整合多种精确畜牧技术,以推进牧场放牧管理

科学领域:

• 动物科学动物科学
• 环境科学 环境科学
• 数据科学数据科学数据科学

背景情况:

• 放牧动物的干物质摄入量 (DMI) 受环境因素和生产阶段的影响.
• 甲 (CH4) 排放,温室气体 (GHG),与DMI相关,在料饮食中更高.
• 在广泛的牧场系统中,关于DMI和GHG关系的数据有限.

研究的目的:

• 测量CH4,CO2和O2排放,DMI和牧场牛肉牛的体重.
• 开发一个数据管道,将精确畜牧技术 (PLT) 数据集成到R.计划中.
• 使用PLT数据创建一个用于预测放牧DMI的数学模型.

主要方法:

• 进行了两项养试验,对安格斯肉牛 (n=7) 进行了中等 (15% CP) 或低 (6% CP) 质量的草.
• 肠道排放 (CH4,CO2,O2),DMI和体重均使用PLT进行测量.
• 一个数据管道整合了三个PLT数据流;模型是使用程序R开发的.

主要成果:

• 使用排放和体重的个体DMI预测模型的准确性很低 (R2=0.01-0.28).
• 使用平滑群体级数据的CH4排放模型实现了最好的DMI预测 (R2=0.77).
• 平均CH4排放量为209±60g/天 (中等CP) 和271±65g/天 (低CP).

结论:

• 整合多个PLT数据流为估计牧场牛的DMI提供了一种新的方法.
• 群体级CH4排放数据显示,在广泛的牧场系统中预测DMI的潜力很大.
• 通过先进的数据集成和建模,进一步的研究可以通过先进的数据集成和建模来提高牧场牲畜中DMI估计的准确性.