O JORNAL HOLANDÊS divulga o segundo artigo da série “CIÊNCIA” .
Os resultados foram divulgados durante o IV Simpósio de Produção Animal- Simpa. O artigo teve a participação da Associação dos Criadores de Gado Holandês de Minas Gerais. Nessa edição o objetivo do trabalho foi agrupar os rebanhos leiteiros em clusters de acordo com suas características produtivas e reprodutivas em Minas Gerais.
A cada edição será divulgada uma nova pesquisa e mais novidades para os criadores de Holandês.
Análise de Cluster dos Rebanhos Leiteiros do Estado de Minas Gerais
Gabriel Machado Dallago, Maurício Gomes de Sousa, Katharine Kelly de Azevedo e Juliana Aparecida Vieira
Mestrandos do Programa de Pós-Graduação em Zootecnia –UFVJM. Bolsistas do CNPq/Capes
Diego Charles de Almeida Santos
Diretor Executivo da Associação dos Criadores de Gado Holandês de Minas Gerais – ACGHMG
Darcilene Maria de Figueiredo e Roseli Aparecida dos Santos
Docentes do Departamento de Zootecnia –UFVJM
Paulo César de Resende Andrade
Docente do Instituto de Ciência e Tecnologia – UFVJM
Resumo: O presente trabalho teve como objetivo agrupar rebanhos leiteiros em clusters de acordo com suas características produtivas e reprodutivas. O banco de dados coletado entre os anos de 1980 e 2016 de 136 propriedades com criação de animais da raça Holandesa, predominantemente, e contendo 22 variáveis foi fornecido pela Associação dos Criadores de Gado Holandês de Minas Gerais. Foram descartadas informações de 8 propriedades por apresentarem mais de 10% de parcelas perdidas. Doze variáveis foram selecionadas e 8 adicionais foram criadas, sendo posteriormente padronizadas para terem média = 0 e desvio padrão = 1. Empregou-se a técnica de agrupamento não hierárquico k-medoid. A significância entre os grupos para cada uma das variáveis foi determinada usando o teste F seguido pelo teste de Tukey, adotando um nível de significância de 5%. Os rebanhos avaliados foram agrupados em 3 clusters, sendo possível identificar 1 cluster com os melhores resultados de desempenho, outro com características intermediárias e um terceiro cluster apresentou o menor desempenho. Além disso, a técnica de cluster mostrou-se útil na segregação de rebanhos, possibilitando traçar estratégias de assistência técnica específica para os rebanhos alocados em cada cluster.
Palavras–chave: ACGHMG, agrupamento, análise multivariada, bovinocultura de leite.
Introdução
A pecuária leiteira busca o retorno financeiro pela maximização do desempenho do rebanho. Para tal, é necessário que o produtor avalie constantemente a implantação de diferentes tecnologias e práticas de manejo, ao mesmo tempo em que pondera e tenta estabelecer equilíbrio entre a gama de diferentes fatores envolvidos na produção de leite (MCBRIDE e JOHNSON, 2006). Entretanto, por se tratar de uma atividade multifatorial, a atuação em determinado fator pode causar efeito antagonista em outro, sendo necessário que o produtor adote múltiplas estratégias visando o sucesso da atividade.
Justamente pela sua característica multifatorial, a atividade leiteira não pode ser avaliada com base em uma única característica. Torna-se então necessário a adoção de alguma metodologia capaz de integrar todos os seus aspectos, bem como as suas inter-relações, auxiliando no gerenciamento da propriedade produtora de leite. A análise de agrupamentos (clusters) não hierárquicos poderia realizar tal tarefa, uma vez que ela é capaz de aglomerar observações em grupos individuais com base na similaridade múltipla de todas as características simultaneamente (BORCARD et al., 2011).
Dessa forma, o presente trabalho teve como objetivo agrupar rebanhos leiteiros em clusters de acordo com suas características produtivas e reprodutivas.
Material e Métodos
Os dados usados no presente trabalho foram fornecidos pela Associação dos Criadores de Gado Holandês de Minas Gerais – ACGHMG, sendo extraídos de um banco de dados pré-existente. Dessa forma, não foi necessária a autorização da Comissão de Ética no Uso de Animais – CEUA da Universidade Federal dos Vales do Jequitinhonha e Mucuri – UFVJM.
O banco de dados continha informações coletadas entre os anos de 1980 e 2016 de 136 propriedades com criação de animais da raça Holandesa, predominantemente, totalizando aproximadamente 45140 animais, 97665 lactações e 22 variáveis. Doze variáveis foram selecionadas e 8 adicionais foram criadas, totalizando 20 variáveis. Um valor médio foi calculado para cada variável de acordo com os rebanhos. Informações de 8 propriedades foram descartadas por apresentarem mais de 10% parcelas perdidas. Informações de 128 fazendas leiteiras do estado de Minas Gerais foram então analisadas por meio de clusters utilizando o programa estatístico R, versão 3.4.1 (R CORE TEAM, 2017).
Antes de serem analisadas, as 20 variáveis foram padronizadas para terem média = 0 e desvio padrão = 1. Foi então empregada a técnica de agrupamento não hierárquico k-medoids, que busca reduzir a soma das dissimilaridades das observações dentro de cada grupo, utilizando a função pam do pacote cluster empregando a medida Manhattan de distâncias. O número final K de clusters foi determinado pela relevância biológica dos grupos criados. A significância entre os grupos para cada uma das variáveis foi determinada usando o teste F seguido pelo teste de Tukey para comparação múltipla das médias usando a função dic do pacote ExpDes.pt e adotando um nível de significância de 5% para o erro tipo 1.
Resultados e Discussão
Três clusters foram criados com base na relevância biológica de cada um deles. Na Tabela 1 está apresentada a média das 20 variáveis analisadas em cada um dos grupos formados. Os clusters formados não apresentaram tamanhos similares entre eles, sendo que o grupo 2 (n = 54) teve o maior tamanho, seguido pelos grupos 3 (n = 42) e 1 (n = 32), respectivamente. De forma geral, os rebanhos alocados no cluster 1 tiveram o melhor desempenho, enquanto que os membros do cluster 3 tiveram os piores. Por sua vez, os rebanhos do cluster 2 apresentaram desempenho mediano em comparação aos clusters 1 e 3.
Os animais das fazendas do cluster 1 foram ordenhados mais vezes por dia que os animais dos grupos 2 e 3 (P< 0,05), o que poderia ter influenciado no resultado encontrado para a variável produção de leite, que também foi estatisticamente maior (P < 0,05) nos animais do cluster 1 do que dos clusters 2 e 3, respectivamente. Tanto primíparas quanto multíparas são estimuladas a produzem mais leite quando são ordenhadas mais vezes por dia (BARNES et al., 1990). Além disso, o cluster 1 apresentou maiores (P < 0,05) produções de gordura, proteína, lactose, sólidos totais e sólidos desengordurados, indicando que os animais pertencentes às propriedades deste cluster possuíam maior aptidão leiteira do que dos demais grupos.
A idade ao primeiro parto foi menor (P < 0,05) entre os animais do cluster 1 do que dos clusters 2 e 3, que por sua vez não diferiram estatisticamente (P > 0,05). Reduzir o período improdutivo dos animais como consequência da redução da idade ao primeiro parto, possibilita antecipar o retorno financeiro da atividade leiteira. Entretanto, uma novilha somente apresenta condições de emprenhar quando atinge a puberdade, o que está mais correlacionado com o seu peso corporal do que com a sua idade (DANIELS, 2010), o que indica sua relação com possíveis estratégias nutricionais empregadas pelos proprietários das fazendas. Dessa forma, pode-se inferir que o manejo nutricional das bezerras e novilhas do cluster 1 foi melhor do que nos outros clusters avaliados.
O uso da análise de clusters mostrou-se eficiente na criação de grupos distintos entre si. Uma aplicação prática dos resultados obtidos seria o desenvolvimento de estratégias específicas de assistência técnica para as propriedades alocadas em cada um dos clusters. A assistência seria então direcionada na tentativa de atuar nos padrões de variação entre das várias características, não focando somente em um único aspecto, o que poderia resultar em rebanhos mais produtivos e com melhor desempenho (BROTZMAN et al., 2015).
Conclusões
Os rebanhos avaliados foram agrupados em 3 clusters, sendo possível identificar 1 cluster com os melhores resultados de desempenho, outro com características intermediárias e um terceiro cluster apresentou o menor desempenho. Além disso, a técnica de cluster mostrou-se útil na segregação de rebanhos, possibilitando traçar estratégias de assistência técnica específica para os rebanhos alocados em cada cluster.
Agradecimentos
Associação dos Criadores de Gado Holandês de Minas Gerais – ACGHMG, CNPq/Capes e Universidade Federal dos Vales do Jequitinhonha e Mucuri -UFJM.
Literatura citada
BARNES, M. A.; PEARSON, R. E.; LUKES-WILSON, A. J. Effects of Milking Frequency and Selection for Milk
Yield on Productive Efficiency of Holstein Cows. Journal of Dairy Science, v. 73, n. 6, p. 1603-1611, 1990.
BORCARD, D.; GILLET, F.; LEGENDRE, P. Numerical Ecology with R. 1 ed. New York: Springer, 2011. 306 p. ISBN 978-1-4419-7976-6.
BROTZMAN, R. L. et al. Cluster analysis of Dairy Herd Improvement data to discover trends in performance characteristics in large Upper Midwest dairy herds. Journal of Dairy Science, v. 98, n. 5, p. 3059-3070, 2015.
DANIELS, K. M. Dairy Heifer Mammary Development. Tri-State Dairy Nutrition Conference. Fort Wayne, Indiana: 69-76 p. 2010.
MCBRIDE, W.; JOHNSON, J. D. Defining and Characterizing Approaches to Farm Management. Journal of Agricultural and Applied Economics, v. 38, n. 01, 2006.
R CORE TEAM. R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing, 2017.