Predicting enteric methane emission in lactating Holsteins based on reference methane data collected by the GreenFeed system
Notice bibliographique
Résumé
Methane emission is not included in the current breeding goals for dairy cattle mainly due to the expense and difficulty in obtaining sufficient data to generate accurate estimates of the relevant traits. While several models have been developed to predict methane emission from milk spectra using reference methane data obtained by the respiration chamber, SF6 and sniffer methods, the prediction of methane emission from milk mid-infrared (MIR) spectra using reference methane data collected by the GreenFeed system has not yet been explored. Methane emission was monitored for 151 cows using the GreenFeed system. Prediction models were developed for daily and average (for the trial period of 12 or 14 days) methane production (g/d), yield (g/kg DM intake (DMI)) and intensity (g/kg of fat- and protein-corrected milk) using partial least squares regression. The predictions were evaluated in 100 repeated validation cycles, where animals were randomly partitioned into training (80%) and testing (20%) populations for each cycle. The best performing model was observed for average methane intensity using MIR, parity and DMI with validation coefficient of determination (R2val) and RMSE of prediction of 0.66 and 4.7 g/kg of fat- and protein-corrected milk, respectively. The accuracy of the best models for average methane production and average methane yield were poor (R2val = 0.28 and 0.12, respectively). A lower accuracy of prediction was observed for methane intensity and production (R2val = 0.42 and 0.17) when daily records were used while prediction for methane yield was comparable to that for average methane yield (R2val = 0.16). Our results suggest the potential to predict methane intensity with moderate accuracy. In this case, prediction models for average methane values were generally better than for daily measures when using the GreenFeed system to obtain reference methane emission measurements.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 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 ».