Nýtt:Veiði og fiskimiðin

Hér er niðurstaða veiðispár og staðsetning veiða byggt á rauntölum frá aldamótum. Gervigreindin býr svo til mynd sem sýnir af hvar fiskur muni halda sig í næstu mánuði.

Smelltu á myndirnar til að sjá hreyfingu á fiski á fiskimiðum.

Þorskur

Staðsetning veiða á Þorsk. Myndin sýnir afla á sóknareiningu (CPUE) frá aldamótum svo og hvernig gervigreindin sér raun útbreiðslu tegundarinnar útfrá sögulegum gögnum svo og botnhita og fleiri þáttum. CPUE er reiknað úfrá kg á mín sem koma í veiðarfæri frá því það er sett út þar til það er tekið upp.

Ýsa

Staðsetning veiða á Ýsu. Myndin sýnir afla á sóknareiningu (CPUE) frá aldamótum svo og hvernig gervigreindin sér raun útbreiðslu tegundarinnar útfrá sögulegum gögnum svo og botnhita og fleiri þáttum. CPUE er reiknað úfrá kg á mín sem koma í veiðarfæri frá því það er sett út þar til það er tekið upp.

Ufsi

Staðsetning veiða á Ufsa. Myndin sýnir afla á sóknareiningu (CPUE) frá aldamótum svo og hvernig gervigreindin sér raun útbreiðslu tegundarinnar útfrá sögulegum gögnum svo og botnhita og fleiri þáttum. CPUE er reiknað úfrá kg á mín sem koma í veiðarfæri frá því það er sett út þar til það er tekið upp.

Karfi

Staðsetning veiða á karfa. Myndin sýnir afla á sóknareiningu (CPUE) frá aldamótum svo og hvernig gervigreindin sér raun útbreiðslu tegundarinnar útfrá sögulegum gögnum svo og botnhita og fleiri þáttum. CPUE er reiknað úfrá kg á mín sem koma í veiðarfæri frá því það er sett út þar til það er tekið upp.

Grálúðu

Staðsetning veiða á Grálúðu. Myndin sýnir afla á sóknareiningu (CPUE) frá aldamótum svo og hvernig gervigreindin sér raun útbreiðslu tegundarinnar útfrá sögulegum gögnum svo og botnhita og fleiri þáttum. CPUE er reiknað úfrá kg á mín sem koma í veiðarfæri frá því það er sett út þar til það er tekið upp.

Vélnáms verkefni

"Bláa hagkerfið" er framsækið félag sem er ætlar að efla sjálfbærni í fiskveiðistjórnun með nýjungum í notkun gervigreindar (ML). Með því að færa sig frá hefðbundnum matstækjum yfir í flóknari gagnadrifnar aðferðir, miðar félagið að því að takast á við flækjur í sjávarvistkerfum á áhrifaríkan hátt.

Innleiðing á vélnámslíkönum: Félagið hefur þróað ML-líkön sem eru öflugri en hefðbundnar aðferðir eins og SAM (State-space Assessment Model) og GADGET (Globally Applicable Area-Disaggregated General Ecosystem Toolbox) með því að læra úr víðfeðmum gagnasöfnum, sem leiðir til nákvæmari spár um fiskistofn.
Könnunargreining gagna (EDA): Með því að framkvæma EDA á gögnum frá fiskveiðiflotum, hefur félagið veitt nýjar innsýnir í árstíða- og árlegar breytingar á fiskistofnum, sem eru mikilvægar fyrir ákvörðun um nákvæmar veiðikvóta.
ML-stýrð skipting fyrir stofnmat: Mikilvæg nýjung er notkun ML til að skapa nýjar reikniaðferðir fyrir stofnmat. Þessi nálgun tekur tillit til fjölmargra umhverfis- og líffræðilegra breyta, sem veita sterkari grunnvöll fyrir spá um stofna.
Samvinna og deiling gagna: Félagið tekur þátt í samstarfsverkefnum með rannsóknarstofnunum og nýtir gögn frá ýmsum heimildum, þar á meðal alþjóðlegum gagnagrunnum, til að bæta gagnasettin sem notuð eru til þjálfunar líkana.

Þessi framtaksverkefni undirstrika skuldbindingu félagsins til að beita nýjustu tækni til að tryggja sjálfbærni og heilbrigði sjávarfiskveiða, sem leggur grunn að betri þekkingu og stjórnun á sjávarauðlindum.