Kako do savršenog obroka za visokomliječne krave?

Prosječne i tablične vrijednosti nisu dovoljne za precizno sastavljanje obroka visokomliječnih krava. S obzirom na to da hrana čini između 50 i 70 posto ukupnih troškova u proizvodnji, svaka greška u procjeni direktno utiče na mliječnost, zdravlje stada i konačni dohodak farme.

O temi "Data driven pristup formulacijama obroka mliječnih krava", govorio je na ovosedmičnoj radionici Federanog zavoda za poljoprivredu u Sarajevu, profesor emeritus dr. Darko Grbeša sa Sveučilišta u Zagrebu, ističući da precizna hranidba smanjuje obim posla za farmera, ali istovremeno zahtijeva više znanja za pravilno tumačenje podataka.

"Standardne tablične vrijednosti i prosjeci važe samo za krave koje proizvode do 20 ili 25 kilograma mlijeka. Kada se ide na visoku mliječnost, prosjeci više ne važe i sa njima pravite velike greške. Danas, hranidbeni sistemi sadrže od 27 do 50 podataka o svakom krmivu i o svakoj kravi, i oni zasad najbolje opisuju šta je životinji zaista potrebno", objasnio je Grbeša.

Analiza krmiva važnija od prosjeka

Stvarni sastav krmiva se može znatno razlikovati od vrijednosti navedenih u tablicama. To posebno dolazi do izražaja kod silaže. Grbeša je naveo primjere analiza iz Hrvatske koje pokazuju velike razlike u kvalitetu kukuruzne silaže. U uzorcima s dvije farme sadržaj škroba iznosio je 10, odnosno 32 posto. Takve razlike značajno utječu na količinu energije koju krava dobija iz obroka.

"Ako obrok sastavljate na osnovu prosječnih vrijednosti, pravite veliku grešku koja se kod visokomliječne krave osjeti. Ili će se debljati ili će davati manje mlijeka", istakao je.

Najviše se griješi u analizi suhe tvari. Ako se u obroku koristi ista količina svježe silaže, krava neće nužno dobiti istu količinu hranjivih materija. Silaža s većim sadržajem vlage osigurava manje suhe tvari, a time i manje hranjivih materija u istoj količini svježe mase.

"Uzmimo za primjer da silaža ima 34% suhe tvari i da je energetska vrijednost 6,5 mega džula u kilogramu. Kada je kravi sve ostalo dato koliko treba, teoretski bi iz 20 kg svježe silaže, u prosjeku trebala dati 13,8 l mlijeka. Međutim, ako silaža ima 26% suhe tvari, dobijete 10 l. Ako ima 40%, teoretski možete dobiti 20 litara. Dakle, vi ste koristeći prosječnu vrijednost, kravi dali ili previše ili premalo", pojasnio je Grbeša.

Prema njegovim preporukama, sadržaj vlage u voluminoznoj krmi trebalo bi kontrolisati najmanje jednom sedmično, hemijski sastav i hranjivu vrijednost pratiti analizama, a kvalitet silaže provjeravati jednom mjesečno. Analizu minerala preporučio je četiri puta godišnje.

Senzori, kamere i digitalni sistemi

Precizna hranidba ne oslanja se samo na laboratorijske analize. Sve značajniju ulogu imaju senzori, kamere i digitalni sistemi koji automatski prikupljaju podatke o životinjama.

Senzori postavljeni na kravi mogu automatski prikupljati podatke o pojedinim pokazateljima njenog stanja i aktivnosti. Kada se povežu s drugim uređajima i hranidbenim softverom, ti podaci omogućavaju preciznije praćenje potreba životinje i prilagođavanje obroka. Preduvjet je da farma ima dobar internet.

"Dakle, vi možete imati senzor, recimo za žvakanje, 3D kamere koje pokazuju koliko je krava pojela hrane. Ta kamera je danas bagatela, a snima kravu odozgo i dobijate podatke o kondiciji svake krave i njenu težinu. To sve kada se integrira, ulazi u vaš hranidbeni program", precizirao je profesor.

On je naglasio i važnost pravilnog baždarenja uređaja i laboratorijskih metoda. Pogrešno izmjeren podatak može dovesti do pogrešne procjene potreba životinje i niza odluka koje se negativno odražavaju na proizvodnju. Posebno je važna pravilna interpretacija rezultata jer različiti sistemi za procjenu hranjivosti krmiva koriste različite pokazatelje i jedinice. Evropske zemlje, na primjer, primjenjuju više hranidbenih sistema, među kojima su INRA, DLG, CVB i NorFor, dok se u međunarodnoj praksi koristi i američki sistem NASEM.

Iako se nazivi pojedinih hranjivih vrijednosti razlikuju, oni mogu opisivati srodne procese i potrebe. Zbog toga je važno razumjeti na kojem je sistemu zasnovan program za sastavljanje obroka i kako se njegovi rezultati trebaju tumačiti.

Isti obrok nije odgovarajući za svaku kravu

Razlike među životinjama dodatno otežavaju hranidbu. Čak i krave slične genetike, koje se hrane na isti način, mogu ostvarivati različitu proizvodnju mlijeka. Ako program za sastavljanje obroka ne uzima u obzir nivo hranidbe i proizvodnju životinje, može doći do značajnih grešaka u procjeni raspoložive energije. Posljedice se odražavaju na mliječnost, tjelesnu kondiciju i ukupnu efikasnost proizvodnje.

S druge strane, veći unos hrane može povećati sintezu mikrobnog proteina u buragu, pa se promjene ne odražavaju jednako na sve hranjive komponente. Ove međusobne interakcije razlog su zbog kojeg je hranidba mliječnih krava toliko zahtjevna.

Potrebe krave

Greške u procjeni hranjive vrijednosti krmiva i potreba životinja naročito su značajne kod visokomliječnih krava, posebno u prvih 100 dana laktacije. U tom periodu potrebe za energijom rastu, a ako ih hranidba ne prati, krava može gubiti tjelesnu kondiciju i postati podložnija metaboličkim poremećajima. Potrebe krave su određene težinom, kondicijom, mliječnošću, danom laktacije.

Profesor napominje da krave nastavljaju rasti i nakon prvog teljenja, zbog čega se njihove potrebe ne odnose samo na proizvodnju mlijeka. Prema podacima koje je predstavio, prirast prvotelki u prvoj laktaciji iznosi oko 190 grama dnevno, a u drugoj oko 150 grama i ona raste sve do kraja treće laktacije.

"Ako imate 100 grla trebate barem 4 puta godišnje mjeriti kondiciju. Danas nam tu pomaže tehnologija senzora. 3D kamere koje ne koštaju više od 200 eura snimaju gornji dio krave, gdje se ocjenjuje kondicija. Isto tako procjenjuje se težina i vi dnevno u kompjuteru dobijete koliko su krave teške i da li odstupaju od poželjne težine ili ne", zaključio je.

Rješenje je dakle u savremenim sistemima koji omogućavaju brzu analizu hrane i potreba životinja te sastavljanje obroka prilagođenog konkretnoj kravi. Kao primjer naveo je Sjedinjene Američke Države, gdje, prema njegovim riječima, 67 posto farmi koristi senzore koji prate pokrete žvakanja krava i tako daju podatke o njihovoj aktivnosti pri hranjenju.

Dodajte agroklub.ba u omiljeni Google izvor