Epsilon Archive for Student Projects

Abstract

Prediktering av foderintag för mjölkkor är en viktig aspekt att ta hänsyn till både ur djurvälfärdssynpunkt men även ekonomiskt då foder är en av de största utgifterna inom svensk mjölkproduktion. Precis prediktering av foderintag är viktigt för att und-vika att över- eller underutfodra sina djur vilket i sin tur kan leda till sjukdomar hos djuren och/eller högre omkostnader.
På grund av det stora behovet utvecklas det ständigt modeller för prediktering av foderintag för mjölkkor, dessa foderintagsmodeller brukar ofta vara en del av nutrit-ionsmodeller för att säkerställa att foderintaget även täcker näringsbehovet.
I detta examensarbete har djurfaktorn äthastighet (foderintag i g/s) utvärderats och huruvida denna faktor kan användas framgångsrikt i en foderintagsmodell för mjölk-kor. För att ta reda på om äthastighet går att använda har variation i äthastighet mellan och inom individer undersökts samt hur förändring av äthastigheten ser ut över tid. I litteraturgenomgången listas de vanligast förekommande faktorerna som används i foderintagsmodeller samt vilken effekt de har på foderintaget. Utöver det har två fo-derintagsmodeller (Norfor och National Research Council, NRC, modellerna) grans-kats.
Modellen för foderintag framtagen i detta arbete skattar grovfoderintaget för varje enskild mjölkko baserat på individuell historisk äthastighet (g grovfoder/s) samt för-väntat energibehov. Formlerna som används i foderintagsmodellen är baserade på Norfor-modellens formler som använder sig av nettoenergi (NE) medan dataseten som används registrerar energi i omsättbar energi (ME), för att omvandla ME till NE antas NE vara 60 % av ME. Data från fyra dataset från olika studier har använts som underlag för utformningen och utvärderingen av foderintagsmodellen. Totalt ingick 112 kor i försöken varav tre försök (88 kor) följde korna en hel laktation. Dagliga registreringar av foderintag, mjölkmängd, äthastighet etc. har använts när tillgängligt.
Resultaten visar att äthastighet skiljer sig mellan individer men även inom indivi-den, dock verkar förändringen i äthastighet över tid vara relativt låg. Resultaten visar även att äthastighet går att använda framgångsrikt för att skatta grovfoderintag. Ut-värderingen av foderintagsmodellen visade att modellen överskattade mängden pre-dikterat foderintag jämfört med det observerade foderintaget. Modellen fungerade bäst på ett av dataseten som följde korna genom en hel laktation, på det försöket var skattningsfelet på 17 % och Root Mean Square Prediction Error (RMSPE) på 7,9 kg färskvikt ensilage, samt ett R2 värde på 0,54. Modellen presterade sämre på de övriga tre dataseten. Slutsatserna som kunnat dras utifrån detta arbete är att äthastigheter skiljer sig mellan individer och förändras långsamt över tid. Det går att skatta foder-intag på individnivå baserat på individens historiska äthastighet. Den framtagna mo-dellen behöver genomarbetas mer för att kunna fungera kommersiellt.

Prediction of feed intake for dairy cows is a crucial aspect to consider both from an animal welfare point of view and an economic point of view since one of the largest expenses for Swedish dairy farms are the costs for feed. Precise feed intake prediction is incredibly important to avoid over or under feeding the dairy cows which in turn might result in sick animals and/or larger expenses for feed. Due to the high demand of reliable feed intake prediction models’ new models are being created continuously as well as improvements of already existing models. The feed intake prediction mod-els are often combined with nutrition prediction as well to guarantee that feed intake covers the nutritional requirements as well.
The purpose of this master thesis was to investigate the animal factor eating rate (feed intake in g/s) and if said factor could be used successfully in predicting rough-age intake for dairy cows. To investigate eating rate variation between and within individuals were analysed together with change of eating rate over time. The litera-ture review lists the most common factors included in feed intake prediction models and how said factors affect feed intake. The review also examines two commonly used feed intake prediction models (the Norfor and National Research Council, NRC, models).
The model created in this thesis predicts individual silage intake for dairy cows based on historical individual eating rate together with estimated energy requirement. The calculations used in the model is based on Norfors calculations which uses net-energy (NE). The datasets used for this thesis register energy in metabolizable energy (ME). NE is assumed to be 60 % of ME. Data from four datasets were used to create and evaluate the feed intake prediction model. 112 cows were included in the four studies in total, whereas three studies (88 cows) followed all cows a full lactation. Daily registrations of feed intake, milk yield, eating rate etc. have been used when available.
The results show that eating rate differs between and within individuals and changes slowly over time. It also shows that eating rate can be used to predict silage intake for dairy cows. The evaluation of the feed intake prediction model showed overestimation of silage intake for all datasets compared to observed intake. The model worked best with one of the continuous datasets where the prediction error was 17 % and Root Mean Square Prediction Error (RMSPE) was 7.9 kg fresh weight silage with a R2 value of 0.54. The model performed worse on the other three datasets.
It could be concluded that eating rate varies between and within individuals and changes slowly over time. It is possible to predict silage intake for dairy cows based on historical individual eating rate. Lastly, the feed intake prediction model needs more work before it can be used commercially.