Explorar
Comunidades en español
Anunciar en Engormix

Desarrollo de un programa computacional (UPIC-PRO) para la evaluación y ajuste de dieta en condiciones de pastoreo y confinamiento para ganado de carne

Publicado: 29 de julio de 2021
Por: Virginia Beretta2 y Alvaro Simeone3. 1 Proyecto de investigación financiado por el Fondo de Promoción y Tecnología Agropecuaria (FPTA 265) 2 Ing. Agr. (MSc., Dr. Sci.) Profesora en Sistemas de Alimentación para Bovinos de Carne, FAGRO - UDELAR 3 Ing. Agr. (MSc., PhD) Profesor en Nutrición en Bovinos de Carne, FAGRO - UDELAR.
Resumen

Con el objetivo de asistir a técnicos y produc-tores en la evaluación y ajuste de dieta para sistemas de cría, recría y engorde de vacunos para carne, se desarrolló un programa compu-tacional para predecir la performance animal, la eficiencia bioeconómica, e impacto ambien-tal de las opciones de alimentación planteadas en cada fase del ciclo de producción de carne. Se elaboró un modelo conceptual el cual fue luego alimentado por ecuaciones de predic-ción reportadas por sistemas internacionales de alimentación, así como ecuaciones empíri-cas reportadas por la bibliografía científica. El modelo se validó utilizando información proveniente de dos rodeos comerciales y un rodeo experimental, utilizando registros de 4784 vacunos, tanto en condiciones de pas-toreo como de confinamiento. Se observó un alto grado de adecuación entre los valores predichos por el modelo y los valores obser-vados, en condiciones de producción. Final-mente se elaboró una versión amigable del modelo para ser utilizado por usuarios desde una plataforma en línea.

INTRODUCCIÓN
La nutrición de rumiantes como parte de la ciencia animal, enfrenta cada vez más el de-safío de contribuir a satisfacer la demanda global por proteína, colaborar en el desarrollo de sistemas sustentables y dar respuesta a la preocupación creciente del consumidor res-pecto a la seguridad alimentaria, la calidad del producto demandado y el bienestar animal (Coffey, 2004). En este sentido, el desarrollo de sistemas ganaderos en una perspectiva de largo plazo, económica y ambientalmente sustentables, debe considerar la planificación de la alimentación de una forma integral tomando en cuenta estos elementos (MacRae, 2004). Aspectos como la nutrición de precisión (Tedeschi et al, 2007), tipo de producto generado (Baker, 2004), la cuantificación de las emisiones de gases de efecto invernadero y excreciones de N y P al ambiente (Rotz, 2004), se han transformado en variables fundamentales a estimar a la hora de evaluar los beneficios de una estrategia de alimentación.
Bajo este nuevo enfoque, el diseño de estrategias nutricionales debe basarse en evaluaciones objetivas capaces de predecir la per-formance animal, la eficiencia bioeconómica, parámetros de calidad del producto deseado y parámetros de potencial contaminación ambiental relacionados con la sustentabilidad y conservación de los recursos naturales (Simeone y Beretta, 2005). Sin embargo, la predicción de la performance animal y la eficiencia de conversión del alimento en pastoreo, en respuesta a diferentes manejos nutricionales, no es sencilla, básicamente debido a la propia complejidad inherente a los sistemas pastoriles dada por las múltiples interacciones que caracterizan a las relaciones entre sus componentes (Hodgson, 2004). Este proceso se ve muchas veces limitado por la falta de información respecto a variables esenciales como lo son la predicción del consumo de forraje y sus características nutricionales (Baumont et al., 2004) o las modificaciones que se ge-neran en el proceso de ingestión-digestión de forraje al introducir otros alimentos, tales como suplementos concentrados o voluminosos, cuyos efectos varían dependiendo de las condiciones de pastoreo y características de los animales (Beretta y Simeone, 2006). Este conjunto de interacciones vinculadas a la in-terfase planta-animal sumado a las relaciones de transformación del alimento consumido, la cuantificación de los productos de excreción, más la necesaria evaluación económica, dan cuenta de la naturaleza multifactorial de este área de trabajo, y del rol que está llamado a jugar la modelación, como una herramienta útil para integrar los resultados derivado de la investigación básica y su aplicación en condiciones prácticas de alimentación (Gutiérrez-Ornelas and Galyean, 2004).
En las últimas dos décadas, se verifica un fuerte empuje en el desarrollo de los sistemas de alimentación para ganado de carne, pasando de sistemas descriptos apenas a partir de ecuaciones empíricas entre variables, a modelos de simulación integrando el cuerpo de conocimiento de las distintas áreas involucradas y sus respectivos avances (Buchanan-Simith y Fox, 2000), destacándose todo lo referente a la valoración nutritiva de alimentos (caracterización biológica, química y física); consumo, cinética de la digestión y tasas de pasaje para diferentes fracciones de proteína y carbohidratos, eficiencia de crecimiento mi-crobiano, fibra efectiva y el ambiente ruminal, estimación de la exigencias nutricionales y predicción del aporte de nutrientes derivados de los alimentos ofrecidos en cada condición especifica de producción (Tedeschi, cit. por Tedeschi et al 2007). En este contexto los mo-delos matemáticos para la evaluación de dietas y predicción de la performance animal, se constituyeron en la base de los sistemas modernos de alimentación para ganado de car-ne entre los que se destacan las últimas versiones del NRC para ganado de carne (NRC, 1996, 2000), Australian Feeding Standards (SCA 1990; 2007), el CNCPS (Cornell Net Carbohidrate and Protein System) desarrollado por la Universidad de Cornell (Fox et al, 2004). Estos modelos se han transformado en valiosas herramientas de apoyo a la investigación.
El uso de estas herramientas a nivel comercial, requiere su presentación en versiones amigables para el usuario, validadas para las condiciones locales. Un claro ejemplo de ello se tiene en países como Australia, donde programas como el GrazFeed ™ (versión 4.1.15; Freer et al, 2006) ha demostrado su potencial para apoyar al productor ganadero a mejorar su resultado económico a través de un uso mas eficiente de las pasturas y suplementos en las zonas templadas de este país, además de constituirse en el marco teórico-conceptual orientador de la investigación. A través de esta herramienta de soporte a la toma de decisiones, el productor puede evaluar la capacidad de producción a partir de un deter-minado recurso forrajero, minimizar el costo de suplementación, elegir los alimentos que mejor se adecuan y y regular la cantidad a suministrar de acuerdo a sus objetivos de producción. De forma similar The Cornell Net Carbohydrate and Protein System (CNCPS, Tedeschi et al 2007) desarrollado en USA para predecir los requerimientos, eficiencia de uso de los alimentos performance animal y excreción de nutrientes en sistemas lecheros, vacunos y ovinos, ha permitido pensar en la implementación a nivel comercial de una nutrición de precisión. La ventaja de estos programas radica además en su potencial para se incorporados en programas desarrollados a una escala jerárquica mayor. Tal es el caso del GrazFeed y su inclusión como parte del GrazPlan, un paquete de herramientas que asiste al técnico y productor en la toma de decisiones y contribuye a mejorar el resultado económico y la sustentabilidad ambiental en sistemas pastoriles (Donnelly et al, 2002).
A nivel nacional es muy escasa la utilización de este tipo de herramientas de apoyo a la toma de decisiones en el manejo nutricional del ganado de carne. Las arriba mencionadas no son de amplia difusión, no han sido validadas bajo las condiciones de producción de la ganadería local y en algunos casos demandan información, fundamentalmente la referida a la caracterización química y biológica de los alimentos, que no está ampliamente disponible. Sin embargo, cada vez es mayor la demanda por parte de técnicos asesores por metodologías que los orienten en el diseño de estrategias de alimentación sobre bases cuantitativas, de alta capacidad predictiva, de fácil uso y que les permita un rápido acceso a la información nacional necesaria a estos efectos. Esta tendencia se acentúa a media que se intensifican más los sistemas ganaderos.
El desarrollo de un programa computacional para la evaluación y ajuste de dietas para el ganando de carne, que contemple las particularidades de los sistemas pastoriles incorporando la simulación de la interfase planta-animal-suplemento, que integre los avances de los sistemas modernos de alimentación, y vali-dado para las condiciones de producción locales, se visualiza como una innovación de alto impacto, ya que facilitaría la integración de los aspectos biológicos con los económicos y permitiría además incorporar a la toma de decisiones, la evaluación de aspectos de impacto ambiental (emisión de metano, excreción de N y P, etc). El grado de complejidad y la información que demande este tipo de herramienta es un aspecto fundamental a considerar, debiendo lograrse un equilibrio entre la facilidad de uso y la precisión de las predicciones.
A nivel del país existen algunos antecedentes apuntando al desarrollo de modelo de predicción de la performance en ganado de carne (Cardozo y Ferreira, 1994). Por otra parte, el Grupo de Bovinos de Carne de la EEMAC ha trabajado en la validación de subrutinas para la predicción de la performance de vacunos en crecimiento (Gondro et al, 2004; Beretta y Simeone, 2005a,b), capitalizando la información experimental generada por un proyecto de investigación aplicada ejecutado entre 2000 y 2003 (Simeone y Beretta, 2004). Sin embargo, es importante poder expandir el modelo al ciclo completo de producción de carne, así como incorporar nuevas subrutinas que consideren el conjunto de las variables antes mencionadas, y ofrecer el modelo en un formato “amigable” para el usuario de forma de estimular su adopción.
El disponer de este tipo de herramienta seria de bajo costo y potencialmente alto impacto a nivel del productor ganadero, ya que contribuiría a mejorar la eficiencia de producción, hacer un uso racional de los recursos alimenticios, e indirectamente reducir los costos de producción. Complementariamente, del punto de vista técnico-científico y educativo serviría como medio de actualización permanente de técnicos, vehículo de retroalimentación de las de inquietudes del usuario, y un valioso instrumento de practica para el estudiante avanzado de agronomía.
En base a estos antecedentes, el equipo técnico de la Unidad de Producción Intensiva de Carne (UPIC), de la Facultad de Agronomía, llevo a cabo, entre los años 2009 y 2012, el proyecto “UPIC-PRO”, cuyo objetivo fue desarrollar un programa computacional que asista a técnicos y productores en la evaluación y ajuste de dietas a pasto o corral para sistemas de cría, recría y engorde de vacunos, capaz de predecir la performance animal, la eficiencia bioeconómica, e impacto ambiental de las op-ciones de alimentación.
 
METODOLOGÍA UTILIZADA
El programa computacional UPIC-PRO fue desarrollado en cinco etapas: i) desarrollo de un modelo conceptual del sistema a simular; ii) simulación matemática y programación computacional; iii) verificación de subrutinas del programa; iv) validación de modelo, v) programación en “versión amigable”.
A continuación de describen las principales características metodológicas de estas etapas.
Desarrollo de modelo conceptual:El modelo conceptual fue generado como marco teórico para la posterior simulación matemática, describiendo el sistema a simular. A través del mismo se fijaron los límites del sistema, niveles jerárquicos de resolución, estructuración del modelo, variables involucradas y vinculación entre componentes. Fue realizado en base a antecedentes bibliográficos.
Simulación matemática, programación y verificación de sub-rutinas: Fue desarrollado un modelo estático, determinístico, para la predicción de la performance animal en condiciones estables de producción. Dichas condiciones son descriptas a partir de los “inputs” o información que alimenta el modelo. En tal sentido, a medida que se generan cambios a las condiciones de producción (estado de la pastura, nuevos alimentos, estado fisiológico del animal, cambios climáticos etc.), una nueva evaluación es necesaria. En esta etapa de la simulación, los procesos biológicos asociados a la transformación del alimento consumido en producto final, fueron descriptos a partir de ecuaciones matemáticas. Fueron utilizadas ecuaciones de predicción reportadas por sistemas internacionales de alimentación, tales como las normas australianas (SCA, 1990, 2007), AFRC (1993), NRC (1996), así como ecuaciones empíricas reportadas por la bibliografía científica. Como parte de este proceso se generaron a partir de información bibliográfica bases de datos caracterizando diferentes biotipos y alimentos que alimentan al programa. La programación inicial se realizó en planilla electrónica. Cada subrutina del modelo fue verificadas en forma parcial, analizando su coherencia interna, forma y magnitud de la variación de las curvas de respuesta para cambios, en un amplio rango, de los valores de los inputs del modelo.
Validación de modelo En esta etapa se evaluó el grado de adecuación entre los valores predichos por el modelo y los valores observados, en condiciones de producción. El modelo de predicción fue evaluado a utilizando información proveniente de dos sistemas comerciales y un rodeo experimental. En estos sistemas se registró la performance de diferentes lotes de animales durante un periodo variable de tiempo (abril a octubre 2011), incluyendo vacas de cría preñadas y vacías en pastoreo, así como machos y hembras de diferentes pesos y grupos raciales en crecimiento y terminación, manejados en pastoreo o a corral. Se monitorearon 4748 vacunos, de los cuales 1.244 fueron manejados en pastoreo, comprendiendo categorías en crecimiento (n=1.053) y vacas de cría (n=191), y 3.504 fueron alimentados a corral, incluyendo terneros/as en su primer invierno de vida (n=843), novillos (n=2.661) en terminación. El ganado de cría pastoreó exclusivamente en campo natural por ser ésta la forma predominante a nivel comercial; en tanto los lotes de vacunos en pastoreo, lo hicieron tanto sobre campo natural (n=769) como en praderas sembradas (n=284). En el caso de los sistemas de alimentación a corral, se evaluaron corrales recibiendo raciones totalmente mezcladas, ofrecidas ad libitum, caracterizadas por una relación voluminoso/ concentrado baja (voluminoso <20%, n=742 animales) o alta (n=1.919). A partir de la combinación de las variables “sistema de alimentación” x “categoría” x “tipo de dieta” se generaron 10 escenarios productivos. La información relevada correspondió a los inputs requeridos por el modelo de simulación y a las variables de producción de cada grupo de animales. La performance fue caracterizada en todos los casos a partir de la evolución de peso vivo, estimándose la ganancia diaria para cada grupo homogéneo de animales, a partir de la regresión del peso vivo en los días de alimentación. En el caso de las vacas gestando, la misma se estimó a partir de cambio en condición corporal y de la relación entre cambio en peso por unidad variación en condición corporal.
Las simulaciones fueron realizadas cargando el programa con los inputs correspondiente a cada grupo y generado un valor de ganancia media diaria predicho (GMDpred). Estos valores fueron comparados con los valores de performance observada en cada caso (GMD-obs) para determinar la precisión y exactitud de las predicciones del modelo. Para el análisis de la adecuabilidad del modelo se siguió la metodología estadística descripta por Tedes-chi (2006).
Finalmente, se desarrolló una versión “amigable” del programabuscando facilitar a travésde diversas interfases graficas el ingreso de la información necesaria por parte del usuario y el acceso a las bases de datos que soportan al modelo. En la generación del producto final, se colocó especial énfasis en mantener un compromiso real entre la simplificación de la información demanda y la capacidad pre-dictiva del modelo, de forma de facilitar su aplicación en condiciones de producción.
 
RESULTADOS Y PRODUCTOS GENERADOS
1. El producto final: el software UPIC-Pro
El proyecto planteaba la generación de un único producto final: un programa computacional en versión “amigable” para la evaluación y ajuste de dieta en sistemas ganaderos. Este producto fue generado a partir del proyecto e identificado como UPIC-Pro. El mis-mo está disponible on line, accediéndose en http://www.upic.com.uy/servlets/ingresar. A la fecha está restringido el acceso, hasta tan-to se establezca un criterio para ello. Nuestra idea, es que el acceso al programa debería estar precedido por un breve curso de capacitación donde se discutan las bases, alcances y funcionamiento del mismo. El programa ha sido desarrollado como una herramienta de apoyo a la toma de decisiones, siendo esencial, para un correcto uso del mismo, el conocimiento de los conceptos nutricionales y biológicos que forman parte del manejo de la alimentación de vacunos. Asimismo, esto reduciría la necesidad de un eventual servicio de soporte al usuario para el cual, a la fecha, no se dispone de recursos.
El programa asiste al usuario en la evalua-ción y ajuste de dietas de vacunos para carne, manejados tanto en confinamiento como en pastoreo. A través de una programación amigable para el usuario, UPIC-Pro permite la aplicación rápida de ecuaciones matemáticas que describen los procesos biológicos involucrados, para predecir la performance esperada en vacunos para un determinado escenario productivo. Este último, es definido a partir de la información ingresada por el usuario con relación a características del animal, del manejo, de la dieta y del ambiente. Como elementos importantes que contribuyen a facilitar la tarea del usuario, el programa dispone de una base de datos de los alimentos más frecuentemente usados en la alimentación de vacunos para carne (biblio-teca de alimentos) y de otra con información relativa a la caracterización de biotipos. Esta información, sin embargo, puede ser modifi-cada por el usuario e incorporada a las bases del programa, según su propia experiencia o registros particulares.
El programa predice la ganancia de peso vivo esperada a partir de la predicción de los requerimientos de energía y proteína y del aporte de estos nutrientes en la dieta. Esta predicción es realizada luego de que los requerimientos de mantenimiento, gestación y/o lactación, son cubiertos. Adicionalmente el programa produce informes complementarios describiendo las características químicas y nutricionales de la dieta, la fermentación ruminal, la excreción de nutrientes y producción de metano, y la evaluación económica resultante. De esta forma es posible evaluar qué tanto se ajusta la dieta ofrecida a las expectativas del usuario, y las eventuales modificaciones que habría que realizar si la performance predicha no se ajustara a lo esperado. En tal sentido UPIC-Pro funciona de forma interactiva en un proceso de aproxi-maciones sucesivas. Luego de una corrida de simulación, el programa genera los siguientes informes, los cuales podrán ser impresos por el usuario a su elección:
1. Resumen de la información ingresada
2. Balance nutricional
3. Predicción de la ganancia diaria de peso vivo
4. Características químicas y nutricionales de la dieta
5. Consumo y digestión
6. Fermentación en rumen
7. Excreción de nutrientes y producción de metano
8. Composición química de los ingredientes
9. Formulación y resultado económico
Del punto de vista computacional, la solución desarrollada consta de una interfase full Web, por lo que es necesario un navegador de inter-net para trabajar con el software. El lenguaje predominante es Java; se utiliza Apache Tom-cat como motor de servlets y MySQL como Base de Datos para el almacenamiento de la información, todos productos de distribución libre. El software se encuentra instalado en un hosting especializado bajo la modalidad de arriendo de VPS (Servidor Privado Virtual) y bajo un dominio propio, lo cual supone contar con recursos no compartidos de Hardware y Software para la ejecución del software y el almacenamiento de la base de datos.
Complementariamente el usuario dispone de un manual, donde se detallan los principales fundamentos, requisitos informáticos y de conectividad, así como el procedimiento operativo.
2. Principales productos intermedios
Como resultado del proceso de desarrollo del programa, el proyecto preveía la generación de algunos resultados intermedios derivados de las diferentes etapas de trabajo:
2.1 Modelo conceptual de simulación describiendo las relaciones entre insumos, componentes y salidas del sistema.
El modelo conceptual que soporta al programa, integra los principales aspectos asociados al proceso de transformación del alimento en producto animal (en este caso carne vacuna), las orientaciones productivas (cría, recría-engorde) y los diferentes modos de alimentación en los sistemas de producción ganaderos de Uruguay (pastoril puro, pasto mas suplementación con forrajes y/o concentrados, o confinamiento). Asimismo buscó alcanzar un equilibrio entre la demanda de información para alimentar al modelo y su aplicabilidad en condiciones comerciales, así como entre la precisión de las predicciones y complejidad del modelo.
Fueron tomados como marcos teóricos los principales sistemas de alimentación: NRC/ CNCPS, AFRC, CSIRO, a partir de los cuales se identificaron sub-áreas a incluir dentro de un modelo teórico de predicción de la performance animal:
  • Requerimientos de energía y proteína metabolizable para mantenimiento y diferentes funciones productivas (deposición de tejidos y síntesis de leche)
  • Predicción del consumo
  • Digestión: predicción de la degradación ruminal de las diferentes fracciones proteicas y de carbohidratos y crecimiento microbiano
  • Digestión intestinal
  • Predicción del metabolismo de la energía y proteína absorbidas
  • Predicción de la excreción de nutrientes
Los límites del sistema quedaron determinados por el propio animal. En éste se integra la información (inputs) proveniente del medio ambiente (clima, manejo, alimentación, objetivos de producción) la cual va a interac-cionar con sus propias características (bioti-po, estado fisiológico, edad, peso vivo) para, a través del proceso de ingestión-digestión-metabolismo, generar una salida cuantificada en producto animal, productos de excreción y resultado económico.
El modelo fue estructurado en base a cinco sub-sistemas de nivel jerárquico inferior, cada uno representando las áreas arriba descriptas: sub-modelo 1: predicción de requerimientos de energía y proteína metabolizables, calcio y fósforo; sub-modelo 2: estimación del con-sumo de materia seca; sub-modelo 3: fermen-tación ruminal y digestión intestinal; sub-mo-delo 4: metabolismo de la energía y proteína; sub-modelo 5: cuantificación de los productos de excreción y gases. Estos sub-sistemas se caracterizan por presentar estructura propia que habilita a su verificación en forma inde-pendiente. Para su funcionamiento demandan información del propio sistema de producción para el cual se desea predecir la performan-ce animal (inputs del modelo general), y su salida funciona como insumo de otro sub-sis-tema. En la figura 1 se presenta un diagrama simplificado mostrando como se relacionan estos sub-sistemas dentro del modelo general en tanto en la figura 2 se presenta un dia-grama del modelo desagregando los sub-sis-temas y destacando las principales variables, procesos e interacciones involucrados en la predicción de la performance de vacunos.
Figura 1. Diagrama simplificado del modelo conceptual propuesto para la evaluación de dietas y predicción de la performance de vacunos para carne.
Figura 1. Diagrama simplificado del modelo conceptual propuesto para la evaluación de dietas y predicción de la performance de vacunos para carne.
Figura 2. Modelo conceptual mostrando las principales variables, procesos e interacciones propuestos para la predicción de la performance de vacunos. Referencias: de la figura 1: CMS: consumo de materia seca; ED: energía digestible; EFR: energía fermentable en rumen; EM: energía metabolizable; EN: energía neta; ENFR: energía no fermentable en rumen; ERDP: proteína efectivamente degradable en rumen; k: eficiencia de uso de la EM; kd: tasa de digestión ruminal; kn: eficiencia de uso del nitrógeno; kp: tasa fraccional de pasaje de la ingesta fuera del rumen/ hora; MCP: proteína microbiana; MTP: proteína microbiana verdadeira; MTPd: proteína microbiana verdadera digestible; PC: proteína cruda, (g/dia) o g/kg; PDR: proteína degradable en rumen; PM: proteína metabolizable; PN: proteína neta; PNDR: proteína no degradable en rumen; PNDRd: proteína no degradable en rumen digestible. Sub-índices: C: concepción; m: mantenimiento; g: ganancia de peso vivo; gest: gestación; lactación; d: digestible
Modelo conceptual mostrando las principales variables, procesos e interacciones propuestos para la predicción de la performance de vacunos.
2.2. Biblioteca de alimentos.
Fue generada una biblioteca de alimentos re-copilando aquellos de uso más frecuente en la alimentación de los vacunos, tomando como insumo información nacional (Marichal s/p, Mieres et al, 2004) o extranjera cuando aque-lla no estuvo disponible (NRC, 1996; AFRC, 1993). Los alimentos pueden ser filtrados por clase (pasturas, forrajes conservados, gra-nos, subproductos, minerales) para facilitar la búsqueda y selección. Asimismo, la biblioteca puede ser modificada por el usuario, generan-do nuevos alimentos a partir de su propia in-formación o bien a partir de la modificación de alguno de los campos de alimentos aporta-dos por el programa. Estos “nuevos alimentos” permanecen luego identificados en la base de datos como del “usuario” y son solo accesibles para quien los generó.
La generación de una biblioteca de alimentos a partir de la información nacional disponible constituía un producto intermedio relevante dentro del proyecto, dado la importancia del insumo para el programa y por el hecho de poder centralizar la información disponible a    partir de diferentes fuentes (fundamental-mente nacionales) y hacerla rápidamente dis-ponible al usuario. En tal sentido, este proceso significó el relevamiento extenso de diferen-tes publicaciones, entre las que se destacan: tesis de grado de la Facultad de Agronomía, base de datos generada por el laboratorio de INIA (Mieres et al, 2004) base de datos de laboratorios privados, asi como información sin publicar sobre pasturas de la Facultad de Agronomía. La principal limitante hallada fue el no disponer de análisis químicos/ nutricio-nales completos para los diferentes alimentos considerados. La información más limitante fue la caracterización de la naturaleza pro-teica de los alimentos (fracción soluble, po-tencialmente degradable, tasa de degradación de dicha fracción, nitrógeno ligado a la fibra). En tal sentido, cuando no se dispuso de dicha información, se reportaron los valores sugeri-dos por AFRC (1993) para las diferentes cla-ses de alimentos. Futuros trabajos especial-mente diseñados para ello, podrían contribuir a enriquecer la base de datos del programa, incorporando la nueva información a medida que vaya siendo generada.
2.3. Modelo matemático pasible de ser actualizado con nuevos resultados de la inves-tigación analítica.
El modelo matemático describiendo cuantita-tivamente los componentes y relaciones entre variable de los sub-sistemas descriptos en la figura 1, fue elaborado a partir de ecuaciones publicadas en la bibliografía y complementado con cálculos adicionales que se realizan a par-tir de resultados generados por el programa. El hecho de haberse realizado la programación en una interfase full web, habilita a la modi-ficación en línea de las ecuaciones utilizadas por el programa para su actualización, a me-dida que resultados relevantes de la investiga-ción ameritan ser incorporados.
3.  Validación del modelo para la predicción de la performance animal
La validación del modelo, entendida esta como la evaluación de la lógica y capacidad del modelo para cumplir con el objetivo pautado (Hamilton, citado por Tedeschi, 2006), fue es-tructurada en dos etapas: 1) la verificación de sub-rutinas y análisis de sensibilidad (com-portamiento de los componentes del modelo;
2) evaluación del modelo (comparación de las salidas del modelo con datos reales)
3.1 El análisis de sensibilidad fue realizado para sub-rutinas específicas de alta relevan-cia para el programa a saber:
1. Predicción de los requerimientos de ener-gía metabolizable (EM) en función de cam-bios en el peso vivo (PV), la ganancia de peso vivo esperada (GPV) y el biotipo ani-mal (maduración precoz vs. tardía).
2. Predicción del consumo potencial en fun-ción de cambios en el peso relativo (invo-lucrando peso maduro y edad del animal).
3. Predicción del consumo efectivo en pas-toreo en función de cambios en la disponi-bilidad, digestibilidad y composición botá-nica de la pastura.
4. Predicción del consumo en confinamien-to en función de cambios en la relación vo-luminoso: concentrado de la dieta.
5. Predicción de la síntesis de proteína mi-crobiana para cambios en la degradabilidad ruminal de la fuente de nitrógeno.
La predicción diaria de exigencias de EM Mcal/dia) fue evaluada en un amplio ran-go de pesos (150 a 450 kg) y tasas de ga-nancias (0.250 y 1.25 kg/dia). Las curvas de predicción generadas reflejaron una marcada sensibilidad frente a cambios en el peso vivo, observándose un incremento en la pendiente al aumentar la GPV. Este tipo de respuesta es consistente con un mayor costo de manteni-miento y un mayor valor energético/ unidad de peso vivo depositado. Y el cambio en la composición de la ganancia de peso vivo a medida que el animal madura o conforme se lo somete a tasas de ganancia más elevadas (AFRC, 1993, Di Marco 2006; NRC, 2000).
El modelo incorpora para la predicción del consumo las ecuaciones propuestas por CSI-RO (1990) entre las cuales se estima como primer paso el consumo potencial de mate-ria seca (CMSP) del animal, el cual varía en función del tamaño adulto del animal y de la etapa de crecimiento en la que se encuentra o tamaño relativo (cociente entre el desarro-llo que debería tener de acuerdo a su edad y el peso adulto). El CMSP registró incrementos decrecientes para cambios en el tamaño re-lativo del animal, conforma lo esperado. Una reducción en la disponibilidad de forraje entre 3.0 y 0.5 ton/ha, genera una reducción en el consumo real de animales de tipo cuadrático. La forma de la curva observada coincide con la reportada por los autores (CISRO, 1990) y muestra la alta sensibilidad del consumo en pastoreo frente a cambios en la oferta de fo-rraje en un estrecho rango (0.5 a 1.5 tt/ha) con incrementos menores hasta niveles de 2 tt/ha para luego estabilizarse en torno al CMSP predicho. El ajuste del consumo poten-cial debido a la calidad del forraje considera también, la digestibilidad de la materia seca y la proporción de leguminosas en la mezcla. Para una pastura mezcla con oferta no limitante (3000 kg MS/ha), una menor DMS limi-ta el consumo, sin embargo a igual DMS una mayor presencia de leguminosas en la dieta mejora la ingestión de forraje.
El CMS en confinamiento es estimado a par-tir de ecuaciones empíricas reportadas por AFRC (1993) las cuales consideran la rela-ción voluminoso: concentrado en la dieta y su concentración energética. Para relaciones vo-luminoso: concentrado variando entre 100:0 y 20:80, el CMS incrementa en forma lineal. Dietas altamente concentradas (>80% de con-centrado en la dieta, el consumo varía en for-ma inversa con la concentración energética de la dieta.
La respuesta del modelo al cambio en la de-gradabilidad de la fuente de nitrógeno utili-zada en la dieta fue evaluada modificando la proporción de urea en dietas isoproteicas a base de grano de sorgo y harina de soja y uti-lizando ensilaje de maíz (30%), valorándose la sensibilidad del sub-módulo de fermentación ruminal y digestión intestinal.
3.2 Evaluación y análisis de la adecuabilidad del modelo a partir del ajuste entre datos rea-les de ganancia de peso vivo (provenientes de sistemas reales de producción) y los predichos por UPIC-Pro.
A partir de la conformación de lotes homogé-neos por peso, estado fisiológico y/o biotipo se generaron 78 pares de valores de ganan-cias media diaria observada (GMDobs) y pre-dicha (GMDpred).
Los valores estimados para las estadísticas utilizadas en la evaluación de la adecuabili-dad del modelo para la predicción de la ga-nancia media diaria de peso vivo en vacunos se presentan en el cuadro 1.
Cuadro 1. Estadísticas estimadas para el estudio de la adecuabilidad el modelo de predicción.
Estadísticas estimadas para el estudio de la adecuabilidad el modelo de predicción.
La regresión lineal entre los valores obser-vados y predichos permite evaluar el grado de ajuste entre ambos, bajo la hipótesis de que en un ajuste perfecto la regresión pa-saría por el origen y tendría una pendiente igual a la unidad (Dent and Blackie, cit. por Tedeschi, 2006). En la figura 3 se presenta la regresión para la base completa de datos de pares de valores GMD (n=78)
Figura 3. Relación entre la ganancia media observada (GMD) y la GMD predicha por el modelo en vacunos de diferentes categorías manejados en pastoreo o corral (línea llena: recta de regresión y=a+bx; línea punteada Y=X
Relación entre la ganancia media observada (GMD) y la GMD predicha por el modelo en vacunos de diferentes categorías manejados en pastoreo o corral (línea llena: recta de regresión y=a+bx; línea punteada Y=X
Para el estudio de la regresión, los valores ob-servados fueron considerados como variable dependiente (eje-Y) dado que presentan la va-riabilidad natural asociada a la variable, mien-tras que los valores predichos por el modelo (f(X1,…,Xp)i) fueron considerados como valores independientes (eje-X) por ser determinísti-cos y no presentar variación aleatoria (Ha-rrison; Mayer et al, cit. por Tedeschi, 2006). En tal sentido, los puntos ubicados por debajo y por encima de la línea Y=X de la regresión indican sobre-y sub-estimación, respectiva-mente, por parte del modelo.
La relación entra ambas variables fue lineal (P<0.001). Como primera medida de evalua-ción de la capacidad predictiva del modelo (Y=X), se estimaron el intercepto (b0) y la pendiente (b1) de la regresión de los valores observados (y) sobre los predichos (x), y se testearon en forma independiente las hipó-tesis Ho: b0=0 y Ho: b1=1. De estos análisis surgió un intercepto b0= 0.0251 kg/d que no difirió de cero (P=0.2973) y un valor de pen-diente b1= 1.0136 kg/d que no difirió de uno (P= 0.5500) (Figura 1). Sin embargo, el test simultaneo b0=0 y b1=1 para toda la recta de regresión (Dent y Blackie, cit por Tedes-chi, 2006) indicó que el modelo presentaría un sesgo respecto a la línea Y=X (P=0.0373), en tanto en términos de precisión, es capaz de explicar el 96% de la variación observa-da (r2=0.96; r2-aj= 0.96). El sesgo de la media (MB) fue estimado en 0.0367, representando un leve desvío de la recta de predicción hacia la izquierda de la línea Y=X, que indicaría que lo valores predichos subestiman en 36 gra-mos a la ganancia observada.
Otras estadísticas estimadas, son consisten-tes con los descripto por la regresión: el co-eficiente de concordancia (CCC), sugerido como un índice adecuado para variables con-tinuas que evalúa simultáneamente la preci-sión (Rho) y la exactitud (Cb) de la predicción (Lin, cit. por Tedeschi, 2006) fue elevado y cercano a la unidad (CCC= 0.964) lo cual es deseable del punto de visa de la capacidad predictiva del modelo; un valor coeficiente de determinación del modelo (CD=1.06) corrobo-ra la leve subestimación del modelo, del or-den del 6% (CD>1 indica sub-estimación, CD<1 indica sobre-estimación), y un valor para la eficiencia del modelo cercano a 1(MEF= 0.96), es también un buen indicador de la bondad de ajuste del modelo.
CONSIDERACIONES FINALES
En función de estos resultados, se puede decir que el modelo de predicción se mostró pre-ciso y con una leve tendencia a la subestima-ción de los valores observados. Sin embargo, la escasa magnitud del sesgo estimado para la media, y tomando en cuenta la naturaleza de los datos (variabilidad y error asociado a las condiciones comerciales de monitoreo) re-sultaría aceptable del punto de vista produc-tivo. Sin embargo, el propio programa habilita a continuar en una permanente evaluación del mismo, de forma de incorporar mejoras asociados a estudios futuros.
Existen aspectos que no han sido contem-plados en el desarrollo actual del programa, pero que bajo este enfoque de actualización y mejora continua, ameritarían ser considera-dos. Entre estos se destacan como relevantes y a considerar en el futuro: i) la cuantificación del impacto del uso de aditivos nutricionales como, ionóforos (efecto sobre el consumo y conversión), las levaduras y tamponantes (efecto sobre pH ruminal y nivel de fibra efectiva); ii) incorporar ajuses cuantifican-do el efecto de los cruzamientos entre razas (heterosis), con información nacional o regio-nal; ii) la adecuación de los factores de ajuste por estrés térmico basados en la información nacional generada al respecto; iii) incluir la variabilidad tanto de precios de insumos y productos como elemento de evaluación del resultado económico, lo cual permitiría eva-luar escenarios de riesgo para las diferentes dietas; iv) incorporar parámetros de calidad del producto como elemento de evaluación de las dietas.
  • Baker SK (2004) Patterns of methane pro-dution and feed intake in ruminants. Animal Production in Australia 25, 213.
  • Baumont R, Cohen-Salmon D, Prache S, Sau-vant D (2004) A mechanistic model of intake and grazing behaviour in sheep integrating sward architecture and animal decisions. Ani-mal Feed Science and Technology 112, 5-24.
  • Beretta, V. Simeone, A. 2005a Software para la “Predicción de la Performance de Vacunos en Pastoreo”. Curso Sistemas de Alimenta-ción para Ganado de Carne. Material didácti-co en versión electrónica.
  • Beretta, V. Simeone, A. 2005b. Software para la Predicción de la Performance de Vacunos en Confinamiento”. Curso Sistemas de Ali-mentación para Ganado de Carne. Material didáctico en versión electrónica.
  • Beretta, V., Simeone, A. 2006. El uso de ali-mentos concentrados como estrategia para mejorar la productividad y eficiencia biológi-ca de sistemas pecuarios pastoriles. In. Sus-tentabilidade em sistemas pecuários. (Ed. A. Ferraini et al.). Maringa: Massoin. 199p. ISSN 85-8890558-2. p133-146.
  • Cardozo, O., Ferreira, G. 1994. Engorde de novillos: un modelo bioeconómico. NIA. Serie Técnica 049. ISBN: 9974-38-021-9
  • Gondro, C., Simeone, A., Beretta, V., Rowe, J., Kinghorn, B. 2004. A simple differential evo-lution for optimization of nutricional param-eters in Beef Cattle. In: 2004 Annual Post-graduate Conference. Cooperative Research Centre for Cattle and Beef Quality. Coffs Harbour NSW., Australia.
  • Donnelly J. R., M. Freer, L. Salmon, A. D. Moore, R. J. Simpson, H. Dove , T. P. Bolger. 2002. Evolution of the GRAZPLAN decision support tools and adoption by the grazing industry in temperate Australia. Agricultural Systems, 74, 115-139.
  • Ellis JL, Kebreab E, Odongo NE, McBride BW, Okine EK, France J. 2007. Prediction of methane production from dairy and beef cat-tle. Journal of Dairy Science 90:3456–3467.
  • Fox DG, Tedeschi LO, Tylutki TP, Russell JB, Van Amburgh ME, Chase LE, Pell AN, Over-ton TR (2004) The Cornell Net Carbohydrate and Protein System model for evaluating herd nutrition and nutrient excretion. Animal Feed Science and Technology 112, 29-78.
  • Freer, M. A.D. Moore & J.R. Donnelly 2006. The GRAZPLAN animal biology model for sheep and cattle and the GrazFeed decision support tool1 CSIRO Plant Industry Technical Paper http://www.hzn.com.au/grazfeed.php
  • Gutiérrez-Ornelas E, Galyean ML (2004) Achievments of reserach in the field of ru-minant nutrition. In ‘WAAP Book of the year 2003’. (Ed. WAAP) pp. 01-106. (WAAP: Roma)
  • Hodgson J (2004) Animal behaviour and soil-plant-animal interactions. In ‘II Confer-ence on Grassland Ecophysiology and Graz-ing Ecology’. Curitiba pp. CD-rom. (UFPR, UFRG)
  • MacRae JC (2004) Nutritional opportunities for longer-term, sustainable, ruminant pro-duction. Proceedings of the New Zealand So-ciety of Animal Production 64, 77-83.
  • Mader TL, Davis MS, Brown-Brandl T. 2006. Environmental factors influencing heat stress in feedlot cattle J Anim Sci 2006. 84:712-719.
  • Mader TL. 2011. Mud Effects on Feedlot Cat-tle. Nebraska Beef Cattle Reports. Paper 613. http://digitalcommons.unl.edu/animalscinb-cr/613
  • Marichal, M., Carriquiry, M., Trujillo, A. Ta-blas de composición química, valor proteico y aporte energético de pasturas cultivadas. Fa-cultad de Agronomia. Mimeo. s/p.
  • Mieres J, Assandri L, Cúneo M. 2004. Tablas de valor nutritivo de alimentos. In Guía para la alimentación de rumiantes (Mieres J, Ed). INIA: Montevideo. Serie Tecnica Nº 142
  • NRC (1996, 2000) Nutrient requirements of beef cattle/Subcommittee on Beef Cattle Nu-trition, Committee on Animal Nutrition, Board on Agriculture, National Research Council.—7th rev. ed. Up date 2000. NATIONAL ACADEMY PRESS Washington, D.C. 1996
  • Rotz CA (2004) Management to reduce ni-trogen losses in animal production. Journal of Animal Science 82, E119-E137.
  • SCA (1990). Feeding standards for Austra-lian livestock. Ruminants. CSIRO Australia, Victoria
  • Simeone, A., Beretta, V. 2004. Informe Fi-nal Proyecto “Evaluación de alternativas de alimentación durante el verano y otoño para animales en engorde en sistemas pastoriles intensivos de producción de carne del Litoral Oeste del Uruguay” (2001-2004). Presentado ante INIA – programa Línea de Investigación Aplicada (proyecto LIA 020). Montevideo, 20 de enero de 2004.
  • Simeone, A., Beretta, V. 2005. Achievements in the field of Ruminant Nutrition. In: Animal production and animal science worldwide. WAAP Book of the Year 2005 (Ed. A. Rosat-ti, A. Tewolde and C. Mosconi). Wageningen Academic Publisher: Wageningesn, p. 67-74. ISBN 9076998671
  • Tedeschi, L.O. 2006. Assessment of the ad-equacy of mathematical models. Agricultural Systems 89 (2006) 225–247
  • Tedeschi, L.O., Fox, D.G. Russell, J. B. 2007. Development of Mathematical Models to es-timate animal performance and feed biolog-ical values. In. Simposio Internacional Avan-cos em Tecnicas de Pesquisa em Nutruica de Rumiantes. Ed. F. Palma Rennó e L. Prada e Silva). USP
Temas relacionados
Autores:
Alvaro Simeone
Universidad de la República de Uruguay (UdelaR)
Seguir
Virginia Beretta
Universidad de la República de Uruguay (UdelaR)
Seguir
Únete para poder comentar.
Una vez que te unas a Engormix, podrás participar en todos los contenidos y foros.
* Dato obligatorio
¿Quieres comentar sobre otro tema? Crea una nueva publicación para dialogar con expertos de la comunidad.
Crear una publicación
Súmate a Engormix y forma parte de la red social agropecuaria más grande del mundo.
Iniciar sesiónRegistrate