| Summary: | Overlevelsesraten til migrerende laksesmolt kan reduseres på grunn av lakselussmitte. Den kan gjøre smolten mer sårbar overfor rovdyr og øke risikoen for å bli smittet av andre sykdommer. Innsikt i hvor smolten befinner seg til ulike tider er en viktig faktor for å iverksette målrettede tiltak for å redusere risikoen for lakselussmitte. For å gjøre dette er det viktig å ha tilgang på pålitelige og gode estimater av bevegelsesmønsteret til smolten. Posisjonsdata for smolten i løpet av migrasjonsperioden i Nordfjord i 2017 ble samlet ved hjelp av akustisk telemetri. 118 laks ble utstyrt med akustiske merker som sendte ut signaler, og 66 stasjonære lyttebøyer som fanget opp slike signaler ble plassert i elv- og fjordsystemet. Telemetridataen som ble hentet inn indikerer om laksen oppholdt seg i nærheten av lyttebøyene til gitte tider. Fravær av deteksjoner på en lyttebøye tilsier at laksen ikke var i nærheten av den angitte lyttebøyen på det aktuelle tidspunktet. En tilstandsmodell ble benyttet for å modellere bevegelsen til laks, og et partikkelfilter ble anvendt for å estimere bevegelsesmønsteret til laksen basert på telemetridataen. I tillegg ble det lagt til en justering til partikkelfilteret i form av en sekvensiell glatter med en fast forsinkelse. Prestasjonen til partikkelfilteret ble sammenlignet med prestasjonen til glatteren med ulik forsinkelse. Dette ble gjort ved å sammenligne en tilnærming av den gjennomsnittlige kvadratiske feilen og den effektive utvalgsstørrelsen for de ulike modellene. Ved å benytte partikkelfilteret uten en glatter ble det oppnådd en lav kvadratisk feil og høy effektiv utvalgsstørrelse, noe som sikret både presise og robuste resultat. Ved å se på resultatet til alle smoltene var den totale approksimerte kvadratiske feilen 5802 meter. Ved å legge til en glatter til partikkelfilteret økte verdien av den gjennomsnittlige kvadratiske feilen. Totalt sett ga modellen gode resultater for den aktuelle dataen. Den effektive utvalgsstørrelsen var høy, noe som sikret robuste resultater. Tilstandsmodellen som ble benyttet tok ikke eksplisitt hensyn til miljøvariabler som temperatur og salinitet. Resultatet fra partikkelfilteret ble i stedet sammenlignet med data som inneholdt informasjon om ulike miljøvariabler. Det er forventet at disse variablene kan ha en innvirkning på laksens oppførsel. Korrelasjonene mellom estimatene fra partikkelfilteret og miljøvariablene fra fjorden var generelt sett svake og ikke signifikante. When young salmon, called smolts, migrate from the river to the ocean, the survival rate can be reduced because of sea lice infection. Sea lice infection can make the migrating smolts more vulnerable to predators, and they can more easily get other infections. Understanding where the smolts are at different times is important for initiating targeted actions to reduce the infection risk. To do this, it is necessary to obtain reliable estimates of the movement pattern of the salmon. Data containing information about the position of salmon in Nordfjord during the migration period in 2017 were collected using acoustic telemetry. 118 salmon were equipped with acoustic transmitters and 66 stationary receivers were placed in the river and fjord system. The telemetry data gathered from this experiment were indicating the presence and absence of the salmon in the vicinity of the receivers. A state-space model was used to model the movement of each salmon independently, and a particle filter was applied to estimate the movement pattern of the salmon based on the acoustic telemetry data. In addition, a sequential fixed-lag smoother adjustment was added to the particle filter. The performance of the particle filter was compared to that of a sequential fixed-lag smoother adjustment to the particle filter with different lags. An approximation of the root mean square error and the effective sample size of the different models were compared. By applying the particle filter without a smoother adjustment to the data, we got a low root mean square error and a high effective sample size. This indicated that the predictions were both precise and robust. The particle filter gave a total approximated root mean square error of 5802 meters for all the salmon considered. With a sequential fixed-lag smoother adjustment to the particle filter, the root mean squared error increased. Overall, the particle filter algorithm seemed to work well on the data. The effective sample size was high, which should ensure robust results. The state-space model did not consider environmental variables like temperature and salinity explicitly. Instead, the results of the particle filter were compared with data on environmental variables. These factors are expected to have an effect on the behavior of salmon. The correlations between the particle filter estimates and environmental variables from the fjord were generally found to be weak and not significant.
|
|---|