Om projektet
Gillerkvitter är en soldriven fågelövervakningsstation vid Gillervattnet, strax utanför Boliden i Skellefteå kommun. Stationen identifierar fågelarter automatiskt med hjälp av AI och publicerar observationerna i realtid på den här webbplatsen. Projektet drivs av Jimmy Utterström som ett ideellt hobbyprojekt, med tillåtelse av Boliden AB att placera stationen på deras mark. Tack till Boliden för det!
Platsen
Gillervattnet är ett tidigare sandmagasin som sedan 2013 genomgått efterbehandling och omvandlats till en stor, grund våtmark. Området var redan före efterbehandlingen populärt bland flyttfåglar, och de åtgärder som genomförts, bland annat utplacering av stenar som häckningsplatser och skapandet av en våtmarksmiljö, har förbättrat förutsättningarna ytterligare.
Resultatet är en mosaik av naturtyper som skiljer sig markant från det omgivande skogs- och myrlandet: buskage, vassområden och grunt, öppet vatten. Den varierade miljön gör platsen intressant ur ett fågelperspektiv, med potential för arter som normalt inte förekommer i den typiska norrländska skogsmiljön.
Hitta till området
Kommer man från kusten, i riktning Skellefteå–Boliden, är det lättast att passera fyrvägskorsningen med huvudinfarten till Boliden och istället svänga vänster mot anrikningsverket 2 km senare. Passera anrikningsverkets område och sväng höger mot Bjurvattnet. Efter att du har passerat dammarna, där Gillervattnet syns på högra sidan, vik av på grusvägen till höger som tar slut vid vändplatsen vid Båthusberget.
För att ta sig till sydvästra delen där stationen är placerad, och där även chansen för vadare och sjöfåglar är större, är det enklast att parkera vid Båthusberget och gå via den smala landtunga som förbinder Båthusberget med landområdet av Gillervattnet. Stövlar rekommenderas!
Den gröna streckade linjen på kartan visar vägen till den södra entrépunkten. Det går också bra att besöka området norrifrån, från väg 370 (Malåvägen), se den blå markeringen på kartan.
Hur det fungerar
En Raspberry Pi 5 i fält kör en anpassad version av BirdNET-Go, som analyserar ljud från en mikrofon i realtid. BirdNET är ett AI-system utvecklat av Cornell Lab of Ornithology och Chemnitz University of Technology som kan identifiera över 6 000 fågelarter utifrån deras läten.
När en art identifieras sparas ett kort ljudklipp och metadata lokalt. En synkroniseringsagent skickar observationsdata till en central server, som driver den här webbplatsen. Ljudklippen hämtas på begäran via en krypterad tunnel mellan servern och fältenheten.
Teknik
- Raspberry Pi 5 med LTE-uppkoppling (4G)
- Solpanel och batteri (helt nätoberoende)
- BirdNET-Go (modifierad) för artbestämning direkt på enheten
- EM272-mikrofon för inspelning av fågelläten
- Krypterad tunnel för säker kommunikation mellan fält och server
- Webbapp byggd med Astro, Svelte och Bun
Kontakt
Har du frågor eller synpunkter? Hör av dig på jimutt@outlook.com.
Larm
Vill du få ett SMS när en ny eller specifik art observeras vid stationen? Registrera dig och skapa larmregler.