La nouvelle technologie d’aquaculture de précision d’une équipe financée par l’UE aide les agriculteurs à prévoir les événements liés à la qualité de l’eau, susceptibles d’affecter la culture des moules et des huîtres et d’entraîner la fermeture de sites.
L’aquaculture est le secteur de production d’aliments d’origine animale qui connaît la croissance la plus rapide au monde. Mais dans le passé, elle a pris du retard vis-à-vis de l’adoption de systèmes d’information plus efficaces, par rapport à d’autres secteurs alimentaires. Aujourd’hui, poussé par la vision du développement durable, le secteur de l’aquaculture introduit rapidement des technologies qui feront de la gestion des exploitations piscicoles une réalité plus verte et plus efficace.
L’un de ces domaines d’innovation est l’aquaculture de précision. Cette technologie utilise une variété de capteurs interconnectés pour surveiller les conditions des exploitations piscicoles et aider les agriculteurs à prendre des décisions qui optimisent la santé des poissons et les rendements économiques, tout en minimisant les impacts environnementaux. En d’autres termes, l’aquaculture de précision est susceptible de transformer l’industrie de l’aquaculture.
Un article récemment publié sur le site web de la «Global Seafood Alliance» porte sur la production durable de bivalves d’élevage (moules et huîtres) grâce à cette technologie. L’article est le cinquième d’une série publiée sur l’agriculture de précision avec le soutien du projet GAIN, financé par l’UE. Après quatre articles présentant l’aquaculture de précision et ses applications dans l’élevage de truites, l’industrie du bar et de la dorade en Méditerranée et l’industrie du saumon, ce dernier article traite de la culture des bivalves.L’article présente les nouveaux outils d’aquaculture de précision développés par l’équipe du projet GAIN pour aider à prévoir les événements liés à la qualité de l’eau qui affectent la culture des bivalves et entraînent la fermeture de sites. «La production de bivalves d’élevage dépend de conditions de qualité de l’eau optimales, souvent hors du contrôle des aquaculteurs. Des événements spécifiques liés à la qualité de l’eau, comme la prolifération d’algues, la remontée de nutriments ou le ruissellement urbain, peuvent entraîner la fermeture réglementaire de sites d’élevage de bivalves afin d’empêcher l’entrée de bivalves contaminés sur les marchés, ce qui a de graves conséquences économiques pour les aquaculteurs. L’échelle et l’intensité de ces événements liés à la qualité de l’eau sont difficiles à prévoir, car ils sont le fruit de combinaisons complexes de facteurs multiples et en interaction», expliquent les auteurs.
Pour fournir aux éleveurs de bivalves un système d’alerte précoce et promouvoir de meilleures prévisions et décisions de gestion, l’équipe a employé des outils basés sur l’apprentissage automatique pour modéliser les conditions environnementales. Les données utilisées pour la modélisation comprenaient des capteurs environnementaux in situ, des données satellitaires et de haute mer, des données météorologiques, ainsi que des modèles de température et de courant, le tout comparé aux données relatives à la fermeture de sites par le passé. Les sources de données ont été intégrées dans une plateforme basée sur le nuage qui permet de surveiller en temps réel les sites d’aquaculture de bivalves.
«La modélisation et l’apprentissage automatique ont également intégré les données requises pour les exigences légales de la législation nationale et européenne, notamment la directive-cadre sur l’eau (“bon état écologique”) et la directive-cadre stratégie pour le milieu marin (“bon état environnemental”). Le stockage des données dans une solution centralisée basée sur le nuage aidera également les exploitations à obtenir des certifications de durabilité», indique l’article.
Les essais ont été menés sur le site pilote de Sagres, sur la côte de l’Algarve, dans le sud-ouest du Portugal. Cependant, l’utilisation de l’apprentissage automatique pour former des modèles prédictifs spécifiques au site rend la technologie facilement adaptable aux exploitations de bivalves d’autres régions.
La recherche a identifié d’énormes variations dans les conditions de fermeture «entre les sites, soulignant la nécessité de techniques de modélisation et d’apprentissage automatique qui utilisent des données spécifiques à chaque site et à son histoire pour prédire les conditions de fermeture». Basés sur l’apprentissage semi-automatique, les outils d’aquaculture de précision de l’équipe «permettent ce niveau de précision». L’équipe du projet GAIN (Green Aquaculture Intensification in Europe) est maintenant en train de tester le produit final pour l’industrie.
Pour plus d’informations, veuillez consulter:
EN
CS
DE
ES
FR
HU
IT
PL
PT
РУ
SK
TR
УК
AR
中文
