Med økende trafikk i arktiske farvann vil risikoen for å kollidere med isfjell øke. Hvis det skjer en ulykke i disse områdene, vil mørke, kulde og lange avstander gjøre redningsarbeidet mer utfordrende og konsekvensene store. De enorme havområdene i nord gjør det utfordrende for redningstjenesten å operere overalt med tilstrekkelige ressurser. Derfor er forebyggende tiltak for sjøsikkerhet av stor betydning.
Satellittinformasjon viktig verktøy
Kystverkets sjøtrafikksentraler overvåker og kontrollerer skipstrafikken hele døgnet. Satellittovervåking vurderes som den mest kostnadseffektive måten å overvåke store områder på. Det brukes i utstrakt grad, og gir Kystverket et godt situasjonsbilde til sjøs. I tillegg deler vi satellittinformasjonen med en rekke andre statlige etater med operative ansvar til sjøs. Informasjonen gir viktige bidrag til et godt beslutningsgrunnlag når operasjoner skal iverksettes og ulike samfunnsansvar håndheves. Det er Kystverkets sjøtrafikksentral i Vardø som overvåker sjøområdene i nord.
- Vi trenger å vite hvilke av gjenstandene som er oppdaget via satellitt som er isfjell, slik at beslutningsgrunnlaget er så godt som mulig for å kunne varsle skipene, forteller Ståle Sveinungsen, leder for avdeling for hav- og kystovervåking i Kystverket.
- Mottar vi informasjon om mulige isfjell i et visst område, kan vi varsle skip som er i, eller er på vei inn i området.
Skille isfjell fra andre objekter
Til nå har det ikke vært mulig med radar å skille isfjell fra andre oppdagede objekter, som fartøy uten aktiv AIS-transponder, fiskebruk eller drivende søppel. Sammen med Kongsberg Satellite Services (KSAT) har Kystverket jobbet med å utvikle en slik funksjonalitet. Med det for å øye å øke sjøsikkerheten og redusere risikoen for sjøfarende som ferdes i det høye nord. Innovasjonsprosjektet har sett på hvordan vi kan ta i bruk satellittdata og maskinlæring til å skille mellom isfjell og skip. Målet har vært å utvikle funksjonalitet som automatisk kan detektere og rapportere det man på fagspråket kaller «signifikante radarsignaturer som ikke kan korreleres med egenrapportering fra fartøy, som AIS». Driftberegninger for isfjell, utviklet av StormGeo, er også lagt til. Tanken bak er at gjentatte påvisninger som følger en beregnet drivvei for isfjell, med høyere sannsynlighet kan antas å være isfjell.
Datakvaliteten av avgjørende betydning
KSAT har gjennom prosjektet utviklet algoritmer som kan gjenkjenne forskjellige radarsignaturer. Disse algoritmene bruker dype nevrale nettverk, som betyr maskinlæringsmodeller som læres ut ved hjelp av historiske data.
- Det er mange eksempler på at maskinlærte modeller kan utføre oppgaver raskere og mer presist enn eksperter. For å trene en datamodell til å prestere på nivå med en menneskelig ekspert, er et av suksesskriteriene at opplæringsdataene er av høy kvalitet, sier Karstein Ringjord, som leder FoU-initiativet fra KSAT-siden.
- Vi har ansvar for store havområder og er kontinuerlig ute etter å forbedre systemene og automatisere tjenestene med det som mål å øke sjøsikkerheten og sørge for god maritim beredskap, sier Kystverkets Ståle Sveinungsen.
- Resultatene så langt er gode, men ikke ennå av høy nok kvalitet til å kunne gå inn i Kystverkets overvåkingssystem. Innovasjonsarbeidet viser så langt at maskinlæring kan være veien å gå for å utvikle en god tjeneste for å oppdage og varsle isfjell i nordlige havområder. Nå utvider KSAT datamodellene til satellittmodi med høyere oppløsning enn de til nå 25 meter nøyaktighet.