Models for predicting enteric methane emissions from dairy cows in North America, Europe, and Australia and New Zealand
Notice bibliographique
Résumé
There are several models in the literature for predicting enteric methane (CH4 ) emissions. These models were often developed on region or country-specific data and may not be able to predict the emissions successfully in every region. The majority of extant models require dry matter intake (DMI) of individual animals, which is not routinely measured. The objectives of this study were to (i) evaluate performance of extant models in predicting enteric CH4 emissions from dairy cows in North America (NA), Europe (EU), and Australia and New Zealand (AUNZ) and (ii) explore the performance using estimated DMI. Forty extant models were challenged on 55, 105, and 52 enteric CH4 measurements (g per lactating cow per day) from NA, EU, and AUNZ, respectively. The models were ranked using root mean square prediction error as a percentage of the average observed value (RMSPE) and concordance correlation coefficient (CCC). A modified model of Nielsen et al. (Acta Agriculturae Scand Section A, 63, 2013 and 126) using DMI, and dietary digestible neutral detergent fiber and fatty acid contents as predictor variables, were ranked highest in NA (RMSPE = 13.1% and CCC = 0.78). The gross energy intake-based model of Yan et al. (Livestock Production Science, 64, 2000 and 253) and the updated IPCC Tier 2 model were ranked highest in EU (RMSPE = 11.0% and CCC = 0.66) and AUNZ (RMSPE = 15.6% and CCC = 0.75), respectively. DMI of cows in NA and EU was estimated satisfactorily with body weight and fat-corrected milk yield data (RMSPE < 12.0% and CCC > 0.60). Using estimated DMI, the Nielsen et al. (2013) (RMSPE = 12.7 and CCC = 0.79) and Yan et al. (2000) (RMSPE = 13.7 and CCC = 0.50) models still predicted emissions in respective regions well. Enteric CH4 emissions from dairy cows can be predicted successfully (i.e., RMSPE < 15%), if DMI can be estimated with reasonable accuracy (i.e., RMSPE < 10%).
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 | 0,000 |
| 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 ».