evidoria

← Voltar à navegação

Boa prática Importada

Alerta Precoce por IA da ShoShin — Sistema de Sensores do Quénia para Mortandades de Peixes no Lago Vitória

Quénia · Kisumu · Ver o perfil de Quénia · Ver o perfil de Kisumu

Evidência: Observacional / pré-pós Top 66% 53/100 · Pergunte a Evidence Copilot sobre esta prática

Sensores e modelos de IA do KMFRI do Quénia e do ShoShin Innovation Hub de Nairobi detetaram uma quebra de oxigénio em Dunga Beach, Kisumu, em fevereiro de 2026; mais de 300 agricultores moveram 450+ gaiolas de tilápia por SMS, evitando repetir perdas de $1M em 2024-25.

300+
Agricultores alertados que deslocaram jaulas (February 2026)
450+
Jaulas de tilápia deslocadas (February 2026)
~1 USD million
Perdas anteriores evitadas (referência 2024-25, Dunga Beach) (2024-2025)
75%+
Piscicultores quenianos que relataram mortalidades (2022 survey)
15
Pontos críticos de alto risco adicionais identificados para expansão
Alerta Precoce por IA da ShoShin — Sistema de Sensores do Quénia para Mortandades de Peixes no Lago Vitória

Detalhes

Maturidade
Piloto
Promotor
Kenya Marine and Fisheries Research Institute (KMFRI), with ShoShin Innovation Hub
Período
February 2026–present (pilot)
Palavras-chave
aquaculture, environmental monitoring, disaster early warning, fisheries management, IoT sensors

Contexto

A aquacultura em jaulas de tilápia no Lago Vitória, em Dunga Beach, Kisumu, tem sofrido mortandades de peixes episódicas devido a quebras de oxigénio dissolvido ligadas a florações de algas alimentadas por resíduos urbanos não tratados e escoamento agrícola; um inquérito do KMFRI de 2022 constatou que mais de três quartos dos piscicultores quenianos relataram mortalidades, e as quebras de 2024-25 destruíram cerca de 1 milhão de USD em stock de peixe apenas em Dunga Beach.

Objetivos

Detetar quebras de oxigénio dissolvido com antecedência suficiente para dar aos agricultores tempo de mover as jaulas e evitar mortandades massivas de peixes.

Atividades

O KMFRI e o ShoShin Innovation Hub, de Nairobi, instalaram sensores subaquáticos e modelos de IA alojados na nuvem, treinados com investigação histórica sobre mortandades de peixes combinada com leituras de sensores em tempo real; os alertas acionam mensagens SMS com orientações simples e acionáveis ('reduzir a alimentação', 'mover as jaulas') para telemóveis básicos de mais de 300 piscicultores de tilápia.

Resultados

Em fevereiro de 2026, o sistema assinalou uma quebra de oxigénio dissolvido abaixo do limiar de 2,0 mg/L; mais de 300 agricultores deslocaram mais de 450 jaulas em poucas horas; não foram registadas mais mortandades massivas de peixes em Dunga Beach desde o alerta, face a uma base de referência de cerca de 1 milhão de USD em perdas no mesmo local em 2024-25.

Conclusões

Os investigadores descrevem o sistema como algo que compra aos agricultores as horas entre uma quebra de oxigénio e a perda total, sem resolver a poluição subjacente que causa as quebras. As preocupações em aberto incluem lacunas de conectividade rural, a sustentabilidade do financiamento à medida que o apoio governamental diminui, e a governação dos dados dos sensores dos agricultores. O KMFRI identificou 15 outros pontos de alto risco para eventual expansão, com mais dois locais previstos para entrar em funcionamento na segunda metade de 2026, e a ONG WorldFish está a adaptar uma abordagem semelhante (E-Samaki) para locais de maricultura costeira em Kilifi e Kwale.

Implementação

Custo indicativo
Baixo (< 50 mil €) — The Kenyan government currently covers the platform's data and dissemination costs; a low-cost farmer subscription model is under consideration as the network scales beyond the single pilot site.
Tempo até resultados
Curto (< 1 ano) — System went live and produced its first documented alert in February 2026; two further sites are expected to go live in the second half of 2026, with 15 additional hotspots identified for possible future expansion.
Equipa e competências
Kenya Marine and Fisheries Research Institute (KMFRI) researchers, ShoShin Innovation Hub technical/AI team, SMS-based farmer alert network coordinators

Condições de sucesso

  • Underwater dissolved-oxygen sensors with reliable data transmission
  • AI models trained on historical fish-kill research combined with live sensor readings
  • Simple, actionable SMS alerts reaching farmers' feature phones
  • Farmers able to act quickly (move cages) once alerted

Modos de falha comuns

  • Cannot address the underlying pollution (untreated urban waste and agricultural runoff feeding algal blooms) driving oxygen depletion
  • Rural connectivity gaps could prevent alerts reaching all farmers
  • Long-term funding depends on a subscription model still under consideration once government support tapers
  • Unresolved questions over who controls farmers' sensor data over time

Onde se enquadra

Tipo de governação
government research institute with innovation-hub and NGO partners
Escala
single-site pilot (Dunga Beach), expanding to 2 more sites in H2 2026 and 15 identified hotspots
Nível de rendimento
low-income

Habitualmente financiado por

National / regional programmes

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis