Петак, 24. April 2020
Najnovije

Idealan obrok na farmi

Kada se postavlja pitanje niske otkupne cene mleka, to izaziva dosta nelagode kod farmera. Međutim, ono o čemu bi trebalo razmišljati je na koji način proizvodnja može da se optimizuje i pojeftini? Zamislite kada biste mogli za svaku kravu unapred da znate koliko maksimalno mleka može da da? I zamislite da je to moguće za kompletno stado. Genetika i tehnologija to omogućavaju.

Kompanija Sano primenjuje najnovije svetske standarde u analizi ishrane krava da bi se dobio idealan obrok, što automatski znači bolju probavljivost i veću produktivnost mlečnih krava. S tim u vezi je započela saradnju sa vodećom svetskom laboratorijom za ispitivanje komponenti u hrani, CVAS - Cumberland Valley Analytical Services. Laboratorija koristi CNCPS model (Cornell University Net Carbohydrate and Protein System) prilikom analize hrane i uzima u obzir preciznije ispitivanje proteina, masti i ugljenih hidrata.

Analize obroka koje se sprovode u sopstvenoj laboratoriji u Popovači daju vredne informacije i podatke za sastavljanje obroka. Za optimalan nivo produktivnosti I zdravlja životinja farmer treba da zna koje komponente hrane može da koristi kako bi sastavio najbolji obrok za svoje životinje.

Kako i kada se radi analiza

Uzorak silaže treba da bude reprezentativan, da odgovara materijalu koji se nalazi u silosu. Uzima se uzorak u gornjoj trećini silaže, u sredini i u donjoj trećini. Sve se to pomeša da se postigne homogeni uzorak, da završni uzorak bude prosečna vrednost silaže. Sistem je tako postavljen da se kompletan uzorak prati od samog prijema, do davanja konačne analize krajnjem korisniku.

 

Što je broj životinja na farmi veći, a time i veća potrošnja silaže, poželjno je češće uzimati uzorke i slati ih na analizu kako bi ono čime stvarno hranimo životinje bilo što sličnije recepturi po kojoj ih hranimo i na taj način postigli najbolje moguće rezultate u smislu proizvodnje i zdravlja životinja. Na većim farmama preporučuje se jednom mesečno analiza najznačajnijih krmiva.

 

Nove analitičke metode, omogućavaju povećanje efikasnosti laboratorijskih analitičkih postupaka. Ono za šta nam je još do pre nekoliko godina trebalo tridesetak komplikovanih analiza koje su se sprovodile po više dana, danas se završi za svega nekoliko sati. I što je još interesantnije, analize za koje je nekada bilo potrebno „brdo” laboratorijskih aparata i opreme, ovom tehnikom se za nekoliko minuta sprovode na jednom relativno malom uređaju, koji podseća na običan računar.

Dublji uvid u sastav obroka

Naravno, sve funkcioniše na bazi moćnog softvera sa detaljno razrađenim  algoritmima. Pored osnovnih parametara, analiza sadrži sve frakcije proteina (9 vrsta) i veliki broj informacija o vlaknima uključujući NDF i uNDF probavljivost u razdoblju od 30 do 240 sati, ugljene hidrate gde izdvajamo šećer i njegovu probavljivost,  kiseline u silaži, masne kiseline, nezasićene masne kiseline,  pojedine minerale, kao i proračun  raznih pokazatelja  energije i indeksa,  te DCAD i dr. Naglašavamo da se probavljivost određuje u nativnom uzorku.

Dublji uvid u sastav obroka znači za detaljan pregled hranjivih tvari i njihovoj probavljivosti tokom određenog vremenskog razdoblja, amino i masnih kiselina, frakcije vlakana i skroba.

Od 60 do 70 posto potreba muznih krava za aminokiselinama osigurava se mikroorganizmima buraga. Preostala potreba mora se zadovoljiti unosom hrane.  Određene masne kiseline koje čine masti takođe imaju veliki uticaj na sintezu mlečne masti, proizvodnju mleka, zdravlje životinja i plodnost. Apsolutni sadržaj masti i sastav pojedinačnih masnih kiselina razlikuju se u zavisnosti koja hrana se koristi. To se naročito može videti kod travnatih silaža.

Pored apsolutnog sadržaja vlakana i skroba u hrani od naročite je važnosti koliko dobro i brzo životinja može iskoristiti ove vlaknaste sastojke, i koliko se brzo skroz razgrađuje u buragu.

Dobijeni rezultat silaže iz laboratorije se unosi u kompjuterski program za sastavljanje obroka. Taj model koristi podatke dobijene laboratorijskom analizom za predviđanje dinamike probave hranljivih materija u buragu, njihovu interakciju sa mikrobnom populacijom i predviđanje posledično moguće proizvodnje mleka. Na taj način imamo precizan sastav koji omogućava predviđanje precizne proizvodnje na bazi karakteristika hrane na farmi.

 

Ovde je logika jasna - Bolja hrana znači više mleka!