Increased Nitrogen Retention and Reduced Methane Emissions of Beef Cattle Grazing Legume vs. Grass Irrigated Pastures in the Mountain West USA
Notice bibliographique
Résumé
Grazing studies were carried out over a 5-year period using pregnant cows, yearling calves and 2-year-old heifers to investigate the influence of diet on intake, methane (CH4) emissions and retention of nitrogen (N). Monoculture legume (birdsfoot trefoil, BFT and cicer milkvetch, CMV) or grass (meadow bromegrass, MBG) pastures were rotationally stocked, and during year 4 and year 5, treatments were contrasted with total mixed rations (TMR) fed in confinement. The sulfur hexafluoride (SF6) method was used to continuously measure enteric CH4 emissions. Intake was greater on legume pastures and on TMR than on grass pastures, and enteric CH4 emissions per unit of intake were lower on legumes compared with grass pastures. Legume pastures had elevated non-fiber carbohydrate (NFC) concentrations (400 g kg−1 dry matter; DM) typical of perennial legumes cultivated in the Mountain West. A N balance calculated in 2017–2018 demonstrated that N retention was greater for TMR and legume than grass pastures. Enteric CH4 emissions of grazing cow herds account for the majority of greenhouse gas (GHG) emissions from beef production and can be significantly reduced by using highly digestible forage legumes. The N retention of legumes can potentially enhance the efficiency of N use, thereby increasing the sustainability of grasslands.
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 ».