Methane and carbon dioxide emissions from yearling beef heifers and mature cows classified for residual feed intake under drylot conditions
Notice bibliographique
Résumé
This study quantified methane (CH 4 ) and carbon dioxide (CO 2 ) production from beef heifers and cows classified for residual feed intake adjusted for off-test backfat thickness (RFI fat ) and reared in drylot during cold winter temperatures. Individual performance, daily feed intake, and RFI fat were obtained for 1068 crossbred and purebred yearling heifers (eight trials) as well as 176 crossbred mature cows (six trials) during the winters of 2015–2017 at two locations. A portion of these heifers (147 high RFI fat ; 167 low RFI fat ) and cows (69 high RFI fat ; 70 low RFI fat ) was monitored for enteric CH 4 and CO 2 emissions using the GreenFeed Emissions Monitoring (GEM) system (C-Lock Inc., Rapid City, SD, USA). Low RFI fat cattle consumed less feed [heifers, 7.80 vs. 8.48 kg dry matter (DM) d −1 ; cows, 11.64 vs. 13.16 kg DM d −1 ] and emitted less daily CH 4 (2.5% for heifers; 3.7% for cows) and CO 2 (1.4% for heifers; 3.4% for cows) compared with high RFI fat cattle. However, low RFI fat heifers and cows had higher CH 4 (6.2% for heifers; 9.9% for cows) and CO 2 yield (7.3% for heifers; 9.8% for cows) per kilogram DM intake compared with their high RFI fat pen mates. The GEM system performed at air temperatures between +20 and −30 °C. Feed intake of heifers and mature cows was differently affected by ambient temperature reduction between +20 and −15 °C and similarly increased their feed intake at temperatures below −15 °C. In conclusion, low RFI fat animals emit less daily enteric CH 4 and CO 2 , due mainly to lower feed consumption at equal body weight, gain, and fatness.
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 ».