Uno de los grandes retos de la producción ganadera es optimizar la calidad de vida de los animales con los que se trabaja. Esta calidad de vida se traduce en un elevado bienestar animal que, a su vez, tiene implicaciones sobre la producción y el desarrollo de los mismos. Precisamente, las primeras etapas de la vida de las terneras son las que hacen a los animales más susceptibles al sufrir estrés y dificultades sanitarias.
Sabemos que las primeras etapas de la vida de los animales son claves para su desarrollo y su capacidad productiva en el futuro, concepto que se define como ‘Programación Metabólica’ (Lucas, 1991) y que presenta un potencial muy relevante en la producción de vacuno de leche (Kaske et al., 2010).
Es, por tanto, fundamental tener un control de estos animales de la forma más precisa posible que permita anticiparse a los problemas de bienestar o estrés. En este sentido, las nuevas tecnologías pueden jugar un papel muy significativo. Estos sistemas han permitido modernizar las explotaciones ganaderas a través de la conocida cómo ganadería de precisión, que optimiza el funcionamiento de las explotaciones a través de la monitorización individual de los animales (Banhazi et al., 2010).
La ganadería de precisión tiene el gran potencial de ayudar a los ganaderos a criar a los animales en las mejores condiciones posibles (Berckmans y Guarino, 2017), apoyando en la toma de decisiones (Bahlo et al., 2019; Lindblom et al., 2017).
Cuanto más se monitoricen los animales, más fácil es predecir comportamientos inesperados y dar un peso adecuado a las anomalías (Bishop et al., 2019; Meunier et al., 2018). Una de las especies con mayor tradición en el uso de este tipo de sistema es el vacuno de leche, habiéndose trabajado ampliamente con vacas lecheras en producción (Clark et al., 2015).
Mejorar las condiciones de salud permite:
En el caso de las terneras, esta tecnología es más desconocida y su desarrollo más limitado, a pesar de su amplio potencial (Eslamizad et al., 2018).
La ganadería de precisión tiene el gran potencial de ayudar a los ganaderos a criar a los animales en las mejores condiciones posibles
Podemos considerar que el periodo de la recría es desde el momento del nacimiento hasta el primer parto. Este periodo se puede diferenciar en tres grandes fases en función de la edad y la robustez de los animales: i) fase de lactación, ii) fase de crecimiento y iii) fase reproductiva.
En la primera fase, los animales tienen un sistema inmune escasamente desarrollado y dependen en gran medida del encalostrado para poder hacer frente a las amenazas exteriores. Son animales inmaduros más susceptibles al estrés, lo que sumado a su escasa capacidad inmune, los hace extremadamente sensibles a problemas de salud y una respuesta rápida ante cualquier síntoma puede tener un impacto muy significativo sobre el desarrollo de un problema sanitario.
Disponer de un sistema automático que monitorice la actividad del animal y que pueda detectar anomalías en su comportamiento permite identificar, de forma temprana, muchos problemas de salud. Con algunas limitaciones, ya existen en el mercado algunas alternativas encaminadas a este fin, como son los crotales, los collares o los podómetros (Costa et al. 2020).
Este tipo de sistemas se basan en patrones de micro-movimientos de los animales, que identifican diferentes acciones como el amamantamiento, grado de actividad, conductas motoras o, incluso, la rumia. Establecen una línea base de comportamiento a nivel individual y cualquier desviación del comportamiento normal desencadena una alerta en el programa (Lokhorst et al., 2019).
En esta fase, los cambios a menudo ocurren por presencia de enfermedad (Stangaferro et al., 2016). También hay sensores que se han validado para detectar cambios en la postura de descanso, indicando el desarrollo de la inflamación del ombligo y la diarrea (Costa et al. 2020).
Por otra parte, los cambios en la rumia se han asociado con enfermedades en el ganado lechero (Beauchemin, 2018) y, por lo tanto, tienen el potencial de detectar problemas en los terneros. Sin embargo, la monitorización de la rumia en los terneros ha tenido una aplicación limitada.
Esto probablemente esté relacionado con las edades variables a las que los sensores pueden medir la rumia, mientras que Hill et al. (2017) detectaron la rumia desde las 6 semanas, Reynolds et al. (2019) no obtuvieron resultados hasta las 8 semanas de edad. Además, existe un debate sobre a qué edad ocurre la rumia verdadera en los terneros (Khan et al., 2016).
El desarrollo de la rumia también puede ser un indicador de madurez digestiva de los animales, con la posibilidad de identificar el momento adecuado para llevar a cabo el destete desde un punto de vista fisiológico. En cualquier caso, es necesario seguir trabajando en este campo, dadas las complejidades comentadas.
Además, este tipo de tecnologías tienen el potencial de aportar información sobre el bienestar animal reconociendo comportamientos que reflejan estados de bienestar positivos o negativos (Rushen et al., 2012). El denominado comportamiento de juego, como correr, saltar y brincar, está ampliamente respaldado como un indicador de mejora del bienestar animal (Ahloy-Dallaire et al., 2018).
El juego muestra una mejora del estado emocional y, por lo general, no se expresa cuando el animal está amenazado o si su forma física se encuentra comprometida (Held y Spinka, 2011). De hecho, dicho comportamiento se reduce significativamente en los terneros en condiciones estresantes como el destete (Mintline et al., 2013). Por lo tanto, la monitorización de la expresión y los cambios en el comportamiento de juego, pueden indicar el nivel de bienestar (Luu et al., 2013).
Los sensores también pueden monitorizar indicadores de bienestar negativos, como cambios en los patrones de actividad asociados con procedimientos dolorosos como el descornado (Sutherland et al., 2018), o respuestas negativas a un cambio ambiental, como es el destete (Lopreiato et al., 2018). El siguiente gráfico recoge información sobre algunas actividades detectadas en ganado joven.
En la segunda fase del desarrollo, el monitoreo del peso corporal y el crecimiento estructural son fundamentales para la crianza exitosa de terneros lecheros, pero requiere mucha mano de obra y el manejo de animales.
En un trabajo reciente, Martins et al. (2020) usaron cámaras tridimensionales para medir el peso, la condición corporal y los rasgos de tipo lechero de terneras Holstein, mostrando una buena perspectiva para futuro uso comercial. En cualquier caso, aunque se demostró que esta medición es posible, los modelos aún necesitan mejoras.
Finalmente, en la tercera etapa, lo más importante es la detección de celo para realizar la inseminación en el momento óptimo. En esta fase los cambios en el comportamiento, además de indicar la aparición de enfermedad como en las fases anteriores (Stangaferro et al., 2016), también pueden indicar otros estados fisiológicos como el celo (Dolecheck et al., 2015).
Para la detección de este, es necesario el desarrollo de algoritmos específicos que logran una alta precisión de detección (Costa et al. 2020) además de la comprobación humana. Este aspecto ha sido ampliamente estudiado con diversas tecnologías como sensores en la oreja, collares o podómetros.
Se ha visto que los eventos de monta, el nivel de actividad y el número de pasos aumenta durante el celo (Roelofs et al., 2005a; Dolecheck et al., 2015). El tiempo de descanso y las veces que se acuestan disminuye (Jonsson et al., 2011, Dolecheck et al., 2015). Por otra parte, se ha observado que la rumia disminuye el día antes del celo (Reith et al., 2012; Pahl et al., 2015).
Se puede considerar esta como una tecnología madura, que ha sido perfeccionado intensamente, alcanzando un nivel de precisión superior al 90 % (Saint-Dizier y Chstant-Maillard, 2012).
Además de estas tecnologías que se encuentran ya implantadas en la actualidad o en fase avanzada de desarrollo, existen otra serie de aplicaciones en un estado más inmaduro con elevado interés. Se ha planteado controlar la temperatura corporal de los terneros lecheros a través de bolos reticulorumenales, sensores de temperatura timpánica, microchips implantados y las cámaras de imágenes infrarrojas.
Estas tecnologías de detección de temperatura tienen aplicaciones potencialmente importantes en los terneros, especialmente para la identificación de la fiebre (Costa et al. 2020).
En general, se puede concluir que la ganadería de precisión tiene el potencial de servir como una herramienta en el manejo de los terneros lecheros al identificar enfermedades de forma prematura, monitorizar el nivel de bienestar e identificar estados fisiológicos como el celo.
Además, la tecnología es prometedora de cara a desarrollar nuevas aplicaciones prácticas como la detección del desarrollo digestivo o la predicción de parámetros productivos futuros. Así, el desarrollo de nuevos enfoques de gestión para los terneros lecheros basados en la información proporcionada por la ganadería de precisión es fundamental en el futuro.
Bibliografía
Ahloy-Dallaire, J., Espinosa, J., Mason, G., 2018. Play and optimal welfare: Does play indicate the presence of positive affective states? Behav. Processes 156:3-15. Bahlo, C., Dahlhaus, P., Thompson, H., Trotter, M., 2019. The role of interoperable data standards in precision livestock farming in extensive livestock systems: a review. Comput. Electron. Agric. 156, 459-466. Banhazi, T.M., Lehr, H., Black, J.L., Crabtee, H., Schofield, C.P., Tscharke, M. and Berckmans, D. 2012. Precision Livestock Farming: An international review of scientific and commercial aspects. International Journal of Agricultural and Biological Engineering 5:1-9. Beauchemin, K. A. 2018. Invited review: Current perspectives on eating and rumination activity in dairy cows. J. Dairy Sci. 101:4762-4784. Benaissa, S., Tuyttens, F.A.M., Plets, D., Trogh, J., Martens, L., Vandaele, L., Joseph, W. And Snock, B. 2020. Calving and estrus detection in dairy cattle using a combination of indoor localization and accelerometer sensors. Computers and Electronics in Agriculture 168: 105-153. Berckmans, D., Guarino, M., 2017. From the Editors: precision livestock farming for the global livestock sector. Anim. Front. 7 (1), 4-5. Bishop, J.C., Falzon, G., Trotter, M., Kwan, P., Meek, P.D., 2019. Livestock vocalisation classification in farm soundscapes. Comput. Electron. Agric. 162, 531-542. Clark, C., Lyons, N., Millapan, L., Talukder, S., Cronin, G., Kerrisk, K. and Garcia S. 2015. Rumination and activity levels as predictors of calving for dairy cows. Animal 9: 1-5. Costa, J., Cantor, M., Neave, H., 2020. Symposium review: Precision technologies for dairy calves and management applications. Journal Of Dairy Science, 104(1), 1203-1219. Dolecheck, K. A., Silvia, W. J., Heersche Jr., G., Chang, Y. M., Ray, D. L., Stone, A. E., Wadsworth, B. A., and Bewley, J. M., 2015. Behavioral and physiological changes around estrus events identified using multiple automated monitoring technologies. J. Dairy Sci. 98:8723-8731. Hill, T. M., Suarez-Mena, F. X., Hu, W., Dennis, T. S., Schlotterbeck, R. L., Timms, L. L., Hulbert, L. E., 2017. Technical note: Evaluation of an ear-attached movement sensor to record rumination, eating, and activity behaviors in 1-month-old calves. Prof. Anim. Sci. 33:743-747. Jonsson, R., Blanke, M., Poulsen, N.K., Caponetti, F., and Hojsgaard, S., 2011. Oestrus detection in dairy cows from activity and lying data using on-line individual models. Comput. Electron. Agric. 76: 6-15. Kaske, M., Wiedemann, S. and Kunz, H.J. 2010. Metabolic programming: Background and potential impact for dairy cattle. Vlaams Diergeneeskundig Tijdschrift 79(6):445-451. Khan, M. A., Bach, A., Weary, D. M., Von Keyserlingk, M. A. G., 2016. Invited review: Transitioning from milk to solid feed in dairy heifers. J. Dairy Sci. 99:885-902. Lindblom, J., Lundstrom, C., Ljung, M., Jonsson, A., 2017. Promoting sustainable intensification in precision agriculture: review of decision support systems development and strategies. Precis. Agric. 18 (3), 309-331. Lokhorst, C., de Mol, R. M., Kamphuis, C., 2019. Invited review: Big data in precision dairy farming. Animal 13:1519-1528. Lopreiato, V., Minuti, A., Cappelli, F. P., Vailati-Riboni, M., Britti, D., Trevisi, E., Morittu, V. M., 2018. Daily rumination pattern recorded by an automatic rumination-monitoring system in preweaned calves fed whole bulk milk and ad libitum calf starter. Livest. Sci. 212:127-130. Lovarelli, D., Bacenetti, J., Guarino, M., 2020. A review on dairy cattle farming: Is precision livestock farming the compromise for an environmental, economic and social sustainable production?. Journal of cleaner production, 262, 121409. Lucas, A. 1991. Programming by early nutrition in man. Ciba Found. Symp. 156: 38–50. Luu, J., Johnsen, J. F., Passille, A. M., Rushen, J., 2013. Which measures of acceleration best estimate the duration of locomotor play by dairy calves? Appl. Anim. Behav. Sci. 148:21-27. Martins, B. M., Mendes, A. L. C., Silva, L. F., Moreira, T. R., Costa, J. H. C., Rotta, P. P., Chizzotti, M. L., and Marcondes, M. I., 2020. Estimating body weight, body condition score, and type traits in dairy cows using three dimensional cameras and manual body measurements. Livest. Sci. 236:104054. Meunier, B., Pradel, P., Sloth, K.H., Cirié, C., Delval, E., Mialon, M.M., Veissier, I., 2018. Image analysis to refine measurements of dairy cow behaviour from a real-time location system. Biosyst. Eng. 173, 32-44. Mintline, E. M., Stewart, M., Rogers, A. R., Cox, N. R., Verkerk, G. A., Stookey, J. M., Webster, J. R., Tucker, C. B., 2013. Play behavior as an indicator of animal welfare: Disbudding in dairy calves. Appl. Anim. Behav. Sci. 144:22-30. Pahl, C., Hartung, E., Mahlkow-Nerge, K., and Haeussermann, A., 2015. Feeding characteristics and rumination time of dairy cows around estrus. J. Dairy Sci. 98: 148-154. Reith, S., and Hoy S., 2012. Relationship between daily rumination time and estrus of dairy cows. J. Dairy Sci. 95: 6416-6420. Reynolds, M. A., Borchers, M. R., Davidson, J. A., Bradley, C. M., Bewley, J. M., 2019. Technical note: An evaluation of technology-recorded rumination and feeding behaviors in dairy heifers. J. Dairy Sci. 102:6555-6558. Roelofs, J.B., van Eerdenburg, F.J.C.M., Soede, N.M., and Kemp, B., 2005. Pedometer readings for estrous detection and as predictor for time of ovulation in dairy cattle. Theriogenology. 64 (a): 1690-1703. Rushen, J., Chapinal, N., De Passille, A. M., 2012. Automated monitoring of behavioral-based animal welfare indicators. Animal Welfare 21:339-350. Saint-Dizier, M., Chastant-Maillard, S. 2012. Towards an Automated Detection of Oestrus in Dairy Cattle. Reproduction in Domesti Animals 47(6): 1056-1061. Stangaferro, M. L., Wijma, R., Caixeta, L., Al-Abri, M., Giordano, J., 2016. Use of rumination and activity monitoring for the identification of dairy cows with health disorders: Part I. Metabolic and digestive disorders. J. Dairy Sci. 99:7395-7410. Sutherland, M. A., Lowe, G. L., Huddart, F. J., Waas, J. R., Stewart, M., 2018. Measurement of dairy calf behavior prior to onset of clinical disease and in response to disbudding using automated calf feeders and accelerometers. J. Dairy Sci. 101:8208-8216.
Tercer artículo de esta serie en la que analizamos esta herramienta de la Comisión Europea, que arroja mejoras en muchos de los indicadores ambientales
Estos microorganismos se erigen como recursos biológicos que aportan importantes beneficios, como la mejora de la calidad del agua, pero también valores nutricionales tanto para los organismos marinos como los consumidores
Cajamar es uno de los patrocinadores de esta obra colectiva, que se ha sido presentada en Fruit Attraction 2024
Segundo artículo, de una serie de cuatro, sobre esta nueva herramienta europea con el objetivo de arrojar luz sobre ciertos conceptos para hacer un uso adecuado de ella