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.
2026
Sammendrag
Deadwood carbon pool is a crucial component of forest ecosystems and the global carbon cycle. Assessing of deadwood carbon is challenging due to variability in decay status, species and disturbances in tropical forests. Quantifying the magnitude of uncertainty is essential for improving the accuracy of carbon stock estimations. This study aimed to estimate deadwood carbon pool by considering deadwood decay status and different vegetation types as well as the associated uncertainty in carbon stock estimates. Based on the National Forestry Resources Monitoring and Assessment of Tanzania (NAFORMA) sampling design, we analysed 21,946 data points from 1,798 plots. A two-way Analysis of Variance (ANOVA) was used to examine the variation in deadwood carbon stock (rotten and solid) between the primary vegetation types. Tukey’s Honest Significant Difference (HSD), post-hoc test was applied to determine which vegetation types significantly differ in carbon stock while a paired samples t -test was used to compare carbon stock of solid and rotten deadwood. Uncertainty was calculated using Equation 10 of 2006 IPCC Guidelines with 95% confidence interval. The estimated deadwood carbon stock ranged from 0.11 to 1.01 t C ha −1 , with solid deadwood having higher carbon stocks than rotten deadwood, accounting for 0.79% of total estimated carbon stocks. Carbon uncertainty values ranged from 0.0008 to 0.28%, with the highest and lowest uncertainty values from rotten deadwood in cultivated land and woodland, respectively. However, these variations among vegetation types did not significantly impact the deadwood carbon stock. In contrast, decay status had a significant effect on deadwood carbon stock. These findings are crucial for national climate policies, land use contributions to national carbon accounting, REDD+ mechanisms and sustainable management of natural ecosystems.
Forfattere
Belachew Gizachew ZelekeSammendrag
Tropical forests, despite their critical environmental and socio-economic roles, remain highly vulnerable to deforestation, forest degradation, and climate-related disturbances. There is a growing demand for robust and transparent forest monitoring systems, particularly under REDD+, the Paris Agreement’s Enhanced Transparency Framework (ETF), and emerging climate-finance mechanisms. Conventional approaches based on field inventories and traditional remote sensing are often constrained by limited or uneven field data, persistent cloud cover, complex forest conditions, and limited institutional and technical capacity. This review examines how artificial intelligence (AI) and machine learning (ML) are being integrated into remote sensing–based tropical forest monitoring to address these structural constraints. Using a semi-systematic synthesis of peer-reviewed studies, complemented by operational platforms and grey literature, the review assesses AI/ML approaches, remote sensing datasets, and applications relevant to national and large-scale monitoring. Evidence is synthesized across five analytical dimensions: AI/ML model families and workflows, multi-sensor datasets and training resources, operational monitoring platforms, application domains (including deforestation, degradation, and biomass/carbon estimation), and cross-cutting technical, institutional, and governance barriers. The review finds that AI/ML-enabled remote sensing, particularly those combining optical, radar, and LiDAR time series within cloud-based platforms, has substantially improved the automation, scalability, and speed of tropical forest monitoring. However, effective and equitable adoption remains constrained by limitations in training and validation data, dependence on proprietary platforms and data, uneven technical capacity, and unresolved governance and ethical challenges. Emerging solutions, including open and representative training datasets, platform-agnostic processing infrastructures, long-term capacity building, and inclusive data-governance frameworks, are identified as critical enablers of credible and nationally owned AI/ML-enabled forest-monitoring systems. The review highlights that AI/ML can play a transformative role in supporting climate mitigation, biodiversity conservation, and informed decision-making. This potential, however, depends on transparent data governance arrangements, long-term capacity building, and platform-agnostic infrastructures that support national ownership.
Sammendrag
I rapporten synliggjøres egenskaper og verdier knyttet til de karbonrike arealene i Gjøvik kommune. Med karbonrike arealer menes arealer på skog, myr og jordbruksarealer på organisk jord. Kartene skal bidra til økt kunnskap om karbonrike arealer og deres påvirkning på klimatilpasning og arealplanlegging. Videre ble karbonrike arealer planlagt nedbygd kartlagt og rapporten summerer opp tiltak som kan gjøres for å redusere utslipp fra karbonrike arealer.
Forfattere
Andreas Hagenbo Jogeir N. Stokland Terje Hoel Even Bergseng Lise Dalsgaard Christian Wilhelm Mohr Stephanie EisnerSammendrag
Grøfter i skog har blitt etablert for å bedre vekstforholdene på dårlig drenerte arealer. I dag er nygrøfting av myr og sumpskog for skogproduksjon forbudt, men vedlikehold av eksisterende grøfter – såkalt grøfterensk – er fortsatt aktuelt på produktiv skogsmark. Tiltaket er omdiskutert, særlig på grunn av mulige klimagassutslipp. Så hva betyr egentlig grøfterensk for klimaet?
Sammendrag
Det er ikke registrert sammendrag
Forfattere
Gunnhild SøgaardSammendrag
Foredrag på fagmøte for bruksberettigede i bruksberettigede i Løiten, Romedal, Stange og Vang allmenninger (https://loitenalmenning.no/invitasjon-til-fagmote/).
Sammendrag
For første gang på flere tiår går skogen i «manko» flere steder i landet. Det kan bety at skogen slipper ut mer CO₂ enn den fanger.
Forfattere
Katharina HobrakSammendrag
Det er ikke registrert sammendrag
Sammendrag
Beitebruk er viktig for ressursutnyttelse, selvforsyning, dyrevelferd og kulturlandskap, og det er et politisk mål å øke beiting. Klimaeffektene av beiting har imidlertid vært lite vektlagt. Rapporten sammenstiller kunnskap om hvordan beitedyr påvirker klima gjennom både klimagassutslipp og endringer i vegetasjon og areal. Effektene varierer betydelig mellom arealtyper, beitetrykk, dyreslag og lokale forhold, noe som gjør det vanskelig å trekke generelle konklusjoner. I klimagassregnskapet er beiting særlig relevant for arealbruksendringer, som avskoging til beite og utslipp fra tidligere drenert myr. Effekter på enterisk metan og utslipp fra husdyrgjødsel er relativt små, selv om enkelte norske studier antyder noe lavere metanutslipp ved godt beite på fulldyrka jord. Biogeofysiske effekter som albedo er lite kartlagt, men kan ha nedkjølende effekt i noen områder. Rapporten peker på to hovedutfordringer: behov for sterkere insentiver til å bruke eksisterende innmarksbeiter fremfor nyrydding, og potensial for mer beiting av melkekyr på fulldyrka jord. Det trengs mer forskning for å bedre beregne effekter av beiting i klimagassregnskapet, særlig knyttet til enterisk metan, jordkarbon og beitetrykk i utmark.
Forfattere
Henrik Forsberg Mathiesen Knut Bjørkelo Katharina Hobrak Christian Wilhelm Mohr Jostein Frydenlund Vilde Fluge Lillesund Bjørnar Sætershagen Ingrid Kleppenes VerneSammendrag
NIBIO har utviklet en karttjeneste for å beregne utslipp og opptak av klimagasser for nåværende og planlagt arealbruk. Kartgrunnlaget, som beskriver nåværende arealbruk, benytter offentlige datakilder. Brukere av kalkulatoren kan laste inn arealplaner eller tegne inn arealer og klassifisere dem med arealformål. Beregningene i kalkulatoren skjer i tråd med retningslinjene i det nasjonale og kommunale klimagassregnskapet for skog- og arealbrukssektoren (LULUCF) og anbefalinger i Miljødirektoratets Håndbok for konsekvensutredninger. Kalkulatoren forenkler arbeidet med å vurdere klimakonsekvenser ved arealbruk og arealbruksendringer i kommunal planlegging.