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.
2022
Forfattere
Mekjell MelandSammendrag
Det er ikke registrert sammendrag
Sammendrag
The assessment of forest abiotic damages such as snow breakage is important to ensure compensation to forest owners. Currently, information on the extent of snow breakage is gathered through time-consuming and potentially biased field surveys. In such situations where field surveys are still common practice, unmanned aerial vehicles (UAVs) are increasingly being used to provide a more cost-efficient and objective methods to answer forest information needs. Further, the advent of sophisticated computer vision techniques such as convolutional neural networks (CNNs) offers new ways to analyze image data more efficiently and accurately. We proposed an object detection method to automatically identify trees and classify them according to the damage by snow based on a YOLO CNN architecture. UAV imagery collected across 89 study areas and over the course of the entire year were manually annotated into a total of >55 K single trees classified as healthy, damaged, or dead. The annotated trees, along with the corresponding UAV imagery were used to train a YOLOv5 object detection model. Furthermore, we tested the effect of seasonality, and varying atmospheric and lighting conditions on the model’s performance. Based on an independent test set of data we found that the general model including all of the data (i.e. any seasons, atmospheric conditions, and time of the day) outperformed all other tested scenarios (i.e. precision = 62 %; recall = 61 %). Furthermore, we found that despite the fact that the snow damaged trees represented a minority class (i.e. 16 % of the annotated trees), they were detected with the largest precision (76 %) and recall (78 %). Finally, the general model transferred well across the variation in seasons, atmospheric and illumination conditions, making it suitable for usage for any new UAV image acquisition.
Forfattere
Therese With BergeSammendrag
Glyfosat er det aktive stoffet i flere ugrasmidler (f.eks. Roundup Eco) og er det mest brukte plantevernmidlet i Norge og globalt. I kornproduksjonen brukes det til å bekjempe ugras i stubbåker, men også i modent bygg mot bl.a. det flerårige grasugraset kveke (Elymus repens). Fordi ugras ofte opptrer flekkvis på åkeren, bør man sprøyte glyfosat flekkvis for å spare miljø og ressurser. Hensikten med dette forprosjektet var å teste om flekksprøyting kan automatiseres ved bruk av kommersielt tilgjengelig sensor-teknologi (WeedSeeker, Trimble Navigation Ltd.). Enkelt forklart er WeedSeeker en integrert enhet bestående av sensor, lyskilde, ventil og dyse. WeedSeeker ble opprinnelig utviklet for automatisk flekksprøyting av ugras på harde flater som grusganger, asfalt o.l. Sensoren kan ikke skille mellom plantearter, ei heller ugras og nytteplanter (inkl. prydplanter). Unntaket er hvis det er vesentlig forskjell mellom nytteplantenes og ugrasets evne til å reflektere rødt og nær-infrarødt lys. Det er åpenbart en relativt stor forskjell i denne evnen mellom korn og mange ugras når det nærmer seg tresketid, men også i stubbåker. Vi undersøkte derfor om automatisk flekksprøyting (WeedSeeker) med glyfosat til å bekjempe ugras fungerer i modent bygg og i stubbåker (om høsten). Resultatene gjelder to feltforsøk i modent bygg og to feltforsøk i stubbåker utført over to år. Bruk av WeedSeeker ga 17- 80 % ugraskontroll i modent bygg. I stubb ble det bedre effekt, 67 – 98 %. Til sammenligning ga ordinær breisprøyting 95-100 prosent effekt. I moden bygg ga WeedSeeker 57-63 % reduksjon i glyfosat-forbruket. I stubbåker ble besparelsen større, 79-82 %. Kommersielt tilgjengelig sensor-teknologi for automatisk flekksprøyting medførte en vesentlig reduksjon i forbruk av glyfosat. Men virkningen, spesielt på kveke, var til dels betydelig dårligere enn ordinær breisprøyting. Effekten på ugraset ville sannsynligvis blitt bedre og mindre variabel med mer erfaring med teknologien og et mer praksisnært oppsett enn det var mulig å bruke i dette forprosjektet.
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Midt-Troms Grønt A/S dyrker økologiske jordbær i tunell ved Rossfjordstraumen i Finnsnes kommune og opplever i enkelte år store skader på avling, planter og infrastruktur fra vånd. I prosjektet har en sett på tiltak for å motvirke slike skader. Tiltakene som er vurdert er inngjerding, skjøtsel av nærområder og bruk av lydsignal. Stor nedgang i våndbestanden i området i forsøksåret innebar få skader og lite press fra vånd mot jordbærfeltet, slik at det ikke var mulig å påvise noen effekt av tiltakene.
Forfattere
Erik Framstad Gunnar Austrheim Marianne Evju Line Johansen Anders Lorentzen Kolstad Anders Lyngstad Siri Lie Olsen Tommy Prestø Vigdis Vandvik Vibekke Vange Liv Guri VelleSammendrag
Norge – terrestriske økosystemer – typeinndeling – våtmark – naturlig åpne økosystemer – semi-naturlig mark – økosystemtilstand
Forfattere
Arne SteffenremSammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Forfattere
Till SeehusenSammendrag
Det er ikke registrert sammendrag