Sélection de la langue

Recherche

Modeling methane production from beef cattle using linear and nonlinear approaches

Ellis, J.L., Kebreab, E., Odongo, N.E., Beauchemin, K.A., McGinn, S.M., Nkrumah, J.D., Moore, S.S., Christopherson, R.J., Murdoch, G.K., McBride, B.W., Okine, E.K., et France, J. (2009). « Modeling methane production from beef cattle using linear and non-linear approaches. », Journal of Animal Science, 87(4), p. 1334-1345. doi : 10.2527/jas.2007-0725  Accès au texte intégral (en anglais seulement)

Résumé

Le Canada s’est engagé à réduire ses émissions de gaz à effet de serre de 6 % par rapport aux émissions de 1990 d’ici 2008 à 2012, et le méthane est un des gaz ciblés à cette fin. La production de méthane par les ruminants est un des domaines où le secteur de l’agriculture peut contribuer à réduire notre impact à l’échelle planétaire. Or, la modélisation mathématique peut nous aider à mieux comprendre les facteurs régissant la production de méthane, à mieux inventorier les gaz à effet de serre à l’échelle nationale ou planétaire et à étudier les stratégies d’atténuation pouvant permettre de réduire les émissions globales de ces gaz. La présente étude visait à compiler une vaste base de données sur les taux de production de méthane mesurés chez les bovins de boucherie et à générer des équations linéaires et non linéaires permettant de prédire cette production à partir de variables décrivant le régime alimentaire des bovins. Nous avons également évalué des équations que nous avions déjà élaborées pour la prédiction de ces émissions. Parmi les équations linéaires, celle qui présentait la plus faible erreur moyenne quadratique de prédiction (EMQP) et la plus faible variance résiduelle (VR) était l’équation I : CH4, MJ/jour = 2,72 (± 0,543) + [0,0937 (± 0,0117) x CEM, MJ/jour] + [4,31 (± 0,215) x cellulose, kg/jour] - [6,49 (± 0,800) x hémicellulose, kg/jour] - [7,44 (± 0,521) x lipides, kg/jour] (EMQP = 26,9, 94 % de la variance étant de nature aléatoire; VR = 1,13), où CEM est la consommation d’énergie métabolisable. Nous avons également généré des équations fondées sur le rapport entre deux variables du régime alimentaire, et celle qui présentait la plus faible EQMP était l’équation P : CH4, MJ/jour = 2,50 (± 0,649) - [0,367 (± 0,0191) x [amidon/FDA]] + [0,766 (± 0,116) x CEM, kg/jour] (EMQP = 28,6, 96 % de la variance étant de nature aléatoire; VR = 1,35), où FDA est la quantité de fibres au détergent acide. Parmi les équations non linéaires, les équations W et W3 ont donné de bons résultats. W : CH4, MJ/jour = 10,8 (± 1,45) x (1 e(-0,141 (± 0,0381) x CMS, kg/jour)) (EQMP = 29,9%, VR = 3,06), où CMS est la consommation de matière sèche. W3 : CH4, MJ/jour = 10,8 (± 1,45) x (1 - e(-(-0,034 x [GNF/FDN] + 0,228) x CEM, kg/jour)) (EMQP = 28,0, 95 % de la variance étant de nature aléatoire), où GNF est la quantité de glucides non fibreux, et FDN, la quantité de fibres au détergent neutre. Les équations proposées dans une de nos publications antérieures ont donné des résultats aussi bons, ou encore meilleurs dans certains cas. Pour déterminer quelle équation employer, il faut se fonder sur une analyse de la VR et de l’EMQP, sur les variables d’entrée disponibles ainsi que sur le régime alimentaire des animaux, car l’équation doit prendre en compte tout écart par rapport à un régime alimentaire « normal » (proportion élevée de concentrés ou de lipides, etc.).

Signaler un problème sur cette page
Veuillez cocher toutes les réponses pertinentes :
Date de modification :