Engorde de novillos en confinamiento: Evaluación del desempeño productivo mediante simulación de estrategias de alimentación

  • Diego Avilio Ocampos Olmedo Facultad de Ciencias Agrarias / Universidad Nacional de Asunción . Paraguay
  • Pedro Paniagua Alcaraz Facultad de Ciencias Agrarias / Universidad Nacional de Asunción Paraguay
  • Claudio Tobal Universidad Nacional de La Pampa
  • Luis Alberto Alonzo Griffith Facultad de Ciencias Agrarias. Universidad Nacional de Asunción. Ruta Mcal. José F. Estigarribia, Km 11 Campus de la UNA. San Lorenzo - Paraguay https://orcid.org/0000-0002-0542-1774

DOI:

https://doi.org/10.19137/cienvet-202022204

Palabras clave:

Peso Vivo, Evaluación de Escenarios, Función de crecimiento, Consumo

Resumen

Se diseñó un modelo de simulación con el objetivo de servir como herramienta de gestión para estimar la tasa de cambio del peso vivo en novillos confinados. Los principales componentes del sistema de producción integrados en el modelo fueron el animal, medio ambiente y la dieta. Las interrelaciones biológicas cuantificadas se resumen en el consumo voluntario de materia seca y balances nutricionales de energía metabolizable y proteína digestible. El consumo potencial estimado por la madurez fisiológica dependiente del biotipo animal cebuino, taurino o hibrido, sexo y edad fue corregido por índices relacionados con el tamaño de la partícula alimenticia y digestibilidad real de la dieta. Ésta fue estimada mediante el desarrollo y validación de índices y funciones de corrección considerando el nivel de taninos, sílice, proteína cruda y carbohidratos no estructurales junto con el tamaño de partícula tomadas de tablas de datos del modelo Cornell. La confianza del modelo para predecir la tasa de incremento del peso vivo fue evaluada mediante la prueba t student con datos experimentales de 12 lotes de novillos de razas de madurez fisiológica precoz, durante 119 días. Las ganancias diarias de pesos promedios del modelo presentaron una tendencia similar a los datos observados (P:0.65). Además, el análisis de regresión entre  variables simuladas y observadas presentó similar tendencia tanto para estimación de consumo (R2=0,62) como para la estimación de la ganancia diaria de peso (R2=0,58). El modelo permite evaluar innovaciones de procesos para determinar funciones de producción relacionadas con el peso vivo en diferentes escenarios incorporando variables como biotipo bovino, calidad de dieta modificada en base a su digestibilidad, tamaño de partícula, y temperatura ambiental.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Diego Avilio Ocampos Olmedo, Facultad de Ciencias Agrarias / Universidad Nacional de Asunción . Paraguay

Docente Investigador de la Facultad de Ciencias Agrarias UNA. Ing Agrónomo por la UNA. Maestría en Producción Animal en la PU Católica de Chile. Doctorado en la UFRGS Brasil. Coordinador del Área de Producción Animal de la FCA. Investigador Conacyt categorizado

Pedro Paniagua Alcaraz, Facultad de Ciencias Agrarias / Universidad Nacional de Asunción Paraguay

Docente Investigador de la Facultad de Ciencias Agrarias UNA. Ing Agrónomo por la UNA. Maestría en Producción Animal en la PU Católica de Chile. Director de la Carrera de  Ingeniería Agronómica de la FCA/UNA. Investigador Conacyt categorizado

Luis Alberto Alonzo Griffith, Facultad de Ciencias Agrarias. Universidad Nacional de Asunción. Ruta Mcal. José F. Estigarribia, Km 11 Campus de la UNA. San Lorenzo - Paraguay

Graduado de Ingeniero Agrónomo por la Facultad de Ciencias Agrarias de la Universidad Nacional de Asunción en el 2010. Maestría en Zootecnia en la Universidad Federal de Pelotas. Brasil 2016.Docente Investigador FCA/UNA campus San Lorenzo y Candidato a Investigador Conacyt

Citas

SENACSA 2017 Estadísticas pecuaria. Consultado en línea en http://www.senacsa.

gov.py/v8/pdf/estadistica_pecuaria/2017/anuario-2017-1.pdf

Ocampos Olmedo DA, Lopes J, barcellos OJ, de Oliveira TE. Desenvolvimento de un

modelo preditor do desempenho de novillos de corte suplementados em pastagens

tropicais. Revista Brasilera de Zootecnia.2010; 39(2): 402-410.

Allende R, Aguilar C, García F.. Modelo de simulación para estimar la ganancia de peso en novillos en praderas naturales de la IX región de Chile. Proceedings de la XVI Reunión Latinoamericana de Producción Animal. III Congreso Uruguayo de Producción

Animal.2000.

Vera R, Morales JS. Decision support systems for pasture utilization: Developments,

opportunities and constrains. In Simposio Internacional en producción Animal y Medio Ambiente. Proceedings XXVI Reunión anual de la Sociedad Chilena de Producción Animal.2001.

CSIRO. Nutrient Requirements of Domesticated Ruminants. CSIRO Publishing, Collingwood. 2007. pp 209-213.

NRC. Nutrients requirements of beef cattle. Eight revised edition. National Academy

Press. Washington, D.C 2006.

Giger-Reverdin S, Aufrere J, Sauvant D, Demarquilly C, Vermorel M.Prediction of energy values of compound feeds for ruminants. Anim. Feed Sci. Technol. 1994;48: 73-98.

Vierira RAM, Tedeschi LO, Cannas A. A generalized model for describing fiber dynamics in the ruminant gastrointestinal tract. The heterogeneity of the pool of fiber

particles in the ruminoreticulum. 2007 Beef Cattle Report in Texas. Texas A&M University, College Station, TX.2007. pp. 97-102 .

Van Soest PJ.Nutritional ecology of the ruminant. 2nd Edition, Cornell University

Press, Ithaca.1994. pp. 476.

ARC. The nutrient requirements of ruminant livestock. London, Commonwalth Agricultural Bureaux, Farnham Royal, Slough, Gresham Press.1984.

Australian meat research comite review. The requirements Nitrogen for ruminal microbial. 1996. [Internet] consultado: Mayo 2019. Disponible en: http://www.austehc.

unimelb.edu.au/asaw/biogs/A000409b.htm

Nocek JE, Tamminga S. Sites of digestion of starch in the gastrointestinal tract of dairy cows and its effects on milk yield and composition. J. Dairy Sci.1991; 74: 3-598-3629.

Stokes SR, Hoover WH, Miller TK, Manski. Impact of Carbohydrate and protein levels on bacterial metabolism in continuous culture. J. Dairy Sci. 1991; 74: 860-870.

Mertens DR. Predicting intake and digestibility using mathematical models of ruminal function. J. Anim. Sci.1987; 64:1548-1558.

AFRC. Nutrients energy and protein requirements for ruminants. CAB International,

United Kingdom. 1993.

Garcia F. Requerimientos de proteína en ganado lechero. En: Simulación de Sistemas Pecuarios. Ruiz, M.E. Editor RISPAL.1992. pp 189 - 283.

Orskov E. Nutrición proteica de los rumiantes. Editorial Acribia. Zaragoza. España.

Pp. 177.

Aguilar C, Cortés H, Allende R. Los modelos de simulación. Una herramienta de apoyo a la gestión pecuaria. Archivos Latinoamericanos de Producción Animal.2002; 10 (3) 226-231.

SAS. Statistical Analysis Systems User’s Guide. Version 2002. SAS Institute, Cary, NC.

Publicado

2020-10-29

Cómo citar

Ocampos Olmedo, D. A., Paniagua Alcaraz, P., Tobal, C., & Alonzo Griffith, L. A. (2020). Engorde de novillos en confinamiento: Evaluación del desempeño productivo mediante simulación de estrategias de alimentación. Ciencia Veterinaria, 22(2), 135–156. https://doi.org/10.19137/cienvet-202022204

Número

Sección

Artículos de Investigación