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.
2023
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
After fungal decay experiments chemical characterisation of the wood is often a routine and several methodological approaches are available. In this study, we tested if simultaneous thermal analysis (STA) is a valid alternative to traditional wet chemical methods since STA allows significantly smaller sample size and faster analysis. Three model fungi including the brown rot fungi Rhodonia placenta and Gloeophyllum trabeum and the white rot fungus Trametes versicolor were employed in the study using Norway spruce as substrate. The experiment was harvested after 10, 20 and 52 weeks. At each harvest interval, aliquots of the material were characterized by STA and wet chemical methods. The results validated that STA can be effectively used to estimate cell wall composition of brown rot depolymerised wood. However, STA slightly overestimated cellulose at brown rot decay above 50%. The method was not verified for simultaneous white rot because STA only estimated hemicellulose correctly compared to the wet chemical method. Hence, STA is considered suitable for brown rot fungi below 50% mass loss but not for simultaneous white rot because STA did not estimate cellulose and lignin correctly.
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Denne rapporten presenterer oppdaterte bonitetskurver og produksjonstabeller for jevnaldrende renbestand av gran og furu, og gjelder for innlandsstrøk i Norge inkludert Nordland og Troms og Finnmark for furu. Vekstforholdene over hele Norge har endret seg vesentlig de siste 50 årene, og de oppdaterte bonitetskurvene og produksjonstabellene har blitt utviklet for å reflektere det. De oppdaterte bonitetskurvene er basert på totalalder, med en basisalder på 40 år. I forhold til de bonitetskurvene som er i bruk i dag, viser de oppdaterte bonitetskurvene en forlenget økt overhøydevekst, slik at de dermed når større overhøyder ved høye bestandsalder for begge studerte treslag. Oppdaterte produksjonstabeller har blitt utledet for forskjellige boniteter, utgangstettheter og tynningsscenarioer. Tabellene representerer både vanlige forvaltningsalternativer og ulike andre alternativer som kan være av interesse. Sammenligning av de oppdaterte produksjonstabellene med de som er i bruk i dag avslører til dels betydelige forskjeller, inkludert høyere netto volumproduksjon i de nye tabellene for utynnede bestand av begge treslag og nesten alle bonitetsklasser.
Forfattere
Stefano Puliti Grant Pearse Peter Surovy Luke Wallace Markus Hollaus Maciej Wielgosz Rasmus AstrupSammendrag
The challenge of accurately segmenting individual trees from laser scanning data hinders the assessment of crucial tree parameters necessary for effective forest management, impacting many downstream applications. While dense laser scanning offers detailed 3D representations, automating the segmentation of trees and their structures from point clouds remains difficult. The lack of suitable benchmark datasets and reliance on small datasets have limited method development. The emergence of deep learning models exacerbates the need for standardized benchmarks. Addressing these gaps, the FOR-instance data represent a novel benchmarking dataset to enhance forest measurement using dense airborne laser scanning data, aiding researchers in advancing segmentation methods for forested 3D scenes. In this repository, users will find forest laser scanning point clouds from unamnned aerial vehicle (using Riegl sensors) that are manually segmented according to the individual trees (1130 trees) and semantic classes. The point clouds are subdivided into five data collections representing different forests in Norway, the Czech Republic, Austria, New Zealand, and Australia. These data are meant to be used either for developement of new methods (using the dev data) or for testing of exisitng methods (test data). The data splits are provided in the data_split_metadata.csv file. A full description of the FOR-instance data can be found at http://arxiv.org/abs/2309.01279