Det snabbaste sättet att spåra en fisk är att använda molnet, bildligt talat. En ny akustisk mottagare, utvecklad av forskare vid Pacific Northwest National Laboratory (PNNL) och publicerad i IEEE Internet of Things Journal , skickar fiskspårningsdata i nästan realtid till det digitala molnet, vilket ger aktuell information till dammoperatörer och beslutsfattare om när, var och hur många fiskar som förväntas passera genom dammar. Istället för att förlita sig på säsongsberäkningar av fiskvandringar från tidigare år, stödjer dessa data från taggade fiskar mer välgrundade beslut om dammdrift som påverkar fiskpassagen.

"Denna mottagare tillhandahåller aktuella data till dammoperatörer för att hjälpa till att fatta välgrundade dagliga beslut till stöd för fiskpassage, som att justera vattenflödet när det är klart att en stor grupp ungfisk närmar sig dammen ," sa Jayson Martinez, en PNNL-mekaniker som var med och utvecklade mottagaren.

Vattenkraftsdammar är en viktig källa till pålitlig förnybar energi och genererar cirka sex procent av den totala elektriciteten i USA. Att hjälpa fiskar att navigera dem på ett säkert sätt är en viktig del av att minska dammarnas miljöpåverkan. Den nya mottagaren är en viktig pusselbit i den pågående strävan att förbättra fiskpassagen.

Uppdateringar per timme

För att spåra en fisk behöver du två delar av utrustningen:en sändare placerad på eller i själva fisken och en mottagare i vattnet för att fånga upp den sända signalen. Martinez och Daniel Deng, PNNL-laboratoriestipendiat och maskiningenjör, utvecklade den nya mottagartekniken tillsammans med sina medarbetare som en del av ett långsiktigt arbete för att förbättra både sändare och mottagare.

"Under de senaste två decennierna har akustisk telemetri varit forskarnas val av verktyg för att ge hög precision, fjärrspårning av fisk," förklarade Deng. "Vi har arbetat med att göra bättre, mindre sändare som kan användas för att studera fler fiskarter och livsstadier. Men att förbättra sändaren är bara hälften av utmaningen, den andra hälften är att förbättra mottagaren."

För närvarande tillgängliga mottagare kommer med några betydande begränsningar. Kabelanslutna mottagare kan överföra data till land i realtid, men de måste drivas av infrastruktur på land, vilket begränsar deras placering till områden där ström är tillgänglig. Autonoma mottagare kan distribueras på platser utan kablar och landbaserad infrastruktur, men de måste lagra spårningsinformation lokalt tills den kan samlas in manuellt, vilket innebär att spårningsdata för fisk inte är tillgängliga i realtid. För att komma till rätta med dessa begränsningar utvecklade Martinez, Deng och deras medarbetare en autonom akustisk mottagare som trådlöst kan ladda upp information till molnet medan den är utplacerad under vattnet på avlägsna eller svåråtkomliga platser längs bäckar och floder.

"Vårt slutmål är att försöka tillhandahålla realtidsinformation om fiskens plats och hälsa, och den här mottagaren är ett stort steg mot det målet och tillhandahåller datauppdateringar varje timme till dammoperatörer", säger Deng.

Computing on the edge

Att överföra data trådlöst under vattnet är en extremt långsam process – upp till 3 miljoner gånger långsammare än den genomsnittliga hastigheten för kabelinternet i hemmet. För att komma runt detta problem använde forskare edge computing för att minimera hur mycket data som behöver överföras trådlöst från under vattnet till molnet. Edge computing är ett tillvägagångssätt som möjliggör förbättrad och effektiv databehandling genom att flytta datorer närmare själva datakällan – i det här fallet bearbetas fiskspårningsdata vid mottagaren innan de sänds till molnet.

Vanligtvis, när fiskar märkta med akustiska sändare simmar förbi autonoma mottagare, samlas denna data in och lagras lokalt tills någon besöker mottagaren och laddar ner data. Detta tar inte bara mycket tid och pengar, utan det innebär också viktiga säkerhetsaspekter eftersom forskare ofta behöver navigera till mottagaren med båt. Dessutom är det inte idiotsäkert.

"Vad händer om du behöver lämna en mottagare ute i två månader innan någon kan samla in data? Om något går fel med mottagaren under den tidsperioden - som att en sensor översvämmas av vatten eller ett batteri som tar slut - det finns inget sätt att veta that, so you could lose the entire two months of data," said Martinez.

Incorporating edge computing into the new receiver eliminates those issues. The new receiver collects data from fish transmitters as the fish swim by, then processes and compresses the data. Every hour, the compressed data is wirelessly sent to a small modem located onshore, which uploads the data directly to the cloud, where dam operators and decision-makers can access it. This provides near-real-time fish tracking and a heads up if something goes wrong with the receiver so any issues can be resolved quickly, minimizing data loss.

"There's a lot of energy saved during data transmission, which translates to more data that can be transmitted with less power, making the system more robust and efficient," explained Martinez. "You could even potentially run the onshore acoustic modem using renewable energy, like a solar-powered battery."

More than just a fish tracker

Another exciting aspect of the receiver is its potential to do much more than track fish—it's a flexible platform that could accommodate multiple sensors to collect a variety of data. These receiver platforms could provide simultaneous near-real-time data on water quality and environmental conditions along with fish location, answering valuable questions about fish and river health in a changing climate.

"Real-time information about fish location and environmental conditions, including in remote or difficult to access areas, are potentially very valuable for building environmental models to understand river habitats and fish populations in light of climate change," said Martinez.

Now that the receiver has been demonstrated in a controlled testing environment, the scientists plan to adapt it for a large-scale deployment in the future. In addition to Martinez and Deng, the team included PNNL researchers Yang Yang, Robbert Elsinghorst, Hongfei Hou, and Jun Lu. Deng holds a joint appointment at Virginia Tech. + Utforska vidare

Newly released data show how fish pass through dams