Hopp til hovedinnholdet

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

Til dokument

Sammendrag

Fall armyworm (FAW) Spodoptera frugiperda (J.E. Smith, 1797) (Lepidoptera: Noctuidae) was recorded for the first time in 2016 attacking maize fields in central and west Africa. Soon after, several other regions and countries have reported the pest in almost the entire sub-Saharan Africa. In the present study, we assumed that (i) a variety of alternative plant species host FAW, especially during maize off-season, (ii) a wide range of local parasitoids have adapted to FAW and (iii) parasitoid species composition and abundance vary across seasons. During a two-year survey (from June 2018 to January 2020), parasitoids and alternative host plants were identified from maize and vegetable production sites, along streams and lowlands, on garbage dumps and old maize fields in southern and partly in the central part of Benin during both maize growing- and off-season. A total of eleven new host plant species were reported for the first time, including Cymbopogon citratus (de Candolle) Stapf (cultivated lemon grass), Bulbostylis coleotricha (A. Richard) Clarke and Pennisetum macrourum von Trinius (wild). The survey revealed seven parasitoid species belonging to four families, namely Platygastridae, Braconidae, Ichneumonidae, and Tachinidae associated with FAW on maize and alternative host plants. The most abundant parasitoid species across seasons was the egg parasitoid Telenomus remus (Nixon) (Hymenoptera: Platygastridae). These findings demonstrate FAW capability to be active during the maize off-season in the selected agro-ecologies and provide baseline information for classical and augmentative biocontrol efforts.

Sammendrag

Formålet med dette projekt har været at øge indsigten i, hvorvidt og hvordan en højere grad af selvforsyning med fødevarer kan bidrage til mere bæredygtige og resiliente fødevaresystemer i de fem nordiske øsamfund Bornholm, Færøerne, Grønland, Island og Åland. Til dette formål har vi udregnet selvforsyningsgrad og dækningsgrad med fødevarer for hvert af de fem samfund baseret på tilgængelige data, kortlagt arbejdet med selvforsyning og lokale fødevaresystemer, samt beskrevet udfordringerne og mulighederne som lokale aktører fremhæver ved at øge selvforsyningsgraden. En række gode eksempler fra de forskellige øsamfund er indsamlet og beskrevet til inspiration. De anvendte metoder er indsamling af data over produktion, forbrug, eksport og import af fødevarer. Interviews og fokusgrupper med lokale aktører i de fem øsamfund og skrivebordsanalyse af fødevare- og landbrugsstrategier, politiske dokumenter og rapporter om de lokale fødevaresystemer. Projektet er udført i samarbejde mellem Nordregio, Norsk institutt for bioøkonomi (NIBIO) og Búnaðarstovan (Landbrugsstyrelsen på Færøerne) i perioden juni 2021 til februar 2022. Stor variation i forudsætningerne for fødevareproduktion i de nordiske øsamfund De fem nordiske øsamfund, Bornholm, Færøerne, Grønland, Island og Åland, har forskellige forudsætninger for fødevareproduktion og betingelser for de lokale fødevaresystemer. Det handler blandt andet om de klimatiske forudsætninger, tilgangen til egnede landbrugsarealer og marine områder, forskellige fødevaretraditioner og kultur både i tilknytning til produktion, processering, distribution og konsum, og transportmuligheder. Bornholm er beriget af en god jordbund, der giver gode vilkår for landbrug, mens udviklingen i Østersøen har forringet mulighederne for fiskeriet. Ligeledes er der på Åland gode vilkår for landbrug, mens Færøerne, Island og Grønland har et koldere, arktisk klima med en kort vækstsæson og sparsom adgang til ideel landbrugsjord. Derimod tilbyder havet en overvældende mængde af ressourcer. Udvikling af innovative produktionsformer som eksempelvis grøntsagsdyrkning i drivhuse i Island, som udnytter varmen fra undergrunden og vedvarende energikilder, er et eksempel på, hvordan de naturgivne forhold kan vendes til fordele i fødevareproduktionen. Fælles for de fem øsamfund er, at de hver især har en stor eksport af fødevarer, hvilket har en signifikant betydning for de lokale økonomier. Turisme udgør en stor og stadig voksende sektor i øsamfundene, hvor lokale fødevarer, gastronomi og oplevelsesøkonomi i stigende grad indgår i turistaktiviteter. Omfanget af privat dyrkning af fødevarer, opdræt eller fangst varierer imellem de fem samfund, hvor særligt mængden af fødevarer, som ikke indgår i det officielle marked, er stor på Færøerne og i Grønland og bygger på lokale fødevaretraditioner. Selvforsyningsgrad og dækningsgrad Selvforsyningsgrad og dækningsgrad af fødevarer er udregnet for hvert øsamfund baseret på de allerede indsamlede datasæt, det har været muligt at fremskaffe. Forskellen på selvforsyningsgrad og dækningsgrad er, om man tager hensyn til de fødevarer, som bliver eksporteret. Selvforsyningsgraden angiver, hvor stor en andel af maden, man konsumerer i et land som er produceret i landet. Dækningsgraden angiver, hvor stor en andel af maden, man kunne konsumere i et land, hvis man ikke havde eksporteret fødevarerne. Eftersom det ikke har været muligt at få tilgang til alle nødvendige data for at udregne selvforsyningsgrad og dækningsgrad, grundet at disse ikke er systematisk indsamlet eller forekommer på nødvendigt detaljeniveau, er der i udregningerne gjort en række antagelser og skøn. Specielt mangler der ofte data for importerede og eksporterede mængder fra Bornholm, Færøerne, Grønland og Åland. Grønland har en relativt groft inddelt udenrigshandelsstatistik, statistikken fra ............

Til dokument

Sammendrag

Precision weeding or site-specific weed management (SSWM) take into account the spatial distribution of weeds within fields to avoid unnecessary herbicide use or intensive soil disturbance (and hence energy consumption). The objective of this study was to evaluate a novel machine vision algorithm, called the ‘AI algorithm’ (referring to Artificial Intelligence), intended for post-emergence SSWM in cereals. Our conclusion is that the AI algorithm should be suitable for patch spraying with selective herbicides in small-grain cereals at early growth stages (about two leaves to early tillering). If the intended use is precision weed harrowing, in which also post-harrow images can be used to control the weed harrow intensity, the AI algorithm should be improved by including such images in the training data. Another future goal is to make the algorithm able to distinguish weed species of special interest, for example cleavers (Galium aparine L.).