OLE! Modelo leiteiro

Descrição e avaliação dos componentes biofísicos de um modelo de simulação de fazenda inteira para sistemas leiteiros pastoris

Autores

DOI:

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

Palavras-chave:

análise estatística, fazenda inteira, pastagem, produção de leite, teste de modelo

Resumo

O processo de intensificação do setor leiteiro tem sido caracterizado nas últimas décadas pelo aumento da produção de leite por hectare, aumento da densidade pecuária, inclusão de mais concentrados na dieta e melhoria do mérito genético das vacas leiteiras. O uso de modelos tem vantagens produtivas, ambientais e econômicas. Os objetivos do estudo foram descrever um novo modelo “OLE! Modelo leiteiro” para simular (a) o desempenho biofísico do sistema de produção leiteira a pasto; (b) avaliar a capacidade preditiva do modelo com um conjunto de parâmetros estatísticos, comparando seus resultados com o desempenho biofísico de estudos experimentais de sistemas de fazendas leiteiras e (c) calibrar ajustando o coeficiente técnico. O delineamento experimental combina duas estratégias de alimentação com diferentes proporções de pasto na dieta e dois genótipos de animais. Fazemos uma descrição da componente biofísica e dos cálculos propostos no “OLE! Modelo de laticínios”, então uma variedade de parâmetros foi calculada para teste do modelo, incluindo o erro quadrático médio, o erro de previsão relativo, a raiz quadrada do erro quadrático médio, o coeficiente de correlação de concordância e a eficiência do modelo. O modelo apresentou boa capacidade preditiva para taxa de lotação e consumo de concentrado, pasto e reserva. A capacidade preditiva do modelo para produção individual e por área melhora após realizar uma calibração rápida, o que permite evitar superestimações ou subestimações que geram medições errôneas no planejamento e gestão de sistemas de produção de leite, podendo ser ajustado às diferentes condições de produção da região.

Downloads

Não há dados estatísticos.

Referências

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/

Downloads

Publicado

2024-05-23

Como Citar

1.
Llanos E, Candioti F, Stirling S, Cajarville C, Fariña S, Diéguez F. OLE! Modelo leiteiro: Descrição e avaliação dos componentes biofísicos de um modelo de simulação de fazenda inteira para sistemas leiteiros pastoris. Agrocienc Urug [Internet]. 23º de maio de 2024 [citado 26º de junho de 2024];28(NE1):e1202. Disponível em: https://agrocienciauruguay.uy/index.php/agrociencia/article/view/1202

Edição

Seção

Artigo
QR Code

Métricas

Métricas do artigo
Vistas abstratas
Visualizações da cozinha
Visualizações de PDF
Visualizações em HTML
Outras visualizações

Artigos mais lidos pelo mesmo(s) autor(es)