Metano enterico nel settore zootecnico: lo stato dell’arte della ricerca

Il secondo topic riguarda i sistemi zootecnici estensivi, identificato attraverso termini come “graze”, “grass”, “pastur” e “forag”, ecc. Questo tema rappresenta più del 9% delle pubblicazioni ed è il quinto più rilevante nell’analisi. I sistemi estensivi, che dipendono dal pascolo, contribuiscono significativamente ai GHG, ma presentano difficoltà nella misurazione e riduzione delle emissioni di CH₄. Il bilancio del CH₄ in questi sistemi proviene principalmente da due fonti: i batteri del suolo, che possono produrre o consumare CH₄, e i ruminanti che emettono CH₄ durante la digestione dell’erba. Tali sistemi sono considerati inefficienti, con basse prestazioni animali, e tendono a generare maggiori emissioni per unità di prodotto (CH₄/kg di latte o carne) (Hristov et al., 2013; Mapfumo et al., 2018; Soder e Brito, 2023).

In molti Paesi in via di sviluppo, come quelli africani, dove i pascoli sono scarsi e di bassa qualità, le inefficienze digestive portano a un aumento delle emissioni(Avetisyan et al., 2011). Tuttavia, i sistemi estensivi sono anche considerati una potenziale pratica di mitigazione dei GHG. La gestione appropriata del pascolo, come la regolazione dell’intensità di pascolo, la semina di legumi, o la fertilizzazione, favorisce il sequestro del carbonio nel suolo, con una media di 1,76 t CO₂ha−1 all’ anno (Conant et al., 2017). Tuttavia, la complessità delle interazioni tra suolo, vegetazione, animali da pascolo e interventi umani rende difficile valutare il potenziale di sequestro del carbonio in questi sistemi (Godde et al., 2020).

I termini più importanti emersi nel topic 3 sono “measur”, “emiss”, “use”, “day”, “animal”, “technique”, “chamber”, per tale ragione questo topic si concentra sui sistemi di misurazione in vivo (MS) delle emissioni di CH₄ negli animali. Il topic 3 ha rappresentato oltre il 9% degli articoli selezionati.

Le fluttuazioni nel numero delle pubblicazioni potrebbero essere legate all’introduzione di nuovi sistemi di misurazione, come il GreenFeed (GF), introdotto nel 2010, che ha visto un picco nelle pubblicazioni a partire dal 2016. Questo sistema ha visto una crescente adozione negli anni successivi, con oltre il 45% degli studi nel 2016 che utilizzavano il GF.
Ogni tecnica di misurazione, tuttavia, ha un impatto sulla variabilità delle EME, e la mancanza di metodologie uniformi potrebbe generare incertezze nei risultati degli inventari nazionali di GHG (Hammond et al., 2016; Della Rosa et al., 2021). Le tecniche più comuni per misurare EME sono le camere di respirazione (RC), i traccianti al SF6 e i sistemi automatizzati di monitoraggio delle emissioni come il GF.

Nonostante l’aumento delle tecniche disponibili, ciascuna presenta vantaggi e svantaggi, e la scelta dipende dagli obiettivi, dalle risorse e dalle competenze disponibili (Storm et al., 2012; Bekele et al., 2022; Nejad et al., 2024). Le misurazioni dirette sull’animale sono costose e poco pratiche su larga scala, motivo per cui sono state sviluppate tecniche empiriche per stimare le emissioni di CH₄, come l’identificazione di indicatori indiretti facilmente rilevabili (Ellis et al., 2010).

Il topic 8, definito “Modelli di previsione” (PM), si focalizza sui modelli predittivi per stimare le emissioni di CH₄ utilizzando proxy, come l’assunzione di nutrienti o gli acidi grassi presenti nel latte. I termini principali associati sono: “use”, “estim”, “data”, “model”, “predict”, “emiss”.

Molti modelli predittivi si basano sul DMI e sull‘energia metabolizzabile (ME), ma studi recenti hanno suggerito che alcuni acidi grassi del latte, come C14:0 iso, C15:0 iso e C17:0, potrebbero essere proxy utili per predire la produzione di CH₄ (Vlaeminck et al., 2006; Dijkstra et al., 2011).

Tuttavia, modelli più complessi, che includono variabili come DMI, NDF e peso corporeo, hanno dimostrato una maggiore precisione nelle stime rispetto ai modelli basati unicamente sugli acidi grassi del latte (Joker et al., 2017; Bougouin et al., 2019).  Secondo Goopy et al. (2016), la dimensione del rumine e il tempo di ritenzione del cibo influenzano la resa di CH₄, poiché una digestione più rapida riduce il tempo disponibile per la fermentazione del substrato.

Nkrumah et al. (2006) hanno evidenziato che la durata del periodo di alimentazione e la presenza degli animali alla mangiatoia sono correlati alla produzione di CH₄, suggerendo che il comportamento alimentare influisce sui modelli circadiani di produzione di metano.

Altri studi (Watt et al., 2015) hanno analizzato il tempo di ruminazione nelle vacche da latte come possibile indicatore per stimare le emissioni di CH₄. È stato osservato che le vacche con un’elevata attività di ruminazione producono più latte, consumano una maggiore quantità di concentrati e generano più CH₄ rispetto a quelle che ruminano per meno tempo. L’identificazione di proxy facili da misurare consentirebbe di raccogliere dati su larga scala, specialmente con l’avvento dell’agricoltura di precisione. Questa tecnologia permette di monitorare vari parametri fisiologici, come il tempo di alimentazione e di ruminazione, 24 ore su 24 (Lovarelli et al., 2020).

Sulla base dei termini più rilevanti come “rumen”, “product”, “ferment”, “rumin”, “acid”, “total”, “gas”, il topic 5 è stato definito come “fermentazioni ruminali (RF)“, includendo numerosi articoli focalizzati su studi in vitro, che rivestono un ruolo cruciale nello studio dell’EME, offrendo un approccio sperimentale controllato ed efficiente per comprendere e affrontare il problema.

La maggior parte della metanogenesi avviene nel rumine, mentre solo una piccola parte (~13%) si produce nel cieco e nel colon (Murray, 1976). I microrganismi nel rumine degradano il cibo, producendo acidi grassi a catena corta (acido acetico, butirrico e propionico), CO₂ e idrogeno metabolico (H₂). I metanogeni, che appartengono al dominio degli Archaea, utilizzano H₂ e CO₂ per produrre CH₄ (Key e Tallard, 2011). Questo processo riduce la concentrazione di H₂ nel rumine e favorisce la digestione del cibo. Un aumento della concentrazione di H₂ riduce invece il tasso di degradazione del cibo, e le emissioni di metano possono essere ridotte inibendo la formazione di H₂ o promuovendo vie alternative per l’H₂ (Key e Tallard, 2011).

Sebbene i metanogeni siano i principali responsabili della metanogenesi, la correlazione tra le emissioni di CH₄ e la concentrazione di questi microrganismi non è sempre chiara. Alcuni studi hanno evidenziato una relazione positiva significativa, mentre altri non hanno trovato alcuna correlazione (Wallace et al., 2016). Bouchard et al. (2013) hanno riportato una riduzione dei metanogeni senza una significativa diminuzione della produzione di CH₄.

I metanogeni sono organismi anaerobici che prosperano in ambienti con un pH ottimale tra 6.0 e 7.5 e sono sensibili a pH bassi. Van Kessel et al. (1996), utilizzando fluidi ruminali di vacche fistolate alimentate con diete ad alto contenuto di foraggio o concentrato, hanno dimostrato che la metanogenesi dipende dal pH, con una completa inibizione della produzione di CH₄a pH inferiori a 6.0.

Tuttavia, nonostante questa sensibilità, i metanogeni possono sopravvivere a periodi di bassa acidità ruminale grazie a cambiamenti nella struttura della comunità microbica o a microambienti protetti all’interno di biofilm o protozoi (Hünerberg et al., 2015), continuando a produrre CH₄ anche in condizioni normalmente inibitorie.

Sebbene i metanogeni siano inibiti a pH inferiori a 6.0 in vitro, come dimostrato da Van Kessel et al. (1996), le emissioni di CH₄ non diminuiscono quando il pH ruminale scende a livelli associati con acidosi subacuta o acuta (5.2–5.5) nei bovini da carne (Hünerberg et al., 2015), suggerendo che fattori aggiuntivi, come un aumento della formazione di propionato o il tasso di passaggio del cibo, contribuiscano a ridurre le emissioni di CH₄ nei bovini alimentati con diete ricche di cereali rispetto a quelle ricche di foraggio. Pertanto, ridurre il pH ruminale da solo non è considerato una strategia efficace per la mitigazione da EME (Beauchemin et al., 2008).

La dieta è un fattore cruciale negli studi sull’EME; infatti, un topic emerso dall’analisi è inerente proprio a “composizione della dieta, DC”. Le parole chiave che definivano questo argomento erano “diet”, “fed”, “concentr”, “digest” e “decreas” “increas”, “treatment”. Questo argomento rappresenta il secondo più importante con una percentuale di pubblicazioni che supera il 13%. Manipolare la dieta ha il potenziale di ridurre le EME e conseguentemente aumentare l’efficienza alimentare degli animali, poiché la produzione di metano comporta una perdita di energia grezza (GE) nell’assunzione alimentare (Johnson e Johnson, 1995). Alcuni studi (Grainger e Beauchemin, 2011; van Gastelen et al., 2022) hanno dimostrato che la dieta di base ha effetti significativi sulle EME.

Inoltre, come discusso successivamente, la composizione della dieta di base ha il potenziale di migliorare l’efficienza di alcuni integratori nel ridurre le EME, mostrando effetti additivi (Bodas et al., 2012;Kebreab et al., 2023). Il termine “concentr”, che è la radice di “concentrato”, è emerso come un termine decisamente importante in questo topic. Aumentare la proporzione di concentrati è associato a un aumento del contenuto di amido nella dieta.

La capacità dell’amido di ridurre le emissioni di CH₄è da tempo riconosciuta. La fermentazione dell’amido produce acido propionico, che fornisce un’alternativa ai processi di metanogenesi. Inoltre, la fermentazione dell’amido può abbassare il pH ruminale, riducendo la popolazione di protozoi e metanogeni (Grainger e Beauchemin, 2011). Tuttavia, l’amido viene rapidamente fermentato nel rumine, portando a concentrazioni elevate di acidi grassi volatili (VFA) e/o lattato, aumentando il rischio di acidosi ruminale acuta o sub-acuta, rendendo questa strategia insostenibile per ridurre le EME nei ruminanti (Haque, 2018). Il tipo di cereale e la sua tecnica di lavorazione possono influenzare il livello di fermentazione e le EME.

I metodi di lavorazione dei cereali (applicando diverse combinazioni di calore, umidità, tempo e azioni meccaniche) possono alterare la fermentazione dell’amido e il pH ruminale. Hales et al. (2012) hanno osservato una riduzione del 17% della produzione di CH₄ con una dieta a base di mais trattato con vapore rispetto al mais essiccato nei bovini da carne. Herrera-Saldana et al. (1990) hanno dimostrato che un maggiore grado di lavorazione dei cereali (riduzione della dimensione delle particelle) aumenta il tasso di degradazione ruminale e riduce il pH ruminale.

L’inclusione di alimenti concentrati (>40% della dieta) ha il potenziale di ridurre EME, mentre i foraggi di alta qualità, come le piante giovani, sono più facilmente fermentabili e contengono meno fibra detergente neutra (NDF), il che migliora la digeribilità e riduce la formazione di CH₄ (van Gastelen et al., 2019; Sun et al., 2022). Al contrario, i foraggi maturi aumentano le emissioni di metano a causa dell’alto rapporto C:N, che riduce la digeribilità (Millich, 1999).

Il miglioramento della digeribilità della materia organica e l’aumento del contenuto proteico nei foraggi sono stati negativamente associati alla produzione di CH₄, mentre il contenuto di NDF ha mostrato una correlazione positiva con la produzione di CH₄ negli insilati di erba e di mais (van Gastelen et al., 2019). La metanalisi di Arndt et al. (2022) ha riportato che strategie come la riduzione della maturità dell’erba e il rapporto foraggio-concentrato potrebbero ridurre l’intensità del metano del 12% in media. Inoltre, la supplementazione con lipidi riduce le EME, probabilmente riducendo l’attività metanogenica, la popolazione di protozoi e la fermentazione ruminale (Johnson e Johnson, 1995).

Eugène et al. (2008) hanno trovato che l’aggiunta di lipidi alla dieta delle vacche da latte riduce la produzione di CH₄ di 0,305 g/kg di DMI per ogni aumento dell’1% nell’estratto etereo. Tuttavia, non si consiglia di superare il 6-7% di lipidi nella dieta per evitare una riduzione del DMI che annulli i benefici della maggiore densità energetica (Knapp et al., 2014).

Della Rosa et al. (2022) hanno riportato che il 72% degli studi sui sistemi di misurazione delle EME ha testato integratori e/o additivi. Il topic 4 (“integratori e additivi, SA“) è stato caratterizzato da termini come “supplement”, “addit”, “nitrat”, “effect”, “product”, “use”, “control” e “mitig”.

Gli integratori o additivi, come i nitrati, agiscono attraverso vari meccanismi per ridurre la produzione di CH₄, ad esempio inibendo la metil-coenzima M (coinvolto nell’ultima fase della formazione di metano), offrendo alternative agli ioni H₂, inibendo i batteri metanogeni Archaea, riducendo il numero di protozoi, migliorando il metabolismo dell’azoto, e abbassando il pH ruminale, aumentando il propionato e riducendo il rapporto acetato/propionato (Almeida et al., 2022; Palangi e  Lackner, 2022).

Numerosi additivi sono stati esaminati, tra cui ionofori, oli essenziali, nitrati, alghe e lieviti, ma molti sono ancora in fase di sviluppo o hanno un basso potenziale di mitigazione (ad esempio lieviti e batteri) (Beauchemin et al., 2020). Secondo Arndt et al. (2022), le strategie sostenibili di mitigazione devono ridurre le emissioni di metano senza causare compromessi socioeconomici ed ambientali, migliorando al contempo le performance animali.

L’efficacia, l’efficienza, la tossicità e gli effetti ambientali degli additivi sono fattori cruciali nella loro scelta (Palangi e Lackner, 2022). In una meta-analisi di 480 studi, Arndt et al. (2022) hanno trovato che gli additivi più efficaci nel ridurre le EME includevano inibitori del metano, foraggi tanniferi, oli e grassi, con una riduzione media dell’intensità di CH₄ del 17% (range 12-32%) e delle emissioni giornaliere del 21% (range 12-35%), senza impatti negativi sulle performance animali.

Tra gli inibitori del metano, il 3-nitroossipropanolo (3-NOP) ha mostrato i migliori risultati nella riduzione delle EME con minimo impatto sulle performance animali. Il 3-NOP inibisce specificamente la metil-coenzima M reduttasi, un enzima coinvolto nella formazione di CH₄ da parte degli Archaea metanogeni (Duin et al., 2016; Arndt et al., 2022; van Gastelen et al., 2024). La riduzione delle EME dipende dalla dose e dal tipo di dieta (Dijkstra et al., 2018; Melgar et al., 2020).

Van Gastelen et al. (2022) hanno osservato una maggiore riduzione con diete ricche di amido (come insilato di mais) rispetto a diete basate su insilato di erba, quando supplementate con 3-NOP. Uno studio di durata annuale ha confermato che il 3-NOP riduce persistentemente le emissioni di CH4 e ha effetti positivi sulla produzione di grasso e proteine nel latte, sull’efficienza alimentare e sulla resa di latte corretta per l’energia (van Gastelen et al., 2024). Nel 2022, la DSM ha ricevuto l’approvazione dell’UE per Bovaer® come additivo alimentare per le vacche da latte, il primo prodotto approvato nell’UE per i suoi benefici ambientali.

Il topic 1 si è distinto per la presenza di termini riferiti agli animali, come “intak”, “anim”, “perform”, “peso”, “group” e “level”e riguarda l’interazione tra EME e animali. Circa l’8% degli articoli selezionati rientra in questo argomento. La produzione di CH₄ è influenzata da diversi fattori, tra cui DMI, la qualità della dieta, il livello di integrazione (Jentsch et al., 2007), lo stato fisiologico (lattazione e non lattazione)Holter et al., 1992; Ricci et al., 2013) e l’indirizzo produttivo (latte o carne) (Grainger et al., 2011; Moraes et al., 2014).

Le EME variano nelle diverse fasi fisiologiche (Ricci et al., 2013; Lyons et al., 2018), con un aumento fino al 35% dei livelli di CH₄ dalla fase iniziale a quella finale della lattazione (Garnsworthy et al., 2012Bielak et al., 2016) principalmente a causa dell’incremento del DMI, che è il principale fattore che guida la produzione di CH₄. Lyons et al. (2018) hanno osservato un aumento della resa di CH₄ (L/kg DMI) nelle vacche da latte dalla quinta alla quarantaduesima settimana di lattazione (32,2 vs 36,7 L di CH₄/kg di DMI, rispettivamente).

Oddy et al. (2019) hanno identificato nel DMI il principale fattore determinante della produzione di CH₄ nelle pecore da latte, ma hanno anche rilevato che età, volume del rumine e stato di gravidanza influenzano le emissioni. Dong et al. (2019) hanno confermato che l’aumento delle EME con l’età è correlato a un incremento del DMI. Ramírez-Restrepo et al. (2016) non hanno trovato differenze significative nelle rese di CH₄ tra manze e vacche pluripare, suggerendo che l’età non fosse un fattore determinante.

In uno studio su vacche al pascolo, Salas-Riega et al. (2022) hanno osservato che le vacche in asciutta producevano meno CH₄ rispetto alle vacche in lattazione (266 vs 325 g CH₄/capo/giorno). Inoltre, il peso corporeo influenza la produzione di CH₄: animali con un peso maggiore, e quindi un volume intestinale maggiore, consumano più alimento, aumentando il DMI e, di conseguenza, la produzione di CH₄ (Demment e Van Soest,1995).

Il topic 7 è associato alla produzione lattiero-casearia. I termini emersi per questo argomento sono “milk”, “cow”, “yield”, “dairi”, e “product”, ed è stato quindi chiamato “produzione lattiero-casearia, DP”. Questo argomento includeva studi condotti sui ruminanti da latte, in particolare sui bovini da latte.

La maggior parte degli studi sulle EME è stata condotta su vacche da latte, come confermato anche dalla metanalisi di Della Rosa et al. (2021). Gli autori hanno riportato che il 62% degli studi condotti su
Bos taurus riguardavano bovini da latte (4% in crescita, 50% in lattazione e 8% non in lattazione) e il 38% riguardavano bovini da carne (35% in crescita e 3% adulti). I termini trovati in questo argomento sono stati ampiamente discussi in precedenza.

Conclusioni

In conclusione, questa revisione evidenzia come la ricerca sull’emissione di metano enterico nel settore zootecnico sia in continua evoluzione, rispondendo alle crescenti pressioni globali per la riduzione delle emissioni di GHG. Sebbene siano stati compiuti significativi progressi nell’identificazione delle principali fonti di EME e nelle strategie per mitigarle, rimangono ancora diverse sfide da affrontare.

Ottimizzare la dieta degli animali, integrare additivi innovativi e garantire la sicurezza e l’efficacia di interventi a lungo termine rappresentano priorità fondamentali per un approccio sostenibile. Parallelamente, l’adozione di tecnologie di allevamento di precisione e di strumenti avanzati per il monitoraggio delle emissioni di metano aprirà nuove opportunità per selezionare e gestire animali a basse emissioni senza compromettere la produttività e il benessere.

Tuttavia, la realizzazione di soluzioni praticabili e su larga scala richiederà un impegno congiunto. La collaborazione tra ricercatori, politici e stakeholder del settore sarà essenziale per sviluppare strategie integrate che bilancino le esigenze produttive con gli obiettivi di sostenibilità ambientale. Solo attraverso un approccio multidisciplinare e cooperativo sarà possibile trasformare le sfide attuali in opportunità concrete per il futuro del settore zootecnico.

Bibliografia 

• Almeida, A.K.; Hegarty, R.S.; Cowie, A. Meta-analysis quantifying the potential of dietary additives and rumen modifiers for methane mitigation in ruminant production systems. Anim. Nutr. 2021, 7, 1219–1230.
• Appuhamy, J.A.D.R.N.; France, J.; Kebreab, E. Models for predicting enteric methane emissions from dairy cows in North America, Europe, and Australia and New Zealand. Glob. Chang. Biol. 2016, 22, 3039–3056.
• Arndt, C.; Hristov, A.N.; Price, W.J.; McClelland, S.C.; Pelaez, A.M.; Cueva, S.F.; Oh, J.; Dijkstra, J.; Bannink, A.; Bayat, A.R.; et al. Full adoption of the most effective strategies to mitigate methane emissions by ruminants can help meet the 1.5 ◦C target by 2030 but not 2050. Proc. Natl. Acad. Sci. USA 2022, 119, e2111294119.
• Avetisyan, M.; Golub, A.; Hertel, T.; Rose, S.; Henderson, B. Why a Global Carbon Policy Could Have a Dramatic Impact on the Pattern of the Worldwide Livestock Production. Appl. Econ. Perspect. Policy 2011, 33, 584–605.
• Balcombe, P.; Speirs, J.F.; Brandon, N.P.; Hawkes, A.D. Methane emissions: Choosing the right climate metric and time horizon. Environ. Sci. Process. Impacts 2018, 20, 1323–1339.
• Beauchemin, K.A.; Ungerfeld, E.M.; Eckard, R.J.;Wang, M. Review: Fifty years of research on rumen methanogenesis: Lessons learned and future challenges for mitigation. Animal 2020, 14, s2–s16.
• Bekele, W.; Guinguina, A.; Zegeye, A.; Simachew, A.; Ramin, M. Contemporary Methods of Measuring and Estimating Methane Emission from Ruminants. Methane 2022, 1, 82–95.
• Bodas, R.; Prieto, N.; García-González, R.; Andrés, S.; Giráldez, F.J.; López, S. Manipulation of rumen fermentation and methane production with plant secondary metabolites. Anim. Feed Sci. Technol. 2012, 176, 78–93.
• Bouchard, K.; Wittenberg, K.M.; Legesse, G.; Krause, D.O.; Khafipour, E.; Buckley, K.E.; Ominski, K.H. Comparison of feed intake, body weight gain, enteric methane emission and relative abundance of rumen microbes in steers fed sainfoin and lucerne silages under western Canadian conditions. Grass Forage Sci. 2013, 70, 116–129
• Bougouin, A.; Appuhamy, J.A.D.R.N.; Ferlay, A.; Kebreab, E.; Martin, C.; Moate, P.; Benchaar, C.; Lund, P.; Eugène, M. Individual milk fatty acids are potential predictors of enteric methane emissions from dairy cows fed a wide range of diets: Approach by meta-analysis. J. Dairy Sci. 2019, 102, 10616–10631.
• Conant, R.T.; Cerri, C.E.P.; Osborne, B.B.; Paustian, K. Grassland management impacts on soil carbon stocks: A new synthesis. Ecol. Appl. 2017, 27, 662–668.
• Della Rosa, M.; Jonker, A.; Waghorn, G. A review of technical variations and protocols used to measure methane emissions from ruminants using respiration chambers, SF6 tracer technique and GreenFeed, to facilitate global integration of published data. Anim. Feed. Sci. Technol. 2021, 279, 115018.
• Della Rosa, M.M.;Waghorn, G.C.; Vibart, R.E.; Jonker, A. An assessment of global ruminant methane-emission measurements shows bias relative to contributions of farmed species, populations and among continents. Anim. Prod. Sci. 2022, 63, 201–212
• Demment, M.W.; Van Soest, P.J. A nutritional explanation for body-size patterns of ruminant and nonruminant herbivores. Am. Nat. 1985, 125, 641–672.
• Dijkstra, J.; Bannink, A.; France, J.; Kebreab, E.; van Gastelen, S. Short communication: Antimethanogenic effects of 3-nitrooxypropanol depend on supplementation dose, dietary fiber content, and cattle type. J. Dairy Sci. 2018, 101, 9041–9047.
• Dijkstra, J.; van Zijderveld, S.; Apajalahti, J.; Bannink, A.; Gerrits, W.; Newbold, J.; Perdok, H.; Berends, H. Relationships between methane production and milk fatty acid profiles in dairy cattle. Anim. Feed. Sci. Technol. 2011, 166–167, 590–595.
• Dong, L.; Li, B.; Diao, Q. Effects of Dietary Forage Proportion on Feed Intake, Growth Performance, Nutrient Digestibility, and Enteric Methane Emissions of Holstein Heifers at Various Growth Stages. Animals 2019, 9, 725.
• DSM Receives Landmark EU Market Approval for Its Methane-Reducing Feed Additive Bovaer®. Available online: https: //our-company.dsm-firmenich.com/en/our-company/news/press-releases/legacy-archive/2022/dsm-receives-eu-approval-Bovaer.html (accessed on 25 May 2024).
• Duin, E.C.; Wagner, T.; Shima, S.; Prakash, D.; Cronin, B.; Yáñez-Ruiz, D.R.; Duval, S.; Rümbeli, R.; Stemmler, R.T.; Thauer, R.K.; et al. Mode of action uncovered for the specific reduction of methane emissions from ruminants by the small molecule 3-nitrooxypropanol. Proc. Natl. Acad. Sci. USA 2016, 113, 6172–6177.
• Ellis, J.L.; Bannink, A.; France, J.; Kebreab, E.; Dijkstra, J. Evaluation of enteric methane prediction equations for dairy cows used in whole farm models. Glob. Chang. Biol. 2010, 16, 3246–3256.
• Eugène, M.; Massé, D.; Chiquette, J.; Benchaar, C. Meta-analysis on the effects of lipid supplementation on methane production in lactating dairy cows. Can. J. Anim. Sci. 2008, 88, 331–337.
• Garnsworthy, P.; Craigon, J.; Hernandez-Medrano, J.; Saunders, N. On-farm methane measurements during milking correlate with total methane production by individual dairy cows. J. Dairy Sci. 2012, 95, 3166–3180.
• Godde, C.M.; Boone, R.; Ash, A.J.; Waha, K.; Sloat, L.; Thornton, P.K.; Herrero, M. Global rangeland production systems and livelihoods at threat under climate change and variability. Environ. Res. Lett. 2020, 15, 044021.
• Goopy, J.P.; Donaldson, A.; Hegarty, R.; Vercoe, P.E.; Haynes, F.; Barnett, M.; Oddy, V.H. Low-methane yield sheep have smaller rumens and shorter rumen retention time. Br. J. Nutr. 2013, 111, 578–585.
• Grainger, C.; Beauchemin, K. Can enteric methane emissions from ruminants be lowered without lowering their production? Anim. Feed. Sci. Technol. 2011, 166–167, 308–320.
• Hammond, K.J.; Crompton, L.A.; Bannink, A.; Dijkstra, J.; Yáñez-Ruiz, D.R.; O’Kiely, P.; Kebreab, E.; Eugène, M.; Yu, Z.; Shingfield, K.J.; et al. Review of current in vivo measurement techniques for quantifying enteric methane emission from ruminants. Anim. Feed. Sci. Technol. 2016, 219, 13–30.
• Herrera-Saldana, R.; Huber, J.; Poore, M. Dry Matter, Crude Protein, and Starch Degradability of Five Cereal Grains. J. Dairy Sci. 1990, 73, 2386–2393.
• Holter, J.; Young, A. Methane Prediction in Dry and Lactating Holstein Cows. J. Dairy Sci. 1992, 75, 2165–2175.
• Hristov, A.N.; Oh, J.; Firkins, J.L.; Dijkstra, J.; Kebreab, E.;Waghorn, G.; Makkar, H.P.S.; Adesogan, A.T.; Yang,W.; Lee, C.; et al. SPECIAL TOPICS-Mitigation of Methane and Nitrous Oxide Emissions from Animal Operations: I. A Review of Enteric Methane Mitigation Options. J. Anim. Sci. 2013, 91, 5045–5069.
• Hünerberg, M.; McGinn, S.M.; Beauchemin, K.A.; Entz, T.; Okine, E.K.; Harstad, O.M.; McAllister, T.A. Impact of ruminal pH on enteric methane emissions1. J. Anim. Sci. 2015, 93, 1760–1766.
• Jentsch, W.; Schweigel, M.; Weissbach, F.; Scholze, H.; Pitroff, W.; Derno, M. Methane production in cattle calculated by the nutrient composition of the diet. Arch. Anim. Nutr. 2007, 61, 10–19.
• Jonker, A.; Molano, G.; Koolaard, J.; Muetzel, S. Methane emissions from lactating and non-lactating dairy cows and growing cattle fed fresh pasture. Anim. Prod. Sci. 2017, 57, 643.
• Kebreab, E.; Bannink, A.; Pressman, E.M.; Walker, N.; Karagiannis, A.; van Gastelen, S.; Dijkstra, J. A meta-analysis of effects of 3-nitrooxypropanol on methane production, yield, and intensity in dairy cattle. J. Dairy Sci. 2023, 106, 927–936.
• Key, N.; Tallard, G. Mitigating methane emissions from livestock: A global analysis of sectoral policies. Clim. Chang. 2011, 112, 387–414.
• Knapp, J.R.; Laur, G.L.; Vadas, P.A.; Weiss, W.P.; Tricarico, J.M. Invited review: Enteric methane in dairy cattle production: Quantifying the opportunities and impact of reducing emissions. J. Dairy Sci. 2014, 97, 3231–3261.
• Lovarelli, D.; Bacenetti, J.; Guarino, M. A review on dairy cattle farming: Is precision livestock farming the compromise for an environmental, economic and social sustainable production? J. Clean. Prod. 2020, 262, 121409.
• Lyons, T.; Bielak, A.; Doyle, E.; Kuhla, B. Variations in methane yield and microbial community profiles in the rumen of dairy cows as they pass through stages of first lactation. J. Dairy Sci. 2018, 101, 5102–5114.
• Mapfumo, L.; Grobler, S.M.; Mupangwa, J.F.; Scholtz, M.M.; Muchenje, V. Enteric methane output from selected herds of beef cattle raised under extensive arid rangelands. Pastoralism 2018, 8, 15.
• Marino, R.; Petrera, F.; Abeni, F. Scientific Productions on Precision Livestock Farming: An Overview of the Evolution and Current State of Research Based on a Bibliometric Analysis. Animals 2023, 13, 2280
• McAllister, T.A.; Cheng, K.-J.; Okine, E.K.; Mathison, G.W. Dietary, environmental and microbiological aspects of methane production in ruminants. Can. J. Anim. Sci. 1996, 76, 231–243.
• Melgar, A.; Welter, K.; Nedelkov, K.; Martins, C.; Harper, M.; Oh, J.; Räisänen, S.; Chen, X.; Cueva, S.; Duval, S.; et al. Doseresponse effect of 3-nitrooxypropanol on enteric methane emissions in dairy cows. J. Dairy Sci. 2020, 103, 6145–6156.
• Milich, L. The role of methane in global warming: Where might mitigation strategies be focused? Glob. Environ. Chang. 1999, 9, 179–201.
• Moraes, L.E.; Strathe, A.B.; Fadel, J.G.; Casper, D.P.; Kebreab, E. Prediction of enteric methane emissions from cattle. Glob. Chang. Biol. 2014, 20, 2140–2148.
• Murray, R.M.; Bryant, A.M.; Leng, R.A. Rates of production of methane in the rumen and large intestine of sheep. Br. J. Nutr. 1976, 36, 1–14.
• Nejad, J.G.; Ju, M.-S.; Jo, J.-H.; Oh, K.-H.; Lee, Y.-S.; Lee, S.-D.; Kim, E.-J.; Roh, S.; Lee, H.-G. Advances in Methane Emission Estimation in Livestock: A Review of Data Collection Methods, Model Development and the Role of AI Technologies. Animals 2024, 14, 435.
• Nkrumah, J.D.; Okine, E.K.; Mathison, G.W.; Schmid, K.; Li, C.; Basarab, J.A.; Price, M.A.; Wang, Z.; Moore, S.S. Relationships of feedlot feed efficiency, performance, and feeding behavior with metabolic rate, methane production, and energy partitioning in beef cattle1. J. Anim. Sci. 2006, 84, 145–153.
• Oddy, V.H.; Donaldson, A.J.; Cameron, M.; Bond, J.; Dominik, S.; Robinson, D.L. Variation in methane production over time and physiological state in sheep. Anim. Prod. Sci. 2019, 59, 441–448.
• Palangi, V.; Lackner, M. Management of Enteric Methane Emissions in Ruminants Using Feed Additives: A Review. Animals 2022, 12, 3452.
• Pörtner, H.-O.; Scholes, R.J.; Agard, J.; Archer, E.; Arneth, A.; Bai, X.; Barnes, D.; Burrows, M.; Chan, L.; Cheung, W.L.; et al. Scientific Outcome of the IPBES-IPCC Co-Sponsored Workshop on Biodiversity and Climate Change (Version 5); IPBES secretariat: Bonn, Germany, 2021.
• Ramírez-Restrepo, C.A.; Clark, H.; Muetzel, S. Methane emissions from young and mature dairy cattle. Anim. Prod. Sci. 2016, 56, 1897–1905.
• Ricci, P.; Rooke, J.A.; Nevison, I.; Waterhouse, A. Methane emissions from beef and dairy cattle: Quantifying the effect of physiological stage and diet characteristics1. J. Anim. Sci. 2013, 91, 5379–5389.
• Salas-Riega, C.Y.; Osorio, S.; Gamarra, J.d.P.; Alvarado-Bolovich, V.; Osorio, C.M.; Gomez, C.A. Enteric methane emissions by lactating and dry cows in the high Andes of Peru. Trop. Anim. Heal. Prod. 2022, 54, 1–11.
• Soder, K.J.; Brito, A.F. Enteric methane emissions in grazing dairy systems. JDS Commun. 2023, 4, 324–328.
• Storm, I.M.L.D.; Hellwing, A.L.F.; Nielsen, N.I.; Madsen, J. Methods for Measuring and Estimating Methane Emission from Ruminants. Animals 2012, 2, 160–183.
• Sun, F.; Hu, W.; Cao, J.; Wang, X.; Zhang, Z.; Ramezani, J.; Shen, S. Sustained and intensified lacustrine methane cycling during Early Permian climate warming. Nat. Commun. 2022, 13, 1–10.
• Thoma, G.; Popp, J.; Nutter, D.; Shonnard, D.; Ulrich, R.; Matlock, M.; Kim, D.S.; Neiderman, Z.; Kemper, N.; East, C.; et al. Greenhouse gas emissions from milk production and consumption in the United States: A cradle-to-grave life cycle assessment circa 2008. Int. Dairy J. 2013, 31, S3–S14.
• van Gastelen, S.; Bannink, A.; Dijkstra, J. Effect of silage characteristics on enteric methane emission from ruminants. CAB Rev. Perspect. Agric. Vet. Sci. Nutr. Nat. Resour. 2019, 1–9.
• van Gastelen, S.; Burgers, E.E.; Dijkstra, J.; de Mol, R.; Muizelaar, W.; Walker, N.; Bannink, A. Long-term effects of 3-nitrooxypropanol on methane emission and milk production characteristics in Holstein-Friesian dairy cows. J. Dairy Sci. 2024, 107, 5556–5573.
• van Gastelen, S.; Dijkstra, J.; Heck, J.M.; Kindermann, M.; Klop, A.; de Mol, R.; Rijnders, D.;Walker, N.; Bannink, A. Methane mitigation potential of 3-nitrooxypropanol in lactating cows is influenced by basal diet composition. J. Dairy Sci. 2022, 105, 4064–4082.
• Van Kessel, J.A.S.; Russell, J.B. The effect of pH on ruminal methanogenesis. FEMS Microbiol. Ecol. 1996, 20, 205–210.
• Vitali, A.; Grossi, G.; Martino, G.; Bernabucci, U.; Nardone, A.; Lacetera, N. Carbon footprint of organic beef meat from farm to fork: A case study of short supply chain. J. Sci. Food Agric. 2018, 98, 5518–5524.
• Vlaeminck, B.; Fievez, V.; Tamminga, S.; Dewhurst, R.; van Vuuren, A.; De Brabander, D.; Demeyer, D. Milk Odd- and Branched-Chain Fatty Acids in Relation to the Rumen Fermentation Pattern. J. Dairy Sci. 2006, 89, 3954–3964.
• Wallace, R.J.; Rooke, J.A.; McKain, N.; Duthie, C.-A.; Hyslop, J.J.; Ross, D.W.;Waterhouse, A.;Watson, M.; Roehe, R. The rumen microbial metagenome associated with high methane production in cattle. BMC Genom. 2015, 16, 1–14.
• Watt, L.; Clark, C.; Krebs, G.; Petzel, C.; Nielsen, S.; Utsumi, S. Differential rumination, intake, and enteric methane production of dairy cows in a pasture-based automatic milking system. J. Dairy Sci. 2015, 98, 7248–7263.
• Zobeidi, T.; Yaghoubi, J.; Yazdanpanah, M. Farmers’ incremental adaptation to water scarcity: An application of the model of private proactive adaptation to climate change (MPPACC). Agric. Water Manag. 2022, 264, 107528.

Sinossi tratta da: Evangelista, C.; Milanesi, M.; Pietrucci, D.; Chillemi, G.; Bernabucci, U. Enteric Methane Emission in Livestock Sector: Bibliometric Research from 1986 to 2024 with Text Mining and Topic Analysis Approach by Machine Learning Algorithms. Animals 2024, 14, 3158. https://doi.org/10.3390/ani14213158