Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Efecto del clima sobre la respuesta térmica en vacas de diferentes grupos raciales en trópico bajo

Effect of climate on thermal response in cows of different racial groups in lower tropic



Cómo citar
Molina-Benavides, R. A., Perilla-Duque, S. M. ., Campos-Gaona, R. ., Sánchez-Guerrero, H. ., Rivera-Palacio, J. C. ., Muñoz-Borja, L. A., & Jiménez-Rodas, D. R. . (2023). Efecto del clima sobre la respuesta térmica en vacas de diferentes grupos raciales en trópico bajo. Revista MVZ Córdoba, 28(3), e2921. https://doi.org/10.21897/rmvz.2921

Dimensions
PlumX
Licencia
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Raúl Andrés Molina-Benavides
Sandra Milena Perilla-Duque
Rómulo Campos-Gaona
Hugo Sánchez-Guerrero
Juan Camilo Rivera-Palacio
Luis Armando Muñoz-Borja
Daniel Ricardo Jiménez-Rodas

Raúl Andrés Molina-Benavides,

Universidad Nacional de Colombia, Facultad de Ciencias Agropecuarias. Departamento de Producción Animal. Palmira, Colombia.


Sandra Milena Perilla-Duque,

Productos Naturales de la Sabana SAS “Alquería”. Palmira, Colombia.


Rómulo Campos-Gaona,

Universidad Nacional de Colombia, Facultad de Ciencias Agropecuarias. Departamento de Producción Animal. Palmira, Colombia.


Hugo Sánchez-Guerrero,

Universidad Nacional de Colombia, Facultad de Ciencias Agropecuarias. Departamento de Producción Animal. Palmira, Colombia.


Juan Camilo Rivera-Palacio,

Centro internacional de agricultura tropical. Grupo de Investigación de Agricultura Digital CGIAR. Palmira, Colombia.


Luis Armando Muñoz-Borja,

Centro internacional de agricultura tropical. Grupo de Investigación de Agricultura Digital CGIAR. Palmira, Colombia.


Daniel Ricardo Jiménez-Rodas,

Centro internacional de agricultura tropical. Grupo de Investigación de Agricultura Digital CGIAR. Palmira, Colombia.


Objetivo. La idea principal de este estudio fue cuantificar la relación entre las variables climáticas y la temperatura corporal timpánica registrada mediante el uso de sensores inalámbricos en vacas en pastoreo ubicadas en trópico bajo. Material y métodos. Se monitorizó la temperatura timpánica de veintiocho vacas en pastoreo, de varias razas, en lactación temprana. Los sensores se instalaron manualmente en el canal timpánico, registrando datos cada hora durante 17 días. Los datos climáticos se obtuvieron de la red de estaciones meteorológicas del Centro de Investigación de la Caña de Azúcar “Cenicaña”, el cual se encuentra ubicado en la ciudad de Cali, Colombia; estos datos se analizaron con el mismo intervalo de tiempo de la temperatura. La información se analizó mediante estadística descriptiva, matrices de correlación y modelos Random Forest, a través del software R. Resultados. A partir de los datos fisiológicos recolectados automáticamente y analizados mediante Big data, se evaluaron los procesos de termorregulación, a través, de variables de respuesta. Encontramos que las variables temperatura ambiental, humedad relativa y, radiación solar fueron los factores que más influyeron en el proceso de adaptación homeotérmica de los animales. Conclusiones. La introducción de dispositivos remotos, y el uso de una gran cantidad de datos para el análisis de indicadores fisiológicos, evita modificar el comportamiento natural de los animales y surge como una importante estrategia de diagnóstico y gestión en fincas ganaderas, ayudando en los estudios de estrés calórico, adaptación fisiológica y, prevalencia a enfermedades hemotrópicas, la cuales reducen la productividad de los sistemas.


Visitas del artículo 159 | Visitas PDF


Descargas

Los datos de descarga todavía no están disponibles.
  1. Collier R, Gebremedhin K. Thermal biology of domestic animals. Annu. Rev. Anim. Biosci. 2015; 3:513–532. https://doi.org/10.1146/annurev-animal-022114-110659
  2. de Vasconcelos A, de Albuquerque C, de Carvalho J, Façanha E, Lima F, Silveira R et al. Adaptive profile of dairy cows in a tropical region. Int J Biometeorol. 2020; 64(1):105–113. https://doi.org/10.1007/s00484-019-01797-9
  3. Oosting S, Udo H, Viets T. Development of livestock production in the tropics: Farm and farmers’ perspectives. Animal. 2014; 8(8):1238–1248. https://doi.org/10.1017/S1751731114000548.
  4. Barragán-Hernández W, Mahecha-Ledesma L, Cajas-Jirón Y. Variables fisiológicas-metabólicas de estrés calórico en vacas bajo silvopastoreo y pradera sin árboles. Agron. Mesoam. 2015; 26(2):211. https://doi.org/10.15517/am.v26i2.19277
  5. Liu J, Chen L, Lu Y, Wang D. Effects of heat stress on body temperature, milk production, and reproduction in dairy cows: A novel idea for monitoring and evaluation of heat stress — A review. Asian-Australasian J. Anim. Sci. 2019; 32(9): 1332–1339. https://doi.org/10.5713/ajas.18.0743
  6. Barrera A, Angeli N, Machado L, Cardoso F, Gonzalez F. Relationships between heat stress and metabolic and milk parameters in dairy cows in southern Brazil. Trop. Anim. Health Prod. 2015; 47(5): 889–894. https://doi.org/10.1007/s11250-015-0804-9
  7. Lopes L, Eckstein C, Pina D, Carnevalli R. The influence of trees on the thermal environment and behaviour of grazing heifers in Brazilian Midwest. Trop. Anim. Health Prod. 2016; 48(4): 755–761. https://doi.org/10.1007/s11250-016-1021-x.
  8. Piñeros-Barón R, Mora-Delgado J. Índice de temperatura y humedad en una pastura convencional y un sistema agroforestal en el trópico seco de Colombia. Zootec Trop. 2015; 33(3):207–216.
  9. Martínez R, Gallego J, Onofre G, Pérez J, Vasquez R. Evaluación de la variabilidad y potencial genético de poblaciones de bovinos criollos colombianos. Anim Genet Resour Inf. 2009; 44:57–66. https://doi.org/10.1017/S1014233900002868.
  10. Milani M, Hense A, Rahmani E, Ploeger A. A Pilot Investigation of the Relationship between Climate Variability and Milk Compounds under the Bootstrap Technique. Foods. 2015; 4(4):420–439. https://doi.org/10.3390/foods4030420
  11. Scharf B, Leonard M, Weaber R, Mader T, Hahn G, Spiers D. Determinants of bovine thermal response to heat and solar radiation exposures in a field environment. Int J Biometeorol. 2011; 55(4):469–480. https://doi.org/10.1007/s00484-010-0360-y.
  12. Moretti R, Biffani S, Chessa S, Bozzi R. Heat stress effects on Holstein dairy cows’ rumination. Animal. 2017; 11:2320–2325. https://doi.org/10.1017/S1751731117001173.
  13. Correa-García Z, Campos R, Flórez H. Physiological adaptation indicators of three Colombian Creole cattle breeds. Rev. Fac. Nac. Agron. 2022; 75(2): 9951–9960. https://doi.org/10.15446/rfnam.v75n2.95718
  14. da Costa A, Feitosa J, Montezuma P, de Souza P, de Araújo A. Rectal temperatures, respiratory rates, production, and reproduction performances of crossbred Girolando cows under heat stress in northeastern Brazil. Int J Biometeorol. 2015; 59(11):1647–1653. https://doi.org/10.1007/s00484-015-0971-4.
  15. Gomes da Silva R, Façanha Morais D, Guilhermino M. Evaluation of thermal stress indexes for dairy cows in tropical regions. Rev Bras Zootec. 2007; 36:1192–1198. http://dx.doi.org/10.1590/S1516-35982007000500028
  16. Mayer J, Davis J, Purswell J, Koury E, Younan N, Larson J et al. Development and characterization of a continuous tympanic temperature logging (CTTL) probe for bovine animals. Trans ASABE. 2016; 59(2):703–714. https://doi.org/10.13031/trans.59.11367
  17. Godyń D, Herbut P, Angrecka S. Measurements of peripheral and deep body temperature in cattle – A review. J Therm Biol. 2019; 79:42–49. https://doi.org/10.1016/j.jtherbio.2018.11.011
  18. Sellier N, Guettier E, Staub C. A Review of Methods to Measure Animal Body Temperature in Precision Farming. Am J Agric Sci Technol. 2014; 2(2):74-99. https://doi.org/10.7726/ajast.2014.1008
  19. Neethirajan S. Transforming the adaptation physiology of farm animals through sensors. Animals. 2020; 10(9):1–24. https://doi.org/10.3390/ani10091512
  20. Arce A, Tech A, Silva A, Costa E. Monitorización de rebaños de bovinos a través de redes de sensores inalámbricos. Arch. Zootec. 2009; 58(222):253–263. https://doi.org/10.4321/s0004-05922009000200010
  21. Odintsov Vaintrub M, Levit H, Chincarini M, Fusaro I, Giammarco M, Vignola G. Review: Precision livestock farming, automats and new technologies: possible applications in extensive dairy sheep farming. Animal. 2021; 15(3):100143. https://doi.org/10.1016/j.animal.2020.100143
  22. García K, Campos R, Giraldo L. Suplementación vitamínica y mineral como estrategia para reducir la incidencia de cetosis bovina en el trópico bajo. Rev Colomb Cienc Anim - RECIA. 2016; 8(2):204–213. https://doi.org/10.24188/recia.v8.n2.2016.188.
  23. Cavestany D, Blanc J, Kulcsar M, Uriarte G, Chilibroste P, Meikle A et al. Studies of the transition cow under a pasture‐based milk production system: metabolic profiles. J Vet Med A Physiol Pathol Clin Med. 2005; 52(1):1–7. https://doi.org/10.1111/j.1439-0442.2004.00679.x
  24. Veléz-terranova M, Molina Benavides R, Sánchez Guerrero H, Campos Gaona R, Perilla S. Influence of climatic conditions on tympanic temperature and milk production in grazing cows. J Anim Behav Biometeorol. 2021; 9(2132):1–9. https://doi.org/10.31893/jabb.21032
  25. R Studio Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2020
  26. Hastie T, Tibshirani R, Friedman J. The Elements of Statistical Learning. Elements. 2009; 1: 337–387. https://doi.org/10.1007/b94608
  27. Gomes da Silva R, Campos Maia A. Principles of Animal Biometeorology. Netherlands. Springer Dordrecht. 2013.
  28. Koltes J, Koltes D, Mote B, Tucker J, Hubbell D. Automated collection of heat stress data in livestock: New technologies and opportunities. Transl Anim Sci. 2018; 2(3):319–323. https://doi.org/10.1093/tas/txy061.
  29. Jara I, Keim J, Arias R. Behaviour, tympanic temperature and performance of dairy cows during summer season in southern Chile. Arch Med Vet. 2016; 48(1):113–118. https://doi.org/10.4067/S0301-732X2016000100014.
  30. Hillman P, Gebremedhin K, Willard S, Lee C, Kennedy A. Continuous Measurements of Vaginal Temperature of Female Cattle Using A Data Logger Encased in a Plastic Anchor. Appl Eng Agric. 2009; 25(2):291–296. https://doi.org/10.13031/2013.26332.
  31. Martello L, Junior H, Silva S, Titto E. Respostas Fisiológicas e Produtivas de Vacas Holandesas em Lactação Submetidas a Diferentes Ambientes. R Bras Zootec. 2004; 33(1):181–191. https://doi.org/10.1590/S1516-35982004000100022
  32. Gantner V, Bobic T, Gantner R, Gregic M, Kuterovac K, Novakovic J et al. Differences in response to heat stress due to production level and breed of dairy cows. Int J Biometeorol. 2017; 61(9):1675–1685. https://doi.org/10.1007/s00484-017-1348-7.
  33. Ruiz-Jaramillo J, Vargas-Leitón B, Abarca-Monge S, Hidalgo H. Heat stress effect on dairy cattle production in Costa Rica. Agron Mesoamerican. 2019; 30(3): 733–750. https://doi.org/10.15517/am.v30i3.35984.
  34. Anzures-Olvera F, Véliz F, de Santiago A, García J, Mellado J, Macías-Cruz U et al. The impact of hair coat color on physiological variables, reproductive performance and milk yield of Holstein cows in a hot environment. J Therm Biol. 2019; 81: 82–88. https://doi.org/10.1016/j.jtherbio.2019.02.020.
  35. Molina R, Silva F, Perilla S, Sánchez H. Caracterización del ambiente térmico para la actividad ganadera bovina en el Valle del Cauca, Colombia. Acta Agron. 2016; 65(4):406-412. https://doi.org/10.15446/acag.v65n4.49018.
  36. Wijffels G, Sullivan M, Gaughan J. Methods to quantify heat stress in ruminants: Current status and future prospects. Methods. 2021; 186:3–13. https://doi.org/10.1016/j.ymeth.2020.09.004

Sistema OJS 3.4.0.3 - Metabiblioteca |