Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Universidad de La Salle Universidad de La Salle Ciencia Unisalle Ciencia Unisalle Zootecnia Facultad de Ciencias Agropecuarias 2008 Evaluación de modelos de crecimiento e implementación del Evaluación de modelos de crecimiento e implementación del sistema de fraccionamiento de proteínas y carbohidratos de sistema de fraccionamiento de proteínas y carbohidratos de Cornell en las pasturas del CIC Santa María para la optimización Cornell en las pasturas del CIC Santa María para la optimización del sistema de alimentación del ganado de leche del sistema de alimentación del ganado de leche Carlos Eduardo Espinosa Martinez Universidad de La Salle, Bogotá Arnulfo Antonio Usuga Arango Universidad de La Salle, Bogotá Follow this and additional works at: https://ciencia.lasalle.edu.co/zootecnia Part of the Animal Sciences Commons Citación recomendada Citación recomendada Espinosa Martinez, C. E., & Usuga Arango, A. A. (2008). Evaluación de modelos de crecimiento e implementación del sistema de fraccionamiento de proteínas y carbohidratos de Cornell en las pasturas del CIC Santa María para la optimización del sistema de alimentación del ganado de leche. Retrieved from https://ciencia.lasalle.edu.co/zootecnia/78 This Trabajo de grado - Pregrado is brought to you for free and open access by the Facultad de Ciencias Agropecuarias at Ciencia Unisalle. It has been accepted for inclusion in Zootecnia by an authorized administrator of Ciencia Unisalle. For more information, please contact ciencia@lasalle.edu.co. https://ciencia.lasalle.edu.co/ https://ciencia.lasalle.edu.co/zootecnia https://ciencia.lasalle.edu.co/fac_agropecuarias https://ciencia.lasalle.edu.co/zootecnia?utm_source=ciencia.lasalle.edu.co%2Fzootecnia%2F78&utm_medium=PDF&utm_campaign=PDFCoverPages http://network.bepress.com/hgg/discipline/76?utm_source=ciencia.lasalle.edu.co%2Fzootecnia%2F78&utm_medium=PDF&utm_campaign=PDFCoverPages https://ciencia.lasalle.edu.co/zootecnia/78?utm_source=ciencia.lasalle.edu.co%2Fzootecnia%2F78&utm_medium=PDF&utm_campaign=PDFCoverPages mailto:ciencia@lasalle.edu.co 1 EVALUACION DE MODELOS DE CRECIMIENTO E IMPLEMENTACION DEL SISTEMA DE FRACCIONAMIENTO DE PROTEINAS Y CARBOHIDRATOS DE CORNELL EN LAS PASTURAS DEL CIC SANTA MARIA PARA LA OPTIMIZACION DEL SISTEMA DE ALIMENTACION DEL GANADO DE LECHE CARLOS EDUARDO ESPINOSA MARTINEZ ARNULFO ANTONIO USUGA ARANGO UNIVERSIDAD DE LA SALLE FACULTAD DE ZOOTECNIA BOGOTA D.C. 2008 2 EVALUACION DE MODELOS DE CRECIMIENTO E IMPLEMENTACION DEL SISTEMA DE FRACCIONAMIENTO DE PROTEINAS Y CARBOHIDRATOS DE CORNELL EN LAS PASTURAS DEL CIC SANTA MARIA PARA LA OPTIMIZACION DEL SISTEMA DE ALIMENTACION DEL GANADO DE LECHE CARLOS EDUARDO ESPINOSA MARTINEZ 13011055 ARNULFO ANTONIO USUGA ARANGO 13012020 Trabajo de grado presentado como requisito parcial para optar por el titulo de Zootecnista Director Abelardo Conde Pulgarin UNIVERSIDAD DE LA SALLE FACULTAD DE ZOOTECNIA BOGOTA D.C. 2008 3 DIRECTIVAS HERMANO CARLOS GABRIEL GOMEZ RESTREPO F. S. C. RECTOR HERMANO FABIO CORONADO PADILLA F. S. C. VICERRECTOR ACADEMICO HERMANO CARLOS ALBERTO PABON MENESES F. S. C. VICERRECTOR DE PROMOCION Y DESARROLLO HUMANO HERMANO MANUEL CANCELADO JIMENEZ F.S.C. VICERRECTOR DE INVESTIGACION Y TRANSFERENCIA DOCTOR MAURICIO FERNANDEZ FERNANDEZ VICERRECTOR ADMINISTRATIVO DOCTORA PATRICIA INES ORTIZ VALENCIA SECRETARIA GENERAL DOCTOR RAFAEL IGNACIO PAREJA MEJIA DECANO DOCTOR JOS LECONTE SECRETARIO ACADEMICO 4 APROBACION _______________________________________ DOCTOR RAFAEL IGNACIO PAREJA MEJIA DECANO _______________________________________ DOCTOR JOS LECONTE SECRETARIO ACADEMICO _______________________________________ DOCTOR ABELARDO CONDE PULGARIN DIRECTOR TRABAJO DE GRADO _______________________________________ DOCTORA OLGA XIMENA AGUILAR GALVIS JURADO _______________________________________ DOCTOR JUAN FERNANDO VELA JIMENEZ JURADO 5 AGRADECIMIENTOS Los autores expresan sus agradecimientos a: Dios, por darnos la oportunidad y la fuerza para poder dar por terminada esta etapa de nuestras vidas y de esta forma conquistar una meta y el tan anhelado sueno de ser profesionales. La Facultad de Zootecnia de la Universidad de La Salle y sus directivos por el apoyo y el respaldo durante la realización de este proyecto y todo el tiempo que estuvimos en la universidad ayudándonos a nuestra formación profesional y personal. Doctor Abelardo Conde, Zootecnista, Director de tesis, por su colaboración, entrega, confianza y ayuda en la realización de este trabajo compartiendo y transmitiéndonos sus conocimientos durante el desempeño de este proyecto Doctora Liliana Betancourt, Zootecnista, MSc Nutrición, Codirectora de tesis, por su apoyo incondicional, amabilidad, buena disposición y por compartir con nosotros todo sus conocimientos. Nidia Rojas, Química Industrial, por su colaboración dentro de la parte práctica del laboratorio Doctora Autora Cuesta, Bióloga MSc. Nutrición animal, Directora del laboratorio de nutrición de la universidad UDCA por su incondicional apoyo y gran colaboración en el desempeño de este proyecto. Margot Arévalo, Química Industrial Especialista en Nutrición animal. Álvaro López, Químico industrial. Doctor Luis Carlos Arreaza, por su aporte intelectual como investigadores 6 DEDICATORIA CARLOS EDUARDO ESPINOSA M ARTINEZ: A Dios por ser la luz que ilumina mi camino, por ser mi guía y por darme la fuerza necesaria para vivir el día a día y levantar cuando caigo y ayudarme a comenzar de nuevo. A mi madre por hacerme la persona que soy y por la formación que me dio, por sus sabios concejos, por su apoyo incondicional y por luchar siempre por mi y estar siempre a mi lado. A mi padre por cada una de las enseñanzas, comprensión y por ser ese gran amigo que esta conmigo cuando lo necesito y a veces sin ni siquiera decir una palabra demostrarme su cariño. A Curt por su apoyo incondicional, cariño y brindarme tantas oportunidades para triunfar en la vida. A mis abuelos por ser otros padres para mi, por ese gran amor que me han brindado toda la vida y por tanta sabiduría que me han dado durante toda mi vida. A todos aquellos que de una u otra forma han hecho parte de mi vida y me han hecho entender que se debe luchar por lo que se quiere sin importar lo que pase y a aquellas personas que intervinieron para la realización de este trabajo de tesis. 7 ARNULFO ANTONIO USUGA ARANGO: A mi padre quien de quien aprendí el significado del trabajo duro y los valores primordiales que trato de proyectar hacia el mundo. A la memoria de mi madre quien desde el cielo siempre ha acompañado mis pasos. A mis hermanas, Nancy y Liliana, junto quienes he superado los momentos mas difíciles de mi vida y siempre han sido mi principal punto de apoyo para mi toma de decisiones. A Dios porque siempre he sentido su presencia a mi lado cuando el camino parece estar mas difícil. A todos mis amigos y compañeros de estudio para quienes espero que este trabajo se convierta en una herramienta adecuada a sus necesidades laborales. 8 TABLA DE CONTENIDO Pag. RESUMEN ABSTRACT INTRODUCCION 1 1. OBJETIVOS 3 1.1. OBJETIVO GENERAL 3 1.2. OBJETIVOS ESPECIFICOS 3 2. REVISION DE LITERATURA 4 2.1. GENERALIDADES DE LOS PASTOS 4 2.1.1. Pasto Kikuyo (Penisetum Clandestinum) 4 9 2.1.2. Pasto Raygrass (Lolium sp .) 5 2.1.3. Pasto Azul Orchoro (Dactylis Glomerata) 7 2.2. RENOVACION DE PRADERAS 7 2.3. TASA DE CRECIMIENTODE LOS FORRAJES 8 2.4. CUANTIFICACION DE FORRAJES 11 2.4.1. Medición de los forrajes 11 2.4.2. Muestreo por doble rango visual 12 2.4.3. Medición de los componentes de forraje disponible 12 2.4.4. Medición de la composición botánica de la pradera 13 2.5. MODELO CNCPS (Cornell Net Carbohydrate and Protein System) 14 10 2.5.1. Fracciones de Carbohidratos 17 2.5.2. Fracciones de Proteínas 19 2.5.3. Desarrollo del Modelo 21 2.6. DEGRADABILIDAD RUMINAL 27 2.6.1. Degradabilidad In Sacco 29 2.6.2. Descripción de la técnica de la degradabilidad In Sacco 29 2.7. IMPORTANCIA DEL NITROGENO UREICO EN LECHE 34 2.7.1 Origen y significancia del MUN 34 2.7.2. Relación entre MUN y producción 35 2.7.3. Toma de Muestras, análisis e interpretación 35 3. MATERIALES Y METODOS 38 11 3.1. UBICACIÓN DEL PROYECTO 38 3.2. DISENO EXPERIMENTAL 39 3.3. MONITOREO MEDIO AMBIENTAL 40 3.4. PERIODOS DE MUESTREO 40 3.5. DEFINICION PERIODOS DE LLUVIAS Y SEQUIA 41 3.6. DEFINICION PRADERAS RENOVADAS Y NO RENOVADAS 42 3.7. MUESTREO PARA EL CRECIMIENTO DE LAS PRADERAS 42 3.8. ANALISIS PARA EL CRECIMIENTO (Incluidas todas las praderas) 44 3.9. ANALISIS PARA EL CRECIMIENTO (Praderas Renovadas y no Renovadas) 45 3.10. DEFINICION DEL MODELO DE CRECIMIENTO 46 12 3.11. MUESTREO PARA EL FRACCIONAMIENTO DE CORNELL 47 3.12. FRACCIONAMIENTO DE CARBOHIDRATOS Y PROTEINAS 48 3.13. ANALISIS REALIZADOS 49 3.14. DEGRADABILIDAD RUMINAL (in sacco) 49 3.14.1. Degradabilidad de la materia seca 49 3.14.2. Degradabilidad de FDN y RIE 50 4. DISCUSIÓN DE RESULTADOS 53 4.1. CRECIMIENTO DE LAS PRADERAS (Periodo de lluvias y sequía) 53 4.2. PRUEBAS DE HOMOGENEIDAD E INDEPENDENCIA (Periodo de lluvias y sequía) 54 4.2.1. Pruebas de homogeneidad 54 4.2.2. Pruebas de Independencia 55 13 4.3. PRUEBAS DE HOMEGENEIDAD E INDEPENDENCIA (PraderasRenovadas y no Renovadas) 55 4.3.1. Pruebas de homogeneidad 55 4.3.2. Pruebas de Independencia 56 4.4. DEFINICION DEL MODELO 57 4.5. MODELOS APLICADOS DURANTE EL PERIODO DE LLUVIAS 58 4.5.1. Modelo Gompertz 58 4.5.2. Modelo Logistic 60 4.5.3. Modelo Cacho 62 4.6. MODELOS APLICADOS DURANTE EL PERIODO DE SEQUIA 63 4.6.1. Modelo Gompertz 63 14 4.6.2. Modelo Logistic 64 4.6.3. Modelo Cacho 65 4.7. MODELOS APLICADOS EN PRADERAS RENOVADAS 66 4.7.1. Modelo Gompertz 66 4.7.2. Modelo Logistic 67 4.7.3. Modelo Cacho 69 4.8. MODELOS APLICADOS EN PRADERAS NO RENOVADAS 69 4.8.1. Modelo Gompertz 69 4.8.2. Modelo Logistic 70 4.8.3. Modelo Cacho 72 15 4.9. SELECCIÓN DEL MODELO 72 4.9.1. Definición de puntos críticos 73 4.10. APLICACIONES PRÁCTICAS 79 4.11. OTROS MODELOS 80 4.12. FRACCIONAMIENTO DE CARBOHIDRATOS Y PROTEINAS 80 4.12.1. Interaccion edad de rebrote y manejo de praderas 81 4.12.2. Edad de Rebrote 83 4.12.3. Praderas Renovadas y no Renovadas 85 4.13. INTEPREATACION DEL DISENO ESTADISTICO 88 4.14. MODELO DE LA OPIMIZACION DE LA ALIMENTACION 90 4.14.1. Aplicaciones practicas de la optimización 92 16 4.15. DEGRADABILIDAD RUMINAL (in sacco) 92 4.16. FRACCIONAMIENTO DE CARBOHIDRATOS 95 4.17. PREDICCION DE LA RESPUESTA ANIMAL 100 4.18. SIMULACION ANIMAL 101 4.19. MODELO DE OPTIMIZACION DE LA RESPUESTA ANIMAL 103 4.19.1. Identificación, respuesta, factores y niveles 103 4.19.2. Planteamiento del diseño y modelo estadístico. 104 4.19.3. Justificación del modelo. 105 4.19.4. Supuestos del modelo. 106 4.19.5. Caso 45 a 52 días. 106 4.19.6. Caso 45 a 59 días. 110 17 4.19.7. Análisis de los resultados. 112 4.19.8. Definición del modelo. 113 CONCLUSIONES 114 BIBLIOGRAFIA 117 ANEXOS 128 18 INDICE DE TABLAS Pag. Tabla 1. Valor nutritivo del pasto Kikuyo en Cundinamarca. 5 Tabla 2. Valor nutritivo de los pastos Boxer y Aubade. 6 Tabla 3. Comparación de algunos de los factores considerados en la estimación del valor proteico por distintos sistemas. 16 Tabla 4. Interpretación de resultados de análisis de MUN en vacas lecheras. 37 Tabla 5. Definición del periodo de sequia. 41 Tabla 6. Definición del periodo de lluvias. 41 Tabla 7. Clasificacion de praderas renovadas y renovadas. 45 Tabla 8. Distribucion de cortes en las praderas. 49 19 Tabla 9. Produccion de biomasa durante el periodo de lluvias en Valores s/ms/m2. 53 Tabal 10. Produccion de biomasa durante el periodo de sequia en Valores s/ms/m2. 54 Tabla 11. Linearizacion para el modelo Gompertz según curve expert periodo de lluvias. 59 Tabla 12. Linearizacion para el modelo Logistico según curve expert periodo de lluvias. 61 Tabla 13. Linearizacion para el modelo Gompertz según curve expert periodo de sequia. 64 Tabla 14. Linearizacion para el modelo Logistico según curve expert periodo de sequia. 65 Tabla 15. Linearizacion para el modelo Gompertz según curve expert Praderas renovadas. 67 20 Tabla 16. Linearizacion para el modelo Logistico según curve expert Praderas renovadas. 68 Tabla 17. Linearizacion para el modelo Gompertz según curve expert Praderas no renovadas. 70 Tabla 18. Linearizacion para el modelo Logistico según curve expert Praderas no renovadas. 71 Tabla 19. Definición del modelo por error cuadrático medio. 72 Tabla 20. Valores calculados de la primera derivada y porcentaje de madurez entre los días 28 y 42 del crecimiento de las praderas. 76 Tabla 21. Información del nivel de clase (SAS). 81 Tabla 22. Valores promedio de las fracciones de carbohidratos y proteínas. 81 21 Tabla 23. Valores promedio de las fracciones de carbohidratos y proteínas según la edad de rebrote. 84 Tabla 24. Valores promedio de las fracciones de carbohidratos y proteínas según el manejo de las praderas. 86 Tabla 25. Ecuaciones obtenidas con el modelo de optimización. 90 Tabla 26. Niveles de significancia sobre el valos critico de t. 91 Tabla 27. Resultados de degradabilidad (in sacco) en praderas no renovadas. 93 Tabla 28. Resultados de degradabilidad (in sacco) en praderas renovadas. 94 Tabla 29. Fraccionamiento de carbohidratos en praderas no renovadas. 98 Tabla 30. Fraccionamiento de carbohidratos en praderas renovadas. 99 Tabla 31. Respuesta productiva del hato del CIC Santa María bajo el modelo. 101 22 Tabla 32. Datos de producción de leche; respuesta obtenida de acuerdo a cada una delas condiciones experimentales establecidas. 107 Tabla 33. Matriz de diseño, cálculos para estimar el valor de los factores. 108 Tabla 34. Estimación de los efectos y su significancia. 109 Tabla 35. Intervalos de confianza de los efectos. 110 Tabla 36. Matriz de diseño, cálculos para estimar el valor de los factores. 111 Tabla 37. Estimación de los efectos y su significancia. 111 Tabla 38. Intervalos de Confianza de los efectos. 112 23 INDICE DE FIGURAS Pag. Figura 1. Características de las fracciones de carbohidratos. 18 Figura 2. Estructura de Carbohidratos. 19 Figura 3. Características de las fracciones proteicas. 20 Figura 4. Estructura de las proteínas en el CNCPS . 21 Figura 5. Representación grafica de los diferentes tiempos en que tiene lugar la degradación de la proteína. (Ørskov, 1988). 33 Figura 6. Edades determinadas para el fraccionamiento de carbohidratos y proteínas. 47 Figura 7. Curvas de crecimiento durante el periodo de lluvias. 58 Figura 8. Curvas de crecimiento durante el periodo de sequia. 58 24 Figura 9. Valores observados vs valores estimados con el modelo Gompertz matemático y por curve expert. 60 Figura 10. Valores observados vs valores esperados estimados con el modelo Logístico matematico y mediante curve expert. 61 Figura 11. Valores observados vs valores estimados con el modelo Cacho. 63 Figura 12. Valores observados vs valores esperados estimados con el modelo Gompertz matematico y de curve expert. 64 Figura 13. Valores observados vs valores esperados estimados con el modelo Logistico matematico y de curve expert. 65 Figura 14. Valores observados vs valores esperados estimados con el modelo de Cacho. 66 Figura 15. Valores observados vs valores esperados estimados con el modelo Gompertz matemático y según curve expert. 67 Figura 16. Valores observados vs valores esperados estimados con el modelo Logistico. 68 25 Figura 17. Valores observados vs valores esperados estimados con el modelo de Cacho. 69 Figura 18. Valores observados vs valores esperados estimados con el modelo Gompertz matematico y de curve expert. 70 Figura 19. Valores observados vs valores esperados estimados con el modelo Logistico matematico y de curve expert. 71 Figura 20. Valores observados vs valores esperados estimados con el modelo Cacho. 72 Figura 21. Derivada (dP/dt) vs biomasa (g). 75 Figura 22. Línea tangente al punto de inflexión y valor del punto delta. 78 Figura 23. Promedios estadísticos de la interacción edad de rebrote y manejo de praderas. 83 Figura 24. Promedios estadísticos según la edad de rebrote. 84 Figura 25. Promedios estadísticos según el manejo de las praderas. 86 26 Figura 26. Interacción Hemicelulosa. 89 Figura 27. Interacción FDN. 89 Figura 28. Degradación de MS, FDN y RIE en praderas no renovadas con 45 días de recuperación. 95 Figura 29. Degradación de MS, FDN y RIE en praderas no renovadas con 52 días de recuperación. 96 Figura 30. Degradación de MS, FDN y RIE en praderas no renovadas con 59 días de recuperación. 96 Figura 31. Degradación de MS, FDN y RIE en praderas renovadas con 45 días de recuperación. 97 Figura 32. Degradación de MS, FDN y RIE en praderas renovadas con 52 días de recuperación. 97 Figura 33. Degradación de MS, FDN y RIE en praderas renovadas con 59 días de recuperación. 98 27 RESUMEN El objetivo de este trabajo consiste en comparar los cambios en el crecimiento y en las diferentes fracciones de carbohidratos y proteínas entre praderas renovadas y no renovadas del CIC Santa María de La Universidad de la Salle. Se analizaron 6 pasturas diferentes, tres de ellas fueron renovadas antes del inicio del trabajo y a las otras tres no se les realizo ningún tipo acondicionamiento ni manejo . Se realizo un muestreo durante un periodo de lluvias y otro durante un periodo de sequías, lo anterior con el fin de medir el desempeño de dos modelos de crecimiento matemáticos y seleccionar cual de ellos se adecuaba mejor a las condiciones medio ambientales de la finca, estos modelos fueron comparados con los modelos contenidos en el programa Curve Expert versión 3.0 para medir su desempeño. Se realizaron aforos semanales para llevar un control de crecimiento de las pasturas según la época del año y a partir del día 45 y por tres periodos de corte separados por 7 días, se llevaron muestras a laboratorio para realizar los análisis de fraccionamiento de Carbohidratos y Proteínas Netos de Cornell, posterior a esto, se hicieron pruebas de digestibilidad in Sacco con 5 tiempos de incubación (0, 6, 24, 48 y 72 horas) en un Toro Holstein. Los datos obtenidos se llevaron a una simulación por el software CNCPS V 6.1 para predecir la respuesta animal a esa dieta y ver su comportamiento, posterior mente se hizo una optimización por superficies de respuesta para cuantificar como afectaba la producción en la finca al modificar cualquiera de las variables evaluadas para la producción de las pasturas. Con este trabajo esperamos contribuir en la investigación de manejo de praderas para un mejor desempeño y optimización de las explotaciones y mejorar así la productividad de nuestro sector agropecuario. 28 ABSTRACT The aim of this study is to compare changes in the growth and in the different fractions of carbohydrates and proteins between renewable and non-renewable pastures in La Salle University’s CIC Santa Maria. We analyzed 6 different pastures; three of them were renovated before starting the work and the other three stayed without any change or handling. We performed a sampling over a period of rain and another one for a period of drought, this was in order to measure the performance of tow mathematical conditions of the property, these models of growth and select which one is suited better to the environmental conditions of the property, these models were compared with those models contained in the program Curve Expert version 3.0 to measure their performance. The Aforos were conducted weekly to keep track of growth of pastures depending on the season and starting on day 45 by cutting three periods separated by 7 days, we took samples to laboratory for Carbohydrates and Protein Net Cornell Fraction analysis, after this, we made digestibility tests in sacco with 5 incubations times (0, 6, 24, 48 and 72 hours) in a Holstein bull. The data obtained were taken to a simulation made with the software CNCPS V 6.1 to predicted the animal response under that diet and watch their behavior, later we made an optimization by surfaces responses to a quantify how it affects the productions in the farm to modify any of the evaluated variables for the production pastures. With this work we hope to contribute in the research of the management of grassland for a better performance and development of the farm to improve the productivity of our agricultural sector. 29 INTRODUCCION Durante las últimas décadas hemos visto una nueva tendencia en los sistemas productivos agropecuarios, pues se ha cambiado de ese modelo de importación de tecnologías que implicaba cambiar algunos factores de nuestro medio agroecológico, generando altos costos y haciendo imposible la competitividad, hacia una adaptación racional de tecnologías, que permita que sean ellas quienes se adapten a nuestro medio. Sin embargo en algunos sectores como el de la ganadería, y ante las nuevas perspectivas de globalización e integración de mercados, se deben intensificaren estos, esfuerzos de competitividad y una solución a ello es justamente el mejoramiento de las prácticas de alimentación animal. En las ganaderías especializadas de la Sábana de Bogotá se tiene como base de la alimentación el forraje, sobre este se suplementa con alimentos comerciales que poco se adecuan a las necesidades reales de los animales, generando con ello perdidas económicas y fisiológicas que no solo aparecen por los costos de estos concentrados, sino que también pueden influir en el rendimiento productivo y reproductivo de los animales. Para hacer más productiva nuestra ganadería, debemos tener clara la idea de que somos un país tropical y que nuestros sistemas alimenticios no se pueden basar en la suplementacion de cereales pues aparte de los altos costos que estos tienen, tenemos la responsabilidad ética de impedir que nuestros animales compitan contra nuestra población por los alimentos. Debemos optimizar nuestras ventajas productivas como país tropical, lo que le permite a nuestros pastos crear un volumen de biomasa abundante el cual necesariamente ha de convertirse en nuestra principal fuente de obtención de carne y leche para la alimentación humana. 30 Con base en esta clara necesidad, necesitamos optimizar la utilización de los nutrientes de estos pastos y es en este punto donde el CNCPS se convierte en una herramienta con alto grado de aplicabilidad. Una dieta formulada bajo el modelo CNCPS, permite evaluar y corregir las pérdidas minimizando la contaminación gaseosa producida por el rumiante y aumentando la producción, mediante un mejor aprovechamiento de los alimentos ofrecidos, basándose en sus respectivos análisis correlacionándolos con el potencial productivo de la especie. De ahí, la importancia de este sistema como herramienta prominente que nos permite simular la respuesta animal sugiriendo un mejor aprovechamiento de los forrajes, los suplementos y el potencial genético de la especie, todo con el propósito de obtener un producto de mejor calidad maximizando los indicadores de sostenibilidad y competitividad de la explotación. 31 OBJETIVOS OBJETIVO GENERAL Comparar los cambios en el crecimiento y en las diferentes fracciones de carbohidratos y proteínas entre praderas renovadas y no renovadas del CIC Santa María de La Universidad de la Salle. OBJETIVOS ESPECIFICOS Determinar un modelo de crecimiento matemático que se ajuste al desarrollo fisiológico de la pradera en términos de biomasa por unidad de tiempo. Evaluar los cambios en las fracciones de carbohidratos y proteínas basados en la edad de rebrote y el efecto de renovación y no renovación de las praderas del CIC Santa María. Predecir la actividad ruminal y metabólica, y la respuesta animal bajo el modelo CNCPS en condiciones especificas de trópico alto en el CIC Santa María. Establecer alternativas de alimentación con base en suplementos no comerciales que se adecuen a las condiciones específicas de producción optimizando la respuesta animal. 2. REVISION DE LITERATURA 32 2.1. GENERALIDADES DE LOS PASTOS 2.1.1. Pasto Kikuyo (Pennisetum Clandestinum) Es originario de África, es una especie perenne que se ha convertido en uno de los pastos preponderantes en la Sábana de Bogotá. Posee unos rizomas gruesos y suculentos que pueden alcanzar hasta un metro de largo, su sistema radicular se inserta profundamente en el suelo para optimizar la absorción de nutrientes y adicionalmente en los nudos de los rizomas se forman otras raíces superficiales que se extienden por el suelo dando un mayor poder de absorción. En algunas praderas con un buen sistema de manejo, los tallos crecen erectos y suelen alcanzar alturas hasta de 60 cm. A partir de allí lanzan unas hojas en forma de lanzas que se extienden otros 25 – 20 cm, incrementando el área de absorción de energía solar para sus procesos de fotosíntesis. Es un pasto competitivo, que al estar en mezcla con otras especies vegetales eleva su tamaño para poder absorber la mayor cantidad posible de radiación solar. Según Bernal (2003) la producción de forraje depende en gran parte de la fertilidad y la humedad del suelo. Con practicas de manejo adecuadas, se han obtenido mas de 20 ton/ha al año de heno de buena calidad. Calidad del forraje La calidad del forraje es buena cuando se rompe el césped regularmente y se abona bien, es rico en proteínas y posee una elevada digestibilidad Tabla 1. Valor nutritivo del pasto kikuyo en Cundinamarca. 33 % MS PC DIVMS FDN FDA H/LOSA C/LOSA LIGNINA E.D. E.M. 40 días 11.89 41.59 63.84 36.64 27.20 25.42 7.5 2.10 1.72 50 días 14.63 53.42 65.56 31.78 33.88 24.38 4.9 2.66 2.18 60 días 16.62 79.18 57.48 32.70 24.78 26.76 4.2 3.25 2.66 Mezclas 17.96 77.85 54.28 31.74 22.54 31.74 4.5 3.12 2.56 Pastos y Forrajes Tropicales, Producción y Manejo. Javier Bernal Eusse 4a Ed. 2.1.2. Pasto Raigrass Llolium hibridum) El nombre genérico de raigrás se aplica primordialmente a dos especies cultivadas del genero Lolium. Una de estas especies, el Lolium multiflorum se conoce como raigrás anual o italiano y el Lolium perenne como raigrás ingles o perenne. De estas dos especies se han seleccionado muchos cultivos y se han hecho cruces que han dado origen a un gran número de híbridos y variedades que reciben distintos nombres comerciales. Dentro de las muchas especies de pastos empleadas en clima frio, se destacan actualmente los raigrases tetraploides. Estos materiales fueron desarrollados mediante un sistema especial que duplica el número de cromosomas (los portadores de la herencia), de los tipos comunes de raigrass. Dentro de los tetraploides obtenidos se seleccionan aquellos que presentan mejores características (Bernal, 2003). Fue introducida en Colombia en 1976 y desde entonces se ha venido ensayando a nivel experimental y comercial obteniéndose rendimientos promedio mayores que los progenitores (italiano e inglés), sus hojas y tallos son más largos y más suculentos; son más apetecibles, lo que hace que los animales lo consuman más. Crece bien en alturas comprendidas entre 2000 y 3000 m.s.n.m.. Requiere suelos de fertilidad alta y media y un pH entre 5.5 y 7.0, de textura franca, aunque tolera suelos pesados. Es exigente en humedad y es resistente a la acción de las 34 heladas. Se caracteriza porque crece en matojos, tiene un sistema radicular amplio y superficial; sus hojas son anchas de color verde intenso, glabro y suculento; los tallos florales casi no poseen las hojas; la inflorescencia es en espiga de 25 a 40 cm de largo, con 15 a 30 espiguillas de 4 a 5 florecillas cada una (Estrada, 2001, citado por Barrera y Pinilla 2006) Calidad y producción Es un pasto con un elevado valor nutricional, aunque este depende en gran medida del manejo dado al pasto y de la edad a la cual se coseche. Para obtener una buena producción de raigráss es necesario hacer algunas enmiendas al suelo y diseñar un programa de fertilización con elementos mayores y menores de acuerdo a los análisis de suelos y forrajes de cada zona (Bernal, 2003). Tabla 2. Valor nutritivo de los pastos bóxer y aubade en Colombia. Variedad Edad Días PC DIVMS FDN FDA H/losa Celulosa Lignina % MS Bóxer (Perenne) 25 21,2 87,56 51,14 28,5 22,64 21,5 4 35 19,1 82,3 49,92 34,44 15,48 24,4 5 45 17,2 76,74 48,48 36,06 12,42 24,02 5,4 55 14 76,06 46,94 33,98 12,94 25,12 5,7 Heno 16,7 80,84 54,09 35,58 18,5 26,18 6,3 Aubade (Anual) 32 28 89,06 46,64 22 22,64 17,36 3,1 40 18,8 86,55 45,48 29,78 15,7 22,44 5,5 45 11 87,6 47,46 25,55 17,65 22,05 3,5 60 12,3 67,1 60,57 27,78 18,14 22,98 4,8 Pastos y Forrajes Tropicales, Producción y Manejo. Javier Bernal Euuse (1985) Los tetraploides anuales se caracterizan por su rápido establecimiento y abundante producciónde forraje durante los primeros meses después de 35 establecida la pradera, su duración varia entre 18 a 30 meses, en condiciones normales. Los tetraploides perennes producen menos inicialmente, pero la duración de la pradera es mayor, pudiendo llegar hasta 48 meses en buenas condiciones de producción (Estrada, 2001). 2.1.3. Pasto azul orchoro (Dactylis glomerata) Puede adaptarse en alturas comprendidas entre 1500 y 3100 metros sobre el nivel del mar, pero en alturas inferiores a 2000 metros su producción en muy escasa; en limite de los paramos crece bien, pero su desarrollo es muy lento, produce bien en casi toda clase de suelos, pero sus rendimientos son mucho mayores en suelos fértiles, profundos y bien drenados. Es originario de Eurasia y el norte de África (Bernal, 2003). Es perenne, de crecimiento robusto, crece en manojos esparcidos en las praderas donde se destaca por su coloración y su altura. Posee unos tallos florales que alcanzan hasta 1.3 metros de largos; muchos tallos, hojas plegadas y vainas comprimidas; su inflorescencia es notoria sobresaliendo por encima de los demás tallos en forma de racimos de espiguillas reducidas. Sus raíces penetran el suelo a bastante profundidad lo cual lo hace soportar con mayor fortaleza tiempos prolongados de sequia. 2.2. RENOVACION DE PRADERAS La intervención mecánica para renovar praderas degradadas puede desarrollarse mediante varias operaciones, las cuales dependen de la condición de la pastura, del suelo y de las condiciones agro climáticas del lugar. Aunque se han usado rastras de discos y otros implementos tradicionales para la renovación, algunos 36 implementos que no invierten el perfil del suelo, y que están basadas en herramientas verticales consiguen mejores resultados. Una pastura sin renovación decrece su rendimiento con el tiempo hasta cuando la producción no es suficiente o las especies remanentes no son tomadas por los animales por cambios en la composición botánica. La degradación no se puede recuperar naturalmente. A menudo el mal manejo es la causa. Así están la baja o nula fertilización de mantenimiento, corte tardío, pastoreo o conducción de maquinaria en condiciones húmedas, sobre pastoreo, el uso sistemático de implementos de discos, el tráfico de maquinaria o el pastoreo intensivo que crean capas compactas de suelo las cuales reducen la velocidad de infiltración e incrementan la superficie de escorrentía, con lo cual hay menor cantidad y calidad de forraje (Lozano, 2004). 2.3. TASA DE CRECIMIENTO DE LOS FORRAJES El estudio de sistemas de pastoreo y las evaluaciones de las alternativas manejadas estratégicamente pueden ser significativas ayudadas por modelos de simulación. Por ejemplo, presentan modelos dinámicos de forraje basados en la edad y en el peso de diferentes componentes (hojas, tallos y materia orgánica) (Cacho, 1993). Bajo una situación de pastoreo, los retos de diseñar estrategias nutricionales aumentan. Manejar pastoreo implica la aparición de más interacciones en el sistema que dificultan entender como van a ser las corrientes de salida (en este caso crías y leche). Los animales tienen un potencial de producción y comen para alcanzar este potencial. Cuando el alimento es suministrado en situaciones de estabulación, el animal simplemente consume un alimento ofrecido de acuerdo a 37 sus requerimientos nutricionales. Bajo estas circunstancias, los retos se resumen en balancear una ración apropiada. Pero en pastoreo, es necesario tener en cuenta el efecto del volumen de los forrajes en limitar el consumo voluntario. Suministrar forrajes con un alto contenido de fibra, va a limitar que el animal ingiera la cantidad de energía que requiere. Otro factor relevante en la alimentación de bovinos en pastoreo es la disponibilidad de pasto y el efecto del pasto residual sobre la recuperación de la pradera. La disponibilidad de forraje se modifica en una explotación por medio de diferentes estrategias de manejo de praderas (rotación, pastoreo continuo). Estas afectan el crecimiento y acumulación de forraje, al igual que la calidad del mismo. La curva de crecimiento de forraje de acuerdo a diferentes condiciones climáticas y de manejo definen cual debe ser el momento de la cosecha para obtener mayor producción de materia seca (volumen) en el año, al evitar que esta curva de crecimiento alcance la asintota, en la cual el uso de recursos no se logra depositar más materia seca, debido a que en este punto, la tasa de muerte de material vegetal y de crecimiento se igualan. En este mismo punto, la lignificación del forraje disminuye la calidad (contenido de energía por unidad de volumen) (Cacho O.J. 1993). El crecimiento de pasto puede ser representado por una ecuación de crecimiento sigmoidea logística. Una ecuación de este tipo, debe tener tres parámetros que se pueden estimar estadísticamente de resultados experimentales o de forma algebraica de modelos fisiológicos de simulación. Estos parámetros se relacionan con capacidad máxima de producción de una pradera, tasa de crecimiento de acuerdo a variables climáticas y a factores inherentes al crecimiento de cada especie forrajera. Cuando una pradera esta bien establecida, y es pastoreada y luego se deja crecer libremente, el acumulo de masa vegetal va a ser lenta inicialmente, en la medida 38 en que las reservas vegetales sean movilizadas para reconstruir el área de las hojas. La tasa de crecimiento de la planta aumenta en la medida que crece el área con capacidad fotosintética. En la medida en que las plantas crecen, la sombra comienza a tener efecto y se disminuye la tasa de acumulación de masa vegetal. Cuando el tejido senece, la tasa de acumulación neta tiende a cero. Esta ecuación se puede representar como: γ α ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ −== Y YY Y Y dt dYG max max 2 Donde Y representa acumulación de materia seca y Ymax representa la capacidad máxima de la pradera para acumular materia seca, donde tejido no fotosintético ha incrementado al punto que las pérdidas respiratorias igualan las ganancias. Entonces, Ymax representa la producción potencial de forraje. Este parámetro cambia con diferentes condiciones climáticas. Cerca al ecuador, es de esperarse que Ymax sólo sea afectado significativamente por niveles de precipitación. El parámetro α determina el nivel máximo de crecimiento. Mientras que el parámetro γ es especifico para cada especie y determina cuando una planta alcanza la tasa máxima de crecimiento. Un manejo de praderas eficaz y efectivo y una correcta carga animal, son necesarios para maximizar la viabilidad económica de la empresa ganadera. Planear y presupuestar la oferta y la demanda de nutrientes asegura que se utilice al máximo el pasto, por medio de pastoreo o cosecha para conservación (Van Houtert M.F.J and Sykes A.R. 1999). 2.4. CUANTIFICACION DE FORRAJES 39 La lechería especializada en la Sabana de Bogotá se desarrolla en explotaciones ganaderas en donde tradicionalmente se han utilizado recursos genéticos animales de alta producción, los cuales se caracterizan por demandar alta cantidad y calidad de nutrientes en la dieta para satisfacer sus necesidades diarias y lograr no solo altas producciones sino cumplir con otras funciones igualmente importantes como la reproducción. 2.4.1. Medición de los forrajes Según (Estrada , 2001), los métodos de muestreo para estimar la disponibilidad del forraje se pueden dividir en dos grandes grupos: Método destructivo Son aquellos en los que la cantidad de forraje se mide por corte manual o mecánico, mientras que en los no destructivos se miden o estiman algunas variables de la vegetación que se pueden relacionar con cantidad. En los métodos destructivos se puede utilizar desde el corte manual (tijeras, hoz), hasta el corte con equipos mecánicos. Tiposde muestreo destructivo: Al azar. Al azar dirigido. Al azar dirigido estratificado. Método no destructivo Este método trata de corregir las dificultades que se presentan en el método destructivo, por utilizar las estimación visual como instrumento principal, aun cuando estos métodos no son muy exactos, permite aumentar la precisión dado que es posible realizar un gran número de observaciones. 40 Tipos de muestreo No destructivos Doble Rango Visual Botanal 2.4.2. Muestreo por doble rango visual Es un método en el cual se combina las observaciones visuales con los valores obtenidos en los cortes. Este método estima el forraje disponible visualmente mediante 50 o más marcos por hectárea colocados en forma aleatoria o siguiendo una división transversal al potrero o a la parcela transepto; en ellos se da una calificación de 1 a 5, donde 1 representa menos forraje y 5 mas forraje. Se utilizan como referencia 5 puntos previamente seleccionados y debidamente identificados, los cuales representan la escala o rango (1 a 5) que contienen las variaciones de forraje disponible en la pastura. Una vez hechas las lecturas visuales, los puntos o marcos de referencia se cortan, se pesan y se secan. Con los valores del forraje disponible en los 5 marcos, se construye una regresión lineal (y = a + bx) que sirve para estimar la disponibilidad del forraje (y) partiendo de las lecturas visuales (x). 2.4.3. Medición de los componentes de forraje disponible La estimación de los componentes del forraje disponible (materia verde en base seca, materia inerte o muerta, hoja y tallo) puede hacerse por separación manual del material cortado o por métodos indirectos. Separación manual Exige, muchas veces, tomar submuestras del forraje en los marcos utilizados para medir la disponibilidad del forraje, procurando realizar la separación antes de secar el forraje. El forraje obtenido con los marcos debe mezclarse bien y dividirse en cuatro, de los cuales se sacan las submuestras cuyo tamaño fluctúa entre 300 41 y 500 gramos de forraje. Como una alternativa, la separación de hojas y tallos para su uso en análisis químico se pueden hacer en el campo en muestras cortadas sin marco a una altura definida. Métodos indirectos Consiste en medir en el forraje algún constituyente que se halle en diferente concentración en cada uno de los componentes que se quiere separar. Este principio ha sido utilizado para estimar la proporción de M.V.S. y de materia inerte mediante la medición de pigmentos solubles en alcohol o de la clorofila. 2.4.4. Medición de la composición botánica de la pradera La composición botánica de una pastura puede estimarse haciendo mediciones de los siguientes factores: Número o densidad de plantas. Cobertura de las especies. Pesaje de las especies presentes. El número de plantas por unidad de área y la cobertura de las especies son mediciones muy utilizadas para evaluar el establecimiento y la persistencia de gramíneas y leguminosas en pasturas experimentales. El pesaje de las especies que conforman la vegetación es una medida muy objetiva para determinar la composición botánica de la pradera. Sin embargo es un método muy laborioso pues la separación debe hacerse, generalmente, en forma manual. Para agilizar ese trabajo se recomienda hacer la separación en submuestras representativas (500 g) de forraje cosechado en marcos, y preferiblemente antes de secar las muestras. Una gran ventaja posee el método del muestreo por doble rango visual el cual permite estimar el forraje disponible y la composición botánica en una sola 42 operación. En general el éxito de este método para estimar disponibilidad y la composición botánica se basa en el entrenamiento de los observadores. Debe, por tanto, calibrarse el método haciendo que cada observador califique un número determinado de marcos y que su resultado se compare con aquellos obtenidos por corte y separación manual de las especies en los mismos marcos (Estrada, 2001). 2.5. MODELO CNCPS (CORNELL NET CARBOHYDRATE AND PROTEIN SYSTEM) El sistema de valoración protéica y energética desarrollado por la Universidad de Cornell, conocido como "Cornell Net Carbohydrate and Protein System (CNCPS)" es un modelo con varios niveles de agregación que, al igual que otros recientes sistemas de valoración europeos (ARC, 1980, 1984; INRA, 1978, 1988; AFRC, 1993) y americanos (NRC, 1985), permite predecir los rendimientos productivos del ganado vacuno a partir del contenido en ingredientes de su dieta. Pero, a diferencia de estos últimos, el CNCPS no está específicamente diseñado para el racionamiento sino para comprobar la idoneidad de dietas previamente formuladas. Es decir, permite valorar la adecuación de una dieta previamente establecida para unas condiciones de producción determinadas. En este sentido, ofrece una detallada información sobre factores limitantes del metabolismo ruminal y adecuación del aporte de nutrientes, incluyendo aminoácidos limitantes, que puede resultar sumamente útil para valorar estrategias de formulación y elaborar hipótesis de trabajo (Guada, 1996). El sistema CNCPS esta integrado por una serie de submodelos que valoran, respectivamente, el contenido de carbohidratos y proteína disponibles en la dieta (Sniffen et al., 1992), los procesos de fermentación y síntesis de proteína microbiana (Russell et al., 1992), las necesidades energéticas y proteicas del ganado vacuno (Fox et al,. 1992) y el aporte y necesidades de aminoácidos (O’Connor et al., 1993). Las características propias de estos submodelos hacen 43 del sistema una herramienta versátil, que integra una serie de variables como las diferencias de razas, precocidad y aspectos de la termorregulación las cuales juegan un papel preponderante en lo relacionado con las necesidades del animal lo cual supone en este submodelo un importante esfuerzo en la sistematización de estos datos, además destacan por su originalidad los submodelos dedicados al aporte de nutrientes y el metabolismo ruminal, y por su carácter innovador el submodelo de estimación de aportes y necesidades de aminoácidos, debido al importante papel de estos en los aspectos productivos y reproductivos del hato El sistema de carbohidratos y proteínas netos de cornell (CNCPS) es un modelo matemático utilizado para evaluar la alimentación y el desempeño del animal, este fue desarrollado con base en la función ruminal, crecimiento microbial, digestión y paso del alimento y fisiología animal. Siendo cuantificadas algunas variables especificas en el manejo en campo como las medio ambientales y la alimentación, predicciones mas exactas de crecimiento y producción de leche del ganado y excreción de nutrientes en diversas situaciones de producción en cuanto sea posible (Fox et al, 2004). En la tabla 3 se resumen las principales diferencias de los tres modelos de valoración proteína en comparación con el CNCPS, recientemente el submodelo ruminal ha sido ampliado incorporando la posibilidad de predecir la producción y absorción de ácidos grasos volátiles, y mejorar la estimación del pH ruminal (Pitt et al., 1996), sin embargo estos datos se omiten dado que aun esta pendiente su integración al modelo de rendimientos. Es de notar que el CNCPS a diferencia de los otros sistemas tiene en cuenta la degradabilidad de cinco fracciones proteicas lo cual le permite hacer un calculo mas exacto de la cinetica de las proteínas en el tracto digestivo y disminuye el margen de error en la predicción del comportamiento de las mismas 44 Tabla 3. Comparación de algunos de los factores considerados en la estimación del valor proteico por distintos sistemas. SISTEMA DE VALORACIÓN AFRC INRA NRC CNCPS Estimación de la degradabilidad Fracciones proteicas consideraras 3 3 3 5 Cinética de degradación (kd) + + ++ Velocidad de paso (kp) variable + + + Estimación de la síntesis microbiana Sustrato energético EMF MOF TDN CHOF Efecto de kp Empírica Empírica Mecanística Compartimentación microbiana + N reciclado (% de N ingerido) 15 10-70 Efecto de la fuente de N + Efecto del Ph + Efecto de los iónoforos + Proteína microbiana verdadera 0,75 0,8 0,8 0,85 Digestibilidad de N microbiano 0,85 0,8 0,8 0,75 Digestibilidad de N degradado var. var. 0,8 var. Perfil aminoacidico + Utilización de la proteína metabolizable Mantenimiento 1 est. 0,67 0,67 Crecimiento 0,59 0,68 - 0,4 0,5 0,75 - 0,4 Lactación 0,68 0,64 0,65 0,65 (Guada, 1996) EMF: energía metabolizable fermentable MOF: materia orgánica fermentable CHOF: carbohidratos fermentables 45 2.5.1. Fracciones de Carbohidratos. El valor energético de la dieta se expresa convencionalmente en términos de energía metabolizable (EM) o energía neta (EN). Estas unidades describen la energía disponible por el animal y son útiles para comparar la adecuación de los aportes con las necesidades, pero resultan poco apropiadas como índices de la energía disponible por los microorganismos del rumen. La energía de las heces, orina y metano, que se sustraen de la energía bruta para estimar la EM, supone una pérdida de energía para el animal pero no para los microorganismos ruminales. De hecho, parte de la energía fecal se encuentra en forma de cuerpos y restos microbianos procedentes del ciego y rumen. A su vez, parte de la energía eliminada en forma de orina procede del metabolismo orgánico de la proteína microbiana absorbida, mientras que el metano es un producto del metabolismo energético bacteriano (Guada, 1996). El CNCPS valora el aporte de energía al rumen en términos de carbohidratos estructurales (CS) y no estructurales (CNS), basándose en el esquema de fraccionamiento de la fibra de Goering y Van Soest, (1970). Los CS corresponden con la fibra neutro detergente (FND), corregida sustrayendo su contenido en N × 6,25, mientras que los CNS comprenden el resto de los carbohidratos (azucares, almidón, fructazas, galactanas, pectinas y B-glucanos) estimados por la diferencia entre el contenido de materia orgánica y los CS, la proteína y el extracto etéreo. Cada una de estas fracciones (CS y CNS), define un conjunto heterogéneo de compuestos por lo que se subdividen en un total de 4 fracciones con distintas características en cuanto a su degradabilidad. 46 Figura 1. Características de las fracciones de carbohidratos A cada subfraccion se le atribuye un ritmo de degradación (kd), característico de cada alimento (Sniffen et al 1992), que junto con una estimación del tiempo de retención del contenido digestivo ruminal o ritmo fraccional de transito (kp), permite estimar la proporción de cada fracción que es degradada en el rumen (kd / (kd + kp)) o que lo abandona sin sufrir degradación (kp / (kd + kp) (Sniffen y Robinson, 1987). Cada fracción de carbohidratos degradada en el rumen constituye, por lo tanto, un sustrato de fermentación microbiana que proporciona energía a un ritmo definido por su velocidad de degradación (Kd). Determinación de las fracciones de carbohidratos (Hall, et al 1997) estiman la solubilidad de la fibra como un cambio de peso del 90% entre el residuo extraído en etanol (RIE) y la extracción con solución detergente neutra. La fermentación de compuestos solubles en etanol (azucares, ácidos orgánicos, oligosacáridos de cadena corta y aminoácidos) puede estimarse mediante la sustracción de curvas entre RIE y el material entero. La fracción B1 es insoluble en etanol y la proporción de fermentación se puede estimar mediante la correspondiente sustracción entre las curvas de RIE y FDN. 47 Fracción A: ME – EIR Fracción B1: EIR – FDN Fracción B2: % FDN Fracción C: Lignina × 2,4 Cuando se determinan las fracciones A y B1 por diferencia, estas fracciones contienen aminoácidos y proteínas que en fermentación van a producir gas. Cuando la proteína es fermentada en ausencia de carbohidratos, se maximiza la desaminación. Del gas proveniente de la proteína, únicamente la mitad del volumen producido es equivalente a la cantidad de carbohidratos. Figura 2. Estructura de los carbohidratos en el CNCPS 2.5.2. Fracciones de Proteínas En el CNCPS, se diferencian tres fracciones nitrogenadas. El NNP (Fracción A), que es utilizado exclusivamente en forma de NH3, la proteína verdadera potencialmente degradable (Fracción B) y la proteína no degradable e indigestible en el intestino, por estar ligada a la fibra ácido detergente (Fracción C). A su vez, la fracción B se subdivide en otras tres que se caracterizan por su diferente ritmo de degradación (Kd) y de paso (Kp), ello permite estimar el aporte de N utilizable Feed CHO Starch Sugars ADF Ethanol Insoluble Residue (EIR) Pectins (NDSF) NDF B1 A B2 C ND-AD Cel. Lig. 48 por los microorganismos en formas de NH3 y péptidos o aminoácidos, así como la proporción de proteína que escapa sin ser degradada (Guada, 1996). Figura 3. Características de las fracciones protéicas El sistema de carbohidratos y proteínas netos de cornell (CNCPS) es un modelo matemático utilizado para evaluar la alimentación y el desempeño del animal, este fue desarrollado con base en la función ruminal, crecimiento microbial, digestión y paso del alimento y fisiología animal. Siendo cuantificadas algunas variables especificas en el manejo en campo como las medio ambientales y la alimentación, predicciones mas exactas de crecimiento y producción de leche del ganado y excreción de nutrientes en diversas situaciones de producción en cuanto sea posible (Fox et al, 2004). 49 Figura 4. Estructura de las proteínas en el CNCPS 2.5.3. Desarrollo del modelo. Para formular raciones con el CNCPS, información sobre los animales, alimentos, manejo y condiciones medio ambientales son requeridas. La estructura del CNCPS contiene varios submodelos con diferentes niveles de agregación cada uno. Algunos son relativamente mecanísticos, mientras otros son básicamente empíricos. Estos modelos se clasifican según su función fisiológica en: Mantenimiento. Crecimiento. Gestación. Lactancia. Reservas corporales. Consumo voluntario y composición. Fermentación ruminal. Digestión intestinal. Metabolismo. Excreción de nutrientes. Feed N ADIN Borate-phosphate buffer insoluble N Buffer soluble N NPN NDIN NDF soluble N B1 A B2 B3 C ND-AD Buffer soluble TP 50 MANTENIMIENTO La energía disponible para funciones productivas depende de la proporción de energía consumida que debe ser utilizada para requerimientos de mantenimiento y es considerada en primer orden para evaluar la dieta y el desempeño animal. Los requerimientos para mantenimiento se calculan para raza, estado fisiológico, actividad, excreción de urea, estrés de calor o frió y efectos de aclimatación. En crecimiento la energía neta para mantenimiento (ENm) se ajusta utilizando la escala de condición corporal de 1-9 en ganado de carne y de 1-5 para leche. La ENm para toros se incrementa en 15% y se reduce en 10% para todas las razas Bos indicus. Para requerimientos de proteína de mantenimiento, el CNCPS asume que esta es igual a la suma de proteína de descamación, proteína urinaria y proteína fecal, de acuerdo con (NRC, 2000) y esta se denomina proteína metabolizable (PM). CRECIMIENTO La energía y la proteína para crecimiento incluyen ajustes para efectos de peso corporal, tasa de ganancia, composición química de la ganancia y peso adulto (NRC, 2000, 2001). Un sistema de escalas para tamaño basado en la relación de peso actual / peso adulto, se utiliza para predecir la composición de la ganancia (agua, grasa, proteína). El peso en ayuno es ajustadoa un peso equivalente a un animal de referencia estándar en el mismo estado de crecimiento. En vacas de carne el peso maduro es definido como el peso en el cual un incremento en la masa corporal no contiene ganancia neta de proteína (solo incremento de grasa), condición que ocurre a los 4 años de edad; a una condición de 5 en vacas de carne y de 3 en vacas de leche. Para animales de sacrificio en crecimiento, el peso maduro es el peso esperado a una composición final esperada. Para novillas de reemplazo se asume 478kg. 51 Para novillos, toros y hembras de engorde es 400, 478, 435, respectivamente a una composición final de 22%, 25% o 28% de grasa corporal (NRC 2000), lo cual esta asociado al grado de marmoreo respectivamente. Para animales de engorde en crecimiento se realizan ajustes por el uso de anabólicos, de acuerdo a la guía del NRC 2000, si los implantes son estrogénicos o androgénicos y de acuerdo al tiempo de uso y al nivel energético en la dieta. La energía Neta para ganancia (ENg) se basa en relaciones empíricas descritas por NRC. El CNCPS, usa la energía disponible para ganancia, corregida por ENm y peso corporal, ajustada al animal de referencia estándar, para predecir la ganancia diaria de peso. Una vez determinada la energía requerida, la cantidad de proteína (MP) requerida se calcula. GESTACIÓN El CNCPS calcula los requerimientos para gestación y ganancia de peso para crecimiento del útero grávido, basándose en el peso al nacer esperado y el día de gestación actual. LACTANCIA La energía y la proteína requeridas para producción de leche son calculadas, de acuerdo a la producción actual y sus componentes. La proteína cruda en leche es convertida a proteína verdadera según la expresión: “% proteína cruda * 0,93”. Si no se tienen los valores de proteína y grasa en leche, el CNCPS, calcula los requerimientos con valores por defecto. La energía metabolizable para leche se calcula de la energía en leche con una eficiencia de 0,644. La proteína metabolizable (PM) requerida para leche es calculada del rendimiento en leche y el contenido de PC en leche y la PM es convertida con una eficiencia de 0.65. Como la producción de leche en vacas de carne no es medida normalmente, los requerimientos para lactancia se calculan de acuerdo a edad de la vaca, tiempo al 52 pico de lactación, pico producción esperado basado en raza y peso al destete de la cría, día de lactancia, duración de la lactancia, contenido de grasa en leche, sólidos en leche y proteínas en concordancia con NRC 2000. RESERVAS CORPORALES El submodelo para cálculo de reservas en el CNCPS usa la condición corporal (BCS) para el manejo de las reservas de energía, desde que se sabe que hay cambios significativos en agua y grasa corporal a través de la lactancia (Andrew, et al, 1994). La base de datos en el submodelo asume un peso de referencia (en ayuno) de 642kg a una condición 5 (1-9), con un valor de 44 kg por cada punto de condición (6.85% del peso promedio). Cambios en BCS son sumados o restados a la condición actual, para calcular la energía y la proteína ganada o perdida. En el modelo la eficiencia de uso de la EM para reservas en lactancia es 0.75 y 0,644 la eficiencia para lactancia como producción. CONSUMO DE MATERIA SECA El suministro de nutrientes en el CNCPS se calcula partiendo del consumo actual de materia seca (MS). Cuando este no se conoce, situación común para animales en pastoreo, el submodelo proporciona ecuaciones empíricas para predecir el consumo. Las ecuaciones se desarrollaron específicamente para los tres tipos de ganado: ganado de carne (NRC, 2000), ganado de leche (Milligan, et al 1981) y doble propósito (Traxler et al., 1998). Para todos los tipos, cada ecuación hace ajustes por efecto de temperatura ambiente y de acuerdo al estado fisiológico. FERMENTACIÓN RUMINAL CNCPS al igual que NRC 2000 y 2001 tienen dos niveles de agregación para solucionar las dietas. El nivel 1 esta dirigido a condiciones donde los alimentos no 53 están totalmente caracterizados y el usuario no esta familiarizado con el modelo. El nivel 2 es para usuarios con suficiente información sobre la composición nutricional del alimento y tienen un entendimiento adecuado de cómo usar el submodelo de rumen. 54 El nivel 1 calcula los nutrientes digestibles totales (NDT) y PM con ecuaciones empíricas basadas en los desarrollos de Weiss (1993) y NRC (2001). En el nivel 2, los NDT disponibles ruminalmente y la PM son derivados mecanísticamente a partir de las tasas de degradación (Kd) y de pasaje (Kp). El modelo calcula los agregados de componentes que son degradados y que pasan al tracto posterior de acuerdo a las velocidades de fermentación y de flujo, utilizando la relación simple Kd / (Kd+Kp). El alimento no digerido en el rumen pasara sin degradarse al intestino, donde será o no digerido, de acuerdo a una tasa específica de digestión intestinal. Este sistema asume varias condiciones para operar correctamente (Fox, et al 2004) 1.) Kd es de primer orden simple. 2.) Cada componente en el alimento opera como “pool” simple. 3.) Los microorganismos ruminales siempre están en exceso. 4.) No existe un tiempo de retardo (lag) al iniciar la fermentación. 5.) Kp depende del consumo de MS y del contenido de fibra en detergente neutro (FDN) efectivo (peFDN) 1 peFDN: El porcentaje de FDN que es capaz de estimular la masticación, la rumia y la motilidad ruminal y se define como el tamaño de partícula que NO pasa por una malla de 1.18 mm. Crecimiento microbial en el nivel 2 de CNCPS El modelo asume que solo hay dos conjuntos de bacterias: Bacterias fibrolíticas (fermentadoras de carbohidratos estructurales). 55 Bacterias amilolíticas (fermentadoras de carbohidratos solubles). En el CNCPS la eficiencia de síntesis de cada grupo de bacterias es estimada en función de los requerimientos de mantenimiento y crecimiento, de la tasa de degradación del sustrato, utilizando al modelo de Pirt citado por Guada (1996), en el cual la tasa de fraccional de crecimiento, se sustituye por la tasa fraccional de degradación del sustrato. 1/Y = Km /Kd+1 /Kg Siendo: Y: Eficiencia neta de crecimiento: (g bacterias /g sustrato). Km: Requerimientos de mantenimiento: (g sustrato /g Bacterias /hora). Kd: Tasa de degradación sustrato: (g /hora). Kg: Eficiencia máxima de crecimiento: (g bacterias /g sustrato). DIGESTIÓN INTESTINAL El sistema utiliza coeficientes de digestibilidad medidos experimentalmente, para la predicción de la digestibilidad intestinal y perdidas fecales. La precisión de los estimados de digestión depende de que también sean predichas las cantidades de carbohidratos y proteínas no degradadas en el rumen. Según (Fox, et al 2004), en la mayoría de los alimentos casi el 75% es degradado o digerido en el rumen. Para la principal fracción de los forrajes que es el carbohidrato B2, se le asignó una digestibilidad intestinal de 20%. Para otras fracciones como carbohidratos B1 los valores fluctúan de acuerdo al consumo, tipo de grano y el grado de procesamiento entre 30 y 90%. 56 Las fracciones proteicas B1, B2 y B3 asumen una digestibilidad intestinal de 100, 100 y 80% respectivamente. En este aspecto las tasas de degradación de las fracciones proteicas se han tomado siempre de la literatura y mediante cálculos. No se ha establecido una técnica de laboratorio, similar a la de carbohidratos (Pell et al., 1993), para determinar la velocidad de degradación de cada fracción proteica. EXCRECIÓN DE NUTRIENTES El CNCPS originalmente no consideraba la excreción de nitrógeno (N), fósforo (P) y otros minerales (Fox et al., 2000), sin embargo, debido a la creciente presión por la conservación del ambiente, especialmente suelos y aguas, se adicionó un módulo para estimar la excreciónde estos elementos y asociarlo a los modelos de manejo integral de la finca (CuNMPS 2 ) para el manejo completo de los nutrientes tanto en el hato como en los cultivos de forrajes y otros. La excreción total de N es dividida en N fecal y N urinario y la excreción de fósforo es calculada después de la estimación del contenido de P en productos (leche, tejidos y gestación) (Fox et al., 2004). 2.6. DEGRADABILIDAD RUMINAL Los métodos de laboratorio para estimar el valor nutritivo de los alimentos se han mejorado desde las primeras ideas en 1725, cuando los alimentos para rumiantes eran evaluados como Unidades de Paja (Blaxter, 1986). Inicialmente, las técnicas fueron diseñadas para caracterizar el valor nutritivo más que para predecir la producción de los animales. La mejoría de los métodos de evaluación de alimentos tiene que seguir los nuevos conceptos de la química y la fisiología animal, así como los nuevos conocimientos de la microbiología del rumen y otros campos afines del saber (Flatt, 1988). 57 La evaluación de los alimentos debe definir las características de los forrajes que determinan la producción animal, por ejemplo, la ganancia de peso, la producción de leche, el crecimiento de la lana, etc. (Blümmel, et al 1997). De particular relevancia es la predicción del consumo, el cual es un importante aspecto relacionado con el uso de los forrajes. En la práctica, la predicción del consumo de forrajes aún presenta dificultades (Blümmel y Becker, 1997). El desarrollo futuro de los sistemas de evaluación debe incorporar nueva información de la relación entre los productos finales de la digestión y la producción de los animales, así como información del metabolismo animal y microbiano, la composición de los alimentos y el efecto de los factores de la utilización de alimentos (Flatt, 1988). Un adecuado análisis dietético de cualquier tipo necesita que los métodos empleados identifiquen los componentes químicos con la clasificación nutritiva (Van Soest y Robertson, 1985). Otros procedimientos son utilizados también; el análisis proximal y su procedimiento alternativo para la fibra bruta (Van Soest,1967; Goering y Van Soest, 1970; Van Soest, 1983, 1994), así como modernos métodos instrumentales (absorción atómica con inducción de plasma, espectroscopia cercana al infrarrojo, electroforesis, microscopia electrónica); la prueba de solubilidad de la proteína, la técnica de digestibilidad in vitro (Tilley y Terry, 1963), el método enzimático (Jones y Hayward, 1975), la técnica de simulación del rumen, RUSITEC (Czerkawski y Brekenridge, 1977), así como la técnica de producción de gas in vitro (Menke et al, 1979; Menke y Steingass,1988). 2.6.1. Degradabilidad in sacco 58 La técnica basada en el uso de bolsas de nylon que contiene el sustrato en estudio e incubadas en el rumen con el propósito de estudiar la degradación de la fibra, no es nueva. Inicialmente, se emplearon bolsas de seda (Quin et al., 1938), pero mas tarde fueron sustituidas por fibras sintéticas, que son totalmente resistentes a la degradación microbiana. Meherz y Ørskov, 1977, sugirieron el empleo de bolsas de nylon como método rutinario para determinar la velocidad de degradación de las proteínas de los forrajes y los suplementos proteicos. En este método, un número variable de bolsas se incuban en el rumen durante diferentes periodos de tiempo, de tal forma que puede conocerse el ritmo de degradación. (Van Soest, Mertens y Deimum 1978 y Ørskov, Reid y Kay 1988) han sugerido el uso de los datos de la cinética de degradación para mejorar la estimación del valor nutritivo de los alimentos, cuando se utilizan tanto métodos in vitro como in sacco. Este enfoque dinámico mejoró marcadamente el potencial de esta técnica, como fue demostrado por Ørskov, Hovell y Mould 1980, en la evaluación de forrajes. 2.6.2. Descripción de la técnica de la degradabilidad in sacco El método in sacco, también denominado de la bolsa de nylon o in situ, tiene como objetivo fundamental medir la desaparición de materia seca y orgánica, el nitrógeno u otro nutriente de los alimentos sometidos al efecto del ambiente ruminal; para ello los alimentos son colocados en bolsas que se incuban en el rumen, a través de una cánula permanente en el saco dorsal de este órgano (Pedraza, 2001). El tamaño recomendable de las bolsas de nylon deberá ser de 20 a 40 µm, lo que proporciona orificios de aproximadamente 400 a 1600 µm2. El tamaño de las bolsas y la cantidad de muestra serán, aproximadamente de 140 × 90 mm y 3 a 5 gramos de materia seca, respectivamente. La relación entre el tamaño de la bolsa y la muestra es muy importante. La cantidad de muestra y el tamaño de la bolsa dependen, en buena medida, de la cantidad de los restos necesarios para los 59 análisis posteriores. Deberá procurarse el libre movimiento del material incubado dentro de la bolsa, de tal forma que evite la formación de pequeños microambientes dentro de la bolsa, lo que determina una baja repetitibilidad de los resultados. La relación entre el tamaño de la bolsa y la cantidad de muestra a utilizar, podrá también ser ajustada de acuerdo con el tamaño de la cánula ruminal. Para las medidas mencionadas anteriormente, el diámetro de la cánula ruminal deberá ser de alrededor de 40 a 50 mm (Ørskov, 1988). Preparación de las muestras para la incubación Las muestras para la incubación deben ser representativas del material en la forma como este hubiese llegado al rumen si hubiese sido consumido por el animal. Por lo tanto, el material ideal para la incubación podría ser una muestra del material degluido por un animal provisto de una cánula esofágica. Localización de las bolsas en el rumen Las bolsas deben quedar ancladas con cuerdas de nylon de 50 cm o más a la cánula. Esa longitud permite a las bolsas moverse libremente en el rumen, tanto entre la fase liquida como la fase solida. (Ørskov, 1988). Tiempo de incubación de las bolsas en el rumen El tiempo necesario para la degradación completa varia según el tipo de alimento por incubar, y por tanto, los tiempos intermediarios también deben variarse. Para medir la tasa de degradación en un amplio intervalo de tiempo (Ørskov et al., 1980). Como guía general los periodos de incubación que se requieren son: Concentrados: 12 a 36 horas. Forrajes alta calidad: 24 a 60 horas. Forrajes de baja calidad: 48 a 72 horas. 60 Las bolsas, una vez extraídas del rumen, deben lavarse, a mano para eliminar las partículas y microorganismos (Michalet-Doreau y Ould-Bah, 1992). Al menos dos bolsas con la muestra a analizar deben ser lavadas para determinar las pérdidas en material altamente soluble y finas partículas que escapan de las mismas. El lavado en máquinas disminuye las variaciones dentro de cada laboratorio, si se compara con el lavado manual. Empleo de la técnica in sacco La degradabilidad efectiva, el grado de digestión, el tiempo de retardo (fase lag), la tasa de digestión y la digestibilidad potencial son importantes características de digestión del forraje, que se pueden estimar cuando se calcula la cinética ruminal, usando la técnica in sacco, al medir la desaparición del alimento en las bolsas de nylon incubadas en el rumen en diferentes periodos. Tales características pueden utilizarse para predecir el valor nutritivo más acertadamente y comparar la utilidad de los forrajes en las dietas para rumiantes. La desaparición del material en la hora cero se estimo en las bolsas sin incubar en el rumen, lavándolas de la misma manera que las de los demás periodos. El porcentaje de la desaparición se estimo usando la siguiente ecuación (Ramirez, 2003): Degradabilidad Aparente (Peso inicial – Peso final) --------------------------------- × 100 (Peso inicial)61 Para determinar las características de la digestión los porcentajes de desaparición de cada fracción evaluada se usan en la siguiente ecuación para determinar la degradabilidad efectiva o verdadera: Y = a + b (1 – e-ct) Donde (Y), es la cantidad de sustrato degradado en el tiempo (t), y a, b y c son constantes de la ecuación exponencial. Donde a es un intercepto que representa la porción de material solubilizado al inicio de la incubación (tiempo 0), b es la porción de la muestra lentamente degradada en el rumen, c es la tasa constante de desaparición de la fracción b, y t es el tiempo de incubación. La magnitud de degradación de la proteína dependerá del tiempo que permanezca en el rumen, por lo que (Ørskov y McDonald, 1979) definen la degradabilidad efectiva de la proteína, P, como: P = a + [bc / (c+r)] [1 - e - (lc+r) t]. En el cual r es la velocidad de pasaje del rumen al omaso. Como el tiempo de incubación se incrementa, la fracción de proteína que permanece en el rumen cae a cero, conjuntamente con la velocidad de degradación, P puede entonces definirse como: P = a + bc / (c + r) En esta ecuación a es la proteína inmediatamente degradada y bc / (c + r) la fracción lentamente degradable. El valor de r puede ser determinado por tratamiento con dicromato a la proteína. También se puede calcular la degradabilidad efectiva (DE) del nitrógeno utilizando los parámetros de degradabilidad en combinación con la tasa de flujo ruminal de pequeñas partículas (k); la ecuación es la siguiente: DE= a + ((bc) / (c+k)). 62 Figura 5. Representación grafica de los diferentes tiempos en que tiene lugar la degradación de la proteína. (Ørskov, 1988) Los valores de a, b y c son la base para determinar el potencial alimenticio de los forrajes, así como para recomendar las estrategias de alimentación. El potencial alimenticio indica el consumo de energía digestible relativo al mantenimiento de un bovino de carne de razas europeas (Ørskov, 1993; IFRU, 1997). Este potencial puede equipararse a un índice, valor que indica el consumo relativo o productividad posible de los alimentos. Mayor información se necesita para sostener este enfoque; no obstante, parece ser prometedor al analizar información de diferentes lugares con grandes diferencias de recursos alimenticios y tipos de animales (Ørskov, 1998). 63 2.7. IMPORTANCIA DEL NITROGENO UREICO EN LECHE El nitrógeno ureico en leche, conocido comúnmente como MUN (sigla del nombre en ingles, Milk Urea Nitrogen), por su fácil análisis en muestras de leche ha cobrado importancia como herramienta diagnostica de la eficiencia de utilización del nitrógeno y de ciertos trastornos del comportamiento reproductivo de la vaca lechera. En zonas lecheras de Colombia los forrajes de alto contenido proteico, especialmente raigrases y kikuyo, constituyen el mayor aporte en la ración diaria de las vacas lecheras. En algunos casos llegando a ser la única fuente de alimento. La disponibilidad de forrajes para pastoreo en todas las épocas del año constituye una ventaja competitiva grande en comparación con la situación de otros países. Los consumos diarios de nitrógeno parecen superar las necesidades de las vacas lecheras generando excesos que constituyen desperdicios innecesarios de alimento y potenciales problemas de contaminación de aguas (Peña, 2001) 2.7.1. Origen y significado del MUN El MUN es el resultado de la difusión el contenido de urea del suero sanguíneo a traves de las células secretoras de la glándula mamaria constituyendo una fracción variable del nitrógeno total en la leche. Su contenido representa alrededor del 50% del nitrógeno no proteico y alrededor del 2.5% del nitrógeno total (DePeters y Ferguson, 1992). El nitrógeno de la leche esta presente en tres fracciones principales: Caseína, que constituye el 77.9%, Nitrógeno de la proteína del suero, que representa el 17.2% y el NNP que es el 4.9% (Cerbulis y Farrel, 1975). Estas fracciones pueden cambiar de acuerdo a la temperatura, enfermedades, número de partos, días en lactancia y nutrición (DePeters y Cant, 1992). 64 Las dietas de alto contenido proteico tienden a presentar niveles altos de MUN debido, de una parte, a la mayor degradación de la proteína en el rumen, mayor producción de amoniaco y mayor conversión de amoniaco a urea en el hígado de la vaca. De otra parte, la dieta de un nivel alto en proteína tiene normalmente una alta contribución de aminoácidos para absorción en el intestino, los cuales contribuyen una alta proporción de la urea luego de la animación en el hígado (Peña, 2001). 2.7.2. Relación entre MUN y producción El nitrógeno no solamente es uno de los componentes principales de la ración para vacas lecheras sino también es uno de los componentes más costosos en términos económicos. Tanto su exceso como su deficiencia en la dieta diaria tienen repercusiones negativas sobre el comportamiento productivo de las vacas lecheras haciendo ineficientes los procesos digestivos, metabólicos y de síntesis de la leche. El primer aporte de amoniaco se produce en el rumen cuando los microorganismos no tienen la suficiente energía para utilizar el exceso de N del alimento. El segundo aporte se presenta con la desanimación del exceso de aminoácidos absorbidos en el intestino delgado, luego de un flujo del rumen superior a las necesidades del animal (Peña, 2001). 2.7.3. Relación entre MUN y reproducción Algunos problemas reproductivos de los hatos lecheros como bajas tasas de concepción, repetición de calores, aumentos en los días abiertos y en los servicios por concepción se han asociado con los niveles de nitrógeno de la dieta (Carroll et al., 1988; Ferguson y Chalupa, 1989; Canfield et al., 1990). 65 Los niveles altos de urea en el suero se han correlacionado con infertilidad en algunos casos (Ferguson et al., 1986). La alteración reproductiva puede ser causada por la urea, el amoniaco u otros compuestos nitrogenados no identificados que pueden afectar el óvulo, el espermatozoide o los embriones jóvenes. Se ha demostrado que la urea es tóxica para el espermatozoide y el óvulo (Dasgupta et al., 1970 ; Umezaki y Fordvey-Lettlage, 1975) y puede causar aborto cuando se inyecta intraamniótica. 2.7.4. Toma de muestras, análisis e interpretación La determinación del MUN como herramienta para analizar el comportamiento productivo y reproductivo de las vacas, así como la eficiencia de utilización del N en la ración, es muy útil para optimizar el uso de los recursos en las explotaciones lecheras. Las concentraciones de MUN se pueden utilizar para monitorear la proteína de la dieta porque: El exceso de nitrógeno afecta la función reproductiva probablemente por la acción de la urea en el tracto urogenital (Carroll et al., 1988). El consumo excesivo de proteína incrementa los requerimientos de energía en 13.3 Kcal/g de exceso de N (NRC, 1989). El suplemento proteico es costoso. El exceso de N tiene un impacto ambiental negativo. Como métodos disponibles para determinar el MUN se pueden utilizar tiras reactivas, para uso en el campo, las cuales presentan datos semicuantitativos en forma inmediata. También se utiliza la determinación por NIR, por química húmeda, por colorimetría y por digestión enzimática y análisis químico. Estos últimos como métodos cuantitativos de laboratorio. 66 Para un análisis de laboratorio se deben tomar dos muestras de 50 ml del tanque colector de leche y enviarlas en un frasco de vidrio o plástico adecuadamente rotulado al laboratorio correspondiente. Estas muestras se deben tomar de la leche del ordeño de la tarde. El resultado obtenido servirá para complementar un diagnóstico general del hato (Peña, 2001). Las muestras refrigeradas se pueden mantener de un día para otro sin ningún problema.
Compartir