https://researchdata.se/sv/catalogue Search results sv Studiens syfte är att systematiskt göra en översikt, analysera, beskriva och sammanställa vetenskapliga studier på temat innovationsspridning och upptagandet av innovationer hos lantbruksföretag och företag inom agri-food, utifrån företagets perspektiv. Vidare att inrama resultaten i en konceptuell översikt som omfattar forskningens nyckelelement under perioden. Specifika mål med studien är att: 1) avgöra vilka variabler som är viktiga från företagets perspektiv för innovationsspridning och företagens upptag av innovationer; baserat på resultaten, föreslå områden för kunskap och förmågor i det stödjande kunskapssystemen, med syftet att öka sektorns upptag av innovationer; och; 3) diskutera implikationer för forskningen. Studien baseras på en systematisk kartläggning av litteraturen (akademiska artiklar publicerade i vetenskapliga tidskrifter) under perioden 1997-2017. Sammanlagt 202 artiklar inkluderas i kartläggningen och analyseras med en exploration analytisk metod. En avgränsning är gjord till OECD-länder. Nio huvudkategorier av nyckelelement som studerats har identifierats i kartläggningen: 1) Variabler som beskriver företaget; 2) Variabler som beskriver företagaren; 3) Företagsmanagement/-styrning; 4) Beteenden relaterade till upptagandet av innovationer och lärande; 5) informationskällor; 6) Innovationernas egenskaper; 7) Nätverk och relationer; 8) Sammanhangsvariabler, och 9) Lantbrukets kunskaps- och innovationssystem (AKIS). Det tillgängliga datamaterialet består av ett Excelblad med de kartlagda studierna, kodning av artiklarnas sammanfattningar, en metatabell med kategoriserade nyckelorden från 202 artiklar som är identifierbara med unika referensnummer som gör dem sårbara mellan metatabellen och Excelbladet. De kartlagda artiklarna har erhållit ett referensnummer som används både i metatabellen med kategoriserade nyckelord och i det tillhörande Excelbladet (datafilen). Datafilen visar förteckningen över artiklar inkluderade i kartläggningen, men även de artiklar som exkluderats i de senare stegen av screeningprocessen. Datat består av: metatabell med kategoriserad nyckelord/nyckelelement Excelblad inklusive full information om artiklarna och de extraherade nyckelorden Noteringar rörande proceduren, både avseende kartläggningen (sökning, screening, urval) och analysen. Tue, 17 Dec 2019 00:00:00 GMT https://researchdata.se/sv/catalogue/dataset/snd1133-1 https://researchdata.se/sv/catalogue/dataset/snd1133-1 Sveriges lantbruksuniversitet Fredrik Fernqvist Lisa Blix Germundsson Annie Drottberger Sara Spendrup Studien är en systematisk kartläggning över litteratur rörande innovation i livsmedelssystemet publicerad i vetenskapliga tidskrifter i perioden 1997-2017 och som rör det agrikulturella kunskaps och innovationssystemet i OECD-länder. Sammanfattningar från 320 artiklar som ingår i studien har analyserats utifrån nyckelord som sedan kategoriserats och beskrivits med syftet att påvisa de nuvarande kunskapsläget och identifiera framtida forskningsområden. Materialet är kategoriserat i åtta huvudteman: agenter, teknologi, kunskaps- och lärandeprocesser, interaktionsmekanismer, institutioner, slutanvändare, systemförändringar och kontextuella variabler. Se den engelska versionen av denna sida för ytterligare information. Thu, 13 Feb 2025 09:35:10 GMT https://researchdata.se/sv/catalogue/dataset/snd1116-1 https://researchdata.se/sv/catalogue/dataset/snd1116-1 Sveriges lantbruksuniversitet Fredrik Fernqvist Sara Spendrup Mål att karaktärisera differentially expressed miRNAs mellan friska Norska skogkatter och friska huskatter, samt jämföra med katter med hypertrofisk kardiomyopati (HCM). Sex kastrerade friska katter, tre huskatter (DOM) -hanar och en han- och två norska skogkatter (NF)-honkatter inkluderades. Varje frisk katt matchades (ras, kön, ålder, kroppsvikt och body condition score) med en katt med HCM. Datasetet innehåller miRDeep2 rapporten, counts för miRNAs, differentially expressed miRNAs för de kontraster som jämförts i DESeq2, human och felina target gener som producerar messenger RNA (mRNA) och gene ontologi analys (GO) för dessa 12 katter. Helblod samlades i PAXgene blod RNA System infryst och lagrat i -20 °C fram till datumet för RNA-extraktion med en median lagringstid på 177 dagar. Total RNA extraherades. Prover med ett RNA-integritetsnummer (RIN)-värde på 7,7 eller högre inkluderades i studien. Bibliotek förbereddes och kvantifierades och normaliserades före sekvensering. Parade sekvensdata genererades. Bioformatisk databearbetning och räkningsgenerering av kända och nya miRNA hos katter identifierades med hjälp av miRDeep2. Mogna miRNA- och prekursorer laddades ner från miRBase med människa som huvudreferens, en mus och hund tilldelas som nära släktingar. Huvudreferens miRNA som identifierats i datamängden klassificerades som förutsagda kända miRNA, och miRNA som tidigare inte beskrivits i huvudreferensen klassificerades som nya miRNA av miRDeep2. Endast nya miRNA med en miRDeep2-score på >5,0 inkluderades i räkningsfilen som genererades för efterföljande olika uttryckta (DE)-analyser. Identifiering av DE miRNA utfördes i DESeq2. Antal variabler 6: breed, age, sex, body-weight, body condition score, healthy or hypertrophic cardiomyopathy. Se engelsk beskrivning eller ReadMeDescription.txt för mer information om de olika ingående datafilerna. Fri, 07 Jan 2022 13:18:19 GMT https://researchdata.se/sv/catalogue/dataset/2021-334-1 https://researchdata.se/sv/catalogue/dataset/2021-334-1 Sveriges lantbruksuniversitet Sofia Hanås Julie Lorent Åsa Ohlsson Denna studie är en del av projektet GINFRA – green rights-of-way infrastructure for biodiversity and ecosystem services. Projektets huvudsyfte var att kvantifiera om linjära infrastrukturmiljöer (vägkanter och kraftledningsgator) bidrar till mångfalden av växter och insekter i olika rumsliga skalor. Detta gjordes genom att uppskatta hur linjära infrastrukturmiljöers mängd i landskapet bidrar till mångfalden samt hur mycket de bidrar till landskapets konnektivitet. Datan samlades genom att inventera dagfjärilar, humlor, och växter i fem typer av gräsmarker (betesmarker, vägrenar längs enskilda vägar, vägrenar längs allmänna vägar, kraftledningsgator, och åkerkanter). Alla dessa habitat typer fanns inom 32 landskap med 4 km² area, som skiljde sig i areal av linjära infrastrukturmiljöer (vägrenar och kraftledningsgator) och ängs-och betesmarker. Arealen av andra markanvändningar var konstanta mellan landskap och alla landskap var skogsdominerade. This study makes part of the research project GINFRA – green rights-of-way infrastructure for biodiversity and ecosystem services. The aim of the project was to quantify whether linear infrastructure habitats (road verges and power-line corridors) support biodiversity by assessing the influence of the area of these habitats in the landscape, their contribution to landscape connectivity and population persistence. The linked data was collected by surveying butterflies, bumblebees, and vascular plants in five types of prevalent grasslands (pastures, road verges along small gravel roads, road verges along big paved roads, power line corridors, and field borders). These grasslands were embedded in 32 landscapes with an area of 4 km2 that differed in the area of linear infrastructure habitats (road verges and power line corridors) and semi-natural grasslands of high nature value, while other land-use types were kept constant. The landscapes were dominated by forest. Within each grassland habitat, the surveyor established a 200 m transect and then identified all butterflies and bumblebees along it. For plants, a 1 x 1 m quadrat was established at the centre of a 50 m section in each transect, i.e. each transect had four plots in which all plant species were identified. The dataset consists of the following files: 1. Transect_coordinates: this file contains the coordinates for the beginning, end, and centroid of each transect. The explanation for each column in this file is as follows: Landscape: corresponds to the code of each 2 × 2 km landscape in which the transects are embedded. Transect_type: The name of the grassland habitat type is given. All landscapes contained at least three of the habitats: pastures, road verges along small gravel roads and road verges along big paved roads. The other two habitats, power line corridors and field borders, were present in only some of the landscapes. Power line corridors were present in half (i.e. 16) of the landscapes due to the design of the study. Start_X: Gives the x-coordinate for the start of the transect. Start_Y: Gives the y-coordinate for the start of the transect. End_X: Gives the x-coordinate for the end of the transect. End_Y: Gives the y-coordinate for the start of the transect. Centroid_X: Gives the x-coordinate for the centroid of the transect. This was calculated with ArcMap 10.7 using the start and end coordinates stated above. Centroid_Y: Gives the y-coordinate for the centroid of the transect. This was calculated with ArcMap 10.7 using the start and end coordinates stated above. All coordinates use the Swedish National reference frame, SWEREF99. 2. Database_alpha_diversity: This file contains the necessary information for the analysis exploring whether species richness of butterflies, bumblebees, and vascular plants differs among the grassland habitat types, and whether such differences relate to the area of linear infrastructure habitats in the surrounding landscape and/or on the area of semi-natural pastures of high nature value. Landscape: corresponds to the code of each 2 × 2 km landscape in which the transects are embedded. Transect_type: The name of the grassland habitat type is given. All landscapes contained at least three of the habitats: pastures, road verges along small gravel roads and road verges along big paved roads. The other two habitats, power line corridors and field borders, were present in only some of the landscapes. Power line corridors were present in half (i.e. 16) of the landscapes due to the design of the study. Butterfly_richness: Gives the number of butterfly species found along the corresponding transect type in a specific landscape. Bumblebee_richness: Gives the number of bumblebee species found along the corresponding transect type in a specific landscape. Vascular_plant_richness: Gives the number of vascular plant species found in all the four plots placed along the transect. Semi-natural_pastures: Gives the total area of semi-natural pastures of high nature value in square kilometres within the corresponding 2 × 2 km landscape. Powerline: Gives the total area of power line corridors in square kilometres within the corresponding 2 × 2 km landscape. Railway: Gives the total area of railways in square kilometres within the corresponding 2 × 2 km landscape. Road: Gives the total area of private (small) roads in square kilometres within the corresponding 2 × 2 km landscape. Public_road: Gives the total area of public (big) roads in square kilometres within the corresponding 2 × 2 km landscape. Between_fields: Gives the total area of grassy field borders in square kilometres within the corresponding 2 × 2 km landscape. Forest: Gives the total area of forest in square kilometres within the corresponding 2 × 2 km landscape. Arable: Gives the total area of arable land in square kilometres within the corresponding 2 × 2 km landscape. Semi-natural_pastures: Gives the total area in square kilometres within the corresponding 2 × 2 km landscape. Open_areas: Gives the total area of open areas (e.g. ley, parks, or other open grassy areas that are not semi-natural pastures of high nature value) in square kilometres within the corresponding 2 × 2 km landscape. Urban: Gives the total area of urban areas in square kilometres within the corresponding 2 × 2 km landscape. Water: Gives the total area of water surfaces in square kilometres within the corresponding 2 × 2 km landscape. PL: Stands for PowerLine. This field indicates whether the corresponding landscape had a presence (1) or absence (0) of a power line corridor. This was used as an explanatory factor in the models. RD: Stands for Road Density. This field indicates whether the corresponding landscape had a high (1) or a low (0) density of roads. This was used as an explanatory factor in the models. 3. Mean_abundance: This file contains the list of species found in the study, whether they were present in the Swedish Red list (2015), as well as the mean abundances, minimum abundances, and maximum abundances for each species in each habitat type. Taxa: describes to which species group (taxa) the corresponding species belongs to. It can be either a bumblebee, a butterfly, or a vascular plant species or species group. Species: name of the species or species group Red_listed: If the corresponding species was present in the Swedish Red List (2015) then the species is classified as 1. If the species was not in the species list, the species or species group was classified as 0. An empty field corresponds to the category NA in the Swedish red list (Not Applicable). Mean_abundance_Pasture: Mean abundance of the corresponding species / species group in pastures. Min_abundance_Pasture: Minimum abundance of the corresponding species / species group in pastures. Max_abundance_ Pasture: Maximum abundance of the corresponding species / species group in pastures. Mean_abundance_Powerline: Mean abundance of the corresponding species / species group in power line corridors. Min_abundance_Powerline: Minimum abundance of the corresponding species / species group in power line corridors. Max_abundance_Powerline: Maximum abundance of the corresponding species / species group in power line corridors. Mean_abundance_Big_road: Mean abundance of the corresponding species / species group in road verges along big paved roads. Min_abundance_Big_road: Minimum abundance of the corresponding species / species group in road verges along big paved roads. Max_abundance_Big_road: Maximum abundance of the corresponding species / species group in road verges along big paved roads. Mean_abundance_Small_road: Mean abundance of the corresponding species / species group in road verges along small gravel roads. Min_abundance_Small_road: Minimum abundance of the corresponding species / species group in road verges along small gravel roads. Max_abundance_Small_road: Maximum abundance of the corresponding species / species group in road verges along small gravel roads. Mean_abundance_Field_border: Mean abundance of the corresponding species / species group in uncultivated field borders. Min_abundance_Field_border: Minimum abundance of the corresponding species / species group in uncultivated field borders. Max_abundance_Field_border: Maximum abundance of the corresponding species / species group in uncultivated field borders. Thu, 04 Apr 2024 09:16:47 GMT https://researchdata.se/sv/catalogue/dataset/2023-23-1 https://researchdata.se/sv/catalogue/dataset/2023-23-1 Sveriges lantbruksuniversitet Juliana Dániel-Ferreira Yoan Fourcade Riccardo Bommarco Jörgen Wissman Erik Öckinger Data innehåller standardiserade skördar för olika spannmål insamlade från 1958 till 2020 från 32 långliggande jordbruksförsök i Nordamerika och Europa. Skörd per hektar standardiserades mot medelvärdet per plats över alla behandlingar och år. Behandlingarna innefattar olika nivåer av mångfald av grödor i växtföljden och kvävegödsling. Data är grunden för analyserna i artikeln Smith et al., “Increasing crop rotational diversity can enhance cereal yields”, accepterad i Communications Earth and Environment, 2023. Se bifogade dokumentationsfiler för beskrivning av datakoder (Metadata.txt), växtföljd och skördar (Crop_rotational_information_desc.txt och Crop_rotational_information.tsv) och R markdown-kod som använts för att analysera data (R_script_Smith_etal.Rmd). Utmatningen från en full körning av R-skriptet kan ses i R_script_Smith_etal.pdf. Tue, 07 Mar 2023 14:06:25 GMT https://researchdata.se/sv/catalogue/dataset/2022-230-1 https://researchdata.se/sv/catalogue/dataset/2022-230-1 Sveriges lantbruksuniversitet Monique Smith Riccardo Bommarco The International Cooperative Programme on Integrated Monitoring of Air Pollution Effects on Ecosystems (ICP IM) presenterar ett omfattande långtidsdataset från pågående integrerad ekosystemövervakning i europeiska skogsbevuxna avrinningsområden. Datasetet omfattar mätningar från övervakningsstationer i 14 europeiska länder, med tidsmässig täckning som sträcker sig från 1990-talet till 2020. Nya data kommer med en årlig uppdatering. Den integrerade övervakningsmetoden tillämpas över flera övervakningsprogram för att samtidigt mäta fysikaliska, kemiska och biologiska egenskaper i olika ekosystemkomponenter, inklusive atmosfär, nederbörd, krondropp, mark, markvatten, grundvatten, avrinningsvatten, vegetation och biota. Alla mätningar följer standardiserade protokoll som beskrivs i ICP IM-manualen, vilket säkerställer datakvalitet och jämförbarhet mellan platser och tidsperioder. Datasetet stöder forskning om ekosystemens respons på luftföroreningar, klimatförändringarnas effekter och biogeokemiska kretslopp. Data tillhandahålls per delprogram (alla platser och alla år med data i en fil) och koordinaterna finns i en separat fil. Historiska data från inaktiva områden i Vitryssland, Danmark, Island och Storbritannien finns för närvarande tillgängliga på begäran, liksom data från Finland i delprogrammen TF, SF, SC, SW, FC, LF, FD, VG, EP och BV och data från Polen. Övervakningen sker inom ramen för FN:s konvention om långväga gränsöverskridande luftföroreningar (CLRTAP) och har även en viktig roll i rapporteringen enligt EU:s direktiv för utsläpp av luftföroreningar (takdirektivet). Användare uppmanas att läsa ICP IM Monitoring Manual som i detalj beskriver de metoder som används för att göra mätningar i fält och laboratoriet, de dataformat som används, förklaringar av kolumnrubriker och flaggor som används i alla delprogram och exempelfiler. Denna manual finns tillgänglig tillsammans med databasen. Thu, 19 Mar 2026 08:16:31 GMT https://researchdata.se/sv/catalogue/dataset/2024-180 https://researchdata.se/sv/catalogue/dataset/2024-180 Sveriges lantbruksuniversitet James Weldon Wenche Aas Barbara Albiniak Algirdas Augustaitis Ieva Baužienė Camilla Capelli Nicholas Clarke Thomas Cummins Heleen de Wit Thomas Dirnböck Ika Djukic Karin Eklöf Martin Forsius Martyn Futter Ulf Grandin Sergey Gromov Adéla Holubová Šmejkalová Ricardo Ibañez Iveta Indriksone Sara Jutterström Johannes Kobler Heidi Koger Angelika Kölbl Andrzej Kostrzewski Anna Koukhta Pavel Krám Robert Kruszyk Esther Lasheras Kairi Lõhmus Mikołaj Majewski Hampus Markensten Rafael Miranda Michael Mirtl Filip Moldan Giancarlo Papitto Johannes Peterseil Ainis Pivoras Gisela Pröll Pernilla Rönnback Carolina Santamaría Jesus Miguel Santamaría Thomas Plha Krzysztof Skotak David Elustondo Mercedes Valerio Sarah Venier Lieke Vlaar Jussi Vuorenmaa Nicole Wellbrock Liisa Ukonmaanaho Ulla Makkonen