Sazonalidade da produção de leite e sólidos e do perfil de ácidos graxos em rebanhos leiteiros do Paraná

Abstract

Resumo: A sazonalidade da produção impacta diretamente as propriedades rurais que enfrentam as variações na oferta e na composição dos alimentos, de produção de leite e do mercado (preços de leite e de insumos). A composição do leite afeta principalmente a rentabilidade do negócio, sendo oportunidade tanto para a indústria como para o produtor. Em fazendas, pode-se otimizar a produção acompanhando principalmente o potencial fisiológico dos animais. Em indústria pode-se ter melhor entendimento do mercado, planejar e maximizar produção, aumentando as margens de lucro. Os objetivos desse trabalho foi verificar os aspectos de sazonalidade da produção de leite de tanques e de animais comparando com os resultados já obtidos em outros países, descrever o perfil de ácidos graxos da gordura do leite em tanques de leite e buscar alternativas para aumento da saúde ruminal e por consequência entender a influência do manejo no perfil das fazendas. Rebanhos da região dos Campos Gerais do Paraná foram escolhidos devido a predominância de mesma raça, maior consistência e homogeneidade em sistemas de produção e similar processo de manejo, tendo fontes similares de produtos para as dietas. Um primeiro banco de dados de tanques de leite foi cedido pelas cooperativas da região e um segundo banco de dados com a produção individual de vacas foi cedido pela ABCBRH. A coleta de dados em 30 propriedades em 4 diferentes estações do ano foi conduzida. Procedimento estatístico de regressão trigonométrica foram usados para avaliação das curvas sazonais para tanques e vacas, sendo este relacionado ao ciclo circadiano baseado na fisiologia da vaca em 12 meses. Procedimentos estatísticos como MIXED e GLIMMIX do SAS, com inclusão de efeitos fixos e aleatórios foram usados para comparar fazendas categorizadas como alta, média e baixa síntese de AG De Novo. Encontramos significância para os ritmos sazonais que corroboram a relação entre ciclo circadiano fisiológico, sendo que nos tanques de leite os picos de concentração de gordura foram em junho, % proteína em maio e % lactose em setembro. Nas amostras de vacas identificamos picos de % proteína em maio, % gordura em junho, kg de proteína e kg de gordura em agosto, % lactose e volume de leite em setembro. Para o perfil de ácidos graxos no leite encontramos potencial sazonal com diferença ao longo das estações. Encontramos diferença entre os grupos para % gordura e % proteína, sendo esses maiores para as fazendas ADN (Alto De Novo) vs. BDN (baixo De Novo). As fazendas ADN apresentaram menor densidade de vacas (m²/vacas) do que as fazendas BDN. Não foram detectadas diferenças entre as fazendas ADN e BDN para matéria seca dietética, proteína bruta, fibra em detergente neutro ou amido. Nossa pesquisa contribui para entendermos melhor os aspectos de sazonalidade e de manejo que impactam a composição de leite. Existe fatores endógenos que impactam a sazonalidade e fatores de manejo que impactam essa regulação. Entender melhor esses aspectos trarão maior otimização e planejamento para produtores e indústria.

Abstract: The seasonality of production has an immediate effect on rural properties that are subject to fluctuations in food and milk output, as well as the market (milk and input prices). The composition of milk and its health implications have a significant impact on the profitability of a business, presenting an opportunity for both the industry and the producer. On farms, productivity may be maximized by focusing primarily on the physiological capacity of animals. Gaining a deeper grasp of the market, planning and optimizing production helps increase profit margins in the business sector. The objectives of this study were to verify the seasonality of milk production at the tank and animal level, comparing the results to those already obtained in other countries; to understand the fatty acid profile of the milk tank with the secondary goal of seeking alternatives to improve ruminal health; and, consequently, to comprehend the impact of management on the farm profiles. Herds from the region of Campos Gerais were selected owing to their larger prevalence of the same breed, more stability and homogeneity in production systems, and similar management procedures, which have similar sources of dietary items. Regional cooperatives supplied a database at the tank-level tier. Holstein breed organization supplied a second database with individual cow productivity. In 2021, data was collected on thirty homes across four distinct seasons. The trigonometric regression statistical method was used to analyze seasonal curves for tanks and cows, which were tied to the circadian cycle based on the cow's physiology over the course of one year. Statistical methods such as MIXED and GLIMMIX from SAS, including fixed and random effects, were used to compare farms categorized as high, medium, or low in GA De Novo synthesis. The maxima of fat content occurred in June, protein in May, lactose in September, and CCS in February, confirming the link between the physiological circadian cycle and the milk tanks. We did not see any seasonality in the CPP of milk tanks. At the farm level, we discovered that the maxima of CCS percent protein, percent fat, protein yield, fat yield, percent lactose, and average output are, respectively, April, May, June, August, August, September, and September. Regarding the fatty acid composition of milk, we discovered a seasonal variation that differs between seasons. We discovered variations between groups for percent fat, percent protein, and AG De Novo, with the variances being bigger for DNA farms compared to BDN farms. ADN farms included fewer cows per unit area (m2/cows) than BDN farms. Dietary dry matter, crude protein, neutral detergent fiber, and starch did not change across DNA and BDN farms. Our research leads to a greater comprehension of the seasonality and management factors that influence milk composition. This regulation is influenced by both endogenous and managerial variables. Producers and the industry will be able to plan and optimize more effectively if they have a deeper understanding of these factors.