Quantifying body water kinetics and fecal and urinary water output from lactating Holstein dairy cows
Notice bibliographique
Résumé
Reliable estimates of fresh manure water output from dairy cows help to improve storage design, enhance efficiency of land application, quantify the water footprint, and predict nutrient transformations during manure storage. The objective of the study was to construct a mechanistic, dynamic, and deterministic mathematical model to quantify urinary and fecal water outputs (kg/d) from individual lactating dairy cows. The model contained 4 body water pools: reticulorumen (QRR), post-reticulorumen (QPR), extracellular (QEC), and intracellular (QIC). Dry matter (DM) intake, dietary forage, DM, crude protein, acid detergent fiber and ash contents, milk yield, and milk fat and protein contents, days in milk, and body weight were input variables to the model. A set of linear equations was constructed to determine drinking, feed, and saliva water inputs to QRR and fractional water passage from QRR to QPR. Water transfer via the rumen wall was subjected to changes in QEC and total water input to QRR. Post-reticulorumen water passage was adjusted for DM intake. Metabolic water production and respiratory cutaneous water losses were estimated with functions of heat production in the model. Water loss in urine was driven by absorbed N left after being removed via milk. Model parameters were estimated simultaneously using observed fecal and urinary water output data from lactating Holstein cows (n=670). The model was evaluated with data that were not used for model development and optimization (n=377). The observations in both data sets were related to thermoneutral conditions. The model predicted drinking water intake, fecal, urinary, and total fresh manure water output with root mean square prediction errors as a percentage of average values of 18.1, 15.6, 30.6, and 14.6%, respectively. In all cases, >97% of the prediction error was due to random variability of data. The model can also be used to determine saliva production, heat and metabolic water production, respiratory cutaneous water losses, and size of major body water pools in lactating Holstein cows under thermoneutral conditions.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».