A new version of this entry is available:
Loading...
Doctoral Thesis
2025
Modelling nitrogen use and excretion in dairy cattle herds grazing temperate, semi-natural grasslands
Modelling nitrogen use and excretion in dairy cattle herds grazing temperate, semi-natural grasslands
Abstract (English)
Grazing-based dairy cattle systems exhibit several benefits, such as preserving biodiverse grassland habitats, improving animal welfare, or turning grassland protein into human-edible protein. However, grazing-based diets are prone to greater nitrogen (N) losses via urine than balanced stall-fed diets, leading to a greater risk for N emissions. Strategies for improving the N use in grazing-based systems are predominantly investigated on homogenous clover-ryegrass pastures with high yields and nutritional quality. In contrast, grazing-based systems reliant on less external inputs (e.g., synthetic fertilisers or concentrates) using semi-natural grassland as main feed source received less attention. The present thesis addressed the knowledge gap on the N use of such low-input grazing-based systems by adapting an existing dynamic, process-based herd model (i.e., the LIVestock SIMulator, LIVSIM) for simulating animal performance and N use and excretion of dairy herds. For this, a broad dataset was gathered on nine commercial organic dairy cattle farms in Baden-Württemberg during two grazing periods (2019, 2020). This dataset fulfilled two purposes: firstly, to get a basic understanding on N use and excretion of dairy cows under low-input grazing conditions (study 1); secondly, to serve as reference dataset for adapting and evaluating LIVSIM for such production systems (studies 2 and 3).
The reference dataset represented the wide range of grazing and production factors found on commercial farms in South Germany using semi-natural grasslands for grazing. The dataset applied for study 1 covered n = 323 individual animal observations with mean (± one standard deviation) milk production, dry matter intake (DMI), and pasture DMI (PDMI) of 23.9 (± 5.35), 21.0 (± 3.21), and 11.3 (± 4.83) kg/d, respectively. Milk N use efficiency (MNE) averaged 24.7 g/100 g N intake (± 5.91), which is greater than observations in temperate, high-input grazing-based systems but lower than in cows receiving balanced stall-fed diets. Nevertheless, MNE and other indicators of N use and excretion varied greatly among farms and seasons, highlighting the need to identify the drivers for this variation. Supplement feeding had the greatest potential for manipulating the N use and excretion. Increasing shares of fresh forages as well as of hay of total supplement DMI increased N use (e.g., MNE) and decreased urinary N excretion (e.g., urinary N to creatinine ratio), while increasing shares of concentrates of supplement DMI were related to lower N losses via urine. Study 1 highlighted that using semi-natural grasslands for grazing can potentially reduce environmentally harmful N losses compared to high-input grazing systems.
For future research endeavours, a modelling approach may simplify the investigation of more feeding scenarios, their interactions, different local conditions, and considering the spatial and temporal variation of pasture herbage quality and yield. Hence, studies 2 and 3 focused on adaptating LIVSIM for low-input grazing-based dairy farms. The DMI and N intake are among the most decisive factors for determining animal performance and N excretion. Therefore, a module for predicting the PDMI of cows grazing semi-natural grassland was identified in study 2, using a subset of the reference dataset (n = 233 individual animal observations). Among the thirteen tested models, behaviour-based and semi-mechanistic models specifically developed for grazing animals had the lowest prediction adequacy. Their underlying empirical equations likely did not fit the grazing and production conditions of farms employing semi-natural grasslands. Modelling performance of a semi-mechanistic model developed for stall-based feeding situations (Mertens II) with slight modifications was best (relative prediction error = 13.4%) when evaluated based on the mean observed PDMI (i.e., averaged across animals per farm and period (n = 28)).
Consequently, the modified Mertens II model was integrated in LIVSIM in study 3. Additionally, the modules for energy requirements, lactation, N excretion, and herd management were adopted, and breed-specific model coefficients added to represent Simmental, Brown Swiss, and Holstein-Friesian cattle breeds. Dairy cow characteristics, herd composition, annual milk yield, and DMI were predicted accurately (i.e., with a relative difference ≤ 10 % between observed and predicted outputs for the majority of outputs). The absolute total N excretion (g/d) was underpredicted by 23 % (= relative difference between observed and predicted values) mainly due to the underprediction of urinary N excretion by 43 %. The relative differences in N excretion between farming systems, in contrast, were predicted reliably. The observed faecal, urinary, and total N excretion (in % of N intake) differed by 30, -23, and -7 %, respectively, between the two reference herds, which is similar to the respective relative differences for the predicted faecal, urinary, and total N excretion of 32, -36, and -4 %. Further model improvements should focus on increasing the prediction accuracy of N excretion and its partitioning due to the varying degree of susceptibility of faecal or urinary N to volatilisation and leaching. The scenario and sensitivity analyses further confirmed that the adapted LIVSIM plausibly simulated differences in animal performance and nutrient excretions based on differences in supplement feeds and pasture herbage. Core input and model coefficients are the dietary ME, CP, and rumen-undegradable CP concentrations, as well as the available herbage biomass on pastures, for which precise measurements are thus needed. The findings of studies 2 and 3 demonstrate that existing models can be adopted for low-input grazing-based dairy production systems. There is further potential for adapting LIVSIM for production systems beyond the ones investigated in the present study, and/or for adding more outputs (e.g., enteric methane) and scales (e.g., grassland) to better capture the multifaceted aspects determining farm sustainability.
Abstract (German)
Die weidebasierte Milchrinderhaltung bietet mehrere Vorteile im Vergleich zu rein stallbasierten Systemen, wie z. B. den Erhalt biodiverser Graslandschaften, gesteigertes Tierwohl oder die Umwandlung des Proteins der Weidevegetation in für den Menschen verzehrbares Protein in Form von Milchprodukten. Allerdings sind weidebasierte Fütterungssysteme auch anfälliger für höhere Stickstoff-(N)-Verluste über den Urin als stallbasierte Systeme mit ausgewogenen Rationen, was zu einem höheren Risiko für N-Emissionen führt. Strategien zur Verbesserung der N-Nutzung unter Weidebedingungen wurden überwiegend auf homogenen Klee-Weidelgras- Weiden mit hohen Erträgen und hoher Nährstoffqualität untersucht. Weidebasierte Systeme, die weniger externe Inputs (z. B. synthetische Dünger oder Kraftfutter) und semi-natürliches Grünland als Hauptfuttergrundlage nutzen, erhielten dahingegen weniger Aufmerksamkeit. Die vorliegende Arbeit befasste sich daher mit der N-Nutzung solcher low-input Weidemilchviehsysteme, mit dem Fokus auf der Anpassung eines bestehenden dynamischen, prozessorientierten Herdenmodells (LIVestock SIMulator, LIVSIM) zur Simulation der Tierleistung sowie der N-Nutzung und -Ausscheidung von Milchviehherden. Hierzu wurde ein breiter Datensatz auf neun kommerziellen Bio-Milchviehbetrieben in Baden-Württemberg über zwei Weideperioden (2019, 2020) erhoben. Dieser Datensatz erfüllte zwei Zwecke: erstens, ein grundlegendes Verständnis für die N-Nutzung und -Ausscheidung von Milchkühen unter low- input Weidebedingungen zu gewinnen (Studie 1); zweitens sollte er als Referenzdatensatz für die Anpassung und Bewertung von LIVSIM für solche Produktionssysteme dienen (Studien 2 und 3). Der Referenzdatensatz gab das breite Spektrum an Beweidungs- und Produktionsfaktoren wieder, das auf kommerziellen Milchviehhöfen mit semi-natürlichen Grünlandflächen in Süddeutschland zu finden ist. Der für Studie 1 verwendete Datensatz umfasste n = 323 Einzeltierbeobachtungen mit einer mittleren (± eine Standardabweichung) Milchproduktion, Futteraufnahme (DMI) und Weide-DMI (PDMI) von 23,9 (± 5,35), 21,0 (± 3,21) bzw. 11,3 (± 4,83) kg/Tag. Die Milch-N-Nutzungseffizienz (MNE) betrug durchschnittlich 24,7 g/100 g N-Aufnahme (± 5,91), was höher ist als Beobachtungen aus temperaten, high-input Weidemilchviehsystemen, aber niedriger als bei Kühen, die eine ausgewogene Stallration erhielten. Dennoch variierten MNE und andere Indikatoren der N-Nutzung und -Ausscheidung je nach Betrieb und Saison stark. Dies unterstreicht die Notwendigkeit, die Ursachen für diese Variation zu ermitteln. Die Zufütterung im Stall hatte das größte Veränderungspotential für die N-Nutzung und -Ausscheidung. Steigende Anteile an frischem Raufutter sowie an Heu an der gesamten Zufütterung erhöhten die N-Nutzung (z. B. MNE) und verringerten die Urin-N-Ausscheidung (z. B. das Verhältnis von N zu Kreatinin im Urin), während steigende Kraftfutteranteile in der Zufütterung den N-Verlust über den Urin verringerten. Somit betont Studie 1, dass die Beweidung semi-natürlicher Grünlandflächen im Vergleich zu high-input Weidemilchviehsystemen unter den richtigen Zufütterungsbedingungen die umweltschädlichen N-Verluste reduzieren kann. Ein Modell, welches die Untersuchung weiterer Fütterungsszenarien, ihrer Wechselwirkungen, unterschiedlicher lokaler Bedingungen und die Berücksichtigung der räumlichen und zeitlichen Variabilität der Weidequalität und des Weideertrags ermöglicht, könnte zukünftige Forschungsvorhaben vereinfachen. Daher konzentrierten sich die Studien 2 und 3 auf die Anpassung von LIVSIM für low-input Weidemilchviehbetriebe. Die DMI und N-Aufnahme zählen zu den entscheidendsten Faktoren für die Leistung und N-Ausscheidung von Milchvieh. Daher wurde in Studie 2 ein Modul zur Vorhersage der PDMI für weidende Kühe auf semi-natürlichem Grünland anhand eines Teildatensatzes der Referenzdaten (n = 233 einzelne Tierbeobachtungen) identifiziert. Unter den dreizehn getesteten Modellen wiesen verhaltensbasierte oder semi- mechanistische Modelle, die speziell für Weidetiere entwickelt wurden, die geringste Vorhersagegenauigkeit auf. Vermutlich konnten die ihnen zugrunde liegenden empirischen Gleichungen die Weide- und Produktionsbedingungen von low-input Weidemilchviehbetrieben nicht abbilden. Stattdessen erreichte ein semi-mechanistisches Modell, das für stallbasierte Fütterungssysteme entwickelt wurde (Mertens II), die höchste Vorhersagekraft (relativer Vorhersagefehler = 13,4 %). Das in Studie 2 identifizierte Modell (Mertens II) wurde daraufhin in LIVSIM integriert (Studie 3). Darüber hinaus wurden die Module zur Vorhersage des Energiebedarfs, der Milchleistung, der N- Ausscheidung und des Herdenmanagements angepasst und rassespezifische Modellkoeffizienten hinzugefügt (Fleckvieh, Braunvieh, und Holstein-Friesian). Die Milchviehkennzahlen (z. B. Laktationstage), die Herdenzusammensetzung, die jährliche Milchleistung und die DMI wurden mit hoher Genauigkeit vorhergesagt (d. h. mit relativen Differenzen von ≤ 10 % zwischen beobachteten und vorhergesagten Werten). Die Gesamt-N- Ausscheidung (g/Tag) wurde um 23 % unterschätzt (= relative Differenz), hauptsächlich aufgrund der Unterschätzung der Urin-N-Ausscheidung um 43 %. Die relativen Unterschiede in der N- Ausscheidung verschiedener Managementsysteme wurden dagegen zuverlässig vorhergesagt. Die beobachtete Kot-, Urin- und Gesamt-N-Ausscheidung (in % der N-Aufnahme) unterschied sich zwischen den beiden Referenzherden um 30, -23 bzw. -7 %, was den jeweiligen relativen Unterschieden für die vorhergesagten Ausscheidungen ähnelte (32, -36, and -4 %). Zukünftige Modellanpassungen sollten sich dennoch darauf konzentrieren, die Schätzgenauigkeit der N- Ausscheidung zu erhöhen, insbesondere da die Differenzierung nach Kot oder Urin darüber entscheidet, ob und inwiefern N emittiert oder ausgewaschen wird. Die Szenario- und Sensitivitätsanalysen bestätigten weiterhin, dass das angepasste LIVSIM-Modell Unterschiede in der Tierleistung und N-Ausscheidungen abhängig von Unterschieden in der Zufütterung und dem Weidefutter plausibel simuliert. Die Sensitivitätsanalyse zeigte zudem, dass die Konzentrationen an umsetzbarer Energie und Rohprotein, die Pansenabbaubarkeit des Rohproteins und die verfügbare Weidebiomasse wesentliche Inputs für das angepasste Modell sind und damit genau bestimmt werden müssen. Die Ergebnisse der Studien 2 und 3 bestätigen, dass bestehende Modelle für low-input Weidemilchviehbetriebe angepasst werden können. Weiteres Forschungspotential steckt in der Anpassung von LIVSIM für weitere Produktionssysteme, um eine einheitliche Ebene für Vergleiche zwischen Produktionstypen zu schaffen. Zudem könnten weitere Outputs (z. B. enterisches Methan) und Ebenen (z. B. Grünland) dazu beitragen, die vielfältigen Aspekte, die die Nachhaltigkeit landwirtschaftlicher Betriebe bestimmen, besser darzustellen.
File is subject to an embargo until
This is a correction to:
A correction to this entry is available:
This is a new version of:
Notes
Publication license
Publication series
Published in
Other version
Faculty
Faculty of Agricultural Sciences
Institute
Institute of Agricultural Sciences in the Tropics (Hans-Ruthenberg-Institute)
Examination date
2024-12-16
Supervisor
Edition / version
Citation
DOI
ISSN
ISBN
Language
English
Publisher
Publisher place
Classification (DDC)
630 Agriculture
Original object
Free keywords
Standardized keywords (GND)
Sustainable Development Goals
BibTeX
@phdthesis{Perdana-Decker2024,
url = {https://hohpublica.uni-hohenheim.de/handle/123456789/17616},
author = {Perdana-Decker, Sari},
title = {Modelling nitrogen use and excretion in dairy cattle herds grazing temperate, semi-natural grasslands},
year = {2024},
}