Documentos de Académico
Documentos de Profesional
Documentos de Cultura
419 830 1 SM PDF
419 830 1 SM PDF
Abstract
J. Zegarra, C. Aguilar F. García and R. Allende. Dairy grazing intensive system on Arequipa coast,
Perú: Simulation Model. A simulation model was developed and validated for studing and predicting
productive trends of dairy cows under intensive grazing on Arequipa coast, Perú. The model simulates
pasture effects on grazing behaviour considering quality and quantity of forage. In addition it simulates
total dry matter intake and suplementation interaction. It estimates milk production as a function of protein
and metabolizable energy intakes. Validation of the model shows good adjustment with real production and
animal intake data.
INTRODUCCION 1993).
Los sistemas de producción de leche bovina en la Las dietas con alta proporción de forraje y peque-
franja costera de Arequipa se caracterizan por el ñas cantidades de concentrado, aparentan venta-
pastoreo intensivo de alfalfa con la adición de pe- jas económicas, debido a su reducido costo. Sin
queñas cantidades de suplementación, principalmen- embargo, estas dietas normalmente significan una
te a base de concentrados y por el predominio de la menor producción de leche, dadas las limitaciones
raza Holstein Friesian. Las altas producciones de que impone el forraje sobre el consumo de materia
materia seca y el reducido piso forrajero determi- seca, la digestibilidad y la tasa de pasaje
nan el uso de altas cargas, promedio de 4,0 UA·ha- (Cadorniga y Satter, 1993). Es por ello que es
1
, con el objeto de maximizar la utilización del fo- necesario establecer un criterio técnico-económi-
rraje producido. Sin embargo, ello puede afectar co para alimentar la vaca lechera y verificar si el
severamente el consumo de los animales y por ende nivel productivo alcanzado bajo estas condiciones
la expresión del potencial genético de los mismos, es el más rentable o si, por el contrario, existe otra
si es que no se suplementan adecuadamente para pauta que permita obtener una mayor rentabili-
cubrir sus altos requerimientos nutricionales, espe- dad, como lo sería incrementar los niveles de
cialmente en la primera etapa de lactancia (Bernal, suplementación.
Un sistema de producción de leche comprende la por grupo); d. características del entorno (precio de
interacción de varios componentes, característica que la leche, precios de venta de terneras, vaquillas y
hace pensar que los modelos de simulación son una vacas, precio del forraje y concentrado); e. costos
opción apropiada para analizar diferentes alternati- variables (sanidad, reemplazos, mano de obra, re-
vas productivas con ahorro de tiempo y dinero. producción), y costos fijos (infraestructura, maqui-
naria y equipo, animales, administración) y f. con-
El objetivo del presente trabajo fue desarrollar un diciones de simulación (mes de inicio y días a si-
modelo de simulación que permita predecir el des- mular).
empeño productivo de vacas lecheras en pastoreo y
evaluar estrategias alimenticias y de manejo, sobre Variables de salida. a. producción de leche del re-
el sistema de producción con un error de estima- baño; b. carga animal inicial y final; c. composi-
ción menor al 10%. ción final del rebaño; d. animales para venta; e.
producción anual de pastura; f. rendimiento por ha;
g. producción de forraje conservado (heno); h. con-
MATERIALES Y METODOS sumo total de forraje y concentrado y i. peso final
por categoría animal.
Para el desarrollo y estructuración del modelo se
usó el marco metodológico planteado por Aguilar El modelo fue desarrollado con lenguaje de programación
(1997). Se elaboró un modelo matemático a nivel orientada a objetos Microsoft Visual Basic® , versión 5.0,
de predio para describir el comportamiento produc- para la confección de bases de datos se utilizó Microsoft
tivo del sistema de producción de leche en la zona Access® 2000, interactuando con Microsoft Excel® 2000,
costera de Arequipa. El modelo se circunscribe a para análisis de datos de salida. El modelo tiene ca-
sistemas lecheros a pastoreo intensivo, en zonas de racterísticas dinámicas, determinísticas y de
termoneutralidad, con o sin suplementación, para realimentación con cálculos sobre la base de un día
ganado de raza Holstein Friesian, considerando de simulación.
categorías del rebaño (terneras, vaquillas, vacas)
con un período máximo de evaluación de un año. Descripción del modelo. El funcionamiento global
del modelo depende de la interacción de los siste-
Los componentes del sistema considerados en el mas animal (que incluye consumo, crecimiento y
modelo fueron producción de forraje (en forma in- cambio de peso, partición de energía y proteína,
directa se incluye clima y suelo), ganado y decisio- producción de leche y animales de reemplazo), fo-
nes de manejo y alimentación. Las variables de in- rraje (que incluye crecimiento, conservación de fo-
greso y salida definidas fueron las siguentes: rraje y rotación de potreros). El esquema general se
presenta en la Figura 1 (nivel predio) y Figura 2
Variables de ingreso. a. composición y caracterís- (nivel animal).
ticas del rebaño (número de animales por catego-
ría, potencial productivo del rebaño por lactancia, Consumo. En el modelo se predice el consumo para
peso adulto promedio del rebaño, pesos vivos ini- vacas en pastoreo tomando como base el modelo
ciales por categoría, lapso parto-preñez, % morta- planteado por Durán (1983). Para el caso de las
lidad anual (terneras, vaquillas, vacas), % reposi- vacas secas y categorías de recría (vaquillonas y
ción de vientres); b. características de la pastura terneras), la estimación se basó en el de consumo
base y su manejo (tasa de crecimiento, digestibilidad, voluntario a pastoreo desarrollado por Aguilar y
proteína cruda, proteína no degradable, superficie Cañas (1992). En ambos casos se utiliza el índice
de la pastura base, disponibilidad inicial por potrero, de selección que corrige un consumo potencial por
período de descanso, período de pastoreo, número condiciones de disponibilidad y digestibilidad del
de franjas diarias); c. característica de alimenta- forraje.
ción (grupos de pastoreo, cantidad de suplemento
VOL 29 No1 ENERO - ABRIL 2002. 3
potdia = A * (dialac(z)B * eC * dialac(z) * eg * diages(z)) donde, lcg: leche corregida por grasa; porgras: porcen-
[1] taje de grasa de la leche; leche28: leche producida en los
primeros 28 días de lactancia; lcg28: leche corregida
donde, potdia: producción diaria potencial de leche producida en los primeros 28 días (kg).
(lt); A: prom. de producción de leche del rebaño
(lt·d-1); dialac(z): día de lactancia del animal del Usando esta información, la fracción potencial de
grupo (z); diages(z): día de gestación del animal energía proveniente de las reservas corporales du-
del grupo (z); B,C, g: parámetros de las curvas de rante los primeros 28 días de lactación, se calcula
lactancia. de la siguiente forma:
Crecimiento y cambio de peso vivo. El modelo enrs28 = 0,33 * lcg28 / 907 [4]
utiliza los algoritmos propuestos por Williams et
al.,(1989a; 1989b). El cálculo se basa en la dis- donde, enrs28: fracción potencial de energía prove-
tinción de si el animal está en crecimiento (peso niente de reservas corporales
vivo menor al peso adulto del rebaño) o si sólo
cambia de peso en función a sus reservas corpora- El término (lcg28 / 907) actúa como un factor de
les (peso vivo mayor o igual al peso adulto del ajuste para el caso en que lcg28 sea mayor o menor
rebaño). Estudios acerca de los cambios de peso a los 907 kg registrados por Moe (1965), citado
vivo durante la primera etapa de lactancia (Martin por Williams et al. (1989b). La función es utiliza-
y Ehle, 1986, citados por Williams et al., 1989b), da para calcular la cantidad potencial de reservas
indican que las reservas corporales pueden ser que la vaca es capaz de movilizar durante los pri-
movilizadas durante las primeras 6 a 12 semanas meros 70 días post-parto.
post-parto y que la duración de este período de-
pende de la capacidad genética de la vaca para la Por otro lado, también es necesario conocer cual es
producción de leche. Bajo estas consideraciones, el valor energético de las reservas corporales para
el algoritmo de cálculo para determinar el cambio saber cual es su aporte en términos de litros de le-
de peso durante la lactancia está basado en el pro- che producidos. Williams et al. (1989a) describen
puesto por dichos autores, calculando la produc- una metodología para estimar el valor energético
ción de leche corregida proyectada para los pri- de las reservas corporales y las ganancias de peso
meros 28 días de lactancia.
VOL 29 No1 ENERO - ABRIL 2002. 5
pesova = (peso(z) - 25) / 1,09 [5] donde, potres: cantidad total potencial de reservas a
movilizar durante los primeros 70 días de lactancia.
La estimación de la composición de la ganancia de
peso puede realizarse en función del peso vacío cal- La cantidad potencial de reservas que el animal es
culado (ARC, 1980): capaz de movilizar un día determinado de la lac-
tancia se estima mediante:
gras = 1,788 * e – 6,118 * pesova 0,788 [6]
cpmov = (0,23 * dialac(z)0,74 * e(- 0,048 * dialac(z))) - |5 – dialac(z)| / 351
prote = 0,8893 * e –1,1598
* pesova –0,1107
[7] [11]
donde, pesova: peso vivo vacío, (kg); gras: canti- donde, dialac: día de lactancia.
dad de grasa por unidad de peso (kg); prote: canti-
dad de proteína por unidad de peso (kg). Estos valores representan la cantidad de tejido, a
partir de una reserva de cierto tamaño, que es mo-
Conocida la composición de la ganancia de vilizado un día determinado de la lactancia. Estos
peso, se determina el valor energético de 1 kg valores son luego, convertidos a porcentajes de un
de tejido de reserva ganado o perdido en Mcal total y se utilizaron para describir una tasa fija de
de energía metabolizable, a través de la si- movilización de tejido a partir de una reserva de
guiente ecuación: tamaño variable.
emrs = gras * 1,4 * 9,527 + prote * 0,6 * 5,505 [8] Respecto a la depositación ó recuperación de las
reservas corporales, se asume que una vaca tiene la
donde, emrs: energía metabolizable de 1 kg de re- capacidad de recuperar sus reservas, movilizadas
servas (Mcal E.M). en la primera etapa de lactancia, antes de llegar al
período de seca. La siguiente relación describe la
Los factores 1,4 y 0,6 para grasa y proteína, tasa de depositación de tejido, una vez terminado el
respectivamente, consideran el mayor valor ener- proceso de movilización:
gético de los tejidos movilizados durante la pri-
mera etapa de lactancia, respecto de los gana- cpdep = 0,23*(376 – dialac(z)) 0,8 *e – 0,012 ( 376 – dialac(z))
dos por el crecimiento normal, Reid y Robb, [12]
(1971) citados por Williams et al., (1989a). Fi-
nalmente el valor energético de las reservas se El término cpdep es la cantidad de tejido corporal, a
calculó como: partir de una cantidad predeterminada, el cual es de-
positado un día cualquiera de la lactancia. El término
enrs = emrs * kmte [9] (376– dialac(z)), restringe el proceso al período com-
prendido entre el día 71 al 305 de la lactación.
donde, kmte: efic. para prod. de leche a partir de
las reservas corp, (0,86); enrs: energía neta de lac- Partición de energía. Para efectos del modelo se
tancia de 1 kg de reservas (Mcal).
6 CIENCIA E INVESTIGACION AGRARIA
utilizó el esquema propuesto por Aguilar y Cañas Existen varios factores que afectan la síntesis de
(1992) donde se estima el consumo total de energía proteína microbial en el rumen. Sin embargo, el tipo
metabolizable y los diferentes requerimientos que y cantidad de nutrientes disponibles de la dieta y la
se deben cubrir con ella para luego hacer un balan- sincronización en la liberación de los nutrientes,
ce determinando lo que queda disponible para pro- especialmente la relación energía / proteína, son los
ducción por energía. elementos más importantes en la producción de pro-
teína microbial. Los factores contemplados en el
Partición de proteína. La absorción de aminoácidos modelo para el cálculo de la cantidad de proteína
a partir de la proteína digerida es vital para la man- sintetizada en el rumen son el suministro de energía
tención, reproducción, crecimiento y lactancia del a los microorganismos y el suministro de nitrógeno
ganado bovino de leche; estos aminoácidos podrían a los microorganismos.
provenir, de la proteína de la dieta que escapa a la
degradación ruminal o de la proteína microbial En condiciones normales el suministro de energía
producida por la fermentación del alimento en esta es el primer factor limitante para síntesis de proteí-
parte del tracto gastro-intestinal. Conforme los ni- na microbiana, de tal manera que la energía
veles de producción se incrementan, es cada vez metabólica fecal y el nivel de alimentación, son los
más importante la cantidad de proteína no elementos básicos para el cálculo de la proteína
degradable en el rumen (PND) que contiene la die- microbial sintetizada (AFRC,1993):
ta, esto sugiere que la unidad para describir los re-
querimientos proteicos debería ser la proteína ab- nivcom = ce / rm [14]
sorbida (PA)en el tracto digestivo (NRC, 1988).
y = 29,29 + 25,10 * (1 - e – 0,35 * nivcom) [15]
El algoritmo de cálculo se basa en el propuesto
por la NRC, (1988) con la adición de una mayor pcbact = y * rec [16]
precisión en la estimación de la producción de pro-
teína bacterial en función de la energía metabolizable donde, nivcom: nivel de consumo, relación consu-
fermentable en el rumen (AFRC, 1993) desconta- mo / mantención; y: producción de proteína
dos los valores de la grasa y ácidos de fermenta- microbiana (g/Mcal EMF); pcbact: producción to-
ción de los alimentos, los que no tienen una apre- tal de proteína cruda microbial (g).
ciable contribución al metabolismo microbial. Me-
diante el esquema señalado se estima el consumo La provisión o suministro de N para los
de proteína cruda (PC), proteína degradable ruminal microorganismos del rumen se realiza a través de
(PDR), proteína no degradable (PND) y proteína la proteína degradable con una eficiencia del 90 %
indigestible (PIDA). (NRC, 1988). La síntesis real de proteína microbial
resultará de la producción mínima entre energía dis-
Para determinar el aporte de la proteína reciclada ponible y N disponible.
hacia el rúmen, se utilizó la revisión efectuada por
la NRC (1985) donde se propuso una ecuación La cantidad total de proteína absorbible que llega
cuadrática para determinar el porcentaje de N reci- al intestino delgado se estima, como la suma de la
clado, en función del porcentaje de proteína cruda proteína que proviene de la dieta (PND) y la sinte-
de la dieta total: tizada en el rumen, (proteína microbial):
rec = 121,7 – 12,01 * pcr + 0,3235 * pcr2 [13] pta = pdbact + pnddig + pnucdig [17]
donde, pcr: proteína cruda de la ración total (%); donde, pta: proteína total absorbible (g); pdbact:
rec: porcentaje de reciclaje (%). proteína digestible bacterial (g); pnddig: proteína
no degradable digestible (g); pnucdig: proteína
nucleica digestible (g).
VOL 29 No1 ENERO - ABRIL 2002. 7
cimiento potencial ajustada por su rango de dis- En el caso de que al final del día la disponibilidad del
ponibilidad: potrero sea igual ó menor a 600 kg MS·ha-1, ó la
superficie disponible igual a 0 (no hay mas franjas
potrero(u) = potrero(u) + (tacre * ad) [23] para rotación), se revisa la disponibilidad de los de-
más potreros que no están siendo pastoreados y se
donde, potrero(u): disponibilidad en kg MS·ha-1, del elige el de mayor disponibilidad, en este potrero se
potrero (u); tacrepo: tasa de crecimiento de la pas- inicia el pastoreo al día siguiente y así sucesivamen-
tura en el día simulado; ad: ajuste a la tasa de creci- te hasta que sea necesario elegir un nuevo potrero.
miento por disponibilidad.
informal se realizó una comparación entre los resultados De igual manera se realizó al análisis para el con-
del modelo con sistemas productivos reales presentados sumo total de MS (CTMS). En este caso el modelo
en un gráfico con una línea de igual valor (pendiente igual explicó el 78,3% de la variación en los valores ob-
a uno e intercepto igual a cero). servados, la pendiente de la recta no fue diferente
de 1 (P>0,05) y la diferencia promedio entre los
Validación del consumo de materia seca. Para el valores estimados y observados (Figura 4) no fue
caso de la variable consumo de materia seca, se uti- significativamente diferente de 0 (P>0,05). Final-
lizó el trabajo realizado por Holden et al., (1994), mente el consumo de proteína cruda (CPC) tam-
quienes estimaron el consumo de vacas Holstein bién se evaluó, y los resultados indican que el mo-
Friesian bajo pastoreo intensivo con suplementación. delo explicó un 82,8% de la variación en el CPC
observado, la diferencia promedio entre los valores
Se utilizaron 16 vacas Holstein multíparas estimados y observados (Figura 5) no fue diferente
promediando 31 kgs de LCG a los 133 días de lactan- de 0 (P>0,05) y la pendiente de la recta de ajuste no
cia. El pastoreo se realizó en 14 potreros, con período fue significativamente diferente de 1 (P>0,05).
de ocupación de 2 días por potrero, para permitir una
carga animal de 3,2 Vacas/ha, el potrero fue dividido
en 2 franjas para ser consumidas 1 cada día. Las va-
cas fueron suplementadas con una mezcla de concen- Figura 4. Relación entre consumo total de materia seca
trado a una tasa aproximada de 1 kg MS por 5 kg de real y simulado.
Real and simulated total dry matter intake relation.
leche. La información de composición de la pradera y
del concentrado ingresados al modelo fueron los del
experimento. El proceso de validación para la varia-
ble consumo de materia seca se realizó para consumo
real de forraje (CR), consumo total de MS (CTMS) y
consumo de proteína cruda (CPC).
El marco metodológico planteado permitió deter- Aguilar, C. 1997. Simulación de sistemas. Aplica-
minar los principales componentes del sistema y sus ciones en Producción Animal. Colección en
relaciones, logrando construir un modelo de simu- Agricultura. Fac. Agronomía. Pont. Univ. Ca-
lación que considera el efecto de estrategias de ali- tólica de Chile. 241p.
mentación y manejo en pastoreo, sobre el compor- Aguilar, C y R. Cañas. 1992. Simulación de Siste-
tamiento productivo de vacas lecheras en pastoreo. mas: aplicaciones en producción animal. En :
Simulación de Sistemas Pecuarios. RISPAL.
El proceso de validación demostró que el modelo IICA San José. Costa Rica. Cap. V:249 - 259
planteado representa en forma correcta el efecto del AFRC. 1993. Necesidades energéticas y proteicas
suministro de nutrientes, la calidad del forraje y del de los rumiantes. CAB Internacional,
suplemento y el manejo de pastoreo sobre el des- Wallingford, Oxon, UK. 175 p.
empeño productivo de vacas lecheras en pastoreo. ARC. 1980. The nutrient requirements of ruminant
Luego, las inferencias hechas a partir de los resul- livestock. London, Commonwealth Agricultural
tados del modelo, se encuentran dentro de un rango Bureax, Farnham Royal, Slough, Gresham
aceptable de certeza, y por lo tanto son aplicables Press. 351 p.
al sistema real. Bernal, J.L. 1993. Caracterización de la ganadería
lechera del sur. I Arequipa (Irrigaciones El
Cural, La Joya, La Cano, San Isidro, San Ca-
milo, Yuramayo, Santa Rita y Majes).Tesis Ing.
VOL 29 No1 ENERO - ABRIL 2002. 11
Zootenista. Lima, Perú Univ. Nac. Agraria La NRC. 1985. Ruminant nitrogen usage. National
Molina 99 p. Academy Press. Washington, D.C. 148p.
Cadorniga, C and L.D. Satter. 1993. Protein ver- NRC. 1988. National Research Council. Nutrient
sus Energy supplementation of high alfalfa requeriments of dairy cattle. 6ª Revised
silage diets for early lactation cows. J. Dairy Edition. National Academy Press. Washing-
Sci 76 : 1972 – 1977. ton, D.C. 157p.
Durán, H. O. 1983. Modelo de simulación para el Reátegui, J. E. 1998. Modelo de simulación para
estudio de sistemas pastoriles de producción de la gestión estratégica de sistemas de produc-
leche. Tesis Mag. Sc. en Producción Animal. ción de leche en semi-pastoreo. Evaluación
Santiago. Pontificia Universidad Católica de en la Región Metropolitana de Chile. Tesis
Chile. Chile. 200 p. de Mag. Sc. Producción Animal. Pontificia
Hady, P.J., J.W. Lloyd, J.B. Kaneene, and A.L. Universidad Católica de Chile. Chile. 98p.
Skidmore. 1994. Partial budget model for Williams, C.B., P.A. Oltenacu, and C. J Sniffen.
reproductive programs of dairy farm businesses. 1989a. Refinements in determining the energy
J. Dairy Sci. 77 : 482 - 491 value of body tissue reserves and tissue gains
Harrison, S.R. 1990. Regression of a model on real- from growth. J. Dairy Sci. 72 : 264 – 269.
system output: an invalid test of model validity. Williams, C.B., P.A. Oltenacu, and C. J Sniffen.
Agric. Syst., 34, 183-90. 1989b. Application of Neutral Detergent Fiber
Hazard, S.R. 1984. Desarrollo de un modelo de si- in modeling feed intake, lactation response, and
mulación del comportamiento de vacas leche- body weight changes in dairy cattle. J. Dairy
ras a pastoreo con fines de transferencia de tec- Sci. 72 : 652 – 663.
nología. Tesis Mag. Sc. en Producción Animal. Wood, P.D.P. 1979. A simple model of lactation
Santiago. Pontificia Universidad Católica de curves for milk yield, food requeriments and
Chile. Chile. 250p. body weight. Animal Production 28:55-63.
Holden, L.A., L.D. Muller, and S.L. Fales. 1994.
Estimation of intake in high producing Holstein
cows grazing grass pasture. J. Dairy Sci. 77 :
2332–2340