Feed management decisions play an essential role in reducing greenhouse gas (GHG) and nitrogen (N) emissions from ruminant farming systems. However, evaluating the downstream effects of diet on emissions in dairy production is challenging. This is due to the complex interplay among interconnected components such as animals, housing, manure storage, and soil. Consequently, a comprehensive assessment that considers both direct and indirect GHG and N emissions and accounts for the underlying processes and drivers of carbon (C) and nitrogen within the system is necessary. Static emission factors (EFs) and empirical models often fail to capture the spatial and temporal variability of these systems. This limits their utility for site-specific assessments and targeted mitigation strategies. This thesis addresses this problematic by applying PB modelling approaches that simulate the underlying biogeochemical processes driving emissions, thereby offering a more dynamic and comprehensive perspective. The research begins with a comprehensive review (the first Paper) of modelling the influence of feed management on GHG and N emissions in cattle farming systems. It contrasts statistical and empirical models, with mechanistic PB models. The former are useful for inventory applications, whilst the latter capture dynamic interactions between feed composition, microbial fermentation, and downstream emissions. This review establishes the scientific rationale for integrating PB approaches into whole-farm emission assessments. By identifying the limitations of simpler methods, it sets the stage for a more sophisticated modelling approach. Building on this foundation, the second paper introduces an innovative PB modelling framework. This framework creates links across the manure management chain. It integrates the Dutch Tier 3 model for animal emissions with the Manure-(DNDC) model for manure storage and a soil biogeochemistry model. This study evaluates the downstream impact of dietary factors on whole-farm emissions. The methodology was rigorously applied to two contrasting dairy systems: a confined system in Germany and a pasture-based system in New Zealand. The differences in production systems between them demonstrated significant differences in C and N emission. This highlights the critical role of feeding and manure management practices in shaping the environmental footprint. This application showed the framework's adaptability and its capacity to reveal system-specific dynamics. The third paper further advances the research by comparing the dynamic PB Tier 3 modelling approach with IPCC Tier 1 and Tier 2 methods. This comparative analysis showed substantial differences between PB Tier 3 dynamic EFs and IPCC Tier 1 and 2 EFs. This reveals that PB models can capture interannual and system-specific GHG emission variability more accurately, leading to more precise and adaptable emission estimates. The housing component of the Manure-DNDC model was validated against field measurements, confirming its effectiveness in simulating ammonia and methane barn emissions, a key source of uncertainty in GHG assessments. This validation underscores the reliability of the PB approach for capturing complex emission processes that generic EFs may overlook. Collectively, these studies demonstrate that integrating PB models into whole-farm emission assessments enables a more nuanced understanding. It shows how feeding and manure management practices impact GHG and N emissions. These models offer a more wholistic and accurate picture of on-farm emissions by simulating the underlying processes and considering the interactions between different farm components. This integrated modelling approach has significant implications. It can help develop of targeted mitigation strategies and improve the C accounting in the context of Carbon-farming and monitoring, reporting and verification (MRV) in agricultural systems. It can also inform future policies aimed at reducing the environmental footprint of cattle farming. The PB models represent a step towards more precise and adaptable tools for researchers and policymakers. They facilitate evidence-based decision-making in sustainable agriculture and pave the way for more environmentally responsible livestock production.
Futtermanagement spielt eine entscheidende Rolle bei der Reduzierung von Treibhausgas- (THG) und Stickstoffemissionen (N) in der Wiederkäuerhaltung. Es ist jedoch schwierig, die nachgelagerten Auswirkungen der Fütterung auf die Emissionen in der Milchviehhaltung direkt zu bewerten. Hinsichtlich der Emissionen bestehen komplexe Wechselwirkungen zwischen den Tieren, Ställen, Güllelagerung und Böden. Es ist eine umfassende Bewertung erforderlich, die sowohl direkte als auch indirekte THG- und N-Emissionen berücksichtigt und die zugrundeliegenden Prozesse sowie Treiber in den Kohlenstoff- (C) und Stickstoffkreisläufen im System einbezieht. Statische Emissionsfaktoren (EFs) und empirische Modelle erfassen häufig nicht die räumliche und zeitliche Variabilität dieser Systeme. und sind nur eingeschränkt für standortspezifische Analysen und gezielte Minderungsstrategien geeignet. Diese Arbeit nutzt daher prozessbasierte (PB) Modellierungsansätze, die die biogeochemischen Prozesse simulieren und damit eine umfassendere Perspektive bieten. Die Untersuchung beginnt mit einer umfassenden Literaturübersicht (erstes Paper) zur Modellierung des Einflusses des Fütterungsmanagements auf THG- und N-Emissionen in der Rinderhaltung. In der Übersicht werden statistische und empirsche Modelle, die für Inventurzwecke geeignet sind, mechanistischen PB Modellen verglichen. Die PB Modelle erfassen dynamische Wechselwirkungen zwischen Futterzusammensetzung, mikrobieller Fermentation und nachgelagerten Emissionen. Die Recherche etabliert eine wissenschaftliche Begründung, für die Nutzung von PB Ansätzen in der Gesamtbilanzierung der Emissionen von Milchviehbetrieben. Durch die Identifizierung der Grenzen vereinfachter Methoden ebnet sie den Weg für anspruchsvollere Modellierungsansätze. Auf dieser Grundlage wird im zweiten Paper ein innovativer PB-Modellierungsrahmen entwickelt, der die Verbindungen entlang der Gülleverwertungskette herstellt.Durch die Integration des niederländischen Tier-3-Modells (T3) für tierische Emissionen mit dem Manure-DNDC-Modell für die Güllelagerung und einem Bodenbiogeochemie-Modell bewertet diese Untersuchung die nachgelagerten Auswirkungen von Fütterungsfaktoren auf die betriebsweiten Emissionen. Die Methodik wurde rigoros auf zwei unterschiedliche Milchviehsysteme angewendet: ein Stallhaltungssystem in Deutschland und ein Weidesystem in Neuseeland. Die Produktionssysteme zeigten signifikante Differenzen in der C- und N-Emissionsintensität, was die zentrale Rolle von Fütterung und Güllemanagement für die Umweltbilanz aufzeigt. Die Anwendung auf zwei unterschiedliche Systeme verdeutlicht die Flexibilität des Frameworks und seine Fähigkeit, systemspezifische Dynamiken aufzuzeigen. Das dritte Paper erweitert die Untersuchung durch einen Vergleich des dynamischen PB-Tier-3-Ansatzes mit den IPCC-Tier-1- und Tier-2-Methoden. Dieser Vergleich zeigte deutliche Unterschiede zwischen den dynamischen PB-Tier-3-EFs und den IPCC-Tier-1- und -2-EFs. Der Vergleich zeigt, dass PB-Modelle jahreszeitliche Veränderungen und systemspezifische THG-Emissionsvariabilität präziser erfassen., was zu genaueren und anpassungsfähigeren Schätzungen führt. Die Stallkomponente des Manure-DNDC-Modells wurde anhand von Feldmessungen validiert. Dadurch konnte die Wirksamkeit des DNDC-Modells bei der Simulation von Ammoniak- und Methanemissionen im Stall – einer zentralen Unsicherheitsquelle traditioneller Bewertungen – bestätigt werden. Diese Validierung unterstreicht die Zuverlässigkeit des PB-Ansatzes für die Abbildung komplexer Emissionsprozesse, die generische EFs oft übersehen. Zusammenfassend demonstrieren die Untersuchungen, dass die Integration von PB-Modellen in die Gesamtbilanzierung der Emissionen von Milchviehbetrieben. ein differenzierteres Verständnis dafür ermöglicht, wie Fütterungs- und Güllemanagementpraktiken THG- und N-Emissionen beeinflussen. Durch die Simulation der zugrundeliegenden Prozesse und die Berücksichtigung von Wechselwirkungen zwischen Betriebskomponenten bieten diese Modelle ein umfassenderes und präziseres Bild der betrieblichen Emissionen. Dieser integrierte Modellierungsansatz hat bedeutende Implikationen für die Entwicklung zielgerichteter Minderungsstrategien, die Verbesserung der Kohlenstoffbilanzierung im Kontext von „Carbon Farming“, sowie für Monitoring, Berichterstattung und Verifizierung (MRV) in Agrarsystemen. Zudem liefert er wertvolle Erkenntnisse für künftige politische Maßnahmen zur Verringerung des ökologischen Fußabdrucks der Rinderhaltung. PB-Modelle sind ein wichtiger Schritt hin zu präziseren und flexibleren Werkzeugen für Forschung und Politik, ermöglichen evidenzbasierte Entscheidungsfindung in der nachhaltigen Landwirtschaft und ebnen den Weg für eine nachhaltigere Viehwirtschaft.
