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.

2025

Abstract

I denne rapporten er det gjennomført et kilderegnskap for næringsstofftilførsler i deler av vannregion Vest-Viken. Inkludert i beregningene er vannområdene Eikeren, Drammenselva, Simoa, Lierelva, Tyrifjorden, Randsfjorden, Hallingdal, Valdres og Numedalslågen. Ulike kilder til avrenning av fosfor og nitrogen er kvantifisert, og det er også beregnet effekter av ulike jordbrukstiltak. Regionen er delt opp i vannområder og disse er igjen delt opp i tiltaksomrområder. Beregningene er gjort pr tiltaksområde ved hjelp av modellene Agricat3, AGRITIL-P, AGRITIL-N og WebGIS Avløp. Resultatene fra analysen viser at den største kilden til tilførsler av både totalfosfor (41%) og totalnitrogen (39%) i regionen er jordbruket. De 10 tiltaksområdene med høyest fosfortap hadde store arealer i høyere erosjonsrisikoklasse og høy til svært høy fosforstatus i jord. I syv av disse var det stor andel erosjonsutsatte kulturer som potet og grønnsaker. Tiltaksområdene med lite tap hadde stor andel grasareal. Skog og utmark er også en betydelig kilde, som skyldes at det er store skog- og utmarksområder i regionen, men dette er hovedsakelig naturlig avrenning som bidrar lite til eutrofieringsproblematikken. Sammenlignet med jordbruk bidrar avløp totalt for regionen noe mindre til næringsstofftilførsler, men er naturlig nok også mer konsentrert i tett befolkede områder. Resultatene antyder at det er et betydelig potensial for å redusere tapene av både fosfor og nitrogen fra jordbruksarealene i regionen gjennom ulike tiltak. Effekten av tiltakene varierer mellom områdene og mellom ulike typer tiltak, mens beste effekten (opptil 80% reduksjon i totalfosfortap) oppnås av kombinasjon av simulerte tiltak for totalfosfor (stubb på alt kornareal, grasdekt kantsone, grasdekt vannvei, redusert P_AL). For nitrogen var fangvekst på alt kornareal det mest effektive simulerte tiltaket (opptil 30% reduksjon i nitrogentapet). Jordbruks- og avløpssektoren må bidra med tiltak der det er nødvendig, med hensyn til total belastning, økologisk tilstand og miljømål i de enkelte vannforekomstene, men her er det kun tiltak i jordbrukssektoren som er modellert.

To document

Abstract

Urban green structures (UGS) play important roles in enhancing urban ecosystems by providing benefits such as mitigating the urban heat island effect, improving air quality, supporting biodiversity, and aiding in stormwater management. Accurately mapping UGS is important for sustainable urban planning and management. Traditional methods of mapping such as manual mapping, aerial photography interpretation and pixel-based classification have limitations in terms of coverage, accuracy, and efficiency. Object-based image analysis (OBIA) has gained prominence due to its ability to incorporate both spectral and spatial information making it particularly effective for classification of high-resolution satellite data. This paper reviews the application of OBIA on satellite images for UGS mapping, focusing on various data sources, popular segmentation methods, and classification techniques, highlighting their respective advantages and limitations. Key segmentation methodologies discussed include multi-resolution segmentation and watershed segmentation. For classification, the review covers machine learning techniques such as random forests, support vector machines, and convolutional neural networks, among others. Several case studies highlight the successful implementation of OBIA in diverse urban environments by demonstrating improvements in classification accuracy and detail. The review also addresses the challenges associated with OBIA, such as dealing with heterogenous urban landscapes, data sources and with OBIA methods itself. Future directions for UGS mapping include the integration of deep learning algorithms, advancements in satellite data technologies, and the development of standardized classification frameworks. By providing a detailed analysis of the current state-of-the-art in object-based UGS mapping, this review aims to guide future research and practical applications in UGS management.