| Summary: | Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2016-06-28T10:08:53Z
No. of bitstreams: 1
texto completo.pdf: 1671185 bytes, checksum: aee1eab4d96c444de399e45262d7ca1c (MD5) === Made available in DSpace on 2016-06-28T10:08:53Z (GMT). No. of bitstreams: 1
texto completo.pdf: 1671185 bytes, checksum: aee1eab4d96c444de399e45262d7ca1c (MD5)
Previous issue date: 2004-02-16 === Coordenação de Aperfeiçoamento de Pessoal de Nível Superior === Os objetivos deste trabalho foram analisar a introdução de diferentes tecnologias e suas interações no sistema de produção extensivo de cria de bovinos de corte no Pantanal; quantificar o efeito da introdução dessas tecnologias no desempenho das matrizes, utilizando-se Equações de Estimação Generalizada (EEG), que é extensão do Modelo Linear Generalizado (GLIM); avaliar o impacto das tecnologias no percentual de descarte das matrizes; simular a estrutura etária do rebanho de cria, sob diferentes pressões de descarte verificadas ao longo do trabalho, por meio de cadeia de Markov, além de verificar a eficiência do sistema de produção por meio de Análise Envoltória de Dados (DEA). Foram acompanhadas, no período de 1994 a 1999, 1.075 matrizes de fazenda típica da região do Pantanal, onde gradualmente se implantaram a desmama antecipada, a everminação estratégica das novilhas de reposição, o descarte baseado em desempenho, a monta controlada, o uso de touros do próprio plantel da fazenda e a redução da proporção touro:vaca. Durante a realização dos trabalhos de gado (TG), as matrizes foram classificadas como Paridas (1) ou Solteiras (0); no caso de a vaca passar por dois trabalhos de gado na categoria de Solteira, era submetida ao diagnóstico de gestação e, no caso de estar vazia, era descartada. Assim, as matrizes também eram classificadas como Não- descarte (1) e Descarte (0). A distribuição e a função de ligação, utilizadas na análise de EEG, foram a binomial e a logística, respectivamente. O método de análise EEG incorpora a covariância das medidas repetidas no mesmo animal, no caso em que a variável resposta é não-paramétrica. Os efeitos das variáveis explanatórias, calculadas pela estatística de Wald, de invernada, da ordem de trabalho de gado, da idade da vaca, linear e quadrática, influenciaram, significativamente (p<0,01), a probabilidade de a matriz, ser classificada como Parida (1), o que indica que a introdução de tecnologia não é um processo simples, pois as tecnologias implementadas tiveram efeitos diferentes nas variáveis exploratórias. A análise das comparações entre as invernadas ressaltou a importância das diferenças entre fitofisionomias para o ajuste da taxa de lotação de cada invernada. Ao longo dos TGs, o maior impacto positivo no incremento da probabilidade de a matriz ser classificada como Parida foi logo após a implantação da monta controlada no sistema de produção. O descarte de matrizes também foi influenciado, significativamente (p<0,01), pelas variáveis invernada, ordem do trabalho e idade da vaca linear. A adoção da estação de monta, após o sexto TG, aumentou em 16,38 vezes a pressão de descarte de matrizes em relação ao sistema tradicional de descarte realizado na região. Foi utilizada metodologia de cadeia de Markov na avaliação da estrutura etária do rebanho em equilíbrio, sendo verificado que as idades médias de permanência e de descarte das matrizes no rebanho foram de 8,52 e 13,21 anos, respectivamente. A idade de descarte é maior que a verificada na literatura, como recomendação de descarte para vacas no Brasil Central. Dez categorias de insumos (input) e uma categoria de produto (output), durante o período de 1995 a 2002, foram consideradas na avaliação da eficiência produtiva do sistema de produção. Utilizaram-se componentes principais para determinar as três -de-obra e orrelação significativa (p<0,01) com os três primeiros componentes que explicaram 91,6% da variância total dos insumos. As eficiências calculadas pela metodologia DEA, nos anos de 1995, 1996, 1997, 1998, 1999, 2000, 2001 e 2002, foram, para os modelos de retorno, constantes à escala (CCR), 0,8290; 0,6571; 1; 0,5390; 0,7990; 0,8010; 1 e 0,9291; e variáveis à escala (BCC), 0,8841; 0,7460; 1; 0,6350; 0,8530; 0,9342; 1 e 1. Os anos de 1997 e 2001 foram considerados de máxima eficiência técnica. === The objective of this work was to analyzed the impact of technologies and their interaction in the Pantanal beef cattle extensive production system; to quantify the effect of introducing technologies on cow performance using Generalized Estimating Equations (GEE) that is an extension of Generalized Linear Models (GLIM); to evaluate the impact of technologies on culled cow percentage; to simulate the age distribution and average age of culled cows under different cull pressure that occurred during the beef cattle production system through the Markov chains, as well as to verify the efficiency of the production system through Data Envelopment Analysis (DEA). The herd with 1,075 cows was monitored from 1994 to 1999, in a ranch in the Pantanal region where anticipated wean, strategic evermination of replacement heifers, identification and monitoring of cow performance, breeding season, use of breeding bulls by the ranch owner and reduction of the bull:cow ration were gradually classified as pregnant (1) or open (0), and the cows classified as open (0) in two consecutive CWs were submitted to retal feeling for pregnancy diagnosis, if it was open, the cow was cull. Therefore, the cows were classified as not cull (1) and cull (0) too. The distribution and link function utilized on GEE analysis were binomial and logistic, respectively. The GEE analysis takes into account the structure of the covariance of repeated measurements in the subject, and the response outcomes are not parametric. The explanatory variable effects, pasture, CW order, linear and quadratic cow ages influenced significantly (p<0.01) the probability of the cows classified as Pregnant (1). This shows that the introduction of technology is not a simple process. All technologies had different effects on the exploratory variables. Pasture comparison stands out the differences between botanic composition in the pastures for the stocking rate adjustment. During the monitoring the most positive impact in the increase in probability of the cows become classified as Pregnant (1), was afterwards breeding season implementation. Cow cull was significantly (p<0.01) influenced by pasture, CW order and linear cow age effect. The adoption of breeding season after the 6o CW increased the cull pressure in 16.38 times in relation to the traditional cull strategy. The Markov chains were used to estimate the age distribution in equilibrium. The average age in herd and the average age in culled cows were 8.52 and 13.21 years, respectively. This age in culled cows is higher than in culled cows from Central Brazil. Ten inputs and one output, from 1995 to 2002, were calculated to evaluate the production system efficiency. The principal component analysis was utilized to determine the most important components explaining 91.6% of the total variation. The efficiency calculated with DEA for 1995, 1996, 1997, 1998, 1999, 2000, 2001 and 2002 were for constant returns to the scale (CCR) 0.8290, 0.6571, 1, 0.5390, 0.7990, 0.8010, 1 and 0.9291; and for variable returns to scale (BCC) 0.8841, 0.7460, 1, 0.6350, 0.8530, 0.9342, 1 and 1, respectively. The years 1997 and 2001 were considered as of maximum technical efficiency.
|
|---|
