Hopp til hovedinnholdet

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.

2024

Sammendrag

Som drøvtyggar har sauen evne til å omdanna fiberrikt fôr, som ikkje er eteleg for menneske, til høgverdig protein, i kjøtt og biprodukt, med essensielle aminosyrer. I norsk sauehald er det meste av fôrgrunnlaget grovfôr, og beite står for om lag 60 % av fôrinntaket. Men det blir også brukt ein del kraftfôr og mjølkeerstatningar med humant etelege ingrediensar. I denne studien undersøkte vi kor mykje eteleg protein vi får ut i høve til mengd eteleg protein gitt i fôringa. Effektiviteten er rekna som høvetalet (HePeff) med mengd eteleg protein i kjøtt, blod og innmat i høve til mengd eteleg protein brukt i fôringa. Dersom det blir produsert meir eteleg enn det som blir brukt i fôringa, er effektiviteten HePeff større enn 1. Det blei også estimert i kor stor grad aminosyrer brukt i fôringa blir oppgradert til essensielle aminosyrer for menneske. Dette uttrykt som differansen mellom fordøyelege essensielle aminosyrer i kjøtt, blod og innmat og mengd av dei same aminosyrene brukt i fôringa. Datagrunnlaget var tal frå sauebruk som var med i Driftsgranskingane i jordbruket i åra 2018-2020. Mengd innkjøpt kraftfôr og mjølkeerstatning blei estimert ut frå rekneskapstal. Ingrediensar i innkjøpt fôr blei estimert ut frå opplysningar gitt av fôrprodusentar. I kalkylane såg ein på kva det hadde å seie om raps og rapsprodukt i kraftfôret vart rekna som humant eteleg. Dersom ein rekna at både kjøtt, blod og innmat er eteleg, og rapsprodukt ikkje er humant eteleg, blei det i gjennomsnitt produsert om lag like mykje humant eteleg protein som brukt i fôringa, HePeff = 1. Dersom ein ikkje rekna proteinet i raps som humant eteleg, blei det for alle fordøyelege essensielle aminosyrer produsert meir enn brukt i fôringa i regionane ‘Austlandet andre bygder’ og ‘Trøndelag andre bygder’, medan det for andre deler av landet var om lag same mengd protein i kjøtt og biprodukt som det vart brukt i fôringa. Proteineffektiviteten var høgare i regionar med gode utmarksbeite, og Fjell- og dalbygder i Trøndelag og på Austlandet hadde høgare HePeff enn Agder og Rogaland. Mengd kraftfôr per vinterfôra sau og tal gangslam (levande lam på hausten) per vinterfôra sau hadde sterk effekt på HePeff, og det er fullt mogleg å betre effektiviteten med relativt små justeringar av mengd og type ingrediensar i kraftfôr

2023

Sammendrag

På oppdrag fra Miljødirektoratet og Landbruksdirektoratet har vi gått gjennom kunnskapsstatus på 11 ulike tiltak utvalgt av direktoratene. Alle tiltakene ligger innenfor det tradisjonelle bestandsskogbruket. Tiltakene er vurdert ut fra hvordan de kan øke skogens netto CO2-opptak (karbonlagring), men for noen tiltak også betydning for andre klimagasser og for biogeofysiske effekter som albedo. Utvalget er ikke uttømmende, og også andre tiltak gjennom omløpet vil ha effekt på skogens CO2-opptak. Potensielle substitusjonseffekter gjennom tilgang på mer tømmer eller tømmer med høyere kvalitet er ikke inkludert. Klimatilpasning har vært med i vurderingen av alle tiltak. Det er korte omtaler av tiltakenes effekter på naturmangfold.

Sammendrag

Denne rapporten er skrevet på oppdrag fra Teknisk beregningsutvalg for klima (TBU klima). TBU klima skal ifølge mandatet gi råd om forbedringer i metoder for tiltaks- og virkemiddelanalyser på klimaområdet. I årsrapporten for 2021 har utvalget redegjort for hvilke metoder som er vurdert hittil og hvilke temaer som gjenstår. Et tema som foreløpig ikke har vært dekket av utvalget, er metoder som brukes til framskrivninger og til analyser av tiltak og virkemidler som påvirker utslipp og opptak av klimagasser fra skog, arealbruk og arealbruksendringer. Disse opptakene og utslippene rapporteres i det nasjonale klimagassregnskapet under arealbrukssektoren (eng. Land Use, Land-Use Change and Forestry, LULUCF). Formålet med denne rapporten er å gi et kunnskapsgrunnlag for utvalgets videre arbeid med vurdering av metodeapparatet som brukes til utslippsframskrivinger og analyser av tiltak og virkemidler rettet mot arealbrukssektoren, samt metode for å beregne klimaeffekt av poster på statsbudsjettet som påvirker arealbrukssektoren.

Sammendrag

Arealbrukssektoren (engelsk: Land Use, Land-Use Change and Forestry, LULUCF) omfatter arealbruk og arealbruksendringer, med tilhørende utslipp og opptak av CO2, CH4 (metan) og N2O (lystgass), og er en del av det nasjonale klimagassregnskapet under FNs klimakonvensjon. I oktober 2022 ble det publisert oppdaterte, nasjonale framskrivninger for sektoren (Mohr mfl. 2022), basert på data og metodikk fra Norges siste rapportering til FNs klimakonvensjon (Miljødirektoratet mfl. 2022). Som en oppfølging av det arbeidet presenteres her et utvalg sensitivitets- og usikkerhetsanalyser som illustrerer følsomheten og usikkerheten i framskrivningene for noen parametre. Dette er klima (RCP4.5 versus 8.5 og et gjennomsnitt av disse to), to utvalgte typer arealbruksendring (avskoging, og overgang fra myr og skog på organisk jord til annen arealbruk), samt inndata brukt i Yasso07.

Sammendrag

Information on tree height-growth dynamics is essential for optimizing forest management and wood procurement. Although methods to derive information on height-growth information from multi-temporal laser scanning data already exist, there is no method to derive such information from data acquired at a single point in time. Drone laser scanning data (unmanned aerial vehicles, UAV-LS) allows for the efficient collection of very dense point clouds, creating new opportunities to measure tree and branch architecture. In this study, we examine if it is possible to measure the vertical positions of branch whorls, which correspond to nodes, and thus can in turn be used to trace the height growth of individual trees. We propose a method to measure the vertical positions of whorls based on a single-acquisition of UAV-LS data coupled with deep-learning techniques. First, single-tree point clouds were converted into 2D image projections, and a YOLOv5 (you-only-look-once) convolutional neural network was trained to detect whorls based on a sample of manually annotated images. Second, the trained whorl detector was applied to a set of 39 trees that were destructively sampled after the UAV-LS data acquisition. The detected whorls were then used to estimate tree-, plot- and stand-level height-growth trajectories. The results indicated that 70 per cent (i.e. precision) of the measured whorls were correctly detected and that 63 per cent (i.e. recall) of the detected whorls were true whorls. These results translated into an overall root-mean-squared error and Bias of 8 and −5 cm for the estimated mean annual height increment. The method’s performance was consistent throughout the height of the trees and independent of tree size. As a use case, we demonstrate the possibility of developing a height-age curve, such as those that could be used for forecasting site productivity. Overall, this study provides proof of concept for new methods to analyse dense aerial point clouds based on image-based deep-learning techniques and demonstrates the potential for deriving useful analytics for forest management purposes at operationally-relevant spatial-scales.