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.
2020
Sammendrag
Dette er en forvaltningsoppgave som gjennomføres på oppdrag fra Mattilsynet (www.mattilsynet.no). Målet er å framskaffe resultater for godkjenning av nye sorter for opptak på offisiell norsk sortsliste. Prøvingen er en kontinuerlig, ikke tidsavgrenset prøving. Flerårige arter legges ut to ganger med tre registrerings- og høsteår etter hvert utlegg. Ettårige arter prøves i tre år. Artene blir som hovedregel prøvd i fem distrikter; Østlandet, Fjellbygdene, Vestlandet, Midt-Norge og Nord-Norge. I 2019 var det kandidatsorter av artene timotei, engsvingel, rødkløver, flerårig raigras og italiensk raigras som var ferdig testet. I alt 12 sorter var ferdig testet. To kandidatsorter av rødkløver ble anbefalt godkjent.
Forfattere
Annette Folkedal SchjøllSammendrag
Det er ikke registrert sammendrag
Forfattere
Therese With BergeSammendrag
Det er ikke registrert sammendrag
Forfattere
Lars T. HavstadSammendrag
Det er ikke registrert sammendrag
Forfattere
Annette Folkedal SchjøllSammendrag
Det er ikke registrert sammendrag
Forfattere
Lars T. HavstadSammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Redaktører
Oddmund HjukseSammendrag
Det er ikke registrert sammendrag
Forfattere
Tomasz Leszek WoznickiSammendrag
Det er ikke registrert sammendrag
Sammendrag
Forest inventories provide predictions of stand means on a routine basis from models with auxiliary variables from remote sensing as predictors and response variables from field data. Many forest inventory sampling designs do not afford a direct estimation of the among-stand variance. As consequence, the confidence interval for a model-based prediction of a stand mean is typically too narrow. We propose a new method to compute (from empirical regression residuals) an among-stand variance under sample designs that stratify sample selections by an auxiliary variable, but otherwise do not allow a direct estimation of this variance. We test the method in simulated sampling from a complex artificial population with an age class structure. Two sampling designs are used (one-per-stratum, and quasi systematic), neither recognize stands. Among-stand estimates of variance obtained with the proposed method underestimated the actual variance by 30-50%, yet 95% confidence intervals for a stand mean achieved a coverage that was either slightly better or at par with the coverage achieved with empirical linear best unbiased estimates obtained under less efficient two-stage designs.