| Summary: | Som oppfølging til Meld.St. 16 (2014-2015) har Havforskningsinstituttet (HI) sammen med Fiskeridirektoratet (FDIR) og Mattilsynet (MT) fått i oppdrag fra Nærings- og fiskeridepartementet å utarbeide et forslag til inndeling av norsk lakse- og ørretoppdrett i 11-13 produksjonssoner. Arbeidet er gjort ved naturvitenskapelig metodikk. Ved hjelp av spredningsmodellering er det utviklet en influensmatrise som kvantifiserer potensiell smittedose av lakselus mellom par av anlegg. Denne matrisen har flere bruksområder. Klyngeanalyse basert på disse influensverdiene danner utgangspunktet for Havforskningsinstituttets forslag med 11 produksjonssoner som vist i figur 3.1. Arbeidet baserer seg på dagens geografiske struktur i næringen, men et scenario viser at så lenge en tar hensyn til områdestrukturen på kysten ved nye tildelinger vil det fungere med framtidige nye lokaliteter. Influensmatrisen kan også brukes til å evaluere alternative forslag, hvorav noen er presentert i denne rapporten. Vesentlig flere og færre områder gir dårlige løsninger, enten ved stor utveksling av lakseluslarver mellom områdene, eller motsatt ved at områdene inneholder delområder med liten smitteutveksling seg imellom. Antall områder kan lett økes til 12 eller 13 ved å splitte Finnmark eller skille ut Vest-Agder. På Vestlandet er det tett med anlegg og det er liten frihet i å endre områdene. Skiller ved Stad og Hustadvika er naturgitt. Analysene viser at Karmøy og Sotra er de beste områdene for ytterligere oppdeling. Nordover er det færre anlegg og større avstander. Her er det mulig å finne alternative forslag uten å ødelegge tallene for eksport/import av smitte mellom områdene. Når det gjelder dimensjonen fra fjord til kyst til havs, presenteres noen relativt lukkede områder som kan danne unntak i områdestrukturen. Det vurderes også hvor langt produksjonsområdene skal gjelde for anlegg til havs. I appendiks beskrives metodikken mer utførlig og det presenteres en følsomhetsanalyse. Denne analysen viser at forslaget til områdeinndeling er robust, det vil si at resultatene ikke avhenger for sterkt av valg som er foretatt i modelleringen.
|
|---|