Регулярный отбор проб и расчет средних значений повышают точность анализа, что позволяет более эффективно корректировать рационы, снижать риски и повышать рентабельность, несмотря на неизбежные колебания содержания питательности кормов.
Весна — подходящее время для разговора о переменчивости; в конце концов, контрастная погода весенних месяцев еженедельно, а то и ежедневно напоминает нам о пристрастии природы к хаосу. Большинство людей, даже если они не интересуются погодой, в конечном итоге вынуждены проверять прогноз, чтобы решить, брать ли с собой зимнее пальто или просто надеть футболку на предстоящий день или неделю. Это не так уж отличается от колебаний питательных веществ, с которыми молочные фермы сталкиваются на регулярной основе. Кроме того, в отличие от погоды, даже если во многих ситуациях мы не можем контролировать колебания, существует множество стратегий, которые мы можем применять для минимизации их воздействия.
При рассмотрении изменчивости часто упоминается такое понятие, как различие между сигналом и шумом. Под сигналом понимаются истинные, значимые или важные изменения в данных, а шум — это случайные или нерелевантные данные, сопровождающие сигнал. Метеорологи используют широкий спектр моделей прогнозирования для составления прогнозов погоды. В этом процессе им необходимо определить, какие модели отражают реальность, а какие слишком полагаются на шум при составлении прогнозов. При оценке результатов анализа кормов мы часто сталкиваемся с той же дилеммой. Мы должны определить, какие изменения связаны с рационом коров, а какие обусловлены внешними факторами, такими как вариабельность при отборе проб или аналитическая погрешность, с которыми корова не сталкивается.
Представьте себе следующую ситуацию: вы берете пробу кукурузного силоса, и тест показывает 35% крахмала. Через две недели вы берете пробу из той же кучи, и результат теперь составляет 30% крахмала. Попробуйте подумать, какие вопросы могут у вас возникнуть в связи с этим существенным изменением содержания крахмала. Мы можем задаться вопросом, является ли это изменение реальным или отражает ли оно истинное содержание питательных веществ, была ли наша техника отбора проб правильной, получили ли мы репрезентативную пробу корма, или даже задаться вопросом, не произошла ли погрешность на этапе выделения лабораторной пробы или самого анализа. Чтобы ответить на эти вопросы, мы можем повторно проанализировать пробу в лаборатории или взять повторную пробу в полевых условиях. Независимо от того, как мы поступим, если это действительно изменение содержания питательных веществ, такие дополнительные шаги означают, что в течение этого времени коровы получают меньше энергии, чем было рассчитано.
Степень вариативности и факторы, влияющие на колебания содержания нутриентов, зависят от конкретного вида корма. Само по себе это знание играет ключевую роль в разработке стратегий управления этими изменениями состава корма. Например, ряд исследований показал, что большая часть изменений, наблюдаемых в содержании сухого вещества кукурузного силоса, обусловлена колебаниями содержания нутриентов в корме, тогда как меньшая часть связана с методами отбора проб на ферме и, в еще меньшей степени, с лабораторными погрешностями. С другой стороны, на колебания содержания крахмала в кукурузном силосе в большей степени влияли методы отбора проб на ферме. Наличие этой информации помогает разработать стратегии не только для интерпретации меняющихся результатов анализов, но и для разработки методов отбора проб, позволяющих минимизировать влияние шума. Исследователи, проводившие эти исследования, предположили, что более частый отбор проб может помочь преодолеть влияние шума на истинные изменения содержания питательных веществ или сигнал.
На рисунке 1 показаны результаты анализа всех проб кукурузы, отобранных на молочной ферме за трехмесячный период, в сравнении с графиком, где каждая проба нанесена относительно линии скользящего среднего, рассчитанного по трем образцам. Построив график среднего значения по трем образцам, мы можем более четко увидеть тенденции и определить, когда содержание крахмала в этом зерне начинает стабильно снижаться, что указывает на реальное изменение его питательной ценности. Это имеет решающее значение, поскольку не только укрепляет нашу уверенность в данных, но и делает их пригодными для практического использования, позволяя корректировать рацион по мере необходимости с учётом этих изменений в корме.
Использование средних значений по корму, отражающих значимый период, помогает отделить случайный шум от сигнала, указывающего на изменения в корме. Для таких позиций, как сырьевые компоненты, целесообразно проводить оценку раз в месяц; однако может требоваться и еженедельно, и даже несколько раз в неделю. Кроме того, более частый отбор проб позволяет более точно дифференцировать факторы, влияющие на отклонения. Это также дает производителям возможность с уверенностью использовать экономические преимущества более высокого, чем ожидалось, содержания питательных веществ. На крупных фермах важно собирать пробы кормов еженедельно или даже несколько раз в неделю, чтобы обеспечить точное отражение фактического объема используемого корма.
Хотя мы обычно уделяем внимание изменчивости кормов, сырьевые компоненты также подвержены колебаниям питательности. Степень вариативности зачастую меньше в таких продуктах, как соевый шрот или молотая кукуруза, но все же может оказывать экономическое влияние, особенно в периоды низкой рентабельности. Корма из побочных продуктов также могут вносить существенный вклад в изменчивость рациона в зависимости от нормы их скармливания. Изменения неизбежны, но как часто они происходят в кормах? На рисунке 2 показано распределение содержания питательных веществ для ряда распространенных кормов и анализируемых веществ, наблюдаемое в коммерческих пробах, отобранных в течение двухлетнего периода.
Поскольку колебания присутствуют повсеместно и имеют множество источников, управление ими может казаться непреодолимой задачей. Однако даже небольшие шаги могут привести к существенным результатам. Исследователи из Корнелла обнаружили, что практика регулярного отбора проб кормов и использование средних значений для корректировки общего смешанного рациона (TMR) привела к увеличению дохода на 8 центов по сравнению с затратами на корма благодаря повышению надоев молока.
Создание надежных баз данных по кормам, позволяющих принимать действенные меры в настоящем, также закладывает основу для будущего развития. Затраты на корм являются крупнейшей статьёй общих расходов фермерского хозяйства, поэтому выявлению возможностей по оптимизации ингредиентов корма без ущерба для питания коров следует уделять должное внимание. Однако в нашем распоряжении имеется очень мало ресурсов, помогающих проверять и прогнозировать изменчивость кормов. Отчасти это связано с ограниченной доступностью данных о питательной ценности кормов на фермах. Создание базы данных сегодня даст фермам возможность отслеживать изменения в содержании питательных веществ в кормах так же, как мы отслеживаем предстоящие изменения погоды.