Dødelighet på vill laksefisk er bestemt å skulle avgjøre vekstmulighetene for oppdrettsnæringa i det såkalte trafikklyssystemet, og i første omgang gjelder dette dødelighet forårsaket av lakselus. Hvor mye lus smolten kan forvente å få på seg, og om den dør avhenger av en hendelseskjede, som starter med hvor mange luselarver det er i havet. Antall luselarver beregnes ut fra ukentlige tellinger av hunnlus fra alle oppdrettsanlegg og hvor mange egg hver hunnlus legger. Smittepresset blir deretter tidsforskjøvet med forventet dødelighet og utviklingstid fra antall hunnlus via klekking av luseegg og helt fram til det bevegelige stadiet av lakselus. Vi bruker en erfaringsbasert modell for spredning mellom oppdrettsanlegg. Her vil de høyeste lusekonsentrasjonene finnes nært kildeanlegget for så å avta med avstand til kilden. Når vi summerer dette for alle anlegg får vi et samlet smittepress for hele kysten, som publiseres ukentlig på www.vetinst.no/lusekart.

Vi har laget en påslagsmodell som beregner hvor mange bevegelige lus en vill laksesmolt vil forvente å få på seg hvis den oppholder seg i et gitt smittepress over en gitt tid. Modellen baserer seg på smittepress som blir beregnet hver uke og er kalibrert med lusetellinger på laksesmolt i bur (Havforskningsinstituttet Smoltbur 2013 -2016).

Villaksen vandrer ut mot oppvekstområdene i havet om våren. Tidspunkt for villaksens utvandring er kritisk fordi smittepresset raskt bygger seg opp utover forsommeren. Vi simulerer 40000 virtuelle laksesmolt fra hver elv som vi antar vandrer den korteste ruten fra elv til hav og svømmer med en hastighet på 200 km på 4 uker. De virtuelle laksesmoltene ble fordelt på fire forskjellige utvandringsdatoer. Hver virtuelle smolt får et simulert påslag av lakselus. Påslaget beregnes som en tilfeldig verdi trukket fra en forventing og variasjonsbredde som er gitt i påslagsmodellen. Til slutt er det antatt en sammenheng mellom antall lus på smolten og andel smolt som dør som følge av lakselus.

Flere forutsetninger for risikoberegningene er usikre, eksempelvis andel villaks som dør av lakselus. Samtidig er effekten av de usikre forutsetningene testet. Derfor mener vi at sammenligninger av risiko mellom produksjonsområder og mellom ulike år viser reelle forskjeller og at risikoberegningene er nyttige i tilknytning til trafikklyssystemet. 

Referanser

Havforskningsinstituttet Smoltbur 2013 - 2016 doi:10.21335/NMDC-IMR.2017-0003,

doi:10.21335/NMDC-IMR.2017-0007, doi:10.21335/NMDC-IMR.2017-0005, 2016 doi:10.21335/NMDC-IMR.2017-0006

Norske myndigheter har bestemt at akvakulturnæringen skal vokse, gitt at veksten gjennomføres på en bærekraftig måte. Kriteriet for bærekraft er vurdert i forhold til effekten av lakselus på vill laksefisk. Overvåkning av lakselus har tradisjonelt foregått ved ruse- og garnfiske etter villfisk på utvalgte lokaliteter. Til tross for at denne metoden har sørget for et godt datamateriale gjennom mange år, er den norske kysten så lang og variasjonene så store at overvåkning med tradisjonelle redskaper er altfor tid- og ressurskrevende. Vi har derfor utviklet en operasjonell lakselusmodell, som beregner smittepresset langs hele kysten i nær sanntid med en hydrodynamisk havmodell og en spredningsmodell for lakselus. Med tanke på kvalitet så viser sammenligninger mellom modell og observasjoner godt samsvar både på fysiske parametere og lusepåslag på villfisk. Ved å bruke to ulike datakilder som utfyller hverandre; en operasjonell lakselusmodell og villfiskdata, kan vi levere et forbedret overvåkningssystem som beregner risiko for høyt smittepress langs hele kysten. Dette systemet danner grunnlaget for kunnskapsbaserte råd til myndighetene for bærekraftig vekst i norsk akvakultur.

Havforskningsinstituttet har over de siste tiår utviklet en modell for å beregne spredning av lakselus i fjorder og langs norskekysten. Modellen, som inneholder informasjon om lusas adferd samt strømforhold, blir nå blant annet brukt til å beregne spredning av lakselus mellom anleggslokaliteter. Dette arbeidet gir oss informasjon om hvordan man kan redusere mengden lus på oppdrettsanlegg, redusere spredningen av resistens samt å øke beskyttelsen av vill laksefisk.

Lakseluslarver er sleppt fra og transportert mellom anleggslokaliteter, og skaper et tett nettverk av forbindelser mellom anlegg. Vi testet a) den beste metoden for å redusere antallet forbindelser i nettverket, og b) hvor branngater bør plasseres for å frakoble nettverket og redusere smitten mellom Norges ca 1000 anlegg.

Først brukte vi modellen til å kartlegge romlige- og sesong-mønster i lusespredningen langs hele Norskekysten gjennom et år. Dette ble gjort for å undersøke stabiliteten i nettverkene mellom anlegg. Videre brukte vi nettverksanalyse til å undersøke hvordan nettverkene kan brytes ved å fjerne anlegg fra nettverket. Resultatet er at nettverket brytes mer effektivt ved å fjerne bestemte anlegg i nøkkelposisjoner i nettverket enn ved å fjerne anlegg som har sterkest tilknytning til de andre anleggene. Til slutt vil vi illustrere hvordan to branngater, plassert ved ca 61° N og 67° N kan fragmentere hele nettverket i tre separerte grupper. Disse branngatene ble etablert ved å fjerne 13 og 21 anlegg, dette svarer til ca 1,3 og 2,1 % av anleggene. Spredningsmodeller koblet med nettverksanalyser kan i fremtiden bistå arealplanlegging av oppdrettsnæringen, for å minimere antallet luseinfeksjoner på oppdrett. Ved å redusere smitte mellom anlegg forventes det også å redusere smittetrykket på de ville fiskebestandene.

Vi presenterer et prognoseverktøy for lus på et oppdrettsanlegg. Dette verktøyet vil gjøres kommersielt tilgjengelig i løpet av 2018 som et automatisk system som henter alle nødvendige data fra oppdrettsanleggets styringssystem og andre kilder, og som presenterer resultatene på ulike måter tilpasset den enkelte brukers behov. 

Prognoseverktøyet predikerer framtidig lusenivå i hver enkelt merd på et oppdrettsanlegg, fordelt på antall fastsittende lus, bevegelige lus og voksne hunnlus per fisk. Prognosene har daglig tidsoppløsning og prognosehorisonten er opptil tre måneder fram i tid. 

Prognoser er av natur usikre, jfr. værprognoser, og usikkerheten øker fram i tid. Usikkerheten vil imidlertid variere avhengig av sjøtemperatur, smittepress fra naboanlegg og andre faktorer, og i noen perioder kan derfor prognosene være relativt presise, mens de i andre perioder er mer usikre. Angivelse av usikkerheten i prognosene er derfor helt sentral. I tillegg til punktprognoser eller beste gjett fram i tid, presenterer verktøyet usikkerheten til prognosene på ulike måter som bl.a. 95% prediksjonsintervaller og som sannsynlighet for å overstige 0,5 voksne hunnlus.

Prognoseverktøyet er basert på en populasjonsmodell for lus som er utviklet av Norsk Regnesentral og samarbeidspartnere i tidligere og pågående FHF-prosjekter. Modellen tar i bruk relevante data, deriblant lusetellinger på anlegget, smittepress fra naboanlegg, sjøtemperatur, salinitet, antall fisk, størrelse på fisk, behandlinger mot lus og bruk av rensefisk. Modellen kan også brukes til scenariosimulering for å undersøke langtidseffekten av ulike tiltaksstrategier, og resultater fra slike beregninger har tidligere blitt presentert på FHS møteserie «Langs kysten 2017» og på FHFs lusekonferanse i januar 2018.

I dette prosjektet har vi utviklet en ny modell for forekomster av kategoriene mobile lus og kjønnsmodne hunnlus. Modellen skal brukes som et simuleringsverktøy til belysning av ulike problemstillinger knyttet til kontroll med lakselus. Forventet forekomst av mobile lus i et gitt oppdrettsanlegg modelleres som funksjon av mobile lus som overlever på fisken i anlegget fra foregående uker, uten at de utvikler seg videre til kjønnsmodne hunner. I tillegg kommer det nye mobile lus til som funksjon av forekomst av forrige generasjon kjønnsmodne hunnlus internt på gitte anlegg og eksternt fra alle naboanlegg. Tidsforskyvningen av bidraget i form av smitte fra kjønnsmodne hunner er temperaturavhengig. Forekomst av kjønnsmodne hunnlus modelleres som funksjon av forekomsten i foregående uker. I tillegg rekrutteres nye kjønnsmodne hunner gjennom utvikling fra de mobile stadiene i samme anlegg.  Graden av mottakelighet for smitte ved anleggene spiller også en sentral rolle for utviklingen av luseforekomster. Mottakeligheten påvirkes av variabler som fiskestørrelse og temperatur. Endelig styres luseforekomster av hvorvidt fisken ved anlegget behandles mot lakselus eller ikke. Alle parametere som styrer luseforekomster over tid i modellen er beregnet ved tilpassing til data med ukesoppløsning på lokalitetsnivå for perioden uke 1 i 2012 – uke 44 i 2016, der lusetall, fiskebeholdninger, temperatur og behandlingshistorikk som dekker alle oppdrettsanlegg i hele perioden inngår. Tilpassingen av modell til reelle data gir nyttig informasjon om forholdene mellom luseforekomster og viktige påvirkningsfaktorer. For eksempel vises bidraget av smitte til rekruttering av nye mobile lus fra forrige generasjons hunnlus at dette er forskjøvet  6-14 uke bakover i tid ved 4°C vanntemperatur, men bare 3-5 uker bakover i tid ved 14°C. I denne presentasjonen vil vi fokusere på forholdet mellom påvirkningsfaktorer og forekomst av de to kategoriene av lusestadier i modellen. Det vil også presenteres hvordan modellen fungerer som et simuleringsverktøy for testing av effekter av tiltak mot lakselus.