MétaCan
Menu
Retour à la cohorte
Enregistrement W3005439744 · doi:10.1017/s1751731119003100

Review: Fifty years of research on rumen methanogenesis: lessons learned and future challenges for mitigation

2020· review· en· W3005439744 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revueanimal · 2020
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesFondo Nacional de Desarrollo Científico y TecnológicoFondo Nacional de Desarrollo Científico, Tecnológico y de Innovación TecnológicaComisión Nacional de Investigación Científica y TecnológicaNational Natural Science Foundation of China
Mots-clésGreenhouse gasRuminantMethanogenesisRumenArable landEnvironmental scienceBiotechnologyNatural resource economicsAnimal feedAgricultureEmission intensityBusinessAgricultural economicsBiologyAgronomyMethaneFood scienceFermentationEcologyEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Meat and milk from ruminants provide an important source of protein and other nutrients for human consumption. Although ruminants have a unique advantage of being able to consume forages and graze lands not suitable for arable cropping, 2% to 12% of the gross energy consumed is converted to enteric CH4 during ruminal digestion, which contributes approximately 6% of global anthropogenic greenhouse gas emissions. Thus, ruminant producers need to find cost-effective ways to reduce emissions while meeting consumer demand for food. This paper provides a critical review of the substantial amount of ruminant CH4-related research published in past decades, highlighting hydrogen flow in the rumen, the microbiome associated with methanogenesis, current and future prospects for CH4 mitigation and insights into future challenges for science, governments, farmers and associated industries. Methane emission intensity, measured as emissions per unit of meat and milk, has continuously declined over the past decades due to improvements in production efficiency and animal performance, and this trend is expected to continue. However, continued decline in emission intensity will likely be insufficient to offset the rising emissions from increasing demand for animal protein. Thus, decreases in both emission intensity (g CH4/animal product) and absolute emissions (g CH4/day) are needed if the ruminant industries continue to grow. Providing producers with cost-effective options for decreasing CH4 emissions is therefore imperative, yet few cost-effective approaches are currently available. Future abatement may be achieved through animal genetics, vaccine development, early life programming, diet formulation, use of alternative hydrogen sinks, chemical inhibitors and fermentation modifiers. Individually, these strategies are expected to have moderate effects (<20% decrease), with the exception of the experimental inhibitor 3-nitrooxypropanol for which decreases in CH4 have consistently been greater (20% to 40% decrease). Therefore, it will be necessary to combine strategies to attain the sizable reduction in CH4 needed, but further research is required to determine whether combining anti-methanogenic strategies will have consistent additive effects. It is also not clear whether a decrease in CH4 production leads to consistent improved animal performance, information that will be necessary for adoption by producers. Major constraints for decreasing global enteric CH4 emissions from ruminants are continued expansion of the industry, the cost of mitigation, the difficulty of applying mitigation strategies to grazing ruminants, the inconsistent effects on animal performance and the paucity of information on animal health, reproduction, product quality, cost-benefit, safety and consumer acceptance.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,250

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,344
Tête enseignante GPT0,447
Écart entre enseignants0,103 · 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