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.

2019

Sammendrag

Repeat photography is an efficient method for documenting long-term landscape changes. So far, the usage of repeat photographs for quantitative analyses is limited to approaches based on manual classification. In this paper, we demonstrate the application of a convolutional neural network (CNN) for the automatic detection and classification of woody regrowth vegetation in repeat landscape photographs. We also tested if the classification results based on the automatic approach can be used for quantifying changes in woody vegetation cover between image pairs. The CNN was trained with 50 × 50 pixel tiles of woody vegetation and non-woody vegetation. We then tested the classifier on 17 pairs of repeat photographs to assess the model performance on unseen data. Results show that the CNN performed well in differentiating woody vegetation from non-woody vegetation (accuracy = 87.7%), but accuracy varied strongly between individual images. The very similar appearance of woody vegetation and herbaceous species in photographs made this a much more challenging task compared to the classification of vegetation as a single class (accuracy = 95.2%). In this regard, image quality was identified as one important factor influencing classification accuracy. Although the automatic classification provided good individual results on most of the 34 test photographs, change statistics based on the automatic approach deviated from actual changes. Nevertheless, the automatic approach was capable of identifying clear trends in increasing or decreasing woody vegetation in repeat photographs. Generally, the use of repeat photography in landscape monitoring represents a significant added value to other quantitative data retrieved from remote sensing and field measurements. Moreover, these photographs are able to raise awareness on landscape change among policy makers and public as well as they provide clear feedback on the effects of land management.

Sammendrag

Rapporten gir oversikt over status for bevaringsverdige husdyr, skogtrær og kulturplanter. Sentrale begreper i genressursarbeidet for husdyr, planter og skogtrær er definert og forklart. For de bevaringsverdige husdyrrasene viser rapporten utviklingen over flere år for storfe, sau, kystgeit og hest og utviklingen av produksjonstilskuddsordningen for bevaringsverdige husdyrraser. Det er drøyt 30 arter av naturlig hjemmehørende skogtrær i Norge. Rapporten gir oversikt over hva vi har av informasjon om deres genetiske diversitet og bevaringsbehov samt bruk. Flere av disse artene finnes i ulike bevaringsområder spredd over hele landet. Bevaring av vegetativt formerte plantegenetiske ressurser skjer i feltgenbanker i såkalte klonarkiv. Rapporten viser hvor disse ligger i landet og hva som er bevart i slike klonarkiv. Rapporten viser også bruksomfanget av norsk plantemateriale, enten det er nyutviklede sorter i kommersiell bruk eller sorter som er hentet fra ulike genbanker.

Sammendrag

To prosjekter angående sammenheng mellom pris, tilskudd og produsert mengde i noen husdyrproduksjoner ligger bak denne rapporten. Arbeidet med prosjektene har gått parallelt, og det har vært et tett samarbeid mellom prosjektmedarbeiderne. En brukergruppe sammensatt av nøkkelpersoner fra næring og offentlig forvaltning har bidratt underveis. Den ene delen er en deskriptiv analyse av utvikling av priser, tilskudd og produksjon i perioden 1998-2018. Den andre delen er empiriske analyser for storfe, fordelt på ammeku og melkeku, samt sau/lam og gris. Rapporten gir en kompakt og samlet oversikt over utviklingen i pris, tilskudd og produsert mengde i norsk husdyrproduksjon de siste 20 årene...