OLE! Modelo lechero

Descripción y evaluación de los componentes biofísicos de un modelo de simulación de granja completa para sistemas lecheros de base pastoril

Autores/as

DOI:

https://doi.org/10.31285/AGRO.28.1202

Palabras clave:

análisis estadístico, calibración, modelo, pastoreo, producción de leche

Resumen

El proceso de intensificación del sector lechero se ha caracterizado en las últimas décadas por el aumento de la producción por hectárea, el aumento de la carga animal, la inclusión de más concentrados en la dieta y la mejora del mérito genético de las vacas. El uso de modelos tiene ventajas productivas, ambientales y económicas. Los objetivos del estudio fueron describir un nuevo modelo, “OLE! Modelo lechero”, para (a) simular el desempeño biofísico del sistema de producción lechero basado en pastos; (b) evaluar la capacidad predictiva del modelo con un conjunto de parámetros estadísticos, comparando sus resultados con el desempeño biofísico de un estudio experimental, y (c) calibrar ajustando el coeficiente técnico. El diseño experimental combina dos estrategias de alimentación con diferente proporción de pasto en la dieta y dos genotipos animales. Realizamos una descripción del componente biofísico y los cálculos propuestos en el “OLE! Modelo lechero”. Luego se calculó una variedad de parámetros para la prueba del modelo, incluido el cuadrado medio del error, el error de predicción relativo, la raíz cuadrada del cuadrado medio del error, el coeficiente de correlación de concordancia y la eficiencia del modelo. El modelo presentó una buena capacidad predictiva para la carga animal y el consumo de concentrado, pasto y reserva. La capacidad predictiva del modelo para la producción individual y por área mejora luego de realizar una rápida calibración, lo que permite evitar sobreestimaciones o subestimaciones que generen mediciones erróneas en la planificación y la gestión de los sistemas de producción de leche, y puede ajustarse a diferentes condiciones de producción de la región.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias bibliográficas

Baudracco J, Lopez-Villalobos N, Holmes CW, Comeron EA, Macdonald KA, Barry TN. e-Dairy: a dynamic and stochastic whole-farm model that predicts biophysical and economic performance of grazing dairy systems. Animal. 2013;7(5):870-8. Doi: 10.1017/S1751731112002376. DOI: https://doi.org/10.1017/S1751731112002376

Castillo A, Melo OE, Boetto GC. Cálculo de requerimientos energéticos y proteicos del ganado bovino lechero. Córdoba: Eudecor, 1998. 104p.

Conrad HR. Symposium on factors influencing the voluntary intake of herbage by ruminants: physiological and physical factors limiting feed intake. J Anim Sci. 1966;25(1):227-35. Doi: 10.2527/jas1966.251227x. DOI: https://doi.org/10.2527/jas1966.251227x

Delagarde R, Valk H, Mayne CS, Rook AJ, González-Rodríguez A, Baratte C, Faverdin, P, Peyraud JL. GrazeIn: a model of herbage intake and milk production for grazing dairy cows: 3. Simulations and external validation of the model. Grass Forage Sci. 2011;66:61-77. Doi: 10.1111/j.1365-2494.2010.00769.x. DOI: https://doi.org/10.1111/j.1365-2494.2010.00769.x

Fariña SR, Baudracco J, Bargo F. Dairy Production in Diverse Regions: Latin America. In: McSweeney PLH, McNamara JP, editors. Encyclopedia of Dairy Sciences. 3rd ed. Amsterdam: Elsevier; 2022. p. 244-52. DOI: https://doi.org/10.1016/B978-0-12-818766-1.00052-0

Fariña SR, Chilibroste P. Opportunities and challenges for the growth of milk production from pasture: the case of farm systems in Uruguay. Agric Syst. 2019;176:102631. Doi: 10.1016/j.agsy.2019.05.001. DOI: https://doi.org/10.1016/j.agsy.2019.05.001

Fuentes-Pila J, DeLorenzo MA, Beede DK, Staples CR, Holter JB. Evaluation of equations based on animal factors to predict intake of lactating Holstein cows. J Dairy Sci. 1996;79(9):1562-71. Doi: 10.3168/jds.S0022-0302(96)76518-9. DOI: https://doi.org/10.3168/jds.S0022-0302(96)76518-9

Jones JW, Antle JM, Basso B, Boote KJ, Conant RT, Foster I, Godfray HCJ, Herrero M, Howitt RE, Janssen S, Keating BA, Munoz-Carpena R, Porter CH, Rosenzweig C, Wheeler TR. Brief history of agricultural systems modeling. Agric Syst. 2017;155:240-54. Doi: 10.1016/j.agsy.2016.05.014. DOI: https://doi.org/10.1016/j.agsy.2016.05.014

Keating BA. Crop, soil and farm systems models – science, engineering or snake oil revisited. Agric Syst. 2020;184:102903. Doi: 10.1016/j.agsy.2020.102903. DOI: https://doi.org/10.1016/j.agsy.2020.102903

Kebreab E, Reed KF, Cabrera VE, Vadas PA, Thoma G, Tricarico JM. A new modeling environment for integrated dairy system management. Anim Front. 2019;9(2):25-32. Doi: 10.1093/af/vfz004. DOI: https://doi.org/10.1093/af/vfz004

Lazzarini B, Baudracco J, Tuñon G, Gastaldi L, Lyons N, Quattrochi H, Lopez-Villalobos N. Milk production from dairy cows in Argentina: current state and perspectives for the future. Appl Anim Sci. 2019;35(4):426-32. DOI: https://doi.org/10.15232/aas.2019-01842

Lin LI. A concordance correlation coefficient to evaluate reproducibility. Biometrics. 1989;45(1):255-68. DOI: https://doi.org/10.2307/2532051

Moriasi DN, Arnold JG, Liew MW van, Bingner RL, Harmel RD, Veith TL. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Trans ASABE. 2007;50:885-900. DOI: https://doi.org/10.13031/2013.23153

Oenema O, De Klein C, Alfaro M. Does intensification of grassland and forage use lead to efficient, profitable and sustainable ecosystems? In: Proceedings of the 22nd International Grassland Congress [Internet]. 2013 [cited 2024 Feb 26]. Available from: https://uknowledge.uky.edu/cgi/viewcontent.cgi?article=1056&context=igc

Peyraud J, Comeron E, Wade M, Lemaire G. The effect of daily herbage allowance, herbage mass and animal factors upon herbage intake by grazing dairy cows. Ann Zootech. 1996;45:201-17. DOI: https://doi.org/10.1051/animres:19960301

R Core Team. A Language and Environment for Statistical Computing [Internet]. Version 4.2.3. Vienna: R Foundation for Statistical Computing; 2020 [cited 2024 Feb 26]. Available from: https://www.r-project.org/

R Core Team. Concordance Correlation Coefficient [Internet]. 2022 [cited 2024 Feb 26]. Available from: https://search.r-project.org/CRAN/refmans/DescTools/html/CCC.html

Roche JR, Berry DP, Bryant AM, Burke CR, Butler ST, Dillon PG, Donaghy DJ, Horan B, Macdonald KA, Macmillan KL. A 100-year review: a century of change in temperate grazing dairy systems. J Dairy Sci. 2017;100(12):10189-233. Doi: 10.3168/jds.2017-13182. DOI: https://doi.org/10.3168/jds.2017-13182

Shah MA, Murphy MR. Development and evaluation of models to predict the feed intake of dairy cows in early lactation. J Dairy Sci. 2006;89(1):294-306. Doi: 10.3168/jds.S0022-0302(06)72094-X. DOI: https://doi.org/10.3168/jds.S0022-0302(06)72094-X

Stirling S, Delaby L, Mendoza A, Fariña S. Intensification strategies for temperate hot-summer grazing dairy systems in South America: Effects of feeding strategy and cow genotype. J Dairy Sci. 2021;104(12):12647-63. Doi: 10.3168/jds.2021-20507. DOI: https://doi.org/10.3168/jds.2021-20507

Stirling S, Fariña S, Pacheco D, Vibart R. Whole-farm modelling of grazing dairy systems in Uruguay. Agric Syst. 2021;193:103227. Doi: 10.1016/j.agsy.2021.103227. DOI: https://doi.org/10.1016/j.agsy.2021.103227

Tedeschi LO. Assessment of the adequacy of mathematical models. Agric Syst. 2006;89:225-47. Doi: 10.1016/j.agsy.2005.11.004. DOI: https://doi.org/10.1016/j.agsy.2005.11.004

Vazquez OP, Smith TR. Factors affecting pasture intake and total dry matter intake in grazing dairy cows. J Dairy Sci. 2000;83(10):2301-9. Doi: 10.3168/jds.S0022-0302(00)75117-4. DOI: https://doi.org/10.3168/jds.S0022-0302(00)75117-4

Yang JM, Yang JY, Liu S, Hoogenboom G. An evaluation of the statistical methods for testing the performance of crop models with observed data. Agric Syst. 2014;127:81-9. Doi: 10.1016/j.agsy.2014.01.008. DOI: https://doi.org/10.1016/j.agsy.2014.01.008

Zalapa AR. Propuesta del cálculo de las necesidades nutritivas de las vacas lecheras por regresión lineal. Engormix [Internet]. 2015 Feb 11 [cited 2024 Feb 26]. Available from: https://www.engormix.com/lecheria/nutricion-vacas-alta-produccion/propuesta-calculo-necesidades-nutritivas_a31918/

Descargas

Publicado

2024-05-23

Cómo citar

1.
Llanos E, Candioti F, Stirling S, Cajarville C, Fariña S, Diéguez F. OLE! Modelo lechero: Descripción y evaluación de los componentes biofísicos de un modelo de simulación de granja completa para sistemas lecheros de base pastoril. Agrocienc Urug [Internet]. 23 de mayo de 2024 [citado 26 de junio de 2024];28(NE1):e1202. Disponible en: https://agrocienciauruguay.uy/index.php/agrociencia/article/view/1202

Número

Sección

Artículo
QR Code

Métricas

Estadísticas de artículo
Vistas de resúmenes
Vistas de PDF
Descargas de PDF
Vistas de HTML
Otras vistas

Artículos más leídos del mismo autor/a