VALOR NUTRICIONAL DE FORRAJES PARA LA PRODUCCIÓN DE LECHE: INTERPRETACIÓN DE RESULTADOS ANALÍTICOS

Transcripción

1 VALOR NUTRICIONAL DE FORRAJES PARA LA PRODUCCIÓN DE LECHE: INTERPRETACIÓN DE RESULTADOS ANALÍTICOS Gonzalo Flores Calvete Centro de Investigacións Agrarias de Mabegondo 13 de febrero de 2015

2 OBJETIVOS BASICOS DEL ENSILADO 1.- CONSEGUIR FORRAJE DE CALIDAD EN CANTIDAD SUFICIENTE o Tipo de cultivo o Fertilización o Manejo 2.- REDUCIR LAS PÉRDIDAS EN CONSERVACION o Técnica de ensilado o Presecado (hierba y otros cultivos) o Aditivos o Maquinaria 3.- UTILIZAR EFICIENTEMENTE EL ENSILADO o Valoración nutritiva o Racionamento

3 Encuestra sobre la estructura de las explotaciones lecheras gallegas (Proyecto RTA2012-C00065-C05-02) Número de explotaciones, cuota y selección de muestra Rango (10 3 L) Total Muestra Explotaciones Cuota total Explotaciones Estrato Min Max n % Mill L % n % , , , , , Total 11,884 2,

4 Composición del rebaño y producción de leche Vacas de leche Lactaciones Tasa de substit. Rendim. declarado Vacas de carne Estrato n Sum n % L/vaca/año n Sum , , , , , , , , , , , , , , , Total , , ,888 Vacas de leite: Vacas xa paridas en lactación ou secas Recría: Vacas non paridas/vacas paridas *100 gandeiro. UGM = (vacas x 1 + novillas x 0,6). Rendemento declarado polo gandeiro. Nº de lactacións declarados polo

5 Producción media por vaca en la UE (2008)

6 Superficie Agraria Útil, propiedad de la tierra y carga ganadera Superficie Agraria Útil, tenencia de la tierra, práctica del pastoreo, carga ganadera y producción de leche por hectárea SAU Superficie Agraria Útil Propiedad Alquiler Cesión Pastoreo Carga Producción de leche ha % % % %SAU UGM/ha L/ha Estrato Med Sum Med Med Med Med Med Med , , , , , , , , , , , ,898 Total , ,431

7 Dispersión de la propiedad, concentración parcelaria y superficie forestal Fragmentación de la SAU, concentración y superficie forestal en granjas de leche de Galicia SAU dispersión SAU concentrada Granjas con superficie forestal parcelas ha/parc. Granjas Granjas Superf. forestal n ha % % ha ha Estrato Med Med Med Med Med Sum , , , , , ,537 Total ,872

8 Ocupación forrajera de la SAU (superficie de pastos y maíz) Superficies de pastos y de maíz forrajero en las explotaciones de leche Granjas con praderas y pastos permanentes (n=11706) Granjas Superficie ha %SAU Granjas Granjas con maíz forrajero para ensilar (n=7732) Superficie ha %SAU Estrato Med Sum Med Med Sum Med , , , , , , , , , , , Total , ,544 38

9 Ocupación forrajera de la SAU (superficie de pastos y maíz) La SAU de la explotaciones está prácticamente ocupada por praderas y pastos permanentes (173 mil ha) y maíz para ensilar (67 mil ha). Las praderas ocupan unas 127 mil ha y los pastos permanentes unas 46 mil ha. El porcentaje de SAU ocupado por praderas permanece prácticamente constante a lo largo de los estratos (media 59%) mientras el correspondiente a los pastos permanentes desciende desde el 64% en el primer estrato hasta el 6% del estrato superior. El 65% de las explotaciones cultivan maíz. Este porcentaje se incrementa desde el 50% de las explotaciones más pequeñas hasta prácticamente el 100% de las de mayor tamaño. El 97% de la superficie de maíz-ensilado de Galicia está en las explotaciones de leche La mayor parte de la superficie ocupada por maíz sigue una rotación intensiva de dos cultivos/año para ensilar. Entre las explotaciones que cultivan maíz, la rotación más popular es maíz/raigrás italiano (60%), con un total de 45 mil ha. Otras rotaciones menos frecuentes son maíz/pradera (31%) y maíz/cereal de invierno (6%). Aproximadamente un 23% de las explotaciones que cultivan maíz dejan siempre o a veces la tierra sin cultivar durante el invierno.

10 Composición de la ración en comedero Características de la ración consumida en establo por las vacas en lactación Granjas que pastorean Uso de carro MS Ración ofrecida en comedero Total Forraje Concentrado Ración forrajera Ensilado Ensilado hierba maíz % % kg % % % % Estrato Med Med Med Med Med Med Med Total

11 Necesidad de conocer el valor nutricional Aportes recomendados para vacas de leche (NRC-89) Vacas Secas Vacas en lactación Inicio Llegadas Fase1 Fase 2 Fase 3 a Mitad al parto 0-80 d d >200 d MSI (kg) DMS TDN(%) ENL(MCal/kg) UFL/kg MS PB% Degradable- DIP(%PB) No degradable- UIP(%PB) Soluble- SIP(%PB) FAD (%MS) FND (%MS) CNF (%MS) THUMBRULES FOR DAIRY COW RATIONS Michael F. Hutjens (1992) Extension Dairy Specialist. University of Illinois

12 Analítica de una muestra de ensilado de maíz (LIGAL)

13 1000 kg hierba antes/inicio espigado Agua 800 L (80%) Materia Seca 200 kg (20%) Cenizas 10% MS (20 kg) Materia Orgánica 90% MS (180 kg) Proteína 15% MS (30 kg) Carbohidratos Fibrosos No Fibrosos Grasa 2% MS (4 kg) 55% MS (110 kg) 18% MS (36 kg)

14 1000 kg planta de maíz ½ ML Agua 650 L (65%) Materia Seca 350 kg (35%) Cenizas 5% MS (18 kg) Materia Orgánica 95% MS (332 kg) Proteína 7% MS (25 kg) Carbohidratos Grasa 3% MS (11 kg) Fibrosos 42% MS (151 kg) No Fibrosos 43% MS (155 kg)

15 Contenido celular 98% digestible Proteína Grasa Azúcar Almidón Ácidos orgánicos Contenido en FND determina: Valor energético Ingesta (IMS%pv=120/FND) Importante la forma física (t.p.) Pared celular digestibilidad variable Hemicelulosa Celulosa FAD Lignina FND

16 Ensilados evaluados in vivo en el CIAM Ensilados de hierba (n=198) Ensilados de maíz (n=99) Media Max Min c.v. Media Max Min c.v. Digestibilidad in vivo (%) DMS DMO ENL UFL Digestibilidad in vitro (%) DoTT DoFND DoPC

17 Ensilados evaluados in vivo en el CIAM Ensilados de hierba (n=198) Ensilados de maíz (n=99) Media Max Min c.v. Media Max Min c.v. Materia seca MS MSc FC Composición química (%MS) MO CZ FND FAD CEL LAD FB PB ALM

18 Ensilados evaluados in vivo en el CIAM Ensilados de hierba (n=198) Ensilados de maíz (n=99) Media Max Min c.v. Media Max Min c.v. Parámetros fermentativos (1) ph phe 4.26 phdif 0.03 PBt (%MS) Nt (%MS) N-NH3 (%MS) N-NH3 (%Nt) N Soluble (%Nt) phe= x MS (Haigh, 1987)

19 Ensilados evaluados in vivo en el CIAM Ensilados de hierba (n=198) Ensilados de maíz (n=99) Media Max Min c.v. Media Max Min c.v. Parámetros fermentativos (2) Láctico (%MS) Acético (%MS) Butírico (%MS) Propiónico (%MS) Etanol (%MS)

20 Valor energético: de DMO a energía neta Caracterización do Ensilajes valor enerxético de hierba en forraxes AFRC NRC INRA DMO MO Valor D EM EB q ENl UFL UFL % %MS MOD (%MS) MJ/Kg MS MJ/kg MS EM/EB Mcal/kg MS por kg MS por kg MOD Nota: Valor D=DMO x MO/100; EM (MJ/Kg MS)=Valor D x 0.16; EB=19 MJ/kg MS; ENl (Mcal/Kg MS)=EM x 0.24 x (0, ,24x q); UFL=ENl/1.7; DMO x MO/100 x 1.33 x 1.7 = ENL (Mcal/kg MS) Ensilajes de hierba DMO x MO/100 x 1.37 x 1.7 = ENL (Mcal/kg MS) Ensilajes de maíz

21 Valor proteico: de N a PDI El sistema PDI evalúa los alimentos y las necesidades de los animales en términos de aminoácidos realmente absorbidos en el intestino delgado. Se basa en la estimación de 2 fracciones, alimentaria (PDIA) y microbiana (PDIM). A cada alimento le son atribuidos 2 posibles valores de esta última fracción, según se considere la energía fermentescible en el rumen (PDIME) o el nitrógeno degradable (PDIMN). Por tanto, cada alimento posee dos valores PDI expresados por separado: PDIN=PDIA+PDIMN PDIE=PDIA+PDIME el menor de los cuales se tomará como valor representativo del valor nitrogenado del alimento problema

22 Valor proteico: de N a PDI Los valores PDI son obtenidos a partir de 4 características de cada alimento: - El contenido en nitrógeno total (PB=N total x 6.25) - La degradabilidade teórica (DT) del nitrógeno en el rumen medida por el método de las bolsas de nylon - El contenido en materia orgánica fermentescible (MOF) que es el resultado de deducir de la materia orgánica digestible (MOD) la materia grasa y el N no degradable en el rumen, así como los productos de fermentación de los ensilados (PF) - La digestibilidad real de los aminoácidos de origen alimentaria en el intestino delgado (dr).

23 Valor proteico: de N a PDI Esquema del método de cálculo de los PDI (Verité et al., 1987) Rumen Intestino delgado Captación Contido en AA dr N degradado N microbiano PDIMN (1-DT) N total PDIN N no degradado PDIA 1.11(1-DT) a 0.9 Eficacia de síntesis Energía MOF N microbiano PDIME MOF x PDIE

24 Valor proteico: de N a PDI MAÍZ FRESCO (LIGAL) Valores NIRS DMO (%) 70 PB (% MS) 7 MO (%MS) 96 Valores fijos DT 0.73 dr 0.75 EE (%MS) 3 Cálculos MOF 67.2 PDIA (% MS) 1.6 PDIMN (% MS) 2.8 PDIME (% MS) 6.2 Resultado PDIN (% MS) 4.4 PDIE (% MS) 7.8 a) Necesitamos los siguientes valores de la muestra problema: DMO % (NIRS) PB (%MS) (NIRS) MO (%MS) (NIRS) b) Tomamos los seguintes valores medios DT=0.73 (degradabilidad ruminal teórica del N) dr=0.75 (digestibilidad del N alimentario en el intestino delgado) EE= 3% MS (valor medio estimado para maíz planta entera) c) Cálculos MOF=(DMO x MO x 0.01) - (1-DT) x PB - EE (materia orgánica fermentescible en el rumen) PDIA=1.11 x PB x (1-DT) x dr (proteína digestible en el intestino procedente del alimento) PDIMN= 0.64 x PB x (DT-0.1) (proteína digestible en el intestino de origen microbiano limitada por N) PDIME= x MOF (proteína digestible en el intestino de origen microbiano limitada por energía) PDIN= PDIA + PDIMN PDIE= PDIA + PDIME

25 Criterios de calidad de ensilados Fermentación Satisfactoria phdif 0.05 Aceptable 0.05<pHdif 0.20 Deficiente phdif 0.20 Satisfactorio DMO 68 y PB 13 SATISFACTORIA Contenido energético y proteico Aceptable 62 DMO<68 y 11 PB<13 ACEPTABLE Deficiente DMO<62 ó PB<11 DEFICIENTE DMO 68% 1.37 Mcal ENL/kg MS 0.80 UFL/kg MS DMO 62% 1.25 Mcal ENL/kg MS 0.73 UFL/kg MS phdif= ph - phe, siendo phe= x MS (Haigh, 1987) Valores de ph 4.5 son sospechosos de mala fermentación salvo si MS>40

26 Criterios de calidad de ensilados Criterios CIAM-LIGAL de calidad de ensilados de maíz Criterio SATISFACTORIA ACEPTABLE DEFICIENTE DMO (%) DMO<68 <62 ph 4 4<pH< Almidón (%MS) 30 27<Almidón<30 <27 DMO 68% 1.52 Mcal ENL/kg MS 0.89 UFL/kg MS DMO 62% 1.39 Mcal ENL/kg MS 0.82 UFL/kg MS

27 Criterios de calidad fermentativa de ensilados Criterios utilizado en las evaluaciones de aditivos comerciales Parámetro Valores que indican una buena fermentación DLG (Alemania) INRA (Francia) A. Butírico (%MS) 0.2 Ausencia o trazas A. Propiónico (%MS) Ausencia o trazas Ausencia o trazas A. Acético (%MS) N-NH3 (% N total) 8% 5-7% N-Soluble (% N total) n.d. 50% ph 3.9 (MS 19%) < 4.0 si MS 30% 4.1(MS 20-29%) 4.3 (MS 30-44%) 4.5 (MS>45%) Nota: los valores de ph sólo se aplican a ensilados de hierba Fuente: Pflaum et al., (1998) Silage additives testing. Comparison of the German DLG and the French INRA Schemes

28 Valor Relativo de un Forraje Estándares de Hay Market Task Force of American Forage and Grassland Council (Rohweder et al., 1978) DMS (%) = (0.779 x FAD) IMS (% de PV)= 120 / NDF VRF = (DMS x IMS) /1.29 a) Leguminosas Estado de Madurez Composición química (%MS) Calidad (Floración) PB FAD FND VRF 1 Antes a Inicio >19 <31 <40 >140 2 Inicio a Media Media a Completa Completa a Madurez <13 >41 >51 <100 b) Gramíneas y Mezclas de Gramíneas-Leguminosas Estado de Madurez Composición química (%MS) Calidad (Espigado) PB FAD FND VRF 2 Antes a Inicio >18 <33 < Inicio a Medio Medio a Completo Completo a Madurez <8 >41 >65 <83 Un heno estándar con VRF=100 contiene (en %MS) 41% FAD y 53% FND

29 Boletines de ensilados de hierba SILOS HIERBA PH ph M.S MS% P.B PB (%MS) (N x 6.25) F.B FB %MS (cálculo FB=FAD x ó similar) F.A FAD (%MS) F.N FND (%MS) phe phe = x MS ENL ENL Mcal/kg MS (cálculo basado en FAD) PDIE PDIE/kg MS (cálculo basado en FAD, PB) PDIN PDIN/kg MS (cálculo basado en PB) Valor res forr?? 11.7 Proteina ligada FAD PB-FAD (%MS) Proteina soluble PB-Soluble (%MS)?? Prot s/pb PB-Soluble (%PB total)?? NNP Nitrógeno no proteico?? PFAD/PB PB-FAD (%PB) (no corregir si <12-14%) UFL UFL/kg MS (ENL/1.7) pero no coincide valor relativo forraje VRF (comparación relativa basada en FAD, FND) cenizas CZ (%MS) MO %MS (100-CZ) conservacion ph - phe

30 Boletines de ensilados de maíz SILOS MAÍZ PH ph M.S MS % Proteina bruta PB %MS (N x 6.25) F. bruta FB %MS (cálculo FB=FAD x ó similar) FAD FAD %MS FND FND %MS cenizas CZ %MS MO %MS (100-CZ) almidon ALM %MS PDIE PDIE %MS (cálculo basado en PB) PDIN PDIN %MS (cálculo basado en PB) UFL UFL/kg MS (cálculo basado en FND) Equiv. grano EG %MS (cálculo ALM/0.7)

31 VALORACIÓN NUTRICIONAL DE FORRAJES ENSILADOS: Una actividad de colaboración CIAM-LIGAL

32 Valor energético y proteico de forrajes Tablas de composición de alimentos (foráneas, no existen tablas propias) Predicción a partir de parámetros químicos determinados no laboratorio Usando ecuaciones de regresión foráneas Usando ecuaciones de regresión propias Estimación a partir de métodos in vitro (p.ej.: Tilley-Terry o FND-celulasa) Estimación a partir de espectrofotometría (NIRS) Todos estos métodos requieren la existencia de una colección de muestras de referencia, lo que implica la realización de ensayos in vivo (digestibilidad) e in situ (degradabilidad ruminal).

33 Esquema del método de trabajo colaborativo entre el CIAM y el LIGAL para la construcción de métodos de predicción Boletín de campo para caracterizar el ensilaje (localización, tipo de pradera, fecha de corte, condiciones de medio, técnica de ensilado) Análisis de laboratorio (NIRS) Muestreo de silos Relación entre metodología de ensilado y calidad de la muestra Servicio Técnico a explotaciones Selección de muestras para su evaluación in vivo Transferencia a los laboratorios de servicio Determinación en el CIAM de la digestibilidad in vivo de los ensilaje seleccionados Incorporación de resultados de DMO in vivo y composición química de patrones a la colección Desarrollo/Perfeccionamiento de los métodos de predicción de DMO 33

34 Necesidad de tomar unha muestra representativa La utilidad práctica de una analítica de forraje para el ganadero depende de dos factores fundamentales: de la calidad de los métodos de análisis e estimación no laboratorio de la representatividad de la toma de muestras Error probable de la estimación de la media de cada parámetro, en %, al variar el número de muestras tomadas con sonda en cada silo (α=0.05; β=0.2) Media c.v. % Número de mostras tomadas por silo MS (%) MO (%MS) PB (%MS) FND (%MS) FAD (%MS) ph LCT (%MS) ACT (%MS) BUT (%MS) N-NH 3 (%MS) N-SOL. (%MS) DoTT (%) 72, ,0 3,5 2,9 2,5 2,2 2,0 1,9 El muestreo inadecuado resta validez práctica a los resultados de los análisis y genera desconfianza hacia los laboratorios con independencia del nivel de fiabilidad de las rutinas utilizadas en aquellos

35 La mecanización de la toma de muestras de ensilado es un aspecto fundamental del proceso de obtención de resultados analíticos fiables y útiles para el ganadero

36 Prueba de validez de los métodos de predicción El total de muestras de DMO in vivo conocida se distribuyen al azar en dos grupos independientes Procedimiento para elaboración de predicciones de DMO in vivo Calibración Validación proba de validez La "bondad" de una ecuación de predicción se mide usualmente por dus parámetros: Coeficiente de determinación (R 2 ), que representa el porcentaje de varianza explicada por la ecuación Ecuaciones de predicción de DMO a partir de: parámetros químicos valores in vitro NIRS Error mínimo de predicción (RSD, SEC, SEV), que representa el error de estimación El error mínimo de predicción está relacionado con la variabilidad de la población para el parámetro a predecir

37 Aspectos de la confección y utilización de silos experimentales en el CIAM G. Flores (CIAM) XIX Curso de Especialización FEDNA 37

38 Vista de la nave de digestibilidad del CIAM G. Flores (CIAM) XIX Curso de Especialización FEDNA 38

39 Líquido ruminal de vacas secas canuladas en rumen Determinaciones in vitro e in situ Método Tilley-Terry, modificado por Alexander y McGowan (1969) Solubilidad enzimática polo método FND-Celulasa, de Riveros y Argamentería (1987). Celulasa Onozuka R-10 de Merck Solubilidad enzimática por el método Pepsina HCl-Celulasa, descrita por Aufrère (1999) Determinación de la degradabilidad ruminal in situ Muestra seca a 40 ºC 76 h Molida a 3 mm bolsas nylon 50 µ tiempos 0, 4, 8, 16, 24, 48, 72 e 96 h 3 vacas x 2 tandas consecutivas Proyecto PGIDIT 03RAG05E

40 Relación entre los contenidos de materia seca, digestibilidad in vivo de la materia orgánica (DMO) y parámetros químicos de las colección de muestras de ensilaje de hierba (primer corte, no presecados) y planta entera de maíz DMO 60 FND DMO 50 FND ALM 20 EB 20 EB 10 PB 10 PB Materia Seca (%) Materia Seca (%) Ensilajes de hierba de 1º corte no presecados G. Flores (CIAM) XIX Curso de Especialización FEDNA Ensilajes de maíz

41 FND no es un buen predictor de DMO (1)

42 FND no es buen predictor de DMO (2) Relación entre DFND (%) e FND (valores de dixestibilidade determinados in vivo) DF Relación entre MOD (%MS) e FND_D (%MS) (valores de dixestibilidade determinados in vivo) D-Value DFND (%) MOD (%MS) FND (%) FND_D (% MS)

43 ... a pesar de lo cual se sigue utilizando en algunos laboratorios FORMULAS UTILIZADAS EN LAS ANALITICAS EN EL LABORATORIO XXXXXXXXX: SILOS MAIZ 1.- PDIN = * PB 2.- PDIE = ( * PB) + ( * (560 ( 0.28 * PB))) 3.- UFL = * FND 4.- EQUIVALENTE GRANOS = % ALMIDON / 0.70

44 Se recomienda tener estimaciones de la digestibilidad in vitro

45 Pero las analíticas in vitro son laboriosas

46 Por lo cual es de especial interés disponer de calibraciones NIRS para estimación directa de DMO

47 Alcance de los trabajos La obtención de las colecciones de muestras de DMO in vivo implicó la realización de cerca de 400 evaluaciones con animales y de aproximadamente determinaciones por métodos de referencia en el laboratorio La obtención de la colección de muestras de Degradabilidad in situ implicó la incubación de más de bolsas en el rumen de vacas canuladas y la realización de aproximadamente determinaciones por métodos de referencia en el laboratorio Este trabajo se inició a comienzos de los años 90 y continúa en la actualidad, buscando reducir los errores de estimación del valor energético y nitrogenado de los forrajes

48 Se obtuvieron múltiples ecuaciones basadas en parámetros químicos y en medidas in vitro para estimar DMO en ensilados de hierba... Tabla 5.- Ecuaciones seleccionadas para la predicción de la digestibilidad in vivo de la materia orgánica de ensilajes de hierba Ecuación de predicción DMO in vivo % G. Flores (CIAM) XIX Curso de Especialización FEDNA nº muestras Calibración Validación cruzada R 2 c RSD c R 2 cv RSD cv a) Modelos que incluyen digestibilidad in vitro como predictor DMO= DoNDC *** *** 4.07 DMO= DoNDC PB *** *** 3.96 DMO= DoTT *** *** 3.86 DMO= DoTT PB *** *** 3.49 DMO= DoTT PB FAD *** *** 3.47 b) Modelos que sólo incluyen parámetros químicos como predictores DMO= FAD *** *** 5.82 DMO= FB *** *** 5.78 DMO= PB *** *** 5.27 DMO= FND *** *** 5.24 DMO= FAD PB *** *** 4.98 DMO= FAD FADxPB *** *** 4.85 DMO= FND PB *** *** 4.81 DMO= FB PB *** *** 4.75 DMO= FND PB *** *** 4.66 FNDxPB DMO= FB PB FBxPB *** *** 4.59 DMO= FND PB LAD *** *** 4.57 DMO= FND PB LAD EB *** *** 4.52

49 ... y en ensilados de maíz Tabla 13.- Ecuaciones seleccionadas para la predicción de la digestibilidad in vivo de la materia orgánica (DMO) de ensilajes de planta entera de maíz Ecuación de predicción de digestibilidad in vivo (DMO) Calibración Validación cruzada R 2 c RSD c R 2 cv RSD cv a) Modelos que incluyen digestibilidad in vitro como predictor DMO= DoPC 0.26 *** ** 2.69 DMO= DoNDC 0.27 *** ** 2.66 DMO= DoNDC MS 0.45 *** *** 2.36 DMO= DoPC PB 0.43 *** *** 2.41 DMO= DoTT 0.53 *** *** 2.15 DMO= DoTT PB 0.58 *** *** 2.08 DMO= DoTT FND MS 0.67 *** *** 1.85 DMO= DoTT FAD MS 0.68 *** *** 1.85 b) Modelos que sólo incluyen parámetros químicos como predictores DMO= FND 0.24 *** ** 2.72 DMO= LAD 0.25 *** ** 2.71 DMO= FAD 0.28 *** *** 2.65 DMO= FAD PB 0.30 *** *** 2.73 DMO= LAD PB 0.44 *** *** 2.39 DMO= FAD MS 0.50 *** *** 2.25 DMO= FAD CZ MS 0.58 *** *** 2.23 Significación del modelo: *** p<0.001; ** p<0.01; * p<0.05 G. Flores (CIAM) XIX Curso de Especialización FEDNA

50 Poder predictivo de las estimaciones de DMO in vivo de ensilajes de hierba disponibles en CIAM-LIGAL Modelos Validación cruzada R 2 RSD Basados en parámetros químicos como predictores FAD FB PB FND FAD, PB FND, PB FND, PB, LAD Basados en métodos in vitro como predictores DoNDC DoTT Modelos mixtos DoNDC, PB DoTT, PB DoTT, PB, FAD Método NIRS G. Flores (CIAM) XIX Curso de Especialización FEDNA 50

51 Poder predictivo de las estimaciones de DMO in vivo de ensilajes de planta entera de maíz disponibles en CIAM-LIGAL Validación Modelos cruzada R 2 cv RSD cv Basados en parámetros químicos como predictores FND LAD FAD FAD, PB LAD, PB FAD, MS FAD, CZ, MS Basados en métodos in vitro como predictores DoPC DoNDC DoTT Modelos mixtos DoNDC, MS DoPC, PB DoTT, PB DoTT, FAD, MS Método NIRS G. Flores (CIAM) XIX Curso de Especialización FEDNA

52 Transferencia de las calibraciones NIRS Dada la rapidez del método NIRS, su carácter no destructivo, y la capacidad de determinar simultáneamente el conjunto de parámetros de composición química e indicadores de calidad fermentativa, hacen de este método el habitual en las determinaciones del valor nutricional de forrajes La técnica NIRS proporciona la mayor exactitud relativa para predecir el valor energético de ensilados de hierba y de maíz, superior a la de cualquier otro método, seguida por los métodos de digestibilidade in vitro con líquido ruminal e incubación ruminal in situ. La exactitud relativa de los métodos de estimación de DMO basados en parámetros químicos no es satisfactoria. El hecho de que los predictores de DMO son a su vez estimados por NIRS aumenta el error de estas ecuaciones de predicción.

53 Transferencia de las calibraciones NIRS Dada Las calibraciones la rapidez del NIRS método desarrolladas NIRS, su carácter en el CIAM no destructivo, para ensilados y la de capacidad hierba y maíz de determinar fueron transferidas simultáneamente a diversos el laboratorios conjunto de de servicio parámetros que participaron de composición en los trabajos, química siendo e indicadores el LIGAL el de principal calidad fermentativa, destinatario hacen de este método el habitual en las determinaicones Los trabajos mejora del valor de nutricional las calibraciones de forrajes continúan actualmente con el proyecto FEADER A3F (finalizará en junio de 2015), siendo los objetivos del mismo: La técnica NIRS proporciona la mayor exactitud relativa para predecir Aumento el valor de energético las bases de de datos ensilados de ensilados de hierba de y hierba de maíz, y maíz superior a la de cualquier otro método, seguida por los métodos de Puesta a punto de ecuaciones para estimar calidad fermentativa digestibilidade in vitro con líquido ruminal e incubación ruminal in de ensilados situ. Nuevas ecuaciones para pastos y planta entera de maíz en La calidad predictiva de las ecuaciones de regresión basadas en estado fresco parámetros químicos no es, en general, satisfactoria Nuevas ecuaciones para la predicción de la degradabilidad ruminal del N en ensilados

54 Gracias por la atención