Download Slide 1 - Mexico TIES Initiative

Evaluación: ¿Qué tan adecuado
es el Modelo CNCPS?
Luis Orlindo Tedeschi
Bertha Rueda-Maldonado
Francisco “Paco” Juárez-Lagunes
Requerimientos para pronósticos precisos
en los trópicos



Se debe pronósticar con precisión los
requerimientos para mantenimiento,
crecimiento, gestación, lactación, y reservas
de energía (tejidos grasos)
Se debe pronósticar con precisión las
cantidades de energía y proteína absorbidos
para cada condición específica de finca
Los valores tabulares de requerimientos de
nutrientes y valores de alimentos de EE. UU.
y Canadá son inadecuados para los trópicos
El CNCPS en el manejo alimenticio

Desarrollar un modelo para pronosticar
requerimientos y valores biológicos de alimentos en
cada finca

Usar el modelo para identificar los factores que son
limitantes de primer órden al comportamiento animal




Energía
Proteína
Aminoácidos
Minerales
Componentes del modelo CNCPS
para los trópicos




Ajustes de raza para mantenimiento,
crecimiento y lactación
Fracciones de CHO y proteína para forrajes
tropicales y sus tasas de digestión
Ecuaciones para pronosticar el consumo de
materia seca
Ajuste ruminal para deficiencias de N y
aminoácidos de cadenas ramificadas
Evaluación de vacas de doble
propósito en México
Vacas lactantes

50 vacas 3/4 Holstein x 1/4 Brahman con:

Peso corporal = 511 kg (550 maduro), condición
corporal = 3, y producción diaria de leche = 10 kg

Pastoreo rotacional en Pangola con 3.5 kg/d
de suplemento

From Juárez Lagunes et al. (1999), J. Dairy Sci. 82:2136
Composición de alimentos
Item
Unidad
Pangola
(pasto)
Sorghum
(grano)
FDN
%MS
69.5
10.3
Pasta
de
soya
11.4
Lignina
%FDN
7.5
12.8
0.9
Proteína
%MS
8.9
10.4
52.6
PBSol
%PB
41.9
14.9
16.0
%PBSol
36.3
33.0
55.0
PNP
Juárez Lagunes et al. (1999), Table 10
Tasas de digestión
Item
Unidad
CHO A
%/h
Pangola
(pasto)
19.7
CHO B1
%/h
19.7
14.3
7.9
CHO B2
%/h
5.3
6.0
5.7
Prot. B1
%/h
Prot. B2
%/h
11.0
6.0
11.0
Prot. B3
%/h
5.3
0.12
0.20
Juárez Lagunes et al. (1999), Table 10
135
Sorgo
(grano)
14.3
Pasta
de soya
7.9
135
230
Sensibilidad al FDN y Lignina
EM para
milk,
kg/d
PM para
milk,
kg/d
PM bacteria,
g/d
60
11.3
7.7
685
70
9.4
5.7
640
80
7.4
3.8
593
4
10.5
6.8
668
8
8.2
4.6
612
FDN1, %MS
Lignina2,%FDN
1
Lignin = 6% DM. 2 NDF = 70% DM. From Juarez Lagunes et al. (1999), Table 4
Note: ME decreases 1.25 and 0.69 of % units/% of NDF and Lignin increase, respectively
Sensibilidad a la Tasa de digestión para F DN
FDN1
Tasa de dig.
3%/h
EM para
leche,
kg/d
5.0
6%/h
9.4
5.7
640
9%/h
11.7
9.9
789
1
PM para
leche,
kg/d
0
PM bacteria,
g/d
CHO A and B1 @ 16%/h. Juarez Lagunes et al. (1999), Table 5
415
Ganado Bovino
en Crecimiento y Finalización
Evaluación del NRC (1996)







Evaluación del modelo NRC (2000), nivel 2
48 períodos de crecimiento
Holstein, Angus y Charolais
GPD varió entre 0.1 a 1.4 kg/d
Dietas comprendieron 90% forraje de baja calidad (ej.,
paja) hasta 90% concentrado
Datos de Wilkerson et al. (1993; JAS 71:2777) y Ainslie et
al. (1993; JAS 71:1312)
Adaptado del NRC (2000) por Tedeschi (2001)
Observed ADG, kg/d
Evaluación del NRC (1996)
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
Y=X
0.0
0.0
0.5
1.0
1.5
ME, MP, or AA first limiting allowable ADG, kg/d
2.0
Evaluación del CNCPS 5.0





65 períodos de crecimiento
Razas Holstein, Angus, Charolais, y Nellore
Datos de 7 estudios publicados: Abdalla et al. (1988), Ainslie et
al. (1993), Boin and Moura (1977), Danner et al. (1980) Fox and
Cook (1977), Lomas et al. (1982), Wilkerson et al. (1993).
PC-reducido varió entre 114 y 340 kg,
GPD varió de 0.22 a 1.11 kg/d,
consumo de MS de 4.6 a 7.9 kg/d y
PB del 10.6 al 18% (MS).
Fuente: Tedeschi (2001).
Evaluación del CNCPS 4.0
GPD, kg/d
MIN
Media
Estadísticas de regresión
MAX
r2,,%
Sesgo,%
RMSPE
EM, primer limitante (N=19)
Observado
0.80
1.11
1.44
-
-
-
Tabular NDT
0.73
1.25
1.78
61
-11.4*
0.23
CNCPS NDT
0.79
1.10
1.48
80
0.4
0.10
PM, primer limitante (N=28)
Observado
0.12
0.78
1.36
-
-
-
Tabular UIP
0.11
0.81
1.78
80
-4.3
0.21
CNCPS UIP
0.12
0.77
1.45
92
1.9
0.11
RMSPE = Raíz cuadrado del error de predicción por cuadrados mínimos
Pronóstico GPD con limitación en EM
y = 0.4393x + 0.5574
r2 = 0.608
Bias = -11.4%
Observed ADG, kg/d
1.9
1.7
Y=X
1.5
1.3
1.1
0.9
0.7
0.7
0.9
1.1
1.3
1.5
1.7
Predicted ADG by Tabular TDN, kg/d
1.9
Observed ADG, kg/d
Pronóstico GPD con limitación en EM
y = 0.6674x + 0.3706
2
R = 0.7974
Bias = 0.4%
1.5
1.3
Y=X
1.1
0.9
0.7
0.7
0.9
1.1
1.3
Predicted ADG by CNCPS TDN, kg/d
1.5
Observed ADG, kg/d
Pronóstico GPD con limitación en EP
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
Y=X
y = 0.727x + 0.1876
r2 = 0.8007
Bias = -4.3%
0.0
0.5
1.0
1.5
Predicted ADG by Tabular UIP, kg/d
Pronóstico GPD con limitación en EP
Observed ADG, kg/d
1.6
Y=X
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
y = 1.0091x + 0.0097
2
r = 0.9172
Bias = 1.9%
0.0
0.5
1.0
Predicted ADG by CNCPS UIP, kg/d
1.5
Evaluación de la deficiencia ruminal en N



Ajuste para la degradación de fibra y el
crecimiento de FC microbial en el rumen con
balance ruminal negativo en N
Este submodelo fue evaluado en base a los
resultados de cinco estudios
Fuente: Tedeschi et al. (2000; JAS 78:1648)
Evaluación de deficiencia ruminal en N


1. las cantidades disponibles de péptidos y amonio son utilizados
para determinar el crecimiento microbial permitido por N,
2. se resta este valor al crecimiento microbial permitido por la
energía para obtener la reducción en la masa microbial,

3. esta reducción en masa se distribuye entre los pool de
bacteria que digiere los carbohidratos de la fibra (FC) y los CHO
de no-fibra (NFC) conforme con las proporciones originales en el
crecimiento microbial permitido por la energía,

4. se computa la disminución en FC fermentado que es la
pérdida en masa bacterial proveniente de FC, dividido por su
rendimiento (g bacteria/g FC digerido), y
5. se suma esta reducción a la fracción FC que escapa del
rumen.

Evaluación de la deficiencia ruminal en N
Ajuste CNCPS
Observado
Sin ajuste
Con ajuste
0.829
0.988
0.868
-
0.16
0.039
0.371
0.222
0.138
6.017
6.536
6.018
Sesgo promedio
-
0.519
0.001
RMSPE/SD
1.763
1.142
0.61
GPD, kg/d
Media
Sesgo promedio
RMSPE/SD
Consumo MS, kg/d
Media
CNCPS sin ajuste
Observed ADG, kg/d
1.6
Y=X
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
r2 = 83%
Bias = -19.2%
0.0
0.5
1.0
First limiting allowable ADG, kg/d
1.5
CNCPS con ajuste
Observed ADG, kg/d
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
r2 = 88%
Bias = -4.7%
Y=X
0.0
0.5
1.0
First limiting allowable ADG, kg/d
1.5
Relación entre GPD y balance ruminal en N
Observed ADG, kg/d
1400
1200
1000
800
600
400
Maximum ADG @
200
0.4% RNB
0
-35
-25
-15
-5
Rumen N Balance, %
5
Pronóstico del flujo de N con
el modelo CNCPS
Conjunto de datos





57 publicaciones (22 con ganado con cánulas
ileales)
257 tratamientos de dieta (175 de
crecimiento/finalización, 82 con vacas lactantes)
299 animales (197 en crecimiento o finalización, 102
vacas lactantes)
Sólo 2 trabajos con análisis fecal de heces frescas
Juan Marini (no publicado)
N bacterial
500
y = 0.7322x
450
R2 = 0.6662
Obs Bacterial N, g/d
400
350
300
250
200
150
100
50
0
0
100
200
300
Pred Bacterial N, g/d
400
500
N duodenal
900
y = 0.9353x
Obs Duodenal N, g/d
800
R2 = 0.933
700
600
500
400
300
200
100
0
0
200
400
600
Pred Duodenal N, g/d
800
1000
N fecal
400
y = 0.8149x
Obs Fecal N, g/d
350
R2 = 0.9147
300
250
200
150
100
50
0
0
50
100
150
200
Pred Fecal N, g/d
250
300
350
Conclusiones




Variación en el contenido de fibra (FDN y lignina)
tiene un efecto importante en el comportamiento
animal
Información respecto al consumo de MS es crucial
en la evaluación de modelos matemáticos
El ajuste para la deficiencia ruminal en N redujo el
sesgo y incrementó el r2 (coeficiente de determinación)
El modelo pudo pronosticar en forma satisfactoria
los rendimientos de N bacterial y duodenal, y el flujo
de N fecal
Estudio de caso en la Región
Amazónica Occidental de Brazil
RUEDA et al. (2003). Production and
economic potentials of cattle in pasture-based
systems of the western Amazon region of
Brazil. Journal of Animal Science, 81, 2923-37
Objetivos experimentales

Evaluación del comportamiento en lactación y
crecimiento de ganado usando el modelo CNCPS
para:



Estimar los efectos estacionales en los valores nutritivos
de pastos y leguminosas
Evaluar opciones de manejo de pasturas y manejo
nutricional para mejorar la productividad de ganado y el
uso de tierra
Sugerir opciones de retornos económicos favorables
utilizando alternativas de manejo nutricional
Descripción del experimento

Tres fincas



1 finca doble-propósito (90 ha)
2 fincas de ganado de carne (1600 and 3000 ha)
Se monitoreó información CNCPS de



Composición químico-cinética de forrajes
Datos ambientales
Características y comportamientos de animales
Composición Química de Forrajes
a
80
70
60
%
50
40
30
20
10
Oct
Nov
Dec
Jan
Feb
Mar
Apr
May
Jun
b
80
70
60
%
50
40
30
20
10
Oct
Nov
Dec
Jan
Feb
TDN, decumbens
TDN, brizantha
DIP, brizantha
DIP, kudzu
Mar
TDN, kudzu
Apr
May
DIP, decumbens
Jun
Incrementar producción de leche…
• 1 a 2 kg/d de sorgo y 20% del
consumo total de Kudzu fueron
requeridos para lograr la meta
pero
• “… suplementación para
incrementar productividad
individual no es atractivo
economicamente en este
sistema doble-propósito con la
baja relación entre los precios
de leche y sorgo …”
Incrementar ganancia de peso …
• “… los márgenes netos
también fueron más bajos con
los precios actuales de carne y
grano para un crecimiento más
rápido para novillos con
suplementación por grano…”
• “… el incremento en el costo
de alimento para la producción
de carne fue más que dos
veces que el supuesto
aumento en el ingreso bruto
…”
Conclusiones




Variación en el contenido de fibra (FDN y lignina)
tiene un efecto importante en el comportamiento
animal.
Información sobre el consumo de MS es crucial
para la evaluación de modelos.
El modelo CNCPS nivel 2 pronostica el
comportamiento animal con más precisión que el
tabular NDT
El ajuste para deficiencia ruminal en N aumentó la
precisión de pronóticos de GPD