IKTPLUSS-IKT og digital innovasjon

Arktis opplever nå de raskeste klimaendringene på kloden, noe som viser seg i form av tynnere og mindre utbredt sjø-isdekke, sterkt økende smelting av breer, tining av permafrost, og økende sannsynlighet for ekstremvær og andre hendelser. I forskingsmiljøene debatteres det hvilken rolle disse klimaendringene i Arktis spiller i frekvens og styrke på ekstremvær, men det forventes at klimaendringer vil øke sjansene for farlige situasjoner knyttet til mer ustabil sjø-is og uforutsigbar forekomst av isfjell. Slike raske endringer er vanskelig å varsle, og utgjør en betydelig risiko for skipsfart i regionen. For å kunne videreutvikle sikker og bærekraftig skipsfart i Arktis er det viktig med aksess til nye og skreddersydde data produkter laget gjennom innovative kombinasjoner av in situ (direkte) målinger, fjernmålingsdata og modellvarsling. Prosjektet Digital Arctic Shipping har som overordnet mål å utvikle en serie av dataprodukter i samarbeid med firma innen marin trafikk i Arktis, samt å demonstrere bruken av disse produktene ombord på skip som ferdes i islagte områder. Dette inkluderer bruk av droner med sensorer utviklet spesielt for Arktiske operasjoner, kombinert med nær sanntids data fra satellitter, for å kartlegge istyper, rygger, råker og drift, som er alle er sentrale parametere for navigering i sjøis. Produkter vil bli sendt til fartøyene med den beste tilgjengelige satellittkommunikasjon og brukt sammen med data samlet inn ombord, f.eks. gjennom automatiske værstasjoner (AWS) og systemer for automatisk identifikasjon av fartøy (AIS). Prosjektet har deltatt på to forskningstokt nord for Svalbard, CAATEX 2020 toktet og UAK 2021 toktet. I løpet av disse toktene har prosjektdeltakere samlet inn data med droner, radar og fysiske målinger på isen. Droner ble brukt til å samle inn høyoppløselige bilder over ulike typer is i samme område som ismålingene ble samlet inn og også i området rundt fartøyet. I løpet av CAATEX 2020 toktet ble det tatt 17 is-stasjoner med iskjerner og målinger av saltholdighet og konduktivitet i isen. I tillegg ble en Ku-band radar brukt til å samle inn radarbilder av isforholdene rundt fartøyet. Under UAK 2021 ble det tatt 7 is-stasjoner med iskjerner og målinger av temperatur, saltholdighet og tetthet. En serie fotografier ble også tatt under begge toktene for å dokumentere isforholdene rundt is-stasjonene og langs skipsruten. Data fra is-stasjonene skal blant annet brukes til validering av dronedataene og til å bygge en 3D-modell av isen ved hjelp av drone-fotogrammetri. I løpet av sommeren 2020 ble det gjennomført en serie testflygninger med en større fast-vinge drone langs kysten av Norge. Dette inkluderte test av take-off og landing fra fartøy uten flydekk. Disse testene fortsatte i 2021, for å forberede bruken av slike droner senere i prosjektet under tokt i islagte områder der isforholdene ikke tillater slike operasjoner på isen eller fartøyet ikke kan stoppe opp underveis. Arbeidet med data prosessering og analyse har god fremdrift, med fokus på klassifisering av sjø-is i dronebilder ved hjelp av maskinlæring (ML). Klassifiseringsalgoritmene skal til syvende og sist kjøre i datamaskinen ombord i dronen. For effektiv testing, har et rammeverk blitt satt opp som tilrettelegger for "plug-and-play" testing av ML modeller i en nyutviklet sensor payload. Innledende arbeid med testing av dette ML rammeverket ombord i droner har startet.

The Digital Arctic Shipping project will develop new sea ice data products and visualisation services for Arctic shipping. Automated and intelligent sensors will be used to collect data in difficult and dangerous navigation areas. The consortium has the following observation technologies available for the project: drones carrying multispectral or radar sensors, single or dual-band ship radars, in situ measurements of snow and ice, and a broad range of satellite sensors (e.g. synthetic aperture radar, passive microwave and optical) from Chinese, European and US space programmes. The heterogeneity and vast amount of data generated by these sensors requires scalable ICT frameworks to efficiently manage and extract key sea ice parameters that can be translated into useful information for Arctic shipping. The chosen technologies and tools will be co-developed together with ship operators with extensive knowledge of navigation in Arctic regions. Specifically, we will apply novel machine learning techniques such as deep learning for automatic detection of riskful conditions. The derived data products will be organised in a data management system and distributed to targeted user groups using standard protocols and communication networks. We will demonstrate the developed data collection, management, analysis and distribution services through case studies targeted at the Arctic shipping industry. Each case study will be co-developed by scientists, local authorities and shipping companies and result in new data products and visualisation services for supporting safer Arctic shipping. Demonstrations of products and services will focus on cargo traffic in the Northern Sea Route and other ship traffic areas in the Arctic. The project partners have collaborated on Arctic and Climate science for the past 15 years and will strengthen and extend this collaboration to provide digital services for customised data delivery for Arctic shipping.