PROGRAMA
HORA TEMA RESPONSABLE
Moderadora Catalina Trujillo
8:30 – 8:35 Agenda Catalina Trujillo
8:35 - 8:45 Bienvenida, (CIAT- LivestockPlus) Joe Tohme (Director de investigaciones)
9:00 - 9:10 Presentación participantes
9:10 - 9:30 NDC (Mundial , Colombia), Ganadería: emisiones de GHG y NAMA Jacobo Arango
9:30 - 9:40 Ensayo silvopastoril CIAT HQ Jhon Freddy Gutierrez
9:40 – 10:10 Foto y Refrigerio
10:10 – 11:30 Visita campo y politúnel Mauricio Sotelo y Xiomara Gaviria
11:30 – 12:00 Visita Laboratorio nutrición animal y laboratorio GEI
Jhoanna Mazabel / Catalina Trujillo
12:00 - 1:00 Almuerzo
1:00 - 1:30 Por qué necesitamos modelos y por qué deben ser validados? Ngoni Chirinda
1:30 - 2:00 Introducción al modelo Ruminant (variables de entradas y salidas) NINO Laura Serna
2:00 – 3:00 Presentación de resultados Alejandro Ruden
3:00 – 3:30 Utilización de RUMINANT para calculo de inventario nacional de GEI Felipe Torres (IDEAM)
3:00 – 3:30 Refrigerio
3:30 - 4:30 Conclusiones, Ronda de discusión y preguntas Jacobo Arango
4:30 – 4:45 Cierre Jacobo Arango

Validation of RUMINANT model towards accurate
estimations of enteric methane emissions under
tropical conditions to support Colombian NDC:
Bienvenidos
CIAT
26-07-2017

Follow us:Website: www.ciat.cgiar.org
Blog: www.ciatnews.cgiar.org/en/
http://twitter.com/ciat_
http://www.facebook.com/ciat.ecoefficient
CGIAR and CIAT
CIAT’s mission: To reduce hunger and poverty, and improve
human nutrition in the tropics through research aimed at
increasing the eco-efficiency of agriculture
CGIAR system: Global research partnership for a food-secure
future. CGIAR science is dedicated to reducing poverty,
enhancing food and nutrition security, and improving
natural resources and ecosystem services. Its research is
carried out by 15 CGIAR centers.

Agrobiodivesity
Bean
Cassava
Rice
Tropical Forages
Decision and Policy Analysis (DAPA)
CIAT Research areas
Soils and Landscapes for Sustainability

17 billion
The estimated total number of
livestock worldwide, including cattle,
sheep, goats, pigs, chickens, and about a
dozen lesser known species, like guinea
fowl, yaks, and camels
4.9 billion
hectares
Or about two-thirds of the world’s total
agricultural area is used to feed livestock,
including 3.3 billion hectares of grazing
land and a quarter of the crop area
8.1 billion tons of carbon
dioxide equivalent
The annual contribution of livestock to climate change, which is about 15%
of all human-induced greenhouse gas emission and half of those from
agriculture. These includes emissions from deforestation to make way to
pastures, which often serve as a transition into crops like soybean
US $3.1
trillion
The value of livestock as a
global asset, that accounts for
some
1,3 billion jobs
~200 million
hectares
In America Latina alone, have been
degraded by overgrazing and other
unsustainable production practices.
This negative impact is similar in most
areas used for feed
In sum, grazed livestock systems are the world’s single biggest land use. So, how they’re managed – and especially how they’re fed – is
profoundly important for people and the planet
Why is Livestock important: The facts

Strategic Initiatives at CIAT (2013)
Sustainable food systems: gaining a better grasp of both the urban and rural
dimensions of agricultural value chains (reduce waste, new opportunities for value
addition)
Ecosystem services: Translate improved ecosystem health into concrete benefits for
rural people, including greater dietary diversity and new sources of income
LivestockPlus: Realize environmental benefits of improved forage-based systems
on a larger scale, while also exploiting their demonstrated capacity to raise milk
and meat production, and boost rural incomes

LivestockPlus - the sustainable intensification of forage-
based systems
Three innovative/
intensification processes
Genetic
Improved yield,
quality, stress resistance
Ecological
Better management of
mixed crop-forage-tree-
livestock systems
Socio-Economic
Creation of enabling
environments (markets,
policies, social & human
capital)
Livelihood benefits
Milk
Meat
Eggs
Manure
Adaptation to climate
change
Food security
Income generation
Poverty alleviation
Better family nutrition
Ecosystem services
Improved soil quality
Resource use efficiency
Restoration of degraded
lands
Reduced per unit animal
GHGs
Mitigation of climate
change
Biodiversity conservation
Water flows and quality
Reduced erosion &
sedimentation
Reduce pressure to the
forest – Reduce
deforestation
Rao et al., 2015

PROGRAMA
HORA TEMA RESPONSABLE
Moderadora Catalina Trujillo
8:30 – 8:35 Agenda Catalina Trujillo
8:35 - 8:45 Bienvenida, (CIAT- LivestockPlus) Joe Tohme (Director de investigaciones)
9:00 - 9:10 Presentación participantes
9:10 - 9:30 NDC (Mundial , Colombia), Ganadería: emisiones de GHG y NAMA Jacobo Arango
9:30 - 9:40 Ensayo silvopastoril CIAT HQ Jhon Freddy Gutierrez
9:40 – 10:10 Foto y Refrigerio
10:10 – 11:30 Visita campo y politúnel Mauricio Sotelo y Xiomara Gaviria
11:30 – 12:00 Visita Laboratorio nutrición animal y laboratorio GEI
Jhoanna Mazabel / Catalina Trujillo
12:00 - 1:00 Almuerzo
1:00 - 1:30 Por qué necesitamos modelos y por qué deben ser validados? Ngoni Chirinda
1:30 - 2:00 Introducción al modelo Ruminant (variables de entradas y salidas) NINO Laura Serna
2:00 – 3:00 Presentación de resultados Alejandro Ruden
3:00 – 3:30 Utilización de RUMINANT para calculo de inventario nacional de GEI Felipe Torres (IDEAM)
3:00 – 3:30 Refrigerio
3:30 - 4:30 Conclusiones, Ronda de discusión y preguntas Jacobo Arango
4:30 – 4:45 Cierre Jacobo Arango

Validation of RUMINANT model towards accurate
estimations of enteric methane emissions under
tropical conditions to support Colombian NDC:
Introducción
CIAT
26-07-2017

 Contextualizar la importancia de tener indicadores país, en emisiones de metano.
 Presentar el marco metodológico para la validación del modelo Ruminant.
 Socializar y validar los resultados obtenidos en proyecto.
 NDC, NAMA, MRV.
 Planificar futuras actividades en el uso de RUMINANT y mediciones para lograr los NDC.
 Buscar mejorar los cálculos de inventarios GEI de Colombia.
 Familiarizar la comunidad que trabaja con ganadería y emisiones con el uso del modelo
RUMINANT.
Objetivos

Livestock's Long Shadow: Environmental Issues and Options (2006)
Abandon Livestock production?
 Livestock is one of the top two or three most significant contributors to the most serious environmental
problems.
 Livestock should be a major policy focus when dealing with problems of land degradation, climate change
and air pollution, water shortage and water pollution, and loss of biodiversity.
 Main sources of emissions:
 Land use and land use change: 2.5 Giga tonnes CO2 eq; including forest and other natural vegetation
replaced by pasture and feed crop in the Neotropics.
 Feed Production: 0.4 CO2 eq, including fossil fuel used in manufacturing chemical fertilizer for feed crops
(CO2) and chemical fertilizer application on feedcrops (N2O, NH3)
 Animal production: 1.9 Giga tonnes CO2 eq, including enteric fermentation from ruminants (CH4) and
on-farm fossil fuel use (CO2)
 Manure Management: 2.2 Giga tonnes CO2 eq, mainly through manure storage, application and
deposition (CH4, N2O, NH3)
 Processing and international transport: 0.03 Giga tonnes CO2 eq

http://documentacion.ideam.gov.co/openbiblio/bvirtual/023423/1_INFORME_BIENAL_ACTUALIZACION.pdf
GHG emissions (Gg CO2 eq) in Colombia by main categories 2010-2012

GHG emissions (% of the total) in Colombia AFOLU 2010-2012
http://documentacion.ideam.gov.co/openbiblio/bvirtual/023421/cartilla_INGEI.pdf

Livestock and climate change: Victim, executioner and the solution! (2013)
 Responsible for 14.5 % of the anthropogenic emissions:
1. 44%: Production and feed processing
2. 38%: Enteric fermentation
3. 9%: Dung decomposition
4. 9%: Expansion of grasslands substituting forest
 Reductions in grasp : MANAGEMENT PRACTICES (AND USE OF IMPROVED FORAGES)
Reduction of 30% of GHG (per unit of product)
 Key to reducing emissions: EFICIENCY!.
http://www.fao.org/livestock-environment
• Better feed practices.
• Waste management.
• Energy saving and recycling along the supply chain.
There are increasing global aspirations of achieving forest-based emissions reductions (REDD+; Paris Agreement), landscape
restoration (The Bonn Challenge) and biodiversity conservation (Aichi Targets) and Livestock can be an important player.
Rao et al., 2015

Focused on reducing the emissions intensity of livestock production systems and increasing the quantity of carbon stored in soils
supporting those systems.
The Group has identified the following vision for its livestock-related research activities:
1.Increase agriculture production with lower emissions: Feeding the world within the carrying capacity of earth
2.Improve global cooperation in research & technology: Accelerate/strengthen knowledge and technology development that
would not happen without the Alliance
3.Work with farmers and partners to provide knowledge: Develop relevant mitigation options and strengthen productivity and
resilience of food systems
39 Participating Countries
1. Argentina
2. Brazil
3. Chile
4. Colombia
5. Costa Rica
6. Mexico
7. Peru
8. Uruguay
Livestock Research Group (Global Research Alliance)

7th Global Agenda for Sustainable Livestock meeting
8-12 of May, Addis Ababa (Ethiopia)
Main Actors and key initiatives:
Academia, NGOs, Civil Society, Private Sector, Donors, International institutions. 250 participants from 50
countries.
Need to promote discourse with people outside livestock sector.
Critical link across sectors: health, environment, agriculture.
Create action network for policy action. FAO engaging at intergovernmental level.
Critical bottleneck for sustainable livestock production is feed and grasslands, thus high priority to restore
value of grasslands and close the efficiency gap.
http://www.livestockdialogue.org/

Conclusions and takeaway messages:
Influential Multi-stakeholder livestock platform at International level.
Aim to raise visibility of livestock at global policy level.
Alignment with SDGs, moving from environment to a wider
development focus.
Sustainable livestock production is part of the environmental
agenda.
Knowledge sharing for technological innovations.
Benefits sharing and equity along the value chains.
Livelihoods, environment and economic development are linked.
Financial investment in sustainable livestock production critical for
scaling.
7th Global Agenda for Sustainable Livestock meeting
8-12 of May, Addis Ababa (Ethiopia)
http://www.livestockdialogue.org/

Initial idea: 2014
Formalization: 2015/16
Objectives:
a) Support the formulation of public policies related to
sustainable beef production in Colombia
b) Establishment of programs, plans and projects to support
the development of sustainable beef production
c) Frequent exchange with roundtables from other countries
(e.g., Brazil) and the Global Roundtable for Sustainable Beef
(GRSB)
d) Technical exchange and assistance (e.g., giras
tecnicas/workshops)
2016 is the first year with an official work plan:
http://mesaganaderiasoste.wix.com/principal#!plan-accion/w78jo
Members: approximately 30 constant
members from the private and public sector
including donors and science.
More information about the
MGS:
http://mesaganaderiasoste.wix.c
om/principalThe MGS operates through 3 different technical commissions:
1. Institutional development led by the Ministries of
Agriculture and Environment
2. Techniques and technologies led by CIAT and FEDEGAN
3. Markets led by CIAT
Colombian Roundtable for Sustainable Beef – Mesa de Ganaderia
Sostenible Colombia (MGS)

Stakeholder engagement and training
• Training on Ruminant to the IDEAM personnel that
prepares the national GHG inventories.
• Intention to use the model for the next (third communication)

Contribución Nacionalmente Determinada (NDC)
 Uno de los objetivos del acuerdo de Paris es limitar el
aumento temperatura a 2C° con respecto al momento
antes de la industrialización. Aspiración a que sea
1,5C°.
 NDC Colombia: Reducir incondicionalmente sus
emisiones de GHG en un 20% a 2030 vs. BAU, en
particular a través de la implementación de planes de
acción de mitigación en ocho sectores clave.
 La meta a 2030 podría ser aumentada al 30% con
apoyo internacional. Colombia también está
preparando Acciones de Mitigación Nacionalmente
Apropiadas (NAMAs)
Based on IPCC Assessment Report 5, Working Group 1. Image Source:
Finnish Meteorological Institute, the Finnish Ministry of the Environment, and
Climate guide

92 developing countries included livestock emissions in their Nationally
Determined Contributions (NDCs) to reduce GHG emissions
Andreas Wilkes
Lini Wollenberg

NAMA Ganadería (Colombia)
Information note registered to the UNFCCC:
Information note registered to the UNFCCC: In a 15 year period of implementing the
project, NAMA expects to achieve:
 Implement 1’250.000 ha of Silvopastoral Systems
 370.000 ha of Intensive Silvopastoral Systems
 2’200.000 ha intervene with eco-efficient management of improved forages
 Achieve 2’000.000 ha restored in bovine livestock grounds
 4’000.000 ha freed in other sustainable uses
 Benefit 200.000 families across 15 departments in the country
 Reduce 4 MTon CO2e by enteric fermentation
 Capture 6 MTonCO2e by SSP implementation
 Capture up to 167 MtonCO2 by restored ecosystems
 Avoid deforestation of 2’500.000 ha of forest, reducing the pressure it has, and
mitigating 1,228 MTonCO2e
 Total investment of USD$900 millions
 Abatement cost 4,16 $USD/TCO2e

LivestockPlus Project objectives (2015 -2018)
Objectives:
1. Facilitate stakeholder engagement & capacity building for
implementation of NAMAs (Nationally Appropriate
Mitigation Actions)
2. To quantify socioeconomic & GHG impacts of low emissions
pasture management in cattle production systems & to
scale-up best-fit mitigation options
3. To identify best-fit mitigation options and to develop low
cost GHG quantification methods

LivestockPlus: supporting NAMAs in Colombia and Costa Rica
Science results on the role of improved forages as mitigation
options by:
 Increasing soil carbon storage
 Reducing soil N2O
emissions
 Reducing CH4 emissions
Soil carbon stocks after 10 years of cultivation (0-80 cm soil depth)
2 - 6 Mg C ha-1 yr-1
CON: Bare soil,
PM: P. maximum,
BHM: Brachiaria Mulato
hybrid,
Bh:679: B. humidicola 679
Bh-16888: B. humidicola
16888
-2
0
2
4
6
8
10
12
14
16
-2 1 4 7 10 13 16 19 22 25
N2Oflux(mgN2Om-2day-1)
Days after urine application
MULATO (Low BNI)
679 (high BNI)
N2O fluxes
257.5
230.5
173.6
0
50
100
150
200
250
300
7:12 12:00 16:48 21:36 2:24 7:12 12:00
Methane(Lt/animal/day)
Time (hours)
Scenario 2: Grass + legume “b”
Cumulative CH4 emissions from enteric fermentation by different diets
Current scenario: 100% Tropicales grass
Scenario 1: Grass + legume “a”

Métodos medición de metano
Patra et al. 2016

RUMINANT validation and calibration using in vivo and in vitro
generated data
System characterization
Emission
factors
N.Palmer
Inventory
NAMA,MRV
system
N.Palmer
Forage quality
Emissions in vivo
Emissions in vitro

Medición de metano in vivo (Polytunel)
1. Lockyer & Jarvis 1995
2. Lockyer 1997
3. Powell et al. 2007
4. Aguerre et al. 2011
5. Murray et al. 2014
6. Molina et al. 2016
7. Goopy et al. 2016
Método utilizado frecuentemente por la comunidad científica:
1.0
4.0
7.0
10.0
13.0
16.0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Methane(L)
Time (Hour)
Methane Flux
Methane Anim 1 Methane Anim 2 Methane Anim 3 Methane Anim 4

Medición de metano in vitro
Técnica de producción de gases
Brooks, A. and Theodorou, M.K.
1992
Producción de gas método
ANKOM
Se basa en la medición del volumen de gas
producido a partir de un proceso de incubación con
microorganismos ruminales.
Medición de metano por cromatografía

Laboratorio de Gases Efecto Invernadero
Cámara estática cerrada - Toma de muestra
Análisis cromatográfico

Nombre del Laboratorio Laboratorio De Calidad en Forrajes y nutrición Animal
Ubicación Centro Internacional De agricultura Tropical CIAT
Dirección Km 17 Recta Cali-Palmira
Programa de investigación CIAT
Programa Forrajes Tropicales
Director Jacobo Arango
E-mail j.arango@cgiar.org
Integrantes Johanna Mazabel (l.jmazabel@cgiar.org), Stiven Quintero
(s.quintero@cgiar.org), Orlando Trujillo.
Sector de Impacto Agropecuario
Pruebas Interlaboratorio RING TEST IAG + IAG/FAO
Descripción El laboratorio de calidad en Forrajes y Nutrición animal se encuentra adscrito al
programa de Forrajes Tropicales del CIAT, cuenta con personal altamente
Calificado y equipos modernos como como NIRS, HPLC, Ankom Fiber Analyzer,
RF Gas Production system y Destiladores Kjeltec 8100 para llevar a cabo el
análisis de diferentes especies forrajeras (gramíneas o leguminosas), montaje y
validación de técnicas analíticas según requiera la investigación.
Los protocolos de análisis seguidos en el laboratorio son aplicados según las
normas y protocolos sugeridos por la organización de las naciones unidas para la
alimentación y la agricultura (FAO), la AOAC y citados de artículos de
investigaciones en el área de Forrajes y nutrición animal.
Líneas de Investigación 1. Evaluación de la Calidad Nutricional para forrajes tropicales
2. Desarrollo y Validación de Curvas de Calibración para parámetros
nutricionales por Espectroscopia de Infrarrojo cercano (NIRS).
3. Determinación de la Calidad nutricional en Ensilajes.
4. Mitigación de gases de efecto invernadero: Evaluación del impacto de
distintos forrajes en la emisiones de metano entérico
Análisis Químicos Materia Seca, Cenizas, Materia Orgánica, Fibra Detergente Neutra, Fibra
detergente Acida, Digestibilidad in vitro de La Materia Seca, Proteína cruda,
Lignina, poder calórico (calorías), Taninos y Fenoles Totales, producción de gas
in vitro , cuantificación de Ácidos Orgánicos, RUSITEC- Técnica de simulación
Ruminal, Curvas de Calibración por Espectroscopia de infrarrojo cercano (NIRS)
Laboratorio De Calidad en Forrajes y nutrición Animal

Gracias por la participación!
Jacobo Arango: j.arango@cigar.org

PROGRAMA
HORA TEMA RESPONSABLE
Moderadora Catalina Trujillo
8:30 – 8:35 Agenda Catalina Trujillo
8:35 - 8:45 Bienvenida, (CIAT- LivestockPlus) Joe Tohme (Director de investigaciones)
9:00 - 9:10 Presentación participantes
9:10 - 9:30 NDC (Mundial , Colombia), Ganadería: emisiones de GHG y NAMA Jacobo Arango
9:30 - 9:40 Ensayo silvopastoril CIAT HQ Jhon Freddy Gutierrez
9:40 – 10:10 Foto y Refrigerio
10:10 – 11:30 Visita campo y politúnel Mauricio Sotelo y Xiomara Gaviria
11:30 – 12:00 Visita Laboratorio nutrición animal y laboratorio GEI
Jhoanna Mazabel / Catalina Trujillo
12:00 - 1:00 Almuerzo
1:00 - 1:30 Por qué necesitamos modelos y por qué deben ser validados? Ngoni Chirinda
1:30 - 2:00 Introducción al modelo Ruminant (variables de entradas y salidas) NINO Laura Serna
2:00 – 3:00 Presentación de resultados Alejandro Ruden
3:00 – 3:30 Utilización de RUMINANT para calculo de inventario nacional de GEI Felipe Torres (IDEAM)
3:00 – 3:30 Refrigerio
3:30 - 4:30 Conclusiones, Ronda de discusión y preguntas Jacobo Arango
4:30 – 4:45 Cierre Jacobo Arango

Validation of RUMINANT model towards accurate
estimations of enteric methane emissions under
tropical conditions to support Colombian NDC
CIAT
26-07-2017

Ensayo Silvopastoril CIAT HQ
JHON FREDDY GUTIÉRREZ

Arreglos Silvopastoriles
Es una opción de producción pecuaria que involucra la presencia de leñosas
perennes (árboles o arbustos) interactuando ecológicamente, es decir, en el
mismo sitio y tiempo, con los componentes tradicionales (forrajeras herbaceas
y animales) en un sistema de manejo integral (Pezo e Ibrahimn 1996).
SSP con Crescentia cujeta, C.I Turipana,
Montería, Córdoba.
Valle del Patía, Cauca.

Tratamientos:
1. T1: Brachiaria brizantha cv Toledo
2. T2: Brachiaria brizantha cv Toledo + Canavalia brasiliensis
3. T3: Brachiaria brizantha cv Toledo + Canavalia brasiliensis + Leucaena diversifolia
4. T4: Brachiaria híbrido cv Cayman
5. T5: Brachiaria híbrido cv Cayman + Canavalia brasiliensis
6. T6: Brachiaria híbrido cv Cayman + Canavalia brasiliensis + Leucaena diversifolia.
7. T7: Heno (Dichanthium aristatum)
Politunel con capacidad para
mediciones simultaneas de
CH4 (cuatro animales)
Ensayo SSP – CIAT HQ evaluación parámetros como GEI, suelo, calidad del forraje,
productividad

Ensayo Silvopastoril
 Objetivo: Determinar el efecto del forraje en la productividad animal (kg carne/ha/año) bajo pastoreo en
parcelas con gramíneas solas y asociadas con leguminosas herbáceas y arbustivas.
1. T1: Gramínea sola (B. brizantha cv. Toledo/ Brachiaria híbrido cv. Cayman).
2. T2: Gramínea + Leguminosa herbáceas (Canavalia brasiliensis).
3. T3: Gramínea + Leguminosa herbáceas + Leguminosa arbustiva (Leucaena diversifolia).
 Mediciones componente ambiental: GEI, almacenamiento de C, macrofauna, físico-química y tasas de nitrificación.

0
100
200
300
400
500
600
0 38 71 116 148 184 207 235 267 331 361
Pesos(kg)
Días
Ganancia de Peso
Cayman Cayman + Canavalia Cayman + Canavalia + Leucaena
Resultados
Modelo Cayman

0
100
200
300
400
0 38 71 116 148 184 207 235 267 331 361
Pesos(Kg)
Días
Ganancia de Peso
Toledo Toledo + Canavalia Toledo+Canavalia+Leucaena
Modelo Toledo

0
100
200
300
400
500
600
700
800
Cayman
Cayman+
Canavalia
Cayman+
Canavalia+
Leucaena
Toledo
Toledo+
Canavalia
Toledo+
Canavalia+
Leucaena
g/animál/día
Ganancia diaria de peso

0
100
200
300
400
500
600
700
800
Cayman Cayman + Canavalia Cayman + Canavalia +
Leucaena
(T1) Toledo (T2) Toledo + Canavalia (T3) Toledo + Canavalia +
Leucaena
Kg/ha/año
Productividad animal

Actividades 2016: Medir emisiones de GEI, productividad (ganancia de peso), calidad nutricional de los forrajes
Diferentes niveles de intensificación: 1)Pasturas naturalizadas; 2)Pasturas mejoradas y 3)Pasturas mejoradas con leguminosas
LivestockPlus

45
B. híbrido cv. Cayman + Leucaena
Decumbens + Stylosantes
B. humidicola + A. pintoi
B. híbrido cv. Cayman
B. decumbens
B. humidicola
B. brizantha cv. Marandú

SSP

Gracias por su
atención….

PROGRAMA
HORA TEMA RESPONSABLE
Moderadora Catalina Trujillo
8:30 – 8:35 Agenda Catalina Trujillo
8:35 - 8:45 Bienvenida, (CIAT- LivestockPlus) Joe Tohme (Director de investigaciones)
9:00 - 9:10 Presentación participantes
9:10 - 9:30 NDC (Mundial , Colombia), Ganadería: emisiones de GHG y NAMA Jacobo Arango
9:30 - 9:40 Ensayo silvopastoril CIAT HQ Jhon Freddy Gutierrez
9:40 – 10:10 Foto y Refrigerio
10:10 – 11:30 Visita campo y politúnel Mauricio Sotelo y Xiomara Gaviria
11:30 – 12:00 Visita Laboratorio nutrición animal y laboratorio GEI
Jhoanna Mazabel / Catalina Trujillo
12:00 - 1:00 Almuerzo
1:00 - 1:30 Por qué necesitamos modelos y por qué deben ser validados? Ngoni Chirinda
1:30 - 2:00 Introducción al modelo Ruminant (variables de entradas y salidas) NINO Laura Serna
2:00 – 3:00 Presentación de resultados Alejandro Ruden
3:00 – 3:30 Utilización de RUMINANT para calculo de inventario nacional de GEI Felipe Torres (IDEAM)
3:00 – 3:30 Refrigerio
3:30 - 4:30 Conclusiones, Ronda de discusión y preguntas Jacobo Arango
4:30 – 4:45 Cierre Jacobo Arango

Validation of RUMINANT model towards accurate
estimations of enteric methane emissions under
tropical conditions to support Colombian NDC
CIAT
26-07-2017

POR QUÉ NECESITAMOS MODELOS Y
POR QUÉ NECESITAMOS VALIDARLOS?
NgonidzasheChirinda

Modelos Científicos
• Representación de un proceso o un sistema
• Son claves para la investigación y la explicación del mundo
• Permiten obtener respuestas con insumos y costos limitados

Tipos de Modelos Científicos
• Derivado de datos experimentales o del pensamiento de un proceso
• Dato experimental (Empiríco): Derivado primariamente de las
emisiones observadas de metano como una función de calidad
alimenticia, DMI, etc.
• Pensamiento del proceso (Mecanístico/Basado en procesos):
Construido sobre la comprensión actual de los procesos subyacentes
de la producción de metano

Ejemplos de modelos empíricos
Modelo de Moe y Tyrrell (USA)
Metano (MJ/d) = 3.41 + 0.51 (Carbohidratos sin fibra) + 1.74 (Hemicelulosa) +
2.65 (Celulosa)
Carbohidratos sin fibra = 100 – (CP + fat + ash + NDF)
Shibata y Terada (Japan)
CH4(L d-1) = -17,766 + 42,993 (DMI)-0,849 (DMI2)

Ruminant

Modelos vs Mediciones de campo
Mediciones de campo Modelos Mecanísticos
Método tradicional para cuantificar CH4 Usa ecuaciones matemáticas para estimar CH4
Alto costo de operación Bajo costo de operación
Difícilmente escalables Fácilmente escalables
Alto costo y demanda de mano de obra para
evaluar opciones de mitigación
Bajo costo y demanda de mano de obra para
evaluar opciones de mitigación
Son los modelos mecanísticos como RUMINANT capaces de simular
adecuadamente las emisiones de metano entérico?

Esquema de Exactitud vs Precisión
Caso 1: Modelo impreciso e inexacto
Caso 2: Modelo inexacto y preciso
Caso 3: Modelo exacto e impreciso
Caso 4: Modelo exacto y preciso

Comparación entre Exactitud y Precisión
Caso 1: Modelo impreciso e inexacto
Caso 2: Modelo inexacto y preciso
Caso 3: Modelo exacto e impreciso
Caso 4: Modelo exacto y preciso

Objetivos específicos
1. Validar la capacidad del modelo RUMINANT para simular emisiones
de CH4 entérico para Ganado bajo las condiciones de Colombia.
2. Evaluar la capacidad del modelo RUMINANT para diferenciar las
emisiones de CH4 asociadas con seis dietas diferentes.
3. Evaluar la posibilidad de ajustar parámetros en el modelo
RUMINANT para mejorar su idoneidad bajo condiciones tropicales.

Podremos alcanzar estos
Objetivos???

Gracias!
Ngonidzashe Chirinda:n.chirinda@cigar.org

HORA TEMA RESPONSABLE
Moderadora Catalina Trujillo
8:30 – 8:35 Agenda Catalina Trujillo
8:35 - 8:45 Bienvenida, (CIAT- LivestockPlus) Joe Tohme (Director de investigaciones)
9:00 - 9:10 Presentación participantes
9:10 - 9:30 NDC (Mundial , Colombia), Ganadería: emisiones de GHG y NAMA Jacobo Arango
9:30 - 9:40 Ensayo silvopastoril CIAT HQ Jhon Freddy Gutierrez
9:40 – 10:10 Foto y Refrigerio
10:10 – 11:30 Visita campo y politúnel Mauricio Sotelo y Xiomara Gaviria
11:30 – 12:00 Visita Laboratorio nutrición animal y laboratorio GEI
Jhoanna Mazabel / Catalina Trujillo
12:00 - 1:00 Almuerzo
1:00 - 1:30 Por qué necesitamos modelos y por qué deben ser validados? Ngoni Chirinda
1:30 - 2:00 Introducción al modelo Ruminant (variables de entradas y salidas) NINO Laura Serna
2:00 – 3:00 Presentación de resultados Alejandro Ruden
3:00 – 3:30 Utilización de RUMINANT para calculo de inventario nacional de GEI Felipe Torres (IDEAM)
3:00 – 3:30 Refrigerio
3:30 - 4:30 Conclusiones, Ronda de discusión y preguntas Jacobo Arango
4:30 – 4:45 Cierre Jacobo Arango

Modelo Ruminant
CIAT
26 Julio 2017

Sistema digestivo ruminal

Factores que influyen en la producción de metano
• Consumo (Características de la dieta)
• Adición de lípidos
• Tipo de carbohidrato en la dieta
• Procesamiento de los forrajes ( Ensilado, peletizado, picado)

Ceniza
5 - 10%
Grasa
1-3%
Proteina
Fracción
A
Fracción
B
Carbohidratos
Fracción
A
Fracción
B
5 – 23%
NNP
50 – 60%
9 - 12 %
Composición de los alimentos

Que es Ruminant
• El modelo se deriva de trabajos de los autores Illius y Gordon (1991) (predecir consumo)
• AFRC (1993)
• Modelo dinámico
Consumo
Aporte nutrientes
Alimentos Animal
Necesidades de nutrientes
NRC
AFRC
Producción de metano, excreción de orina

Entradas del modelo
Animal Forraje Sistema
Especie Fibra detergente Neutra (FDN) Modalidad
Peso actual Proteina cruda (CP) Sistema de alimentación
Ganancia de peso potencial Cenizas
Producción de leche potencial Grasa
Sexo Fracciones A y B CHO - Proteina
Tasas de degradación
DMI

Calculos alimentos
ACHO : 100 - ( CP + NDF + EE+ Ash) Rate ACHO: 0.3 Constante
BCHO: Dig Ms Rate BCHO: 0.03 – 0.065
ACP : 0.5 Constante Rate ACP: 0.15 Constante (Rate ACHO/2)
BCP : 0.3 Constante Rate BCP: Doble Rate BCHO

Fibra neutro
detergente
Proteina
Cruda
Grasa
CenizasCarbohidratos
solubles
Datos del forraje

Datos animal

Datos animal
Alimentación

Salidas del modelo

Salidas del modelo

NINO
Agricultural Synergies:
La Intensificación Sostenible del Sector
Ganadero Colombiano
• Tener una línea base de sistemas productivos y de opciones
para aumentar producción al tiempo que se conservan zonas
naturales y se disminuyen las emisiones de GEIs.

Abordaje Metodológico TécnicoAbordaje metodológico
Análisis
clúster
• Selección de sistemas y nivel de producción
• Determinó alimentación – disponibilidad en el año
• Caracterización bromatológica de los alimentos
Grupo focal
• Compilación de coeficientes técnicos
• Identificación y priorización de tecnologías aplicables para los sistemas
• Hatos : estructura predominante (edad, sexo)
• Indicadores económicos
Modelaje
• Integración de parámetros técnicos, económicos
• Modelación animal (Ruminant – Herrero 2011)
• Estimación desempeño bio-económico (Virtual Herd – Solano 2014)
•N urinario
•Metano
•GDP estimada
•Kg/Leche
estimada
•Productos
•Dinámica de hatos
•Flujos de caja

Comparación línea
base con escenarios
de mejoramiento que
aumentan
productividad y
liberan áreas
Ejemplo: Doble
propósito /
Caribe seco
Parámetros LB
PM con liberación
del 15%
SSPi con liberación
del 15%
Numero animales 96.00 139.00 168.00
Numero unidad Animal 58.00 104.00 156.00
peso vivo Total (Kgs) 26,100.00 46,800.00 70,200.00
Eficiencia de la emisión
Total CO2eq (Kgs) 129,058.24 172,112.23 213,582.28
kgs CO2eq / Kg Beef 49.89 34.70 30.90
kgs CO2eq / Kg Milk 5.37 2.92 2.32
Kgs CO2eq / $ Income 8.94 5.13 4.05
Kgs CO2eq / Animal 1,344.36 1,238.22 1,271.32
Kgs CO2eq / Unidad animal 2,225.14 1,654.93 1,369.12
Financiero
Profit ( % ) 13.47 37.40 75.18
Salidas

Parámetros LB PM con liberación del 15% SSPi con liberación del 15%
Uso de la tierra
Total Pasture Land ( Ha ) 54.71 46.52 46.52
Total Land ( Ha ) 59.71 59.71 59.71
Liberated Area (Ha) 0.00 8.19 8.19
Producción / hectárea
Kgs Milk / Ha 439.92 1,267.58 1,979.62
Kgs Beef / Ha 47.37 106.62 148.58
Stocking Rate (AU / Ha) 1.06 2.24 3.35
parámetros
Producción leche/ dia ( Kgs ) (VH) 3.00 4.50 5.50
Ganancia peso H( gr ) (VH) 320.00 460.00 590.00
Ganancia peso M( gr ) (VH) 305.00 440.00 560.00
producción total
Total Milk ( Kgs ) 24,024.00 58,968.00 92,092.00
Total Beef ( Kgs ) 2,587.00 4,960.00 6,912.00
Salidas
Comparación línea
base con escenarios
de mejoramiento que
aumentan
productividad y
liberan áreas
Ejemplo: Doble
propósito /
Caribe seco

NAMA
BL BAU NAMA
Animales (millones /cabezas)
23.9 27.1 24.6
Área Pasturas (millones/ ha)
33.8
36.5 27.6
Carne (millones kg) 1,726 1,945 2,165
Leche (millones kg) 4,932 5,801 6,454
Proteína Cárnica (millones kg) 189.5 213.7
237.7
Proteína Leche (millones kg) 162.7 191.4 213
Proteína Total (millones kg) 352 405.1
450.1
Emisiones millones CO2 eq 39,762 45,495 41,491
Intensidad Proteína Bovina CO2eq
112
113
92.05
CG/Ha
0.71
0.74 0.89
NAMA

• Consumos bajos ( no permite modelar)
• Datos que no ejercen ninguna función en el modelo
• No considera FAN
Desafios del modelo

Gracias por la participación!
Laura Serna: l.p.serna@cgiar.org

PROGRAMA
HORA TEMA RESPONSABLE
Moderadora Catalina Trujillo
8:30 – 8:35 Agenda Catalina Trujillo
8:35 - 8:45 Bienvenida, (CIAT- LivestockPlus) Joe Tohme (Director de investigaciones)
9:00 - 9:10 Presentación participantes
9:10 - 9:30 NDC (Mundial , Colombia), Ganadería: emisiones de GHG y NAMA Jacobo Arango
9:30 - 9:40 Ensayo silvopastoril CIAT HQ Jhon Freddy Gutierrez
9:40 – 10:10 Foto y Refrigerio
10:10 – 11:30 Visita campo y politúnel Mauricio Sotelo y Xiomara Gaviria
11:30 – 12:00 Visita Laboratorio nutrición animal y laboratorio GEI
Jhoanna Mazabel / Catalina Trujillo
12:00 - 1:00 Almuerzo
1:00 - 1:30 Por qué necesitamos modelos y por qué deben ser validados? Ngoni Chirinda
1:30 - 2:00 Introducción al modelo Ruminant (variables de entradas y salidas) NINO Laura Serna
2:00 – 3:00 Presentación de resultados Alejandro Ruden
3:00 – 3:30 Utilización de RUMINANT para calculo de inventario nacional de GEI Felipe Torres (IDEAM)
3:00 – 3:30 Refrigerio
3:30 - 4:30 Conclusiones, Ronda de discusión y preguntas Jacobo Arango
4:30 – 4:45 Cierre Jacobo Arango

Validación del modelo RUMINANT
Resultados
CIAT
26-07-2017

Entradas al modelo Ruminant

Entrada Efecto sobre
el metano
Significancia
Peso vivo + ***
Fibra detergente neutra (FDN) - ***
Proteína cruda (CP) + ***
Fracción A de los carbohidratos (ACHO) - **
Tasa ACHO NUL
Fracción B de los carbohidratos (BCHO) + ***
Tasa BCHO +
Fracción A de las proteínas (ACP) NUL
Tasa ACP NUL .
Fracción B de las proteínas (BCP) NUL .
Tasa BCP +
Cenizas - *
Grasas - *
Prueba de sensibilidad del metano en el modelo Ruminant
n= 256
0
2
4
6
8
10
12
0 2 4 6 8 10 12
Metano
Nutrimento
Efecto positivo
0
2
4
6
8
10
12
0 2 4 6 8 10 12
Metano
Nutrimento
Efecto negativo

Cayman (Brachiaria híbrido cv. CIAT BR 02/1752)
Leucaena (Leucaena diversifolia y L. leucocephala)
Toledo (Brachiaria brizantha CIAT 26110)
Canavalia (Canavalia brasiliensis)
Dieta Forraje Abrev PC% FDN% Grasa% Ceniza%
BCHO
(%)
ACHO
(%)
1 Cayman + L. leucocephala (70:30) CyLl 10.96 62.45 3.78 11.88 0.61 10.91
2 Cayman + L. diversifolia (70:30) CyLd 14.65 56.80 3.46 12.54 0.60 12.53
3 Cayman Cy 8.33 68.22 2.51 12.14 0.61 8.8
4
Toledo + L. diversifolia + Canavalia
(70:15:15) TLdCa 10.78 66.47 2.92 9.61 0.61 10.20
5 Heno Angleton H 6.23 61.26 3.5 20.31 0.47 8.7
6 Toledo T 6.46 69.16 2.51 10.47 0.64 11.4
7 Estrella + Kudzú (70:30) EK 11.21 72.87 2.97 9.56 0.58 3.38
Composición nutricional de las dietas suministradas
Heno Angleton (Dichanthium aristatum)
Estrella (Cynodon plectostachius)
Kudzú (Pueraria phaseoloides)

Ingreso de datos al modelo Ruminant
Abstracción de
información
biológica en
forma
numérica

Cuantificación de emisiones en politúnel e in vitro
• Revisión veterinaria
• Desparasitación
• Acostumbramiento a
dietas y politúnel
• Medición de consumo

Tratamiento
CyLl CyLd Cy TLdCa H T EK
metano(LCH4/animal/dia)
0
50
100
150
200
250
FE
TIER 2
IPCC
123 L/d/cabeza
Ganado vacuno
no lechero
Emisiones de metano observadas en politúnel
EK: Estrella + Kudzú
Cy: Cayman
CyLd: Cayman + Leucaena diversifolia
T: Toledo
TLdCa: Toledo + Leucaena diversifolia +
Canavalia
CyLl: Cayman Leucaena leucocephala
H: Heno Angleton

Tratamiento
CyLd Cy T EK H
metano(LCH4/animal/dia)
0
100
200
300
400
500
600
FE
TIER 2
IPCC
123 L/d/cabeza
Ganado vacuno
no lechero
Emisiones de metano in vitro
EK: Estrella + Kudzú
Cy: Cayman
CyLd: Cayman + Leucaena diversifolia
T: Toledo
H: Heno Angleton

Tratamiento
CyLd CyLl TLdCa Cy T EK
metano(LCH4/animal/dia)
0
50
100
150
200
FE
TIER 2
IPCC
123 L/d/cabeza
Ganado vacuno
no lechero
Emisiones de metano simuladas en el modelo
Aporte de variabilidad
EK: Estrella + Kudzú
Cy: Cayman
CyLd: Cayman + Leucaena diversifolia
T: Toledo
TLdCa: Toledo + Leucaena diversifolia +
Canavalia
CyLl: Cayman Leucaena leucocephala

Metano simulado vs. Observado en politúnel
EK: Estrella + Kudzú
Cy: Cayman
CyLd: Cayman + Leucaena diversifolia
T: Toledo
TLdCa: Toledo + Leucaena diversifolia +
Canavalia
CyLl: Cayman Leucaena leucocephala
Tratamiento
EK1
EK2
EK3
EK4
C
y1
C
y2
C
y3
C
y4C
yLd1C
yLd2C
yLd3C
yLd4
T1
T2
T3
T4
TLdC
a1
TLdC
a2
TLdC
a3C
yLl1C
yLl2C
yLl3
Metano(LCH4/animal/dia)
0
50
100
150
200
250
Simulado
Observado

Dispersión de los valores de metano observados en
politúnel y simulados
Simulado
0 50 100 150 200 250
Observado
0
50
100
150
200
250
Metano (L/día/animal)
R2 = 0,7
CyLl
CyLdCy
TLdCa
T
EK
H: Heno Angleton
TLdCa: Toledo + Leucaena diversifolia +
Canavalia
Cy: Cayman
CyLl: Cayman Leucaena leucocephala
EK: Estrella + Kudzú
T: Toledo
CyLd: Cayman + Leucaena diversifolia

Ruminant (L CH4/animal/dia)
0 100 200 300 400 500
Invitro(LCH4/animal/dia)
0
100
200
300
400
500
Dispersión de los valores de metano observados in vitro y
simulados
Metano (L/día/animal)
R2 = 0,92
CyLd
H
Cy
T
EK
Metano in vitro =
2.473(V simulado) + 20.815
H: Heno Angleton
TLdCa: Toledo + Leucaena diversifolia +
Canavalia
Cy: Cayman
CyLl: Cayman Leucaena leucocephala
EK: Estrella + Kudzú
T: Toledo
CyLd: Cayman + Leucaena diversifolia

V observado = 0,87 ∗ V simulado + 61,96
𝑅2 = 0,7
Análisis de regresión lineal
Pendiente Intercepto en 0
Exactitud?

Caso 1: Modelo impreciso e inexacto
Caso 2: Modelo inexacto y preciso
Caso 3: Modelo exacto e impreciso
Caso 4: Modelo exacto y preciso
Diana representa valor de Y
Esquema de exactitud versus precisión

Caso 1: Modelo impreciso e inexacto
Caso 2: Modelo inexacto y preciso
Caso 3: Modelo exacto e impreciso
Caso 4: Modelo exacto y preciso
Línea punteada representa valor de Y
Comparación entre exactitud y precisión

• Indicador más antiguo y usado para evaluar la exactitud de modelos
• Diferencia media entre los valores observados y simulados por el modelo
• Menor MB significa una menor dispersion de los datos
𝑀𝐵 =
𝑖=1
𝑛
(𝑌𝑖 − 𝑓 𝑋1, … , 𝑋 𝑝)𝑖
𝑛
𝑀𝐵 = 48,1
Mean Bias

Proporción de la varianza explicada por la línea Y=f(X1,…,Xp)
En una relación perfecta, este valor es igual a 1
La EM es un buen indicador de ajuste del modelo
(Mayer y Butler, 1993)
𝑀𝐸𝐹 = 0,7
Eficiencia del modelo

• Indicador mas común y confiable de la exactitud de un modelo
• Precision de la regresión lineal por medio de la diferencia
entre los valores observados (Yi) y los valores simulados
(Bibby y Toutenburg, 1977)
𝐸𝐶𝑀𝑃 =
𝑖=1
𝑛
(𝑌𝑖 − 𝑓(𝑋1, … , 𝑋 𝑝)𝑖)2
𝑛
𝐸𝐶𝑀𝑃 = 1,2
Error cuadrático medio de la predicción

• Destacable precisión en la predicción de emisiones de
metano observadas en politúnel
• Alta precisión en la predicción de emisiones de metano in
vitro
• Exactitud media en la predicción de las emisiones de
metano
Evaluación del modelo

• Relación directa con consumo
• Altos volúmenes consumidos inducen mayor emisión de
metano
• Mayor capacidad ruminal alberga mayor cantidad de
microorganismos
• Sistema digestivo maduro induce masticación y salivación
Peso vivo

• Relación indirecta con emisión de metano
• Alimentos fibrosos abastecen la capacidad del rumen de manera rápida
• Consumo limitado restringe la cantidad de alimento disponible para
microorganismos metanogénicos (Zhang et al., 2007)
• Lignina limita el acceso de las bacterias a zonas degradables de la fibra
(Bauchop y Eldsen, 1960)
Fibra detergente neutra
En el modelo Ruminant

• Relación directa con emisión de metano
• Mayor proporción de nitrógeno total disponible
• La proteína cruda es un sustrato de gran importancia
para el metabolismo de la flora ruminal (Hart et al.,2009)
Proteína cruda
En el modelo Ruminant

Fibra detergente neutra
Proteína cruda
Metano
Animal Fibra
250 Kg 70 %
250 Kg 40%
Metano
diario
Ganancia
de peso
186 L 260 g
271 L 800 g
Peso
maduro
Días a
sacrificio
450 Kg 769
450 Kg 250
Metano total
143.034 L 102,4 Kg
67.750 L 48,5 Kg
Ejemplo dado por Ruminant Carbono
intensidad
(Kg CH4/Kg
PV)
0,51
0,24

• Reducción de la relación acetato:propionato ≈ disminuye el
metanoato (Palmquist y Jenkins 1980; Jenkins, 1993)
• El único lípido fermentado en rumen es el Glicerol (Hungate,
1966)
• Grasa, barrera física de otros nutrimentos (Johnson y Johnson,
1995)
Grasa
En el modelo Ruminant

• Una mayor proporción de cenizas en la dieta, induce menor
producción de metano
• Reducen la disponibilidad de la materia orgánica a los
microorganismos
• Materia inorgánica: efecto de llenado físico del rumen,
reduce consumo
Cenizas
En el modelo Ruminant

• Relación directa entre la BCHO y la emisión de metano
• Carbohidratos no solubles permanecen periodos
prolongados disponibles a los microorganismos ruminales
(Nsahlai y Apaloo, 2007)
• Periodo de masticación más prolongado y una mayor
generación saliva. Efecto búfer
Fracción B de los carbohidratos
En el modelo Ruminant

• Relación indirecta con la emisión de metano
• Aumenta tasa de paso ≈ absorción intestinal (Kahn y Spedding, 1984)
• Disminuye pH ruminal ≈ inhibición de flora
• pH < 6 disminuye la relación (acetato + butirato): propionato;
relación promotora de metanogénesis (Johnson y Johnson, 1995)
Fracción A de los carbohidratos
En el modelo Ruminant

H: Heno Angleton
TLdCa: Toledo + Leucaena diversifolia +
Canavalia
Cy: Cayman
CyLl: Cayman Leucaena leucocephala
EK: Estrella + Kudzú
T: Toledo
CyLd: Cayman + Leucaena diversifolia
Metano emitido por Kg de MS consumida
41.9
33.1 31.3
27.2 27.1 25.5
21.0
0.0
10.0
20.0
30.0
40.0
50.0
60.0
H TLdCa Cy CyLl EK T CyLd
Metano(g/KgMSingerida)
Dietas

CyLd: Cayman + Leucaena diversifolia
Cy: Cayman
T: Toledo
EK: Estrella + Kudzú
H: Heno Angleton
Metano emitido observado y metano in vitro
193.6 174.9
123 93.24
128
448
293
241
172 147
0
100
200
300
400
500
600
CyLd Cy T EK H
Metano(L/día/animal)
Dietas
Metano observado (L/día/animal)
Metano in vitro (L/día/animal)

Gracias!
Alejandro Ruden: d.ruden@cgiar.org

Contenido
HORA TEMA RESPONSABLE
Moderadora Catalina Trujillo
8:30 – 8:35 Agenda Catalina Trujillo
8:35 - 8:45 Bienvenida, (CIAT- LivestockPlus) Joe Tohme (Director de investigaciones)
9:00 - 9:10 Presentación participantes
9:10 - 9:30 NDC (Mundial , Colombia), Ganadería: emisiones de GHG y NAMA Jacobo Arango
9:30 - 9:40 Ensayo silvopastoril CIAT HQ Jhon Freddy Gutierrez
9:40 – 10:10 Foto y Refrigerio
10:10 – 11:30 Visita campo y politunel Mauricio Sotelo y Xiomara Gaviria
11:30 – 12:00 Visita Laboratorio nutrición animal y laboratorio GEI
Jhoanna Mazabel / Catalina Trujillo
12:00 - 1:00 Almuerzo
1:00 - 1:30 Por qué necesitamos modelos y por que deben ser validados? Ngoni Chirinda
1:30 - 2:00 Introducción al modelo Ruminant (variables de entradas y salidas) NINO Laura Serna
2:00 – 3:00 Presentación de resultados
Alejandro Ruden
3:00 – 3:30 Utilización de RUMINANT para calculo de inventario nacional de GEI Felipe Torres (IDEAM)
3:00 – 3:30 Refrigerio
3:30 - 4:30 Conclusiones, Ronda de discusión y preguntas Jacobo Arango
4:30 – 4:45 Cierre Jacobo Arango

¿Cómo servirían estos resultados para NDC, NAMA, MRV?
Proceso de validación fincas piloto:
Identificación de opciones de mitigación
P.e.: Probar 50 dietas con RUMINANT y escoger 5 y
verificarlas en campo con mediciones)
• Llanos orientales (Ceba – Cría)
• Altiplano (Leche especializada)
• Antioquia, Eje cafetero (Doble propósito –
Leche Especializada)

¿Cómo servirían estos resultados para inventarios?
Inventarios:
Generación de FE locales (Tier 3)
Proceso de validación:
• Llanos orientales (Ceba – Cría)
• Altiplano (Leche especializada)
• Antioquia, Eje cafetero (Doble propósito –
Leche Especializada)

 Este proyecto permitió validar el modelo RUMINANT para emisiones de metano de ganadería de trópico bajo (Valle del Cauca) a través
de la verificación de siete diferentes dietas en novillos de engorde.
 El modelo utiliza información sobre el consumo de alimentos para estimar la producción de leche y carne, estiércol, excreción de
nitrógeno, y las emisiones de metano.
 Es un método “Tier 3” que permite estimar emisiones por fermentación entérica en la clasificación del IPCC, según los resultados
obtenidos puede servir de apoyo a la implementación del NDC de Colombia y mejorar los cálculos de los inventarios nacionales de GHG,
además de identificar acciones apropiadas de mitigación (NAMA).
 El análisis de sensibilidad del modelo RUMINANT, permitió identificar los factores mas importantes (Peso vivo, NDF, proteína, ACHO,
BCHO, cenizas y grasas) que determinan las emisiones de metano, de los cuales se debe tener información precisa para alimentar el
modelo.
 Se encontró un alta correlación entre los datos observados (Polytunel) y los estimados por RUMINANT (R2=0,7).
 Se encontró una alta correlación entre los datos observados in vitro y los estimados por RUMINANT (R2=0,9).
Conclusiones

 La comparación RUMINANT vs. mediciones in vivo arrojó un factor de corrección de 1,4 (media de cocientes). Para aplicar este factor de
corrección a escala nacional se sugiere replicar este experimento en otras eco-regiones (identificadas en el NINO), otras dietas, otros
animales y otros forrajes.
 RUMINANT se postula como una herramienta útil para predecir el poder de mitigación de diferentes dietas (NAMA).
 Según los datos presentados, la dieta es un factor crucial en las emisiones de metano. En este sentido resulta crucial tener una base de
datos centralizada y de libre acceso de los valores nutricionales de las principales dietas (forrajes y suplementos) presentes en el país
(e.g. Alimentro).
 Una vez implementada la NAMA ganadera, RUMINANT se podría utilizar como soporte en un sistema de MRV,
 Con posteriores validaciones, Ruminant sería una herramienta útil para generar los inventarios de GEI a nivel país.
Conclusiones