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
Denne rapporten gir en oversikt over tilstanden i skog som var vernet per. 1.1.2021. Datamaterialet som er utgangspunktet for rapporten er registreringer gjennomført av Landsskogtakseringen, gjennom «Overvåkingsprogrammet for skog i verneområder». Registreringene er utført i løpet av femårsperioden 2017-2021. Utvalgte resultater: • Vernet skog omfattet per 1.1. 2021 totalt 592 481 ha, tilsvarende 4,9 prosent av det totale skogarealet. • 3,7 prosent av den produktive skogen, og 7,9 prosent av den uproduktive skogen i landet finnes i vernet skog, der skogbruk ikke er tillatt. • I produktiv skog er andelen skogareal i klassene middels og høy+ svært høy bonitet underrepresentert samlignet med skogen generelt. • Skogen i verneområder er generelt eldre og har en større andel skog i senere utviklingstrinn. Biologisk gammel skog etter Landsskogtakseringens definisjon utgjør nærmere tre ganger så høy andel i den produktive delen av vernet skogareal som i produktiv skog totalt. • Det stående volumet i verneområdene utgjør 4,1 prosent av totalt stående volum. • Gjennomsnittlig tilvekst i skog som var vernet per 1.1.2016 er lavere enn gjennomsnittet for skog generelt. • Vernet skog inneholder mer volum død ved per hektar i gjennomsnitt enn øvrig skog. • I produktiv skog er MiS-livsmiljøene “liggende dødved” og “stående dødved”, samt “gamle trær” vanligere i verneområdene. For uproduktiv skog er “gamle trær” vanligere. I tillegg presenteres resultater som viser hvordan den vernede skogen har utviklet seg siden forrige taksering, som ble gjennomført 2012-2016.
Forfattere
Dorothee Kolberg Are Johansen Roar Lågbu Finn-Arne Haugen Nora Hua Ly Kok Ingvild Lauvland HøieSammendrag
NLR Nord Norge opplever at målkonflikten mellom å opprettholde matproduksjon i hele landet og klimatiltak stiller den nordnorske bonden overfor tilsynelatende uforenelige krav. Ved hjelp av litteraturstudie og bruk av arealdata og kart undersøkes behov og muligheter for bedre lokalt tilpasset datagrunnlag til klimaarbeidet på kommune- og gårdsnivå. Litteraturstudiet viser at metodikken i kommunalt klimaregnskap og Landbrukets klimakalkulator i liten grad tar hensyn til de nordlige driftsforholdene, og at sammenlikning av eget klimaavtrykk med andres har begrensninger. Det er viktig å se klimaarbeidet i sammenheng med bærkraftig arealforvaltning i jordbruket. Uttesting i Vestvågøy kommune og på fem testbruk viser at data og kart fra jordkartlegging og vegetasjonskartlegging kan være nyttige supplement i klimaarbeidet på kommune- og gårdsnivå. Rapporten sammenstiller forslag til forbedringer og oppfølgingsprosjekter.
Forfattere
Jørgen A.B. MølmannSammendrag
Det er ikke registrert sammendrag
Forfattere
Jørgen A.B. MølmannSammendrag
Det er ikke registrert sammendrag
Forfattere
Ievina SturiteSammendrag
Det er ikke registrert sammendrag
Forfattere
Karin Juul HesselsøeSammendrag
Det er ikke registrert sammendrag
Forfattere
Trygve S. AamlidSammendrag
Det er ikke registrert sammendrag
Sammendrag
Soil management is important for sustainable agriculture, playing a vital role in food production and maintaining ecological functions in the agroecosystem. Effective soil management depends on highly accurate soil property estimation. Machine learning (ML) is an effective tool for data mining, selection of key soil properties, modeling the non-linear relationship between different soil properties. Through coupling with spectral imaging, ML algorithms have been extensively used to estimate physical, chemical, and biological properties quickly and accurately for more effective soil management. Most of the soil properties are estimated by either near infrared (NIR), Vis-NIR, or mid-infrared (MIR) in combination with different ML algorithms. Spectroscopy is widely used in estimation of chemical properties of soil samples. Spectral imaging from both UAV and satellite platforms should be taken to improve the spatial resolution of different soil properties. Spectral image super-resolution should be taken to generate spectral images in high spatial, spectral, and temporal resolutions; more advanced algorithms, especially deep learning (DL) should be taken for soil properties’ estimation based on the generated ‘super’ images. Using hyperspectral modeling, soil water content, soil organic matter, total N, total K, total P, clay and sand were found to be successfully predicted. Generally, MIR produced better predictions than Vis-NIR, but Vis-NIR outperformed MIR for a number of properties. An advantage of Vis-NIR is instrument portability although a new range of MIR portable devices is becoming available. In-field predictions for water, total organic C, extractable phosphorus, and total N appear similar to laboratory methods, but there are issues regarding, for example, sample heterogeneity, moisture content, and surface roughness. More precise and detailed soil property estimation will facilitate future soil management.
Sammendrag
Det er ikke registrert sammendrag
Foredrag – Artsrike kulturavhengige økosystemer og matproduksjon for framtida
Ellen Johanne Svalheim
Forfattere
Ellen Johanne SvalheimSammendrag
Det er ikke registrert sammendrag