Evaluación de modelos de crecimiento e implementación del sistema

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.