Ciencia Animal

Impacto de la tecnología de bancos de biomasa con pasto CUBA CT-115 en una lechería de la zona tropical del centro de Veracruz, México

R.S. Gudiño Escandon^{1  3  *} 
http://orcid.org/0000-0002-1013-805X

J.A. Díaz-Untoria² 
http://orcid.org/0000-0002-8174-1382

Verena Torres Cárdenas² 
http://orcid.org/0000-0002-7451-8748

Cynthia O. Retureta González² 
http://orcid.org/0000-0003-2846-4205

C. R. Padilla Corrales² 
http://orcid.org/0000-0002-6828-122X

R. O. Martínez Zubiaur² 
http://orcid.org/0000-0002-3420-6862

V.E. Vega-Murillo¹ 
http://orcid.org/0000-0002-0847-8944

¹ Facultad de Medicina Veterinaria y Zootecnia, Universidad Veracruzana, México.

² Instituto de Ciencia Animal, Apartado Postal 24, San José de las Lajas, Mayabeque, Cuba

³ Unión Ganadera Regional de la Zona Central de Veracruz, México

Resumen

Para evaluar el impacto de la tecnología de los bancos de biomasa con Cenchrus purpureus vc. Cuba CT-115 en la ganadería de doble propósito, se captaron datos de 14 indicadores durante seis años. De estos, tres tuvieron el manejo normal de la zona, y tres bancos de biomasa. La combinación trimestre-año permitió confeccionar una matriz con un total de 24 filas. Se utilizó el Modelo Estadístico de Medición de Impacto para interpretar los resultados. Se seleccionaron tres componentes principales (CP), que explicaron 83.87 % de la variabilidad. El CP1 explicó 56 %, CP2 16.47 % y CP 3 11.3 %. Las tres nuevas variables se renombraron como producción, suplementos y productividad, respectivamente, de acuerdo con las variables que tuvieron preponderancia superior a 0.65 en cada componente. Con estas variables se estimaron los índices de impacto de cada escenario. El componente Producción cambió sus valores de impacto, de negativo a positivo, en los tres años con bancos de biomasa, lo que mostró la ventaja de la introducción de la tecnología. Mediante correlaciones lineales se estimó que, en cada trimestre, el número total de vacas se incrementó en 1.84 ± 0.14; la producción de leche en 298.37 ± 45.87 kg, el peso vivo destetado en 44.81 ± 9.59 kg y la carga en 0.057 ± 0.07 UGM/ha. La tecnología de bancos de biomasa permitió mejorar indicadores de importancia para la ganadería de doble propósito.

Palabras clave: doble propósito; Modelo Estadístico de Medición de Impacto; alimentación en el período seco; Cenchrus purpureus; Pennisetum purpureum Schumach

En el trópico de México, la explotación de ganado bovino se desarrolla, principalmente, mediante el pastoreo de gramas nativas, Axonopus y Paspalum, con bajo potencial de producción de forraje. La producción de forraje tiene lugar, principalmente, en praderas de pastos Cynodon plectostachyus, Megathyrsus maximus, Hiparrhenia rufa, Digitaria decumbens, Pennisetum purpureum, Echinochoa polystachya y Andropogon gayanus (^{Enríquez et al., 2011}).

^{García et al. (2019}) refieren que, en la llanura costera de Veracruz, el pasto es la fuente principal de alimento del ganado bovino. Sin embargo, resulta escaso y de mala calidad, debido al mal uso de las praderas, sobre todo durante la sequía. En fincas ganaderas de doble propósito, ubicadas en la zona tropical de la región centro de Veracruz, el déficit de materia seca en el período poco lluvioso se puede cubrir, si se aplican tecnologías que mejoren la distribución de la producción de materia seca destinada al ganado durante el año (^{Gudiño et al. 2018}).

La tecnología de los bancos de biomasa con Cuba CT-115 (Cenchrus purpureus) se ha estudiado y extendido en la ganadería cubana a partir de 1995. Consiste en segregar hasta 30 % del área de la lechería sembrada con Cuba CT-115, desde agosto hasta noviembre, para almacenar y pastar en tres rotaciones, entre 20 y 25 t de MS/ha, durante el período seco (^{Martínez y Herrera 2005}).

A partir del criterio de varios autores, ^{Gudiño (2019}) define la transferencia de tecnología en la ganadería como la aplicación del conocimiento generado desde la investigación a la solución de problemáticas de la producción animal, teniendo en cuenta las condiciones específicas de la unidad de producción de forma integral, con capacitación y seguimiento a los productores.

La introducción de una nueva tecnología transcurre en función de la producción, sin testigos en el sistema y con amplia relación entre los factores del proceso productivo (^{Gaynor 2006}).

Existen metodologías, modelos y procedimientos para la evaluación del impacto en varios factores, algunos generales, con pretensiones de universalidad (^{Angelelli y Gligo 2002}); otros específicos para situaciones o aspectos concretos (^{Días 2008}), y otros cualitativos, con amplias bases de datos, de carácter estático o dinámico.

El impacto de una tecnología se entiende como los cambios logrados en el tiempo con la introducción de una técnica o conocimiento, determinados por aspectos tecnológicos, productivos, económicos, sociales, ambientales, y su interrelación. La determinación del impacto se logra mediante un sistema de información responsable, que mide la mayor cantidad de variables (^{Torres et al. 2019}).

En la esfera agropecuaria, el Modelo Estadístico de Medición de Impacto (MEMI) se ha aplicado en Cuba (^{Chacón 2009}, ^{Raez 2012} y ^{Barreto 2012}), y en países como México (^{Ruiz et al. 2012}) y Ecuador (^{Vargas et al. 2011}).

Según ^{Font y Guerrero (2005)}, la multiplicidad de variables puede ser muy compleja, y las técnicas multivariadas, como el análisis de componentes principales (ACP), y el análisis jerárquico o de Cluster, pueden ayudar a interpretar la compleja realidad de diversos factores que se interrelacionan al valorar la adopción de una nueva tecnología.

El objetivo de este trabajo fue evaluar el impacto de la tecnología de los bancos de biomasa con Cuba CT-115 en la ganadería de doble propósito en una lechería comercial, representativa de la ganadería del trópico de Veracruz.

Materiales y Métodos

Localización y manejo. El estudio se desarrolló de 2014 a 2019, en una lechería comercial que dispone de 26 ha en un sistema doble propósito, representativa de la ganadería del trópico de Veracruz, en el municipio de Jamapa, México. Esta instalación se halla ubicada en las coordenadas latitud norte de 19° 14´ y longitud oeste de 96°14´, a 21 m s.n.m. El clima de la región es tropical AW, de acuerdo con la clasificación Köppen- Geiger, con temperatura media anual de 25.9° C y precipitación pluvial media anual de 1.108 milímetros (^{Domínguez et al. 2017}).

La investigación consistió en seis años de estudio. Comprendió tres años, con el manejo normal de la zona, y tres con el banco de biomasa. La colección de datos comenzó en el 2014, sin bancos de biomasa, cuando la finca contaba con 24 vacas y 11 potreros grandes de gramíneas, con bajo rendimiento y calidad, durante el período seco. En el trascurso de los seis años, se ofreció siempre sales minerales a voluntad y bloque multinutricional; además de heno y ensilaje. Se suministró de 6 a 8 h en establo, solo en el período seco. Las cantidades variaron según el desarrollo de la tecnología, excepto para el bloque, que se ofertó a razón de 0.5 kg/d. El período de estabulación fue de 7:00 a.m. a 4:00 p.m. El área para producir heno fue de 1 ha de Digitaria decumbens y 1 ha de Cenchrus purpureus vc. Cuba CT-169 para ensilaje, no incluidas en las 26 ha de la tecnología. Las vacas se ordeñaron una vez por día, a partir de las 7:00 a.m. Después del ordeño, pasaron al área de amamantamiento durante dos horas.

La aplicación de la tecnología se inició luego del establecimiento del banco de biomasa con Cuba CT-115 en 7.8 ha, divididas en 15 cuartones, lo que representa 30 % de la finca. El pastoreo comenzó en diciembre de 2016, con 24 vacas mestizas Cebú y Holstein, que tenían de 450 a 500 kg de peso y buen estado físico. El período de ocupación por cuartón fue de 4, 3 y 2 d en la primera, segunda y tercera rotación respectivamente, para 60, 45 y 30 d con Cuba CT-115, que cubrió 135 d de pastoreo. Se fertilizó con urea, a razón de 50 kg de N/ha, de forma localizada, solo en la primera rotación. En las 18 ha, que representan 70 % de la finca, compuestas por Digitaria decumbens, Brachiaria decumbens, Brachiaria brizantha, Cynodon nlemfuensis, el pastoreo se realizó a continuación del banco de biomasa, en cada rotación, en 10 potreros, con períodos de ocupación de 1 a 3 d, completando rotaciones de 90, 60 y 50 d, para un total de 210 d durante el período seco. Esta área se fertilizó también con urea, a razón de 50 kg de N/ha después de la primera rotación. Dos veces, en la época de seca, se pudo aplicar riego con lámina de 25 mm.

Matriz de datos. La matriz de datos se organizó por años y trimestres en las filas. Correspondieron a las columnas las 14 variables: total de vacas, vacas en ordeño, vacas secas, número de partos, vacas/d/potrero, producción trimestral de leche, producción leche/vaca/d, total de cuartones de Cuba CT-115, ensilaje utilizado (kg), ensilaje por vaca (kg), heno por vaca (kg), terneros destetados, peso vivo producido y unidades de ganado mayor (UGM)/ha.

Análisis estadístico. Para analizar y resumir la información recopilada se aplicó el MEMI, de ^{Torres et al. (2008}). Esta metodología combina diferentes técnicas multivariadas (componentes principales y Cluster) para realizar análisis integrales y determinar el comportamiento y la clasificación de los sistemas productivos (^{Torres 2015}). Los datos se procesaron con el sistema estadístico ^{IBM- SPSS (2012)}, versión 22 para Windows.

Se estimaron las regresiones lineales entre el número total de vacas, producción de leche, peso vivo producido, carga UGM/ha (Y) y el trimestre (X), con la aplicación del procedimiento REG de ^{SAS (2012)}.

Resultados y Discusión

La prueba de Káiser-Meyer-Olkin fue significativa (P < 0.001), con valor de 0.75, lo que indicó que la matriz de datos era la adecuada para la aplicación del MEMI. En el análisis de las CP, los tres primeros explicaron más de 83 % de la variabilidad estudiada. La CP 1 fue la que mayor varianza explicó (56.09 %), y fue la más importante. La CP 2 y 3 explicaron menor varianza (16.47 y 11.30 %, respectivamente) (tabla 1).

Tabla 1 Varianza total explicada por los CP 

Componente	Valor propio (λ)	Por ciento de la varianza	Por ciento acumulado
1	7.85	56.09	56.09
2	2.31	16.47	72.56
3	1.58	11.31	83.87

Resultados similares a los de esta investigación obtuvieron ^{Rodríguez et al. (2014}) en un trabajo sobre evaluación técnica, socioeconómica y medioambiental de una empresa genética de Mayabeque, Cuba, donde aplicaron el MEMI con el análisis de CP. Estos autores informaron que los primeros cuatro componentes explicaron 63.38 % de la variabilidad. La CP 1 fue la de mayor relación con las variables productivas, y explicó 40.9 % de la variabilidad. ^{Segura et al. (2017}), en un estudio acerca de la identificación de los factores determinantes en producción lechera, en Pastaza, Ecuador, determinaron que el índice de impacto contribuyó para establecer el comportamiento y los problemas en el desarrollo de las fincas. Tres componentes explicaron 78.7% de la varianza, siendo la CP1, denominada rebaño y producción, la que explicó 38.7 % de la variabilidad.

Mediante la matriz de componentes rotadas, por el método Varimax, se identificaron las variables con valores de preponderancia superiores a 0.65 (tabla 2). Las variables número total de vacas, vacas en ordeño, vacas secas, número de partos, producción por trimestre, total de cuartones de Cuba CT-115, número de terneros destetados, peso vivo producido y UGM/ha fueron los indicadores preponderantes en el CP 1. Por ello, esta nueva variable se denominó Producción.

Las variables vacas días por potrero, ensilaje utilizado, ensilaje por vaca y heno por vaca fueron los indicadores de mayor preponderancia de la CP 2, y se le denominó Suplementación. La variable producción de leche por vaca por día fue el único indicador preponderante en la CP 3, y se denominó Productividad.

Tabla 2 Matriz de componentes rotados por el método Varimax. 

Variable	Componentes
	Producción (CP1)	Suplementación (CP2)	Productividad (CP3)
Total de vacas	0.97	-0.14	0.12
Vacas en ordeño	0.84	0.00	0.44
Vacas secas	0.91	-0.22	-0.09
Partos	0.79	0.07	-0.21
Vacas días por potrero	-0.02	0.74	0.50
Leche por trimestre	0.74	-0.08	0.62
Leche por vaca por día	-0.02	-0.22	0.82
Área de CT-115	0.86	-0.43	-0.14
Ensilaje utilizado, kg	0.04	0.92	-0.26
Ensilaje por vaca, kg	-0.37	0.87	-0.17
Heno por vaca, kg	-0.51	0.70	-0.19
Terneros destetados	0.68	-0.38	0.19
PV producido	0.69	-0.40	0.23
Carga UGM ha	0.97	-0.14	0.12
Por ciento de varianza	56.09	16.47	11.31
Por ciento de varianza acumulado	56.09	72.56	83.87

^{Lok et al. (2009}) obtuvieron también índices de ponderación altos y positivos, al evaluar indicadores y el comportamiento animal de todo el hato en la unidad productiva Genético 4 de la granja del Instituto de Ciencia Animal, ubicado en Mayabeque, Cuba, al introducir la tecnología de banco de biomasa del Cuba CT-115, que resultó ser una alternativa viable para satisfacer el déficit de alimentos en el período estacional de seca.

^{Martínez et al. (2013}) en un trabajo de medición de impacto de factores que influyen en la producción de leche en fincas de Ciego de Ávila, Cuba, demostraron que el enfoque matemático describió el índice de impacto de las variables de mayor preponderancia en el análisis de componentes principales, al explicar la variabilidad en los factores que afectan la eficiencia en la producción.

Según ^{Torres et al. (2013}), los coeficientes de medidas factoriales expresan índices de impacto para cada escenario, en función de los componentes principales. Los resultados de este análisis para el CP Producción se presentan en la figura 1. Las barras muestran los impactos en los escenarios, desde el 2014 hasta el 2019. En los primeros 12 trimestres, no se aplicó la tecnología del banco de biomasa, con carga animal de 0.96 UGM/ha. Los cambios de valores negativos a positivos en los escenarios indican el impacto del banco de biomasa en los resultados, los cuales se refieren a los últimos 12 trimestres estudiados, correspondientes al período de 2017 a 2019. Esto demuestra que la CP Producción tuvo cambios desde que inició la aplicación de la tecnología del banco de biomasa.

Figura 1 Índices de impacto por año y trimestre para el CP1 Producción y Tecnología. 

Una situación similar se presentó en un estudio realizado por ^{Martínez et al. (2012)} acerca del análisis del impacto de la tecnología de los bancos de biomasa con el Cuba CT-115. Los autores citados utilizaron matrices rotadas para determinar en cada escenario los índices de impacto. Estos cambiaron sus valores, de negativos a positivos, con el transcurso de los años, lo que evidencia el impacto de dicha técnica.

En la figura 2, las barras representan los impactos del CP Suplementación en cada escenario. Los valores negativos corresponden a los trimestres del período lluvioso, que no recibieron heno o ensilaje, mientras que los positivos corresponden a períodos en los que sí se suplementó. Se aprecian valores positivos más bajos a partir de 2017, lo que indica una disminución de la cantidad de heno y ensilaje utilizado en el horario de establo durante los períodos de seca.

Figura 2 Índices de impacto por año y trimestre para el CP Suplementación 

Lo anterior dejó ver que el CP Suplementación no está relacionado con el CP Producción, y explica menos la variabilidad. Además, presentó valores de impacto menores durante los años que se utilizó el banco de biomasa. En la práctica, esto indica que antes del banco de biomasa, la suplementación con alimentos conservados era insuficiente para crecer en los principales indicadores productivos

En la figura 3, las barras representan los impactos del CP Productividad. La variable producción de leche por vaca por día fue el indicador preponderante. Este, por sí mismo, es de baja variabilidad, y aunque en las tablas siguientes se muestran discretos incrementos en productividad, no es la causa fundamental del incremento productivo. En este resultado influyó también el manejo productivo de la finca, ya que debido al bajo precio y demanda en el mercado de la leche, parte del hato durante el año se maneja en sistema vaca cría, y no en lechería.

Figura 3 Índices de impacto por año y trimestre para el CP Productividad. 

Resultados similares obtuvieron ^{Martínez et al. (2012)}, quienes en el estudio de la implementación y utilización de bancos de biomasa en nueve lecherías durante 10 años informaron incrementos de 0.2 L/vaca en ordeño por año y poca variabilidad. Una manera más detallada de mostrar los resultados con los indicadores productivos fue la utilización del procedimiento de Cluster para el agrupamiento de los escenarios con mayor similitud.

En la tabla 3, se presentan las medias y desviaciones estándar de las variables estudiadas para cada uno de los tres grupos confeccionados.

Tabla 3 Medias y desviaciones estándar de las variables estudiadas agrupadas en tres análisis de Cluster 

Variable	Grupo I Años 2014, 2015 Trimestre 1 de 2016		Grupo II Trimestres 2, 3 y 4 de 2016 y 2017 Trimestres 3 y 4 de 2018		Grupo III Año 2018, trimestres 1 y 2 de 2019
	Media	DE	Media	DE	Media	DE
Total de vacas	24.33	1.41	40.56	10.96	54.67	0.52
Vacas en ordeño	13.08	2.02	15.85	4.23	25.06	4.03
Vacas secas	11.26	1.95	24.41	7.30	29.56	3.88
Número de partos	4.56	2.07	7.22	1.99	11.33	1.86
Vacas días por potrero	237.02	9.83	150.37	29.77	235.16	33.14
Producción trimestral	4860.50	1016.81	5839.58	1800.24	9801.79	2362.50
Producción/vaca/día	4.12	0.56	4.03	0.39	4.25	0.31
Área de CT-115	0.55	0.30	6.80	1.22	7.65	0.00
Ensilaje utilizado, kg	19221.33	9302.64	9403.33	11238.21	17732.50	11012.73
Ensilaje por vaca, kg	786.67	382.13	252.78	330.56	325.15	202.27
Heno por vaca, kg.	457.11	238.71	142.25	219.54	60.33	93.47
Peso al destete, kg	132.78	6.04	135.31	8.04	138.73	15.88
Terneros destetados	3.44	1.01	8.22	2.91	8.33	2.34
PV producido, kg	451.79	124.34	1111.44	387.04	1171.83	353.71
Carga UGM/ha	0.93	0.06	1.56	0.42	2.11	0.02

El hecho de que en el grupo I se reunieran los trimestres iniciales con los indicadores mucho más bajos, demuestra que con el tiempo hubo un impacto productivo bien definido, capaz de separar en el grupo III los casos más productivos. El total de vacas, vacas en ordeño, vacas secas, terneros destetados, producción de leche (kg), peso vivo producido (kg) y carga UGM/ha, se incrementó en 124.7, 91.6, 162.5 142.2, 101.7, 159.4 y 126.9 % respectivamente, entre el grupo I y III. Como consecuencia, la implementación de la tecnología tuvo mayor capacidad de alimentar animales e incrementar el tamaño del hato en producción. El heno y el ensilaje utilizados disminuyeron paulatinamente en cada uno de los grupos, debido al incremento del forraje producido en el banco de biomasa.

Lo anterior se corrobora en el estudio de ^{Fortes et al. (2014}) acerca del crecimiento del Cuba CT-115 en la tecnología de bancos de biomasa. Estos autores refieren como resultado principal el incremento de la capacidad de carga, y el consiguiente aumento de la producción del hato. También se confirma en los resultados de ^{Alarcón et al. (2015}), quienes desarrollaron una investigación acerca de la transferencia de tecnología pecuaria en Santiago de Cuba, y concluyeron que el incremento de la base alimentaria con Cuba CT-115 permite aumentar los rendimientos de los rebaños.

Los análisis estadísticos de regresión entre el número total de vacas, producción de leche (kg), peso vivo producido (kg), carga UGM/ha y los trimestres, fueron altamente significativos (P < 0.001) (figura 4) y cuantifican el impacto de la tecnología del banco de biomasa en los estimadores de los parámetros productivos del hato. El número total de vacas se incrementó en 1.84 ± 0.14 animales por cada trimestre y la producción de leche en 298.37 ± 45.87 kg por trimestre. El peso vivo producido aumentó en 44.81 ± 9.59 kg por trimestre y la carga se incrementó en 0.057 ± 0.07 UGM/ha por cada trimestre.

^{Díaz et al. (2014}) informaron incrementos importantes en la producción de leche con bancos de biomasa de Cuba CT-115, en un estudio realizado en fincas de productores líderes, en Campeche, México. ^{Martínez y Medina (2018}), al analizar la influencia de la utilización de bancos de biomasa con Cuba CT-115 en el comportamiento estacional de la producción de leche en vacas Siboney de Cuba, concluyeron que esta tecnología es una alternativa para enfrentar los efectos del clima en regiones tropicales, que tienen de cuatro a seis meses de sequía, ya que aumenta la producción de leche por vaca y por hectárea, con mayor estabilidad en el proceso productivo anual.

Figura 4 Regresiones lineales del número total de vacas, producción de leche, peso vivo producido y carga UGM/ha y los trimestres. 

Conclusiones

La aplicación de la tecnología del banco de biomasa con Cuba CT-115 en una lechería de doble propósito, representativa de la ganadería del trópico de Veracruz, mostró un impacto favorable, de acuerdo con los resultados del modelo de medición de impacto, particularmente en el componente principal más relacionado con la respuesta a los cambios en producción.

Con el establecimiento de esta tecnología, la producción de forraje fue mayor, lo que permitió incrementar la carga, la producción de leche, el número total de vacas en el hato, el peso vivo destetado y la reducción de suplementación. Se logró así superar el déficit de alimentos que provoca el período seco en el ecosistema de la zona tropical del centro de Veracruz.

Agradecimientos

Se agradece al editor y a los árbitros por contribuir a mejorar la calidad de este trabajo, así como al Instituto de Ciencia Animal de la República de Cuba, por el apoyo para la realización de esta investigación.

REFERENCIAS

Alarcón, O., Sagaró, F. & Martínez, X. 2015. "Results of different livestock technology transfer in units of Santiago de Cuba". Abanico Veterinario, 5(2), ISSN: 2448-6132, Available: <http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-61322015000200038 >, [Consulted: February 25th, 2020].

Angelelli, P. & Glido, N. 2002. Apoyo a la innovación tecnológica en América Central: La experiencia del fondo para la Modernización Tecnológica y Empresarial de Panamá. Informe de Trabajo. División de Micro, Pequeña y Mediana Empresa, Banco Interamericano de Desarrollo. Available: <https://publications.iadb.org/es/publicacion/16072/apoyo-la-innovacion-tecnologica-en-america-central-la-experiencia-del-fondo-para>, [Consulted: February 24th, 2020].

Barreto, O. 2012. Evaluación de la producción de leche vacuna en la UBPC Maniabo de Las Tunas. MSc. Thesis. Departamento de Rumiantes, Instituto de Ciencia Animal, La Habana, Cuba.

Chacón, M.M. 2009. Evaluación del comportamiento económico-productivo de lecherías con diferentes sistemas de producción en la empresa El Tablón de la Provincia de Cienfuegos. MSc Thesis. Departamento de Rumiantes, Instituto de Ciencia Animal, Mayabeque, Cuba.

Dias, A.F. 2008. Avaliação dos impactos econômicos de tecnologias agropecuárias. In: Avaliação dos impactos de tecnologias geradas pela Embrapa. Metodologia de referência. 1st Ed. Dias, A.F., Stachetti, G. & Vedovoto, G.L. (eds.). Ed. Embrapa Informação Tecnológica. Brasilia DF, Brasil, pp. 27-28, ISBN: 978-85-7383-420-8

Díaz, A., Sardiñas, Y., Castillo, E., Padilla, C.R., Jordán, H., Martínez, R.O., Ruiz, T.E., Díaz, M.F., Moo, A.F., Gómez, O., Alpide, D., Arjona, M.R. & Ortega, G. 2014. "Caracterización de ranchos ganaderos de Campeche, México. Resultados de proyectos de transferencia de tecnologías". Avances en Investigación Agropecuaria, 18(2): 41-61, ISSN: 2683-1716.

Domínguez, B., Hernández, A., Rodríguez, A., Cervantes, P., Barrientos, M. & Pinos, J.M. 2017. "Changes in Livestock Weather Security Index (Temperature Humidity Index, THI) During the Period 1917-2016 in Veracruz, Mexico". Journal of Animal Research, 7(6): 983-991, ISSN: 2277-940X, DOI: https://doi.org/10.5958/2277-940X.2017.00149.8.

Enríquez, J.F., Meléndez, F., Bolaños, E.D. &Esqueda, V.A. 2011. Producción y manejo de forrajes tropicales. 1st Ed. Ed. Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias. Veracruz, México, pp. 3-7, ISBN: 978-607-425-734-2.

Font, F. & Guerrero, L. 2005. Estadística aplicada al análisis sensorial. In: Estandarización de las metodologías para evaluar la calidad del producto (animal vivo, canal, carne y grasa) en los rumiantes. Cañeque, V. & Sañudo, C. (eds.). Ed. Instituto Nacional de Investigación y Tecnología Agraria y Alimentaria (INIA), Madrid, España, p. 429-445, ISBN: 84-7498-509-9.

Fortes, D., Herrera, R.S., García, M., Cruz, A.M. & Romero, A. 2014. "Growth analysis of the Pennisetum purpureum cv. Cuba CT- 115 in the biomass bank technology".Cuban Journal of Agricultural Science, 48(2): 167-172, ISSN: 2079-3480.

García, T.B., López, I., Castañeda, O., Cab, E. & Hernández, D. 2019. Efecto de la implementación de un calendario de manejo de praderas y de prácticas zootécnicas básicas sobre parámetros reproductivos de vacas de doble propósito. Estudio de caso. In: Innovación en la ganadería veracruzana. 1st Ed. Vega, V. & Hernández, A. (eds.). Ed. Asociación de Médicos Veterinarios Zootecnistas Especialistas en Bovinos del Estado de Veracruz, A.C. Veracruz, México, pp. 48-53, ISBN: 978-607-98681-0-9.

Gaynor, E. 2006. El ciclo PHCA de Shewhart. Available: < http://www.gestiopolis.com/canales5/ger/modergay.htm>, [Consulted: December 4th, 2019].

Gudiño, E.R. 2019. "Potencial del Extensionismo pecuario, con aplicación del MIRB (Manejo Integral de la Reproducción Bovina) en el ganado veracruzano". Memorias XLIII Congreso Nacional de Buiatría, Boca del Río, Veracruz, México, p 51-65.

Gudiño, R.S., Retureta, C.O., Vega, V.E., Torres, V. &Martínez, R.O. 2018. "Caracterización del balance forrajero en fincas ganaderas de doble propósito de la zona centro del estado de Veracruz, México". Memorias VI Congreso Producción Animal Tropical, La Habana, Cuba, p. 872-875, ISBN: 9789-959-7171-80-5.

Hair, J.F., Anderson R.E., Tatham R.L. &Black W.C. 1999. Análisis Multivariante. 5th Ed. Ed. Prentice Hall Iberia. Madrid, España, p. 265, ISBN: 84-8322-035-0.

IBM SPSS Statistics for Windows Version 22.0. 2012. IBM Corp., Armonk, New York, USA.

Lok, S., Crespo, G., Torres, V., Fraga, S. & Noda, A. 2009. "Impact of the technology of biomass bank of Pennisetum purpureum cv. Cuba CT-115 on the soil-plant-animal system of a dairy unit with cattle". Cuban Journal of Agricultural Science, 43(3): 297-303, ISSN: 2079-3480.

Martínez R.O &Herrera. R.S. 2005. Empleo del pasto Cuba CT-115 para solucionar el déficit de alimentos durante la seca. In: Pennisetum purpureum para la Ganadería Tropical. 1st Ed. Herrera, R.S., Febles, G.J. & Crespo, G.J. (eds.). Ed. Instituto de Ciencia Animal. Mayabeque, Cuba, p. 22.

Martínez, R.O. &Medina, Y. 2018. Influencia de la utilización de bancos de biomasa con Cuba CT-115 en el comportamiento estacional de la producción de leche con vacas Siboney de Cuba. Available: <https://www.engormix.com/ganaderia-carne/articulos/influencia-utilizacion-bancos-biomasa-t32949.htm>, [Consulted: June 29th, 2020].

Martínez, R.O., Torres V. &Aguilar P.I. 2012. "Impact of biomass banks with Pennisetum purpureum (Cuba CT-115) on milk production. Cuban Journal of Agricultural Science, 46(3): 253-259, ISSN: 2079-3480.

Martínez, J., Torres, V., Hernández, N. & Jordán, H. 2013. "Impact index for the characterization of factors affecting milk production in farms of Ciego de Ávila province, Cuba". Cuban Journal of Agricultural Science, 47(4): 367-373, ISSN: 2079-3480.

Raez, N. 2012. Caracterización e impacto de la producción de leche en la Empresa Pecuaria “Cuenca Lechera Las Tunas” en el periodo 2006-2010. MSc. Thesis. Departamento de Rumiantes, Instituto de Ciencia Animal, Mayabeque, Cuba.

Rodríguez, I., Torres, V., Martínez, O. & Domínguez, L. 2014. "Environmental, socio-economical and technical evaluation of a genetic enterprise from Mayabeque, Cuba, using the Statistical Model of Impact Measuring (SMIM) ". Cuban Journal of Agricultural Science, 48(3): 219-226, ISSN: 2079-3480.

Ruiz, M., Ruiz, J., Torres, V. &Cach, J. 2012. "Study of beef meat production systems in a municipality of Hidalgo State, Mexico". Cuban Journal of Agricultural Science, 46(3): 261-267, ISSN: 2079-3480.

SAS (Statistical Analysis Systems). 2010. SAS/STAT Software, Version 9.3 for Windows. Statistical Analysis Systems Institute, Cary, North Carolina, USA.

Segura, E.O., Coronel, B.D., Heredia, M.G., Landines, E.F. & Muñoz, J.C. 2017. "Identificación de los factores determinantes en la producción lechera en la provincia de Pastaza". Revista Amazónica Ciencia y Tecnología, 6(1): 21-34, ISSN: 1390-8049.

Torres, V. 2015. Aspectos estadísticos a considerar en el diseño, muestreo, procesamiento e interpretación de datos en la investigación de sistemas productivos agropecuarios. In: Retos y posibilidades para una ganadería sostenible en la provincia de Pastaza de la Amazonia ecuatoriana. Vargas, J.C. & Torres, A. (eds.). Ed. Universidad Estatal Amazónica, Puyo, Ecuador, p. 174, ISBN: 978-9942-932-16-7.

Torres, V., Cobo, R., Sánchez, L. & Raez, N. 2013. "Statistical tool for measuring the impact of milk production on the local development of a province in Cuba". Livestock Research for Rural Development, 25, Article #159, ISSN: 0121-3784.

Torres, V., Ramos, M.N., Torres, D. & Noda, A. 2008. "Statistical model for measuring the impact of innovation or technology transfer in agriculture". Cuban Journal of Agricultural Science, 42(2): 131-137, ISSN: 2079-3480.

Torres, V., Rodríguez, I. & Navarro, M. 2019. Modelo estadístico de medición de impacto (MEMI), en los procesos de innovación y transferencia tecnológica. Memorias VI Simposio Internacional Extensionismo, transferencia de tecnologías, aspectos socioeconómicos y desarrollo agrario sostenible, V Convención Internacional Agrodesarrollo 2019, Varadero, Cuba.

Vargas, J., Benítez, D., Torres, V., Velázquez, F. & Erazo, O. 2011. Typification of the cattle farm in the mountain feet of Los Ríos and Cotopaxi provinces of the Republic of Ecuador. Cuban Journal of Agricultural Science, 45(4): 381-390, ISSN: 2079.

Recibido: 05 de Junio de 2020; Aprobado: 11 de Agosto de 2020

^*Email:[e-mail]