Применение цифровых моделей для оптимизации откормограмм мясного скота

Развитие мясного скотоводства – одно из стратегических направлений животноводства в России и СНГ, в том числе в Республике Беларусь. Важнейшим аспектом откорма скота является минимизация затрат. Исследования показали, что наибольшую съемную живую массу 900 кг животные набирали при откорме взрослого выбракованного скота за период 120 дней, а также при 30-месячном откорме телок с отелом на пастбище. При 28-месячном откорме подсосных бычков с пастбищным содержанием количество энергетических кормовых единиц (ЭКЕ) в сутки оказалось наименьшим в технологиях с наибольшим количеством периодов откорма и составило 29,3 ЭКЕ при откорме животных в течение пяти периодов с пастбищным содержанием против 39,7 ЭКЕ при откорме в течение двух периодов интенсивного зернового откорма: 1 сутки пастбищного содержания обходятся в 3,5 ЭКЕ против 12,5 ЭКЕ в других периодах. У молодняка, выращенного на подсосе, наилучшая средняя съемная живая масса оказалась равна 720 кг, средняя съемная живая масса телят-отъемышей составила 710 кг. Затраты кормов на 1 кг привеса оказались равны 0,04, 0,10 и 0,09 центнера ЭКЕ соответственно, то есть наименьшее количество кормов было затрачено при откорме подсосного молодняка, а наибольшее – при откорме телят-отъемышей. Эффективность откорма составила 21,0, 56,4 и 48,0 рос. руб. на 1 кг привеса соответственно, или в пересчете на один период откорма подрощенных животных – 56,4 рос. руб., молодняка, выращенного подсосным способом, – 6,8 рос. руб. и телят-отъемышей – 19,2 рос. руб. Полученные данные позволяют посредством применения биологических методов и математических моделей, индивидуальных для каждой группы скота на откорме, получать оптимальные привесы при минимизированных затратах корма.

1. Гизатуллин, Р. С. Адаптивная ресурсосберегающая технология производства говядины в мясном скотоводстве / Р. С. Гизатуллин, Т. А. Седых. – Саарбрюккен: Palmarium Academic Publ., 2016. – 119 с.

2. Проблемы сохранения и рационального использования генофонда крупного рогатого скота (обзор) / В. А. Багиров [и др.] // Проблемы и перспективы развития современной репродуктивной технологии, криобиологии и их роль в интенсификации животноводства = Problems and perspectives for develoment of modern cryobiological reproductive technology and intensification of animal production: материалы междунар. науч.-практ. конф., Дубровицы, 25–27 апр. 2017 г. / Всерос. науч.-исслед. ин-т животноводства; сост.: А. И. Абилов, О. Ю. Осадчая, Е. Н. Делягина. – Дубровицы, 2017. – С. 256–263.

3. Легошин, Г. П. Балльная оценка упитанности мясного скота и ее применение в управлении стадом: практ. рук. / Г. П. Легошин, Т. Г. Шарафеева. – Дубровицы [Моск. обл.]: ВИЖ, 2015. – 46 с.

4. Sidorova, V. The Holstein cattle breeding particularities in Russian small and medium enterprises’ conditions / V. Sidorova // Eureka: Life Sciences. – 2016. – № 2. – P. 20–27. https://doi.org/10.21303/2504-5695.2016.00103

5. Сидорова, В. Ю. Цифровая модель экологического содержания мясного скота / В. Ю. Сидорова // Математическое моделирование в экологии: ЭкоМатМод: материалы шестой нац. науч. конф. с междунар. участием, Пущино, 26–29 сент. 2019 г. / Ин-т физ.-хим. и биол. проблем почвоведения РАН; отв. ред.: П. Я. Грабарник, Д. О. Логофет. – Пущино, 2019. – С. 188–190.

6. Зиновьева, Н. А. Вспомогательные репродуктивные технологии: история становления и роль в развитии генетических технологий в скотоводстве (обзор) / Н. А. Зиновьева, С. В. Позябин, Р. Ю. Чинаров // С.-х. биология. – 2020. – Т. 55, № 2. – С. 225–242. https://doi.org/10.15389/agrobiology.2020.2.225rus

7. Поддержание генетического разнообразия животных – основа обеспечения нутриентного разнообразия / В. А. Багиров [и др.] // Вопр. питания. – 2016. – Т. 85, № 2. – С. 225.

8. Технология производства и анализ эффективности реализации говядины в молочном скотоводстве / О. Г. Лоретц [и др.] // Аграр. вестн. Урала. – 2017. – № 7 (161). – С. 23–27.

9. Сельское хозяйство, охота и лесное хозяйство [Электронный ресурс] // Федеральная служба государственной статистики. – Режим доступа: https://rosstat.gov.ru/enterprise_economy. – Дата доступа: 27.09.2022.

10. Ферма-репродуктор на 1200 голов КРС (Ангус), холодный метод выращивания [Электронный ресурс] // Fermer.Ru: портал для фермеров. – Режим доступа: https://fermer.ru/forum/obshchie-voprosypokrs/157794. – Дата доступа: 10.01.2018.

11. Nayyar, А. Smart farming: IoT based smart sensors agriculture stick for live temprature and moisture monitoring using Arduino, cloud computing & solar technology / A. Nayyar, V. Puri // Communication and computing systems: proc. of the Intern. Conf. on Communication and Computing Systems (ICCCS-2016), Gurgaon, India, 9–11 Sept., 2016 / Dronacharya College of Engineering; ed.: B. M. K. Prasad [et al.]. – London, 2017. – P. 673–680. https://doi.org/10.1201/9781315364094-121

12. Методика получения и обработки фото- и видеоматериала для автоматической бонитировки молочных коров / В. В. Кирсанов [и др.] // Вестн. Всерос. науч.-исслед. ин-та механизации животноводства. – 2019. – № 1 (33). – С. 142–146.

13. Planning and designing cattle feedlots [Electronic resource]: MF 2316 rev. / J. Harner [et al.]; Kansas State Univ. Agr. Experiment Station a. Cooperative Extension Service. – Manhattan, Kansas State Univ., 2021. – Mode of access: https:// bookstore.ksre.ksu.edu/pubs/MF2316.pdf. – Date of access: 27.09.2021.

14. Portable Windbreak Fences // Saskatchewan. – Mode of access: https://www.saskatchewan.ca/business/agriculturenatural-resources-and-industry/agribusiness-farmers-and-ranchers/livestock/cattle-poultry-and-other-livestock/cattle/ portable-windbreak-fences. – Date of access: 27.09.2021.

15. Local discontinuous Galerkin methods with implicit-explicit time-marching for multi-dimensional convectiondiffusion problems / H. Wang [et al.] // ESAIM: Math. Modelling a. Numerical Analysis. – 2016. – Vol. 50, № 4. – P. 1083– 1105. https://doi.org/10.1051/m2an/2015068

16. Swinnen, J. The political economy of agricultural and food policies / J. Swinnen; Univ. of Leuven. – Leuven: Palgrave Macmillan, 2018. – 254 p. https://doi.org/10.1057/978-1-137-50102-8

17. Influence of TG5 and LEP gene polymorphism on quantitative and qualitative meat composition in beef calves / T. A. Sedykh [et al.] // Iraqi J. of Veterinary Sciences. – 2016. – Vol. 30, № 2. – P. 41–48. https://doi.org/10.33899/ijvs.2016.121382

18. Feedlot Mounds [Electronic resource]: beef cattle handbook: BCH-10525 / J. Sweeten [et al.]; Extension Beef Cattle Resource Comm., Univ. of Wisconsin. – Mode of access: https://www.iowabeefcenter.org/bch/FeedlotMounds.pdf. – Date of access: 27.09.2021.

19. Cârdei, P. Mathematical model for the evolution of Chlorella algae / P. Cârdei, A. Nedelcu, R. Ciuperca // INMATEH – Agr. Engineering. – 2019. – Vol. 57, № 1. – P. 91–102. https://doi.org/10.35633/inmateh_57_10

20. Ганиева, И. А. Предпосылки создания информационно-ресурсной цифровой платформы интеллектуального управления системами земледелия и землепользования для агропромышленного комплекса России / И. А. Ганиева // Достижения науки и техники АПК. – 2019. – Т. 33, № 12. – С. 110–116. https://doi.org/10.24411/0235-2451-2019-11224

21. Мировые тенденции интеллектуализации сельского хозяйства: науч. аналит. обзор / [В. Ф. Федоренко и др.]; Рос. науч.-исслед. ин-т информ. и техн.-экон. исслед. по инженер.-техн. обеспечению АПК. – М.: Росинформагротех, 2018. – 229 с.

22. Подготовка изображения, получаемого с 3D ToF камеры для автоматического обнаружения сосков коровы / В. В. Кирсанов [и др.] // Инновации в сел. хоз-ве. – 2019. – № 3 (32). – С. 340–346.

23. Invited review: Learning from the future – a vision for dairy farms and cows in 2067 / J. H. Britt [et al.] // J. of Dairy Science. – 2018. – Vol. 101, № 5. – P. 3722–3741. https://doi.org/10.3168/jds.2017-14025

24. Berger, R. Using a dairy management information system to facilitate precision agriculture: the case of the AfiMilk® System / R. Berger, A. Hovav // Inform. Systems Management. – 2013. – Vol. 30, № 1. – P. 21–34. https://doi.org/10.1080/1058 0530.2013.739885

25. Информационно-аналитическая система «Селэкс» – мясной скот. Племенной учет в хозяйствах [Электронный ресурс] // Плинор: регион. центр информ. обеспечения плем. животноводства Ленингр. обл. – Режим доступа: https:// plinor.ru/solution/softwaresolutions/desctopapp/beef/. – Дата доступа: 16.07.2020.

26. Меденников, В. И. Основные направления информатизации АПК РФ [Электронный ресурс] / В. И. Меденников, С. Г. Сальников // Всерос. ин-т аграр. проблем и информатики им. А. А. Никонова. – Режим доступа: http:// www.viapi.ru/publications/articles/detail.php?IBLOCK_ID=45&SECTION_ID=3295&ELEMENT_ID=8998. – Дата доступа: 27.09.2021.

27. Черкесов, Д. Л. Развитие мясного скотоводства в России [Электронный ресурс]: интервью генер. директора Нац. Союза производителей говядины / Д. Л. Черкесов // Agro-ferma.ru: ангары для сел. хоз-ва. – Режим доступа: https://www.agro-ferma.ru/dayatelnost/ferma-krs/ferma-krs-stati/razvitie-myasnogo-skotovodstva-v-rossii/?sphrase_ id=1368. – Дата доступа: 10.01.2018.

28. 163 population structure and genetic diversity of Russian native cattle breeds / A. V. Dotsev [et al.] // J. of Animal Science. – 2017. – Vol. 95, suppl. 4. – P. 80. https://doi.org/10.2527/asasann.2017.163