Brage NMBU
Not a member yet
19188 research outputs found
Sort by
Effektivisering av tidligfase-reguleringsprosesser
Get PDFEffektive tidligfase-reguleringsprosesser er avgjørende for bærekraftig arealutvikling, men utfordres av kompleksitet, fragmentering og lange tidsrammer. Studien utforsker hvordan teknologiske innovasjoner og institusjonelle tilpasninger kan forbedre prosessene ved å balansere samfunnshensyn med effektivitet og verdiskaping. Gjennom Elinor Ostroms Institutional Analysis and Development Framework (IAD) og Business Model Canvas (BMC), analyseres hvordan institusjonelle rammer og teknologiske løsninger kan kombineres for bedre resultater.
Basert på kvalitative dybdeintervjuer og dokumentanalyse identifiserer studien optimeringsmodeller, kunstig intelligens (AI) og geografiske informasjonssystemer (GIS) som teknologier med potensial til å styrke beslutningsgrunnlag og effektivisere reguleringsarbeidet. Behovet for bedre aktørsamarbeid, datakvalitet og lokal tilpasning fremheves som nøkkelpunkter.
Hovedkonklusjonen viser at en kombinasjon av institusjonelle reformer og teknologisk innovasjon kan redusere forsinkelser, øke transparens og styrke bærekraften i reguleringsprosessene. Oppgaven gir anbefalinger som standardisering av datasett, teknologiintegrasjon og styrking av aktørers samarbeid gjennom tankeeksperiment i diskusjonsdelen. Den avsluttes med forslag til videre forskning, inkludert analyser av teknologiens effekt og case-studier av samarbeidsmodeller, og representerer et viktig bidrag til fremtidig utvikling av tidligfase-reguleringsprosesser.Efficient early-phase regulatory processes are critical for achieving sustainable land development, yet they are often hindered by complexity, fragmentation, and prolonged procedures. This study investigates how technological innovations and institutional adaptations can enhance these processes by balancing societal considerations with efficiency and value creation. By utilizing Elinor Ostrom’s Institutional Analysis and Development Framework (IAD) and the Business Model Canvas (BMC), the research explores how institutional structures and technology-driven solutions can synergize to address key challenges.
The study employs qualitative interviews with industry stakeholders and document analysis, identifying optimization models, artificial intelligence (AI), and geographic information systems (GIS) as pivotal technologies for improving decision-making and streamlining processes. Findings highlight the necessity of enhanced actor collaboration, improved data quality, and tailored technological applications to local contexts.
The results conclude that a combination of institutional reforms and technological innovations can reduce delays, increase transparency, and foster sustainability in regulatory processes. Recommendations include the standardization of datasets, better integration of technological tools, and strengthened collaboration between stakeholders through thought experiments in the discussion section. The study concludes with proposals for further research, such as quantitative analyses of technological impacts and case studies on collaborative models, contributing to a deeper understanding of how today’s innovations can address future challenges in early-phase regulatory processes
Rom for oversettelse på Økern S - Samhandling sett gjennom et Trading Zone perspektiv
Get PDFI takt med at fremtiden oppleves statid mer usikker og byplanleggingen mer kompleks, blir det større og større behov for å samarbeid på tvers av ulike fagfelt, forståelser og kulturer. Dette er innebærer imidlertid ofte friksjon, uenighet og grunnleggende forskjeller. Denne studien undersøker hvordan ulike aktører samhandler i en kompleks planprosess gjennom en kvalitativ casestudie av Økern S - et transformasjonsområde i Hovinbyen i Oslo. Det teoretiske grunnlaget bygger på Urban Planning as a Trading Zone av Mäntysalo og Balducci (2013), som videreutvikler Galisons (2019) begrep trading zones i sammenheng med boundary objects (Star & Griesemer, 1989). Til sammen fungerer dette som et begrepsapparat for å nyansere hvordan aktører med ulike faglige, institusjonelle og verdimessige ståsteder forhandler mening og forståelse. Gjennom semi-strukturerte intervjuer og dokumentanalyse undersøkes hvordan ulike styringslogikker – særlig spenningen mellom ulike legitimitetshensyn – former samhandlingen. Funnene viser hvordan planprosessen for Økern S preges av asymmetrisk makt, ulike fremtidsbilder og et mangelfullt rammeverk for oversettelse. Studien bidrar til en operasjonalisering av trading zone-begrepet i en norsk planleggingskontekst og tilfører ny innsikt i hvordan oversettelsespraksis påvirker byutviklingen.As the future is increasingly perceived as uncertain and urban planning becomes more complex, the need for collaboration across different disciplines, understandings, and cultures grows. However, this often involves friction, disagreement, and fundamental differences. This study explores how various actors interact within a complex planning process through a qualitative case study of Økern S – a transformation area in Hovinbyen, Oslo. The theoretical foundation is based on Urban Planning as a Trading Zone by Mäntysalo and Balducci (2013), which expands on Galison’s (2019) concept of trading zones in conjunction with boundary objects (Star & Griesemer, 1989). Together, this provides a conceptual framework for analyzing how actors with different professional, institutional, and value-based perspectives negotiate meaning and understanding. Through semi-structured interviews and document analysis, the study investigates how different governance logics – particularly the tension between competing notions of legitimacy – shape interaction. The findings reveal that the Økern S planning process is characterized by asymmetric power relations, conflicting future visions, and a lack of a robust framework for translation. The study contributes to the operationalization of the trading zone concept in a Norwegian planning context and offers new insights into how translation practices influence urban development
Hvordan vil EUDR påvirke den norske skognæringen, økonomisk og regulatorisk
Get PDFFor å imøtekomme FNs bærekraftsmål, har det blitt vedtatt en rekke forordninger og direktiver i EU. Avskoging utgjør omtrent 10% av all CO2 -utslipp globalt, og EU har nå vedtatt EUDR som skal begrense import av produkter som bidrar til avskoging. Regelverket har blitt
utsatt én gang for å gi aktører tid til å omstille seg. Fortsatt står flere aktører igjen med spørsmål knyttet til den praktiske gjennomføringen og hva som egentlig er hensikten med regelverket. Denne masteroppgaven setter søkelys på hvilke konsekvenser forordningen vil ha for den norske skognæringen.
Vi har gjennomført intervjuer med aktører i skognæringen, og sett på økonomiske forhold for å danne oss et bilde av hvordan Norge ligger an til å ta inn EUDR. Forordningen er ikke utformet for Europeiske land, og det oppstår derfor interessante problemstillinger rundt hvilket tømmer som kan omsettes og ikke.
Vi har kommet frem til at det er stor sannsynlighet for at EUDR vil ha en prisdrivende effekt
der prisen på tømmer vil øke, særlig på EU-markedet. De som vil tjene mest på denne prisøkningen vil være norske skogeiere som nå får en høyere pris for tømmeret. Potensielt kan 580.000m3 tømmer ikke lenger omsettes på grunn av EUDR, men dette vil ha begrenset betydning for total avvirkning, da Norge har mulighet til å øke avvirkningen betydelig.
Norsk skogindustri står i en god posisjon som eksportører. Med en kombinasjon av høyere tømmerpriser og god evne til digital omstilling, kan dette sees på som et konkurransefortrinn. Det vil derfor være potensialet for økt lønnsomhet på det europeiske markedet om Norge innfører EUDR.To meet the UN's sustainability goals, a number of regulations and directives have been adopted in the EU. Deforestation accounts for approximately 10% of all CO2 emissions globally, and the EU has now adopted the EUDR, which will limit imports of products that contribute to deforestation. The regulations have been postponed once to give stakeholders time to adjust. Several stakeholders are left with questions related to the practical implementation and what the actual purpose of the regulations is. This master's thesis focuses on the consequences the regulation will have for the Norwegian forestry industry.
We have conducted interviews with stakeholders in the forestry industry, and looked at economic conditions to form a picture of how Norway is prepared to adopt the EUDR. The regulation is not designed for European countries, and therefore interesting issues arise around
which timber can be traded and which cannot.
We have concluded that there is a high probability that the EUDR will have a price-driving
effect where the price of timber will increase, especially on the EU market. Those who will benefit most from this price increase will be Norwegian forest owners who will now receive a higher price for their timber. Potentially 580,000m3 of timber can no longer be traded due to EUDR, but this will have limited impact on total harvesting, as Norway has the opportunity to increase harvesting significantly.
The Norwegian forest industry is in a good position as an exporter. With a combination of higher timber prices and good ability to digital transformation, this can be seen as a competitive advantage. There will therefore be a potential for increased profitability on the European market, if Norway implements EUDR
Transient simulering av avrenning fra grønne tak med MODFLOW 6
Get PDFDette arbeidet har undersøkt transient simulering av grønne tak ved hjelp av grunnvannsmodellen MODFLOW 6. Oppgaven har tatt utgangspunkt i tidligere arbeid gjort ved de grønne takene ved Norges miljø- og biovitenskapelige universitet. Hovedmålet med oppgaven har vært å finne et estimat for drenerbar porøsitet i det magasinerende sjiktet. Tidligere estimerte verdier for hydraulisk ledningsevne og observert vannføring ble benyttet som grunnlag for simuleringene.
%TIdligere arbeid, tømmeforsøk
Metoden bestod av tre trinn: reproduksjon av tidligere stasjonære resultater, utvikling av en stasjonær modell med vannføring som grensebetingelse, og etablering av en transient modell med observerte vannføringer som grensebetingelser. Simulert vannstand fra modellen ble sammenlignet med observert vannstand fra åtte sensorer. Sammenligningene ble gjort ved hjelp av Nash–Sutcliffe efficiency (NSE) og Kling-Gupta efficiency (KGE).
Resultatene fra arbeidet viser at simuleringene stemmer overens med teoretiske forventninger. Det ble observert langsom tømming ved høy Sy-verdi og rask tømming ved lav -verdi. De simulerte vannstandskurvene fulgte samme trend som de observerte. Derimot ga ingen enkelt -verdi best samsvar for samtlige sensorer, som kan tyde på at antakelsen om homogenitet i det magasinerende sjiktet ikke stemmer. Dette kan også skyldes avvik fra antatt bunnhøyde eller målefeil. Det ble estimert at rundt 0.17–0.20 gir best samsvar med observert vannstand. Dette stemmer godt overens med beregnet på 0.22 fra tidligere arbeid.
Det er en viss usikkerhet knyttet til beregninger av NSE og KGE, da disse antas å favorisere rask tømming.
Arbeidet viser at MODFLOW 6 har godt potensial til å simulere avrenning fra grønne tak. Videre arbeid bør utforske kalibrering av parametre med PEST, en mer detaljert undersøkelse av takets geometri og påvirkning på modellens nøyaktighet og utforske simuleringer som kombinerer både avrenning og nedbør.This study investigated transient simulation of green roofs using the groundwater flow model MODFLOW 6. The work builds on previous research conducted on the green roof test sites at the Norwegian University of Life Sciences (NMBU). The main objective was to estimate the drainable porosity () of the storage layer. Previously estimated values for hydraulic conductivity and observed outflow were used as the basis for the simulations.
The methodology consisted of three steps: reproduction of previously obtained steady-state results, development of a new steady-state model using observed outflow as a boundary condition, and the establishment of a transient model with time series of observed outflow as input. Simulated water levels were compared with observed water levels from eight sensors, using Nash–Sutcliffe efficiency (NSE) and Kling–Gupta efficiency (KGE) as evaluation metrics.
The results show that the simulations align well with theoretical expectations. Slow drainage was observed for high values, and faster drainage for lower values. The simulated water level curves followed the same general trend as the observations. However, no single value provided the best fit across all sensors, which may indicate that the assumption of homogeneity in the storage layer does not hold. This could also be a result of deviations in assumed bottom elevations or measurement uncertainty. The estimated value that provided the best overall fit was in the range of 0.15–0.20, which aligns well with a previously calculated value of 0.22.
There is some uncertainty associated with the use of NSE and KGE in this context, as these metrics are likely to favour simulations with faster drainage.
Overall, the study demonstrates that MODFLOW 6 has potential for simulating runoff from green roofs. For future work, parameter calibration using PEST should be explored. In addition, a more detailed investigation of the roof geometry and its impact on model accuracy is recommended. It would also be of interest to explore simulations that include both drainage and rainfall input
Utvikling av anaerob høytetthetsdyrking for bærekraftig produksjon av mikrobielt protein ved hjelp av denitrifikasjon
Get PDFFuture food production faces the immense challenge of feeding a growing population with an increasing demand for resource-intensive food in a sustainable way. The high environmental footprint of conventional food production opens the floor to alternative sources of food and feed, with single-cell protein (SCP) emerging as a promising solution. SCP offers a high protein content (up to 80%), favorable amino acid profiles, and the presence of carbohydrates, vitamins, fats, and antioxidants increasing the nutritional value. The production is independent of seasonal and climate variations, has low requirements for arable land and resources, and has low greenhouse gas emissions.
SCP is generally produced by high cell density cultivations (HCDCs) to maximize the volumetric yield. However, conventional HCDC relies on aerobic respiration, which is limited by the low solubility and diffusion rate of oxygen in liquid. Oxygen limitations may result in anoxic zones accompanied by fermentation and accumulation of unwanted byproducts inhibiting growth. Denitrification, the stepwise reduction of nitrate (NO3-) to nitrogen (N2) via nitrite (NO2-), nitric oxide (NO), and nitrous oxide (N2O), is the most efficient form of anaerobic respiration and overcomes the rate-limitations inherent in aerobic respiration due to the high solubility of NO3- and NO2-. Previous attempts at HCDC with denitrification most likely failed due to denitrification-driven increases in pH necessitating tight pH control and the provision of NO3- as a salt resulting in salt accumulation.
This work presents a novel method for anaerobic HCDC that overcomes these challenges by using nitric acid (HNO3) as both the pH regulator and the provider of NO3- for denitrification. The bioreactor is operated as a pH-stat where denitrification-driven increases in pH trigger HNO3 injections, which in turn control the provision of the carbon source from a separate feed pump. The study was initiated by proof-of-concept experiments that demonstrated the viability of the method by growing the model denitrifier Paracoccus denitrificans Pd1222 to a density of more than 20 g dry weight L-1 (Paper I). We were able to reach the expected yield based on the provided substrate, but the growth rate was much lower than what we observed in low-density batch cultures. In addition to the low growth rate, we observed 1) the accumulation of polyhydroxyalkanoates (PHA), a storage and energy reserve typically encountered during carbon excess, and 2) a low expression of NirS, the enzyme responsible for the reduction of NO2- to NO.
These challenges were addressed in subsequent experiments where we aimed to develop the method further (Paper II). We switched to Paracoccus pantotrophus GB17, a closely related strain with a higher NirS pool, that was also shown to adapt better to the bioreactor environment. The compositions of the feed solutions were refined to prevent accumulation of byproducts, including PHA, and improve the growth conditions. We incorporated ammonium nitrate (NH4NO3) as the nitrogen source to remove the cost of NO3- assimilation and designed new acid solutions with minerals and trace elements. We hypothesized that the slow growth rate was due to the high concentration of carbon dioxide (CO2) in the liquid lowering the pH, thereby interfering with the provision of the substrates which is triggered by alkalization. This was investigated through in silico simulations of the NO3-, CO2, and pH kinetics in the bioreactor and rapid sampling of the bioreactor. The modeling and empirical data showed that the NO3-, which was injected at intervals of several minutes, was depleted within seconds. We aimed at improving the CO2 removal by dynamically changing the sparging flow rate and pH setpoint in response to changing partial pressure of CO2 in the off-gas and experimenting with lower pH limits. Although the process is still limited by a slow growth rate, we were able to reach densities of more than 60 g dry weight L-1 using P. pantotrophus. The biomass was analyzed and shown to have an average protein content of 75%.
While anaerobic high cell density cultivation is proven feasible, one major challenge for the upscaling is the high cost of HNO3. We have therefore validated HNO3 produced by N2 Applied using plasma technology, which is expected to become a cheaper and more sustainable alternative in the future (Paper III). Biomass produced using our process was also tested by the Center for Feed Technology (Fôrtek, Norwegian University of Life Sciences, Norway) in successful feed trials with Atlantic salmon. This demonstrates that SCP produced by our process can be used as a protein source in aquaculture feed.
The work presented in this thesis bridges fundamental research on microbial physiology with applied science, demonstrating the proof-of-concept, development, and commercial potential of a novel method for anaerobic high cell density cultivation. Although only tested for heterotrophic growth on glucose, the process has the potential to be adapted to a wide range of strains, substrates, and metabolic strategies. This work paves the way for anaerobic high cell density cultivation as a supplement to existing methods, advancing the field of sustainable food production.Fremtidens matproduksjon står overfor den enorme utfordringen å skulle fø en voksende befolkning med en økende etterspørsel etter ressurskrevende mat på en bærekraftig måte. Det høye miljøavtrykket til matproduksjon åpner for alternative kilder til mat og fôr, hvor mikrobielt protein (SCP) fremstår som et godt alternativ. SCP har et høyt proteininnhold (opptil 80%), gunstig aminosyreprofil, og karbohydrater, vitaminer, fett og antioksidanter som øker den ernæringsmessige verdien. Produksjonen er uavhengig av sesong- og klimavariasjoner og har lave krav til dyrkbar mark og ressurser, samt lavt klimagassutslipp
Environmental risk assessment of the genetically modified vaccine Recombitek®C4
Get PDFDet er ikke høyere miljørisiko ved bruk av den genmodifiserte vaksinen Recombitek®C4 enn ved bruk av tilsvarende godkjente vaksiner. Det er hovedbudskapet i en risikovurdering VKM har gjort for Miljødirektoratet. Bakgrunn Miljødirektoratet har mottatt en søknad etter genteknologiloven om bruk av vaksinen Recombitek®C4 i det nasjonale avlsprogrammet for fjellrev (Vulpes lagopus). Fjellreven er klassifisert som en sterkt truet art i Norge. Avlsprogrammet er etablert som del av bevaringsarbeidet og driftes av Norsk institutt for naturforskning (NINA). Ved avlsstasjonen i Oppdal har fire revevalper dødd av smittsom leverbetennelse (hepatitis contagiosa canis (HCC)), og man ønsker å bruke denne vaksinen for å hindre ytterligere smitte. Det finnes godkjente alternative vaksiner til Recombitek®C4, men disse ønsker man ikke å bruke fordi vaksinene inneholder et svekket (for hund), men levende valpesykevirus (CDV), som kan føre til sykdom hos fjellrev. Recombitek®C4 er pr i dag ikke godkjent i Norge eller i EU, men er blitt regelmessig brukt til vaksinasjon av hunder i over 20 år, blant annet i USA og Canada. Miljødirektoratet har bedt VKM utføre en miljørisikovurdering av vaksinen Recombitek®C4 i henhold til genteknologiloven VKMs vurdering Vaksinen Recombitek®C4 inneholder en kanarikoppevirusvektor kalt ALVAC. ALVAC er basert på Kanarikoppeviruset (CNPV), som først og fremst forårsaker sykdom hos spurvefugler, som kanarifugl. Forløpet kjennetegnes ved sykdom i hud og difteriliknende symptomer, med mulig høy dødelighet. ALVAC er en genetisk konstruert, svekket variant av CNPV, designet for bruk i vaksiner. Hverken vektoren eller viruset kan produsere eller spre nye virus mellom pattedyr. Dermed vil den mest sannsynlige veien til miljøet være via overføring til ville fugler. Avlsstasjonen i Oppdal rapporterer om en viss interaksjon mellom fjellrev og fugler, som ørn, ravn og kråke, bl.a. rundt fôrplasseringer. For å minimere mulig kontakt mellom rev og fugl, bruker man fôringsbokser og spesielle «ørnestrukturer» i innhegningene. Dersom ørn eller andre fugler likevel skulle komme i kontakt med ALVAC i perioden revene vaksineres, anses faren for smitte, sykdom og spredning blant fugler som svært usannsynlig. Flere vaksiner som inneholder ALVAC er godkjente til bruk på dyr i Norge, for eksempel i vaksiner til katt og hest. VKM konkluderer at bruk av Recombitek®C4 i det nasjonale avlsprogrammet for den rødlistede arten fjellrev ikke utgjør en økt miljørisiko sammenlignet med tilsvarende vaksiner med ALVAC-vektoren allerede i bruk for andre dyrearter i Norge. Risikovurderingen er godkjent av VKMs faggruppe for genmodifiserte organismer - legemidler.Environmental risk assessment of the genetically modified vaccine Recombitek®C4publishedVersio
Meritteringsordningen i høyere utdanning. Erfaringer fra det første nasjonale symposiet for meritterte undervisere.
Get PDFsubmittedVersio
Prediktiv modellering av risikotrær langs distribusjonsnettet ved bruk av fjernmåling og maskinlæring
Get PDFTrefall er en av de vanligste årsakene til strømbrudd i Norge, og utgjør en økende utfordring i takt
med elektrifisering av samfunnet, høyere forventninger til leveringssikkerhet og hyppigere
ekstremvær. Nettselskapenes arbeid med linjerydding har tradisjonelt vært rettet mot
undervegetasjon og trær innenfor det klausulerte ryddebeltet, mens omfanget av tiltak utenfor
ryddebeltet har variert. I senere år har flere nettselskap styrket arbeidet utenfor ryddebeltet, blant
annet gjennom økt fokus på skogfaglig kompetanse. Likevel er det fortsatt behov for verktøy som
kan gi objektiv og operasjonell støtte i vurderingene av risiko og tiltak.
Formålet med denne studien har vært å utvikle en prediktiv modell for å identifisere risikotrær,
altså enkelttrær med høy sannsynlighet for å falle over distribusjonsnettet under vindbelastning,
ved hjelp av fjernmåling og maskinlæring. Studien tar utgangspunkt i stormen Babet, som førte til
omfattende trefall i Agder i 2023, og analyserer 222 trær hvorav 78 falt over distribusjonsnettet.
Maskinlæringsalgoritmen Extreme Gradient Boosting (XGBoost) ble benyttet for utvikling av to
modeller, én med både felt- og fjernmålte variabler, og én basert utelukkende på fjernmåling.
Resultatene viser en balansert nøyaktighet på 74,3 % og Cohens kappa på 0,48 for modellen med
både felt- og fjernmålte variabler, og 68,5 % og kappa ~ 0,34 for modellen kun basert på
fjernmåling. Dette viser at god treffsikkerhet kan oppnås uten behov for ressurskrevende
feltarbeid. Variabler som redusert jorddybde (særlig i vindretningen), høydedifferanse fra
nabotrær, vindeksponering og ujevnhet i rotsonen ble identifisert som sentrale risikofaktorer.
Modellens praktiske nytte er svært sensitiv for valg av terskelverdi, altså grensen for når et tre
klassifiseres som et risikotre. Små endringer av terskel påvirker balansen mellom presisjon og
antall risikotrær som identifiseres, noe som gjør det mulig å tilpasse modellen etter
nettselskapets prioriteringer. En lav terskel fanger opp flere potensielle risikotrær, mens en høy
terskel gir færre, men mer treffsikre prediksjoner.
Studien viser at prediktive modeller basert på fjernmåling kan gi nettselskaper et verdifullt
beslutningsverktøy for mer presis og målrettet planlegging av linjerydding. En slik tilnærming kan
bidra til færre strømbrudd, feilrettingskostnader og økt leveringssikkerhet, noe som er avgjørende
for et mer robust og klimatilpasset strømnett.Treefall is one of the leading causes of power outages in Norway, and represents a growing
challenge due to increasing electrification, higher expectations for supply reliability, and more
frequent extreme weather events. Grid operators have traditionally focused vegetation
management efforts on undergrowth and trees within the designated clearing corridor, while the
extent of measures outside this corridor has varied. Some grid operators have expanded their
efforts beyond the corridor, including an increased emphasis on forestry expertise. Nevertheless,
there is still a lack of tools that offer objective and operational decision support.
The aim of this study was to develop a predictive model to identify risk trees, individual trees with
a high probability of falling onto distribution lines during wind exposure, using remote sensing and
machine learning. The study is based on storm Babet, which caused widespread treefall in Agder
in 2023, and analyzes 222 trees, of which 78 had fallen on to the powerlines. The machine learning
algorithm Extreme Gradient Boosting (XGBoost) was used to develop two models: one combining
field and remotely sensed variables, and one based solely on remote sensing.
The model achieved a balanced accuracy of 74.3% and a Cohen’s kappa of 0.48 when field data
were included, and 68.5% and kappa ~0.34 for the remote sensing model. This indicates that good
predictive accuracy can be achieved without the need for resource-intensive fieldwork. Key risk
factors identified include shallow soil depth (particularly on the windward side), height
differences from neighboring trees, wind exposure, and terrain roughness and slope in the root
zone.
The practical use of the model is highly sensitive to the choice of threshold value, the limit at which
a tree is classified as a risk tree. Small adjustments to the threshold significantly influence the
balance between precision and the number of identified risk trees, making it possible to tailor the
model to a grid operators priorities. A low threshold identifies more potential risk trees, while a
high threshold yields fewer but more accurate predictions.
This study demonstrates that predictive models based on remote sensing can provide valuable
decision-support tools for grid operators seeking more targeted and efficient vegetation
management strategy. Such tools have the potential to reduce outage-related costs and improve
supply reliability, both of which are critical for building a more resilient and climate-adapted
power grid
Assessing 3D Printing’s Potential to Enhance: Efficiency, Sustainability and Cost-Effectiveness in the Norwegian Construction Industry
Get PDFDen norske byggbransjen står overfor et økende behov for å redusere materialsvinn, byggetid og CO₂-utslipp. Additiv produksjon, også kalt 3D-printing av betong, er en teknologi som har potensiale til å møte disse forventningene og ta Norge med på veien mot en mer miljøvennlig byggindustri. Teknologien løser på behovene ved å muliggjøre betydelige materialbesparelser,
økt designfrihet og redusert byggetid med opptil 70 %. Likevel er teknologien fortsatt i en tidlig fase i Norge, og med få pilotprosjekter, samt lav bevissthet og kunnskap blant aktørene, bremser dette utviklingen.
Denne teksten kombinerer en strukturert litteraturgjennomgang av internasjonal forskning fra de siste ti årene med halvstrukturerte intervjuer av entreprenører, materialleverandører, teknologiprodusenter og offentlige myndigheter for å kartlegge både teknologiske fordeler og praktiske hindringer.
Resultatene peker på at nasjonale test- og godkjenningsprotokoller, incentivordninger for pilotprosjekter samt styrket tverrfaglig utdanning for ingeniører og entreprenører er avgjørende for å realisere potensialet til 3D-printing. Implementeringen av disse tiltakene kan legge grunnlaget for en digital, ressurs- og klimavennlig byggindustri i Norge.The Norwegian construction industry faces a growing need to reduce material waste, construction time, and CO₂ emissions. Additive manufacturing, also known as 3D printing of concrete, is a technology with the potential to meet these expectations and guide Norway towards a more environmentally friendly construction industry.
The technology addresses the previously mentioned needs by enabling significant material savings, increasing design freedom, and reducing construction time by up to 70%. However, it remains in its early stages in Norway, with few pilot projects, as well as low awareness and knowledge among stakeholders, which slows down development. This text combines a structured literature review of international research from the last ten years with semi-structured interviews with contractors, material suppliers, technology manufacturers, and public authorities to map both technological advantages and practical obstacles
The results indicate that national testing and approval protocols, incentive schemes for pilot projects, and strengthened interdisciplinary education for engineers and contractors are crucial to realizing the potential of 3D printing. The implementation of these measures can establish a foundation for a digital, resource- and climate-friendly construction industry in Norway