MétaCan
Menu
Retour à la cohorte
Enregistrement W3199409036 · doi:10.1093/jas/skab235.799

PSVII-13 Performance and environmental benefits from biochar supplementation in beef cattle grazing systems

2021· article· en· W3199409036 sur OpenAlexaff
Emily Conlin, H.A. Lardner, J.L. Ellis, I. B. Mandell, Katharine M Wood

Notice bibliographique

RevueJournal of Animal Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensUniversity of SaskatchewanUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBiocharGrazingAnimal scienceDry matterPastureCharcoalBeef cattleChemistryAgronomyEnvironmental sciencePyrolysisBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Worldwide, beef production systems represent a significant source of greenhouse gas (GHG), and enteric methane (CH4) emissions are the primary concern. The objective of this experiment was to determine whether biochar (Oregon Biochar Solution, White City, OR) supplementation can reduce CH4 emissions from grazing beef cows. Biochar is a stable form of carbon produced through the pyrolysis of organic matter (typically forestry waste). Sixty-four cows and their calves were blocked by cow body weight and calf age, and randomly allocated to 8 paddocks, each with 8 cow-calf pairs. Using a crossover design, each paddock was assigned to one of two treatments: (1) biochar supplemented at approximately 3% of estimated dry matter intake (DMI) or (2) control (no biochar). Biochar was incorporated into a pellet containing 45% biochar, 42.5% wheat midds, 10% canola oil, and 2.5% dry molasses and fed in a portable trough once daily. Each period consisted of 28 days: 21 days for biochar adaptation and 7 days for data collection. Enteric gas emissions from each paddock were measured using C-Lock GreenFeed trailers (C-Lock Inc., Rapid City, SD, USA) with pasture DMI estimated using paddock entry/exit quadrats during each sampling week. Enteric CH4 emissions expressed as g CH4/d were 249 and 260 ± 50.3 g (P ≥ 0.37) for control and biochar, respectively. Similarly, g CH4/kg DM and g CH4/kg BW were not affected (P ≥ 0.44) by biochar supplementation on pasture. Biochar supplementation did not affect estimated DMI or cow/calf body weights (P ≥ 0.15). Results suggest that biochar was ineffective for reducing methane emissions from grazing beef cows; however, measures of animal performance were not affected by biochar consumption. Further work is required to determine if type or higher inclusions of biochar can reduce CH4 emissions from beef cattle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,218
Écart entre enseignants0,210 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207