Grazemore DSS för att prediktera beteskvalitet för mjölkkor
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 analys...
| Autor principal: | |
|---|---|
| Formato: | L3 |
| Lenguaje: | sueco Inglés |
| Publicado: |
SLU/Dept. of Agricultural Research for Northern Sweden
2006
|
| Materias: |
| _version_ | 1855571916326174720 |
|---|---|
| author | Larsson, Evelina |
| author_browse | Larsson, Evelina |
| author_facet | Larsson, Evelina |
| author_sort | Larsson, Evelina |
| collection | Epsilon Archive for Student Projects |
| description | 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. |
| format | L3 |
| id | RepoSLU11672 |
| institution | Swedish University of Agricultural Sciences |
| language | swe Inglés |
| publishDate | 2006 |
| publishDateSort | 2006 |
| publisher | SLU/Dept. of Agricultural Research for Northern Sweden |
| publisherStr | SLU/Dept. of Agricultural Research for Northern Sweden |
| record_format | eprints |
| spelling | RepoSLU116722017-11-24T09:50:16Z Grazemore DSS för att prediktera beteskvalitet för mjölkkor The Grazemore DSS to predict the quality of pasture grass in dairy production Larsson, Evelina beslutsstödssystem betesmängd tillväxtmodell konsumtionsmodell foderkvalitet simulering mjölkmängd 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. SLU/Dept. of Agricultural Research for Northern Sweden 2006 L3 swe eng https://stud.epsilon.slu.se/11672/ |
| spellingShingle | beslutsstödssystem betesmängd tillväxtmodell konsumtionsmodell foderkvalitet simulering mjölkmängd Larsson, Evelina Grazemore DSS för att prediktera beteskvalitet för mjölkkor |
| title | Grazemore DSS för att prediktera beteskvalitet för mjölkkor |
| title_full | Grazemore DSS för att prediktera beteskvalitet för mjölkkor |
| title_fullStr | Grazemore DSS för att prediktera beteskvalitet för mjölkkor |
| title_full_unstemmed | Grazemore DSS för att prediktera beteskvalitet för mjölkkor |
| title_short | Grazemore DSS för att prediktera beteskvalitet för mjölkkor |
| title_sort | grazemore dss för att prediktera beteskvalitet för mjölkkor |
| topic | beslutsstödssystem betesmängd tillväxtmodell konsumtionsmodell foderkvalitet simulering mjölkmängd |