MétaCan
Menu
Retour à la cohorte
Enregistrement W2111989590 · doi:10.4141/a05-010

Methane and nitrous oxide emissions from Canadian animal agriculture: A review

2006· review· en· W2111989590 sur OpenAlexaffvenueabout
E. Kebreab, Karen Clark, Claudia Wagner‐Riddle, J. France

Notice bibliographique

RevueCanadian Journal of Animal Science · 2006
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasManureManure managementEnvironmental scienceAgricultureNitrous oxideLivestockMethaneClimate changeAgricultural scienceAgronomyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Considerable evidence of climate change associated with emissions of greenhouse gases (GHG) has resulted in international efforts to reduce GHG emissions. The agriculture sector contributes about 8% of GHG emissions in Canada mostly through methane (CH4) and nitrous oxide (N2O). The objective of this paper was to compile an integrative review of CH4 and N2O emissions from livestock by taking a whole cycle approach from enteric fermentation to manure treatment and storage, and field application of manure. Basic microbial processes that result in CH4 production in the rumen and hindgut of animals were reviewed. An overview of CH4 and N2O production processes in manure, and controlling factors are presented. Most of the studies conducted in relation to enteric fermentation were in dairy and beef cattle. To date, research has focussed on GHG emissions from the stored manures of dairy, beef cattle and swine; therefore, we focus our review on these. Several methods used to measure GHG emissions from livestock and stored manure were reviewed. A comparison of methods showed that there were agreements between most of the techniques but some systematic differences were also observed. Additional studies with comprehensive comparisons of methodologies are needed in order to allow for comparison of results obtained from studies using contrasting methodologies. The need to standardize measurement methods and reporting to facilitate comparison of results and data integration was identified. Prediction equations are often used to calculate GHG emissions. Various types of mathematical approaches, such as statistical models, mechanistic models and estimates calculated from emission factors, and studies that compare various types of models are discussed herein. A lack of process-based models describing GHG emissions from manure during storage was identified. A brief description of mitigation strategies focussing on recent studies is given. Reduction in CH4 emissions from ruminants through the addition of fats in diets and the use of more starch was achieved and a transient beneficial effect of ionophores was reported. Grazing management and genetic selection also hold promise. Studies focussed on manure treatment options that thave been suggested to reduce gas fluxes from manure storage, composting, anaerobic digestion (AD), diet manipulation, covers and solid-liquid separation, were reviewed. While some of these options have been shown to decrease GHG emissions from stored manure, different studies have obtained conflicting results, and additional research is needed to identify the most promising options. GHG emissions from pasture and croplands after manure application have been the subject of several experimental and modelling studies, but few of these have linked field emissions to diet manipulation or manure treatments. Further work focussing on the entire cycle of GHG formation from feed formulation, animal metabolism, excreta treatment and storage, to field application of manure needs to be conducted. Key words: Greenhouse gases, enteric methane, nitrous oxide, manure management

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,852
Score d'incertitude au seuil0,294

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0100,014
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,042
Tête enseignante GPT0,279
Écart entre enseignants0,237 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations248
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

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