MétaCan
Menu
Retour à la cohorte
Enregistrement W2063879821 · doi:10.4141/cjas09037

Pasture productivity, cattle productivity and metabolic status following fertilization of a grassland with liquid hog manure: A three-year study

2010· article· en· W2063879821 sur OpenAlexafffundvenue
C. V. Wilson, M. Undi, Mario Tenuta, K. M. Wittenberg, Don Flaten, Denis O. Krause, Martin H. Entz, Richard A. Holley, Kim Ominski

Notice bibliographique

RevueCanadian Journal of Animal Science · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesAgriculture and Agri-Food CanadaBeef Cattle Research CouncilDairy Farmers of ManitobaManitoba Rural Adaptation Council
Mots-clésPastureForageGrazingAgronomyManureDry matterProductivityAnimal scienceGrasslandNutrientBiologyEnvironmental scienceEcology

Résumé

récupéré en direct d'OpenAlex

Forage yield and quality, cattle and pasture productivity, and enteric methane (CH4) emissions were determined from grass pastures receiving liquid hog manure. Three treatments were evaluated: grass pastures receiving no manure (Control), grass pastures receiving liquid hog manure applied as a single application of 142 ± 20 kg available N ha-1 in the spring (Single) or a split application of 70 ± 6 kg available N ha-1 in both the spring and autumn (Split). Each treatment was represented by two paddocks. The study was carried out over three grazing seasons, from 2004 to 2006, with each grazing season divided into three, 28-d periods. Growing steers (338 ± 32 kg) were introduced into pastures in early summer (May-June) of each year. Standing biomass, measured using quadrats, averaged 1.2, 2.6, and 2.0 ± 0.44 t dry matter (DM) ha-1 for Control, Split and Single pastures, respectively, and was not influenced (P = 0.13) by liquid hog manure application. Liquid hog manure application caused a shift in pasture grasses resulting in a predominance of quackgrass [Elytrigia repens (L.) Nevski]. Nutrient profiles of forage samples collected by hand plucking showed no treatment response for forage gross energy (GE; P = 0.18) and neutral detergent fibre (NDF; P = 0.19), but forage crude protein (CP) (P = 0.027) as well as ash (P = 0.002), K (P = 0.001), P (P = 0.001), and Mg (P = 0.001) concentrations increased with manure application. Liquid hog manure application did not influence dry matter intake (DMI) (P = 0.56), GE intake (P = 0.58), and NDF intake (P = 0.79) of grass forages. Higher CP intake of steers on Split and Single pastures resulted in higher (P = 0.001) serum urea N (5.7 and 5.9 ± 0.42 mmol L-1, respectively) compared with steers grazing Control pastures, 2.5 ± 0.42 mmol L-1. Enteric CH4 emissions (L d-1) tended to be lower (P = 0.09) in cattle grazing the Split pasture treatment. Though application of liquid hog manure did not improve individual animal gains, pasture carrying capacity increased (P = 0.001) from 89 to 324 grazing days ha-1 and liveweight gain increased (P = 0.001) from 100 to 329 kg ha-1 in Control and manured pastures, respectively. Application of liquid hog manure to grasslands generated significant benefits through improved forage quality and pasture productivity measured as carrying capacity and liveweight gain. Split liquid hog manure application may have a further benefit in terms of improved carrying capacity and lower enteric CH4 emissions. Key words: Liquid hog manure, enteric methane, beef cattle, carrying capacity, serum urea nitrogen

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,230
Écart entre enseignants0,215 · 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'étudeObservationnel
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

Citations18
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207