MétaCan
Menu
Retour à la cohorte
Enregistrement W1996819002 · doi:10.1017/s1751731110000492

Modelling of manure production by pigs and NH3, N2O and CH4 emissions. Part I: animal excretion and enteric CH4, effect of feeding and performance

2010· article· en· W1996819002 sur OpenAlexaff
Cyrille Rigolot, Sandrine Espagnol, J. Pomar, Jean-Yves Dourmad

Notice bibliographique

Revueanimal · 2010
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésManureAnimal scienceSlurryDry matterNutrientComposition (language)Organic matterExcretionAnimal feedFecesFeed conversion ratioManure managementAgronomyEnvironmental scienceFeed additiveVolume (thermodynamics)ChemistryBiologyEcologyBody weightEnvironmental engineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

A mathematical model was developed from literature data to predict the volume and composition of pig's excreta (dry and organic matter, C, N, P, K, Cu and Zn contents), and the emission of greenhouse gases (CH4 and CO2) though respiration and from the intestinal tract, for each physiological stage (post-weaning and fattening pigs and lactating and gestating sows). The main sources of variation considered in the model are related to animal performances (feed efficiency, prolificacy, body weight gain, etc.), to water and nutrient intakes and to housing conditions (ambient temperature). Model predictions were validated by using 19 experimental studies, most of them performed in conditions close to those of commercial farms. Validation results showed that the model is precise and robust when predicting slurry volume (R2 = 0.96), slurry N (R2 = 0.91), P (R2 = 0.95) and to a lesser extent dry matter (R2 = 0.75) contents. Faeces and urine composition (minerals and macronutrients) can also be precisely assessed, provided the composition and the digestibility of the feed are well known. Sensitivity analysis showed strong differences in CH4 emission and excretion amounts and composition according to physiological status, animal performance, temperature and diet composition. The model is an efficient tool to calculate nutrient balances at the animal level in commercial conditions, and to simulate the effect of production alternatives, such as feeding strategy or animal performance, on excreta production and composition. This is illustrated by simulations of three feeding strategies, which demonstrates important opportunities to limit environmental risks through diet manipulations.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,210
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations64
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueanimalMême sujetOdor and Emission Control TechnologiesTravaux en français237 207