Dodaj 24sata među omiljene izvore na Googleu
Europsko ribarstvo suočava se s nedostatkom podataka o stanju u moru i ribljim stokovima. Znanstvenici zato razvijaju digitalne alate koji bi mogli omogućiti preciznije praćenje ribolova i održivije upravljanje
Kombinirajući umjetnu inteligenciju, kamere i tragove DNK-a u morskoj vodi znanstvenici pokušavaju stvoriti transparentnu sliku o ribolovu i omogućiti veću održivost u ribarstvu. Europske ribarske flote ulove godišnje 3,2 milijuna tona ribe u vrijednosti od 5,5 milijardi eura. Međutim, ribari, znanstvenici i regulatorna tijela još uvijek nemaju potpunu sliku o tome što se događa na moru.
POGLEDAJTE VIDEO:
Pokretanje videa...
VIDEO
U Belgiji, na primjer, koja ima samo oko 60 ribarskih plovila, znanstveno uzorkovanje na brodu trenutačno obuhvaća samo 1,5 % izlazaka u ribolov, izjavila je Els Torreele. Ona vodi istraživanja u području ribarstva na Flandrijskom istraživačkom institutu za poljoprivredu, ribarstvo i hranu (ILVO) u Belgiji.
- Ne raspolažemo s dovoljno podataka pa ne znamo sve što bismo trebali znati o tome što se događa u moru ili sa stokovima, rekla je.
Ribari koji isplovljavaju, baš kao i upravitelji koji nadziru njihov rad, rijetko sa sigurnošću znaju što će uloviti. Pri tradicionalnom praćenju, mjerodavne su informacije koje prikupljaju znanstveni promatrači na plovilima, a to je ograničen i radno zahtjevan pristup, koji obuhvaća samo dio aktivnosti na moru.
Taj jaz može izazvati nepovjerenje između ribara i znanstvenika. Kada podaci nisu potpuni, regulatori mogu primijeniti preventivno smanjenje kvota, prema načelu „bolje spriječiti nego liječiti”, ali ribari ta smanjenja često doživljavaju kao proizvoljna kad su u suprotnosti s onim što vide na moru.
Isti nedostatak informacija odnosi se i na odbačeni ulov i neprijavljeni ulov, što je tek malen dio šireg problema u vezi s podacima, a istraživači poput Els Torreele pokušavaju ga riješiti novom generacijom digitalnih alata.
Od 2024. Els Torreele voditeljica je inicijative OptiFish, koja se financira sredstvima EU-a. U okviru nje razvija se tehnologija za automatsko prepoznavanje vrsta riba i bolje praćenje ulova.
U okviru te četverogodišnje suradnje istraživači iz osam zemalja rade na unapređenju praćenja ribarstva i upravljanja ribarstvom diljem Europe. Kombinirajući sustave umjetne inteligencije, računalni vid, elektroničko praćenje, genetske analize i robotičke sustave oni uspostavljaju integrirani digitalni sustav za praćenje.
- Što su bolji podaci kojima raspolažete, to je vaša priča jasnija, a vaša slika o tome što se događa u morskom okolišu postupno se upotpunjuje”, naglasila je Torreele.
Važno je odabrati pravi trenutak. EU je uveo nova pravila kako bi se popunile praznine u provedbi zakonodavstva zbog kojih je nezakonit i neprijavljen ribolov ponekad ostajao neotkriven. Ta su pravila u skladu s logikom da se kvotama štite riblji stokovi samo ako se oni i prate. U skladu s revidiranom Uredbom o kontroli ribarstva, elektroničko izvješćivanje već je obvezno za većinu plovila, pri čemu će se do 2028. praćenje proširiti na manje brodove, a pravila o digitalnoj sljedivosti prerađene ribe stupit će na snagu do 2029.
Međutim, digitalno izvješćivanje samo po sebi neće riješiti problem nedostatka informacija. Bez detaljnih podataka o tome koje se vrste love, gdje i u kojim količinama upravitelji u ribarstvu ne mogu donositi dobre odluke o održivim ograničenjima ulova, slijediti morske prehrambene proizvode duž lanca opskrbe ili pomoći ribarima u planiranju izlazaka u ribolov.
- Sve počinje s podacima, izjavio je Sander Delacauw, morski biolog na institutu ILVO.
- Ako želite ribarstvom upravljati na održiv način, morate osigurati da su svi podaci koje prikupljate visokokvalitetni i dostatni za procjene stokova koje se uzimaju u obzir pri utvrđivanju kvota i donošenju odluka o upravljanju, nastavlja.
- Međutim, problem je u tome što se trenutačno velik dio uzorkovanja obavlja ručno, a promatrači ne mogu biti neprestano na moru, dodao je.
- Kada se upotrebljavaju kamere, ljudi često moraju ručno pregledavati snimke, što oduzima jako mnogo vremena, tvrdi Delacauw.
U okviru inicijative OptiFish to se nastoji riješiti razvojem skupa tehnologija, kao što su kamere u kombinaciji s algoritmima umjetne inteligencije koji mogu prepoznati i brojati riblje vrste.
- Na početku prikupljamo dostatne količine podataka za uvježbavanje algoritama, rekao je Delacauw.
- To je kao kad dijete učite da nešto prepozna – morate mu pokazati dovoljno slika kako bi ono to stvarno razumjelo, nastavlja.
Taj materijal za učenje tim zatim pretvara u visokokvalitetne skupove slikovnih podataka koje drugi istraživači mogu upotrijebiti za uvježbavanja vlastitih modela umjetne inteligencije.
Diljem Europe ti se sustavi kamera na bazi umjetne inteligencije trenutačno testiraju na plovilima za crpljenje, stolovima za razvrstavanje, koćaricama s gredom i u malim ribarskim operacijama. Sustav se uvježbava za prepoznavanje vrsta, čak i kada ribe jedna drugu prekrivaju ili su djelomično skrivene, primjenom provjera kvalitete koje označavaju anomalije i pomažu pri procjeni pouzdanosti rezultata.
Jedan od prvih rezultata ostvario je danski institut DTU Aqua, partner u okviru inicijative OptiFish, koji je izgradio sustav umjetne inteligencije za praćenje pojedinačnih riba dok se kreću transportnim trakama pod elektroničkim nadzorom, tako da se ista riba ne bi zabunom brojala dvaput. Testiran je na šest vrsta riba koje izgledaju slično i točno je prepoznao ribe u 90,43% slučajeva.
Isti tim razvija i robotsku ruku za razdvajanje riba koje jedna drugu prekrivaju na trakama i stolovima za razvrstavanje. Time će se poboljšati kvaliteta slike za kamere.
Dok plivaju u moru, ribe otpuštaju čestice molekula DNK. U ovom projektu te molekule DNK iz okoliša (engl. environmental DNA, eDNA) upotrebljavaju se za uzorkovanje vode i procjenu biomase određenog stoka.
- To je slično opadanju kose kod ljudi, objasnio je Delacauw.
- Prikupljanjem uzoraka vode ili postavljanjem posebnih sondi na ribarske mreže možemo utvrditi koje su vrste prisutne u vodi, nastavlja.
Podaci iz GPS senzora i monitora strujanja vode, kao i podaci o potrošnji goriva dodaju širi kontekst, kao što su lokacija i uvjeti na moru.
Delacauw je objasnio logiku kombiniranja nekoliko tehnologija.
- Ručno uzorkovanje daje vrlo kvalitetne podatke o pojedinačnim ribama, ali samo povremeno. Kamere mogu neprekidno mjeriti, ali ograničene su na ono što je vidljivo. Međutim, na temelju molekula DNK iz okoliša može se utvrditi koje su vrste prisutne u određenom području. Objedinjujemo sve te metode i uzimamo najbolje iz svake od njih kako bismo stvorili cjelokupnu sliku.
Ti se sustavi trenutačno ispituju i usavršavaju u okviru inicijative OptiFish na pet pilot-lokacija koje obuhvaćaju različite vrste ribolova i europske regije, od Sjevernog mora preko Mediterana, sve do Crnog mora.
Kad je riječ o ribarima, točniji podaci o ribljim stokovima i sastavu ulova mogli bi pomoći u utvrđivanju preciznijih ribolovnih strategija. To bi im pomoglo u planiranju izlazaka u ribolov, smanjenju potrošnje goriva i troškova, smanjenju emisija, a izbjegao bi se i ulov prevelikog broja mladih riba ili prekomjerni izlov osjetljivih stokova.
Postoji i praktična prednost. Ribari trenutačno svoje ulove bilježe ručno, a automatizirano izvješćivanje putem digitalnih sustava za praćenje pojednostavnilo bi taj spori postupak i doprinijelo većoj usklađenosti.
Za potrošače i građane EU-a bolje praćenje znači veću transparentnost lanaca opskrbe plodovima mora i pouzdanije jamstvo da je riba ulovljena na zakonit i održiv način.
Osim toga, precizniji podaci pomažu i subjektima nadležnima za upravljanje u ribarstvu i omogućuju donošenje boljih odluka, pridonoseći tako očuvanju zdravih ribljih stokova za buduće generacije.
Svrha je inicijative OptiFish, izvan njezina četverogodišnjeg okvira, postaviti temelje na kojima drugi mogu graditi. Konzorcij trenutačno razvija zajedničku podatkovnu platformu, alat koji će ribarima u stvarnom vremenu pružati najnovije informacije o njihovu ulovu, odbačenom ulovu, troškovima goriva i iskorištenosti kvota, kao i predložak za ugradnju praćenja na bazi umjetne inteligencije u službene okvire za praćenje ribarstva.
- Održivo upravljanje ribarstvom ovisi o točnim informacijama, naglasila je Els Torreele.
- Naš je rad usmjeren na izgradnju sustava koji će pružati takve informacije kako bi koristile svima: morskim ekosustavima, ribarima i građanima koji žele znati odakle dolazi njihova hrana, zaključuje.
Napisao: Michael Allen
Članak je izvorno objavljen u časopisu Horizon, posvećenom istraživanjima i inovacijama u EU-u. Istraživanja navedena u ovom članku financirana su iz EU-ova programa Obzor.
Dodatne informacije:
24sata © 2026
