Anne-Grete Roer Hjelkrem
Forsker
(+47) 971 18 993
anne-grete.hjelkrem@nibio.no
Sted
Ås - Bygg H7
Besøksadresse
Høgskoleveien 7, 1433 Ås
Vedlegg
CV (januar 2025)Biografi
- Utvikling av varslingsmodeller for beslutningsstøtte innen soppsykdommer, toksiner, skadedyr og ugras
- Utvikling av NORNE-modellen for beregning av avling og kvalitet i grovfôr
- Utvikling av modelleringsplattform for beregning av klimagassutslipp i jordbruket i tråd med det nasjonale utslippsregnskapet
- Utvikling av modelleringsplattform for beregning av referansebaner og tiltaksscenarioer i oppdrag
- Miljøanalyser (LCA) innen matproduksjon
Sammendrag
Web-based decision support systems (DSSs) are essential tools for precision crop protection, guiding farmers and advisors in implementing need-based control measures against pests, diseases, and weeds. These systems rely heavily on weather-driven models, where data accuracy and availability are critical. Leaf wetness is a key factor for infection and reproduction of many fungal plant pathogens, making it an important input in DSSs. However, the availability of leaf wetness data from weather services is variable, leading to the development of numerous estimation models without a universally accepted standard model. This study aimed to develop a robust mathematical model for estimating leaf wetness across diverse European climate zones and to integrate the model for enabling real-time leaf wetness estimates as inputs to web based DSSs. Hourly weather data, including leaf wetness, temperature, precipitation, relative humidity and wind speed were collected from automatic weather stations. Training data came from five Norwegian sites, while testing data covered 17 locations across Europe. Five machine learning based models (decision tree (DT), random forest, K-Nearest neighbour, multi-layer perception, long short-term memory (LSTM)) were trained and their performance compared with five existing empirical models (RH87, RH90, extRH, DPD, CART/SLD) from the literature. LSTM and DT achieved best performance, demonstrating strong robustness across climate zones. The LSTM model, required fewer data inputs and well suited for time-series data, was integrated into a Flask-based service for automatic use in forecasting models within the web-based IPM Decisions DSS platform, thereby enhancing the precision of this DSS.
Forfattere
Anne-Grete Roer HjelkremSammendrag
Det er ikke registrert sammendrag
Sammendrag
Beitebruk er viktig for ressursutnyttelse, selvforsyning, dyrevelferd og kulturlandskap, og det er et politisk mål å øke beiting. Klimaeffektene av beiting har imidlertid vært lite vektlagt. Rapporten sammenstiller kunnskap om hvordan beitedyr påvirker klima gjennom både klimagassutslipp og endringer i vegetasjon og areal. Effektene varierer betydelig mellom arealtyper, beitetrykk, dyreslag og lokale forhold, noe som gjør det vanskelig å trekke generelle konklusjoner. I klimagassregnskapet er beiting særlig relevant for arealbruksendringer, som avskoging til beite og utslipp fra tidligere drenert myr. Effekter på enterisk metan og utslipp fra husdyrgjødsel er relativt små, selv om enkelte norske studier antyder noe lavere metanutslipp ved godt beite på fulldyrka jord. Biogeofysiske effekter som albedo er lite kartlagt, men kan ha nedkjølende effekt i noen områder. Rapporten peker på to hovedutfordringer: behov for sterkere insentiver til å bruke eksisterende innmarksbeiter fremfor nyrydding, og potensial for mer beiting av melkekyr på fulldyrka jord. Det trengs mer forskning for å bedre beregne effekter av beiting i klimagassregnskapet, særlig knyttet til enterisk metan, jordkarbon og beitetrykk i utmark.
Divisjon for bioteknologi og plantehelse
FABANOVA- Climate ready faba beans for the Nordic and Baltic region
The project will lead to improved faba bean lines and knowledge that can lead to higher and more stable protein yields in our challenging environment. NIBIO will develop forecasting tools for chocolate spot epidemics, enabling farmers to protect their crops.
Divisjon for bioteknologi og plantehelse
FABANOVA - Klimatilpassa åkerbønner for Norden og Baltikum
Prosjektet vil føre til bedre sorter og foredlingslinjer av åkerbønner og gi kunnskap som kan bidra til høyere og mer stabile planteprotein-avlinger i et stadig mer utfordrende klima. NIBIO skal starte utviklingen av varslingstjenester for sjokoladeflekk der målet er å kunne hjelpe produsenter til mer effektiv sjukdomsbekjempelse.
Divisjon for bioteknologi og plantehelse
Diversity Oats - A more sustainable Norwegian oat industry by increased genetic diversity and diversified food products
Divisjon for bioteknologi og plantehelse
Kunnskap om faktorer som påvirker utvikling av sopp og soppgifter
Prosjektet skal identifisere faktorer som påvirker innhold av soppgifter eller andre naturlig dannede uønskede stoffer i planter, og utvikle kunnskap som kan bidra til å redusere forekomsten av slike gifter.
Divisjon for bioteknologi og plantehelse
SOLWeeds: Effektiv bekjemping av svartsøtvier og begersøtvier i grønnsaker og potet
Svartsøtvier (Solanum nigrum L.) og begersøtvier (S. physalifolium Rusby) er ugras som forårsaker store problemer for norske produsenter av grønnsaker og potet. Flere dyrkere mener at problemet og lukekostnadene er så store at de frykter de må redusere dyrka areal av f.eks. gulrot, eller stoppe produksjonen helt. I potet er spesielt tidligproduksjonen under dekke utsatt.
Divisjon for matproduksjon og samfunn
COPERNICUS - Jordbruk
Formålet med prosjektet er å ta i bruk satellitt-data fra Copernicus programmet for å utvikle rutiner og verktøy rettet inn mot jordbruksfaglige problemstillinger, og gjennom dette bidra med informasjon og råd til relevante aktører (bønder, rådgivere, jordbruksnæringa, kommuner, politikere og utdanningsinstitusjoner). Prosjektet skal dermed bidra til å forbedre dagens dyrkningspraksis, som gjennom en bedre utnyttelse av innsatsfaktorer som gjødsel og fôr også bidrar til å redusere klimaavtrykket til det norske jordbruket.
