2020

Portefølje Naturvitenskap og teknologi ikon

Forskningssystemet

Portefølje Humaniora og samfunnsvitenskap ikon

Banebrytende forskning

Portefølje Samisk ikon

Samisk samfunn og kultur

Portefølje Demokrati, styring og fornyelse ikon

Demokrati og global utvikling

Portefølje Velferd, kultur og samfunn ikon

Velferd og utdanning

Portefølje Helse ikon

Helse

Portefølje Klima- og polarforskning ikon

Klima og miljø

Portefølje Landbasert mat, miljø og bioressurser ikon

Mat og bioressurser

Portefølje Energi, transport og lavutslipp ikon

Energi og transport

Portefølje Muliggjørende teknologier ikon

Muliggjørende teknologier

Portefølje Industri og tjenestenæringer ikon

Innovasjon

LTP2 Klima, miljø og miljøvennlig energi ikon

Klima, miljø og energi

LTP2 Samfunnssikkerhet og samhørighet ikon

Samfunnstryggleik og beredskap

LTP2 Fornyelse i offentlig sektor ikon

Velferdstjenester

Forsidebilde

Marin ikon

Petroleum og mineraler

LTP Hav ikon

Hav og kyst

LTP2 Muliggjørende og industrielle teknologier ikon

Mogleggjerande industrielle teknologiar

Tillit og fellesskap

LTP2 Utvikle fagmiljøer av fremragende kvalitet

Høg kvalitet og tilgjengeleg

LTP2 Styrket konkurransekraft og innovasjonsevne ikon

Sterkare konkurransekraft og innovasjonsevne

LTP3 Helse

Et innovativt næringsliv ikon

Styrket konkurransekraft og innovasjonsevne

Portefolje Petroleum Ikon

Portefølje Hav ikon

Portefølje Utdanning og kompetanse ikon

Portefølje Global utvikling og internasjonale relasjoner ikon

Portefølje Livsvitenskap ikon

Forsidebilde optimalisert

project-bank-technical

Muliggjørende teknologier bakgrunn

Marin bakgrunnsbilde

Statistikk

Prosjektbanken presenterer statistikk og informasjon om prosjekter med finansiering fra Forskningsrådet fra 2004. Statistikken er fordelt på blant annet tema, år, geografi og organisasjon. Prosjektbanken gir også detaljert informasjon om de enkelte prosjektene.

...eller se sammendrag og annen informasjon om prosjektene i utvalget ditt

Alle porteføljestyrer

En god beskrivelse av denne siden for søkemotoroptimalisering

Forside

Hvordan tildelingene fordeler seg på institusjoner, fylker, fagområder o.l....

Her er noen eksempler på søk du kan gjøre i Prosjektbanken

Alle langtidsplanmål

Veiledning: Hvordan bruke Prosjektbanken.no

Om Fritekstsøk

Ingen populærvitenskapelig framstilling tilgjengelig


Prosjektet med prosjektnummer {{project number}} ble ikke funnet

Teknisk beskrivelse

Oisann, her gikk noe galt. Kan du prøve å laste siden på nytt?  Dersom feilen vedvarer, vennligst kontakt oss.         

Se statistikk relatert til dette langtidsplanmålet

Se prosjekter relatert til dette langtidsplanmålet

knyttet til dette LTP-målet har blitt tildelt penger

har blitt tildelt til prosjekter knyttet til dette LTP-målet

har blitt tildelt til prosjekter knyttet til denne porteføljen

knyttet til denne porteføljen har blitt tildelt penger

Om Prosjektbanken

Kunnskapsdepartement

Nærings- og fiskerid

Samfunnsvitenskap

Buskerud

LTP3 Styrket konkurransekraft og innovasjonsevne

LTP3 Et kunnskapsintensivt næringsliv i hele landet

UoH-sektor

Portefølje Innovasjon

Programmer

Koordinerings- og støtteaktivitet

Bransjer og næringer

Politikk- og forvaltningsområder

Målet for FUSE er å utvikle kunnskap og metoder for energieffektive og trygge skipsoperasjoner ved å kombinere KI og skips hydrodynamikk som muliggjør raske utslippsreduksjoner fra den globale flåten gjennom neste generasjons ruteoptimalisering.


Hovedideen er å utvikle metoder for mer nøyaktige numeriske modeller for skipsytelse, inkludert både energi- og bevegelsesegenskaper, ved å bruke kunstig intelligens i kombinasjon med klassisk hydrodynamikk. Tradisjonelle hydrodynamiske modeller er basert på grunnprinsipper og reflekterer fysiske lover. Kunstig intelligens kan trenes på operasjonelle data til å finne nye sammenhenger i dataene utover det man vet fra fysikkens lover. Begge tilnærmingene har sine fordeler og ulemper, og vi tar sikte på å kombinere det beste fra begge tilnærmingene og utvikle hybridmodeller. 
Potensielle effekter av de nye skipsmodellene vil evalueres gjennom bruk i ruteplanlegging.

Som utgangspunkt vil vi samle brukerkrav fra industripartnerne med fokus på to utvalgte brukstilfeller; deep sea og fergedrift. Forskningsaktivitetene vil dekke dataanalyse, KI og skipshydrodynamikk og reiseoptimalisering og beslutningsstøtte. Relevante forskningstemaer innebærer å sammenligne de ulike tilnærmingene for å estimere skipsytelse, vurdere nøyaktighet og gyldig bruk av modellene og evaluering av modellenes sensitivitet og anvendelighet. Til slutt vil den potensielle effekten av å bruke hybridmodeller i reiseoptimalisering bli undersøkt og demonstrert. En ph.d.-kandidat vil bli utdannet fra NTNU med fokus på å fusjonere KI med skipshydrodynamikk. 

Prosjektpartnerne er SINTEF Ocean, SINTEF Ålesund, NTNU, Torghatten, Vard Electro, NAVTOR og G2 Ocean.

The FUSE vision is to rapidly reduce emissions from the global fleet by unlocking the full potential of operational data through fusing AI and ship hydrodynamics for next generation voyage optimization. The main idea is to develop theoretical approaches and methodology utilizing the potential of using AI in combination with classical hydrodynamics to develop more accurate numerical models for ship performance, including both energy and motion characteristics. Traditional hydrodynamic models are based on first-principle, reflecting physical laws. AI-based models which uses operational data are used to establish a statistical relationship between inputs and outputs. Both approaches have their pros and cons, and we aim to fuse the best of both approaches and develop hybrid models as input to voyage planning and onboard decision support systems.  As a starting point, we will gather user requirements from the industrial partners focusing on two selected use cases; deepsea and ferry operations. The industry partners will be involved during the whole project period ensuring that the competence and results can be exploited into their product and services. The industry partners will contribute with operational data from their ships as research data. 

The research activities will cover data analytics, AI and ship hydrodynamics and voyage optimization and decision support. Research partners are SINTEF Ocean, SINTEF Ålesund, and NTNU. A PhD candidate will be educated from the NTNU with supervisors from Marine Technology and Engineering Cybernetics with focus on fusing AI with ship hydrodynamics. Relevant research topics involve comparing the different approaches for estimating ship performance, considering accuracies and valid usage of the models and evaluation of sensitivity and applicability of the models. Finally, the potential impact of using hybrid models in voyage optimization will be investigated and demonstrated.

Fusing AI and Ship Hydrodynamics for Next-Gen Voyage Optimization

Ettersom flere mennesker lever lenger, trenger vi flere helsetjenester, spesielt for akutte helseproblemer. Dette legger mye press på helsesystemet vårt, som inkluderer hjemmeomsorg, sykehjem, lokale klinikker og sykehus. For å sikre at vi kan ta vare på alle i fremtiden, må vi finne måter å hjelpe eldre mennesker med å holde seg sunne og unngå å trenge mye omsorg.
PAI-prosjektet jobber med dette problemet. Prosjektet bruker kunstig intelligens (KI) for å forutsi hvilken type omsorg eldre mennesker kan trenge ved å se på helsedata. Ved å oppdage helseproblemer tidlig, kan vi ta skritt for å forhindre at de blir verre. Dette kan bety at vi forhindrer fall i sykehjem eller endrer en persons medisinering på deres lokale klinikk. Dette bidrar til å unngå sykehusopphold, som kan være dyre og stressende.
Imidlertid er det vanskelig å forutsi helsebehov fordi dataene vi har kan variere mye. Det kan være forskjellig avhengig av hvor personen bor, og hvilke helseproblemer de har. For å håndtere dette, jobber PAI-prosjektet med mennesker som mottar omsorg og helsearbeidere for å utvikle KI-verktøy. Prosjektet tester disse verktøyene i virkelige situasjoner i Spania, Sverige og Norge.
Prosjektet bruker en blanding av metoder for å samle inn og analysere data. Dette inkluderer både tall (kvantitative data) og folks erfaringer og meninger (kvalitative data). Målet er å hjelpe eldre mennesker ved å gi dem riktig omsorg til rett tid, forhindre at skader og sykdommer blir verre. Det hjelper også helsearbeidere ved å sørge for at ressursene brukes effektivt og skaper et godt arbeidsmiljø. Løsningene de finner kan brukes på mange forskjellige steder.

As the population ages, the demand for healthcare services increases, including acute care. This puts a strain on healthcare resources, making efficient care management crucial at all levels - home, nursing homes, primary care, and hospitals.
The PAI project aims to address this challenge by using artificial intelligence (AI) to predict the care needs of older individuals. By analyzing patient monitoring data, the project can detect early signs of health or functional decline. This allows for preventive measures to be taken, reducing the need for costly acute care and aftercare. For example, hospitalizations can be prevented by avoiding falls in nursing homes or adjusting medication in primary care.
However, predicting the care needs of older patients is not straightforward. It involves dealing with varying data availability, quality, and potential interventions across different care levels and diagnoses. To tackle this, the PAI project uses a design science approach and a multiple case study design. It develops analytics in collaboration with care recipients and healthcare practitioners and implements them in real-life settings in Spain, Sweden, and Norway.
The project uses a mixed-methods strategy for data collection and analysis, combining quantitative and qualitative elements. This includes the thematic interpretative analysis of meeting notes, interviews, and observations, as well as the statistical longitudinal trend analysis of Key Performance Indicators in the respective healthcare systems.
The benefits of the PAI project are twofold. Older individuals receive adequate early care, preventing injuries and the worsening of diseases. Healthcare staff can use their resources more effectively, creating a sustainable and satisfying work environment. The outcomes of the project are scalable and can be applied in various contexts, making it a valuable contribution to the future of European healthcare.

Predicting Care Needs of Older Adults in the Healthcare System through AI-enabled Analysis of Patient-Monitoring Data

Novel vaccine platform for animal health

Achieving effective reduction in greenhouse emissions necessitates both preventing resource depletion and offering sustainable solutions to meet the increasing demand for energy. The technology developed in the NEXPECH2 project effectively addresses the above-mentioned challenges by using solar energy to convert water to green hydrogen (H2) under standard atmospheric temperature and pressure. Green hydrogen is a clean, sustainable chemical fuel that can be stored on a large scale for a long time and used to replace fossil fuels as a means of energy storage, transportation fuel, and feedstock. The NEXPECH2 ultimate goal is to deliver green H2 on a prototype lab-scale via development of a innovative photoelectrochemical (PEC) system for maximized solar light harvesting and efficient solar conversion to H2. The project will develop a low-cost compact device with an objective of reaching 10% solar-to-fuel efficiency and <10% degradation over 200 h operation.

Next generation photoelectrochemical cell for hydrogen generation (NEXPECH2)

Limb wounds in horses are common, however healing is exceedingly slow and fraught with complications. Contrary to body wounds, limb wounds demonstrate only a small amount of wound contraction. The specialist procedure of applying split-thickness skin grafts to limb wounds stimulates wound contraction by unknown mechanisms. The objective of this project is to identify those mechanisms to develop a treatment strategy for equine limb wounds for use in general  practice. Limb wounds are severely impacting animal welfare due to an extended healing/treatment duration, and the risk of euthanasia due to a poor functional outcome. By stimulating wound contraction, healing time will be reduced, and the functional outcome improved, directly benefitting the welfare of wounded horse and reducing treatment cost for the owner. Aim: To identify dermal components stimulating wound contraction, and to develop this knowledge into future state-of-the-art treatment of equine limb wounds for use in general practice. Hypotheses: i) Application of dermal fractions to collagen gels seeded with equine fibroblasts will increase gel contraction in vitro; ii) Application of dermal fractions to experimental limb wounds in vivo, will increase wound contraction resulting in a faster healing time versus wounds treated by conventional methods. Methods: i) The contractile effect of different dermal components will be assessed in a collagen gel/ fibroblast model; ii) Identified dermal components will be tested in a standardized experimental limb wound model in vivo (n=5). Ultimately, results from this project are expected to improve wound treatment in horses, directly impacting animal welfare by reducing healing time and improving the functional outcome of wounded horses. This will also directly benefit horse owners and caretakers and making veterinarians able to offer better treatment solutions.

HESTEFORSK - Raskere og bedre sårheling hos hest med autologe hudkomponenter

Studie skal basere seg på «caser» relatert til FME Bio4fuels, hvor målet var å bidra til å minke klimagasser utslipp fra transport sektoren gjennom grundige og omfattende forskingsarbeid. Hoved forskingsområder i Bio4fuels har vært produksjon av bioalkoholer ut ifra biomasse, produksjon av biogass for bruk i lang-tung transporten, produksjon av bioolje gjennom termokjemiske prosesser, og prosesser hvor biomasse brytes i høy temperatur for produksjon av syntesegass og derfra til Biofuels for bruk transport sektoren.

I dette prosjektet skal gjennom valgte caser prøve å svare på spørsmålet: Lønner det seg med energi forskning? Hva er de mulige sosiale, økonomiske, og miljømessige effekter av forskning i Bio4fuels.
Vi skal for eksempel se gjennom effekter av vår forskning i miljø, også i hvilken grad de teknologier vi forsker på kan iverksettes i industriell skale og hvilken påvirkning kan ha på miljøet. Hvilken type effekter kan ha i energisystemer, spørsmål som hvilken andel av en voksende energi behovet kunne vil dekket. I løpet av dette prosjektet andre parallelle effekter som redusert utslipp, materiell bruk, og eller miljøinngrep. Teknisk og kunnskap overføring kan også være et naturlig tema å se nærmere på. Generelt sett en bevisgjøring av den reell praktisk betydning av forskning innen energifagfeltet.

Energidepartementet har i 2018 produsert en rapport om effekten av energiforskning gjennom konsulentselskapene Impello Management og Menon Economics. Rapporten fokuserte på forskningsfunnene fra forskjellige programmer som RENERGI/ENERGIX, (CLIMIT), men hovedsakelig forskningssentre for miljøvennlig energi (FME). 

Målet med arbeidet var å se på forskingseffekter i form av energieffektivisering, reduserte klimagassutslipp,
stabilitet og sikkerhet i energiforsyningen, eksportrettet næringsvirksomhet og bedre forvaltning av naturressursene. Det kan derfor fastslås at samfunnseffektene er mange ganger høyere enn investeringene.

En ny periode av FME forsking-programmer vil ta slutt i 2024 dermed Energidepartementet vil gjennom dette prosjektet oppsummere de viktigste funnene gjennom utarbeidelse av Studie-Caser som i 2018-rapporten.

Bio4Fuels vil dermed bidra i fordypning/utvidelse av tidligere caser, men også i ny studie caser som har vært forsket på i periode 2018-2024, innen de forskjellige tematiske-områder.

Utarbeidelse av Case-Studier fra Forskningssenter for Bærekraftig Biobasert Drivstoff og Energi (Bio4Fuels).

The RealSim project proposal aims to connect machine simulation to reality in the framework of heavy machinery, which is an interdisciplinary application. The results of this project are expected to optimize machine performance, accurately and reliably predict machine failure, and reduce overall development and operation costs, thus, serving the Europe’s priority of green transformation and the United Nation’s sustainable development goal 9. The RealSim project will close the gaps of: (1) Onboard estimations of force and pressure components of heavy machinery; (2) Estimating deformability, cylinder friction, leakage, and valve dynamics of heavy machinery using independent nonlinear Kalman filters; (3) Employing dependent nonlinear Kalman filters in state estimators of heavy machinery; (4) Tuning algorithms for the covariance matrix of plant noise in the state estimation of heavy machinery.   I will consolidate and leverage my research career and position as a leading researcher in the field through integration in Assoc. Prof. Mohammad Poursina’s group at the Department of Engineering Sciences of the University of Agder (UiA), Norway. Here, I will acquire hands-on experience of working with actual mechatronic systems and develop efficient control algorithms. I will improve my knowledge of fluid power designing, control theory, instrumentation, and develop efficient coding skills. I will also develop entrepreneurial skills. The skills, knowledge, and international network that I will develop during this fellowship will put me in an excellent position to achieve my long-term goal of becoming a professor with my own independent research group at an esteemed university in EU. This fellowship will help me to prepare a strong ERC Starting Grant application in the future. It will also cater my additional goal of setting-up a research-related start-up in the future.

Reality-Connected Machine Simulation of Heavy Machinery

Algebraic Theory of Information Quantities

Information theory is a discipline at the intersection of statistics, engineering and computer science. As the study of information quantities, such as compression or communication capacities, information content or measures of statistical dependency, it is one of the theoretical underpinnings of data science.  Computational problems in information theory are highly non-linear. The goal of this project is to transfer state-of-the-art methods of computational non-linear algebra to information theory, to study the inherent algebraic complexity of information-theoretical problems and to provide tools for solving them in practice. The algebraic point of view has proven to be fruitful in seemingly unrelated areas, as witnessed by a surge of recent work in algebraic statistics, in particular on likelihood geometry. However, maximizing the likelihood function is the same as minimizing relative entropy — a specific information quantity. Hence, this project also aims at generalizing the techniques developed in likelihood geometry.  One focus is on the practical computation of information quantities using numerical and differential algebraic geometry. Such quantities are defined via non-linear optimization problems and we aim to pinpoint the algebraic complexity of these problems in instances of general interest, such as common information measures. The final objective is finding fundamental laws and limits of data science imposed by non-linear inequalities constraining the entropic region. These inequalities provide, by duality, universal bounds for many of the optimization problems studied in information theory.

En epigenetisk endring endrer også et gens DNA - men ikke på sekvensnivå. I stedet legges til eller fjernes spesielle 'markører' for å endre hvordan et eller flere protein fungerer i kroppen. Disse 'markørene' kan også bidra til sykdom, og hvordan disse opptrer er et hett forskningstema. Noen årsaker kan være kosthold, stressfaktorer eller miljøgifter. Det som er viktig med epigenetikk er at det tilbyr en annen tilnærming til behandling av sykdom. Mens en genetisk mutasjon er vanskelig å fikse, kan det være en enklere løsning å finne måter å fjerne et dårlig epigenetisk merke, eller legge til et godt. Riktig forståelse av epigenetisk regulering er derfor nøkkelen til å forstå biologiske prosesser og sykdommer, som kreft, nevrologiske og metabolske lidelser. Dessverre er nåværende verktøy som brukes for epigenetisk analyse kostbare, tungvinte, tidkrevende, lider av dårlig signal/støyforhold og begrensninger fra å bli brukt på få celler (enkeltcelle) profilering. NTNU Bio-nanomaskiner har som mål å overvinne disse begrensningene gjennom en patentsøkt tilnærming. Prosjektet fokuserer på å validere bio-nanomaskinene. En tilnærming innebærer å utføre profilering på ulike biologiske prøver med veldig få celler og sammenligne resultatene med data fra eksisterende metoder. Verdiforslaget og brukeradopsjonen av disse bio-nanomaskinene vil også bli sammenlignet med eksisterende verktøy. Skjæringspunktet mellom nanoteknologi og epigenetikk har et enormt potensial, og NTNUs bio-nanomaskiner kan bidra til dette spennende feltet.

The NTNU Bio-nanomachines: Next-generation tools for high-resolution Genomics in Diagnostics and Medical Research

Hovedmålet med kreftbehandling er å eliminere kreftceller og dette er tradisjonelt oppnådd ved kirurgi, bruk av giftige medikamenter (cellegift) og stråling. En ny og betydningsfull tilnærming til kreftbehandling kalt immunterapi, har derimot fått mye oppmerksomhet det siste tiåret; Her forsøker leger og forskere å utnytte immunsystemet vårt for å målrettet  ødelegge kreftceller. En nøkkelaktør i denne banebrytende tilnærmingen er en gruppe «drapsmenn» i immunsystemet kjent som cytotoxiske T-lymfocytter (CTL-er). Disse cellene har en bemerkelsesverdig evne til å oppdage kreftceller ved å gjenkjenne unormale molekyler på overflaten av kreftcellene - molekyler som friske celler ikke har. Når CTL-er gjenkjenner kreftcellene ødelegger de dem ved å frigjøre giftige molekyler som initierer kreftcellenes selvdestruksjon. 
 
Selv om betydelige innsats har blitt dedikert til å forstå hvordan CTL-er aktiveres og hvordan de gjenkjenner kreftceller, vet vi mindre om de påfølgende hendelsene inne i kreftcellene som fører til deres død. Fra før vet vi at CTL-er kan initiere to forskjellige typer celledød i kreft: den første, kalt apoptose, er en stille og ordnet prosess der kreftcellene krymper og brytes opp uten å varsle immunsystemet; den andre, kalt pyroptose, er en mer dramatisk prosess som involverer dannelse av åpninger i cellemembranen, noe som fører til at cellene svulmer opp og sprekker. Under denne cellebristen blir innholdet inne i cellene frigitt i omgivelsene, og dette kan fungere som 'faretegn' som kan stimulere en sterkere immunrespons mot kreftcellene. Betydningen av denne cellebristen for å forsterke anti-tumorresponsene vil bli undersøkt i dette prosjektet. 
 
Videre er vi fascinert av muligheten for å avdekke ytterligere, ennå ukjente, former for celledød indusert av CTL-er. Utforsking av disse dødsrelaterte prosessene i kreftcellene kan potensielt øke effektiviteten av immunterapi og bidra betydelig i den pågående kampen mot kreft.

The primary goal of most cancer therapies is to induce cancer cell death. Immunotherapy relies on the cytotoxic activity of lymphocytes such as natural killer cells (NKs) and cytotoxic T lymphocytes (CTLs) to achieve this. While a significant amount of research in immunotherapy focuses on the events within cytotoxic lymphocytes or at the interface between cytotoxic lymphocytes and cancer cells, less is known about the molecular mechanisms that orchestrate cancer cell death, particularly in the case of CTL-mediated death.
CTLs are known to induce two types of cell death in cancer: non-inflammatory apoptosis and proinflammatory pyroptosis. Pyroptotic cancer cells release proinflammatory signals that attract immune cells to the tumor site, thereby enhancing the anti-tumor response. Cell lysis is a common outcome of pyroptotic cell death. It is unclear whether lysis can be decoupled from pyroptosis in cancer cells and whether the proinflammatory properties of pyroptotic cancer cell death depend on lysis. Moreover, it remains unknown whether CTLs can induce other forms of cell death in cancer, apart from apoptosis and pyroptosis.
Studying the mechanisms of CTL-mediated cancer cell death is challenging because CTLs selectively target cells expressing specific antigens. However, given the critical role of CTLs in immunotherapy, it is essential to deepen our understanding of CTL-induced cancer cell death.
This project aims to develop novel methodologies to investigate the death mechanisms that are initiated by CTLs. In addition, we will identify new pathways and mediators involved in CTL-induced cancer cell death. Furthermore, we will assess the contribution of proinflammatory cell death and lysis in promoting anti-tumor responses in vivo. Overall, this research will improve our knowledge of the molecular mechanisms of CTL-mediated cancer cell death and potentially reveal novel targets to enhance the efficacy of cancer immunotherapy.

T-cell-mediated proinflammatory cell death and lysis in cancer

Turisme og klimarisiko (TurRISK).

Midlene fra KLIMAFORSK-Stort program klima fordelt på år

Midlene fra KLIMAFORSK-Stort program klima fordelt på fylker

Midlene fra KLIMAFORSK-Stort program klima fordelt på fagområde

Researcher

I 2021 har det vært søkelys på å lage et solid grunnlag for å beregne klimagassutslipp og inntekter forbundet med turisme i Norge i arbeidspakke 1. Arbeidspakken gir grunnlag for forskningen i andre arbeidspakker. Vi har gjennomført en longitudinell input/output-analyse som vurderer både utslipp av klimagasser og inntektsgenerering. Dataene brukes til å utlede scenarier for avkarbonisering. Arbeidet, som ble utført i samarbeid med Statistisk sentralbyrå, ga en rekke innsikter av relevans for reiselivet og for nasjonale reduksjoner av klimagasser.

Studien, som dekker 12 år fra 2007-2019, finner at karbonintensiteten i reiselivet (utslipp per NOK) er mer enn det dobbelte av det norske gjennomsnittet. Hovedfunnet er at luftfart, som skaper 17 % av nasjonale reiselivsinntekter, men står for hele 75 % av direkte CO2 utslippet. Spesielt har luftfartsutslipp per NOK av omsetning økt med 4,2 % per år. Innen 2030 vil reiseliv være den største utslippsdelsektoren i norsk økonomi, ettersom sektorens absolutte utslipp øker med 3,2 % per år. 

Vår studie peker på at Norge vil ikke nå sitt delmål om å redusere utslippene med minst 50 % innen 2030, sammenlignet med 1990. På den ene side har vi funnet at det er en frakopling mellom verdiskaping og klimagassutslipp målt per krone i verdiskaping i reiselivet med -0.2% per år. For å redusere klimagassutslipp med 90 % innen 2050 sammenlignet med 2019, ville avkarboniseringshastigheten måtte være mer enn 30 ganger høyere, dersom vekstrater opprettholdes. Selv om studien opprinnelig var ser på turisme, kan funn generaliserer til å se på sammenhengen mellom økonomi og miljø, og spesielt viktigheten av at vekstrater kan bidra til å utligne effekten av tiltak for å redusere klimagassutslipp.

Norway has committed to becoming a low-carbon country within three decades. To achieve this goal, significant reductions in emissions are required throughout all sectors of the national economy. Tourism is a key industry that is expected to make a growing contribution to the national economy, specifically in the ‘post oil’ era; yet, it is also a sector requiring large amounts of energy. This proposal focuses on the challenge of decarbonization within a growth economy. The theoretical framework is "risk". National and international policy frameworks for low-carbon economies represent CARBON RISKS, because decarbonization is potentially costly (introduction of new technologies), or designed to reduce consumption (taxation of CO2) and hence likely to affect travel flows. The sector also faces CLIMATE CHANGE RISKS that remain uncertain at the regional and country scale. These include impacts that deter international tourists from coming to Norway because of the loss of assets (such as snow) or extreme weather events. Because tourism is characterized by strong global interconnectedness, the consequences of climate change and associated mitigation & adaptation responses in other countries can also have important implications for tourism in Norway. 

Against this background, the proposal will investigate pathways towards a resilient low-carbon, high-value tourism model for Norway. Its main objective is to identify policies that will guide the transformation towards a low-carbon tourism system. These policies need to be designed in a way that will ensure that economic turnover and employment are maintained and developed towards a year-around, high-value tourism economy that is also resilient in its market mix under scenarios of climate change and global decarbonisation.

Tourism Risks (TourRISK): 
A resilient low-carbon, high-yield tourism model for Norway

Hovedmålet med dette forprosjektet var å mobilisere event-interessenter som reise- og kulturaktører, lokal og nasjonal varehandel og andre tjenestenæringer til forskningssamarbeid for å styrke konkurranseevnen gjennom økt næringsrettet forskning på eventer. Gjennom forprosjektets aktiviteter ønsket vi å legge til rette for planlegging og nettverksbygging, skape et solid forskningssamarbeid mellom lokalt næringsliv og andre relevante samarbeidspartnere knyttet til tre eventer om en felles søknad for et hovedprosjekt.

Gjennom dette forprosjektet vil vi mobilisere til steds- og næringsutvikling gjennom samarbeid som skal munne ut i
en hovedsøknad. Det nye og originale ved dette prosjektet er også at vi bruker eventer som utgangspunkt for steds- og
næringsutvikling ved at flere interessenter deler på økonomisk risiko. Ny innsikt med nye bærekraftige
forretningsmodeller og verktøy for kapasitetsbygging, vil kunne bidra til at regional aktører kan bidra til økt
næringsrettet forskning og utvikling innen reiseliv og kulturnæringer. Vi bruker tre eventer og involverer
interessenter med utgangspunkt i Kongsberg (jazzfestivalen), Vikersund (idrettsarrangementer knyttet til
skiflyvningsbakken) og Horten (Midgardsblot/Vestfoldmuseene). Prosjektet vil spesielt fokusere på små steder og
deres unike kultur, særegenhet og historie, og hvordan dette kan bidra til fremtidige utviklingsmuligheter og økt
næringsrettet forskning og utvikling i reiseliv og kulturnæringer. Forprosjektet består av tre arbeidspakker:
prosjektledelse, kapasitetsbygging og kompetanseutvikling og steds- og næringsutvikling i Kongsberg, Vikersund og Horten.

0 antall prosjekter

BIA-Brukerstyrt innovasjonsarena

Kapasitetsbygging og bruk av eventer til bærekraftig steds- og næringsutvikling

Tildelt: kr 0,24 mill.

Prosjektperiode: 2020-2020

Sted: Buskerud