MétaCan
Menu
Retour à la cohorte
Enregistrement W2968922304 · doi:10.13031/trans.13272

Optimal Housing and Manure Management Strategies to Favor Productive and Environment-Friendly Dairy Farms in Québec, Canada: Part II. Greenhouse Gas Mitigation Methods

2019· article· en· W2968922304 sur OpenAlex
Sébastien Fournel, Édith Charbonneau, Simon Binggeli, Jean‐Michel Dion, D. Pellerin, Martin H. Chantigny, Stéphane Godbout

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueTransactions of the ASABE · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasManure managementManureEnvironmental scienceCarbon footprintCroppingContext (archaeology)Agricultural scienceAnaerobic digestionWaste managementEnvironmental engineeringAgricultural engineeringEngineeringAgronomyAgricultureGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract. Several strategies are available for mitigating greenhouse gas (GHG) emissions associated with dairy manure management in barns, storage units, and fields. For instance, incorporation of manure into the soil, solid-liquid separation, composting, enclosed manure storage, and anaerobic digestion have been identified as good options. However, these strategies are not widely adopted in Canada because clear information on their effectiveness to abate the whole-farm GHG footprint is lacking. Better information on the most cost-effective options for reducing on-farm GHG emissions would assist decision making for dairy producers and foster adoption of the most promising approaches on Canadian dairies. In this context, whole-farm modeling provides a tool for evaluating different GHG abatement strategies. An Excel-based linear optimization model (N-CyCLES) was used to assess the economics and the nutrient and GHG footprints of two representative dairy farms in Québec, Canada. The farms were located in regions with contrasting climates (southwestern and eastern Québec). The model was developed to optimize feeding, cropping, and manure handling as a single unit of management, considering the aforementioned mitigation options. Greenhouse gas emissions from the different simulated milk production systems reached 1.27 to 1.85 kg CO 2 e kg -1 of corrected milk, allowing GHG reductions of up to 25% compared to the base system described in Part I. Solid-liquid separation had the greatest GHG mitigation potential, followed by the digester-like strategy involving a tight cover for gas burning. However, both options implied a decrease in farm net income. Manure incorporation into the soil and composting were associated with high investment relative to their GHG abatement potential. The most cost-effective option was using a loose cover on the manure storage unit. This approach lessened the manure volume and ammonia-N volatilization, thereby reducing fertilizer and manure spreading costs, increasing crop sales and profit, and enhancing the whole-farm N and GHG footprints. Consequently, covering the manure tanks appears to be an economically viable practice for Québec dairy farms. Keywords: Anaerobic digestion, Composting, Dairy cow, Farm net income, Greenhouse gas emission, Incorporation, Nutrient footprint, Solid-liquid separation, Storage cover, Whole-farm model.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,855

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,217
Écart entre enseignants0,212 · 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