Impact of bread waste inclusion in feedlot diets on the environmental footprint of growing and finishing beef cattle
Notice bibliographique
Résumé
The objective of this research was to examine the impact of including bread waste in feedlot diets on the environmental footprint of beef cattle. Existing data including diet composition and animal performance metrics (body weight, average daily gain, dry matter intake, feed:gain ratio) were obtained from two previous feeding trials in which steers were fed bread by-product (BBy) at rates of 40% (growing steers) and 55% DM (finishing steers). Environmental footprint metrics were estimated through modeling approaches and included land use requirements, greenhouse gas (GHG) emissions, ammonia (NH3) emissions, and water use requirements. Including bread waste in the diets of growing steers resulted in a 45% decrease in land use (ha hd-1) for feed crops, a 14% decrease in GHG emission intensity (kg CO2e hd-1), a 4% decrease in NH3 emission intensity (kg NH3 hd-1), and a 37% decrease in water use intensity (L kg-1 live weight) compared to steers fed a conventional corn-based diet. Finishing steers fed a BBy-based diet had a 63% reduction in land use (ha hd-1) for feed production, a 19% reduction in GHG emission intensity (kg CO2e hd-1), 1% reduction in NH3 emissions (kg NH3 hd-1), and a 61% reduction in water use intensity (L kg-1 live weight). Furthermore, GHG emissions associated with BBy from production to waste management were 24% and 53% lower when diverting BBy from landfill to growing and finishing diets, respectively. Utilizing bread waste in feedlot diets not only reduces the environmental footprint of growing and finishing cattle but makes use of land, water and fertilizer resources that have already been expended. Furthermore, as bread waste is priced lower than conventional feedstuffs, its inclusion in feedlot diets is expected to reduce the cost of production for growing and finishing cattle. Despite the benefits, current challenges that must be considered include availability and proximity of bread waste to feedlots, short shelf life, and regulatory restrictions.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».