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.

2021

Sammendrag

Det er fokus i landbruket på å øke andelen av norskprodusert protein. Helgrøde av korn er i hovedsak et fiber- og stivelsesrikt fôr. Åkerbønne er en proteinrik belgvekst som krever lang veksttid. Målet med dette prosjektet var å undersøke helgrøde med åkerbønner under vekstforholdene i Rogaland med hensyn til veksttid, avlingspotensial og fôrkvalitet med fokus på proteininnhold. Det ble anlagt to feltforsøk i 2019 og 2020 på Særheim, Klepp. For å sammenligne to ulike dyrkingsmetoder ble åkerbønner sådd i reinbestand og i blanding med hvete og raigras. Ulike sorter av åkerbønner ble tatt med for å undersøke variasjon i avling, samtidig som fôrkvalitet ble undersøkt nærmere for tre sorter. Helgrøden ble slått når hveten var deigmoden. Åkerbønne viste seg å være aktuell som helgrødevekst da den ga høye proteinavlinger uten tilførsel av nitrogengjødsel. Såing av åkerbønner i blanding med hvete og raigras ga høyere avling enn åkerbønner i reinbestand. Det var få signifikante avlingsforskjeller mellom sorter. Likevel tydet forsøkene på at seine sorter egnet seg bedre i blanding med hvete enn tidligere sorter. Proteininnholdet var signifikant høyest i reinbestand.

Sammendrag

Leaf blotch diseases (LBD), such as Septoria nodorum bloch (Parastagnospora nodorum), Septoria tritici blotch (Zymoseptoria tritici) and Tan spot (Pyrenophora tritici-repentis) can cause severe yield losses (up to 50%) in Norwegian spring wheat (Triticum aestivum) and are mainly controlled by fungicide applications. A forecasting model to predict disease risk can be an important tool to optimize disease control. The association between specific weather variables and the development of LBD differs between wheat growth stages. In this study, a mathematical model to estimate phenological development of spring wheat was derived based on sowing date, air temperature and photoperiod. Weather factors associated with LBD severity were then identified for selected phenological growth stages by a correlation study of LBD severity data (17 years). Although information regarding host resistance and previous crop were added to the identified weather factors, two purely weather-based risk prediction models (CART, classification and regression tree algorithm) and one black box model (KNN, based on K nearest neighbor algorithm) were most accurate to predict moderate to high LBD severity (>5% infection). The predictive accuracy of these models (76–83%) was compared to that of two existing models used in Norway and Denmark (60 and 61% accuracy, respectively). The newly developed models performed better than the existing models, but still had the tendency to overestimate disease risk. Specificity of the new models varied between 49 and 74% compared to 40 and 37% for the existing models. These new models are promising decision tools to improve integrated LBD management of spring wheat in Norway.