Оцінка динаміки вгодованості лактуючих корів новоствореної української червоної молочної породи
Анотація
Метою дослідження було визначення динаміки вгодованості лактуючих корів новоствореної української червоної молочної породи впродовж перебігу поточної лактації та за різного лактаційного віку шляхом окомірної оцінки. На базі промислового молочного комплексу-репродуктора із розведення худоби української чеврвоної молочної породи було проведено науково-виробниче дослідження з оцінки динаміки вгодованості лактуючих корів (n = 391) за використання модифікованої окомірної бальної шкали та з інноваційним методологічним підходом порівняння результатів із візуалізацією «Модельної корови». Було застосовано структурно-порівняльний, аналітичний і статистичний методи. Результати дослідження показали, що лактуючі корови новоствореної української червоної молочної породи відрізнялись сталою тенденцією до зниження показників вгодованості у порівнянні з рекомендованими фахівцями оптимальними рівнями. Так, вгодованість первісток в середньому була нижче рекомендованої на 35,35-58,25 %, корів другої лактації – на 18,91-25,67 %; третьої – на 21,82-28,33 % (P < 0,001). У корів четвертої і старше лактацій (в середньому 4,43 лактацій) було відмічено більш наближену до рекомендованих оптимальних показників динаміку вгодованості впродовж всієї поточної лактації. В середньому у термін середини лактації (134,96 днів, n = 59) вгодованість становила 2,39 балів, що складало 89,91-79,67 % від рекомендованих рівнів (P < 0,001). За даними спостережень впродовж поточної лактації встановлено, що вгодованість лактуючих корів не встигла досягти оптимальних показників наприкінці лактаційного періоду, що свідчило за значні метаболічні негаразди у організмі самиць, особливо молодого віку, які потребують пошуку шляхів корекції у системі організації годівлі дійного стада новоствореної породи. Інноваційний підхід до оцінки вгодованості молочних корів засвідчив потенціал методики для використання результатів досліджень з метою регуляції менеджменту стада та кормової поведінки корів в умовах інтенсивної технології виробництва молока
Ключові слова
лактуючі корови; новостворена українська червона молочна порода; кормова поведінка; візуалізація; модельна корова
[1] Alem, H. (2021). The role of technical efficiency achieving sustainable development: A dynamic analysis of Norwegian dairy farms. Sustainability, 13(4), article number 1841. doi: 10.3390/su13041841.
[2] Berry, D.P., & Evans, R.D. (2022). The response to genetic merit for milk production in dairy cows differs by cow body weight. JDS Communications, 3(1), 32-37. doi: 10.3168/jdsc.2021-0115.
[3] Bezdicek, J., Nesvadbová, A., Makarevich, A., & Kubovičová, E. (2020). Relationship between the animal body condition and reproduction: The biotechnological aspects. Archives Animal Breeding, 63(1), 203-209. doi: 10.5194/aab-63-203-2020.
[4] Brito, L., Bedere, N., Douhard, F., Oliveira, H., Arnal, M., Peñagaricano, F., Schinckel, A., Baes, C., & Miglior, F. (2021). Review: Genetic selection of high-yielding dairy cattle toward sustainable farming systems in a rapidly changing world. Animals, 15(1), article number 100292. doi: 10.1016/j.animal.2021.100292.
[5] Buonaiuto, G., Lopez-Villalobos, N., Costa, A., Niero, G., Degano, L., Mammi, L.M.E., Cavallini, D., Palmonari, A., Formigoni, A., & Visentin, G. (2023). Stayability in simmental cattle as affected by muscularity and body condition score between calvings. Frontiers in Veterinary Science, 10, article number 1141286. doi: 10.3389/ fvets.2023.1141286.
[6] Cevik, K.K. (2020). Deep learning based real-time body condition score classification. IEEE Access, 8, 213950213957. doi: 10.1109/ACCESS.2020.3040805.
[7] Dallago, G.M., Wade, K.M., Cue, R.I., McClure, J.T., Lacroix, R., Pellerin, D., & Vasseur, E. (2021). Keeping dairy cows for longer: A critical literature review on dairy cow longevity in high milk-producing countries. Animals, 11(3), article number 808. doi: 10.3390/ani11102958.
[8] European convention for the protection of vertebrate animals used for experimental and other scientific purposes. (1986). Retrieved from https://rm.coe.int/168007a67b.
[9] Fedota, O., Puzik, N., Skrypkina, I., Babalyan, V., Mitiohlo, L., Ruban, S., Belyaev, S., Borshch, O.O., & Borshch, O.V. (2022). Single nucleotide polymorphism C994g of the cytochrome P450 gene possess pleiotropic effects in Bos taurus, L. Acta Biologica Szegediensis, 66(1), 7-15. doi: 10.14232/abs.2022.1.7-15.
[10] ISO/IEC 17025:2005. (2006). Retrieved from http://online.budstandart.com/ua/catalog/doc-page.html?id_ doc=50873.
[11] Law of Ukraine No. 249 “On the Procedure for Carrying out Experiments and Experiments on Animals by Scientific Institutions”. (2012, March). Retrieved from https://zakon.rada.gov.ua/laws/show/z0416-12#Text.
[12] Lean, I.J., & DeGaris, P. (2021). Transition cow management: A technical review for nutritional professionals. Australia: Dairy Australia.
[13] Lean, I.J., Golder, H.M., LeBlanc, S.J., Duffield, T., & Santos, J.E.P. (2023). Increased parity is negatively associated with survival and reproduction in different production systems. Journal of Dairy Science, 106(1), 476-499. doi: 10.3168/jds.2021-21672.
[14] Liu, D., He, D., & Norton, T. (2020). Automatic estimation of dairy cattle body condition score from depth image using ensemble model. Biosystems Engineering, 194, 16-27. doi: 10.1016/j.biosystemseng.2020.03.011.
[15] Marquez-Acevedo, A.S., Hood, W.R., Collier, R.J., & Skibiel, A.L. (2023). Graduate student literature review: Mitochondrial response to heat stress and its implications on dairy cattle bioenergetics, metabolism, and production. Journal of Dairy Science, 106(10), 7295-7309. doi: 10.3168/jds.2023-23340.
[16] Nagy, S., Kilim, O., Csabai, I., Gábor, G., & Solymosi, N. (2023). Impact evaluation of score classes and annotation regions in deep learning-based dairy cow body condition prediction. Animals, 13(2), article number 194. doi: 10.3390/ani13020194.
[17] Nazhat, S., Aziz, A., Zabuli, J., & Rahmati, S. (2021). Importance of body condition scoring in reproductive performance of dairy cows: A review. Open Journal of Veterinary Medicine, 11, 272-288. doi: 10.4236/ojvm. 2021.117018.
[18] Newton, J.E., Nettle, R., & Pryce, J.E. (2020). Farming smarter with big data: Insights from the case of Australia’s national dairy herd milk recording scheme. Agricultural Systems, 181, article number 102811. doi: 10.1016/j. agsy.2020.102811.
[19] Petrovska, I.R., Saliga, Yu.T., & Vudmaska, I.V. (2022). Statistical methods in biological research: A teaching and methodological manual. Kyiv: Agrarian Science.
[20] Poczta, W., Średzińska, J., & Chenczke, M. (2020). Economic situation of dairy farms in identified clusters of European Union countries. Agriculture, 10(4), article number 92. doi: 10.3390/agriculture10040092.
[21] Ruban, S., Danshyn, V., Matvieiev, M., Borshch, O.O., Borshch, O.V., & Korol-Bezpala, L. (2022). Characteristics of lactation curve and reproduction in dairy cattle. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 70(6), 373-381. doi: 10.11118/actaun.2022.028.
[22] Schillings, J., Bennett, R., & Rose, D.C. (2023). Perceptions of farming stakeholders towards automating dairy cattle mobility and body condition scoring in farm assurance schemes. Animal, 17(5), article number 100786. doi: 10.1016/j.animal.2023.100786.
[23] Shi, W., Dai, B., Shen, W., Sun, Yu., Zhao, K., & Zhang, Yo. (2023). Automatic estimation of dairy cow body condition score based on attention-guided 3D point cloud feature extraction. Computers and Electronics in Agriculture, 206, article number 107666. doi: 10.1016/j.compag.2023.107666.
[24] Vinyukov, O.O., Gorbatykh, V.V., Dubin, R.A., Markov, R.V., Parkhomenko, L.I., Senchuk, N.D., Skuridin, V.L., Tymchuk, V.M., Khalin, S.F., & Shablya, V.P. (2021). School of Farming 2.0: A practical guide. Severodonetsk.
[25] Weik, F., Archer, J.A., Morris, S.T., Garrick, D.J., Miller, S.P., Boyd, A.M., Cullen, N.G., & Hickson, R.E. (2021). Live weight and body condition score of mixed-aged beef breeding cows on commercial hill country farms in New Zealand. New Zealand Journal of Agricultural Research, 65(2-3), 172-187. doi: 10.1080/00288233.2021.1901235.
[26] Yurochka, S.S., Dovlatov, I.M., Pavkin, D.Y., Panchenko, V.A., Smirnov, A.A., Proshkin, Y.A., & Y udaev, I. (2023). Technology of automatic evaluation of dairy herd fatness. Agriculture, 13(7), article number 1363. doi: 10.3390/agriculture1307136.