Canola Meal versus Soybean Meal as Protein Supplements in the Diets of Lactating Dairy Cows Affects the Greenhouse Gas Intensity of Milk
Notice bibliographique
Résumé
Soybean meal (SBM) and canola meal (CM) are protein supplements used in lactating dairy cow diets and, recently, an enteric methane-mitigating effect (i.e., lower Ym value) was reported for CM. Before recommending CM as a greenhouse gas (GHG) mitigation strategy, it is necessary to examine the net impact on total GHG emissions from milk production. The objective was to determine whether using CM rather than SBM in lactating dairy cow diets decreases GHG per kilogram of fat and protein corrected milk (FPCM), and whether the decrease depends upon where the meals are produced. Cradle to farm-gate life cycle assessments were conducted for a simulated dairy farm in eastern (Quebec) and western (Alberta) Canada. Scenarios examined the source of protein meal, location where meals were produced, and the methane-mitigating effect of CM. The Holos model was used to estimate GHG emissions from animals, manure, crop production, imported feeds, and energy use. GHG intensities (CO2e/kg FPCM) were 0.85–1.02 in the east and 1.07–1.11 in the west for the various scenarios, with enteric methane comprising 34 to 40% of total emissions. CM produced in western Canada with a low up-stream emission factor and low Ym value reduced CO2e/kg FPCM by 3% (western farm) to 6.6% (eastern farm) compared with SBM. We conclude that using CM rather than SBM in the diet of lactating dairy cows can be a GHG mitigation strategy depending upon where it is produced and whether it decreases enteric methane emissions.
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 | 0,001 | 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 ».