Development of strategies for the adaptation of the livestock sector to the new climate regime with machine learning and artificial intelligence methods
Author(s)
Evangelista, Chiara
Date Issued
July 11, 2025
Type
Doctoral Thesis
Abstract
This doctoral thesis, conducted within the framework of the Green Program (Action IV.5 D.M. 1061/2021) and funded by the FSE-REACT-EU program, PON "Research and Innovation" 2014-2020, aims to develop innovative solutions to improve sustainability and reduce the environmental impact in the livestock sector, with particular reference to dairy buffalo farming. This research is set within a global context where the conservation of ecosystems, the protection of biodiversity, and the mitigation of climate change are strategic priorities, especially considering the fundamental role of ruminants in food production and greenhouse gas emissions, particularly methane produced by enteric fermentation.
The work is structured into several chapters. First, a review of the state of the art on enteric methane emissions is conducted through a bibliometric analysis based on machine learning techniques, aimed at mapping the evolution of research, the geographical distribution of studies, and identifying the main topics addressed, highlighting current knowledge gaps. The focus then shifts to the development and application of Near Infrared Spectroscopy (NIRS) as a tool for precision feeding management. Specifically, a benchtop system and a portable device were used to analyse the chemical composition and fatty acid profile of the Total Mixed Ration (TMR) for buffalo; machine learning techniques were also applied to select key wavelengths for predicting the fiber fraction, with the aim of making more affordable and accessible devices available to farmers. Finally, a commercial portable NIRS device was evaluated in determining the factors that influence the homogeneity of TMR distribution.
The next area of study focuses on nutritional strategies aimed at optimizing animal production performance, with particular attention to the use of natural antioxidants and supplementation of micronutrients (zinc and selenium) to assess their ability to support buffalo milk production and quality during the summer months. Furthermore, within the scope of precision feeding, a pioneering study was conducted for the first time in dairy buffalo, focusing on the physical characterization of the diet and its effects on milk production, quality, and nutrient digestibility, using the Penn State Particle Separator. An additional pioneering study analysed the faecal microbiota of buffalo, exploring this non-invasive method to identify dietary factors influencing the microbial composition of the faces.
The main objective of this thesis was to test solutions applicable to ruminant nutrition, aimed at improving animal welfare and the efficiency of the livestock sector, while simultaneously reducing environmental impact. Although focused on buffalo farming, the technologies and approaches developed have potential applications for other ruminant species, thus contributing to greater sustainability and innovation in the agri-food sector.
La presente tesi di dottorato, realizzata nell'ambito del Programma Green (Azione IV.5 D.M. 1061/2021) e finanziata dal programma FSE-REACT-EU, PON "Ricerca e Innovazione" 2014-2020, intende sviluppare soluzioni innovative finalizzate a migliorare la sostenibilità e a ridurre l’impatto ambientale nel settore zootecnico, con particolare riferimento all’allevamento di bufale da latte. Tale ricerca si colloca in un contesto globale in cui la conservazione degli ecosistemi, la tutela della biodiversità e la mitigazione dei cambiamenti climatici costituiscono priorità strategiche, soprattutto considerando il ruolo fondamentale dei ruminanti nella produzione alimentare e nelle emissioni di gas serra, in particolare il metano prodotto dalla fermentazione enterica.
Il lavoro si articola in diversi capitoli. In primo luogo, si effettua una revisione dello stato dell’arte sulle emissioni enteriche di metano, mediante un’analisi bibliometrica basata su tecniche di machine learning, finalizzata a mappare l’evoluzione della ricerca, la distribuzione geografica degli studi e a individuare le principali tematiche affrontate, evidenziando le attuali lacune conoscitive. Successivamente, l’attenzione si sposta sullo sviluppo e l’applicazione della spettroscopia nel vicino infrarosso (NIRS) come strumento per la gestione di precisione dell’alimentazione. In particolare, sono stati impiegati un sistema da banco e uno portatile per l’analisi della composizione chimica e del profilo degli acidi grassi del TMR (Total Mixed Ration) destinato alle bufale; inoltre, sono state applicate tecniche di machine learning per selezionare le lunghezze d’onda chiave nella predizione della frazione fibrosa, con l’obiettivo di rendere disponibili dispositivi più economici e accessibili agli allevatori. Infine, è stato valutato uno strumento NIRS portatile commerciale nella determinazione dei fattori che influenzano l’omogeneità di distribuzione del TMR.
Il successivo ambito di studio si concentra sulle strategie nutrizionali finalizzate all’ottimizzazione delle prestazioni produttive degli animali, con particolare attenzione all’uso di antiossidanti naturali e alla supplementazione di micronutrienti (zinco e selenio) per valutare la capacità di tali interventi di sostenere la produzione e la qualità del latte delle bufale durante i mesi estivi. Inoltre, nell’ambito dell’alimentazione di precisione, è stato condotto, per la prima volta nella bufala da latte, uno studio sulla caratterizzazione fisica della dieta e sui suoi effetti sulla produzione, sulla qualità del latte e sulla digeribilità dei nutrienti, impiegando il Penn State Particle Separator. Un ulteriore studio pionieristico ha analizzato il microbiota fecale delle bufale, esplorando questo metodo non invasivo per identificare i fattori dietetici che influenzano la composizione microbica delle feci.
L’obiettivo principale di questa tesi è stato quello di testare soluzioni applicabili alla nutrizione dei ruminanti, finalizzate a migliorare il benessere animale e l’efficienza del settore zootecnico, riducendo contestualmente l’impatto ambientale. Pur concentrandosi sull’allevamento di bufale, le tecnologie e gli
approcci sviluppati presentano potenzialità di applicazione anche ad altre specie ruminanti, contribuendo così a una maggiore sostenibilità e innovazione nel settore agroalimentare.
Additional information
Dottorato di ricerca in Scienze, Tecnologie e Biotecnologie per la Sostenibilità
File(s)![Thumbnail Image]()
Name
cevangelista_tesid.pdf
Size
8.98 MB
Format
Adobe PDF
Checksum (MD5)
fddf6ffe3a3ada6c3d099915dff3294c