SIMULACIÓN DEL POTENCIAL DE
CONTAMINACIÓN DE TRES ESCENARIOS DE CEBA BOVINA EN PASTOREO CON SUPLEMENTACIÓN[1]
Pedro Guerra-Martínez[2]; Manuel Salvador De Gracia-Gálvez[3]
RESUMEN
Se simuló y estudió el potencial de contaminación ambiental en tres
escenarios de ceba bovina en pastoreo con suplementación energética-proteica.
La pastura fue Brachiaria humidicola fertilizada. Los escenarios evaluados
fueron: ENE-ABR, MAY-AGO y SEP-DIC. El peso vivo inicial fue 375 kg y peso meta
de >454 kg. Se formuló un concentrado (18,0% PC; 3,3 Mcal EM/kg MS). Los
factores con sus niveles fueron: Costo Energético (CE:1,59; 5,0; 10,0; 15,0;
18,41% adicional a la NRC), Consumo de Concentrado (CC:2,64; 4,0; 6,0; 8,0 y
9,36 kg BF/animal/día) y Carga Animal (CA:1,16; 1,5; 2,0; 2,5 y 2,84 UA/ha).
Para el arreglo de tratamientos y análisis de datos se usó el Diseño
Composición Central y las variables de respuestas: producción total de excreta
en base seca (EXE), producción total de metano (MET) y producción total de
nitrógeno en la excreta (NIT). Se utilizó el paquete de simulación LIFE-SIM del
CIP. El R2 de las funciones de predicción tuvieron entre 0,561 y
0,999 y los CV entre 0,22% y 8,00%. En los tres escenarios con niveles de CE de
10,00%, CC de 9,36 kg BF/animal/día y CA de 2,0 UA/ha se obtuvieron las mayores
MET (32,30 a 36,71 kg) y NIT (13,48 a 14,25 kg), pero con CE de 10%, CC de 2,64
kg/animal BF/día y CA de 2,0 UA/ha se produjo mayor EXE (274,53 a 297,39 kg
BS). Además, CC influye significativamente en EXE, MET y NIT, en
los tres escenarios. Se concluye que factores como CE, CC y CA tienen
importancia en la contaminación ambiental por su tendencia general lineal.
Palabras
clave: Ceba bovina, excreta, LIFE-SIM-BEEF,
metano, nitrógeno, pastoreo.
SIMULATION OF
THE ENVIRONMENTAL POLLUTION POTENTIAL IN THREE BOVINE GRAZING BEEF PRODUCTION
SCENERIES WITH SUPPLEMENTATION
ABSTRACT
It was simulated and studied the environmental
pollution potential of three bovine grazing beef production sceneries with
supplementation. Pasture was Brachiaria humidicola fertilized. The
sceneries were: ENE-ABR, MAY-AGO and SEP-DEC. Initial live weight was 375 kg
and the final weight goal was >454 kg. It was formulated as a concentrate
(18.0% PC and 3.3 Mcal ME/kg DM). Factors and its levels were: Energetic Cost
(CE:1.59, 5.0, 10.0, 15.0, 18.41 % additional to NRC), Concentrate Consumption
(CC:2.64, 4.0, 6.0, 8.0 and 9.36 FB/animal/d) and Stocking Rate (CA:1.16, 1.5,
2.0, 2.5 and 2.84 AU/ha). Arrangement of treatments and the analysis was done
by Central Composition Design. Response variables were excreting total
production in dry base (EXE), methane total production (MET) and excreted
nitrogen total production (NIT). A LIFE-SIM Beef simulation software from CIP
was used. The R2 of the prediction functions were between 0.561 to
0.999) and de CV between 0.22 to 8.0%. In the three sceneries with levels of CE
of 10.0%, CC of 9.36 kg FB/animal/d and CA of 2.0 AU/ha it was obtained higher
MET (32.39 to 36.71 kg DM) and NIT (13.48 to 14.25 kg), but with CE of 10%, CC
od 2.64 kg FB/animal/d and CA of 2.0 AU/ha it was produced higher EXE (274.53
to 297.39 kg DM). Besides, CC significantly influences EXE, MET and NIT, in the three scenarios. In conclusion, factors like CE, CC and CA have importance
in environmental pollution due to its general linear tendency.
Keywords: Beef production, excrete, grazing, LIFE-SIM-BEEF,
methane, nitrogen.
INTRODUCCIÓN
Se ha estimado que, del alimento producido por el
sector agropecuario, el 40% es de origen animal (Pinos-Rodríguez et al., 2012).
Por otra parte, agregan que grupos ambientalistas consideran que la industria
pecuaria tiene gran responsabilidad en el calentamiento global por la
generación de contaminantes vertidos al suelo, agua y atmósfera. Hoy en día se atribuye el calentamiento global por el
aumento de la concentración de los gases de efecto invernadero (GEI). Entre los
principales GEI se tiene al metano, dióxido de carbono y óxido nitroso. Al
dióxido de carbono se le considera como la unidad (1) de potencial de
calentamiento global, seguido por el metano con 23 veces más eficaz en atrapar
el calor en la atmósfera y el óxido nitroso con 296 (Howden y Reyenga, 1999;
Aguilar-Zalzano y Rojas-Bourrillón, 2014; Intergovernmental Panel on Climate Change [IPCC], 2001).
El metano (CH4) es un gas incoloro e
inodoro y es uno de los gases de efecto invernadero más importantes que se
emiten a la atmósfera debido a las actividades antropogénicas, después del
dióxido de carbono o CO2 (Cambra-López et al., 2008). De acuerdo con
Pinos-Rodríguez, (2012) el CH4 es un compuesto molecular que se
encuentra en abundancia en la atmósfera, con unas propiedades radiactivas tales
que le confieren una capacidad elevada de absorción de la energía infrarroja,
contribuyendo así al calentamiento global. La ganadería emite CH4
debido fundamentalmente a la fermentación entérica y en menor medida a la
fermentación de las deyecciones ganaderas (Monteny et al., 2001). La producción
de metano depende de la calidad de la dieta, de tal manera que se considera que
al alimentar con dietas altas en energía metabolizable se considera un método
eficaz para reducir las emisiones de metano entérico (Yan et al., 2010).
Además, hay reportes que indican que los ácidos grasos volátiles producidos en
el rumen no son una fuente directa para la metanogénesis, debido a que la
conversión de CO2 e hidrógeno es un proceso lento (Hobson y Stewart,
1997; Aguilar-Zalzano y Rojas-Bourrillon, 2014), por lo tanto, el CH4
en rumen se produce por la liberación de CO2 e hidrógeno, que se
generan conforme se producen los ácidos grasos volátiles durante la
fermentación de los carbohidratos (Hungate et al., 1970).
La ganadería es responsable de cerca del 23% de las
emisiones de CH4 globales de origen antropogénico (Khalil, 2000),
debido a la digestión del alimento en el rumen, la cual produce CH4.
Esta producción de metano entérico constituye una pérdida energética para el
rumiante que representa del 2 al 12% de la energía bruta consumida (Johnson y
Johnson, 1995) cuando el animal recibe alimentos de baja calidad. Por eso se ha
propuesto que disminuir las emisiones de metano entérico puede ser una
estrategia para el aumento de la productividad animal y disminuir el impacto
ambiental (Howden y Reyenga, 1999; Aguilar-Zalzano y Rojas-Bourrillon, 2014;
Vargas et al., 2012).
Entre 80% y 90% del
nitrógeno consumido por el ganado bovino es excretado en las heces y orina (Rubio-Aguirre et al., 2012). Agregan que la materia fecal y la orina obtenida en los corrales de
engorda y de ordeña forman un solo tipo de residuo, llamado estiércol.
Sostienen que un bovino excreta entre 5% y 6% de su
peso vivo y dado su porcentaje de humedad de 80% a 85%, finalmente sería 3 kg
diarios de residuo sólido por animal/día. Mantienen que una parte importante de
nitrógeno del estiércol de ganado, principalmente de urea urinaria, se
convierte en amonio y finalmente va a la atmósfera como amoníaco, lo cual
contamina el ambiente.
El estiércol se considera como un subproducto
inevitable de la producción de carne y leche bovina destinados al consumo
humano. La excreción excesiva de estiércol y de los nutrientes de este es
representativa de las ineficiencias que incrementan el costo de la
alimentación, aumentando el impacto ambiental de las fincas y aumentan el costo
relacionado con el traslado y almacenamiento de estiércol. Las concentraciones
de nitrógeno (N) y fósforo (P) en el estiércol y en el suelo; así como sus
tasas de remoción son criterios en que se basan las normas ambientales vigentes
(Weiss y St-Pierre, 2011). Estos autores reportan que el contenido de materia
seca del estiércol es de 12,5%, 59% de nitrógeno y 77% de fósforo. Además,
reportaron una relación cuadrática (Y = 11,46 + 1,534X + 0,047X2)
entre la producción de estiércol (kg/día) y el consumo de materia seca (kg/día)
en vacas lecheras en producción.
La ceba de acabado es una modalidad que permite
engordar bovinos hasta alcanzar el peso de mercado en el menor tiempo,
permitiendo un mayor uso de la tierra y mayor ingreso por hectárea; sin
embargo, se desconoce su contribución de metano, heces y nitrógeno al ambiente
bajo las condiciones del trópico húmedo de la Estación Experimental de Gualaca (EEG-CMO-IDIAP). Por lo tanto, el presente estudio tuvo como objetivo
simular y estudiar la contribución de metano, estiércol y nitrógeno en la
modalidad de ceba bovina de acabado derivando tres tipos de escenarios en
función de sus meses del año basado en pastoreo con suplementación
energética-proteica para alcanzar un peso meta de 454,45 kg a través del
LIFE-SIM BEEF® del Centro Internacional de la Papa (León-Velarde et al., 2006).
MATERIALES Y MÉTODOS
Localización: El estudio se ubicó en la Estación Experimental de Gualaca “Carlos M.
Ortega” del IDIAP, la cual está ubicada a 100 msnm, con precipitación anual de
4000 mm y temperatura media anual de 26° C. Datos climatológicos de la Empresa
de Transmisión Eléctrica (ETESA, 2018) e índice de temperatura-humedad de la
National Oceanic and Atmospheric Administration (NOAA, 1976) ajustada por la
velocidad del viento (Mader et al., 2005) se detallan en el Cuadro 1. Se tomó
como referencia los 23 años de registros (inicio 1 de noviembre de 1995) de la
Estación Gualaca II (108-043) situada a latitud 8°31’20” de latitud y
-82°18’03” de longitud.
Fuente de información
de ceba en pastoreo: Se tomó como referencias las experiencias y
resultados de los estudios de ceba de Guerra M. et al. (2002) y de Pinzón y
Montenegro (2002) bajo condiciones (bosque húmedo tropical) de la Estación
Experimental de Gualaca “Carlos M. Ortega” del IDIAP.
_______________________
Grupo racial: Para este estudio se tomaron animales con la composición genética ½ a
¾ raza europea + ½ a ¼ de la raza Brahman con peso vivo promedio que variaron
de acuerdo con el escenario de ceba.
Pastura
y su manejo: Para la pastura y
su manejo se consideró la experiencia de Guerra et al. (2012). La pastura
predominante (90,0%) era la Brachiaria
humidicola. La rotación de las cuadras consistió en tres días de pastoreo u
ocupación y 21 días de descanso. La carga animal máxima alcanzada fue de 4,5
UA/ha.5
La fertilización consistió en la aplicación de 60, 30 y 20 kg/ha de N, P205
y K2O. El nitrógeno se fraccionó en tres aplicaciones (junio, agosto
y noviembre), mientras que el fósforo y potasio se aplicaron en junio.
Características
bromatológicas de la Brachiaria humidicola: Del trabajo de Guerra M. et al. (2002) se tomó la información sobre
disponibilidad de materia seca (MS), proteína cruda (PC) y digestibilidad in vitro de la MS (DIVMS) y se detalló
mensualmente. Los valores se presentan en el Cuadro 2. El costo de producción
de un kilogramo de forraje en base fresca fue de B/.0,005.
Suplementación energética-proteica: Para cubrir los requerimientos nutricionales diarios del animal se
basó en la National Research Council (NRC, 2000). Debido a que la pastura sola
no cubre los requerimientos nutricionales diarios del bovino se utilizó un
concentrado energético-proteico a base de pulidura de arroz, pica de arroz,
maíz molido y harina de soya. Adicional se agregaban 56,6 g de una mezcla
mineral (12% P y 8% Ca) por animal/día. El costo y la composición bromatológica
del concentrado y sus componentes se detallan en el Cuadro 3.
Escenarios para simular: Para simular el comportamiento productivo y económico de la ceba bovina,
se consideró la modalidad de ceba de acabado en pastoreo adicionando un
concentrado energético-proteico. El escenario para evaluar se describe a
continuación:
Ceba de acabado: Es la fase donde se le da énfasis en la terminación del animal para
que se obtenga un alto peso al sacrificio, una excelente conformación corporal
para un alto rendimiento de la canal. El peso inicial considerado fue de 375
kg. Se consideraron tres escenarios de ceba en el año: enero-abril (ENE-ABR)
cuando hay una disminución abrupta de la disponibilidad y calidad del forraje y
una mayor dependencia del suplemento, pero se buscan los mayores precios de
venta al mercado al final de la época seca cuando hay mayor demanda de animales
“gordos”; mayo-agosto (MAY-AGO) cuando aumenta la disponibilidad y calidad del
forraje y reducción del uso del suplemento, pero los precios de venta al
mercado se reducen por la oferta de animales “gordos” y septiembre-diciembre
(SEP-DIC) cuando hay una disminución de la disponibilidad y calidad del forraje
por el exceso de lluvia y mucha nubosidad con una moderada dependencia del
suplemento; sin embargo, los precios de venta al mercado bajan por la sobre
oferta de animales de todos los sistemas bovinos de producción por la próxima
llegada de la época seca.
Factores y niveles: Para este estudio se consideraron tres
factores: Costo Energético6 o CE,
Consumo del Concentrado o CC y Carga Animal o CA. Se propuso un Diseño de
Composición Central (DCC) con tres factores con el propósito de detectar
tendencias lineales, curvilíneas e interacciones y los niveles de cada factor
se obtuvieron con este diseño (León-Velarde, 2006; Myers, 1976). Los niveles
determinados para los tres factores fueron los siguientes:
a)
Costo
Energético: 1,59%; 5%; 10%; 15% y 18,41% adicional al costo energético diario
de acuerdo con la NRC (2000).
b)
Consumo
del Concentrado: 2,64; 4,0; 6,0; 8,0 y 9,36 kg BF/día.
c)
Carga
Animal: 1,16; 1,5; 2; 2,5 y 2,84 UA/ha.
Análisis
de los datos: con el DCC se estableció el siguiente arreglo
espacial de las combinaciones de los niveles de los factores o tratamientos
(Figura 1). El modelo matemático del arreglo geométrico fue un modelo
lineal-cuadrático con interacciones y fue el siguiente:
Donde:
Ŷ = es la expectativa de la variable de
respuesta.
b0 = es el intercepto.
b1, . . , b1.2, . . , b3.3
= son coeficientes parciales de regresión lineales, cuadráticos y productos.
X1 = es el Costo Energético (CE),
X2 = es el Consumo diario del
Concentrado (CC),
X3 = es la Carga Animal (CA),
e123 = es el error aleatorio.
El punto central (10% CE,
6,0 kg/día CC y 2,00 CA) se replicó cinco veces para aumentar los grados de
libertad del error y realizar la prueba de Falta de Ajuste (Lack of Fit). Esta
prueba de Falta de Ajuste permite decidir en forma objetiva que tanto del error
en la predicción es debido a la falta de ajuste del modelo. En este caso se plantea
la hipótesis nula (Ho) que no existe falta de ajuste, o sea, que el modelo
ajusta de forma adecuada a los datos.
Simulación de los resultados: Una vez definidos los tratamientos se procedió a estimar EXE, MET y
NIT por simulación de los tratamientos y escenarios propuestos con el programa
LIFE-SIM BEEF® del Centro Internacional de la Papa (León-Velarde et al., 2006).
Una vez generados estos estimados se procedió a realizar el análisis de estos
con el DCC. Los componentes del programa en donde se vierte la información a
simular son los siguientes: animal, clima, pastura, suplemento, costos de
alimentación y simulación.
Variables de respuestas: en esta simulación las variables de respuestas en el escenario de ceba
de acabado correspondiente fueron las siguientes:
1.
Producción
total de excreta (EXE).
2.
Producción
total de metano (MET).
3.
Producción
de nitrógeno en la excreta (NIT).
RESULTADOS Y DISCUSIÓN
Escenario ENE-ABR: el modelo lineal-cuadrático
propuesto aparenta ser no adecuado por la falta de ajuste en MET y fue
significativo (P<0,05) en el escenario ENE-ABR (Cuadro 4); sin embargo, el
modelo aparenta ajustar bien a los datos (P>0,05) en EXE y NIT.
En las
tres características el efecto lineal fue altamente significativo (P<0,01),
mientras que el efecto cuadrático tuvo una tendencia a la significancia
(P<0,10) en MET. El efecto de los productos cruzados solamente resultó
significativo (P<0,05) en MET, no así en las otras características. Esto
indica que en MET hay una interacción entre dos de las variables CE, CC y CA
(P<0,05). Además, se observa en el Cuadro 4 que en la prueba de falta de
ajuste fue P<0,05 en MET, a pesar de que los efectos lineales, cuadráticos e
interacciones fueron P<0,10, lo que indica que, aun así, hay suficiente
evidencia para concluir que hay falta de ajuste en el modelo lineal-cuadrático.
En otras palabras, una gran parte del error en la estimación se atribuye a la falta
de ajuste del modelo. Sin embargo, en EXE y NIT la prueba de falta de ajuste
fue P>0,05 indicando que no hay suficiente evidencia para concluir que hay
una falta de ajuste en el modelo lineal-cuadrático; sin embargo, la evidencia
también indica que un modelo lineal ajustaría mejor. El menor CV se reportó en
NIT con 0,77% y altos R2 y R2 Múltiple con 0,996 y 0,992,
respectivamente (Figura 2). Para EXE y MET los CV fueron bastante bajos muy
similares con 1,27% y 1,26%, respectivamente, mientras que sus R2 y R2
Múltiple fueron considerablemente altos con 0,980 y 0,998; así como 0,960 y
0,996, respectivamente (Figura 2). El CV, R2 y R2
Múltiple son, también, utilizados como indicadores, adicionales, de la bondad
de ajuste de los modelos polinomiales lineal-cuadráticos con interacciones de
acuerdo con Draper y Smith (1981).
Los efectos individuales de
CE fueron significativos (P<0,05) y tendentes a la significancia (P<0,10)
en MET y NIT, respectivamente, pero no en EXE (Cuadro 4). Sin embargo, CC fue
el efecto de mayor significancia (P<0,01) en EXE, MET y NIT a diferencia de
CA que no mostró efecto alguno (P>0,05) en estas tres variables
dependientes. Por lo tanto, en la producción y emisión de estas tres variables
contaminantes del ambiente, el consumo de concentrado tiene mucha influencia.
Las funciones de predicción para EXE, MET y
NIT en el escenario de ENE-ABR resultaron ser las siguientes:
ŶEXE = 316,19672*** - 1,13624CEns - 9,82192CC*** -
7,60124CAns + 0,037876CE2 ns + 0,06375CCxCEns
+ 0,03925CC2 ns - 0,15500CAxCEns - 0,23750CAxCCns
+ 2,25783CA2 ns
ŶMET = 11,29860*** - 0,06924CEns + 1,72623CC*** -
1,32395CAns – 4,38x10-5CE2 ns – 0,02025CCxCE*
+ 0,05639CC2*** + 0,07700CAxCE** + 0,20500CAxCC* - 0,12519CA2
ŶNIT = 8,34627*** - 0,02981CEns + 0,56385CC*** -
0,43523CAns - 4,18x10-5CE2 ns – 0,00425CCxCEns
+ 0,00128C2 ns + 0,01700CAxCEns + 0,04500CAxCCns
+ 0,00637CA2 ns
La gráfica entre los valores PREDICT (predichos) y los valores estimados
por LIFE-SIM-BEEF para EXE muestran un punto “outlier” o fuera de los
límites de confianza inferior (Figura 2). Para MET hay un dato “outlier”
y otro moderadamente disperso, pero están en la línea del límite inferior de
los límites de confianza. Similar distribución se observa en NIT.
En el
escenario ENE-ABR, disminuir el CC tuvo mayor efecto en disminuir la EXE y muy
ligero efecto al aumentar CE con CA constante (Gráfica a) (Figura 3). Además,
también se observó qué al disminuir CE y aumentar CA, hay un cambio ligeramente
curvilíneo en EXE (Gráfica b) cuando CC es constante, pero disminuir el CC
aumentó la producción de EXE y muy ligeramente por efecto de aumentar la CA,
cuando CE fue constante (Gráfica c). Por otra parte, aumentar CC aumentó la
producción de MET y muy ligero efecto al disminuir el CE con CA constante
(Gráfica d). Disminuir el CE y a CA tiene a disminuir marcadamente la
producción de MET (Gráfica e) con CC constante. Disminuir el CC tiene mayor
efecto en bajar la producción de MET que disminuir la CA a CE constante (Gráfica
f). Tendencias de MET son muy similares a las tendencias de NIT. Aumentar CC
incrementa los niveles de NIT y más marcadamente a niveles altos de CE,
manteniendo CA constante (Gráfica g). Cuando CE es alto y CA es baja se
obtienen mayores producciones de NIT, con CC constante, pero disminuye a medada
que disminuye CA (Gráfica h). Disminuir CC, también disminuye NIT, pero
disminuir CA no parece tener efecto alguno (Gráfica i) con CE constante.
Escenario MAY-AGO: La
falta de juste en EXE, MET y NIT fue altamente significativa (P<0,01) en EXE
y NIT y significativa (P<0,05) en MET, por lo que indica que hay suficiente
evidencia para concluir que hay una falta de ajuste en el modelo
lineal-cuadrático. Por lo tanto, en la predicción hay una contribución significativa
de error atribuida a la falta de ajuste del modelo. La respuesta fue
lineal-cuadrática en MET por la alta significancia de sus efectos lineales y
cuadráticos (P<0,01) y una tendencia cuadrática (P<0,10) en EXE, no así
en NIT, el cual es lineal (P<0,01) en el escenario MAY-AGO (Cuadro 5). No se
reportaron efectos significativos en las interacciones o productos.
Los CV fueron muy bajos (0,21 a 0,40%) en las
tres variables (Cuadro 6). Por otra parte, el efecto del factor CE y CC fueron
altamente significativo (P<0,01) en las tres variables, pero el efecto de CA
no afectó en la predicción a las tres características (P>0,05).
Las funciones de predicción para EXE, MET y
NIT en el escenario MAY-AGO resultaron ser las siguientes:
ŶEXE = 324,2552*** - 0,4791CEns - 9,8984CC*** +
3,3354CAns – 0,0032CE2 ns + 0,0200CCxCEns -
0,1975CC2*** + 0,0500CAxCEns - 0,1250CAxCCns -
0,89301CA2 ns
ŶMET = 14,4982*** - 0,0301CEns + 2,0609CC*** +
0,2853CAns – 0,0004CE2 ns + 0,0010CCxCEns +
0,0318CC2*** + 0,0050CAxCEns - 0,0125CAxCCns -
0,0800CA2 ns
ŶNIT = 9,9259*** - 0,0157CEns + 0,4851CC*** +
0,0857CAns - 1,8x10-5CE2 ns + 0,0006CCxCEns
- 0,0014CC2 ns + 0,0015CAxCEns - 0,0038CAxCCns
- 0,0231CA2 ns
El ajuste de entre los valores predichos de EXE, MET y NIT y sus valores
reales en el escenario MAY-AGO, se muestran en la Figura 4.
Los
valores PREDICT (predichos) y los valores estimados por LIFE-SIM-BEEF para EXE
(Figura 4) en donde se observa un punto “outlier” en la línea del límite
de confianza superior, por lo que indicamos que el modelo lineal-cuadrático
completo ajustó aceptablemente a los datos por sus valores de R2 de
0,9988 y R2 ajustado de 0,9987.
Para MET, el modelo muestra valores de R2 y R2
ajustado de 0,9978 y 0,9977, respectivamente. Similar distribución se observa
en NIT y los valores de R2 y R2 ajustado fueron 0,9965 y
0,9963, respectivamente.
En el escenario MAY-AGO, las
mayores EXE se observaron a los altos niveles de CE y bajos niveles de CC con
CA constante (Gráfica j) (Figura 5). Por otra parte, no mucho efecto se observa
disminuyendo el CE y CA con CC constante (Gráfica k). Disminuir CC, tuvo
mayores efectos que aumentar CA para aumentar EXE cuando CE estaba constante
(Gráfica l). Con CA constante, aumentar el CC aumentó la MET a todos los
niveles del CE (Gráfica m). En la Gráfica n, muestra que la producción de MET
tiene una tendencia similar a la encontrada en la Gráfica k con CC constante;
así aumentar CE o disminuir CA no tuvo mucho efecto en los niveles de MET
(Gráfica n). Por otra parte, disminuir el CC disminuyó MET a todos los niveles
de CA con CE constante (Gráfica o). En cuanto a NIT, la tendencia de la Gráfica
p es similar a la Gráfica m con alta producción de NIT a altos niveles de CC a
todos los niveles de CE con CA constante. Así, la tendencia de la gráfica q es
similar a la de la Gráfica n con producciones de NIT similares a todos los
niveles de CE y CA con CC constante. La tendencia de la Gráfica r es parecida
con la gráfica o con mayores niveles de NIT a altos niveles de CC y a todos los
niveles de CA con CE constante (Figura 5).
Escenario SEP-DIC: La falta de juste en EXE, MET y NIT fue altamente
significativa (P<0,01) en EXE y NIT y significativa (P<0,05) en MET, por
lo que indica que hay suficiente evidencia para concluir que hay una falta de
ajuste en el modelo lineal-cuadrático. Por lo tanto, en la predicción hay una
contribución significativa en su error atribuida a la falta de ajuste del
modelo. La respuesta fue lineal-cuadrática en MET por la alta significancia de
sus efectos lineales y cuadráticos (P<0,01) y una tendencia cuadrática (P<0,10)
en EXE, no así en NIT, el cual es lineal (P<0,01) en el escenario MAY-AGO
(Cuadro 6). No se reportaron efectos significativos en las interacciones o
productos.
Los CV fueron muy bajos
(0,21 a 0,40%) y, por otra parte, el efecto del factor CE y CC fueron altamente
significativo (P<0,01) en las tres variables (Cuadro 6), pero el efecto de
CA no afectó en la predicción a las tres características (P>0,05).
Las funciones de
predicción para EXE, MET y NIT en el escenario SEP-DIC resultaron ser las siguientes:
ŶEXE =
325,2486*** - 1,0709CEns - 7,2872CC** - 8,8015CAns –
0,0010CE2 ns + 0,0725CCxCEns - 0,4491CC2*** +
0,2200CAxCEns + 0,3250CAxCCns + 1,1045CA2 ns
ŶMET =
17,6579*** - 0,0986CEns + 2,2374CC*** - 1,0953CAns +
0,0005CE2 ns + 0,0055CCxCEns - 0,0104CC2 ns +
0,0220CAxCEns + 0,0325CAxCCns + 0,1662CA2 ns
ŶNIT =
10,4283*** - 0,0097CEns + 0,2437CCns + 0,1158CAns
– 0,0010CE2 ns + 0,0020CCxCEns + 0,0104CC2 ns
+ 0,0060CAxCEns + 0,0100CAxCCns - 0,0599CA2 ns
Las gráficas de ajuste
de entre los valores predichos de EXE, MET y NIT y sus valores reales en el
escenario SEP-DIC (Figura 6).
En las tres gráficas de
la Figura 6 no se observan “outliers”. Los R2 y R2
ajustados para ECE, MET y NIT fueron 0,992 y 0,991; 0,999, 0,999 y 0,968 y
0,966, respectivamente.
Con CA
constante, disminuir el CC disminuye EXE con todos los niveles de CE con CA
constante (Gráfica s). Disminuir CE y CA con CC constante se observa una
tendencia ligeramente curvilínea aumentándose EXE muy ligeramente en los
extremos (Gráfica t). Disminuir CC a todos los niveles de CA, la EXE tiende a
aumentar con CE constante (Gráfica u).
Con CA contante, mayores valores de MET se observan al aumentar CC a
todos los niveles de CE (Gráfica v). Cambios en los niveles de CE y CA con CC
constante no produce cambios marcados en la MET (Gráfica w). Disminuciones en
MET se encontraron al disminuir los niveles de CC a todos los niveles de CA con
CE constante (Gráfica x). Aumentar CC aumenta NIT en todos los niveles de CE
con CA constante (Gráfica y). Tampoco se observa aumentos marcados al disminuir
el CE y aumentar la CA con CC constante (Gráfica z). Aumentar los niveles de CC
aumenta el NIT en todos los niveles de CA con CE constante (Gráfica a) (Figura
7). Finalmente y resumiendo, se observa que las tendencias de MET son similares
en las gráficas d, e, f ; m, n, o y v, w, x; así como las tendencias de las
gráficas g, h, i; p, q, r y y, z, a con respecto a NIT.
Combinaciones de 10% de
CE, 9,36 kg concentrado/animal/día de CC y CA de 2,0 UA/ha produjeron más MET y
NIT en ENE-ABR con 32,50 kg y 13,48 kg, respectivamente, y en SEP-DIC fue 36,71
kg y 14,24, respectivamente. Sin embargo, para estos escenarios la máxima
producción de EXE (274,5 y 282,9 kg, respectivamente) se obtuvo con la
combinación de 10% de CE, 2,64 kg concentrado/animal/día y 2,0 UA/h.
Por otra parte, la
combinación de 10% de CE, 9,36 kg concentrado/animal/día y CA de 2,0 UA/ha se
obtuvo mayor producción de EXE (297,4 kg), EXE (36,37 kg) y NIT (14,25 kg) en
el escenario de MAY-AGO.
En
vacas lecheras producciones diarias de metano de hasta 400 g/día cuando se
alcanzó el pico de lactación, manteniéndose así hasta el final de ésta (De Hass
et al., 2011). Yan et al. (2010) indican que la producción de metano depende de
la calidad de la dieta, de tal manera que alimentar con dietas altas en
concentraciones de energía metabolizable se considera un método eficaz para
reducir las emisiones de metano entérico de las vacas lecheras, con sistemas de
producción normales. Berndt y Tomkins (2013) reportan medias diarias (±EE) de
emisiones de CH4 en un rango que va de 136±21,5 g/animal/día
para novillos Brahman pastoreando pasto Rhodes irrigado hasta 281±22,3 g/animal/día
para vacas Brahman pastoreando mezclas de Buffel (Cenchrus ciliaris) y Sabi (Urochloa
mosambiensis). Canesin et al. (2014) evaluaron la producción de CH4
con diferentes frecuencias de suplementación mientras pastoreaban Brachiaria brizantha cv. Marandú en
Joboticabal, SP, Brasil y observaron diferencias en la producción entérica de
metano en diferentes meses, con 176,8 g/día y 84,5 g/día de CH4/kg
consumido de energía bruta en septiembre y 311,0 g/día y 123,4 g/día de CH4/kg
consumido de energía bruta en noviembre. Además, suplementar en días alternados
se produjo 252,5 g/día, 253,3 g/día suplementar diariamente excepto sábados y
domingos y 226,0 g/d una vez al día. Primavesi et al. (2004) también obtuvieron
resultados similares de producción de metano en novillas lecheras cruzadas
brasileñas pastoreando pastos Brachiaria spp.,
sin fertilizantes de 181 g/día y 295 g/día en vacas secas pastoreando en pasto
Tobiatã fertilizada en el verano. Las más bajas emisiones han sido asociadas
con novillos jóvenes pastoreando pasturas mejoradas fertilizadas con urea e
irrigadas y manejadas intensivamente (Tomkins et al., 2011). De acuerdo con
Johnson y Johnson (1995), cuando carbohidratos altamente disponibles son
suplidos a consumos limitados, ocurren altas pérdidas de metano fraccional, en
contraste con altos niveles de consumo de dietas altamente digestibles, bajas
perdidas de metano fraccional ocurren. Además, agregan que la suplementación de
forraje de baja calidad incrementará las pérdidas de CH4
proporcionalmente al mejoramiento en la digestibilidad y que las pérdidas
totales de CH4 por unidad de producto (mantenimiento, lactación o
desarrollo) decrecería con la suplementación proteica.
Nuestros
resultados no llegaron a alcanzar los niveles de producción diaría de metano de
De Hass et al. (2011) en los tres escenarios de ceba, pero si hay que indicar
que el ganado lechero es mucho más exigente en sus nutrimentos diarios que el
ganado de carne. Johnson y Johnson (1995) indican que la producción de metano
se incrementa con la digestión de la fibra, debido al aumento en la cantidad de
ácido acético en relación con el ácido propiónico, así que los forrajes más
digestibles y fibras de calidad generan mayor cantidad de metano. Se pudiera
inducir que con la Brachiaria humidicola,
un forraje de mediana a baja calidad dependiendo del manejo y de la época del
año, junto con la pica de arroz pudieron contribuir al aumento en la producción
de metano cuando se aumentó su oferta en base fresca en ambos niveles de costo
energético. Por otra parte, el aumento en el ofrecimiento de almidón a través
de la pulidura de arroz, harina de soya y maíz no tuvo el suficiente beneficio
en disminuir la producción de metano por su fermentación y su efecto en el
cambio del pH ruminal y no propició un estímulo en las bacterias amilolíticas
de acuerdo con lo propuesto por Van Kessel y Russell, (1996). Además, por
diferencias entre componentes de carbohidratos no fibrosos, la inclusión de
pectinas es capaz de generar cantidades de ácido acético (Mauronek et al.,
1985) y por consiguiente aumento en la producción de metano, mientras que los
azúcares solubles, como los presentes en la melaza, generan butirato (Schultz
et al., 2013) con menor generación de metano.
Las
relaciones descritas por Charmly et al. (2008) y Kennedy and Charmly (2012)
para pasturas, forrajes y leguminosas tropicales indican que producciones de CH4
podrían ser predichas como 19,6 g/kg MS consumida, o 8,6% a 13,4% de la energía
digestible consumida, y 5,2% a 7,2% de la energía bruta consumida. Por otra
parte, los valores defectos (default values) provistos por el Intergovernmental
Panel on Climate Change (IPCC, 2001, 2006)
para América Latina son 63 kg CH4/cabeza por año para vacas lecheras
y 56 kg CH4/cabeza por año para los otros tipos de ganado. En la
revisión de Berndt y Tomkins (2013) se encontraron que con la alimentación a
base de ensilado más granos el factor de emisión de CH4 fue 50,7±4,5 kg/cabeza/año,
con Caña de Azúcar más granos de 49,2±8,5 kg/cabeza/año
(Pedreira et al., 2009), con heno de Brachiaria
más ionóforos de 26,2±6,6 kg/cabeza/año (Balieiro Neto et al.,
2009), y pasto más mineral más suplementos energéticos y proteicos de 41,9±1,0 kg/cabeza/año
(Fontes et al., 2011).
Las
intensidades de emisiones de CH4 del ganado pastando extensivamente
pasturas tropicales son reconocidas ser más altas que las emisiones
características del ganado pastando pasturas templadas o mejoradas (Berndt y
Tomkins, 2013). La digestibilidad del forraje influye en la emisión de metano.
De acuerdo con Hegarty (1999a, b) y Hegarty et al. (2007) mejorar la calidad
del forraje en animales en pastoreo es la manera práctica de reducir las
emisiones de metano por unidad de producto generado. La digestibilidad de la Brachiaria humidicola está entre 43,6%
en marzo y 57,4% en septiembre (Cuadro 2), por lo que pudo ser un factor en
aumentar la emisión de metano en los tres escenarios de ceba y los dos niveles
de costo energético. Sin embargo, Wittenberg (2008) señala que incrementar la
digestibilidad de un forraje se mejora su consumo y esto generalmente se asocia
al aumento en CH4 por animal, pero menor producción por kg de
alimento consumido. Sejian et al. (2011) sostienen que la reducción en la
emisión de metano se podría realizar mediante el mejoramiento genético de los
forrajes u optimizando la dieta forrajera con suplementos tipos concentrados.
El estiércol bovino es el
mayor desecho producido en los agroecosistemas y sostiene que un uso
inapropiado puede crear problemas tales como olor, producción de nitratos y
otros elementos contaminantes dependiendo del tipo de dieta y aditivos, de
acuerdo con Rodríguez (2002) y de Wit et al. (1997). Además, indica que se
acepta de forma general una producción media diaria de deyecciones sólidas y
líquidas, equivalente al 7% del peso vivo del animal, también sometida a
numerosos factores que inciden en una alteración del valor citado. Rodríguez
(2002) agrega que la vaca cárnica y la lechera pueden producir, en base fresca,
28 y 45 kg/día de heces más orina, respectivamente. De acuerdo con Vera-Romero
et al. (2014) la producción de excretas bovinas de acuerdo con el tamaño va de
15, 10, 8 y 4 kg/día en base fresca para el ganado grande, mediano, pequeño y
ternero, respectivamente. Por otra parte, Nennich et al. (2003) reportan que la
producción de estiércol freso en el bovino es de 22 kg/día en el bovino de
engorda y 68 kg/día en la vaca lactante. Estos valores reportados en la
literatura indican mucha variación dependiendo de factores como el tipo de
alimentación, contenido bromatológico de la ración, época del año, entre otros.
CONCLUSIONES
· De nueve análisis corridos, cinco ajustaron
al modelo lineal, uno al modelo cuadrático y tres al modelo lineal-cuadrático y
mostraron una tendencia significativa.
· El factor consumo de concentrado (CC) fue de
más alta significancia (P<0,01) en todas las variables de respuesta y en los
tres escenarios estudiados.
·
En los tres escenarios se observó que:
·
EXE disminuye cuando aumenta el CC.
·
MET y NIT aumenta cuando CC.
·
CE y CA tuvieron muy pocos efectos en la
producción de EXE, MET y NIT en los tres escenarios.
REFERENCIAS
Aguilar-Zalzano, E., y Rojas-Bourrillon, A. (2014). Métodos utilizados
para reducir la producción de metano endógeno en rumiantes. Revisión de
literatura. Nutrición Animal Tropical,
8(2), 72-90. https://revistas.ucr.ac.cr/index.php/nutrianimal/article/view/17582/17082
Balierio Neto, G., Berndt, A., Nogueira, J. R., Demarchi, J. J. A., and
Nogueira Filho, J.C.M. (2009). Monensin and protein supplements on methane
production and rumen protozoa in bovine fed low quality forage. South
African Journal of Animal Science, (Supplement) 39, 280-283. https://doi.org/10.4314/sajas.v39i1.61240
Berndt, A., and Tomkin, N.W. (2013). Measurement and mitigation of
methane emissions from breed cattle in tropical grazing systems: a perspective
from Australia and Brazil. Animal,
7(2), 363-372. https://doi.org/10.1017/s1751731113000670
Canesin, R. C., Berchielli, T. T., Messana, J. D., Baldi, F., Pires, A.
V., Frighetto, R. T. S., Fiorentini, G., and Reis, R. A. (2014). Effects of
supplementation frequency on the ruminal fermentation and enteric methane
production of beef cattle grazing in tropical pastures. Revista Brasileira de
Zootecnia, 43(11), 590-600. https://www.scielo.br/j/rbz/a/DY7F7z4nMSnvXq8hc75dqGq/?lang=en
Cambra López, M., García Rebollar, P., Estellés, F. y Torres, A. 2008.
Estimación de las emisiones de los rumiantes en España: El factor de conversión
de metano. Archivo de Zootecnia,
57, 89-101.
León-Velarde, C., Quiróz, R. A., Caña, R., Osorio, J., Guerrero, J., and
Pezo, D. 2006. Life-Sim: Livestock feeding strategies simulations models. International Potato
Center (CIP). Natural Resources Management Division. Lima, Peru. 47p. [Archivo
PDF].
https://www.researchgate.net/publication/290799540
Charmly, D., Stephens, M.
L., and Kennedy, P. M. (2008). Predicting livestock productivity and methane
emissions in northern Australia: development of a bio-economic modelling
approach. Australian Journal of Experimental Agriculture, 48(2), 109-113. https://doi.org/10.1071/EA07264
de Hass, Y., Windig, J., Calus, M., Dijkstra, J.,
De Haan., M., Bannik, A., and Veerkamp, R. (2011). Genetic parameters for
predicted methane production and potential for reducing enteric emission
through genomic selection. Journal of Dairy Science, 94(12), 6122-6134. https://doi.org/10.3168/jds.2011-4439
de Wit, J., van de Meer, H. G., and Nell, A. J.
(1997). Animal manure: ¿asset or liability? Revista Mundial de Zootecnia (FAO), No. 88.
https://www.fao.org/4/w5256t/w5256t05.htm
di Marco, O. N., y Aello, M. S. (2003). Costo
energético de la actividad de vacunos en pastoreo y su efecto en la producción.
Sitio Argentino de Producción Animal. https://www.produccion-animal.com.ar/informacion_tecnica/manejo_del_alimento/01-costo_energetico_de_actividad_en_pastoreo_efecto.pdf
Draper, N. R., and Smith, H. (1981). Applied
regression analysis. 2nd Edition. John Willey and Sons. New
York, USA. 709p. https://books.google.com.pa/books/about/Applied_Regression_Analysis.html?id=d6NsDwAAQBAJ&redir_esc=y
Instituto de Meteorología e Hidrología de
Panamá. (IMHPA). (1 de junio de 2018). Hidrometeorología. Clima. Datos
Climáticos Históricos. Instituto de Meteorología e Hidrología de Panamá.
Panamá, Panamá. https://www.imhpa.gob.pa/es/clima-historicos
Fontes,
C. A. A., Costa, V. A. C., Berndt, A., Frighetto, R. T. S., Valente, T. N. P.,
y Processi, E. F. (18-21 de julio de 2011). Emissão de metano por bovinos de
corte, suplementados ou não, em pastagem de campin mombaça (Pannicum maximum cv.
Mombaça) [Conferencia]. Proceedings of the 48th Reunião Anual da Sociedade
Brasileira de Zootecnia. Sociedade Brasileira de Zootecnia, Belém, Brazil. https://ainfo.cnptia.embrapa.br/digital/bitstream/item/40196/1/PROCI-2011.000083.pdf
Guerra
M, P., Quiel B, R. A., Rodríguez, G., y De Gracia, M. M. (2002). Evaluación
bioeconómica de cuatros sistemas de ceba en pastoreo, suplementación energética
proteica y estimuladores del consumo y crecimiento. 1999. Ciencia
Agropecuaria, 12, 191-222. http://www.revistacienciaagropecuaria.ac.pa/index.php/ciencia-agropecuaria/article/view/348
Guerra
M., P., Ono, T., Chacón P, O., Quiel B, R. A., De Gracia V, M. M., González M,
R. A., y Bernal R., J. L. (2012). Características cárnicas y de la canal de
animales Brahman, Criollos y cruzados de acuerdo con el sistema de alimentación.
Boletín Técnico. IDIAP.CIA Chiriquí, Panamá. http://www.idiap.gob.pa/download/caracteristicas-carnicas-y-de-la-canal-de-animales-brahman-criollos-y-cruzados-de-acuerdo-al-sistema-de-alimentacion/
Hobson, P., and Stewart, C. (Editors). (1997). The rumen microbial
ecosystem. 2nd Edition. Blackie Academic and professional. An
Imprint of Chapman and Hull. London, UK. https://www.amazon.com/Rumen-Microbial-Ecosystem-P-N-Hobson/dp/0751403660
Howden, S., and Reyenga, P. (1999). Methane emissions from Australian
livestock: implications the Kyoto protocol. Australian Journal of
Agricultural Research, 50(8),
1285-1292. https://doi.org/10.1071/AR99002
Hungate, R. E., Smith, W., Bauchop, T., Yu, I., and
Rabinowitz, J. C. (1970). Format as an intermediate in the bovine rumen
fermentation. Journal of Bacteriology,
102(2), 389-397. https://doi.org/10.1128/jb.102.2.389-397.1970
Hegarty, R. S. (1999a). Mechanisms for competitively reducing ruminal
methanogenesis. Australian Journal of Agricultural Research, 50(8), 1299-1306. https://doi.org/10.1071/AR99007
Hegarty, R. S. (1999b). Reducing rumen methane emissions through
elimination of rumen protozoa. Australian Journal of Agricultural Research, 50(8), 1321-1328. https://doi.org/10.1071/AR99008
Hegarty, R. S., Goopy, J. P., Herd, R. M., and McCorkell, B. (2007).
Cattle selected for lower residual feed intake have reduced daily methane
production. Journal of Animal Science,
85, 1479-1486. https://doi.org/10.2527/jas.2006-236
Intergovernmental Panel on Climate Change.
(2001). Climate change 2001. The scientific basis. In: J.T. Houghton et al. (Eds). IPCC. Cambridge University
Press. Ginebra, Switzerland. https://www.ipcc.ch/site/assets/uploads/2018/03/WGI_TAR_full_report.pdf
Intergovernmental Panel on Climate Change. (2006). Guidelines for
national greenhouse gas inventories. Vol. 4. Agriculture, forestry and other
land use. IPCC. Hayama, Japan. [Archivo PDF]. https://www.ipcc-nggip.iges.or.jp/public/2006gl/
Johnson, K., and Johnson, D. (1995). Methane emission from cattle. Journal
of Animal Science, 73, 2483-2492.
https://doi.org/10.2527/1995.7382483x
Kennedy, P. M., y Charmley, E. (2012). Methane yields from Brahman
cattle fed tropical grasses and legumes. Animal Production Science, 52(4), 225-239. https://doi.org/10.1071/AN11103
Khalil, M. (2000). Atmospheric methane: An
introduction. In: M. Khalil, Editor. Atmospheric methane, its role in the
global environment. Springer-Verlag. Berlin, Germany. p. 1-8. https://doi.org/10.1007/978-3-662-04145-1
Mader, T., Davis, S., Gaughan, J., and Brown-Brandl, T. (2005). Wind
speed and solar radiation adjustments for the temperature-humidity index.
[Conference] In: Proceeding of the 16th Conference on Biometeorology
and Aerobiology. Meeting Abstract 6B.3. Vancouver, British Columbia, Canada. https://www.academia.edu/89662618/Wind_speed_and_solar_radiation_adjustments_for_the_temperature_humidity_index
Mauronek, M., Bartos, S., and Brezina, P. (1985). Factors influencing
the production of volatile fatty acids from hemicellulose, pectins and starch
by mixed cultures of microorganisms. Journal of Animal Physiology and Animal
Nutrition, 53, 50-58.
https://doi.org/10.1111/j.1439-0396.1985.tb00006.x
Monteny, G. J., Groenestein, C. M., and Hillshorts, R. B. (2001).
Interactions and coupling between emissions of methane and nitrous oxide from
animal husbandry. Nutrition Cycling Agroecosystem, 60, 123-132. https://doi.org/10.1023/A:1012602911339
Myers, R. H. (1976). Response surface methodology. Virginia Polytechnic
Institute and State University. USA. https://www.amazon.com/Response-surface-methodology-Raymond-Myers/dp/B0007AN604
National Oceanic and Atmospheric Administration. (1976). Livestock
Hot Weather Stress. Operations Manual Letter C-31-76, Department of
Commerce, NOAA, National Weather Service Central Region, Kansas City.
National Research Council. (2000). Nutrient requirements of beef
Cattle. NRC 7th Edition. NRC. National Academy Press.
Washington, DC. USA. https://nap.nationalacademies.org/catalog/9791/nutrient-requirements-of-beef-cattle-seventh-revised-edition-update-2000
Nennich, T., Harrison, J. H., Meyer, D., Weiss, W. P., Heinrichs, A. J.,
Kincaid, R. L., Powers, W. J., Koelsch, R. K., and Wright, P. E. (12 – 15
October 2003). Development of standard methods to estimate manure production
and nutrient characteristics from dairy cattle [Conference presentation
abstract]. Ed. R. T. Burns. Symposium. Ninth International Animal, Agricultural
and Food Processing Wastes Proceedings. American Society of Agricultural and Biological Engineers
(ASABE) Publication Number 701P1203. Pp 263-268. Research Triangle Park. North
Carolina, USA. Digital Communications. University of Nebraska-Lincoln.
Conference with White Papers: Biological System Engineering. https://digitalcommons.unl.edu/biosysengpres/1
Pedreira, M. S., Primavesi, O., Lima, M. A., Frighetto, R. T. S.,
Oliveira, S. G., and Berchielli, T. T. (2009). Ruminal methane emission by
dairy cattle in southeast Brazil. Scientia Agricola, 66(6), 742-750. https://doi.org/10.1590/S0103-90162009000600004
Pinos Rodríguez, J. M., García López, J. C., Peña Avelino, L. Y., Rendón
Herrera, J. A., González González, C., y Tristán Patiño, F. (2012). Impactos y
regulaciones ambientales del estiércol generado por los sistemas ganaderos de
algunos países de América. Agrociencia, 46(4), 359-370. https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-31952012000400004
Pinzón,
B., y Montenegro, R. (2002). Potencial de producción de carne en pasturas de
Brachiaria solas y asociadas con la leguminosa Arachis pintoi.
1994-1996. Ciencia Agropecuaria, 11, 129-157. www.revistacienciaagropecuaria.ac.pa/index.php/ciencia-agropecuaria/article/view/378
Primavesi,
O., Frighetto, R. T., Pedreira, M. S., Lima, M. A., Berchielli, T. T., y
Barbosa, P. F. (2004). Metano entérico de bovinos leiteiros em condições
tropicais brasileiras. Pesquisa Agropecuaria Brasileira, 39(3), 277-283. https://doi.org/10.1590/S0100-204X2004000300011
Rodríguez, C. (2002). Residuos ganaderos. En. Curso de
Introducción a la Producción Animal. FAV, UNRC. Sitio Argentino de Producción
Animal. Buenos Aires, Argentina. https://www.produccion-animal.com.ar/sustentabilidad/05-residuos_ganaderos.pdf
Rubio-Aguirre, F. A., Echavarrí-Cháirez, F. G., y Castañeda-Orozco, A.
(2012). Uso de zeolita para captura de nitrógeno en estiércol bovino.
Desplegable Informativa No. 23. Instituto Nacional de Investigaciones
Forestales, Agrícolas y Pecuarias (INIFAP). Centro de Investigación Regional
del Norte-Centro. Centro Experimental Zacatecas. México. [Archivo PDF]. http://zacatecas.inifap.gob.mx/publicaciones/usoZeolita.pdf
Sejian, V., Lai, R., Lakritz, J., and Ezeji, T. (2011). Measurement and
prediction of methane enteric emissions. International Journal of
Meteorology, 55, 1-16. https://doi.org/10.1007/s00484-010-0356-7
Shultz, E., Carnevali, A. A., Chicco, C. E., y Shultz, T. A. (2013). Suplementación con
urea-melaza y pulidura de arroz en bovinos alimentados con pastos de pobre
calidad. En:
Sitio Argentino de Producción Animal. Buenos Aires, Argentina.
Tomkins, N. W., McGinn, S. M., Turner, D. A., and Chamley, E. (2011).
Comparison of open-circuit respiration chambers with a micrometeorological
method for determining methane emissions from beef cattle grazing a tropical
pasture. Animal Feed Science and Technology, 166, 240-247. https://doi.org/10.1016/j.anifeedsci.2011.04.014
Van Kessel, J. A., and Russell, J. B. (1996). The effect of pH on
ruminal methanogenesis. FEMS Microbiology Ecology, 20(4), 205-210. https://doi.org/10.1111/j.1574-6941.1996.tb00319.x
Vargas, J., Cárdenas, E., Pabón, M., y Carulla, J. (2012). Emisión de
metano entérico en rumiantes en pastoreo. Archivos de Zootecnia, 61, 51-66. https://www.redalyc.org/pdf/495/49558825005.pdf
Vera-Romero, I., Estrada-Jaramillo, M., Martínez-Reyes, J., y
Ortiz-Soriano, A. (2014). Potencial de generación de biogás y energía eléctrica
Parte I: excretas de ganado bovino y porcino. Ingeniería, Investigación y
Tecnología, 15(3), 429-436. https://doi.org/10.1016/S1405-7743(14)70352-X
Weiss, W. P., and St-Pierre, N. (2011). Estrategias de alimentación para
disminuir la producción de estiércol de vacas lecheras. Sitio Argentino de Producción
Animal. Agroindustria. Rumiantes.
Wittenberg, K. M. (2008). Enteric methane emissions and mitigation
opportunities for Canadian cattle production systems [Archivo PDF]. University
of Manitoba. Winnipeg, Manitoba. CAN. https://www.researchgate.net/profile/Karin-Wittenberg/publication/237438998_Enteric_methane_emissions_and_mitigation_opportunities_for_Canadian_cattle_production_systems/links/5630c48e08aef3349c29f524/Enteric-methane-emissions-and-mitigation-opportunities-for-Canadian-cattle-production-systems.pdf
Yan, T., Mayne, C., Gordon, F., Porter, M., Agnew, R., Patterson, D.,
Ferris, C., and Kilpatrick, C. (2010). Mitigation of enteric methane emissions
through improving efficiency of energy utilization and productivity in
lactating dairy cows. Journal of Dairy Science, 93(6), 2630-2638. https://doi.org/10.3168/jds.2009-2929