| dc.description.abstract | Skadelige algeoppblomstringer kan føre til dødelighet hos oppdrettslaks. Dette tvinger lakseoppdrettere som står overfor risikoen for algeoppblomstring til å ta vanskelige beslutninger om hva de skal gjøre med biomassen. I 2019 forårsaket en algeoppblomstring i Norge store økonomiske tap for små og store lakseoppdrettere. De økonomiske tapene hadde alvorlige konsekvenser for de berørte lokalsamfunnene. Denne hendelsen avslørte behovet for et beslutningsverktøy som kan hjelpe lakseoppdrettere som står overfor algerisiko. Fra før finnes det en del litteratur om optimalt slaktetidspunkt for laks, men ingen modeller som hjelper lakseoppdrettere med å ta optimale beslutninger når de står overfor risiko for at biomassen går tapt. Denne masteroppgaven introduserer en ny evalueringsmetode for beslutningtaking med fleksibilitet i slaktetidspunkt under skadelige algeoppblomstringer. Vi demonstrerer at dersom lakseoppdrettere kan lære om den sanne risikoen for at biomassen går tapt, tilfører fleksibilitet i slaktetidspunktet betydelig verdi. Vi bruker metoden Least Squares Monte Carlo sammen med tofaktor prismodellering, risikomodellering og læring gjennom signaler for å bestemme det optimale tidspunktet for tidlig slakt. Videre kvantifiserer vi verdien av fleksibilitet for tidlig slakt. I tillegg utvikler vi et rammeverk for å evaluere muligheten for å flytte biomassen og undersøker hvilken effekt dette har på beslutningen om å slakte. Gjennom casestudier i en norsk og chilensk setting, sikrer vi modellens robusthet. Resultatene våre viser at beslutningene oppdrettere bør ta, påvirkes i stor grad av tilgjengeligheten av pålitelig informasjon. Videre viser resultatene at høyere pålitelighet øker verdien for lakseoppdretterne. Dersom informasjonen er tilstrekkelig pålitelig er det verdt å ta risikoen for å miste biomassen for å lære mer om den sanne risikoen og få et bedre beslutningsgrunnlag. Derfor er det viktig at politikere og bransjeorganisasjoner legger til rette for kommunikasjon mellom industriaktører, innsamling av pålitelig data og implementering av skadebegrensningstiltak. Dette gjelder både under en skadelig algeoppblomstring og som forebyggende tiltak. | |
| dc.description.abstract | Harmful algal blooms can cause fatal damage to farmed salmon. This forces salmon farmers who face the risk of algal blooms to make difficult decisions regarding what to do with their biomass. In 2019, an algal bloom in Norway caused great financial damage to both smaller and larger salmon farmers, which had dire effects on the local communities they support. This revealed the need for proper management tools to aid farmers facing algal risk. There exists some literature on optimal harvesting of salmon, but no models for helping salmon farmers make optimal decisions while facing the risk of losing their biomass. This master thesis introduces a novel decision-making evaluation method for flexibility in harvesting during harmful algal blooms. Here, we demonstrate that if salmon farmers can actively learn about the true risk of losing the biomass, the value of flexibility in the harvesting decision is significant. We use the Least Squares Monte Carlo approach together with two-factor price modeling, risk modeling, and learning through signals, in order to determine the optimal timing of early harvesting. Furthermore, we quantify the value of having flexibility in the timing of early harvest. In addition, we develop a framework for evaluating the possibility of moving the biomass and examine the effect this has on the harvesting decision. Through case studies in a Norwegian and Chilean setting, we ensure the robustness of our model. We find that the availability of reliable information heavily affects what decisions salmon farmers should make, with higher reliability yielding higher value for salmon farmers. When information is sufficiently reliable, it is worth taking the risk of losing the biomass in order to learn, and make a better-informed decision at a later stage. Therefore, it is of great importance that policy-makers, governments, and industry organizations facilitate communication between industry actors, the collection of reliable data, and implementation of mitigation strategies. This applies both during a harmful algal bloom and as preventative measures. | |
