Practices to Reduce Milk Carbon Footprint on Grazing Dairy Farms in Southern Uruguay: Case Studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>Carbon footprint (CF) is an increasingly important indicator of the impact of a product on climate change. This study followed international guidelines to quantify the CF of milk produced on 24 grazing-based dairy farms in southern Uruguay. Cows grazed all year-round and were supplemented with concentrate feeds. Dairy farms varied in annual milk yield per cow (5672 ± 1245 kg fat and protein corrected milk [FPCM]), milk production per ha (4075 ± 1360 kg FPCM/ha), cow stocking rate (0.71 ± 0.12 cows/ha), feed intake (13.3 ± 2.2 kg dry matter [DM]/cow/day) and percentage of concentrate in the diet (36 ± 12% DM) giving an average CF of 0.99 ± 0.10 kg CO<sub>2</sub> (equivalent [eq]/kg FPCM) over all farms. Total milk production per ha, milk yield per cow and dry matter intake explained most of the variation in CF. Strategies that provide the highest milk production per ha using high yielding cows and a high portion of lactating cows in the herd were identified as the best management practices for reducing CF. Low forage intake in Uruguay is often a consequence of low yielding pastures and high stocking rates. Overall, this study concluded that a reduction in CF is not achieved through increased concentrate intake unless forage consumption is also unconstrained. Improved pasture and feeding management can be used to reduce the CF of milk produced in Uruguay.</p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle