Effect of feeding practices and manure quality on CH4 and N2O emissions from uncovered cattle manure heaps in Kenya
Notice bibliographique
Résumé
Countries in sub-Saharan Africa (SSA) rely on IPCC emission factors (EF) for GHG emission reporting. However, these were derived for industrialized livestock farms and do not represent conditions of smallholder farms (small, low-producing livestock breeds, poor feed quality, feed scarcity). Here, we present the first measurements of CH4 and N2O emissions from cattle-manure heaps representing feeding practices typical for smallholder farms in the highlands of East Africa: 1) cattle fed below maintenance energy requirements to represent feed scarcity, and 2) cattle fed tropical forage grasses (Napier, Rhodes, Brachiaria). Sub-maintenance feeding reduced cumulative manure N2O emissions compared to cattle receiving sufficient feed but did not change EFN2O. Sub-maintenance feeding did not affect cumulative manure CH4 emissions or EFCH4. When cattle were fed tropical forage grasses, cumulative manure N2O emissions did not differ between diets, but manure EFN2O from Brachiaria and Rhodes diets were lower than the IPCC EFN2O for solid storage (1%, 2019 Refinement of IPCC Guidelines). Manure CH4 emissions were lower in the Rhodes grass diet than when feeding Napier or Brachiaria, and manure EFCH4 from all three grasses were lower than the IPCC default (4.4 g CH4 kg−1 VS, 2019 Refinement of IPCC Guidelines). Regression analysis revealed that manure N concentration and C:N were important drivers of N2O emissions, with low N concentrations and high C:N reducing N2O emissions. Our results show that IPCC EFs overestimate excreta GHG emissions, which calls for additional measurements to develop localized EFs for smallholder livestock systems in SSA.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».