SciELO - Scientific Electronic Library Online

 
vol.54 issue4Economic evaluation of productive and reproductive indicators in dairy cows with different ages at first calving, in grazing systemsInclusion of different levels of Ricinus communis L leaf blade meal in whole diets for sheep author indexsubject indexarticles search
Home Pagealphabetic serial listing  

My SciELO

Services on Demand

Journal

Article

Indicators

  • Have no cited articlesCited by SciELO

Related links

  • Have no similar articlesSimilars in SciELO

Share


Cuban Journal of Agricultural Science

Print version ISSN 0864-0408On-line version ISSN 2079-3480

Cuban J. Agric. Sci. vol.54 no.4 Mayabeque Oct.-Dec. 2020  Epub Dec 01, 2020

 

Ciencia Animal

Análisis de los factores que influyen en la productividad de dos unidades lecheras en Sancti Spíritus, Cuba

1Instituto de Ciencia Animal. Apartado Postal 24, San José de las Lajas, Mayabeque, Cuba

2Delegación Provincial del Ministerio de la Agricultura (MINAG). Sancti Spíritus, Cuba

3Departamento de Veterinaria. Facultad Agropecuaria. Universidad de Sancti Spíritus (UNISS) José Martí Pérez

Resumen

El estudio se realizó en dos lecherías de la unidad empresarial de base Dos Ríos, durante 2015 y 2016, con el propósito de identificar los principales factores que influyen en la producción láctea. En el análisis se identificaron diez variables con mayor preponderancia, agrupadas en cuatro componentes principales (CP), que explicaron 79.6 % de la varianza. Como resultado del análisis de cluster, se conformaron cuatro grupos, que responden en sentido general a cada vaquería en cada época del año. Se identificaron los factores de impacto de cada combinación, componente principal vs grupo. La producción (CP1) en el período poco lluvioso mostró valores de -0.257 y -0.815, para las unidades 16 y 17, respectivamente, relacionados con la alta carga y baja proporción del banco de biomasa en la vaquería 17. El rebaño (CP2) mostró impacto negativo en la unidad 16, por el menor número de animales que explota con respecto a la vaquería 17. La reproducción (CP3) presentó en ambas unidades impacto negativo, que fue muy similar en el período lluvioso. Este fenómeno indica mayor cantidad de nacimientos en la época poco lluviosa, lo que no es conveniente en los sistemas de explotación tropical basados en pastos y forrajes. La calidad láctea (CP4) mostró valores negativos en la unidad 16 en la época lluviosa, debido a las situaciones de mastitis. Los resultados permitieron valorar los factores de mayor impacto, promedio por grupos y CP, y posibilitaron identificar con certeza las dificultades en el sistema productivo, de modo que se puedan trazar estrategias que las minimicen o eliminen.

Palabras clave: balance forrajero; impacto; consumo; pasto

La leche, por su balance nutricional, es un alimento esencial muy completo para la alimentación humana (FAO 2018 y FEPALE 2018). La industria láctea focaliza su atención en la valorización e innovación de sus productos, lo que obedece a las propiedades que tienen algunos componentes lácteos para fines terapéuticos (Bauman et al. 2006).

La ganadería es responsable de la mayor parte del uso mundial de tierras. Los pastizales y tierras de cultivo que se dedican a la producción de alimento para el ganado representan en el mundo, aproximadamente, 80 % de las tierras agrícolas (Friedrich 2014). Los cultivos forrajeros se siembran en un tercio de las tierras cultivadas, mientras que la superficie total de tierra ocupada por pastos equivale a 26 % de la superficie terrestre libre de hielo (FAO 2015).

La producción de leche bovina, basada en pastos y forrajes, puede ser rentable en el trópico, si se hace un uso intensivo de las pasturas y se asegura el manejo adecuado del sistema. Para ello se deben seleccionar los pastos y forrajes que mejor se adaptan a las condiciones edafoclimáticas, así como los animales con mejor capacidad de adaptación ante los retos que impone el trópico y el cambio climático (Davis y Matamoros 2016). El objetivo de este trabajo fue analizar los principales factores que influyen en la productividad láctea de dos unidades lecheras de la unidad empresarial de base (UEB) Dos Ríos, de la empresa agropecuaria Manguaco.

Materiales y Métodos

El trabajo se desarrolló en la UEB Dos Ríos, de la empresa agropecuaria Managuaco, ubicada en los 210 56’ 01.2’’ N y 790 20’ 43.8’’ W, en el municipio Sancti Spíritus, Cuba. Se recopilaron los datos del control pecuario (libros blancos), correspondientes a 2015 y 2016, procedentes de las unidades lecheras 16 y 17. Como razas fundamentales se evaluaron la Siboney de Cuba (vaquería 17) y la Holstein tropical (vaquería 16). En ambas unidades se utilizó el ordeño mecánico DeLaval.

Cada mes se recopiló la información durante dos años y se analizaron los siguientes aspectos:

  • Vacas totales y en ordeño

  • Producción de leche por grupo de ordeño, mensual y épocas del año

  • Área de cada especie de pastos y forrajes establecidos al inicio

  • La composición botánica se determinó al inicio del trabajo, según el método rango en peso seco (Mannetje y Haydock 1963)

  • La disponibilidad se registró mensualmente, a la entrada y a la salida de los animales, según el método descrito por Haydock y Shaw (1975). La altura de corte fue a 10 cm del suelo. Se tomaron entre 80 y 100 observaciones hectárea-1

  • El consumo de pasto se estimó mensualmente a partir de la diferencia entre las disponibilidades de entrada y salida de los animales

  • El consumo de alimento en canoa, así como de suplementos y complementos, se registró quincenalmente al pesar oferta menos rechazo

  • Número y tamaño de los cuartones

  • El control del estado reproductivo comprendió el número de vacas recentinas, inseminadas, gestantes y vacías, según tarjetas de la reproducción

  • Los cuartos perdidos y afectados por mastitis se analizaron quincenalmente por el muestreo a los animales California en ordeño

  • La calidad de la leche en tanques de enfriamiento se muestreó diariamente, así como la densidad, presencia de mastitis y acidez. El porcentaje de grasa y reductasa se analizaron dos veces al mes, según contratación del muestreo.

El suelo que predominó en las unidades en estudio es pardo mullido carbonatado (Hernández et al. 2015).

Para el análisis se realizaron las estimaciones de la curva de producción potencial de cada unidad mediante la evaluación de la eficiencia de la producción láctea, según días de lactancia real por meses.

Igualmente, se llevaron a cabo los balances forrajeros por año, época y mes, según los consumos estimados para cada especie de pasto y forraje y los suplementos utilizados.

Para el análisis estadístico se aplicó el modelo de componentes principales, propuesto por Torres et al. (2008).

La base de datos, organizada como una matriz, incluyó la información de 21 variables, presentadas en columnas y los escenarios o meses estudiados (48 en total, dos unidades por dos años), que correspondieron a las filas. Se cumplió así con la premisa de que el número de variables es menor que los escenarios.

Para la selección de las componentes principales, se tomó como valor propio aquel que fue mayor a la unidad. Cada componente se etiquetó con un nombre y se seleccionaron las variables que mejor explicaron su comportamiento, al considerar valores de preponderancia superiores a 0.60.

Con las componentes principales seleccionadas se calcularon las puntuaciones factoriales, que se pueden utilizar como una medida absoluta del impacto o el comportamiento (positivo o negativo) de las variables de mayor importancia en cada unidad. Esto permitió clasificar las unidades mediante el análisis de conglomerados, que posibilita la selección de los grupos de unidades similares mediante la utilización del coeficiente de disimilitud.

Para el procesamiento de la información, se empleó el paquete estadístico IBM SPSS (2013).

Resultados y Discusión

Los análisis de la base alimentaria en ambas unidades (tabla 1) indican que de las áreas dedicadas a la actividad pecuaria en la unidad 16, 85.6 % se dedican al pastoreo. De estas, 25.8 % se halla establecida con el clon Cuba CT-115 (Cenchrus purpureus vc. Cuba CT-115) como estrategia de banco de biomasa. Este porcentaje es muy similar al que proponen Martínez et al. (2012) para esta tecnología, que es del 30 %. Mientras, la unidad 17 solo dedica 60.2 % al pastoreo de sus áreas pecuarias. De estas, las áreas con el clon Cuba CT-115 representan 17.2 % del pasto.

El resto de las áreas correspondientes a las unidades se dedican a forrajes permanentes, como la caña de azúcar (Saccharum officinarum) y el king grass (Cenchrus purpureus) propiamente dicho. La carga global y de las áreas de pastoreo de la vaquería 17 son relativamente altas para las condiciones de explotación actual de la unidad, mientras que en la 16, son ligeramente superiores para estas condiciones (1.71 y 2.82 vs 1.09 y 1.28 UGM ha-1, para las unidades 17 y 16 en carga global y por área de pastoreo, respectivamente).

La carga global de la unidad 17 conlleva a tener 39.8 % de sus áreas pecuarias como forrajes permanentes, lo que determina mayor gasto en la producción láctea por la dependencia de hombres para el cultivo, corte, acarreo y procesamiento del alimento en el comedero. Este resultado difiere de lo obtenido por Martínez et al. (2012) en un experimento, donde el animal obtuvo directamente el alimento en el pastoreo.

Tabla 1 Estructura de la base alimentaria en las vaquerías en estudio durante dos años 

Áreas Unidad Vaquería 16 Vaquería 17
Área total pecuaria hectáreas 76.9 62.4
Área de pastoreo total hectáreas 65.8 37.9
Pasto alpargata (Paspalum notatum) y pasto estrella (Cynodon nlemfluensis) hectáreas 48.8 31.4
CT 115 (Cenchrus purpureus vc Cuba CT115) hectáreas 17.0 6.5
Por ciento del área de pastoreo como banco biomasa % 25.8 17.2
Total cuartones número 27 41
Área promedio de los cuartones hectáreas 2.44 0.92
Forrajes total hectáreas 11.1 24.5
Caña de azúcar (Sacharum officinarun) hectáreas 6.1 15.2
King grass (Cenchrus purpureus) hectáreas 5 9.3
Vacas promedio número 84 107
Carga global vacas/ha 1.09 1.71
Carga pastoreo vacas/ha 1.28 2.82

En la figura 1 se muestran los resultados de los balances forrajeros por épocas y años en ambas unidades. Como consecuencia de lo antes descrito en la base alimentaria (tabla 1), solo se presentan balances positivos de MS en la época lluviosa de ambos años, que estuvieron entre 6.8 y 11.7 t MS, para las unidades 16 y 17, respectivamente. Mientras, en la época poco lluviosa, en ambos años, se indicó déficit entre 6.5 y 28.7 t MS, para las vaquerías 16 y 17, respectivamente.

Estos aspectos son característicos de los sistemas de producción de leche basados en pastos y forrajes en las condiciones del trópico (Davis y Matamoros 2016). Indican la necesidad de establecer pastos y forrajes más productivos y mejor adaptados a las condiciones de explotación, y de usar estratégicamente alimentos complementarios en el período poco lluvioso, como son los que se conservan en forma de ensilaje o heno, y los subproductos agroindustriales de la localidad (Salado 2012 y Calderón et al. 2017).

Figura 1 Balance de materia seca por unidad, época y año (t MS). 

Los resultados de estimar la producción potencial mínima relativa en ambas unidades (figura 2) demuestran que la unidad 16 presentó mayor potencial en 7.61% con respecto a la vaquería 17 (3154 y 2931 litros de leche por lactancia de 305 días, para la 16 y 17, respectivamente). Lo anterior se puede deber a condiciones superiores en la alimentación (figura 1) y al genotipo que se explota en la unidad 16, que es el Holstein tropical. Este presenta más potencial lácteo que el mestizo Siboney, aunque requiere mayor exigencia en lo que respecta a la alimentación y el manejo (Roca et al. 2013, Coffey et al. 2016 y Vite et al. 2017).

Figura 2 Curvas del potencial mínimo relativo de las vaquerías 16 y 17 

El estimado de la eficiencia de producción real vs la potencial, según días de lactancia real por meses, épocas y años, en los períodos analizados no superó 85 %. Esto demuestra la existencia de problemas en la alimentación y el manejo de estos dos rebaños en los períodos analizados, lo que trae consigo dificultades en los aspectos reproductivos (Meikle et al. 2013 y Rojas et al. 2019) y en la calidad composicional de la leche (Hernández y Ponce, 2006). Por tanto, disminuye la eficiencia del sistema productivo en general (Senra 2011).

Los resultados del análisis de componentes principales (CP) (tabla 2) indicaron que, de las 21 variables estudiadas inicialmente, 10 fueron las de mayor carga factorial en el estudio. Estas se agruparon en cuatro CP, etiquetados según la carga factorial de las variables que los conforman: CP1) productividad, con varianza de 30.75 %; CP 2) rebaño, con 21.94 %; CP3) reproducción, con 16.39 % y CP 4) calidad de la leche, con 10.52 %. En su conjunto, los cuatro CP explicaron 79.6 % de la variabilidad total del sistema.

Tabla 2 Matriz de componentes rotados mensualmente 

Componentes Principales
Productividad Rebaño Reproducción Calidad
Vacas total acumulada (cab.) 0.099 0.884 0.284 0.193
Vacas ordeño acumulada (cab.) 0.456 0.815 0.096 0.052
Nacimientos (número) 0.058 0.099 0.889 0.123
Producción total (kg leche) 0.861 0.331 0.198 0.216
Lactancia (días) 0.051 -0.013 -0.204 -0.791
Porcentaje de eficiencia (%) 0.868 -0.105 0.188 -0.035
Porciento de recentinas (%) 0.089 0.023 0.896 0.131
Porciento de gestantes (%) -0.253 0.712 -0.276 -0.289
Densidad (g litro-1) -0.011 0.022 0.033 0.854
Consumo forraje (kg vaca-1 día-1) -0.676 -0.096 0.245 0.351
Total 3.075 2.194 1.639 1.052
Varianza propia, % 30.747 21.940 16.391 10.521
Varianza acumulada, % 30.747 52.687 69.078 79.599

En el caso de la productividad (CP1), las variables producción láctea total y eficiencia de explotación del potencial presentaron altos valores positivos de preponderancia. Mientras, el consumo de alimento voluminoso dejó ver altos valores negativos. Esto se debe a que el mayor consumo de forraje es en la época poco lluviosa, por la menor disponibilidad de pasto que existe. Lo anterior hace que la calidad de la dieta base sea menor, lo que trae consigo una disminución de la productividad láctea, debido a una menor ingestión de nutrientes (Reyes et al. 2012 y Pineda et al. 2016).

En cuanto al rebaño (CP2), todas las variables con altos valores de preponderancia positiva indican que a mayor cantidad de animales totales, existen más vacas en ordeño e igualmente se incrementa el porcentaje de vacas gestantes, lo que favorece la producción de leche.

En el análisis de la reproducción (CP3), las dos variables con mayor peso en la preponderancia son positivas, y están relacionadas entre sí. Al aumentar los nacimientos, mejoran los indicadores reproductivos e igualmente se incrementa el porcentaje de vacas recentinas, lo que puede influir directamente en los incrementos de la producción láctea.

En lo que respecta a la calidad láctea (CP4), la variable días de lactancia presentó valor de preponderancia negativo, por estar correlacionado negativamente con la densidad de la leche. A inicios de la lactancia disminuye la densidad láctea, como consecuencia del mayor volumen de leche producido (Hernández y Ponce 2006 y Castillo et al. 2019).

Con el propósito de identificar las variables que tienen mayor impacto en la productividad láctea, estos análisis de CP se han utilizado en Cuba con resultados satisfactorios en varias empresas ganaderas de la provincia Mayabeque (Torres et al. 2008 y Rodríguez et al. 2013) y Villa Clara (Martínez et al. 2012). También se han aplicado a la caracterización de los factores que influyen en la producción de leche en fincas de las cooperativas de créditos y servicios (CCS) de la provincia Ciego de Ávila (Martínez et al. 2013).

Al aplicar el análisis de cluster para lograr la agrupación de los 48 escenarios por similitud, se conformaron los grupos I, II, III, IV, integrados por 14, 10, 11 y 13 individuos, respectivamente (figura 3). Estos cuatro grupos responden, en sentido general, a cada vaquería (16 y 17) en cada época del año (lluviosa y poco lluviosa).

Estos resultados se corresponden con los sistemas de producción de leche que tienen como base los pastos y forrajes en las condiciones del trópico (Roca-Fernández et al. 2013 y Davis y Matamoros 2016). En este tipo de sistema, la influencia de las condiciones climáticas, fundamentalmente de las precipitaciones, en ambas épocas, posibilita una marcada diferencia en la disponibilidad y calidad del alimento base, a favor del período lluvioso. Esto trae consigo mayor consumo por parte de los animales (Reyes et al. 2012), mayor actividad fermentativa a nivel ruminal y producción de AGV totales superior (López et al. 2016 y Restrepo et al. 2016), lo que conlleva al incremento de la producción láctea (Roncallo et al. 2012 y Davis y Matamoros 2016).

Figura 3 Grupos formados, según clúster de distancia re-escalada 

En las tipificaciones de los cuatro grupos (tabla 3), conformados por las diez variables estudiadas, que tuvieron mayor preponderancia en los sistemas analizados, se puede ver que la producción de leche (kg mes-1) y la eficiencia con que se logró explotar el potencial lechero de cada unidad (%), así como el consumo de forraje por las vacas (kg vaca-1 día-1), fueron las variables de mayor significación entre los grupos. El resto presentó una tipificación muy similar en cada grupo.

La producción de leche mensual, como promedio por época del año, no mostró apenas variación en la vaquería 16, solo 0.38 % a favor de la época poco lluviosa. Sin embargo, en la unidad 17, disminuyó 30.48 % en el período poco lluvioso con respecto al lluvioso. De igual forma se comportó la eficiencia de explotación del potencial lácteo en la vaquería 16, con valores que fueron similares en ambas épocas (71.6 y 71.7 % para la lluviosa y poco lluviosa, respectivamente). Sin embargo, la unidad 17 mostró una diferencia marcada de 17.8 % entre períodos (83.7 y 65.9 % para el lluvioso y poco lluvioso, respectivamente).

El consumo de forraje por las vacas en la vaquería 16 durante el período poco lluvioso fue de 23.3 %, superior con respecto al consumo en el lluvioso. Sin embargo, en la unidad 17 dicho consumo se incrementó en 86.0 % en comparación con iguales períodos.

Lo anterior pudo estar dado por la mayor proporción de las áreas establecidas con CT-115 como banco de biomasa en la vaquería 16, lo que posibilitó su utilización eficiente en la época poco lluviosa. De ahí que fuera menor la necesidad de alimentos voluminosos en los comederos para los animales durante este período, y que se lograra estabilidad en la alimentación (Martínez et al. 2012). En lo que respecta a la unidad 17, la alta carga global que mostró no permitió que existiera un equilibrio en el sistema en general, principalmente en el período poco lluvioso (Lok et al. 2013).

Tabla 3 Tipificación de las variables en los cuatro grupos formados 

Variables Medida Vaquería 16 poco lluvioso Vaquería 16 lluvioso Vaquería 17 lluvioso Vaquería 17 poco lluvioso
Grupo I (14 individuos) Grupo II (10 individuos) Grupo III (11 individuos) Grupo IV (13 individuos)
Media DE Media DE Media DE Media DE
Vaca total cabezas 2587.8 285.0 2644.1 288.2 3163.9 224.3 3268.5 117.6
Vaca en ordeño cabezas 1306.4 176.6 1467.5 232.1 1848.2 92.6 1683.5 161.1
Nacimientos cabezas 7.1 3.4 6.0 2.9 7.1 2.7 8.5 3.2
Producción de leche kg mes-1 10704.1 327.1 10663.1 116.0 16581.0 200.3 11527.1 230.1
Días de lactancia días 134.5 18.3 165.0 11.1 137.8 12.7 141.1 15.4
Eficiencia de explotación del potencial % 71.6 16.9 71.7 9.0 83.7 7.8 65.9 10.8
Recentinas % 9.6 3.2 8.0 4.1 9.4 2.1 10.2 2.5
Gestantes % 32.1 4.4 38.6 4.1 36.0 3.4 42.6 3.7
Densidad g litro-1 1032 13.5 1031 12.8 1032 14.2 1032 13.6
Consumo forraje kg vaca-1 día-1 21.7 5.4 17.6 5.0 15.7 5.5 29.2 5.1

Al relacionar los impactos de las CP con los grupos conformados (tabla 4), en el caso de la producción (CP1), en ambas vaquerías, en la época poco lluviosa, su expresión fue negativa, con mayor valor en la unidad 17 (-0.815). Mientras, en la época lluviosa, los valores del impacto fueron positivos, con mayor expresión en la unidad 17 (1.259). Este comportamiento de la CP1 es típico de unidades con situaciones complejas en la alimentación base, fundamentalmente durante el período poco lluvioso (Motta et al. 2019).

En lo relativo al rebaño (CP2), los valores obtenidos estuvieron acorde con el mayor número de animales y, por ende, con la mayor carga, global y por área de pastoreo, de la unidad 17 en ambas épocas del año. Esto dificulta, en gran medida, poder lograr la estabilidad del sistema productivo y su autosuficiencia (Senra 2011).

En cuanto a la reproducción (CP3), en lo que respecta a las vacas recentinas y los nacimientos, hubo en ambas unidades un impacto negativo, que fue muy similar en el período lluvioso. Este es un aspecto no conveniente en los sistemas de explotación basados en pastos y forrajes, ya que indica que en los casos estudiados los partos y, por tanto, la proporción de vacas recentinas, son mayores en el período poco lluvioso. En esta etapa existe menor disponibilidad y calidad del pasto y los forrajes, por lo que se dificulta la expresión del potencial productivo del ganado lechero a inicios de lactancia, lo que repercute después en el pobre comportamiento reproductivo del rebaño (Roja et al. 2019).

La calidad de la leche (CP4) presentó valor negativo en el grupo 2, que corresponde al período lluvioso de la unidad 16, aspecto que se relaciona directamente con los problemas que existen en el funcionamiento correcto del equipo de ordeño. Esta situación provocó incremento en la presencia de mastitis subclínica y clínica, con afectación en la calidad láctea a nivel de unidad. A ello se adiciona que los animales Holstein son más susceptibles a estas afectaciones tecnológicas (Serraino y Giacometti 2014, Zumbado y Romero 2015 y Vite et al. 2017).

Tabla 4 Factores de impacto promedio en cada grupo por componente principal (CP) 

CP 1 Producción CP 2 Rebaño CP 3 Reproducción CP 4 Calidad Leche
media DS media DS media DS media DS
Grupo 1 vaq. 16 poco lluvioso -0.257 0.900 -1.096 0.576 0.024 1.081 0.536 0.717
Grupo 2 vaq. 16 lluvioso 0.035 0.395 -0.341 0.637 -0.273 1.811 -1.547 0.378
Grupo 3 vaq. 17 lluvioso 1.259 0.360 0.556 0.3951 -0.256 0.633 0.587 0.416
Grupo 4 vaq. 17 poco lluvioso -0.815 0.659 1.022 0.422 0.401 0.819 0.025 0.489

Los resultados de este trabajo permiten identificar las variables con preponderancia en el comportamiento del sistema de producción de leche bajo las condiciones de estudio. El análisis de los factores de impacto promedio por grupos y CP, posibilitó identificar con mayor certeza dónde radican las dificultades para poder trazar estrategias que permitan minimizarlas en lo posible o eliminarlas.

Agradecimientos

Se agradece el apoyo de los técnicos y especialistas de la UEB Dos Ríos, pertenecientes a la empresa Managuaco, de Sancti Spíritus, así como al personal técnico del grupo de Biomatemática del Instituto de Ciencia Animal.

REFERENCIAS

Bauman, D.E., Mather, I.H., Wall, R.J. & Lock, A.L. 2006. "Major advances associated with the biosynthesis of milk". Journal of Dairy Science, 89(4): 1235-1243, ISSN: 0022-0302, DOI: https://doi.org/10.3168/jds.S0022-0302(06)72192-0. [ Links ]

Calderón, P., Fabian, M., Bosa, P., Fernanda, L., Yasnó, C., Diego, J. & Yurany, L. 2017. "Relación nutrición-fertilidad en hembras bovinas en clima tropical". REDVET Revista Electrónica de Veterinaria, 18(9): 1-19, ISNN: 1695-7504. [ Links ]

Castillo, G., Vargas, B., Hueckmann, F. & Romero, J.J. 2019. "Factores que afectan la producción en primera lactancia de vacas lecheras de Costa Rica". Agronomía Mesoamericana, 30(1): 209-227, ISSN: 2215-3608. [ Links ]

Coffey, E.L., Horan, B., Evans, R.D. & Berry, D.P. 2016. "Milk production and fertility performance of Holstein, Friesian, and Jersey purebred cows and their respective crosses in seasonal-calving commercial farms". Journal of Dairy Science, 99(7): 5681-5689, ISSN: 0022-0302, DOI: https://doi.org/10.3168/jds.2015-10530. [ Links ]

Davis, K. & Matamoros, I. 2016. Producción de leche bajo sistemas pastoriles. Available: https://www.zamorano.edu/2016/08/11/produccion-leche-sistemas-pastoriles/, [Consulted: August 31th, 2018]. [ Links ]

FAO (Organización de las Naciones Unidad para la Alimentación y la Agricultura). 2015. El papel de la FAO en la producción animal. Available: http://www.fao.org/animal-production/es/, [Consulted: August 1st, 2017]. [ Links ]

FAO (Organización de las Naciones Unidad para la Alimentación y la Agricultura). 2018. Composición de la leche en portal lácteo. Available: http://www.fao.org/dairy-production-products/products/composicion-de-la-leche/es/, [Consulted: August 31th, 2018]. [ Links ]

FEPALE (Federación Panamericana de Lechería). 2018. El consumo de lácteos y de leche baja en grasa se asocia a un menor riesgo de desarrollar cáncer de colon. Available: http://sialaleche.org/el-consumo-de-lacteos-y-de-leche-baja-en-grasa-se-asocia-a-un-menor-riesgo-de-desarrollar-cancer-de-colon/, [Consulted: August 31th, 2018]. [ Links ]

Friedrich, T. 2014. "Production of animal origin feed. Current events and perspectives". Cuban Journal of Agricultural Science, 48(1): 5-6, ISSN: 2079-3480. [ Links ]

Haydock, K.P. & Shaw, N.H. 1975. "The comparative yield method for estimating dry matter yield of pasture". Australian Journal of Experimental Agriculture and Animal Husbandry, 15(76): 663-670, ISSN: 0816-1089, DOI: https://doi.org/10.1071/EA9750663Links ]

Hernández, J.A., Pérez, J.J.M., Bosch, I.D. & Castro, S.N. 2015. Clasificación de los suelos de Cuba. González, O. (ed.). Ed. INCA. San José de las Lajas, Mayabeque, Cuba, p. 93, ISBN: 978-959-7023-77-7. [ Links ]

Hernández, R. & Ponce, P. 2006. "Relación entre desbalances nutricionales, el metabolismo y la composición de la leche en vacas Holstein friesian". Revista de Salud Animal, 28(1): 13-20, ISSN: 2224-4700. [ Links ]

IBM Corp. 2013. IBM SPSS Statistics for Windows, Version 22.0. IBM Corp., Armonk, New York, USA. [ Links ]

Lok, S., Fraga, S. & Noda, A. 2013. "Biomass bank with Pennisetum purpureum cv. CT-115. Its effects on the carbon storage in the soil". Cuban Journal of Agricultural Science, 47(3): 301-304, ISSN: 2079-3480. [ Links ]

López, O., Sánchez, T., Iglesias, J., Lamela, L., Soca, M., Arece, J. & Milera, M. 2017. "Los sistemas silvopastoriles como alternativa para la producción animal sostenible en el contexto actual de la ganadería tropical". Pastos y Forrajes, 40(2): 83-95, ISSN: 0864-0394. [ Links ]

Mannetje, L. & Haydock, P.K. 1963. "The dry-weight-rank method for the botanical analysis of pasture". Grass and Forage Science, 18(4): 268-275, ISSN: 1365-2494, DOI: https://doi.org/10.1111/j.1365-2494.1963.tb00362.x. [ Links ]

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. [ Links ]

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. [ Links ]

Meikle, A., Cavestany, D., Carriquiry, M., Adrien, M., Artegoitia, V., Pereira, I., Ruprechter, G., Pessina, P., Rama, G., Fernández, A., Breijo, M., Laborde, D., Pritsch, O., Ramos, J.M., de Torres, E., Nicolini, P., Mendoza, A., Dutour, J., Fajardo, M., Astessiano, A.L., Olazábal, L., Mattiauda, D. & Chilibroste, P. 2013. "Advances in knowledge of the dairy cow during the transition period in Uruguay: a multidisciplinary approach". Agrociencia (Montevideo), 17(1): 141-152, ISSN: 1510-0839. [ Links ]

Motta, P.A., Eduardo, H., Martínez, O. & Rojas, E.P. 2019. "Indicators associated to pastures sustainability: a review". Ciencia y Tecnología Agropecuaria, 20(11): 387-408, ISSN: 2500-5308, DOI: http://dx.doi.org/10.21930/rcta.vol20num2art:1464. [ Links ]

Pineda, L., Chacón, P. & Boschini, C. 2016. "Evaluación de la calidad del ensilado de pasto estrella africana (Cynodon nlemfluensis) mezclado con tres diferentes aditivos". Agronomía Costarricense, 40(1): 11-27, ISSN: 0377-9424, DOI: https://doi.org/10.15517/rac.v40i1.25315. [ Links ]

Reyes, O., Murillo, M., Herrera, E., Gutiérrez, E., Juárez, A.S. & Cerrillo, A. 2012. "Influence of the season on nutritional and metabolic indicators of grazing cattle in the North of Mexico". Cuban Journal of Agricultural Science, 46(4): 375-380, ISSN: 2079-3480. [ Links ]

Roca-Fernández, A.I., Ferris, C.P. & González-Rodríguez, A. 2013. "Short communication. Behavioural activities of two dairy cow genotypes (Holstein-Friesian vs. Jersey x Holstein-Friesian) in two milk production systems (grazing vs. confinement) ". Spanish Journal of Agricultural Research, 11(1): 120-126, ISSN: 2171-9292, DOI: https://doi.org.10.5424/sjar/2013111-2682. [ Links ]

Rodríguez, I., Hernández, L., Crespo, G., Sandríno, B. & Fraga, S. 2013. "Performance of the below ground root biomass in different grasslands of Mayabeque province, Cuba". Cuban Journal of Agricultural Science, 47(2): 201-207, ISSN: 2079-3480. [ Links ]

Rojas, E.P., Silva, E.D., Guillén, A.Y., Motta, P.A. & Herrera, W. 2019. "Carbono almacenado en estrato arbóreo de sistemas ganaderos y naturales del municipio de Albania, Caquetá, Colombia". Revista Ciencia y Agricultura, 16(3): 35-46, ISSN: 2539-0899, DOI: https://doi.org/10.19053/01228420.v16.n3.2019.9515. [ Links ]

Roncallo, B., Milena, A. & Castro, E. 2012. "Rendimiento de forraje de gramíneas de corte y efecto sobre calidad composicional y producción de leche en el Caribe seco". Ciencia y Tecnología Agropecuaria, 13(1): 71-78, ISSN: 2500-5308, DOI: https://doi.org/10.21930/rcta.vol13_num1_art:242. [ Links ]

Salado, E. 2012. Estrategias de alimentación en sistemas lecheros: comparación de sistemas confinados vs. Pastoriles. 12mo Congreso Panamericano de la Leche. Asunción, Paraguay. Available: https://www.researchgate.net/publication/281116569, [Consulted: May 7, 2017]. [ Links ]

Senra, A. 2011. Aspectos fundamentales en la estrategia a seguir para el desarrollo de la ganadería, especialmente de los pequeños y medianos productores, en las condiciones de Cuba. In: Resúmenes del IV Encuentro de Agricultura Orgánica. La Habana, Cuba, p. 36. [ Links ]

Serraino, A. & Giacometti, F. 2014. "Occurrence of Arcobacter species in industrial dairy plants". Journal of Dairy Science, 97(4): 2061-2065, ISSN: 0022-0302, DOI: https://doi.org.10.3168/jds.2013-7682. [ Links ]

Torres, V., Ramos, N., Lizazo, D., Monteagudo, F. & 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. [ Links ]

Vite, C., Purroy, R., Vilaboa, J. & Severino, V. 2017. Factores genéticos y no genéticos que afectan los índices productivos y reproductivos de vacas doble propósito en la huasteca veracruzana. Available: https://www.engormix.com/ganaderia/leche/artículos /factores-geneticos-geneticos-afectan-t41081.htm, [Consulted: October 26, 2017]. [ Links ]

Zumbado, L. & Romero, J.J. 2015. "Food Safety Concepts in Primary Production of Milk". Revista Ciencias Veterinarias, 33(2): 51-66, ISSN: 2215-4507, DOI: https://doi.org/10.15359/rcv.33-2.1. [ Links ]

Recibido: 06 de Junio de 2020; Aprobado: 10 de Octubre de 2020

Creative Commons License This is an open-access article distributed under the terms of the Creative Commons Attribution License