Ilmastoviisaat ruokintaratkaisut Suomen maidontuotannossa : IRMA-hankkeen loppuraportti
Bibliographic record
Abstract
Ilmastoviisaat ruokintaratkaisut Suomen maidontuotannossa (IRMA) -hanke kuului MMM:n Hiilestä kiinni – tutkimus- ja innovaatio-ohjelmaan. Sen toteuttivat yhteistyössä Luonnonvarakeskus (Luke), Helsingin yliopisto (HY), Valio Oy ja A-Rehu Oy vuosina 2022-2024. IRMA-hanke keskittyi pötsin metaanintuotantoa vähentävien lisäaineiden, erityisesti 3-nitro-oksypropanolin (3-NOP; kauppanimi Bovaer®) mahdollisuuksiin ja haasteisiin maidontuotannon ilmastotavoitteiden saavuttamisessa. Hankkeessa selvitettiin lisäaineiden mahdollisuuksia vähentää pötsin metaanintuotantoa laboratoriossa suoritettavien in vitro -tutkimusten ja lehmien ruokintakokeiden avulla, kehitettiin 3-NOP:n aktiivisuuden säilyttävä väkirehujen pelletöintimenetelmä, toteutettiin 3-NOP:n ruokintapilotti 40 maatilalla sekä selvitettiin niin kuluttajien kuin maidontuottajien asenteita ilmastomyötäisen maidontuotannon eri kysymyksiin sekä politiikkakeinoja uusien ruokintakeinojen käyttöönoton edistämiseen. IRMA-hankkeessa toteutettiin Suomen ensimmäiset ruokintakokeet ja metaanintuotantomittaukset 3-NOP:ia käyttäen sekä toteutettiin laaja maatilapilotti, mikä on oletettavasti lisännyt tämän metaaninvähennysvaihtoehdon tunnettuutta ja vähentänyt mahdollisia ennakkoluuloja lähestymistapaa kohtaan. Suhteessa kustannuksiin ja haittavaikutuksiin 3-NOP lienee tällä hetkellä paras ruokinnallinen vaihtoehto pötsin metaanintuotannon vähentämiseen. 3-NOP osoitti tehonsa pötsin metaanipäästöjen vähentämisessä myös Suomen olosuhteissa, vaikka suhteellinen vähennys oli jonkun verran pienempi (n. 20 %) kuin kansainvälisten tutkimustulosten perusteella odotettu (n. 30 %). Suhteellisen matala pitoisuus rehussa (jopa alle 60 mg/kg rehun kuiva-ainetta) lienee kannattavin ainakin suhteessa saavutetun päästövähennyksen hiilidioksidiekvivalenttihintaan. Metaanin osuus maidon hiilijalanjäljestä on 45 % (ilman maankäyttösektoria) ja viidenneksen vähennys tähän tuo noin 10 % pienennyksen maidon hiilijalanjälkeen. Vaikka kuluttajat suhtautuivat pääsääntöisesti myönteisesti 3-NOP:n käyttöön maidontuotannossa, maksuhalukkuus oli melko pieni. Maitotilayrittäjät suhtautuivat kyselytutkimuksen perusteella pääasiassa myönteisesti ilmastopäästöjen vähentämiseen, mutta haluavat itse vaikuttaa keinojen valintaan eivätkä koe pystyvänsä osallistumaan merkittävästi päästöjen vähentämisen kustannuksiin, vaan haluavat saada korvauksen päästövähennystoimenpiteilleen. Tämän hankkeen ja ulkomaisten kokeiden perusteella tuotettiin malli, jolla 3-NOP:n saannin perusteella voidaan estimoida toteutunut metaaninvähennys. Hankkeen aikana Valio otti käyttöön teollisuusasiakkaille suunnattuja tuotteita, joiden ilmastovaikutusta on pienennetty 3-NOP-ruokinnan avulla. 3-NOP:n vaikutus metaanintuotantoon on liitetty myös CARBO-laskuriin, jota käytetään monessa ruoka-alan yrityksessä (Valio, HK, Atria, Snellman, Juustoportti). Lisäaineilla voidaan vähentää nopeasti metaanin tuotantoa, mutta ne eivät korvaa pitkäjänteistä tuottavuuden tehostamista kuten rehuhyötysuhteen parantamista.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.004 | 0.004 |
| Meta-epidemiology (broad) | 0.004 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.053 | 0.006 |
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; both teacher heads agree on what is shown here.
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".