Nuevos modelos de predicción de emisión de metano en vacuno de leche
Un consorcio internacional de investigadores ha diseñado modelos más precisos para estimar la cantidad de gases de efecto invernadero producidos por el ganado vacuno de leche.
Gracias a un estudio a gran escala realizado por investigadores de más de 15 países, utilizando datos de más de 5.200 vacas lecheras, se ha demostrado que la predicción de las emisiones de metano por parte del vacuno de leche puede predecirse mediante modelos simplificados,
Al ser la Ingesta de Materia Seca el factor clave para la producción de metano, los nuevos modelos necesitarán de variables relacionadas con el alimento consumido.
Objetivos del estudio:
- Recopilar una base de datos global sobre la producción de metano entérico en vacas lecheras.
- Determinar las principales variables para la predicción de:
- Producción de metano entérico (g/vaca/día)
- Rendimiento (g/Kg Materia Seca Ingerida)
- Intensidad (g/Leche Corregida por Energía)
- Desarrollar modelos intercontinentales y regionales y validar su rendimiento.
- Evaluar la relación entre la producción real de las granjas y la precisión de las predicciones.
La base de datos intercontinental incluye Europa, Estados Unidos y Australia, llevando a cabo un enfoque secuencial, añadiendo variables claves para desarrollar modelos de mayor complejidad.
Como resultado del estudio, se ha determinado que la revisión específica de los factores conversión y emisión de metano en las distintas regiones servirá para mejorar las estimaciones de las emisiones en los inventarios nacionales.
Contar con modelos de predicción sobre las emisiones de metano más precisos es importante, ya que representan una parte importante de las emisiones de gases de efecto invernadero, siendo necesario contar con información fiable sobre los niveles reales del metano entérico para establecer medidas de efectivas para mitigar su efecto.
Noticias sectoriales
29 Sep
24 Sep
09 Sep
02 Sep
29 May
27 May
22 May
28 Abr
30 Mar
26 Nov
18 Nov
11 Nov
30 Oct
30 Oct
10 Oct
09 Oct
27 Sep
12 Sep
06 Sep
21 Ago
18 Jul
12 Jul
05 Jul
28 Jun
21 Jun
20 Jun
18 Jun
17 Jun
07 Jun
21 May
24 Abr
08 Abr
27 Mar
11 Mar
18 Feb
24 Ene
05 Jun
29 May
28 May
