Home About Browse Search
Svenska


Larsson, Evelina, 2006. Grazemore DSS för att prediktera beteskvalitet för mjölkkor. SLU, Dept. of Agricultural Research for Northern Sweden, Umeå. Umeå: SLU, Dept. of Agricultural Research for Northern Sweden

[img]
Preview
PDF
588kB

Abstract

The aim of this study was to examine if the predictions of the herbage quality in the software Grazemore Decision Support System (DSS) gives a reliable ground for milk production in the north of Scandinavia.

Pasture samples from one research farm (Umeå) and one organic farm (Nordingrå) was analysed on crude protein and organic matter digestibility. The results were statistically compared to the predicted values. Measured and predicted herbage mass was compared and a control if the predictions of milk production improved if the predicted input were replaced by the values from the analysis, was made.

The concentration of crude protein was underestimated by the model on both farms and the relationship between actual and predicted values was poor. Mean Prediction Error (MPE) was 24% and 31% respectively. The organic matter digestibility was slightly overestimated, but there were a significant relationship between the analysed and the predicted values and both farms had a MPE at 7%. Herbage mass was measured during two summers in Umeå and one summer in Nordingrå. The model gave underestimations of the values in Umeå both years, while the mass was overestimated for Nordingrå. The relationship was statistically significant (p<0,05) on both farms 2004, but no significance was found for Umeå 2005.

The relationship between measured milk yield and milk yield predicted with input from HGM was stronger then when the actual inputs were used. Though, the MPE was relatively low, 6%, when using predicted input and MSPE was mostly due to line (83%). When using actual values as input to HIM, the MPE was 16% and MSPE was mostly due to bias.

The model has a good potential to predict the organic matter digestibility and the herbage mass, but it takes further development to make the predictions of crude protein more reliable.

,

Det finns många faktorer som påverkar kornas konsumtion av bete och dessa
faktorer har därmed även effekter på mjölkproduktionen. Genom att känna till
mängden bete och dess näringsvärde kan man styra kornas betestilldelning och
tillskottsutfodring för att optimera mjölkproduktionen.
Grazemore decision support system (beslutsstödssystem, DSS) är en programvara
som tagits fram i EU-projektet Grazemore för att förbättra utnyttjandet av bete i
mjölkproduktionen i nordvästra Europa. Programvaran består av en tillväxtmodell
(herbage growth model, HGM) och en konsumtionsmodell (herbage intake model,
HIM). HGM predikterar betets tillväxt och foderkvalitet och HIM predikterar
mjölkproduktion, beteskonsumtion och total konsumtion av torrsubstans för
betesperioden i varje fålla. Genom att utföra simuleringar med
användardefinierade preferenser, kan man få en beteskalender med förslag på
optimala datum när man ska låta beta eller putsa respektive fålla.
Detta examensarbete är en fortsättning på EU-projektet Grazemore med syfte att
undersöka om prediktionerna av betets mängd och kvalitet i form av smältbarhet
och råproteinhalt i Grazemore DSS ger ett tillförlitligt underlag för utnyttjandet av
bete inom mjölkproduktionen i norra Skandinavien. I litteraturstudien beskrivs
några tillväxtmodeller för gräs och alternativa modeller som kan ersätta den
engelska rajgräs- och vitklövermodell som finns i Grazemore DSS. Betesprover
från en forskningsgård med konventionell mjölkproduktion i Umeå, Västerbotten,
och en kommersiell gård med ekologisk mjölkproduktion i Nordingrå,
Västernorrland, insamlades och analyserades för råprotein och den organiska
substansens smältbarhet. Resultaten jämfördes med de predikterade värdena från
datamodellen. Uppmätt och predikterad betesmängd jämfördes och sedan
kontrollerades om prediktionerna av mjölkproduktionen blev bättre om modellens
förutsagda värden ersattes med analysvärdena. Detta gjordes genom en jämförelse
mellan uppmätt och predikterad mjölkmängd för Umeå 2004 när de av HGM
predikterade värdena för smältbarhet, råproteinhalt och betesmängd användes som
indata till HIM, samt en jämförelse mellan uppmätt och predikterad mjölkmängd
när de uppmätta kvaliteterna av smältbarhet, råprotein och betesmängd användes
som indata till HIM.
Modellen gav lägre värden på råproteinhalten än de uppmätta värdena på båda
gårdarna och sambandet mellan uppmätta och predikterade värden var svagt. För
smältbarheten gav modellen något höga värden, men det fanns ett tydligt samband
mellan analyserade och predikterade värden och MPE var 7 % för båda gårdarna.
Betesmängden uppskattades med klippningar i fållorna under två år i Umeå och ett
år i Nordingrå. Modellen underskattade betesmängden för Umeå båda åren, medan
mängden överskattades för Nordingrå. Sambandet mellan uppmätt och predikterad
betesmängd var statistiskt signifikant (p<0,05) på båda gårdarna för 2004, men inte
signifikant för Umeå 2005.

Main title:Grazemore DSS för att prediktera beteskvalitet för mjölkkor
Authors:Larsson, Evelina
Supervisor:Hetta, Mårten
Examiner:UNSPECIFIED
Series:Röbäcksdalen meddelar : rapport / SLU, Institutionen för norrländsk jordbruksvetenskap
Volume/Sequential designation:2006:2
Year of Publication:2006
Level and depth descriptor:Other
Student's programme affiliation:1010A Agriculture Programme (admitted before July 1, 2007) 270 HEC
Department:(NL, NJ) > Dept. of Agricultural Research for Northern Sweden
(VH) > Dept. of Agricultural Research for Northern Sweden
Keywords:beslutsstödssystem, betesmängd, tillväxtmodell, konsumtionsmodell, foderkvalitet, simulering, mjölkmängd
URN:NBN:urn:nbn:se:slu:epsilon-s-9109
Permanent URL:
http://urn.kb.se/resolve?urn=urn:nbn:se:slu:epsilon-s-9109
Subjects:SLU > (NL, NJ) > Dept. of Agricultural Research for Northern Sweden
SLU > (VH) > Dept. of Agricultural Research for Northern Sweden

Animal feeding
Language:Swedish
Deposited On:24 Nov 2017 09:50
Metadata Last Modified:24 Nov 2017 09:50

Repository Staff Only: item control page

Downloads

Downloads per year (since September 2012)

View more statistics

Downloads
Hits