsensor och spårades därefter när de passerade Hertings kraftverk i Ätran, både via en avledare (β-galler med flyktöppning) och via spill ner i en naturlik fiskväg. Flödesdata har modellerats med CFD och en rad andra abiotiska parametrar finns att tillgå. Alla data är kontrollerad och analyserad sedan tidigare , men det som återstår är att analysera kopplingen mellan ålens rörelser och de abiotiska parametrarna inklusive hydrologi och hydraulik. Denna analys kommer följa det protokoll som tagits fram för laxsmolt i Mandalselva inom ovan nämnda projekt (Silva et al. 2020).

Den nya kunskap som genereras kommer vara överförbar till andra platser, precis som tidigare studier där åtgärder utvärderats. Till skillnad från tidigare liknande studier kommer vi här med hög upplösning kunna studera hur ålarna rör sig och hur vägval och beteenderespons beror av t.ex. bottenstruktur, vattnets rörelser (hastighet, riktning, turbulens etc), temperatur, ljus m.m. Detta är ett unikt dataset som i dagsläget saknar motsvarighet, eftersom det inkluderar en effektiv åtgärd för nedströmspassage (både lax och ål) i kombination med högupplöst data både för ålens rörelser och hydrodynamik.

Sammantaget kommer resultaten bidra till en mer robust design av åtgärder för nedströmsvandrande ål, ett område där det i dag råder en betydande kunskapsbrist. Dessutom utgör projektet ett nödvändigt första steg i processen med att utveckla en prediktiv modell som framgent kommer göra det möjligt att ”in silico” testa, utvärdera och förbättra åtgärder innan de implementeras vid vattenkraftverk.

Kontakt

Olle Calles

Projektledare

Karlstad universitet

Epost