Search

Det övergripande syftet med denna studie var att undersöka leveranssäkerheten för halm kopplat till risker på grund av dåliga väderförhållanden vid skörd samt utvärdera regionala skillnader i fyra viktiga odlingsområden i landet. Väderlekens inverkan på halmens vattenhalt i sträng och halmmängd som kunde pressas vid varierande gårdsstorlek, bärgningsperiod och halmmängd undersöktes. Med hjälp av simuleringsmodeller och historiska väderleksdata från 22-23 år beräknades vattenhalten på timbasis för spannmålskärna i den stående grödan och för halm i sträng. Skördetröskning och halmpressning simulerades med en annan modell under samma period, där en kort pressningsperiod till sluten av augusti och en längre period till mitten av september utvärderades. Väderlekens inverkan på pressningsförloppet uppskattades, samtidigt som begränsande och känsliga faktorer identifierades. De årliga pressade halmmängderna beräknades för typgårdar med 100, 300 och 600 ha spannmålsareal, belägna i Västmanland, Östergötland, Västra Götaland och Skåne.

Yield data for a series of years on the main crops grown in Sweden were collected and summarised in order to identify years with extremely low yield, determine their frequency and risk level and relate these to weather data in order to identify weather events leading to large yield reductions. Annual yield data at county level for cereals, field beans, oilseed rape, potatoes and temporary grasses were taken from official statistics for the period 1965-2014. For the period 2005-2012, crop yield data on farm level were also available from official statistics. In addition, yield data for cereals and temporary grasses being studied in long-term experiments (more than 40 years) located in four different agro-ecological zones of Sweden were considered. Daily temperature and precipitation data for each of the 21 counties in Sweden during the period 1961-2012 were downloaded from the official Swedish weather data website. In general, yield reductions were higher in northern than in southern counties and higher for spring cereals than winter cereals. Oats, spring rape and potatoes were the crops with the highest yield variation at county level. The frequency of a 30% yield reduction at county level was very low or close to zero in those counties with widespread cereal production, but large reductions occurred in individual years and certain counties (e.g. -80% in Norrbotten county in 1987). Close agreement between annual area of non-harvested crops and a 30% yield reduction was observed for certain years, crops and counties. The northern counties had on average 4-11% non-harvested crop area, with Norrbotten county having the highest values. The non-harvested area of cereals in southern counties was on average 0-2%. The risk of severe crop losses on farm level was around 10%, although in a few cases the risk was 25%, depending on the county. More specifically, the overall risk among the counties for individual farms of obtaining 30% lower yield for winter wheat was 5-20%, for spring wheat 5-20%, for rye 5-10% and for spring barley 5-25%. The corresponding risk of obtaining 50% lower yield for oats was 5-20%. The yield data for individual farms showed large variations, even in years with ‘favourable’ weather conditions. In most years, yield on the lower 10th percentile of farms was less than half the average yield at county level. Winter wheat showed the lowest variation in southern counties and oats and spring rape the highest. Farm-level yield variations were also much higher in Norrbotten county than in southern counties. This large yield variation was confirmed by data from the long-term crop experiments, in which yield reductions exceeding 30% occurred in 5-18% of years (i.e. 2-8 years in the period 1965-2010). Most years with the lowest yield were associated with a prolonged dry period (100 mm during August). However, attempts to correlate county average yields with indices based only on daily temperature and precipitation gave poor and inconsistent results. Similar results were obtained using yield data from the long-term experiments and indices based solely on precipitation. The large yield variations between individual farms, the heterogeneity of crop responses to Scandinavian weather conditions and the limitations of yield prediction models in terms of detailed input data and result accuracy indicate that yield reductions should be measured on farm level. Within the study period, precipitation during summer months appeared to increase over time, particularly in 25% of years in southern Sweden. If this situation persists, it will have conflicting effects on crop production, by reducing the risk of drought periods and increasing the risk of rainy harvesting periods.

Vad är syftet med denna Riskanalys? Svensk spannmåls- och mjölkproduktion beror på många faktorer av vilka flera är så kallade biofysiska, dvs i allt väsentligt är de av naturvetenskaplig karaktär (t ex väder, sjukdomar mm). En del förändringar i dessa förutsättningar utgör hot. Vår studie avser att identifiera några av dessa hot och utvärdera, utifrån vetenskapligt testade metodiker, sannolikheten för att de orsakar en skada på produktionen. Detta kräver dock ett mycket omfattande arbete och i denna studie har vi därför begränsat oss till att (i) strukturera hur en vetenskapligt baserad riskanalys bör gå till, och (ii) göra ett antal preliminära riskanalyser för att (iii) identifiera kunskapsluckor som behöver forskas på för att analysen ska kunna antas vila på en vetenskaplig grund. Vad menar vi med Risk? Vi har definierat risk som sannolikheten att ett hot orsakar en viss negativ konsekvens för den skyddsvärda tillgången. Av dessa termer är kanske den sistnämnda den mest centrala. Vad är det vi vill skydda? Vi har valt ut två tillgångar, Sveriges nationella spannmåls- respektive mjölkproduktion och avser då den produktion som lämnar gården, eller används inom gården, och att de skyddas så att de förblir ungefär av den omfattningen de har i dagsläget. Hoten mot denna produktion har valts utifrån förslag från tidigare studier, workshop, tillgången på experter och att hoten ska vara av biofysisk karaktär. Vilket hot som verkligen utgör en stor risk vet vi ju dock inte förrän efter riskanalysen är utförd och valen av hot bygger därför på en preliminär uppskattning. Biofysisk karaktär innebär att vi främst analyserat naturvetenskapliga hot. Hoten orsakar effekter på produktionen i mätbara termer som sedan översätts till en mer abstrakt skala från ingen till extremt negativ konsekvens. Beroende på olika osäkerhetsfaktorer erhåller vi flera konsekvensvärden för ett givet hot, och fördelningen av dessa på konsekvensskalan utgör ett mått på sannolikheten. Risken anges alltså som ett förhållande mellan konsekvens och sannolikhet. Varför har vi gjort denna systemavgränsning? Riskanalysen har två huvudaktörer; riskhanteraren som definierar vad som ska anlyseras och analysfunktionen som utför analysen. Riskhanteraren är i vårt fall styrgruppen för SLUs forskningsprogram Framtidens lantbruk (FA, 2015) som har definierat typen av hot och de skyddsvärda tillgångarna som ska analyseras. Vi som utfört denna studie är analysfunktionen, och har alltså dessa definitioner som en utgångspunkt. Om vi ändå tillåter oss att spekulera kring valet av spannmåls- respektive mjölkproduktionen så kan det motiveras av SLU's nationella ansvar vad avser den vetenskapliga kompetensen inom de areella näringarna. Ett fokus på biofysiska hot motiveras av att dessa är potentiellt stora och växande, såsom t ex är fallet vad avser klimatförändringar. Riskanalyser av denna typ bildar centrala underlag för att formulera olika strategier, t ex angående livsmedelsförsörjning. Hur har arbetet gått till? Riskanalyserna har utförts för ett antal "krisscenarier"; fyra avseende hot mot spannmålsproduktionen (Radioaktivt-nedfall, Virus-i-spannmål, Herbicidresistens och Extremt-sommarväder) och tre avseende mjölkproduktionen (Leptospiros-utbrott, Foderimport-stopp och Värmebölja). Analysen tar sin utgångspunkt i ett omvärldsscenario som definierar de yttre förutsättningarna för vad som antas inträffa. Detta ligger till grund för att identifiera troliga hot mot produktionen och vilka åtgärder som förväntas vidtas. Vi har sedan utgått från att dessa hot och åtgärder verkligen har hänt när vi mha våra förklaringsmodeller bestämt effekterna på produktionen i termer av mätbara enheter ("metrics"; t ex procentuell minskning av lokal eller regional veteproduktion). Dessa effekter tolkas/integreras sedan till en konsekvens för, helst den nationella, men i realiteten främst den regionala produktionen i fem nivåer (ingen, liten, måttlig, stor respektive extrem). Osäkerheter i bedömningarna innebär att flera alternativa konsekvenser erhålls, för ett givet hot, och som ligger till grund för en sannolikhetsbedömning. Analyserna har gjorts av experter inom respektive hots vetenskapliga område, men som haft begränsade förutsättningar (av tidsskäl) att göra tillräckligt många bedömningar för att erhålla ett tillförlitligt mått på sannolikhetsfördelningen (osäkerheten). Istället har vi, vilket också är ett huvudsyfte med studien, huvudsakligen försökt identifiera de kunskapsluckor i förklaringsmodellerna som begränsat våra möjligheter att kunna göra vetenskapligt baserade bedömningar av effekterna (se vidare Appendix 3). Vad är resultatet? Vi har gjort vissa grova skattningar av sannolikheten trots det bristfälliga antalet bedömningar av konsekvenser. Om ett radioaktivt nedfall sker i en region får det extrema konsekvenser för dess spannmålsproduktion på regional nivå. Ett omfattande angrepp av jordburna virus orsakar en måttlig eller stor konsekvens. En utvecklad herbicidresistens hos ogräsen orsakar i huvudsak en liten till måttlig konsekvens. En extremt torr sommar kan ett år orsaka en stor konsekvens och ett annat år ingen alls. Likaledes orsakar en Regnig-sensommar i ca hälften av fallen ingen konsekvens, men för de resterande åren kan alla grader av konsekvenser uppstå på spannmålsproduktionen. För mjölkproduktionen orsakar samtliga tre hot (Leptospiros-utbrott, Foderimport-stopp och Värmebölja) en liten till måttlig konsekvens. Vad avser ett importsopp för foder är detta under förutsättning att olika åtgärdsprogram kombineras. Om fokus läggs på endast ett åtgärdsprogram ökar risken väsentligt. Dessa skattningar ska alltså inte betraktas som en vetenskapligt baserad analys i nuläget, utan demonstrerar främst exempel på resultat från sådana analyser. Skattningarna har hjälpt oss att identifiera vilka kunskaper vi saknar för att analyserna ska kunna betraktas som vetenskapligt baserade (se vidare Tabell 4.3a; sammanfattningar av respektive scenario finns i Resultatdelen). Analyserna har ibland också lett till att vi identifierat följdhändelser som faller utanför systemavgränsningen för vår studie och som andra studier har till uppgift att utreda. Många av de hot vi analyserat kan leda till betydande ekonomiska konsekvenser för enskilda företag, vilket i sin tur utgör hot mot produktionen. För denna analys krävs dock socioekonomiska analyser. Vi ser här också kopplingar mellan krisscenarier som är av biofysisk karaktär, t ex kan foder kontaminerat med radioaktivt cesium utgöra ett hot mot mjölkproduktionen. Vår studie har dock bara analyserat ett krisscenarios inverkan på antigen spannmåls- eller mjölkproduktionen. Vilka är de viktigaste slutsatserna? En central fråga är: Hur trovärdiga/säkra är dessa förutsägelser? Risk avser en förutsägelse om något som ännu inte hänt. Det första som behövs är alltså någon form av modell. Dessa modeller kan vara av olika sort i termer av vilken empirisk kunskap de använder för extrapolering (t ex funktioner, behandlingseffekter, mm), om de är objektiva och om de är transparenta. Alla modeller är osäkra i någon mening. Dock saknas i alla de fall vi undersökt mått på modellernas förutsägelseförmåga (med något enstaka undantag). En allmän slutsats blir att forskningen behöver inriktas mot att testa modellernas förutsägelseförmåga mot observationer för att kunna bidra till en vetenskapligt baserad riskanalys av spannmåls- respektive mjölkproduktionen. Detta innebär att experiment- och försöksupplägg behöver göras utifrån hypoteser (modeller) om hur de dynamiska förloppen beror på varierande förutsättningar och omgivningsförhållanden. T ex behöver de statistiska relationerna för hur Extremt-sommarväder påverkar spannmålsproduktionen, som används i vår studie, kompletteras med tester av grödmodeller som kan beakta flera vädervariablers samtida variationer i både tid och rum. För kunskapsluckor som är specifika för respektive hot, se Tabell 4.4 Sammanfattningsvis behövs (i) fler förutsägelser av respektive potentiellt hots konsekvenser på produktionen, med modeller som har någon form av graderad tillförlitlighet, för att erhålla mått på osäkerheter. Dessutom behövs det (ii) tester av hypoteser för uppskalningar från kontrollerade experiment och försök (på en liten skala i tid och rum) till regional och nationell skala över flera år, och (iii) utveckling av metodiker för hur sannolikheter för hot, åtgärder respektive konsekvenser kan kombineras till en sannolikhetsfördelning som inbegriper bedömningsosäkerheter för alla dessa faktorer. Troligtvis behövs också att fler potentiella biofysiska hot analyseras. Hur går vi vidare? En mer fullständig riskanalys som inkluderar alla potentiellt stora hot mot produktionen, och samtidigt är vetenskapligt baserad, kräver att potentiella hot utreds kontinuerligt inom respektive produktionsrelaterat ämnesområde vid SLU. Detta kräver troligen att verksamheter som testar hypoteser för att förutsäga effekter av hot knyts nära den experimentella forskningen och experter inom respektive ämnesområde. Det krävs troligen också att en syntesverksamhet etableras på en ämnesövergripande nivå där metodiker kan standardardiseras, och olika hot och dess konsekvenser kan jämföras och kombineras. En sådan fungerande verksamhet behöver utvidga systemgränserna jämfört med vår studie, genom att sannolikheter för att hot uppkommer och att åtgärder faktiskt vidtas, också bedöms. Dessa sannolikheter behöver sedan integreras med sannolikheterna för konsekvenserna på produktionen. Därefter kan riskanalysen utökas till att inbegripa en mer avlägsen framtid, t ex liknande de tidsperspektiv som klimatförändringsanalyser behandlar. Två av hoten mot mjölkproduktionen utgör exempel på riskanalys för en nära framtid (ca 2025). Vi avslutar rapporten med att diskutera hur en sådan ansats kan se ut i ett längre perspektiv.

Vad är syftet med denna Riskanalys? Svensk spannmåls- och mjölkproduktion beror på många faktorer av vilka flera är så kallade biofysiska, dvs i allt väsentligt är de av naturvetenskaplig karaktär (t ex väder, sjukdomar mm). En del förändringar i dessa förutsättningar utgör hot. Vår studie avser att identifiera några av dessa hot och utvärdera, utifrån vetenskapligt testade metodiker, sannolikheten för att de orsakar en skada på produktionen. Detta kräver dock ett mycket omfattande arbete och i denna studie har vi därför begränsat oss till att (i) strukturera hur en vetenskapligt baserad riskanalys bör gå till, och (ii) göra ett antal preliminära riskanalyser för att (iii) identifiera kunskapsluckor som behöver forskas på för att analysen ska kunna antas vila på en vetenskaplig grund. Vad menar vi med Risk? Vi har definierat risk som sannolikheten att ett hot orsakar en viss negativ konsekvens för den skyddsvärda tillgången. Av dessa termer är kanske den sistnämnda den mest centrala. Vad är det vi vill skydda? Vi har valt ut två tillgångar, Sveriges nationella spannmåls- respektive mjölkproduktion och avser då den produktion som lämnar gården, eller används inom gården, och att de skyddas så att de förblir ungefär av den omfattningen de har i dagsläget. Hoten mot denna produktion har valts utifrån förslag från tidigare studier, workshop, tillgången på experter och att hoten ska vara av biofysisk karaktär. Vilket hot som verkligen utgör en stor risk vet vi ju dock inte förrän efter riskanalysen är utförd och valen av hot bygger därför på en preliminär uppskattning. Biofysisk karaktär innebär att vi främst analyserat naturvetenskapliga hot. Hoten orsakar effekter på produktionen i mätbara termer som sedan översätts till en mer abstrakt skala från ingen till extremt negativ konsekvens. Beroende på olika osäkerhetsfaktorer erhåller vi flera konsekvensvärden för ett givet hot, och fördelningen av dessa på konsekvensskalan utgör ett mått på sannolikheten. Risken anges alltså som ett förhållande mellan konsekvens och sannolikhet. Varför har vi gjort denna systemavgränsning? Riskanalysen har två huvudaktörer; riskhanteraren som definierar vad som ska anlyseras och analysfunktionen som utför analysen. Riskhanteraren är i vårt fall styrgruppen för SLUs forskningsprogram Framtidens lantbruk (FA, 2015) som har definierat typen av hot och de skyddsvärda tillgångarna som ska analyseras. Vi som utfört denna studie är analysfunktionen, och har alltså dessa definitioner som en utgångspunkt. Om vi ändå tillåter oss att spekulera kring valet av spannmåls- respektive mjölkproduktionen så kan det motiveras av SLU's nationella ansvar vad avser den vetenskapliga kompetensen inom de areella näringarna. Ett fokus på biofysiska hot motiveras av att dessa är potentiellt stora och växande, såsom t ex är fallet vad avser klimatförändringar. Riskanalyser av denna typ bildar centrala underlag för att formulera olika strategier, t ex angående livsmedelsförsörjning. Hur har arbetet gått till? Riskanalyserna har utförts för ett antal "krisscenarier"; fyra avseende hot mot spannmålsproduktionen (Radioaktivt-nedfall, Virus-i-spannmål, Herbicidresistens och Extremt-sommarväder) och tre avseende mjölkproduktionen (Leptospiros-utbrott, Foderimport-stopp och Värmebölja). Analysen tar sin utgångspunkt i ett omvärldsscenario som definierar de yttre förutsättningarna för vad som antas inträffa. Detta ligger till grund för att identifiera troliga hot mot produktionen och vilka åtgärder som förväntas vidtas. Vi har sedan utgått från att dessa hot och åtgärder verkligen har hänt när vi mha våra förklaringsmodeller bestämt effekterna på produktionen i termer av mätbara enheter ("metrics"; t ex procentuell minskning av lokal eller regional veteproduktion). Dessa effekter tolkas/integreras sedan till en konsekvens för, helst den nationella, men i realiteten främst den regionala produktionen i fem nivåer (ingen, liten, måttlig, stor respektive extrem). Osäkerheter i bedömningarna innebär att flera alternativa konsekvenser erhålls, för ett givet hot, och som ligger till grund för en sannolikhetsbedömning. Analyserna har gjorts av experter inom respektive hots vetenskapliga område, men som haft begränsade förutsättningar (av tidsskäl) att göra tillräckligt många bedömningar för att erhålla ett tillförlitligt mått på sannolikhetsfördelningen (osäkerheten). Istället har vi, vilket också är ett huvudsyfte med studien, huvudsakligen försökt identifiera de kunskapsluckor i förklaringsmodellerna som begränsat våra möjligheter att kunna göra vetenskapligt baserade bedömningar av effekterna (se vidare Appendix 3). Vad är resultatet? Vi har gjort vissa grova skattningar av sannolikheten trots det bristfälliga antalet bedömningar av konsekvenser. Om ett radioaktivt nedfall sker i en region får det extrema konsekvenser för dess spannmålsproduktion på regional nivå. Ett omfattande angrepp av jordburna virus orsakar en måttlig eller stor konsekvens. En utvecklad herbicidresistens hos ogräsen orsakar i huvudsak en liten till måttlig konsekvens. En extremt torr sommar kan ett år orsaka en stor konsekvens och ett annat år ingen alls. Likaledes orsakar en Regnig-sensommar i ca hälften av fallen ingen konsekvens, men för de resterande åren kan alla grader av konsekvenser uppstå på spannmålsproduktionen. För mjölkproduktionen orsakar samtliga tre hot (Leptospiros-utbrott, Foderimport-stopp och Värmebölja) en liten till måttlig konsekvens. Vad avser ett importsopp för foder är detta under förutsättning att olika åtgärdsprogram kombineras. Om fokus läggs på endast ett åtgärdsprogram ökar risken väsentligt. Dessa skattningar ska alltså inte betraktas som en vetenskapligt baserad analys i nuläget, utan demonstrerar främst exempel på resultat från sådana analyser. Skattningarna har hjälpt oss att identifiera vilka kunskaper vi saknar för att analyserna ska kunna betraktas som vetenskapligt baserade (se vidare Tabell 4.3a; sammanfattningar av respektive scenario finns i Resultatdelen). Analyserna har ibland också lett till att vi identifierat följdhändelser som faller utanför systemavgränsningen för vår studie och som andra studier har till uppgift att utreda. Många av de hot vi analyserat kan leda till betydande ekonomiska konsekvenser för enskilda företag, vilket i sin tur utgör hot mot produktionen. För denna analys krävs dock socioekonomiska analyser. Vi ser här också kopplingar mellan krisscenarier som är av biofysisk karaktär, t ex kan foder kontaminerat med radioaktivt cesium utgöra ett hot mot mjölkproduktionen. Vår studie har dock bara analyserat ett krisscenarios inverkan på antigen spannmåls- eller mjölkproduktionen. Vilka är de viktigaste slutsatserna? En central fråga är: Hur trovärdiga/säkra är dessa förutsägelser? Risk avser en förutsägelse om något som ännu inte hänt. Det första som behövs är alltså någon form av modell. Dessa modeller kan vara av olika sort i termer av vilken empirisk kunskap de använder för extrapolering (t ex funktioner, behandlingseffekter, mm), om de är objektiva och om de är transparenta. Alla modeller är osäkra i någon mening. Dock saknas i alla de fall vi undersökt mått på modellernas förutsägelseförmåga (med något enstaka undantag). En allmän slutsats blir att forskningen behöver inriktas mot att testa modellernas förutsägelseförmåga mot observationer för att kunna bidra till en vetenskapligt baserad riskanalys av spannmåls- respektive mjölkproduktionen. Detta innebär att experiment- och försöksupplägg behöver göras utifrån hypoteser (modeller) om hur de dynamiska förloppen beror på varierande förutsättningar och omgivningsförhållanden. T ex behöver de statistiska relationerna för hur Extremt-sommarväder påverkar spannmålsproduktionen, som används i vår studie, kompletteras med tester av grödmodeller som kan beakta flera vädervariablers samtida variationer i både tid och rum. För kunskapsluckor som är specifika för respektive hot, se Tabell 4.4. Sammanfattningsvis behövs (i) fler förutsägelser av respektive potentiellt hots konsekvenser på produktionen, med modeller som har någon form av graderad tillförlitlighet, för att erhålla mått på osäkerheter. Dessutom behövs det (ii) tester av hypoteser för uppskalningar från kontrollerade experiment och försök (på en liten skala i tid och rum) till regional och nationell skala över flera år, och (iii) utveckling av metodiker för hur sannolikheter för hot, åtgärder respektive konsekvenser kan kombineras till en sannolikhetsfördelning som inbegriper bedömningsosäkerheter för alla dessa faktorer. Troligtvis behövs också att fler potentiella biofysiska hot analyseras. Hur går vi vidare? En mer fullständig riskanalys som inkluderar alla potentiellt stora hot mot produktionen, och samtidigt är vetenskapligt baserad, kräver att potentiella hot utreds kontinuerligt inom respektive produktionsrelaterat ämnesområde vid SLU. Detta kräver troligen att verksamheter som testar hypoteser för att förutsäga effekter av hot knyts nära den experimentella forskningen och experter inom respektive ämnesområde. Det krävs troligen också att en syntesverksamhet etableras på en ämnesövergripande nivå där metodiker kan standardardiseras, och olika hot och dess konsekvenser kan jämföras och kombineras. En sådan fungerande verksamhet behöver utvidga systemgränserna jämfört med vår studie, genom att sannolikheter för att hot uppkommer och att åtgärder faktiskt vidtas, också bedöms. Dessa sannolikheter behöver sedan integreras med sannolikheterna för konsekvenserna på produktionen. Därefter kan riskanalysen utökas till att inbegripa en mer avlägsen framtid, t ex liknande de tidsperspektiv som klimatförändringsanalyser behandlar. Två av hoten mot mjölkproduktionen utgör exempel på riskanalys för en nära framtid (ca 2025). Vi avslutar rapporten med att diskutera hur en sådan ansats kan se ut i ett längre perspektiv.

BAKGRUND: I ett multikulturellt land som Sverige sker det många möten i vården där språket blir ett kommunikationsproblem. Vid den dagliga omvårdnaden av icke svensktalande personer finns tolk ofta inte att tillgå och detta kommunikationshinder riskerar att försämra vårdkvalitén. SYFTE: Denna studie avser att värdera om översättningsapplikationer i smarttelefoner kan användas som kommunikationshjälpmedel vid omvårdnaden av icke svensktalande personer. METOD: Empirisk kvalitativ studie genom intervjuer av åtta icke svensktalande personer som hade hemtjänst. Deltagarna fick lyssna på omvårdnadsfrågor som översattes till deltagarens hemspråk med en smarttelefon. Detta följdes upp med utvärderingsfrågor som översattes av en tolk. RESULTAT: Deltagare uttryckte både positiva och negativa åsikter kring metodens användbarhet. Deltagarna var övervägande positiva och skulle själva kunna tänka sig att metoden användes i deras egen omvårdnadssituation. SLUTSATS: Översättningsapplikationer i smarttelefoner skulle kunna användas som kommunikationshjälpmedel vid omvårdnad av icke svensktalande personer. I de fall där metodens brister riskerar påverka omvårdnaden negativt bör den uteslutas. Mer forskning behövs för att evaluera hur väl metoden fungerar i reella omvårdnadssituationer samt vid tvåvägskommunikation. BACKGROUND: In a multicultural country like Sweden there are often encounters in healthcare where the language becomes a communication problem. At the daily care of the non-Swedish speaking individuals, interpreting is often not available and this communication barrier could compromise the quality of carework. OBJECTIVE: This study aims to evaluate whether translation applications in smartphones can be used as a communication tool in the care of non-Swedish speaking individuals. METHOD: An empirical qualitative study was conducted through interviews of eight non-Swedish speaking individuals who received homecare. Subjects were allowed to listen to related nursing issues that were translated into the participant's native language with a smartphone. This was followed up with evaluation questions that were translated by an interpreter. RESULTS: Participants expressed both positive and negative opinions about the usefulness of the method. Most of the participants were considerably positive and would be free to consider that the method could be used in their own care situation. CONCLUSIONS: Translation applications in smartphones could be used as a communication tool in the care of non-Swedish speaking individuals. In the cases where the method deficiencies risk to adversely affect care, it should be excluded. More research is needed to evaluate how well the method works in real care situations and in two-way communication.

The JTI/SLU’s Farm Machinery Cost Estimator is a user-friendly computer program developed in Excel 2000 for Personal Computers in Swedish language. The program is able to estimate the cost for a single machine or/and total machinery costs (specific machinery + labour + timeliness costs) for a set. The program is composed of seven sheets of which two are hidden: o Start sheet: with general information on the programme. o Condition sheet: with basic data on the farm and other general parameters for the calculation. o Calculation sheet for estimating costs for one machine at a time. o Summary sheet where the results from the calculation sheet can be saved. o Timeliness sheet for timeliness cost estimation for the sowing and harvesting operations. o Machinery data sheet (hidden sheet): a database with basic information for the calculation on individual machines and machinery type. o A hidden sheet (PInfo) for temporary data saving during the programme running. The Estimator has nine different pop-up windows for helping estimating field machinery capacity and fuel consumption more accuracy according to the farm conditions. In addition, there is an optimisation module for estimating optimal width for some implement types and grain harvesters. In all visible sheets, there are information buttons and Comments on the most important data to be entered and the calculation methods used. The Estimator has been tested by researchers and farmers. In a series of tests, where labour and machinery costs were estimated for more than 30 farms, it showed to be easy to use and sound cost estimations were obtained. The program (Swedish language) is available free at this Internet address: http://www2.et.slu.se/maskinkalkyl/

The JTI/SLU’s Farm Machinery Cost Calculator is a user-friendly computer application for Personal Computer in Swedish language for estimating field machinery costs. The program is able to estimate specific machinery, labour and timeliness costs for a single machine and set. The program is composed of four sheets and two databank files: o Condition sheet where basic data on the farm and other general parameters for the calculation are entered. o Calculation sheet for estimating costs for one machine at a time. o Summary sheet where the results from the calculation sheet can be saved. o Timeliness sheet for timeliness cost estimation for the sowing and harvesting operations. o Two Microsoft Access files, one with basic background data for the calculation and the other with saving place for the user’s own calculation results. The Calculator has nine different pop-up windows for helping estimating field machinery capacity and fuel consumption with more accuracy according to user’s specific farm conditions. In addition, there is an optimisation module for estimating optimal width for some implement types and grain harvesters. In all the sheets, there are information buttons on the most important data to be entered, programme deployment and calculation methods used. The Calculator (Swedish language) is available free of charge at this Internet address: http://www2.et.slu.se/maskinkalkyl/

The use of cereals and other agricultural crops for energy purposes and the increased demand for food world-wide have increased cereal prices. However since energy prices have also increased, it can still be profitable to use cereals for energy production. To date, the cereals used for bioenergy have usually been grown in the same way as food and feed cereals, but there is scope to tailor the cultivation system to the end product. The overall objective of this project was to improve the profitability of cereal cultivation for energy purposes. Changes to the cultivation system in terms of e.g. choice of crop and cultivar, strategies for fertilisation and crop protection and transport/handling of cereals for bioethanol production or combustion were studied. Timeliness costs associated with bioenergy cereals were also examined. The financial impact of changes in the cultivation system for bioenergy cereals was then examined for three typical farms, located in the provinces of Skåne, Östergötland and Uppland. Based on the results obtained, concrete guidelines for farmers were formulated. The average arable area of the typical farms was 203 ha, the farms had a seven-year crop rotation and for all locations winter wheat was the dominant crop but triticale and oats were also included. Two cultivation systems, Traditional and Energy, were examined. In the Energy cultivation system, the winter wheat and triticale were used for bioethanol production in an ethanol plant located in Norrköping (Östergötland), while the oats were used for combustion in plants close to the typical farms. The results showed that cultivation of bioenergy cereals did not differ greatly from cultivation of food/feed cereals. However, when cultivating cereals for bioethanol production it is important to adapt the nitrogen fertilisation strategy to achieve high starch content together with high yields of the specific cultivar grown. The most important change in the Energy system proved to be decreasing the nitrogen fertiliser dose to winter wheat for bioethanol production compared with food winter wheat, by 25 kg per ha and year overall for the typical farms. Yield then decreased by 200 kg per ha. There are currently no cereal cultivars developed specifically for combustion, but plant breeders should work towards producing cultivars that combine high yield with high energy content per kg dry matter. The economic analyses of the typical farms showed that the Traditional system gave higher profits than the Energy system in Uppland and Skåne, but the systems were equally profitable in Östergötland. This was because the ethanol plant was located in Östergötland, so the transport costs were the same for both systems in this province but were higher for the Energy system in Skåne and Uppland. Detailed analysis of the energy cereals grown showed that due mainly to the increased transport costs associated with the ethanol plant being located in Norrköping, the price of winter wheat for ethanol production in Skåne should be 0.06 SEK/kg higher than the price of feed wheat to achieve the same level of profit. In Östergötland the profitability was higher for bioethanol wheat both when delivered at harvest or after storage (in December). For delivery at harvest, for each percentage increase in starch content there was a bonus of SEK 0.02 per kg winter wheat produced, and also higher permitted grain water content on delivery to the ethanol plant. The price of bioethanol wheat could therefore be 0.08 SEK/kg lower at harvest delivery and 0.03 SEK/kg lower at delivery after storage without lowering the profitability compared with feed wheat. For Uppland the profitability for bioethanol wheat was comparable with that of feed wheat. Compared with wheat, the profitability of triticale increased more when it was used for bioethanol instead of feed. The price of oats for combustion rather than for feed could decrease for all typical farms without decreasing profitability due to the subsidy available for cultivation of energy crops and to the decreased transport costs when the combustion plant is located close to the typical farm. In this study timeliness costs had minor effects on overall costs, at most constituting 4% of the total. Lower quality requirements (falling number) on bioethanol wheat compared with food wheat resulted in lower timeliness costs for the Energy system, while timeliness costs for the other cereals studied were similar.

The mechanisation systems of three cooperation schemes located in Linköping, Malmö and Uppsala were analysed in economic and some social terms. The scheme in Linköping is a cooperation of neighbour cereal producers with ca. 900 ha, which includes machinery sharing for field work. The scheme in Malmö is a pool of two farms with an area of 390 ha, and the one in Uppsala consists of six cereal producers with an area of ca. 560 ha where the farms are run as one economic unit. In order to evaluate the effects of machinery cooperation the following steps were taken: (1) basic data on the mechanisation systems of the farms prior and present cooperation were collected, (2) the farmers were interviewed regarding theirs views on the cooperation, and (3) total costs (labour + specific machinery + timeliness costs), investment requirements and field operation times for crop establishment and harvesting were estimated for the farms prior to and during cooperation; and some alternative options. Labour and specific machinery costs were calculated using standard methods, but timeliness cost was estimated using a simulation model with the capability of simulating field work on a farms day-by-day for a series of years (15-23 years). The main findings were: • Machinery sharing enabled farms to reduce total costs (Table B), but the degree of variation was high for the individual farms. • Machinery sharing helped to reduce investment requirements (Table B). • Considerable timeliness costs were estimated for all the mechanisation systems with no “excessive capacity”. They were difficult to avoid in farms with clayey soils during years with poor weather conditions, particularly in Uppsala location. Their annual range was large (100-1100 SEK/ha). • The sensitivity analysis showed that timeliness costs were more affected by a reduction in daily effective field capacity than an increase of the same magnitude, in particulary for those machinery sets with low capacity. • All the farmers participating in the cooperation schemes were satisfied with the results achieved after some years of machinery sharing and pointed out that it decreased their vulnerability and risks. Furthermore, working in a team was also highly appreciated. Considering the farming conditions of the farms comprising the present work, which are rather common for many Swedish farms in terms of soil type, farm size, crops and part-time farmers, the study concluded that more integrated machinery cooperation schemes would be very interesting options to be considered, particularly for farms less than 150 ha.

Two storage methods for chipped willows (Salix spp.), cold air ventilation and sealed storage, were tested at laboratory scale. Fresh chips were stored in six insulated containers for 62 days in a store-room. Temperature development during storage was continuously monitored. Dry matter losses and fungal spore counts, in the central part of the containers, were determined. Two 1.7 m3 containers were continuously ventilated with ambient air (mean temperature 2.7° C) at a rate of 175 m3∙h^-1∙t^-1 dry matter. As a control, a third unventilated identical container was used. To test sealed storage, a similar experiment was conducted using two containers of 0.63 m3. A third, unsealed, container served as a control. These three containers were placed in a room where the average temperature during storage was 14.7° C. In the central part of the ventilated containers, the average temperature of the chips was close to ambient temperature (average 4° C) during most of the storage period while the temperature in the unventilated container averaged at 32.4° C and a maximum of 42° C. The dry matter losses were 5.2% and 13.3% by weight in the ventilated and the control containers respectively. The total number of micro fungal spores increased by 3-5 times in the chips stored in the ventilated containers but, in the control, it increased more than 100 times. The temperature in the central part of the sealed containers was close to ambient (14° C), while the maximum temperature of the control was 59.3° C with an average of 28.8° C. Different dry matter losses were measured in the two sealed containers, 2.7% and 6.0%. However, higher loss of dry matter (8.2%) was determined in the control. The fungal growth in the test containers was less intensive than that in the control. The total number of spores was increased by 3-4 folds in the sealed material compared to 60 times in the control.

This paper reviews the effects of mechanical treatment on the ensiling process of pasture and maize, its losses, quality, digestibility, intake and subsequent animal production. At present there are four common types of forage harvesters: flail, double-cut and metered-chop machines and the pick-up wagon equipped with a large number of knives. Compared with a long chop length, short chopping has a positive influence on losses and silage quality, but this effect decreases with high moisture content, early harvesting, additives, high tower silo, etc. The chop length does not influence digestibility as long as it is over 10 mm and as long as the ensiling process losses are small. A chopping length shorter than l0 mm can affect digestibility for cattle and sheep. Several studies show that, for maize silage, a chop length between 5 and 15 mm does not cause any significant difference in losses, conservation quality, or digestibility. According to the studies reviewed, fine chopping (less than 20 mm) increases the intake, especially by sheep, but the effect diminishes with a higher proportion of concentrates in the ration. The influence of chop length in milk, meat, and sheep production was variable in several trials, so that further studies are necessary to explain chopping effect under different conditions. No optimal chop length was determined, but it seems that a length of about 20 mm is better in terms of silage quality and intake. Under favourable ensiling conditions a longer chopping length also produces a good silage.