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.
2025
Sammendrag
Informasjon om frøavl av engknoppurt, svartknoppurt og fagerknoppurt
2024
Forfattere
Kathrine Presthus FylkesnesSammendrag
Microalgae are important primary producers of marine ecosystems. Many species require cobalamin (Vitamin B12), which is primarily related to the synthesis of methionine, where cobalamin is cofactor for the enzyme methionine synthase (METH). A gap of knowledge is the required amount of cobalamin needed for growth of cobalamin-dependent organisms and the potential environmental factors that can inactivate cobalamin. Nitrous oxide (N2O) has shown to be a potent inactivator of cobalamin in clinical studies. The greenhouse gas is biologically produced by marine microorganisms, and it is not known whether the concentrations of N2O usually found in marine environments can inhibit growth of cobalamin-dependent microalgae. The aim of this thesis was to investigate the effect of cobalamin depletion and N2O exposure on growth of cobalamin-dependent microalgae. The effect of different concentrations of N2O on growth of cobalamin-dependent E.coli was established in an E.coli model system. Further, the potential for N2O production from microbiota of enriched sediments was investigated in air-tight vials. Growth of cobalamin-dependent I.galbana and T.lutea upon cobalamin depletion was investigated by growing the microalgae in medium without cobalamin. Lastly, N2O effect on algal cultures were tested through injecting growing cultures into air-tight vials containing N2O, followed by measurements of oxygen levels. It was found inactivation of growth of cobalamin-dependent E.coli when presence of saturated concentrations of N2O. This concentration was substantially above the N2O concentrations associated with marine environments and the observed accumulation from enriched sediments. The growth of the cobalamin-dependent microalgae was surprisingly not affected by the absence of cobalamin in medium. Through 16S rRNA analysis, the presence of bacteria was detected in the cultures of these microalgae. Lastly, it was not succeeded to evaluate the effect of N2O on oxygen production from microalgae with the current experimental set-up. In conclusion, saturated concentrations of N2O was shown to inactivate growing cobalamin-dependent E.coli, but the exact inactivation concentration remains undetermined and requires further investigation. As the observed inactivation level was far above the N2O concentrations associated with marine environments, the results suggests that the N2O concentrations usually found in such environments are insufficient to impact the growth of resident cobalamin-dependent organisms. Further, if the non-observed effect of cobalamin depletion on growth of cobalamin-dependent microalgae is caused by the presence of cobalamin-producers or other factors could be investigated further. Lastly, as it was not possible to evaluate the effect of N2O on microalgal growth, this should be investigated further.
Forfattere
Tobias BjørnstadSammendrag
Myr er et viktig økosystem, ikke bare for det biologiske mangfoldet den huser, men også på grunn av de klima- og miljøregulerende økosystemtjenestene den tilbyr. Grøfting av norske myrområder har ført til hydrologiske endringer i disse områdene, som igjen har hatt påvirkning på økosystemtjenestene som tilbys. Økt fokus på miljømessig risiko knyttet til denne tematikken har ført til et behov for kartlegging av grøftede myrer. I denne oppgaven undersøkes muligheten for bruk av maskinlæring for deteksjon av grøftede myrer ved bruk av digital terrengmodell. To maskinlæringsmodeller er trent på et datasett med totalt 2656 bilder av myrområder fra hele Norge, hvor halvparten av bildene er av grøftet myr. Den ene modellen er et konvolusjonelt nevralt nettverk som tar i bruk overføringslære med ResNet50V2 som forhåndstrent modell for binær klassifisering av bildene. Den andre er en støttevektormaskin. De to modellene er utviklet for å se på forskjellene mellom klassisk maskinlæring og dyplæring innen binær klassifisering av digital terrengmodell. Dyplæringsmodellen er optimalisert ved hyperparameter tuning og oppnådde en F1-score på 0,94 og en MCC på 0,87. Støttevektormaskinen ble også hyperparameteroptimalisert og landet på en F1-score på 0,83 og en MCC på 0,66. Oppgaven viser at kartlegging av myrgrøfting kan gjøres effektiv ved bruk av maskinlæring på digital terrengmodell, og at dyplæring er en svært god metode for dette. Modellen tar kun én topografisk indeks som input, hvilket gjør den mulig å benytte i stor skala, selv ved begrenset computerkraft tilgjengelig.
Sammendrag
Sprengkulda er i ferd med å feste sitt grep over store deler av landet. Da er det bare å fyre i ovnen. Bjørkeved er populært, men hvorfor ikke velge gran? Nye tester viser at den brenner raskere, varmer godt og er lett å tenne – om den er tørr.
Sammendrag
Skog er et viktig leveområde for mange arter. I tillegg binder trærnes stamme og røtter store mengder karbon. Klimaendringer og nedbygging truer imidlertid både karbonfangst og biodiversitet i skogene våre. Derfor skal et nytt pan-europeisk forskningssamarbeid gi politikere, forvaltning og interesseorganisasjoner bedre oversikt over tilstanden i skogen – over hele Europa.
Forfattere
Eivor Høydahl FodnesSammendrag
Som følge av EUs vanndirektiv med målsetting om god vannkvalitet i alle vassdrag er det et økt fokus på å redusere forurensninger fra alle typer virksomheter, inkludert fiskeoppdrett. Denne oppgaven peker på hvilke viktige forurensninger som bør håndteres ved utslipp til vassdrag fra småskala landbasert fiskeoppdrett, og hvilke renseløsninger som er egnet for å håndtere denne type avløpsvann. Oppgaven tar utgangspunkt i Noraker Gård i Valdres som driver med regnbueoppdrett og videreforedling til rakfisk. For å kartlegge utslipp og rensekapasitet på Noraker Gård ble det tatt vannprøver fra inntaksvannet, underveis i renseanlegget og ved utslipp, i perioden des. 2023 - feb. Vannprøvene ble analysert for total nitrogen (Tot-N), ammonium-nitrogen (NH4-N), nitrat-nitrogen (NO3-N), nitritt-nitrogen (NO2-N), total fosfor (Tot-P), fosfat-fosfor (PO4-P), totalt organisk karbon (TOC), kjemisk oksygenforbruk (KOF), biokjemisk oksygenforbruk (BOF5), suspendert stoff (SS) og klorid (Cl). Videre ble det gjennomført en enkel grunnundersøkelse i området for å vurdere hvordan naturgrunnlaget kan benyttes til videre rensing. Muligheter og begrensninger er basert på en litteraturgjennomgang av nasjonale og internasjonale relevante erfaringer, samt egne prøver og grunnundersøkelser. Analyse av vannprøvene indikerer at det eksisterende renseanlegget ikke fungerte som tiltenkt i den undersøkte perioden, da konsentrasjonen av næringsstoffer og organisk stoff var høyere etter å ha passert renseanlegget. Allokton tilførsel fra nærliggende landbruk og skog, utspyling av sedimenter, utlekking av fosfor, og ender som skaper oppvirvling av partikler i sedimenteringsdammene kan være mulige årsaker, men det kreves ytterligere undersøkelser for å fastslå dette. Målingene viste imidlertid at det er generelt lave konsentrasjoner av de ulike parameterne, utenom Tot-N og Tot-P som har moderat til høy tilførsel. Det er foreslått fem tiltak rettet mot å forbedre eksisterende renseanlegg: Undersøke dybden til sedimentene, forbedre oppholdstiden i våtmarken, etablere et trommelfilter ved den siste oppdrettsdammen, finere maskevidde, og la trommelfiltrene være i bruk hele året. Forbehandling på alle fire dammene kan gi økt partikkelfjerning, hvilket er positivt i seg selv, men også fordelaktig for de påfølgende prosessene. Det er ingen konkrete råd knyttet til fôr og drift da systemet anses som tilfredsstillende. Kornfordelingsanalyse av jordprøvene indikerer at de stedlige massene er egnet til infiltrasjon, men konservative beregninger på hydraulisk kapasitet antyder at et infiltrasjonsanlegg i det undersøkte området vil ha begrenset evne til å ta unna alt vannet når vannføringen er på sitt største om sommeren. Det er behov for flere grunnundersøkelser før anlegget kan dimensjoneres og utformes i terrenget.
Forfattere
Lars Michaloff NordbySammendrag
In this master thesis, the aim is to find out if it is possible to identify and segment out Juniper from terrestrial pictures taken during the fieldwork of NIBIO’s National Forest Inventory (NFI) project. The goal of the thesis has been to develop a machine learning model that can identify and localize juniper in the pictures. It is also studied if the model training could benefit from the addition of more data from an external dataset. Segmentation and classification are used to try to achieve these goals. The models are trained on datasets containing images from NIBIO and iNaturalist. The models have then been tested on pictures from NIBIO, and the validation parameters compared to find the best model. The model architectures used are from the YOLOv8 models, and this architecture has been used in both classification and segmentation tasks. The results show that all the segmentation models generally perform poorly, while the classification model with an adjustment in the confidence level delivers the best results. However, the results show that the segmentation models still have some potential to perform better by training on a sufficient dataset. The model trained on a combination dataset shows that using an external dataset could result in a model that is more accurate and confident in its predictions and shows signs of delivering a more robust model. The thesis concludes, therefore, that it is possible to develop a machine learning algorithm that can detect juniper in terrestrial pictures. Further work should be focused on gathering a sufficient dataset and trying out different model architectures.
Sammendrag
Prosjektbeskrivelse SUSDOCK-prosjektet
Sammendrag
Beskrivelse av SUSDOCK prosjektet
Forfattere
Tatiana F. Rittl Anne de Boer Reidun Pommeresche Anne-Kristin LøesSammendrag
Data paper