Impact des stratégies de réduction des gaz à effet serre sur les fermes laitières
Bibliographic record
Abstract
La production laitière est le deuxième système agronomique le plus contaminant, seulement derrière la production de viande bovine. Sur les fermes laitières, la fermentation entérique et la production de culture sont les principales sources de gaz à effet serre (GES). Donc les principales stratégies de réduction de GES sont: la diminution de la fertilisation aux champs et la manipulation des rations des vaches, qui permettent de diminuer les émissions de N2O et CH4, respectivement. L’objectif de ce travail de recherche était d’évaluer l’impact économique, agronomique et environnemental des stratégies de réduction de GES chez la ferme laitière. L’étude a été réalisée avec le modèle N-CyCLES, qui est un modèle de programmation linéaire qui permet de faire une évaluation des flux de nutriments sur la ferme et de leurs impacts sur les résultats économiques en considérant à la fois la gestion des champs (rotations de cultures, fertilisation), l’alimentation du troupeau et la gestion du fumier. Dans ce modèle, trois fermes laitières virtuelles ont été développées pour représenter les fermes typiques de trois régions du Canada: les Prairies, le Québec/Ontario, et les Maritimes. À cette fin, des bases de données de 166 fermes de la région des Maritimes, de 113 fermes de la région de Québec/Ontario et de 32 fermes de la région des Prairies, ont été utilisées. Dans la première étude, l’impact de diminuer la fertilisation de l’azote (N) dans les champs a été simulé. Pour réduit la quantité de fertilisant, l’ensilage de maïs (EM) a été remplacé par l’ensilage de millet perlé sucré (MPS) dans les trois régions et par le sorgho sucré (SS) seulement dans la région Québec/Ontario. Les résultats montrent que cette stratégie réduit la quantité de l’N utilisé aux champs, et ainsi les émissions de GES au niveau de la ferme qui ont diminué de 1 à 9 %. Cependant, la balance de N au niveau de la ferme s’est accrue avec le scénario MPS, mais a décliné avec le scénario SS. Par ailleurs, le bénéfice net de la ferme a diminué de 5 à 21 % en comparaison avec le scénario EM en utilisant le MPS ou le SS. Le deuxième projet a permis le développement d’une équation pour estimer la production de méthane (CH4) comme résultat de la fermentation entérique chez la vache laitière. Pour ce travail, une base de données de six expériences (18 traitements, 56 vaches laitières et 193 observations) a été créée. Dans les expériences, le CH4 a été mesuré dans des chambres métaboliques. Les caractéristiques des vaches (consommation de matière sèche [CVMS], production laitière [PL], gras du lait, protéine du lait et poids corporel [PC]) et de la ration (matière sèche [MS], matière organique [MO], protéine brute [PB], fibre au détergent neutre [NDF], fibre au détergent acide [ADF], énergie brute [EB], matière grasse [EE], gras non dégradable au rumen et amidon) ont été utilisées. L’équation finale (r=0.83, RMSE=40.03) a inclus la PL, gras du lait, protéine du lait, CVMS, PC, NDF, amidon et la différence entre EE et gras non dégradable au rumen. Cette équation, en comparaison avec l’équation de l’IPCC Tier2, permet une prédiction plus précise des émissions de CH4 de vaches laitières qui mangent une ration typique canadienne. Finalement, dans la troisième étude, les stratégies d’alimentation pour réduire les émissions de CH4 entérique ont été testées pour observer leurs impacts environnemental et économique au niveau de la ferme laitière. L’utilisation d’une ration de base avec de l’EM conventionnel a été comparée à la supplémentation avec des drêches de distillerie (DDGS), de l’huile de lin (LO) ou les deux toujours avec une ration utilisant l’EM conventionnel (CDL). En plus, la substitution de EM par l’ensilage de maïs Brown midrib (BMR) et l’ajout des deux suppléments précédents avec une diète à base de BMR (BDL)ont aussi été comparé. Dans tous les scénarios, la production de CH4 entérique a décliné, mais seulement les scénarios LO, BMR et BDL ont réduit les émissions de GES au niveau de la ferme, tandis que les stratégies avec DDGS et CDL ont accru les émissions de GES. Économiquement, tous les scénarios, sauf le DDGS, ont réduit le bénéfice net. Les résultats de ce travail montrent que les stratégies pour réduire les émissions de GES dans un secteur de la ferme laitière (champs, vache, fumier, entre autres) peuvent augmenter les émissions dans un autre secteur de la ferme. Par ailleurs, le revenu de la ferme décline avec la plupart des stratégies étudiées, ce qui pose problème pour l’adoption de ces stratégies par les producteurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".