Evaluación preliminar de los recursos forrajeros en El Salvador: Bases para un inventario nacional
Notice bibliographique
Résumé
This study presents a preliminary inventory of forages used in cattle farming systems in El Salvador. The forages were classified as: silages, grazing pastures, cut-and-carry pastures, and other forages (hay, legumes, and agricultural by-products). Standardized protocols were applied for sample collection, which were processed in El Salvador and analyzed at Université Laval, Canada, to determine their concentrations of dry matter (DM), crude protein (CP), ash, neutral detergent fiber (NDF), acid detergent fiber (ADF), and fatty acid (FA) profile, as well as starch content in silages with grain, and in vitro DM digestibility and indigestible neutral detergent fiber (iNDF) in selected forages. The silages included maize, sorghum, sugarcane, and Pennisetum grasses. A wide variability in DM, CP, and fiber fractions was observed, mainly associated with differences in harvest timing and silage management. Many silages had DM content below the optimal level (<30%), suggesting significant nutritional losses. Grazing pastures included Urochloa brizantha, Cynodon nlemfuensis, Digitaria swazilandensis, Megathyrsus maximus, among others, and showed higher DM and CP content than cut pastures, which were mainly composed of Pennisetum and its hybrids. Both types of pastures showed elevated levels of NDF and iNDF, which could negatively affect intake and digestibility.Other evaluated forages included Swazi grass hay, the legume Cratylia, and by-products such as stover and corn husks. Notably, hay showed low nutritional quality, likely due to delayed harvesting. The FA profile revealed a higher proportion of polyunsaturated fatty acids in silages with grain and in fresh pastures, highlighting their potential to improve the lipid quality of animal products. The results underscore the need to improve forage management practices to optimize the nutritional value of forages in tropical livestock systems.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».