Desarrollo de un modelo de simulación para la producción de carne bovina
Descripción
INSTITUTO TECNOLOGICO DE COSTA RICA DEPARTAMENTO DE COMPUTACION PROGRAMA DE MAESTRIA EN COMPUTACION
DESARROLLO DE UN MODELO DE SIMULACION Y SU APLICACION EN LA PRODUCCION DE CARNE BOVINA
Tesis para optar por el grado de Magister Scientiae en Computación
Ing. Edgardo Vargas Jarquín
Cartago, Costa Rica Abril de 1993
RESUMEN En este trabajo se estudia el problema de los sistemas de la producción de carne bovina basada en el pastoreo. Se fundamenta en las investigaciones agronómicas existentes y aplicables a las condiciones tropicales. Esta información se transformó
en
algoritmos
que
guardan
las
características
funcionales de cada elemento y son integrados en un programa de simulación. El objetivo fundamental ha sido el crear un modelo computacional que permita coadyuvar en el mejoramiento de esta actividad, partiendo de la administración de las pasturas. Los submodelos que incluye este sistema, consideran estrictamente las fases de desarrollo y engorde de novillos en pastoreo, lo cual constituye solo una parte del modelo real. En
el
documento
se
describen
todas
las
fórmulas
utilizadas tanto para simular el comportamiento animal, como el
comportamiento
de
los
pastos,
del
clima
y
algunas
decisiones que toma el hombre. El sistema fue desarrollado en SIMSCRIP
II.5,
simulación
y
el
cual
orientado
es a
un
lenguaje
objetos.
Esto
especializado permitió
en
modelar
cuatro objetos que interactúan en el tiempo de corrida, con una o más instanciaciones y a los que se les llamó: HOMBRE, ANIMAL, REPASTO Y CLIMA. También se presentan evidencias de
la factibilidad de emplear este tipo de tecnología, para lograr una mejor administración de las pasturas y así mejorar los sistemas de producción de carne bovina.
APROBACION DE TESIS
DESARROLLO DE UN SISTEMA DE SIMULACION Y SU APLICACION EN LA PRODUCCION DE CARNE BOVINA
Tribunal Examinador
_____________________ Jorge Camacho, Ph. D. Profesional Experto
____________________ Freddy Abarca, Ph. D. Profesor
__________________ Manuel Núnez, MSc. Profesor
_____________________ Ulises Agüero, Ph.D. Profesor Asesor
_________________ Erick Mata, Ph.D. Director Maestría Mayo de 1993
AGRADECIMIENTOS Son muchas las personas que debo mencionar para dejar constancia de mi gratitud hacia ellas, pero para no pecar de omisión solo citaré a dos personas. Mi
agradecimiento
más
sincero al
Dr.
Ulises
Agüero,
quien como asesor de este trabajo colaboró de la forma más desinteresada
para
su
realización.
Gracias
a
él
se
pudo
comprar un software adecuado a las necesidades del trabajo y se
contó
con
el
tiempo
necesario
para
ejecutar
la
investigación. Mención especial debo de hacer también al Dr. Carlos González,
por
especializar
su
aporte
personas
en
en la
la
creación
aplicación
de de
la las
idea
de
Ciencias
Computacionales a la producción agropecuaria. Su aporte me permitió orientar mis estudios en esta área. Agradezco al Instituto Tecnológico de Costa Rica por su apoyo para la realización de mis estudios y a través de él extiendo mi gratitud a todas las demás personas que de una u otra forma contribuyeron para que finalizara con éxito esta etapa de mi vida.
INDICE GENERAL CAPITULO I INTRODUCCION ..................................
1
1.1 OBJETIVOS E HIPOTESIS ...........................
3
1.2 ESTRATEGIA PARA LA SOLUCION DEL PROBLEMA ........
4
1.3 METODOLOGIA DESARROLLADA ........................
5
1.4 LOS MODELOS REPORTADOS EN LA LITERATURA .........
7
1.5 LIMITACIONES DEL MODELO PROPUESTO ...............
8
1.6 LENGUAJE DE PROGRAMACION ........................
9
1.7 ORGANIZACION DEL DOCUMENTO ......................
9
CAPITULO 2. DESCRIPCION Y ESTRUCTURA DEL MODELO .........
10
2.1 COMPONENTES Y CARACTERISTICAS DE LOS SISTEMAS
2.2
DE GANADO DE CARNE ............................
11
2.1.1 Características del componente hombre ...
13
2.1.2
Características de los animales ........
13
2.1.3
Características del pasto ..............
14
2.1.4
Características de los suelos ..........
15
INTERACCIONES DE LOS SISTEMAS DE PRODUCCION DE CARNE ......................................
15
2.2.1 Suelo - Pasto - Hombre ..................
16
2.2.2
Suelo - Pasto - Animales ...............
16
2.2.3
Suelo - Pasto - Animales - Hombre ......
18
2.3 ESTRUCTURA DEL MODELO DE SIMULACION ............
19
2.3.1 Estructura global del modelo ............
19
2.3.2 El objeto "hombre" ......................
19
2.3.3 El objeto "repasto" .....................
22
a. Modelo Heurístico .....................
23
b. Modelo 74 .............................
23
c. Modelo 7577 ...........................
25
2.3.4 El objeto "clima" .......................
27
2.3.4 El objeto "animal" ......................
27
a. Cálculo del peso normativo del animal .
29
b.
Cálculo
del
consumo
teórico
de
materia seca ........................
29
c. Cálculo del consumo real de MS ........
30
CAPITULO 3. RESULTADOS EXPERIMENTALES ...................
37
3.1 APLICACIONES DEL MODELO DE SIMULACION ..........
37
3.1.1 Usos educativos del modelo ..............
38
3.1.2 Experimentación con el modelo. ..........
41
a. Experimento 1. ........................
43
b. Experimento 2 .........................
46
3.2 INCONSISTENCIAS DEL MODELO DE SIMULACION .......
51
CAPITULO 4. CONCLUSIONES ................................
53
LITERATURA CITADA .......................................
55
LISTA DE CUADROS Cuadro 1. Coeficientes de la función de producción y digestibilidad. Pasto estrella ofrecido en Ton/Ha. .
24
Cuadro 3.1 Cuadrados medios de los factores del análisis de variación de la variable peso vivo del animal en kg (PV) del experimento 1 ..........................
44
Cuadro 3.2 Prueba de Tukey para la comparación múltiple de medias de los modelos a los 180 y 360 días. Experimento 1 ......................................
45
Cuadro 3.3 Prueba de Tukey para la comparación múltiple de medias de los pesos iniciales a los 30, 180 y 360 días. Experimento 1 ............................
45
Cuadro 3.4 Cuadrados medios de los factores del análisis de variación de los pesos vivos de los animales a los 30, 180 y 360 días de simulación. Experimento 2
48
Cuadro 3.5 Prueba de Tukey para la comparación múltiple de
medias
de
los
pesos
iniciales
por
días
de
ocupación a los 30, 180 y 360 días. Experimento 2 ..
49
Cuadro 3.6 Prueba de Tukey para la comparación múltiple de
medias
de
los
pesos
iniciales
por
área
del
repasto a los 30, 180 y 360 días. Experimento 2 ....
50
Cuadro 3.7 Prueba de Tukey para la comparación múltiple de
medias
de
los
pesos
iniciales
por
dosis
de
nitrógeno a los 30, 180 y 360 días. Experimento 2 ..
50
LISTA DE FIGURAS
FIGURA 2.1 Esquema de un sistema de producción ..........
11
FIGURA 2.2 Componentes fundamentales de un sistema de producción de ganado de carne ...................... FIGURA 2.3
Relación
de
los
aspectos
cuantitativos
12
y
cualitativos del pasto con la producción animal (adaptado de Mott, 1966) FIGURA
2.4
objeto
Diagrama
simplificado
.. 17 del
algoritmo
del
hombre ..................................
21
FIGURA 2.5 Modelo general del objeto repasto ............
22
FIGURA 2.6 Modelo algorítmico del objeto animal .........
28
FIGURA 2.7 Algoritmo simplificado de la heurística hecha sobre el consumo real ..............................
32
FIGURA 2.8 Curva estocástica de distribución gaussiana para crear la variabilidad en el consumo que se da entre animales de un mismo peso ....................
32
FIGURA 3.1 Interfaz de usuario del modelo de simulación heurístico .........................................
39
FIGURA 3.2 Interfaz de usuario cuando se presenta un mensaje
de
advertencia
sobre
la
situación
de
recuperación de un repasto. (Modelo 7577) ..........
41
FIGURA 3.3 Peso vivo promedio de los animales de las simulaciones corridas en el experimento 2 con 9 días de ocupación y 0.5 ha por aparto ..............
59
DEDICATORIA
A las personas que más amo: Pacífica, mi esposa, Cristina, mi hija, Joaquín, mi padre y Hermelinda, mi madre
1
CAPITULO I INTRODUCCION La idea de aplicar la tecnología computacional a la producción ganadera se basa "en el principio de que la información es un insumo tan valioso como los materiales y la energía para la producción" [3]. En Costa Rica las acciones en este sentido se han centrado fundamentalmente en la estrategia de utilizar sistemas de información computadorizados, los cuales se han hecho principalmente para apoyar la reproducción y la sanidad animal. En este proceso se ha dejado de lado el manejo de los pastos, que es una actividad poco estructurada y que tiene que ver con elementos como el ambiente, los efectos del pastoreo y los tipos de pastos. Esto, sumado al desarrollo de la Agrostología y a la actitud del ganadero conllevan a que se hayan descuidado el manejo y utilización de las pasturas. Hay que mencionar que en el caso de la producción bovina de carne en Costa Rica, las pasturas son la base de la alimentación, siendo que aportan más del 90% de los elementos nutritivos que tienen a su disposición los animales y en muchos casos llegan a ser prácticamente el 100%. Por tanto, si el estado de cosas es así, se pueden plantear las siguientes preguntas: ¿Cómo se le da un mayor énfasis al manejo de la reproducción, descuidándose las pasturas, si para que los animales puedan manifestar su potencial reproductivo necesitan una base alimenticia que garantice que podrán sostener sus necesidades básicas y las necesidades reproductivas? ¿Como se podrá llevar un programa de mejoramiento genético, sí
2 para que un animal exprese su verdadero potencial de crecimiento, (conversión alimenticia) la alimentación debe cubrir sus necesidades de mantenimiento y de crecimiento? Cabe mencionar que todos los organismos vivos tienen sistemas homeostáticos que garantizan en primer término su sobrevivencia, de manera que cualquier actividad fisiológica que atente contra el mismo, aunque sea tan natural como la reproducción, es detenida o reducida al mínimo, para que el individuo sobreviva a las malas condiciones ambientales. Por eso es que fenómenos como la reproducción e inclusive el crecimiento son detenidos ante la circunstancia de una mala nutrición. Este razonamiento induce a pensar que se debe dar un mayor énfasis a la producción de alimentos para el ganado, ya sean éstos pastos o algún otro forraje. Por tanto surge aquí una nueva cuestión: ¿Son los sistemas de información computadorizados la mejor forma de abordar este nuevo enfoque? Aunque esta estrategia ha sido empleada con éxito para apoyar el manejo de la reproducción y sanidad de los animales [4], no parece suficiente para el manejo de las pasturas, por depender éstas de muchos agentes estocásticos y por haber sido menos estudiadas como componentes de los sistemas de producción de carne bovina, que otros factores como la reproducción, la suplementación de alimentos y otros. El éxito de la aplicación de los sistemas de información se debe a que la reproducción y la sanidad animal son fenómenos más estructurados y más fáciles de cuantificar, lo que contrasta fuertemente con el manejo de las pasturas, donde ni siquiera los métodos para medir la producción de materia seca son
3 suficientemente exactos y donde tampoco se ha podido cuantificar con exactitud cuales son los efectos de un buen manejo de las pasturas sobre la producción y la productividad de la fincas. Aunque intuitivamente se puede pensar que una mejoría en la condición de los pastos debería traducirse en una mejoría en la producción de carne. Por esto es que se planteó realizar este estudio, de manera que se pudieran crear herramientas computacionales que permitieran evaluar las diferencias en el manejo de las pasturas, basándose en lo posible en la investigación local, para apoyar la toma de decisiones tanto de los expertos, como de los productores, con el propósito de que no se tenga que incurrir en los grandes costos que implica el esperar los resultados en un sistema real de ganadería.
1.1 OBJETIVOS E HIPOTESIS El presente proyecto fue concebido para probar la siguiente hipótesis: Es
posible
crear
modelos
computacionales
que
coadyuven en el mejoramiento de la producción de carne bovina, partiendo de la administración de las pasturas. Para
la
comprobación
de
esta
propuesta
se
debía
evaluar
el
comportamiento de las pasturas, las cuales son de por sí un sistema complicado, y la respuesta de los animales a los cambios inducidos por el manejo que da el hombre. Por esto se tenía que conocer la respuesta a factores de manejo de las pasturas, como los días de ocupación, los días de descanso, la presión de pastoreo y la fertilización, en relación con la producción y calidad del pasto, y a la
4 producción de carne que se logra con combinaciones diferentes de estos factores. También se debía evaluar el efecto que tiene el clima sobre el pasto y por tanto sobre
los
animales,
considerándose
fenómenos
como
el
crecimiento
compensatorio de los animales. Por tanto el objetivo principal debía ser el crear un modelo computacional que pudiera combinar los factores de manejo del pasto, para obtener las respuestas de producción y calidad de la materia seca (MS) y con base en esto, que pueda estimar la producción animal esperable.
1.2 ESTRATEGIA PARA LA SOLUCION DEL PROBLEMA La utilización convencional de sistemas de información conlleva la necesidad de registrar una gran cantidad de información, por un largo período de tiempo, de forma que evaluar la realidad por este medio es muy costoso e ineficiente, por lo que esta estrategia no es conveniente para el presente trabajo. La simulación es un enfoque que nació en los años 40 con el propósito de resolver problemas del ámbito económico. En la actualidad esta técnica se ha difundido a todas las disciplinas científicas y en particular en la agricultura, donde se reporta una gran cantidad de modelos [26]. Muchos investigadores piensan que éste es un medio para integrar el conocimiento acumulado sobre un sistema, en una forma dinámica y para ser aplicado a la solución de problemas actuales [26]. Por esto se tomó la decisión de utilizar la simulación como estrategia para resolver el problema propuesto.
5
1.3 METODOLOGIA DESARROLLADA La investigación realizada en este trabajo siguió los pasos que se describen a continuación: 1. Revisión de la literatura agronómica concerniente a los aspectos técnicos del manejo de los pastos, con el propósito de construir los modelos lógicos que estuvieran basados en los factores de manejo más relevantes. 2. Revisión de literatura agronómica concerniente a los aspectos fisiológicos que permitieran simular los fenómenos animales. 3. Obtención de información de campo (muestreo de repastos)
que
permitiera establecer algunos parámetros básicos de la producción de pasto, con el objeto de modelar el pastoreo. 4. Análisis y selección de los modelos matemáticos bajo los
siguientes criterios:
a. Los modelos deben permitir cuantificar exactamente el consumo de energía diaria y el gasto o utilización de la misma, particionada en las diferentes funciones del animal: mantenimiento, actividad, crecimiento y cambio de peso. b. Deben permitir la simulación individual de cada animal y el desarrollo de sistemas de simulación de finca más completos en el futuro.
6 c. Deben ser capaces de responder a los cambios en los factores de manejo de los repastos: días de ocupación, días de descanso, presión de pastoreo y fertilización nitrogenada. e. Deben permitir la simulación individual de los repastos. 5. Modelación y programación del prototipo para simular el consumo voluntario de pasto y de crecimiento de los animales. 6. Modelación de las interrelaciones lógicas y programación
del prototipo para
simular el manejo rotacional de los repastos. 7. Modelación y programación de la recuperación de los repastos para establecer la producción y calidad de pasto. 8. Modelación y programación de los prototipos completos de simulación
del
manejo y producción de los repastos, y engorde de los animales. 9. Experimentación con los diferentes factores de manejo de los repastos.
1.4 LOS MODELOS REPORTADOS EN LA LITERATURA Desafortunadamente no se encontró ningún modelo que combinara los criterios esbozados anteriormente, puesto que los propósitos fundamentales de otros trabajos han sido diferentes. En este contexto el modelo más importante resultó ser el desarrollado por la Dra. Kahn [10, 11 y 12], que es una modificación del modelo TAMU propuesto por Sanders y Cartwright [22, 23], dado que permitió extraer las funciones animales requeridas y el de Thornton y Vera [29].
7 Seman, Frere, Stuedemann y Wilkinson [25] propusieron un modelo en el que se estudia el comportamiento del pastoreo en relación a la presión de pastoreo, la altura y la densidad de pasto. En el modelo CNCPS de la Universidad de Cornell [8, 17, 21, 27], se evalúa los requerimientos alimenticios y la respuesta de la producción bovina al igual que el propuesto por Meek [14]. Otro tipo de modelos son orientados a la dinámica poblacional como el HERDPLAN, diseñado por Oguntade [19], con el objetivo de apoyar la toma de decisiones en este campo. También se aborda la evaluación económica de las diferentes duraciones del empadre [30] y campos tan específicos como la utilización del fósforo en la producción de carne vacuna [15]. Recientemente fue publicado otro modelo por Williams,Keele y Waldo [31] orientado a la predicción del peso del cuerpo vacío dependiendo de la dieta y de características individuales de los animales.
1.5 LIMITACIONES DEL MODELO PROPUESTO Debido a la escasa investigación existente en el campo, la modelación de las pasturas tuvo que restringirse a una sola especie, estrella africana (Cynodon nlemfuensis, Vanderyst var nlemfuensis). Además todas la funciones empleadas son determinísticas, lo cual hace que el factor clima varíe de manera estricta, a pesar de que el fenómeno sea en realidad aleatorio. Sin embargo algunos atributos y procesos claves de los elementos que se involucran en la simulación son generados estocásticamente. Por ejemplo el peso inicial de los animales y el
8 consumo de materia seca, fueron generados en forma aleatoria utilizando la distribución normal. El modelo solo simula la fase de desarrollo y engorde de los animales, aunque se puede iniciar con animales del destete en adelante. Se ignora totalmente cualquier otro elemento de la producción de carne, como sería la reproducción, por considerarse que no se necesitaba simular estos elementos para lograr la comprobación de la hipótesis planteada. Además el presente modelo solo es aplicable a condiciones de trópico húmedo, puesto que las investigaciones base del modelo de pasto fueron hechas en Turrialba (CATIE) y San Carlos (ITCR). La justificación para plantear estas limitaciones subyace en realidad en el problema que se ha tratado de resolver, pues este es un campo en donde se requiere mucha más investigación en áreas tan diversas con la Biología, la Estadística, la Economía, la Agronomía, la Ecología y la Sociología.
1.6 LENGUAJE DE PROGRAMACION El lenguaje de programación utilizado en el proyecto se denomina SIMSCRIPT, versión II.5. producido por CACI Products Company. Es una plataforma de trabajo orientada a objetos y especializada en simulación. Aunque para este trabajo se utilizó una versión para computadora personal IBMcompatible, el mismo está disponible para muchos "mainframe" y minicomputadoras, incluyendo las orientadas a un ambiente UNIX.
9
1.7 ORGANIZACION DEL DOCUMENTO El resto del trabajo se presenta en tres capítulos en los que se describen los resultados y las conclusiones de la tesis. Así en el Capítulo 2, se explican los resultados obtenidos en la etapa de modelación. Aquí en forma sintética se describen
los
diferentes
submodelos
(hombre,
animal,
repasto,
clima),
presentándose las funciones en las que se basa el operación global de cada uno. En el Capítulo 3, se exponen las cualidades que tiene el modelo programado para el entrenamiento de productores y especialistas y los resultados de dos experimentos, que permiten comprobar la hipótesis planteada. Finalmente en el Capítulo 4 se presentan las conclusiones del trabajo.
10
CAPITULO 2. DESCRIPCION Y ESTRUCTURA DEL MODELO En este capítulo se explican los elementos básicos del manejo de los pastos al nivel operativo. Por tanto se hará una presentación de carácter agronómico, que fundamentará los paradigmas sobre los que se basa el modelo de simulación a nivel operativo. También se habla sobre la estructura lógica de los componentes del sistema de simulación desarrollado, haciendo referencia a los elementos teóricos que los sustentan. Para comprender los planteamientos que se hacen más adelante, hay que tener presente que existen diferentes técnicas y tecnologías para la producción de ganado de carne, sin embargo todo este trabajo se dirige a analizar la problemática de esta actividad, cuando los sistemas productivos usan como pilar fundamental el pastoreo rotacional. Los sistemas productivos de carne bovina fundamentados en
el pastoreo
rotacional son todos aquellos en los cuales la alimentación de los animales esta basada en forrajes que el animal cosecha. De manera que se necesitan áreas grandes de producción de pasturas. Las pasturas son un sistema biológico en los cuales predomina una gramínea (pasto), en asociación con otras especies vegetales. Algunas de estas especies son comidas por el ganado y otras no. Esta característica hace que algunas sean útiles dentro del proceso productivo, mientras otras se consideran
11 maleza (plantas que crecen con mucho vigor, pues normalmente no se enfrentan al efecto negativo que produce el ganado al comérselas) [16]. Los sistemas de pastoreo rotacional se pueden dividir en dos tipos: los sistemas extensivos y los intensivos. La diferencia entre ambos tipos la marca la cantidad de animales que es posible mantener por área de terreno. En los sistemas intensivos se puede alimentar a más animales por área que en los extensivos.
2.1 COMPONENTES Y CARACTERISTICAS DE LOS SISTEMAS DE GANADO DE CARNE Todos los sistemas productivos se pueden caracterizar de manera muy general tal y como se describe en la figura 2.1.
INSUMO
PROCESO
PRODUCTO
FIGURA 2.1 Esquema de un sistema de producción
Este modelo simplifica al máximo toda la complejidad que tienen los sistemas productivos. Sin embargo sirve para empezar el análisis del sistema de ganado de carne.
12 Usando el esquema de la figura 2.1 como base, se puede plantear que el "proceso" es el producto de la interacción de un grupo de elementos. Dentro de estos los más relevantes son: el hombre, los animales, las pasturas y los suelos. Naturalmente existen interrelaciones entre los animales,
FIGURA 2.2 Componentes fundamentales de un sistema de ganado de carne.
producción
los pastos y el suelo, siendo éstas las que con más énfasis trata de cambiar el hombre. Sin embargo como en todo sistema biológico, los componentes no solo son afectados por el hombre. Hay otros elementos que inducen cambios en los mismos, siendo el más relevante el clima. También existen interrelaciones entre los animales, entre los suelos y entre las pasturas.
13 En la figura 2.2 se puede ver un esquema de como es que se dan las interacciones dentro de el procesos de producción. Por
supuesto aquí todavía faltan elementos importantes que se deben
tratar con mucho cuidado, tales como las maleza y los agentes causales de enfermedades que están dentro
del sistema, y los fenómenos económicos y
sociales que junto con el clima, son parte del entorno del sistema.
2.1.1 Características del componente HOMBRE El hombre es uno de los componentes más importantes de caracterizar, puesto que es quien tiene mayor posibilidad de inducir cambios dentro del proceso productivo. En general se puede decir que las fincas están bajo la tutela de un grupo de personas cuyo origen social y nivel académico son muy diversos.
2.1.2 Características de los animales En la producción de carne bovina se usa fundamentalmente animales de la especie Bos indicus. Estos animales presentan una gran adaptación a los climas tropicales, sin embargo tiene tasas de crecimiento muy inferiores a los animales de razas europeas. Son de temperamento muy nervioso que es confundido con bravura. Las principales variables que ha tratado de controlar el hombre con el propósito de mejorar la producción son la reproducción y el crecimiento. Estas dos variables están íntimamente relacionadas con una tercera que se podría denominar como nutrición. Debido a las leyes biológicas, esta tercer variable
14 determina en un alto porcentaje el comportamiento reproductivo y de crecimiento de los animales, ya que éstas dictan que primero está la sobrevivencia y posteriormente, de una forma totalmente subordinada, está la reproducción y por supuesto el crecimiento [7]. Debido a los fenómenos anteriormente citados, se puede ver la gran importancia que tiene, dentro de este sistema, la interrelación que se da entre los animales y los pastos, puesto que estos últimos son la principal fuente nutricional.
2.1.3 Características del pasto La palabra pasto se puede definir como: Hierba que el ganado pace en el mismo terreno que se cría. Cualquier cosa que sirve para el sustento del animal./1 Para la producción de ganado de carne el pasto está compuesto principalmente de dos hierbas cuyas familias taxonómicas son las gramíneas y las leguminosas. Esta composición no se da en forma natural en las zonas tropicales, sino que es producto de la interacción del hombre con los pastos [9]. Existe una gran diversidad de gramíneas y leguminosas, sin embargo las más usadas son la especies rastreras y macolladas, que se propagan por semillas, estolones o esquejes. Se presentan otras especies vegetales que son parte de los pastos, sin embargo tiene una muy baja predominancia debido a las interacciones de los animales y del hombre con el pasto.
1
Diccionario de la Real Académia Española, 1984
15
2.1.4 Características de los suelos A diferencia de los elementos antes citados, los suelos tienen dos grandes componentes: materia inerte y materia viva. Por sí solos los suelos constituyen un sistema hartamente complicado, que interactúa en forma muy estrecha con los pastos. La materia inerte es el elemento más estudiado y se dice que la fertilidad está determinada por la calidad de ésta. Las tres variables más estudiadas en esta parte del suelo son su composición química , su textura (porcentaje de arena, limo y arcilla de un suelo) y la cantidad de materia orgánica (no viva). Las acciones que ejercen el hombre, los animales y el pasto, pueden hacer que estos tres factores varíen, ya sea para bien, ya sea para mal [7]. La conjunción de los suelos y los pastos se da en los repastos. El que éstos sean buenos o malos depende del suelo, los pastos y la forma en que interactúen y del manejo ejercido por el hombre.
2.2
INTERACCIONES DE LOS SISTEMAS DE PRODUCCION
DE CARNE Las interacciones más importantes de citar son: a. Suelo - pasto - hombre b. Suelo - pasto - animales c. Suelo - pasto - animales - hombre.
16 2.2.1 Suelo - Pasto - Hombre Esta interacción se manifiesta en la creación de un nuevo elemento al que se le va a denominar "repasto". Más precisamente esta entidad surge como producto de la interacción del hombre sobre los otros dos elementos (suelo, pasto). Los repastos son áreas de terreno que el hombre delimita con el propósito de producir pasto.
Estas áreas de terreno tienen tres características básicas:
extensión, un suelo particular y normalmente un pasto. Sin embargo, dadas las interrelaciones que se dan entre el sistema y su entorno y los efectos de los otros elementos, aparecen nuevos sujetos que forman parte del repasto, donde los más importantes son las malezas. Esto hace que el comportamiento de los repastos (de
la interacción
suelo - pasto - hombre) se pueda estudiar por medio de los tres elementos que lo determinan: suelo,
área y la vegetación (composición botánica, producción,
calidad nutritiva).
2.2.2 Suelo - Pasto - Animales La interacción suelo - pasto - animales es un fenómeno que tiene que ver tanto con la producción de pastos, como con la producción de carne. Con la producción de pastos porque dependiendo de la cantidad de kilogramos de peso animal que tiene que soportar un pasto, así se puede modificar el comportamiento productivo del mismo. En otras palabras, mientras más kilogramos animal tengan que ser mantenidos por un repasto, los pastos son consumidos en mayor medida,
17 llegándose a un punto ("sobrepastoreo") en el que los mismos pueden desaparecer. Por supuesto es bueno mencionar que la producción individual de los animales depende de la calidad nutritiva del pasto y de los factores intrínsecos al animal, mientras que la producción por área de carne tiene que ver con la cantidad de pasto presente y la producción individual del animal [6].
FIGURA 2.3 Relación entre los aspectos cuantitativos y cualitativos del pasto con la producción animal (adaptado de Mott, 1966)
Esta interrelación se puede interpretar mejor en la figura 2.3, presentada por Mott. Aquí se puede observar que si la producción de pastos es buena (cantidad y calidad),
la producción individual y por hectárea dependería de los factores
estrictamente animal y manejo. Por esto se puede inferir que si la nutrición de los
18 animales mejora, se debe dar como resultado que todos los procesos fisiológicos, por ejemplo la reproducción y el crecimiento, superen sus índices, hasta llegar a su máximo potencial.
2.2.3 Suelo - Pasto - Animales - Hombre Esta interacción completa el círculo entre estos elementos. Toda la relación gira fundamentalmente sobre el rol que desempeña el hombre, cambiando según sea la forma en que éste maneje los factores sobre los que puede ejercer control, generándose así los sistemas de pastoreo (continuo o rotacional) y los sistemas de utilización de pasto bajo corte. En el sistema de pastoreo continuo, el hombre permite que la interacción pasto-animal se dé libremente, los animales pueden caminar por todo el área de la finca, consumiendo el pasto a voluntad [1]. En el sistema rotacional, el hombre regula más intensamente la interacción pasto-animal. El terreno se divide en repastos, de manera que se logra controlar en que parte de la finca están alimentándose los animales [1].
2.3 ESTRUCTURA DEL MODELO DE SIMULACION La estructura del modelo está basada en una serie de ecuaciones que permiten establecer el comportamiento individual de los animales y los repastos/2.
2
/ Para más información de los algoritmos y programas se puede consultar al autor del trabajo en el Departamento de Agronomía del Instituto Tecnológico de Costa Rica.
19 Los valores de las variables del modelo animal, dependen de sus atributos fisiológicos, en este caso del peso y la raza. Lo mismo se puede señalar de los cálculos hechos para los repastos, puesto que los valores de las variables dependen de sus atributos, fundamentalmente de los factores de manejo y el área de los repastos. Además es importante señalar que los cálculos que se realizan son hechos todos los días de simulación.
2.3.1 Estructura global del modelo El modelo está sustentado en el funcionamiento de cuatro objetos principales: objeto hombre, objeto animal, objeto repasto y el objeto clima. Aunque el clima se puede considerar secundario dentro del modelo por su nivel de desarrollo. Dentro del modelo de simulación, tal y como se ve representado en la figura 2.2, en cada ejecución existe una instancia de los objetos hombre y clima, y varias instanciaciones de los objetos repasto y animal.
20
donde: D: Días de ejecución DS: Días de simulación AA: Aparto Activo x: Número de veces que se ha cambiado de repasto #R: Número de repastos DO: Días de ocupación máximos del aparto O: Días que ha estado ocupado el repasto MAX Q: Identificación del aparto que tiene la máxima producción FIGURA 2.4 "hombre".
Diagrama
simplificado
del
algoritmo
2.3.2 El objeto "hombre" Este objeto realiza dos funciones elementales: a. Rota los animales entre los repastos b. Evalúa la condición de los repastos en cuanto a su
del
objeto
21 capacidad de recuperación y de sostener la alimentación de los animales. Para poder ejecutar la primera función hay que evaluar en si los días de ocupación y descanso son iguales entre los repastos. Si se cumple esta condición se necesita definir si los días de descanso son iguales a los días de ocupación multiplicados por el número de repastos menos uno: días.descanso=días.ocupación*(#repastos-1) Luego de identificar si el ciclo de rotación es perfecto, para establecer cual aparto debe ser ocupado por los animales, el objeto se guía por el algoritmo de la figura 2.4. El objeto hombre puede seguir un ciclo perfecto de rotación, en cuyo caso solo interesa cual es el aparto que sigue. Pero si la rotación es imperfecta, ésta se hace usando otros criterios. En este modelo se utiliza el repasto con la máxima producción de MS. En la realidad los finqueros lo que hacen es observar sus repastos y con base en su experiencia establecen cual es el que se "ve mejor", guiándose por el volumen de materia verde, infestación de maleza, verdor y otros. De manera que el modelo maneja un criterio más objetivo, pero que en la realidad es muy difícil de utilizar.
22
donde: D: Días de ejecución DS: Días de simulación AA: Aparto Activo R: Objeto respasto ID(R): Identificación de una instancia del objeto repasto P(R): Producción del objeto repasto O(R): Días de ocupación del objeto repasto P.R: Función para la reposición de la producción del repasto FIGURA 2.5 Modelo general del objeto repasto.
23 Para la evaluación de los repastos, lo que hace el objeto es verificar si la recuperación (reposición del pasto post-pastoreo) alcanzará por lo menos el 90% de la MS que poseía el aparto al iniciar la simulación. También evalúa si la cantidad de MS en el repasto es suficiente como para que los animales coman una ración no menor del 90% de la ración óptima.
2.3.3 El objeto Repasto De este objeto se diseñaron tres modelos diferentes, utilizando información de campo en un caso, las funciones desarrolladas por Ramírez [20] en otro y las presentadas por Lemus [13] y Zañartu [32] en el último, obteniéndose tres modelos distintos, a los cuales se les denomina modelo heurístico, el modelo 74 y el modelo 7577 respectivamente. Sin embargo el algoritmo en general es el mismo para todos, de manera que se puede representar en forma simplificada (ver figura 2.5).
a. Modelo Heurístico Durante el período de investigación se midió la producción de tres repastos de estrella, de los cuales se obtuvo que la producción promedio de materia seca es de 1900 Kg/Ha/corte y que la producción se recupera a razón de 35.27 Kg MS/Ha/día. Por otro lado se estableció que la digestibilidad de la MS de los pastos de estas regiones debería ser en promedio de 59.4%, según los datos de Kahn [14]. Por tanto se estableció este valor como punto medio de partida y si durante el descanso, el pasto alcanzaba la máxima producción, la digestibilidad disminuirá
24 0.5% por día adicional, hasta un mínimo de 42%, con el objeto de producir la maduración natural.
b. Modelo 74 Este se basa en una serie de funciones de regresión cuyo modelo general es el siguiente (ver a Ramírez, A. [20]): y= b0+ b1X1 + b2X2 + b3X3 + b4X4 + b11X12 + b22X22 +b33X32 + b44X42 + b12X1X2 + b13X1X3 + b14X1X4 + b23X2X3 + b24X2X4+ b34X3X4
donde:y=
variable de respuesta X1= período de ocupación X2= período de descanso X3= presión de pastoreo (disponibilidad diaria de forraje seco/animal) X4= dosis de nitrógeno (Kg/Ha/año) b0= constante Los coeficientes para estas funciones se muestran en el cuadro 1. Debido a que las diversas funciones creadas por Ramírez presentan puntos
inconsistentes tanto para la producción como para la digestibilidad, las mismas son acotadas de la siguiente forma:
- Funciones de producción y tasas de incremento Si y < 0 entonces y = 0 - Función de digestibilidad Si y < 45 entonces y = 45
25 sino Si y > 66.7 entonces y = 66.7 Cuadro 1. Coeficientes de la función de producción y digestibilidad. Pasto estrella ofrecido en Ton/Ha. ----------------------------------------------------------------------------------------------------------------------------Variable de respuesta b0 b1 b2 b3 b4 b11 b22 b33 ----------------------------------------------------------------------------------------------------------------------------y1 -0.6851 -0.0884 0.0388 0.2211 -0.0013 -0.0086 -0.0023 -0.0077 y2 -9.7092 -0.9981 0.6578 2.0425 -0.0076 -0.0696 -0.0281 -0.0729 y3 -1.7940 -0.2672 0.2735 -0.0040 0.0088 0.0031 -0.0011 0.0100 y4 -21.5742 -1.2398 2.6473 0.7294 0.0898 -0.0689 -0.0166 0.0987 y5 -3.9498 0.2451 0.1842 0.1942 0.0050 -0.0139 -0.0029 -0.0047 y6 -85.1911 6.3143 3.4760 3.7271 0.1273 -0.3800 -0.0565 -0.0956 y7 0.3333 0.0539 0.0659 -0.0550 -0.0032 -0.0104 -0.0013 -0.0001 y8 5.5421 -0.3795 1.2615 -0.5659 -0.0552 -0.0424 -0.0156 -0.0106 y9 58.5697 3.8364 -1.4311 -0.9074 -0.0315 -0.0389 0.0203 0.0691 ---------------------------------------------------------------------------------------------------------------------------Variable de respuesta b44 b12 b13 b14 b23 b24 b34 ----------------------------------------------------------------------------------------------------------------y1 -0.0000 0.0081 0.0022 0.0000 0.0001 0.0001 0.0001 y2 -0.0000 0.0776 0.0261 0.0004 0.0011 0.0007 0.0014 y3 -0.0000 0.0104 -0.0020 0.0001 -0.0140 -0.0004 0.0001 y4 -0.0000 0.1206 -0.1243 0.0051 -0.1290 -0.0053 0.0011 y5 -0.0000 0.0034 -0.0060 -0.0002 -0.0036 -0.0000 0.0001 y6 -0.0001 0.0452 -0.0808 -0.0034 -0.0433 -0.0022 0.0022 y7 -0.0000 0.0000 0.0038 0.0001 -0.0007 0.0000 0.0002 y8 -0.0000 0.0100 0.0921 0.0039 -0.0320 -0.0000 0.0030 y9 -0.0000 -0.0734 -0.0986 -0.0022 0.0045 0.0029 -0.0035 ----------------------------------------------------------------------------------------------------------------y1= Producción de M.S. Período 1 y5= Producción de M.S. Período 3 y2= Tasa de incremento diario de M.S. Período 1 y6= Tasa de incremento diario Período 3 y3= Producción de M.S. Período 2 y7= Producción de M.S. Período 4 y4= Tasa de incremento diario de M.S. Período 2 y8= Tasa de incremento diario Período 4 Y9= Digestibilidad de la materia orgánicas
26
c. Modelo 7577 Este modelo opera al igual que el anterior con un conjunto de funciones, cada una para una etapa del año. El primer grupo son las propuestas por Zañartu [32] para un período fundamentalmente seco, ya que el estudio lo realizó entre los meses que van de noviembre de 1974 a mayo de 1975.
Las funciones son las siguientes: y1= 2.489+0.00764X1+.00331X2+0.0229X12+0.000000597X22 -0.000638X1*X2 y2= -44.954+18.0874X1+0.0564X2-1.641X12-0.0000189X22 -0.00477X1X2 y3= 62.904-7.345X1-0.00421X2+0.356X12-0.0000147X22+ 0.00614X1*X2
donde y1 = disponibilidad real de forraje en Ton/ha y2 = Tasa de crecimiento del pasto (kg MS/ha/día) y3 = % de digestibilidad in vitro de la materia orgánica X1 = Presión de pastoreo (kg MS/100 kg PV/día) X2 = Dosis de nitrógeno en kg/ha
27 Las funciones propuestas por de Lemus [13], cubren el período lluvioso del año, dado que su ensayo fue realizado entre mayo y diciembre de 1976. Seguidamente se presentan dichas funciones: y1= -233.26+236.04X1+10.76X2+792.77X10.5-115.66X20.5 -0.87X1X2 y2= 1466.79+512.92X1+10.78X2-746.39X10.5-105.74X20.5 +0.1X1X2 y3= 72.45+0.51X1+0.37X2+58.29X10.5-3.4X20.5 -0.03X1X2 y4= 112.29-0.03X1+0.05X2-22.99X10.5-2.27X20.5 +0.02X1X2
y5= 72.0714-0.1018X1-4.42705X2+0.6732X10.5 -2.0572X20.5+0.01488X1X2 y6= 72.0714-0.1018X1-4.42705X2+0.6732X10.5 -2.0572X20.5+ 0.01488X1X2 donde: y1= Disponibilidad de forraje en kg MS por corte de período 1 y2= Disponibilidad de forraje en kg MS por corte de período 2 y3= Tasa de crecimiento del pasto (kg/ha/día), período 1 y4= Tasa de crecimiento del pasto (kg/ha/día), período 2 y5= % digestibilidad in vitro del forraje (% de la MS) período 1
28 y6= % digestibilidad in vitro del forraje (% de la MS) período 2
2.3.4 El objeto Clima El objeto clima se diseñó para poder hacer variar la aplicación de las funciones en los modelos MOD 74 y MOD 7577. De manera que existen dos versiones del mismo, en una se aplican los períodos de las funciones de Ramírez, A. y en la otra se combinan los intervalos de tiempo de los estudios de Zañartu, D. y de Lemus, A., como se describe a continuación:
i. Modelo 74 Período 1= del día 29 al 153 Período 2= del día 154 al 229 Período 3= del día 230 al 291 Período 4= resto de días del año
ii. Modelo 7577 Período 1= Menos de 141 y más de 344 Período 2= del día 141 al 243 Período 3= resto de días del año
2.3.4 El objeto Animal
29 Un algoritmo simplificado de las operaciones que tienen que hacer el objeto Animal se muestra en la figura 2.6. Fundamentalmente se tienen que hacer cuatro cálculos: -Calcular el peso normativo -Calcular el consumo teórico de MS -Calcular el consumo real de MS -Calcular la ganancia de peso Todas las operaciones que se utilizan aquí están basadas en el trabajo presentado por Kahn [10], con excepción del cálculo del consumo teórico que es un modelo heurístico diseñado por el autor de este trabajo. El funcionamiento de este modelo está basado en un flujo de energía, traducido en varios puntos a unidades tangibles (kilogramos de peso vivo) para dar significado externo al sistema.
30
donde: WM(t)= peso maduro en el tiempo t WMA= peso maduro de la raza para un sexo particular k= coeficiente de la tasa de crecimiento (0.053 del
peso maduro)
FIGURA 2.6 Modelo algorítmico del objeto animal.
a. Cálculo del peso normativo del animal El peso normativo se puede definir como el peso promedio de los animales (en este caso novillos) de la raza X cuando han estado en óptimas condiciones. La función propuesta es la siguiente: WM(t)= WMA(1-0.67*exp(-k(t-180)/30)) El WMA se calculó considerando que solo se simulan novillos, por tanto:
31 WMA(novillos)= WMA(vaca)*1.15.
b. Cálculo del consumo teórico de materia seca El cálculo de consumo teórico de materia seca se basa en la calidad del alimento, específicamente en la digestibilidad de la materia seca, aunque este fenómeno también depende de la disponibilidad de forraje. Según Conrad et al. citado por Kahn [12] las pasturas se pueden clasificar en bajas (52.1-66-7%) y altas (66.7-80%) digestibilidades. Ellos postulan que en el rango de digestibilidad baja, el consumo voluntario de alimento está controlado por la tasa de paso y la cantidad de material indigestible en el tracto digestivo (límite físico) y que está positivamente relacionado con la digestibilidad. Por tanto, como la mayoría de los forrajes de las condiciones tropicales está dentro de esta categoría se utilizó la ecuación del límite físico para simular el consumo teórico. Para esta fase la ecuación es: I= 0.0107W/(1-DIG) donde: I= Consumo de materia seca (kg/vaca/día) W= Peso vivo del animal (kg) DIG= Digestibilidad de la materia seca (fracción) c. Cálculo del consumo real de MS La fórmula del consumo teórico expuesta anteriormente, contrasta con la propuesta por Abreu citado por Cañas, R. y Aguilar [5], la cual está basada en la disponibilidad del forraje y dice:
32 Y= 0.03W(1-exp(-0.00664D) donde: Y = consumo de materia seca, kg/día D= disponibilidad de forraje, kg MS/día Con esta ecuación se podría tratar de corregir la deficiencia que presenta la fórmula de Conrad que solo considera el peso del animal y la calidad del pasto. Sin embargo, ambas calculan el consumo de materia seca (kg/día), por lo que no existe forma de hacer algún tipo de sustitución de una en la otra. Por tanto se decidió estimar la cantidad de consumo real estableciendo una competencia entre los animales por el recurso forrajero. La capacidad de competir por el recurso forrajero se planteó que fuera determinado por el peso vivo del animal, como se puede ver en la figura 2.7. Según este algoritmo los animales más pesados comerán más veces en un día, puesto que I=24/peso vivo, donde I es un número real que representa el intervalo en horas que espera un animal para volver a comer.
33
donde: AA: Aparto Activo K.T: Cosumo teórico de materia seca del animal I: Intervalo de alimentación NML: Distribución normal con media K.T y desviación estándar ST.K.T) ST.K.T: Desviación estandar del consumo de MS. P(AA): Producción del objeto repasto (Aparto activo) C.R: Consumo real de materia seca del animal H: Duración en horas FIGURA 2.7 Algoritmo simplificado del consumo real de MS.
34 En esta figura también se puede observar que se utilizó la estrategia que siguió Catrileo citado por Cañas y Aguilar [5], de manera que se usó una curva estocástica de distribución gausiana, para crear la variabilidad en consumo que naturalmente se da entre los animales del mismo peso. Puesto que Blaxter y Wilson citados por Cañas y Aguilar [5], dicen que la variabilidad entre individuos de un mismo peso puede alcanzar valores de 7.5% de dispersión media, se utilizó la ecuación que se presenta en la figura 2.8.
FIGURA 2.8 Curva estocástica de distribución gausiana para crear la variabilidad en el consumo que se da entre animales de un mismo peso.
d. Cálculo de la ganancia de peso. La ganancia de peso de los animales se puede dar por dos razones a saber: la ganancia natural de peso debido a una buena alimentación a través del tiempo y el fenómeno del crecimiento compensatorio.
35 Debido a los constantes cambios del "Estado del Arte", en esta sección del modelo de simulación, se utilizan todas las fórmulas propuestas por Kahn [10], las cuales se basan en estudios propuestos por la ARC (Agricultural Research Concil, UK) y los trabajos de Sanders, J y Cartwright [22 y 23]. Esto lleva a que los cálculos energéticos se realicen en contraposición con la práctica que se sigue en el País, ya que éstos se basan comúnmente en las recomendaciones de la NRC (National Research Concil, USA) [18]. La decisión de descartar estas recomendaciones se debió a que en pruebas preliminares del modelo, el cual inicialmente se había programado tomando como base las recomendaciones de la NRC,
se obtuvo resultados de aumentos de peso extremadamente grandes,
puesto que los animales terminaban con promedios superiores a los 550 kg de peso vivo en un año de simulación y partiéndo de pesos iniciales promedio de 200 kg y de ocho meses de edad aproximadamente. Además el autor cree que los criterios presentados por Kahn [10], son todavía suficientemente consistentes. La única diferencia que se presenta en esta sección con las funciones de Kahn, H es el valor utilizado para estimar la energía digestible (ED) que posee el pasto estrella. Como este pasto no es utilizado en este trabajo, se tuvo que buscar información que resolviera el problema de calcular cuanta ED existe en un kilogramo de materia seca de este pasto. Según Sánchez [24] el pasto estrella posee 2.46 Mcal de ED/kg de MS. Esto permite obtener la energía metabolizable (EM), con la siguiente fórmula: EM= kg MS/día*2.46*0.74*4.186 donde:
36 EM= MJ/día kg MS/día= Consumo real de MS 4.186= Factor de conversión de Mcal a MJ 0.74= Factor de conversión de ED a EM El factor de conversión de ED a EM dice que el 74% de la ED es utilizada por el animal como EM, y es el valor mínimo de EM según Boschini [2], puesto que él señala que en la transformación de la ED a EM se dan pérdidas de un 3 a un 8% en gases, de un 3 a un 12% en calor y de un 2 a un 6% en orina. Haciendo la suma de los valores máximos de estas pérdidas se obtiene un total de 26%. Hay que señalar que se prefirió utilizar este valor en lugar de uno intermedio, por no tener a disposición un valor de la variabilidad, con el cual se habría podido simular la variación usando una estrategia similar a la recomendada por Catrileo y utilizada en este modelo para simular el consumo real. Las fórmulas que se usaron para simular el flujo de energía se pueden resumir como sigue: EM= (EMant + EAct + Ganancia*EVG/kf) * 1.025 donde: EMant= Requerimientos de energía para mantenimiento. EAct= Requerimientos de energía para actividad Ganancia= Incremento del peso vivo (kg/día) EVG= Valor de la energía neta para la ganancia de peso 1.025= Factor que permite estimar un sobre-consumo arriba de las necesidades estrictamente
energéticas.
(MJ/KG) pequeño,
37 Sin embargo la ganancia de peso se limita a la ganancia normativa, o sea la ganancia que se debería tener según la función del peso normativo, de forma que si la ganancia fuera mayor al peso.normativo(t)-peso.normativo(t-1), se asigna más bien esta diferencia como ganancia. Una excepción a esta regla se da cuando los animales han sido sometidos a una mala alimentación durante un tiempo considerable, lo que produce una disminución del aumento de peso e incluso perdida del mismo, porque no se cubren los requerimientos energéticos para la ganancia o para el mantenimiento y actividad. Cuando los animales son sometidos otra vez a buenas condiciones alimenticias,
se
produce
un
fenómeno
que
se
denomina
crecimiento
compensatorio. Este crecimiento es un aumento muy acelerado de peso, mucho mayor al cambio del peso normativo y que dura aproximadamente cuatro semanas, hasta que se restituye el peso que debería tener el animal si no hubiera sufrido la merma nutricional. Este computo se hace de la siguiente manera:
Ganancia.total= ganancia+[p.n(t)-p.n(t-1)]f/26 donde: ganancia= ganancia de peso en kg/día p.n= peso normativo t= día actual de la simulación
38
CAPITULO 3. RESULTADOS EXPERIMENTALES
En esta sección, luego de superar la etapa de crear un modelo de simulación que permite ensayar aspectos del manejo de las pasturas y sus efectos sobre la producción animal, se pretende demostrar que es posible coadyuvar en el mejoramiento de la producción de carne bovina con un sistema como éste. Hay que resaltar que los diferentes factores que son posibles hacer variar en el modelo tienen influencia directa sobre las pasturas, tales como la carga animal y por ende la presión de pastoreo, los días de ocupación y descanso, y la fertilización nitrogenada.
3.1 APLICACIONES DEL MODELO DE SIMULACION Los modelos de simulación tienen una gran variedad de posibles usos y aplicaciones. Según Shannon [26] la simulación se define como la experimentación con un modelo de un sistema real, la cual evita la experimentación directa, que puede ser muy costosa en términos temporales y económicos. Además tiene una ventaja adicional que radica en su poderosa aplicación educativa y de entrenamiento.
39
3.1.1 Usos educativos del modelo. La simulación de fenómenos agrícolas, hasta hace muy pocos años, tenía la limitación de que las interfaces de usuario eran poco desarrolladas y basadas en caracteres. Los programadores centraban su atención en resolver dos problemas fundamentales, la problemática computacional de simular y el problema en sí de generar un modelo que representara el sistema real. En la actualidad muchos de los problemas computacionales de simular están resueltos. Por ejemplo en el caso particular de este trabajo, se usó una plataforma que resuelve la mayoría de estos problemas, e incluso provee herramientas muy sofisticadas para la graficación, con las cuales se puede desarrollar en forma simple, interfaces de usuario muy potentes. Estas características permitieron crear un programa que no solo simula y genera datos sino que también tiene una interfase de usuario desarrollada, completamente gráfica y con un menú asincrónico.
40
FIGURA 3.1 heurístico.
Interfaz
de
usuario
del
modelo
de
simulación
Como se puede observar en la figura 3.1, la pantalla tiene cuatro áreas diferenciables. Primero un menú tipo "Pop Up". Inmediatamente abajo se da información sobre los repastos, la cual varía de dos en dos días y donde los datos más representativos son la digestibilidad y los kilogramos de MS. Aquí se puede observar como disminuye la cantidad de materia seca del repasto con el consumo de los animales y como varía la digestibilidad. Seguidamente hay dos renglones en los que se presenta información del repasto que está siendo ocupado en ese momento. Los valores más importantes son la presión de pastoreo y la producción
41 del repasto. Finalmente hay un área en la que se presentan dos gráficos que se dibujan en forma dinámica y permiten evaluar más claramente la situación de la producción de carne a medida que transcurre la simulación. En el gráfico de la izquierda se presenta el peso promedio de los animales y el peso normativo, y en el de la derecha se muestra la presión de pastoreo (PP) que sufrió cada repasto y el consumo promedio de MS por animal por día. Durante la corrida/3 de un ejercicio, como se observa en la figura 3.2, el sistema le informa al usuario de las condiciones críticas que se pueden estar dando en los repastos y los animales, para tal efecto usa cajas de diálogo típicas. Cuando el pastoreo va ha exceder la capacidad de recuperación de los repastos según los días de descanso, el sistema lo informa, y permite extraer animales antes de que ingresen al repasto, para que sea sometido a un pastoreo menos intenso. También permite seguir operando haciendo caso omiso del mensaje de advertencia. Bajo esta condición se puede presentar otro mensaje que advierte que los animales van a recibir una alimentación deficitaria, momento en el cual el usuario también puede tomar la opción de extraer animales.
3
/ Hacer que la computadora ejecute el programa de simulación en forma completa.
42
FIGURA 3.2 Interfaz de usuario cuando se presenta un mensaje de advertencia sobre la situación de recuperación de un repasto. (Modelo 7577) Por su parte el menú asincrónico tiene tres opciones más (ver figura 3.2), que permiten también, en el tiempo de corrida, cambiar condiciones del manejo de los repastos. Se pueden extraer animales, restituir la producción de MS de los repastos y cambiar la cantidad de nitrógeno aplicado a los mismos. Todas estas características hacen que el sistema de simulación creado, sea una buena alternativa para la enseñanza de los efectos que se inducen sobre los repastos al aplicar diferentes manejos. Por tanto el usuario puede experimentar
43 cuales son las consecuencias de aplicar presiones de pastoreo cada vez mayores, puede evaluar diferentes cambios de niveles de fertilización nitrogenada y puede observar los efectos de diferentes días de ocupación y descanso.
3.1.2 Experimentación con el modelo. Las características señaladas en el acápite anterior, que hacen posible que el modelo sea aplicable para el entrenamiento del manejo de las pasturas, lo hacen también muy poderoso para realizar experimentación. Esta es una aplicación de incalculable valor si se piensa en las condiciones, el costo y el tiempo que se necesita para hacer investigación en pasturas. El CIAT (Centro Internacional de Agricultura Tropical) propone una metodología de investigación de las pasturas dividida en cuatro etapas denominadas A, B, C y D. Durante la etapa A y B se trabaja fundamentalmente en la selección de pasturas promisorias y se hacen evaluaciones de las mismas sin el componente animal. En las etapas C y D se evalúan las pasturas sometidas a la interacción de los animales. En éstos se mide la productividad de las pasturas como producto animal. Estas etapas de investigación más complejas son las que se deben apoyar con la simulación, puesto que si se puede generalizar para una región un modelo animal, se puede enfocar la atención sobre los modelos que simulen los pastos. Para dar una idea de la problemática que envolvería la realización de ensayos de este tipo en sistemas reales, se pueden citar como ejemplo los datos que escribe Lemus [13] sobre su ensayo. Dice que para realizarlo tuvieron que usar 6.4 ha de terreno, el cual se dividió en 13 parcelas, cada parcela se subdividió
44 en 4 subparcelas para tener un ciclo de uso de 28 días con 7 de pastoreo y 21 de descanso. Este experimento se hizo de mayo a diciembre. O sea si se pretendiera hacer un ensayo como el que se está proponiendo en segundo lugar aquí, se tendría que hacer como mínimo un gasto similar al de ese trabajo. Con el objeto de poder evaluar el uso de estos modelos en la experimentación, se realizaron dos experimentos que según la metodología definida por el CIAT están entre la etapa C y D. En el primero se comparan los resultados de utilizar los tres modelos en condiciones idénticas y en el segundo se evalúan dos factores de manejo: días de ocupación y fertilización nitrogenada. Para ambos ensayos solo se evaluó la variable peso de los animales, porque ésta refleja las condiciones de la pastura y es la variable que más interesa para la producción de carne.
a. Experimento 1. En este ensayo se comparan los resultados del modelo Heurístico, el modelo 74 y el modelo 7577. Para cada uno se hizo tres corridas, se utilizaron 15 animales en cada corrida con los siguientes promedios de peso inicial: 203, 239 y 275 kg/animal. Se utilizaron 5 repastos de 1.5 ha en todas las veces que se ejecutó el programa, los cuales se manejaron por medio de un sistema rotacional perfecto, con 7 días de ocupación y 28 de descanso. La simulación se corrió para un año, partiendo del mes de agosto. Se hizo caso omiso de los mensajes que advierten sobre el sobrepastoreo, para mantener constante la cantidad de animales.
45 El análisis de los datos se hizo por medio de la técnica de Análisis de Variación [28], con el siguiente modelo matemático: yij= + mi + pj +mi*pj+ ij donde:
y= la observación del i-ésimo modelo y el j-ésimo m= modelo (para el caso los modelos de simulación) p= peso inicial de los animales = error experimental
peso inicial
Para encontrar las diferencias entre las medias se utilizó la prueba de comparación múltiple propuesta por Tukey [28].
Cuadro 3.1 Cuadrados medios de los factores del análisis de variable peso vivo del animal en kg (PV) del experimento 1. -----------------------------------------------------------------------------------------------------------------------------------------Tiempo de simulación (en días) -----------------------------------------------------------------------------------------------Fuente de var. 30 180 -----------------------------------------------------------------------------------------------------------------------------------------MOD (A)/1 46.232 ns 2334.3** /2 PIN (B) 1.0608E+04 ** 675.46** /3 A*B 59.829 ns 625.33** Error Exp. 842.62 65.157 -----------------------------------------------------------------------------------------------------------------------------------------/1 Efecto del modelo (Heurístico, 74, 7577) /2 Efecto del peso inicial (203, 239 y 275 kg de peso vivo) /3 Efecto de la interacción del modelo por el peso inicial ns Efecto no significativo, probabilidad de error mayor a 0.05 ** Efecto altamente significativo, probabilidad de error menor a 0.01
variación de la
360 2.5690E+04** 7574.3** 5821.7** 271.27
En el cuadro 3.1 se presenta un resumen de los resultados de los análisis de variación (ANDEVA) del experimento. Los resultados a los 30 días de simulación indican que solo existe diferencias debidas a los pesos iniciales. El
46 que no existan efectos del modelo señala que después de ese tiempo los diferentes modelos se comportan igual, posiblemente porque el cambio de peso es muy pequeño como para que se refleje la diferencia que existe entre ellos. En cambio a los 180 y 360 días sí se encontraron diferencias altamente significativas para el efecto del modelo y para el peso inicial. Por tanto, a pesar de que los modelos fueron corridos con condiciones idénticas, los resultados obtenidos son diferentes, porque las tres versiones de repasto producen salidas diferentes. Cuadro 3.2 Prueba de Tukey para la comparación múltiple de medias de los modelos a los 180 y 360 días. Experimento 1. ------------------------------------------------------------------------------------------------------------------------------días de simulación ----------------------------------------------------Modelo 180 360 --------------------------------------------------------------------------------------------------------------------------------Heurístico 321.3 a 372 a Mod 74 308.1 b 351.7 b Mod 7577 296.4 c 292.8 c --------------------------------------------------------------------------------------------------------------------------------Nota: Promedios con letras diferentes son estadísticamente diferentes con un alfa de 0.01. Los resultados de las pruebas de comparación múltiple (Tukey), que se presentan en el cuadro 3.2, muestran con más claridad las diferencias entre los modelos. El modelo heurístico presenta los valores de peso vivo más altos, mientras que el modelo 7577 más bajos y además presenta una pérdida de peso de 3.6 kg, porque este modelo, al ser sometido a las condiciones del experimento 1, produce muy poca MS de reposición y debido sobre todo a la condición de aplicar 0 kg de nitrógeno, se producen digestibilidades muy bajas, lo
47 que hace que la MS que consumen los animales sea muy escasa y muy poco asimilada. Cuadro 3.3 Prueba de Tukey para la comparación múltiple de medias de los pesos iniciales a los 30, 180 y 360 días. Experimento 1. --------------------------------------------------------------------------------------------------------------------------------------días de simulación ------------------------------------------------------------------------------------------------Peso inicial(kg) 30 180 360 ---------------------------------------------------------------------------------------------------------------------------------------203 234.8 c 311.9 a 364.8 a 239 253.7 b 300.9 b 328.3 b 275 287.3 a 313.1 a 323.9 b ---------------------------------------------------------------------------------------------------------------------------------------Nota: Promedios con letras diferentes son estadísticamente diferentes al 0.01. En el cuadro 3.3 se puede observar como los efectos de someter a las pasturas a incrementos en las presiones de pastoreo pueden producir más bien mermas en las ganancias de peso, puesto que el tratamiento de 203 kg de PV inicial, terminó siendo el de mayor PV final. Esto sucede porque los repastos a los cuales se les introdujo animales con un peso vivo inicial más alto, fueron sometidos a una desfoliación más intensa al principio de la simulación, que hizo que entre los 180 y 360 días los animales que iniciaron con un peso de 239 kg PV y 275 kg PV, solo aumentaran aproximadamente 27 y 10 kg respectivamente. Esta observación induce a pensar que si los repastos para los animales de engorde son sometidos a altas presiones de pastoreo en invierno, en el período de verano los pastos no podrán rendir como para garantizar un aumento significativo del peso de los animales.
48 b. Experimento 2. Este otro experimento se hizo usando como base el modelo 7577. Se usaron los mismos pesos promedios y cinco repastos por tratamiento, cada grupo con el área que le correspondía. La simulación se puso a correr a partir del mes de agosto, que es la época en que se desteta normalmente al primer grupo de animales en las fincas de las zonas cálidas y lluviosas del País. Por tanto los animales y los repastos estuvieron sometidos primero a un período lluvioso, luego a uno seco y finalmente a otro período lluvioso, casi al final del tiempo de simulación. Las variables bajo estudio fueron las siguientes: 1. Días de ocupación (días que permanecen los animales en un repasto) de los cuales se utilizaron 3 niveles: 5
7
9 días.
2. Dosis de nitrógeno, expresada en kg de elemento puro, con 5 niveles que fueron: 0
125
250
375
500
3. Area de los repastos para poder producir variaciones en la presión de pastoreo. Se usaron las siguientes áreas para los repastos: 0.5
1.0
1.5 ha
El análisis de los datos se hizo utilizando la técnica de Análisis de Variación diseñada por Fisher [28], utilizando un arreglo factorial de 32x5. El modelo matemático utilizado es el siguiente: yijk= + ai + bj + ck + aixbj + aixck + bjxck + aixbjxck + ßl + ijkl donde:
49 y= la observación del i-ésimo factor a, del j-ésimo factor b y del k-ésimo factor c a= factor a (para el caso días de ocupación) b= factor b (para el caso kg de nitrógeno) c= factor c (para el caso hectáreas del repasto) ß= bloque = error experimental Un ensayo como este es muy difícil de realizar en un sistema real. De hecho tiene 45 tratamientos diferentes y si se considera que cada uno se repite cinco veces y que la unidad experimental es de solo 3 animales, se obtiene que se necesita un total de 675 animales. En total se ocuparían 225 ha de terreno, que debería se dividido en múltiples repastos de 0.5, 1.0, 1.5 ha. Cuadro 3.4 Cuadrados medios de los factores del análisis de variación de los pesos vivos de los animales a los 30, 180 y 360 días de simulación. Experimento 2. -------------------------------------------------------------------------------------------------------------------------------------------------Tiempo de simulación (en días) ---------------------------------------------------------------------------------------------------------Fuente de var. 30 180 360 -----------------------------------------------------------------------------------------------------------------------------------------------AREA (A) /1 1375.4 ** 3248.5 ** 8587.2 * /2 DO (B) 520.17 ** 1183.3 ** 4435.2 ns /3 N (C) 2074.8 ** 793.77** 6427.7 * /4 REP (D) 860.78 ** 1531.2 ** 1281.1 ns A*B 105.60 ** 666.77** 9680.0 ** A*C 497.07 ** 831.29** 4397.6 ns B*C 293.12 ** 1040.7 ** 4900.7 * A*B*C 96.598** 1170.7 ** 4241.5 * Error Exp. 12.462 18.776 2311.9 -----------------------------------------------------------------------------------------------------------------------------------------------/1 Efecto del área del repasto. /2 Efecto de los días de ocupación de los repastos /3 Efecto de la fertilización nitrogenada /4 Repetición o bloque ns Efecto no significativo, probabilidad de error mayor a 0.05
50 * Efecto significativo, probabilidad de error menor a 0.05 ** Efecto altamente significativo, probabilidad de error menor a 0.01
En el cuadro 3.4 se presentan los resultados de los análisis de variación realizado, según el día de corte. Aquí se observa que todos los factores de variación son altamente significativos en los días 30 y 180. Sin embargo los resultados del día 360 varían sustancialmente hacia niveles más bajos de significancia y hasta la no significancia. Este cambio indica que a medida que el tiempo de simulación avanza, las diferencias provocadas por los diversos factores se hacen menos marcadas, sobre todo el efecto de días de ocupación que termina siendo no significativo. El único valor que sigue siendo altamente significativo es la interacción A*B (días de ocupación por área del aparto). La interacción de estos factores es la produce la variación en la Presión de Pastoreo entre tratamientos, ya que la cantidad de animales permanece constante y como la Presión de Pastoreo influye directamente sobre la recuperación y la calidad de los pastos, es lógico que la interacción de ambos siga presentando grandes diferencias. Cuadro 3.5 Prueba de Tukey para la comparación múltiple de medias de los pesos iniciales por días de ocupación a los 30, 180 y 360 días. Experimento 2. ----------------------------------------------------------------------------------------------------------------------------días de simulación ---------------------------------------------------------------------------------------Días ocupación 30 180 360 ----------------------------------------------------------------------------------------------------------------------------5 232 a 311.4 a 334.3 a 7 227.5 b 308.8 b 348.9 a 9 227.5 b 303.6 c 334.3 a ----------------------------------------------------------------------------------------------------------------------------Nota: Promedios con letras diferentes son estadísticamente diferentes al 0.05.
51 En el cuadro 3.5 se pueden observar los resultados de la prueba de Tukey para los días de ocupación. Las diferencias que se observan a los 30 días y que se pronuncian más a los 180 días, se deben a una mayor disponibilidad de pasto tierno (mayor digestibilidad), en los repastos que tienen menos días de ocupación, dado que para manejar la rotación se les tiene que dar menos días de descanso. Sin embargo dejan de ser significativas a los 360 días debido a la menor calidad de los pastos, ya que el período de verano se da en esta fase (entre 180 y 360 días de simulación) y al crecimiento compensatorio que se presenta en los últimos días de la simulación, puesto que al final de la simulación se presenta nuevamente el cambio de clima, entrándose a una etapa lluvioso como se señaló anteriormente. Cuadro 3.6 Prueba de Tukey para la comparación múltiple de medias de los pesos iniciales por área del repasto a los 30, 180 y 360 días. Experimento 2. -----------------------------------------------------------------------------------------------------------------------------------días de simulación --------------------------------------------------------------------------------------------Area del repasto 30 180 360 ------------------------------------------------------------------------------------------------------------------------------------0.5 224.7 c 300.4 b 337.3 ab 1.0 229.1 b 311.0 a 352.1 a 1.5 233.3 a 312.5 a 331.3 b ------------------------------------------------------------------------------------------------------------------------------------Nota: Promedios con letras diferentes son estadísticamente diferentes al 0.05. Las diferencias que se dan por el efecto del área del repasto (ver cuadro 3.6) se marcan a favor de los repastos de 1 ha al final de los 360 días de simulación, lo que indica que el área en el cual se presentan las presiones de pastoreo más cercanas a lo óptimo es ésta. Las presiones de pastoreo de baja intensidad hacen que los animales ganen menos peso a través de todo el año,
52 posiblemente debido a que son sometidos con más frecuencia a pastos lignificados de baja calidad.
Cuadro 3.7 Prueba de Tukey para la comparación múltiple de medias de los pesos iniciales por dosis de nitrógeno a los 30, 180 y 360 días. Experimento 2. ------------------------------------------------------------------------------------------------------------------------------------días de simulación ----------------------------------------------------------------------------------------------Nitrógeno (kg/ha) 30 180 360 ------------------------------------------------------------------------------------------------------------------------------------0 234.0 a 305.6 c 339.9 ab 125 234.4 a 309.3 b 346.3 ab 250 233.3 a 308.9 b 349.7 a 375 220.1 c 302.4 d 319.9 b 500 223.3 b 313.6 a 345.8 ab ------------------------------------------------------------------------------------------------------------------------------------Nota: Promedios con letras diferentes son estadísticamente diferentes al 0.05. Los resultados obtenidos para la fertilización nitrogenada son muy variables (ver cuadro 3.7) puesto que a los 30 días las dosis menores salen reportadas como las mejores, a los 180 días la dosis más alta es la mejor y a los 360 días la dosis de 250 kg N/ha es la que se reporta como la que da los mejores resultados. Este comportamiento tan irregular se debe a que existe interacción entre este factor, el área y los días de ocupación como se puede observar en el cuadro 3.4.
3.2 INCONSISTENCIAS DEL MODELO DE SIMULACION En el proceso de desarrollo del experimento con el modelo 7577, se pudo observar que con frecuencia se producían datos inconsistentes, derivados del modelo de pasto. Por ejemplo se puedo ver que en múltiples
53 ocasiones los repastos presentaban digestibilidades de 45 %, las cuales son extremadamente bajas, si se considera que ésto se presentó incluso cuando los repastos se fertilizaron. Estas inconsistencias se hicieron extraordinariamente evidentes cuando se ejecutó el modelo 7577 con 9 días de ocupación, 0.5 ha de terreno por repasto y 375 kg N/ha. Los resultados obtenidos en esta corrida del modelo se contrastan con todos los demás de 9 días y 0.5 ha, pues los animales no lograron aumentar de peso ni siquiera como lo hicieron los de la ejecución con 0 kg N/ha (Ver figura 3.3).
FIGURA 3.3 Peso vivo promedio de los animales de las simulaciones corridas en el experimento 2 con 9 días de ocupación y 0.5 ha por aparto.
54 Esto se debió a que el modelo de pasto producía digestibilidades de 45% en forma persistente, fenómeno que hace que el consumo de forraje por parte de los animales sea mínimo y además hace que el aprovechamiento de la MS se reduzca, por lo que no se logran excedentes energéticos que permitan que los animales crezcan. Este tipo de manifestación no se presentó en el modelo Heurístico, puesto que este funciona haciendo variar la digestibilidad en forma lineal, a medida que aumentan los días de descanso de los repastos.
55
CAPITULO 4. CONCLUSIONES
1. El modelo computacional desarrollado en este trabajo es la principal evidencia de que es posible coadyuvar en el mejoramiento de la producción de carne bovina por medio de la tecnología computacional. Sobre todo, como sucede en este caso, si el modelo integra elementos como los pastos y permite simular la influencia que tienen algunos factores de manejo de los mismos sobre la producción bovina, porque se pueden desarrollar experimentos que en la realidad serían prácticamente imposibles de desarrollar y porque el entrenamiento de personal se puede hacer en menor tiempo y a menor costo.
2. La información científica sobre los pastos todavía no permite desarrollar modelos de pasturas suficientemente consistentes. Tal y como quedó claro en este trabajo, existen funciones determinísticas desarrolladas por medio de modelos de regresión, pero estas producen salidas inconsistentes. El problema que se ha enfrentado a la hora de producir estas funciones es que los datos de los experimentos sobre pasturas están cargados de una gran variabilidad, la cual no ha sido posible controlar con las técnicas de recolección de datos diseñadas para el efecto. Esta situación no invalida la conclusión anterior porque el problema no es que con la tecnología computacional no se puedan representar los fenómenos
56 biológicos intrínsecos de un modelo como este, sino que más bien el problema es el nivel de desarrollo de los conocimientos agronómicos.
3. La revisión y prueba de los conocimientos agronómicos sobre los flujos energéticos de los animales permitió establecer que los cálculos que comúnmente se hacen en el país y que están basados en las fórmulas producidas por la NRC, son inconsistentes. Es más recomendable utilizar las fórmulas propuestas por el ARC, modificadas por Kahn [10], puesto que los datos de crecimiento de los animales son más ajustados a la realidad. Este fenómeno se da posiblemente por que los sistemas estudiados por la ARC son basados fundamentalmente en sistemas de pastoreo, mientras que la NRC se basa fundamentalmente en sistemas de estabulación y alimentación a base de granos y no de forrajes.
4.Los sistemas de producción de ganado bovino son muy complejos. Para que sea factible representarlos en modelos de carácter de simulación, se deben crear homomorfismos que los simplifiquen, con los que se corre el riesgo de obtener resultados fuera de la realidad. Sin embargo con éstos se logra una síntesis dinámica de los conocimientos que se poseen alrededor de los sistemas y por medio de la experimentación se pueden encontrar las situaciones particulares que éstos no logran predecir.
57 5.Para el desarrollo de modelos más consistentes es necesario que se haga más investigación base agronómica en campos como la Agrostología, la Climatología, Sistemas Agroecológicos sostenibles.
6.Gracias al desarrollo de lenguajes tan especializados como el SIMSCRIPT es posible crear programas de simulación con interfaz gráficas, que permiten usar los sistemas para la enseñanza de fenómenos biológicos y para el entrenamiento de personal que maneja sistemas de producción de carne bovina. Además, con el paradigma de la programación orientada a objetos se permite una solución más natural al problema, puesto que se pueden crear objetos que interactúen entre sí, siguiendo las reglas que estipulan las interacciones biológicas. De manera que en cada objeto se programa para que responda a los cambios que sufre un conjunto de variables que les son comunes y que los hace actuar de una manera particular.
7.El prototipo desarrollado puede ser utilizado en el futuro para crear nuevas versiones mejoradas, dada su característica de modularidad. Si se logran avances significativos en los conocimientos sobre los pastos y el clima, se pueden corregir fácilmente los objetos para así obtener un nuevo modelo, sin tener que variar ninguna otra parte del programa. Además debería de seguirse un proceso de validación del modelo para evaluar su capacidad predictiva.
58
LITERATURA CITADA [1] BONILLA, O. Y DIAZ, O. 1988. Elementos básicos para el manejo de animales de granja. San José, Costa Rica, EUNED. 111 p.
[2]
BOSCHINI,
C. 1978. Tablas de requerimientos energéticos para
bovinos.Ciudad Universitaria Rodrigo Facio, Costa Rica, E. 232 p.
[3] CAPPELLA, E., BAAYEN, M. T. 1992. Informática en el sector agropecuario de Costa Rica: marco conceptual y perspectivas de desarrollo. In Tercer Seminario Latinoamericano de Agromática: Memoria. Ed by Centro de Investigaciones en Computación. Costa Rica. p.137-142.
[4] CAPPELLA, E., BUURMAN, J., PEREZ, E., BAAYEN, M.T., MULLER,E. and ALVARADO, E. 1992. The VAMPP Dairy package in Costa Rica: user satisfaction and software validation. In Tercer Seminario Latinoamericano de Agromática: Memoria. Ed by Centro de Investigaciones en Computación. Costa Rica. p. 143148.
59 [5] CAÑAS, R. y AGUILAR, C. 1992. Uso de la bioenergética en producción de bovinos. In Simulación de Sistemas Pecuarios. Ed. by M. E. Ruiz. San José, C.R., Instituto de Cooperación para la Agricultura. Red de Investigación en Sistemas de Producción Animal de Latinoamérica, p 11-100.
[6]
CHRISTIAN, R. K. 1981. Simulation of grazing systems, In World animal science B 1: Grazing Animals. Ed by Morley, F. H. W., Amsterdan, Elsevier, p.349-377.
[7] DELGADO, A. 1977. Algunos factores que afectan el uso eficiente de los pastos para la producción de carne. Rev. Cubana Ciencia Agrícola. 11:227-250.
[8] FOX, D. G.; SNIFFEN, C. J.; O'CONNOR, J. D.; RUSSELL, J. B. AND VAN SOEST, P. J. 1992. A net carbohydrate and protein system for evaluating cattle diets: III. Cattle requirements and diet adequacy. Journal of Animal Science. 70(11):3578-3596.
[9] GALAVIZ, L. C. 1981. Comportamiento de una pradera naturalizada por efecto del período de descanso y la presión de pastoreo en Turrialba, Costa Rica. Tesis Mag Sc. Turrialba, C. R. Programa Universidad de Costa Rica/CATIE. 117 p.
60 [10] KAHN, H. E. 1982. The development of a simulation model and its use in the evaluation of cattle production systems. Tesis PhD. UK. University of Reading. 290 p.
[11] _______ & SPEDDING, C. R. W., 1983. A dynamic model for the simulation of cattle herd production systems: Part 1- General description and effects of simulation techniques on model results. Agricultural Systems. 12:101-111.
[12] _______, 1984a. A dinamic model for the simulation of cattle herd production systems: Part 2- An investigation of various factors influencing the voluntary intake of dry matter and the use of the model in their validation. Agricultural Systems 13:63-82.
[13] LEMUS, A. A. 1977. Producción de carne bovina en praderas de pasto estrella (Cynodon nlemfuensis, Vanderyst var nlemfuensis) bajo diferentes presiones de pastoreo y niveles de fertilización nitrogenada. Tesis Mag Sc. Turrialba, C. R. Programa Universidad de Costa Rica/CATIE. 104 p.
[14] MEEK, R. M.; KILPATRICK, D. J. 1991. An economic
nutrition
beef production. Agricultural Systems, 36:105-116.
model
of
61 [15] MILLER, C. P.; WINTER, W. H.; COATES, D. B. AND,
KERRIDGE, P. C.,
1990. Phosphorus and beef production in northern Australia. 10. Strategies for phosphorus use. Tropical Grasslands, 24:239-249.
[16] MUSLERA,E. y RATERA,C. 1984. Praderas y Forrajes: producción y aprovechamiento. Madrid, Ediciones Mundi-Prensa, 702 p. [17] NICHOLSON, C. F.; URBINA, C. I., BLAKE, R. W.; OLTENACU, P. A.; FOX, D. G.; VAN SOEST, P. J. AND SNIFFEN, C. J. 1992. Simulating dual purpose cattle requirements and production responses in Tropical Latin America. Impreso en Ithaca, NY. Cornell University. Version ampliada de un manuscrito sometido a el Journal of Animal Science.
[18] NRC (National Research Council). 1984. Nutrient Requirements of Domestic Animals. Sixth Revised Edition. National Academy of Science. Washington, D.C. National Academy Press. 90 p.
[19] OGUNTADE, A. E. 1991. HERPLAN - a population model for beef cattle production planning and decision-making. Computers an Electronics in Agriculture. 5:347-358.
62 [20] RAMIREZ, A. 1974. Efecto del ciclo de uso, la presión de pastoreo y la fertilización nitrogenada en la producción de praderas de pasto estrella (Cynodon plectostachyus (K. Schum) Pilger). Tesis Mag Sc. Turrialba, C. R. Programa Instituto Interamericano de Ciencias Agrícolas de la OEA-CATIE. 122 p.
[21] RUSSEL, J. B.; O'CONNOR, J. D.; FOX, D. G.; VAN SOEST, P. J. AND SNIFFEN, C. J., 1992. A net carbohidrate an protein system for evaluating cattle diets; I. Ruminal fermentation. Journal of animal Science. 70(11):3551-3561.
[22] SANDERS, J. O. & CARTWRIGHT, T. C. (1979a). A general cattle produccion systems model. . Part 1. Description of the model. Agricultural Systems, 4,217-27.
[23] SANDERS, J. O. & CARTWRIGHT, T. C. (1979b). A general cattle produccion systems model. . Part 2. Procedures used for sumulating animal performance. Agricultural Systems,4,289-309
[24] SANCHEZ, J. 1992. El valor nutritivo del pasto Ratana. In Seminario Taller, El pasto ratana(Ischaemun ciliare) en Costa Rica. ¿Alternativa o problemática en nuestra ganadería? Ed. por Comité de educación y bienestar social. San Carlos, C.R., Cooperativa de productores de lecha R.L. p i.
63
[25] SEMAN, D. H.; FRERE, M. H.; STUEDEMANN, J. A.; WILKISON, S.R, 1991. Simulating the influence of stocking rate, sward heigth and density on steer productivity an grazing behavior. Agricultural Systems. 37:165181.
[26] SHANNON, R. 1988. Simulación de sistemas: diseño, desarrollo e implantación. Traducido del ingles por Fernando Aldrete Bernal. Mexico, D.F. Editoral Trillas. 427 p.
[27] SNIFFEN, C. J.; O'CONNOR, J. D.; VAN SOEST, P. J.; FOX, D. G. AND RUSSEL, J. B. 1992. A net carbohydrate and protein system for evaluating cattle diets: II. Carbohydrate and protein availability. Journal of Animal Science. 70(11):3562-3576.
[28] STEEL, R.G.D. y TORRIE, J.H. 1985. Bioestadística: Principios y procedimientos. Trad. por Ricardo Martínez B. México, D.F. McGraw Hill. p. 662. [29] THORNTON, K. P.; VERA, r. R. 1988. Modelo de simulación para los sistemas de producción de carne en los llanos orientales de Colombia. Pasturas Tropicales, 10(1):8-13.
[30] WERTH, L. A.; PRITCHARD, S. M.; AZZAM, S. M.; FISKE, D. A.; PFEIFFER, G. H.; NEILSEN, M. K. & KINDER, J. E., 1991, Evaluating net income
64 from different durations of breeding seasons in beef production using a deterministic simulation model. Agricultural Systems. 37:275-289.
[31] WILLIAMS, C. B.; KEELE, J. W. AND WALDO, D. R. 1992. Computer model to predict empty body weight in cattle from diet and animal characteristics. Journal of Animal Science. 70(10):3215-3222.
[32] ZAÑARTU, D. 1975. Presión de pastoreo y fertilización nitrogenada en la producción de carne en praderas de pasto estrella (Cynodon nlemfuensis, Vanderyst var nlemfuensis). Tesis Mag. Sc. Turrialba, C. R. Universidad de Costa Rica/CATIE. 99 p.
Programa
Lihat lebih banyak...
Comentarios
