Publication :
Impacts économiques et environnementaux d'une mise à jour des recommandations en protéines et en acides aminés chez la vache laitière en contexte canadien et choix du modèle de formulation

En cours de chargement...
Vignette d'image
Date
2022
Direction de publication
Direction de recherche
Titre de la revue
ISSN de la revue
Titre du volume
Éditeur
Projets de recherche
Structures organisationnelles
Numéro de revue
Résumé
L'alimentation protéique des vaches laitières à un coût important pour l'entreprise laitière, autant sur le plan économique qu'environnemental. De plus, les unités de base de la formulation protéique ont aussi changé passant de la protéine brute pour utiliser les acides aminés plus récemment, tout en gardant le concept de protéine métabolisable. Les objectifs généraux de cette thèse étaient de : 1) déterminer si un changement dans l'alimentation protéique des bovins laitiers peut réduire l'empreinte environnementale, tout en maintenant ou améliorant les revenus nets de l'entreprise laitière canadienne; 2) évaluer comment les différences de structure des principaux modèles de formulation disponibles peuvent affecter leur capacité à prédire la production de protéine du lait sur les fermes commerciales québécoises. Le premier projet consistait à évaluer le potentiel d'un système d'alimentation basé uniquement sur les acides aminés, avec une efficacité d'utilisation variable, au lieu du système basé sur les protéines métabolisables actuellement utilisé. Les résultats ont démontré certains avantages économiques avec un gain potentiel sur les revenus nets de la ferme de 0 à 9 % selon la région et le contexte de la ferme. Combiné à cela, on a aussi observé un maintien ou même une réduction de l'empreinte environnementale par une réduction potentielle du bilan azoté de 0 à 7 % et une réduction des gaz à effet de serre de 0 à 4 %. Pour être sûr qu'un changement de l'alimentation protéique soit valable, il faut déterminer si les modèles existants sont capables de bien prédire la production de la protéine du lait, et par conséquent l'utilisation de la protéine, directement sur les fermes commerciales québécoises. La première phase du second projet consistait à évaluer les prédictions de la protéine du lait sur des fermes québécoises avec 4 modèles de formulation couramment utilisés lorsque l'information collectée était contrôlée. Les résultats ont montré que le modèle scandinave NorFor avait la meilleure capacité de prédiction avec un coefficient de concordance de corrélation (CCC) de 0,82 suivi par le Cornell Net Carbohydrate and Protein System (CNCPS) avec 0,76, le National Research Council. (NRC) 2001 et Institut National de la Recherche Agronomique (INRA) 2018 avec 0,75 chacun. Avec tous les modèles, les animaux avec des rations à plus haute teneur en énergie avaient des estimations plus élevées que pour les animaux avec des rations à plus faible teneur énergétique. De plus, avec tous les modèles, les animaux en début de lactation avaient des sous-estimations plus importantes que ceux plus avancés en lactation. La seconde phase de ce projet consistait à évaluer les effets potentiels des incertitudes de mesures à la ferme sur la prédiction de la production de la protéine du lait. Elle a démontré que, pour ces 4 modèles, l'estimation de la consommation volontaire de matière sèche, le poids vif et la composition des fourrages étaient les facteurs les plus à risque de créer des erreurs sur la prédiction de production de la protéine du lait. Finalement, pour valider les performances en contexte réel d'application, le dernier projet comparait encore les performances de prédiction de la protéine du lait, mais cette fois-ci avec des données provenant de la base de contrôle laitier de Lactanet. La qualité de l'information recueillies était alors non contrôlée, et ainsi plus à risque d'erreur, ce qui pouvait avoir un impact négatif sur les prédictions. Dans ce contexte, le modèle scandinave avait toujours les meilleures prédictions avec une CCC de 0,76. Cependant cette fois-ci, le modèle INRA 2018 avait les deuxièmes meilleures prédictions avec une CCC de 0,75, suivis du NRC 2001 avec 0,70 et finalement le CNCPS avec 0,62. Les prédictions moins précises de ce projet sont liées à la qualité diminuée de l'information disponible, mais aussi à l'absence de certaines données, qui étaient collectées dans le précédent projet. Finalement, on peut conclure que lorsque l'information nécessaire au bon fonctionnement de chacun des modèles est disponible, ils performent en moyenne de façon adéquate, malgré un certain avantage pour le modèle NorFor. Entre 4 et 38% de l'erreur de prédiction sont au niveau des troupeaux et une adaptation à ce niveau par les conseillers est donc nécessaire.
Dairy cow protein feeding management is an important cost for dairy farms as much on economics than on the environment. The standard units used to represent diet protein changed throughout time to pass from crude protein in the old days to amino acids more recently, while still using metabolizable protein. The general objectives of this thesis were to 1) determine whether a change in the protein diet of dairy cattle can reduce the environmental footprint, while maintaining or improving the bottom line of the Canadian dairy farms; 2) evaluate how the differences in the structure of the main formulation models available can affect their ability to predict milk protein production on Quebec commercial farms. The first project was about evaluating the potency of an amino acids-based diet formulation, with variable efficiency, instead of the current metabolizable protein system currently in use. Results showed a potential enhancement of up to 9% of the farm net income, depending on the farm situation. We also observe a potential reduction in N farm balance by 0 to 7% and a reduction in emission of greenhouse gases by 0 to 4%. However, to make sure that changes in protein feeding is effective, it is important to determine if existing models are able to predict protein yield, and consequently protein utilization, directly on commercial dairy farm. The first part of the second project was about evaluating milk protein yield prediction of 4 common feed evaluation models on commercial farms when quality information is available. Results have shown that the Scandinavian model NorFor had the best prediction capabilities with a concordance correlation coefficient (CCC) of 0.82, followed by Cornell Net Carbohydrate and Protein System (CNCPS) with 0.76, NRC 2001 and INRA 2018 both at 0.75. Furthermore, we observed for all models that animal with higher energy content in their diet had usually higher estimation than animal with lower energy content in their diet. Also, in all models, animals in a later lactation stage had higher overestimation then animals in an earlier stage. These observations indicate evolution in the efficiency of utilization of protein throughout lactation. The second phase of this project was about the evaluation of potential uncertainties of measurements at the farm on milk protein yield prediction. It showed that for the four models, dry matter intake, body weight and forage characterization were the main factors at risk of affecting milk protein yield predictions. Finally, to validate performances in real context of the application, the last project compared milk protein yield prediction, but with dairy herd improvement data, from Lactanet. Information quality was uncontrolled and at risk to have negative impacts on predictions. The Scandinavian model still had the best prediction capabilities with a CCC of 0.76. INRA 2018 had the second-best prediction performances this time on with a CCC of 0.75, followed by NRC 2001 with 0.70 and CNCPS with 0.62. Lower data quality and unavailability of some data that were collected in the previous project are the main reasons for these lower predictions in this third project. Finally, we can conclude that, when information needed for each model is available, they on average perform well, while NorFor has better performances. Between 4 and 38% of total errors were at herd level. So an adaptation is needed by advisors on each herd for the models to perform well.
Description
Revue
DOI
URL vers la version publiée
Mots-clés
Citation
Type de document
thèse de doctorat