Publikasjoner
NIBIOs ansatte publiserer flere hundre vitenskapelige artikler og forskningsrapporter hvert år. Her finner du referanser og lenker til publikasjoner og andre forsknings- og formidlingsaktiviteter. Samlingen oppdateres løpende med både nytt og historisk materiale. For mer informasjon om NIBIOs publikasjoner, besøk NIBIOs bibliotek.
2012
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
K-nearest neighbor (kNN) approaches are popular statistical methods for predicting forest attributes in airborne laser scanning (ALS) based inventories. Their main upsides are the simplicity to predict multivariate response variables and their freeness of distributional assumptions on the conditional response.One of their largest draw-backs is that predictions outside the range of the reference data inherently result in an under- or overestimation. This property of kNN approaches is known as extrapolation bias and aggravates with an increasing number of neighbors (k) used for the prediction.This study presents one possibility to reduce extrapolation biases of predictions based on the area-based approach (ABA) by using individual tree crown (ITC) approaches within those specific areas of a low density ALS acquisition where the point density might be sufficiently high for using ITC methods.In the proposed strategy, additional (or artificial) reference plots augmented field measured plots. Artificial plots were created by applying ITC segmentation to a canopy height model derived from high density ALS data. The response variable biomass per hectare was predicted for every segment following a semi-ITC approach.The segment predictions were aggregated on the artificial plot level. The artificial plots were then treated in the same way as the original reference data to make predictions in areas with low density ALS data based on the ABA. It was hereby assumed that the predicted plot level response on the artificial plots is equivalent with the observed plot level response on the original reference data.The data consisted of 110 reference plots with a smaller data range than the 201 independent validation plots. Considerable extrapolation bias was visible if only the reference plots were used for the prediction. Almost no extrapolation bias was found if the prediction was based on reference plots augmented by artificial plots. The root mean squared error (RMSE) of the biomass predictions based on the reference plots was 39.1%. The RMSE reduced to 29.8% if the reference plots were augmented by artificial plots.
Sammendrag
Climate change is a factor that largely contributes to the increase of forest areas affected by natural damages. Therefore, the development of methodologies for forest monitoring and rapid assessment of affected areas is required. Space-borne synthetic aperture radar (SAR) imagery with high resolution is now available for large-scale forest mapping and forest monitoring applications. However, a correct interpretation of SAR images requires an adequate preprocessing of the data consisting of orthorectification and radiometric calibration. The resolution and quality of the digital elevation model (DEM) used as reference is crucial for this purpose. Therefore, the primary aim of this study was to analyze the influence of the DEM quality used in the preprocessing of the SAR data on the mapping accuracy of forest types. In order to examine TerraSAR-X images to map forest dominated by deciduous and coniferous trees, High Resolution SpotLight images were acquired for two study sites in southern Germany. The SAR images were preprocessed with a Shuttle Radar Topography Mission (SRTM) DEM (resolution approximately 90 m), an airborne laser scanning (ALS) digital terrain model (DTM) (5 m resolution), and an ALS digital surface model (DSM) (5 m resolution). The orthorectification of the SAR images using high resolution ALS DEMs was found to be important for the reduction of errors in pixel location and to increase the classification accuracy of forest types. SAR images preprocessed with ALS DTMs resulted in the highest classification accuracies, with kappa coefficients of 0.49 and 0.41, respectively. SAR images preprocessed with ALS DTMs resulted in greater accuracy than those preprocessed with ALS DSMs in most cases. The classification accuracy of forest types using SAR images preprocessed with the SRTM DEM was fair, with kappa coefficients of 0.23 and 0.32, respectively.Analysis of the radar backscatter indicated that sample plots dominated by coniferous trees tended to have lower scattering coefficients than plots dominated by deciduous trees. Leaf-off images were only slightly better suited for the classification than leaf-on images. The combination of leaf-off and leaf-on improved the classification accuracy considerably since the backscatter changed between seasons, especially in deciduous-dominated forest.
Sammendrag
Bruken av bioenergi vil øke betraktelig i årene som kommer. Politisk ligger det målsettinger om en dobling av årlig bruk fra 14 TWh i 2008 til 28 TWh i 2020. For å nå målet om en økning med 14 TWh innen 2020 vil skogen være en helt avgjørende ressurs. Det er derfor et stort behov for å få frem tall for hvilke ressurser som finnes i norske skoger delvis for å kunne vurdere om myndighetenes mål er realistiske, men også for å kunne planlegge nye bioenergianlegg og ny bruk av bioenergi ut fra hvor mye og hvor ressursene finnes. Formålet med den foreliggende rapporten har vært å produsere en ”tabellsamling” som kan brukes direkte, eller som et utgangspunkt, i utredninger, vurderinger og analyser knyttet til spørsmål omkring bruk av biomasse fra skog til energiformål. Rapporten viser tall for biomasseressurser både på lands- og regionnivå, den viser tall for hvor ressursene finnes basert på driftsveglengder og terrengklasser, samt størrelsen på typiske energisortimenter som GROT (greiner og topper) og stubber og røtter. Det er også regnet noe på det energipotensialet som ligger i biomassetallene. Disse beregningene viser at ressursene i utgangspunktet er mer enn store nok til å nå de politiske målsettingene. Mulighetene for å nå disse målene er imidlertid avhengig av kostnadene ved å ta ut biomassen, konkurransedyktige priser for biomassen,samt myndighetenes rammevilkår. Dette er ikke diskutert i rapporten.
Sammendrag
I en 5-årsperiode har Landsskogtakseringen registrert beitetrykk og beitetilbud på 11 000 prøveflater innenfor store deler av elgens utbredelsesområde i Norge. Resultatene viser at elgen i nord kan velge fra øverste hylle, både sommer og vinter, mens elgen i sør må dele på godene. I Troms er det fire ganger flere beitetrær tilgjengelig pr elg enn hva som er tilfelle i Agder, og en langt større andel består av de mest selekterte artene. I tillegg er arealet av attraktive feltsjiktplanter 50 ganger større pr elg i nord enn i sør.
Forfattere
Erling Johan Solberg Olav Strand Vebjørn Veiberg Roy Andersen Morten Heim Christer Moe Rolandsen Rolf Langvatn Frode Holmstrøm May I. Solem Rune Eriksen Rasmus Astrup Mayumi UenoSammendrag
Overvåkingsprogrammet for hjortevilt blir gjennomført på oppdrag fra Direktoratet for naturforvaltning (DN), og NINA har hatt ansvaret for gjennomføringen av programmet siden oppstarten i 1991 og fram til i dag. Datamaterialet som er samlet inn i løpet av disse 21 åra representerer en unik mulighet til å følge sentrale utviklingstrender i bestandsstørrelse, kondisjons- og reproduksjonsmål hos elg, hjort og villrein innen utvalgte overvåkingsregioner. Overvåkingen gjennomføres i detalj innenfor 17 forskjellige overvåkingsområder (7 for elg, 3 for hjort, 7 for villrein) fra Svalbard i nord til Vest-Agder i sør, der kjever, slaktevekter og andre data samles fra skutte individer, og kalveproduksjon og bestandsstruktur estimeres i villreinbestandene. I tillegg gjennomføres det en mer ekstensiv overvåking av bestandstetthet, avskytning og kalverekruttering basert på jegerrapporter. Denne rapporten er en oppsummering av utviklingstrendene i overvåkingsperioden 1991-2011, med spesiell fokus på utviklingen i den siste kontraktsperioden, 2007-2011. I løpet av perioden 1991-2011 har det i Norge vært en generell økning i avskytningen av hjort og nedgang i avskytningen av villrein, mens avskytning av elg har holdt seg relativt stabil (variert rundt gjennomsnittet). Den samme utvikling kan spores i antallet individer drept i trafikken for elg og hjort. På regionalt nivå har tettheten og avskytningen av elg stort sett økt i bestandene fra Sør- Trøndelag til Finnmark, mens den har sunket fra Buskerud til Vest-Agder. I Oppland og i fylkene lenger øst, har trenden vært mer stabil. I samme periode har det vært en generell nedgang i kalverekrutteringsratene estimert fra sett elg i de fleste fylkene. Nedgangen har vært spesielt tydelig fra Buskerud til Vest-Agder. Til tross for vesentlig nedgang i bestandstetthet, er rekrutteringsratene fortsatt lave i disse fylkene. Motsatt finner vi fortsatt høye rater i Østfold og i fylkene fra Sør-Trøndelag til Finnmark. Den samlede bestandsstørrelsen og avskytningen av villrein er dominert av bestanden på Hardangervidda. I inneværende overvåkningsperiode har bestandsstørrelsen på Hardangervidda vært lav men i vekst. Tilsvarende utviklingstrender finner vi i Setesdal Ryfylke og i Forolhogna og jaktuttaket fra overvåkingsområdene er følgelig økende ved utgangen av siste overvåkingsperiode. I de 17 villreinområdene på fastlandet som ikke inngår i overvåkingsprogrammet for villrein, har det vært en nedgang i jaktuttaket på omkring 25 % i perioden 1991-2011. Avskytningen av hjort har økt systematisk i alle fylker med hjortejakt i perioden 1991-2011 og har i hele perioden vært dominert av fylkene fra Rogaland til Sør-Trøndelag. De siste åra har imidlertid veksten vært størst i de nye hjorteområdene på Sørlandet og Østlandet. I 2011 var det for første gang på lenge en nedgang i avskytningen i alle de dominerende hjortefylkene, utenom i Hordaland. Den samme utviklingen finner vi i antallet hjort påkjørt og drept i trafikken siden 2008, noe som antyder at den samlede bestanden av hjort nå er på vei ned. Innenfor overvåkingsområdene har bestandsutviklingen for de aktuelle hjorteviltartene vært i samsvar med den mer generelle utviklingen på regionalt nivå. Overvåkingsbestandene for elg i Troms, Nordland, Nord-Trøndelag og Hedmark har vært økende eller relativ stabile i perioden 1991-2011, mens bestandene i Oppland, Vestfold/Telemark og Vest-Agder har vært synkende. I den samme perioden har det vært en generell nedgang i slaktevekter og/eller rekrutteringsrater i alle områdene, utenom i Oppland og delvis i Troms. Fruktbarhetsratene fra eggstokkanalysene viser til dels det samme mønsteret, men i tillegg finner vi en positiv utvikling i flere områder. Det sprikende resultatet tilskrives i en viss grad jaktseleksjon og analysetekniske problemer.
Sammendrag
Skogarealet i Sogn og Fjordane omfatter 53 % lauvtredominert skog, hvorav 46 prosentpoeng er bjørkeskog med mer enn 70 % bjørk. Grandominert skog utgjør 14 %, mens 31 % er furudominert skog og 2 % er hogstklasse 1 med uspesifisert treslag. Andelen lauvtredominert skog er dobbelt så høy som landsgjennomsnittet, og det er særlig andelen bjørkeskog som er høy. Hogstklassefordelingen i Sogn og Fjordane viser at 43 % av arealet består av hogstmoden skog i hogstklasse 5, mens bare 13 % er ung skog i hogstklasse 2. Figuren viser også en relativt høy andel av skog på lav bonitet (H40 = 6-8).
Sammendrag
Skogarealet i Troms omfatter 88 % lauvtredominert skog, der 77 prosentpoeng er bjørkeskog med mer enn 70 % bjørk. Grandominert skog utgjør 4 %, mens 6 % er furudominert skog. Ca 2 % er hogstklasse 1 med uspesifisert treslag. Andelen lauvtredominert skog er tre ganger så høy som landsgjennomsnittet, og det er særlig andelen bjørkeskog som er høy....
Sammendrag
The Norwegian National Forest Inventory (NNFI) provides estimates of forest parameters on national and regional scales by means of a systematic network of permanent sample plots. One of the biggest challenges for the NNFI is the interest in forest attribute information for small sub-populations such as municipalities or protected areas. Frequently, too few sampled observations are available for such small areas to allow estimates with acceptable precision. However, if an auxiliary variable exists that is correlated with the variable of interest, small area estimation (SAE) techniques may provide means to improve the precision of estimates. The study aimed at estimating the mean above-ground forest biomass for small areas with high precision and accuracy, using SAE techniques. For this purpose, the simple random sampling (SRS) estimator, the generalized regression (GREG) estimator, and the unit-level empirical best linear unbiased prediction (EBLUP) estimator were compared. Mean canopy height obtained from a photogrammetric canopy height model (CHM) was the auxiliary variable available for every population element. The small areas were 14 municipalities within a 2,184 km2 study area for which an estimate of the mean forest biomass was sought. The municipalities were between 31 and 527 km2 and contained 1–35 NNFI sample plots located within forest. The mean canopy height obtained from the CHM was found to have a strong linear correlation with forest biomass. Both the SRS estimator and the GREG estimator result in unstable estimates if they are based on too few observations. Although this is not the case for the EBLUP estimator, the estimators were only compared for municipalities with more than five sample plots. The SRS resulted in the highest standard errors in all municipalities. Whereas the GREG and EBLUP standard errors were similar for small areas with many sample plots, the EBLUP standard error was usually smaller than the GREG standard error. The difference between the EBLUP and GREG standard error increased with a decreasing number of sample plots within the small area. The EBLUP estimates of mean forest biomass within the municipalities ranged between 95.01 and 153.76 Mg ha−1, with standard errors between 8.20 and 12.84 Mg ha−1.
Sammendrag
Det er ikke registrert sammendrag