Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Toxicology --- Textbooks & monographs 1909-1986.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Au regard du contexte climatique actuel, tous les secteurs, y compris l'agriculture, doivent œuvrer pour réduire leurs émissions de gaz à effet de serre (GES) dans l'intérêt commun. Le méthane (CH4) est l'un des GES majeur et représente une part importante des émissions attribuées au secteur agricole. En effet, ce gaz est notamment naturellement produit lors du processus de digestion des ruminants. Supprimer cette production entérique de CH4 de la part des bovins n'est physiologiquement pas envisageable mais des leviers d'action permettent d'impacter son niveau d'émission comme: l'alimentation donnée aux animaux, la gestion du troupeau ou la sélection génétique des individus les plus efficients. Cependant un point crucial dans cette démarche est de pouvoir quantifier ces émissions de CH4 à grande échelle de façon individuelle. Les méthodes de mesures existantes (chambres respiratoires, méthode du gaz traceur SF6, etc.) sont souvent lourdes à mettre en œuvre et difficiles ou impossibles à appliquer à de larges populations d'individus. Disposer d'un proxy pour estimer aisément ces émissions présente un grand intérêt. Les travaux détaillés dans cette thèse de doctorat sont consacrés au développement d'équations visant à estimer les émissions journalières et individuelles de CH4 à partir de spectres moyen infrarouge (FT-MIR) de lait. En effet, d'un point de vue métabolique, des mécanismes de fermentation ruminale vont influencer à la fois les émissions de CH4 et la composition du lait notamment au niveau de la matière grasse. Le spectre FT-MIR de lait reflète la composition chimique du lait qui est déjà prélevé et analysé en routine dans le cadre du paiement du lait et du contrôle laitier. Après l'établissement d'une première relation (n = 77) confirmant la pertinence d'établir un lien entre le spectre FT-MIR du lait et les émissions de CH4 des vaches laitières, diverses étapes ont permis d'améliorer et d'affiner le modèle de prédiction. Par la suite, le stade de lactation des animaux a été tenu en compte dans un nouveau modèle prédictif (n = 446) via une modification spectrale. En effet, les variations de mobilisation des ressources corporelles des animaux au fil de la lactation impactent fortement l'origine des acides gras du lait et donc également la relation entre le spectre FT-MIR du lait et les émissions de CH4. Cette adaptation a permis d'obtenir des prédictions d'émissions de CH4 cohérentes d'un point de vue zootechnique au fil de la lactation. L'ajout de nouvelles données de référence présentant une spécificité zootechnique (race, stade de lactation, ration alimentaire, etc.) mal représentée au préalable dans le jeu de calibration a permis d'améliorer la qualité du modèle prédictif ainsi que son potentiel d'application (n = 532). L'acquisition de telles données a été possible via la mise en œuvre d'essais expérimentaux ciblant des régimes alimentaires ou des animaux spécifiques, mais également via le biais de collaborations internationales. Ceci a permis de mettre en évidence l'importance de couvrir la variabilité locale avant d'appliquer le modèle afin de garantir la pertinence de la prédiction obtenue. Les premières versions de l'équation de prédiction ont été développées sur base de valeurs de référence de CH4 obtenues grâce à la méthode utilisant le SF6 comme gaz traceur. Afin de confirmer les résultats obtenus, une nouvelle équation a été développée, basée cette fois uniquement sur des mesures de CH4 obtenues en chambres respiratoires. Cette technique est en effet reconnue comme le « gold standard » pour mesurer le CH4 émis par les bovins. Ces données ont été récoltées par des équipes de recherche européennes et elles ont pu être mises en commun par le biais de collaborations. Cependant elles n'avaient pas été collectées dans le but de développer une telle équation et ne présentaient donc pas une gamme de variabilité idéale dans cette optique. Malgré cela, grâce au nombre conséquent de données collectées (n = 584), les résultats statistiques obtenus ont montré une tendance sensiblement similaire aux précédents résultats et ont donc permis de confirmer le potentiel du spectre FT-MIR de lait comme proxy pour estimer les émissions de CH4 à grand échelle. La tentative de validation externe de l'équation de prédiction basée sur les données SF6 par les données collectées en chambres respiratoires (et vice versa) n'a pas donné de résultats satisfaisants. Les données de référence des modèles respectifs provenaient de pays, de races, de régimes alimentaires, etc. différents donc les jeux de données de calibration ne couvraient pas les informations des jeux de données utilisés comme validation. Après avoir considéré et écarté à ce stade la nécessité de modifier les valeurs CH4 de référence pour tenir compte d'un potentiel biais dû à la méthode de référence entre les mesures SF6 et les chambres respiratoires, de nouvelles équations combinant l'ensemble des données disponibles (méthode du traceur SF6 et chambres respiratoires) ont été développées (n = 1089).Enfin, toujours dans un but d'améliorer la qualité des prédictions obtenues, des données phénotypiques pertinentes et aisément disponibles en routine ont été ajoutées au spectre FT-MIR de lait comme valeurs prédictives. Le modèle présentant les meilleures performances statistiques est actuellement celui basé sur les 1089 données de références et qui tient en compte également du stade de lactation, de la production laitière, de la race et de la parité des animaux (R² et erreur standard de cross-validation de respectivement 0.68 et 57 g de CH4/jour).Les modèles développés offrent un grand potentiel d'application de par leur facilité d'obtenir des estimations des émissions de CH4 à grand échelle. Avant de pouvoir envisager de les utiliser de façon concrète, leurs performances devront être validées sur le terrain et les conditions d'applicabilité permettant d'assurer la pertinence des prédictions obtenues doivent encore être bien définies.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Grazing is the most economical feeding scheme for ruminants. Grazing management, however, is often difficult for breeders, particularly because of a lack of knowledge about grass availability and quality. There are methods for assessing the quantitative and qualitative characteristics of grass, but they are difficult to apply in the case of grazing ruminants. Near infrared reflectance spectroscopy (NIRS) is based on the absorption of infrared light by organic matters to provide NIRS spectra. These NIRS spectra can be correlated with the chemical or biological composition of samples in order to develop calibrations that can be used as predictive models. The primary objective of this PhD thesis was to study the potential of NIRS applied to faeces (FNIRS) in order to predict the characteristics of the diets of grazing herbivores. The particular focus was on the in vivo organic matter digestibility, voluntary intake and botanical composition of ingested diets. The main results of the study show that FNIRS has great portential for estimating in vivo digestibility and voluntary intake by grazing ruminants and that faeces are a good indicator of ingested diets. Based on both large or small and varied databases, the results suggest that FNIRS spectral libraries could be developed for characterising ruminant feed intake. The accuracy of the FNIRS models in estimating in vivo digestibility and voluntary intake is similar to or better than that of other methods usually used to assess these parameters. FNIRS could also be used to predict ruminants' diet composition in terms of plant species. These predictions should be used only for ranking, however, because of the current lack of accurate procedures for determining diet selection individually. NIRS applied to faeces can be used to predict the in vivo characteristics of forage with sufficient accuracy. The prediction error of NIRS calibrations depends on the accuracy and precision of the reference data. The prediction of in vivo digestibility and intake is sufficiently repeatable compared with the procedure using the reference method. Intake is more difficult to predict with sufficient precision and is more closely linked to animal variability and to uncertainty of the FNIRS models. The major difficulty in using this method lies in generating the diet-faecal pairs as reliably as possible. FNIRS calibrations for predicting in vivo diet characteristics are derivative calibrations. The sample analysed for reference values (diet samples) differs from the samples submitted to NIRS analyses (faeces). With regard to research on forages, in vivo trials with animals confined in pens or digestibility crates appears to be the best reference method for generating FNIRS calibrations. Future work will involve developing FNIRS calibrations for predicting independent datasets and using them to create decision-support tools for improving diverse grazing management schemes. The major focus should be to compare different feeding strategies rather than to obtain an exact estimate of feed intake values. As a low-cost and rapid prediction technique, FNIRS could contribute significantly to the development of a methodology that would help improve our knowledge of forage and animal variability.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)