مطالعه بازده خوراک براساس شاخص مازاد مصرف خوراک و بازدهی خوراکی براساس شیر تصحیح‌شده برای 4 درصد چربی در گاوهای شیرده نژاد هلشتاین

نویسندگان

1 دانشجوی دکتری تغذیه نشخوارکنندگان، گروه علوم دامی، دانشگاه فردوسی مشهد، مشهد، ایران

2 گروه علوم دامی، دانشگاه فردوسی مشهد، مشهد، ایران

3 گروه علوم دامی دانشگاه فردوسی مشهد

4 مرکز تحقیقات ایمنولوژی، پژوهشگاه بوعلی، دانشگاه علوم پزشکی مشهد، مشهد، ایران

doi
10.22034/as.2021.40408.1574
چکیده

زمینه مطالعاتی: بررسی بازده خوراک در گاوهای شیرده از اهمیت ویژه‌ای برخوردار است. هدف: مطالعه دینامیک بازدهی خوراک براساس شاخص مازاد مصرف خوراک (RFI) و شیر تصحیح‌شده برای 4 درصد چربی (FCM4/DMI) در گاوهای شیرده نژاد هلشتاین بود. روش کار: تعداد 30 راس گاو شیرده در اواسط شیردهی به مدت 60 روز تغذیه شد‌ند. ماده خشک مصرفی (DMI)، تولید شیر، وزن زنده بدن، نمره وضعیت بدنی، افزایش وزن روزانه و ترکیبات شیر رکورد‌برداری شد. همچنین انرژی خروجی شیر، انرژی تغییرات بدنی و وزن متابولیکی براساس داده‌های اولیه و معادلات انرژی (NRC, 2001) محاسبه گردید. RFI به‌وسیله 4 مدل مختلف رگرسیونی خطی چند متغیره برای دو فاصله 30 و 60 روزه مدل‌سازی شد. نتایج: در جامعه مورد مطالعه، RFI قابل اندازه‌گیری است. ضریب تبیین مدل‌ها برای دوره 60 روزه برای مدل 1، 2، 3 و 4 به ترتیب توانست 51/88، 82/78، 05/80 و 41/64 درصد از تغییرات متغیر وابسته (DMI) توسط متغیرهای مستقل را تبیین نماید. میانگین و انحراف معیار RFI برای دوره 60 روزه برای مدل 1، 2، 3 و 4 به ترتیب 86/0 ± 0، 25/1 ± 0، 18/1 ± 0 و 68/1 ± 0 کیلوگرم ماده خشک در روز بود. همین روند برای دوره 30 روزه نیز مشاهده شد. ضریب همبستگی پیرسون برای DMI بین دوره 30 و 60 روزه 994/0 و RFI براساس مدل 1 بین دوره 30 و 60 روزه 882/0 بود. همبستگی بین DMI، FCM4/DMI و RFI با دیگر صفات عملکردی و تولیدی، روابط منطقی بین متغیرها مشاهده شد. رابطه منفی معنی‌دار بین FCM4/DMI با درصد پروتئین خام شیر (P<0.001) و روند معنی‌داری بین RFI با درصد چربی و پروتئین شیر (P<0.1) بسیار مهم بود. نتیجه‌گیری نهایی: اندازه‌گیری بازده خوراک براساس RFI حداقل در یک دوره 30 روزه قابل اندازه‌گیری است. همچنین اگر چه مدل‌ 1 و متغیرهای آن به خوبی متغیر وابسته (DMI) را تبیین نموده‌اند، اما تلاش علمی براساس رویکرد کل‌نگرانه برای یافتن دیگر متغیرها موثر برای بهبود ضریب تبیین مدل‌ها پیشنهاد می‌شود.