Methane Production of Different Forages in In vitro Ruminal Fermentation
Notice bibliographique
Résumé
An in vitro rumen batch culture study was completed to compare effects of common grasses, leguminous shrubs and non-leguminous shrubs used for livestock grazing in Australia and Ghana on CH4 production and fermentation characteristics. Grass species included Andropodon gayanus, Brachiaria ruziziensis and Pennisetum purpureum. Leguminous shrub species included Cajanus cajan, Cratylia argentea, Gliricidia sepium, Leucaena leucocephala and Stylosanthes guianensis and non-leguminous shrub species included Annona senegalensis, Moringa oleifera, Securinega virosa and Vitellaria paradoxa. Leaves were harvested, dried at 55°C and ground through a 1 mm screen. Serum bottles containing 500 mg of forage, modified McDougall's buffer and rumen fluid were incubated under anaerobic conditions at 39°C for 24 h. Samples of each forage type were removed after 0, 2, 6, 12 and 24 h of incubation for determination of cumulative gas production. Methane production, ammonia concentration and proportions of VFA were measured at 24 h. Concentration of aNDF (g/kg DM) ranged from 671 to 713 (grasses), 377 to 590 (leguminous shrubs) and 288 to 517 (non-leguminous shrubs). After 24 h of in vitro incubation, cumulative gas, CH4 production, ammonia concentration, proportion of propionate in VFA and IVDMD differed (p<0.05) within each forage type. B. ruziziensis and G. sepium produced the highest cumulative gas, IVDMD, total VFA, proportion of propionate in VFA and the lowest A:P ratios within their forage types. Consequently, these two species produced moderate CH4 emissions without compromising digestion. Grazing of these two species may be a strategy to reduce CH4 emissions however further assessment in in vivo trials and at different stages of maturity is recommended.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».