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.
2024
Sammendrag
Forest restoration and improved forest management are seen as options to enhance terrestrial carbon dioxide removal in many regions, yet concerns surrounding their potentially adverse surface albedo impacts exist, particularly in high latitude and altitude regions. Such concerns are often based on generalized conclusions rooted in analyses carried out over broad spatial extents at coarse resolutions. The impacts of surface albedo change are highly sensitive to local environmental factors governing both the surface albedo and solar radiation budgets, and many previous assessments either do not sufficiently deal with such sensitivities or do not qualify the conditions under which they are relevant. Using the country of Norway with its diverse gradients in topography and climate as an ideal case study region, we seek clarity to the question of whether surface albedo is relevant to consider in forestry planning, and if so, what are the important factors determining it. We find that the adverse impact of a forest's albedo outweighs its carbon cycle benefit on only ∼4% of Norway's total forested area, reducing to <∼1% when future climate changes are considered. Our findings challenge the common perception that surface albedo concerns are highly relevant to forestry planning at high latitudes and emphasize the importance of carrying out albedo impact assessments at spatial scales aligning with those of local forestry planning.
Sammendrag
Mapping individual tree quality parameters from high-density LiDAR point clouds is an important step towards improved forest inventories. We present a novel machine learning-based workflow that uses individual tree point clouds from drone laser scanning to predict wood quality indicators in standing trees. Unlike object reconstruction methods, our approach is based on simple metrics computed on vertical slices that summarize information on point distances, angles, and geometric attributes of the space between and around the points. Our models use these slice metrics as predictors and achieve high accuracy for predicting the diameter of the largest branch per log (DLBs) and stem diameter at different heights (DS) from survey-grade drone laser scans. We show that our models are also robust and accurate when tested on suboptimal versions of the data generated by reductions in the number of points or emulations of suboptimal single-tree segmentation scenarios. Our approach provides a simple, clear, and scalable solution that can be adapted to different situations both for research and more operational mapping.
Forfattere
Harald Haga Lislegård Erlend Winje Tor-Arne Bjørn Inger Hansen Atilla Haugen Gabriela WagnerSammendrag
Utmarksbeitende dyr er utsatt for angrep fra fredet rovvilt. I oppdrag fra rovviltnemnda i region 6 Midt-Norge undersøker vi i hvilken grad det kan oppdages kadaver av sau og rein i utmark med bruk av droner i åpen og spesifikk kategori sammenlignet med Norske kadaverhunders standard for finsøk. Vi undersøker om droner er egnet til å sjekke ut hvorvidt et dødsvarsel fra GPS-merket sau eller tamrein er ekte eller falsk alarm. Med bakgrunn i gjeldende regelverk diskuterer vi med hvilke metoder droner kan benyttes i skadefellingssituasjoner. Utredningen er basert på feltforsøk, erfaringer, personlig kommunikasjon og faglitteratur. Droner var mer effektive til å finne kadaver som ligger åpent i terrenget sammenlignet med Norske kadaverhunders standard, målt i suksessrate og tidsbruk. Søk BVLOS med GPS-posisjon har den høyeste suksessraten og er lite tidskrevende. Kamerateknologien til moderne droner er god nok til å identifisere skadeomfang av dyr på bakken og kan bidra til å dokumentere tapsårsaker og t.o.m. forbedre dyrevelferd på utmarksbeite. Per dags dato kan en forvente at drone brukes som hjelpemiddel i en skadefellingssituasjon til søk etter dyret (termisk spor, RGB kamera, spor i snø), ved å forstyrre dyret og evt. drive dyret mot fellingslaget og ved å bedøve dyret. Mens drone kan ikke brukes til jakt, kan Miljødirektoratet gi dispensasjon. Erfaringsverdier og et vitenskapelig kunnskapsgrunnlag mangler.
Forfattere
Eivind Handegard Ivar Gjerde Rune Halvorsen Robert John Lewis Ken Olaf Storaunet Magne Sætersdal Olav SkarpaasSammendrag
Multiple ecological drivers, along with forest age, determine the species composition of boreal forest ecosystems. However, the role of age in successional changes in forests cannot be understood without taking site conditions, the disturbance regime and forest structure into account. In this study, we ask two research questions: 1. What is the relationship between forest age and overall species composition in older near-natural spruce forests, i.e. forests of age beyond harvest maturity? 2. Do species associated with different forest habitats respond similarly to variation in forest age? Data were collected in 257 Norway spruce dominated 0.25 ha plots from three study areas in Southeastern and Central Norway. Species inventories were conducted for lichens and bryophytes on trees and rocks, vascular plants on the forest floor, and for deadwood-associated bryophytes and polypore fungi. Although NMDS ordination analyses of the total species composition identified a main axis related to the age of the oldest trees in two of the study areas, variation partitioning analyses showed that age explained a small fraction of variation of the species composition compared to site conditions, logging history, forest structure, and differences between the sites in all habitats. The unique variation explained by forest age species was, however, significant for all habitats. The fraction of variation in species composition explained by forest age was the largest for lichens and bryophytes on trees, and for deadwood-associated bryophytes and polypore fungi. Our results suggest that practical mapping of near-natural forests for management purposes inventories should include site conditions, forest structure and between site differences in addition to forest age.
Forfattere
Christian Wilhelm Mohr Johannes Breidenbach Gunnhild Søgaard Oliver Moen Snoksrud Rune EriksenSammendrag
Det er ikke registrert sammendrag
Sammendrag
Landbruks- og Matdepartementet ga sommeren 2023 NIBIO i oppdrag å utrede effekter av suppleringsplanting med henblikk på potensialet for «karbon-fangst» og klimabidrag. Oppdraget omfattet en evaluering av følgende tiltak: 1. Suppleringsplanting etter tradisjonell kulturforyngelse (nyplanting) av gran. 2. Hjelpekultur (supplering) for å komplettere naturforyngelse av furu. 3. Behovet for hjelpekultur (supplering) for å sikre tilfredsstillende foryngelse etter lukkede hogster i granskog. 4. Hjelpekultur (supplering) for å komplettere naturforyngelse etter fjellskoghogst. Problemstillingene knyttet til hvert av tiltakene slik de er konkretisert av oppdragsgiver er gjengitt i kapittel 1. I løsningen av oppdraget er det benyttet en kombinasjon av data fra Resultatkartleggingen og Landsskogtakseringen, i tillegg til modellsimuleringer og gjennomgang av tilgjengelig litteratur. De to første tiltakene behandles samlet i rapportens kapittel 2, mens de to siste tiltakene belyses i kapitlene 3 og 4. Tiltak 1 og 2: Klimaeffekten av de to første tiltakene fram mot år 2100 er estimert ved å sammenligne akkumulert opptak av CO2 for et basisscenario uten supplering, med scenarier der det forutsettes et aktivitetsnivå som dekker opp behovet slik det er registrert i Resultatkartleggingen i perioden 2018-2022. Analysene gav som resultat at scenariet med supplering i både gran- og furuforyngelser gir et akkumulert meropptak på 34,6 Mt CO2 fram mot år 2100 sammenlignet med scenariet uten supplering. Supplering i kun granforyngelser gav som resultat et meropptak på 27,9 Mt CO2, mens meropptaket ved supplering i kun furuforyngelser ble estimert til 6,1 Mt CO2. Den akkumulerte forskjellen på 34,6 Mt CO2 mellom scenariet uten supplering og scenariet med supplering i både gran og furu utgjør et ekstra årlig opptak på 0,4 Mt CO2 når differansen fordeles over 80 år. Siden det meste av meropptaket kommer i siste del av perioden har tiltaket liten betydning for å nå klimamål for 2030 og 2050, men desto større effekt i et lengre tidsperspektiv. Basert på diskontert kostnad havner begge tiltakene i den lavere delen av kostnadskategorien «under 500 kr per tonn», uansett skogtype (treslag, bonitet). Tiltak 3 og 4: Resultatet ved naturlig foryngelse kan variere mye etter lukkede hogster i granskog. Noen vegetasjonstyper, for eksempel fattige utforminger av bærlyng- eller blåbærskog med tjukke råhumusmatter, skiller seg negativt ut. For hogstformer som skjermstillingshogst og gruppehogst vurderer vi at oppfølging av resultatet nokså raskt etter hogst, etterfulgt av suppleringsplanting der det er behov, vil kunne bidra til at plantetettheten er på et visst nivå. Men det er også store usikkerheter knyttet til effekten, fordi veksten er langsom og dødeligheten i foryngelsen nokså stor, ikke minst ved de gjentatte hogstinngrepene som kjennetegner lukkede hogster. Ved selektive hogster er det viktig å ha i bakhodet at innvoksingen (årlig rekruttering av nye trær inn i minste diameterklasse) ikke trenger å være veldig stor for å erstatte de trærne som hogges. Her er det også svært vanskelig å forutsi hvilke planteplasser i bestandet som vil sikre plantene god utvikling, over alle de tiårene som trengs før de vokser inn i dominerende tresjikt. Grunnet mangelfulle data og empiri for lukkede hogstformer, inkludert fjellskoghogst, er effekter på karbonopptak ved suppleringsplanting ikke kvantifisert, utover å angi et grovt estimat for fjellskoghogst i granskog i Innlandet fylke. Det årlige omfanget av fjellskoghogst i fylket var i perioden 2010-2022 i gjennomsnitt på 456 ha (Resultatkartleggingen, upubliserte data), og kontrollørene vurderte at det var behov for supplering på 48 prosent av dette arealet (218 ha).
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Skogpolitikk er formelt medlemslandenes kompetanse, og er ikke nevnt i EUs traktater som et område for felles politikk. Skogsektoren er likevel over tid omfattet av tiltak og virkemidler i andre sektorer der EU har felles politikk, bl.a. i EUs landbrukspolitikk, miljøpolitikk og klimapolitikk. Skogens rolle er særlig tydelig i EUs grønne giv (European Green Deal, EGD). EUs grønne giv er et veikart for en samfunnsomstilling som skal ende i et klimanøytralt EU i 2050. EØS-avtalen regulerer samarbeidet mellom Norge og EU og har vært bestemmende for utviklingen i Norge på de fleste samfunnsområder. Norge har også inngått et bilateralt klimasamarbeid med EU om gjennomføringen av målene i Paris-avtalen. Denne bilaterale avtalen mellom Norge og EU innebærer at Norge gjennomfører EUs regelverk for klima også for ikke- kvotepliktig sektor og skog- og arealbruk (LULUCF). Denne rapporten beskriver videre bakgrunn og status for andre sentrale strategier og regelverk av betydning for norsk skogpolitikk og skogforvaltning som følger av EUs grønne giv. Det er i første rekke strategier og regelverk for fornybar energi, miljø og klima som er omtalt her. EUs grønne giv representerer en betydelig samlet påvirkning av skogpolitikken. En utfordring er at endringen skjer horisontalt gjennom utvikling av regelverk i flere sektorer samtidig. Effektene av endringer i regelverk og politiske prioriteringer i EU er foreløpig bare delvis mulig å kvantifisere, men det er gjort noen vurderinger av konsekvenser i rapporten. Når detaljene i rettsaktene, planene for gjennomføring, og Norges forpliktelser for de ulike regelverkene er nærmere en avklaring vil virkningene avtegne seg klarere. Retningen på endringene i EU er imidlertid tydelig: mer vekt på å bevare miljøverdier og økte bidrag fra skogen i arbeidet med å redusere klimagassutslipp.
Forfattere
Binbin Xiang Maciej Wielgosz Theodora Kontogianni Torben Peters Stefano Puliti Rasmus Astrup Konrad SchindlerSammendrag
Detailed forest inventories are critical for sustainable and flexible management of forest resources, to conserve various ecosystem services. Modern airborne laser scanners deliver high-density point clouds with great potential for fine-scale forest inventory and analysis, but automatically partitioning those point clouds into meaningful entities like individual trees or tree components remains a challenge. The present study aims to fill this gap and introduces a deep learning framework, termed ForAINet, that is able to perform such a segmentation across diverse forest types and geographic regions. From the segmented data, we then derive relevant biophysical parameters of individual trees as well as stands. The system has been tested on FOR-Instance, a dataset of point clouds that have been acquired in five different countries using surveying drones. The segmentation back-end achieves over 85% F-score for individual trees, respectively over 73% mean IoU across five semantic categories: ground, low vegetation, stems, live branches and dead branches. Building on the segmentation results our pipeline then densely calculates biophysical features of each individual tree (height, crown diameter, crown volume, DBH, and location) and properties per stand (digital terrain model and stand density). Especially crown-related features are in most cases retrieved with high accuracy, whereas the estimates for DBH and location are less reliable, due to the airborne scanning setup.
Sammendrag
This study focuses on advancing individual tree crown (ITC) segmentation in lidar data, developing a sensor- and platform-agnostic deep learning model transferable across a spectrum of dense laser scanning datasets from drone (ULS), to terrestrial (TLS), and mobile (MLS) laser scanning data. In a field where transferability across different data characteristics has been a longstanding challenge, this research marks a step towards versatile, efficient, and comprehensive 3D forest scene analysis. Central to this study is model performance evaluation based on platform type (ULS vs. MLS) and data density. This involved five distinct scenarios, each integrating different combinations of input training data, including ULS, MLS, and their augmented versions through random subsampling, to assess the model's transferability to varying resolutions and efficacy across different canopy layers. The core of the model, inspired by the PointGroup architecture, is a 3D convolutional neural network (CNN) with dedicated prediction heads for semantic and instance segmentation. The model underwent comprehensive validation on publicly available, machine learning-ready point cloud datasets. Additional analyses assessed model adaptability to different resolutions and performance across canopy layers. Our results reveal that point cloud random subsampling is an effective augmentation strategy and improves model performance and transferability. The model trained using the most aggressive augmentation, including point clouds as sparse as 10 points m−2, showed best performance and was found to be transferable to sparse lidar data and boosts detection and segmentation of codominant and dominated trees. Notably, the model showed consistent performance for point clouds with densities >50 points m−2 but exhibited a drop in performance at the sparsest level (10 points m−2), mainly due to increased omission rates. Benchmarking against current state-of-the-art methods revealed boosts of up to 20% in the detection rates, indicating the model's superior performance on multiple open benchmark datasets. Further, our experiments also set new performance baselines for the other public datasets. The comparison highlights the model's superior segmentation skill, mainly due to better detection and segmentation of understory trees below the canopy, with reduced computational demands compared to other recent methods. In conclusion, the present study demonstrates that it is indeed feasible to train a sensor-agnostic model that can handle diverse laser scanning data, going beyond current sensor-specific methodologies. Further, our study sets a new baseline for tree segmentation, especially in complex forest structures. By advancing the state-of-the-art in forest lidar analysis, our work also lays the foundation for future innovations in ecological modeling and forest management.