Laktasyon eğrilerinin biyometrisi

Abstract

-53- ÖZET Hayvancılıkta ekonomik önemi olan karekterler birçok faktörler tarafından etkilenir. Eğer üretim sabit ve değişkenlerin bir fonksiyonu olarak tammlanmıssa o zaman bu unsurlar için genetik kontrol hayvancılıktaki ilerleme için bir yöntem olarak kullanılabilir. Bu yüzden süt sığırcılığında laktasyon eğrilerinin bir modeli bazı pratik uygulamalarda yarar saglıyabilir. Laktasyon eğrisinin modelinden doğrudan çıkarılabilen karakterler şunlardır: maksimum günlük süt üretimi, maksimum günlük süt üretiminin en yüksek olduğu zaman; laktasyon persistensisi ki bu laktasyonda günlük süt üretiminde azalma oranını ifade eder ve toplam süt üretiminin tahmini. Günlük süt üretiminin zamana karşı grafiği laktasyon egrisidir. Süt sığırlarında laktasyon eğrisinin genel sekli buzağılamadan sonra pike ulaşıncaya kadar artış göstererek, ineğin kuruya çıkıncaya kadar kademeli bir azalış gösterir. Bu çalışmanın amacı Esmer süt sığırlarında laktasyon eğrilerinin modellerinin denenmesi ve kullanılan modellerle ilgili olarak öneride bulunmaktır. Eskişehir Tohum üretme istasyonunda 1970 ila 1978 yıllan arasında tutulan 187 Esmer ineğin 782 laktasyon kayıtları farklı modellere ait parametrelerin tahmini için kullanılmıştır. Süt üretiminin tanımında aşağıdaki üç model kullanılmıştır: 1) Y = a n* e-cn 2) Y =`a nb e-*` (1 + uSin(x) + vCos(x)) 3) İn Y = ln(a) + bln(n) - en + dD Yukarıdaki modeller logaritmik transformasyona tabi tutularak, parametre tahminleri genel çoklu regresyon tahmin tekniği kullanılarak yapılmıştır.-54- Tüm inekler öncelikle buzağılama ayına göre sınıflandırılmıştır. Model (1)' in uygulanması İle farklı buzağı grupları için eşitlikler şu şekilde tahmin edilmiştir. 1) 1. laktasyon için A Y = 13.438 n°-1e6 e-0-0602` 2) 2. laktasyon için Y = 17. 502 n°. ' *77 e~°. °3S>2` 3) 3. laktasyon için Y = 17.224 n.°'13S*'* g- o. oarer» 4) >4. laktasyon için A Y = 17.258 n°-ıe*2 e-QOS9` Parametrelerin tümü istatistiki olarak önemli bulunmuştur (p<0. 05). Kodel(2)' nin uygulanması ile uydurulan eğriler aşağıdaki gibidir. 1) 1. laktasyon için Y - 9.098 n0-1®3'7' e-°0963`<l + 0.137Sin<x> + 0. 0548Cos<x>> 2) 2. laktasyon için Y = 17.08 n?.»***» e-o.o6o,7n(1 _ o.0104Sin<x> + 0.3084Cos<x>> 3) 3. laktasyon için A Y » 16.200 n°-,2*e e-o.o«6*o(1 _ o.0529Sin(x> + 0. 1396Cos(x>) 4> M. laktasyonlar için Y = 15.348 n°-,e07, e-®-0»*«`<l + 0.053Sin(x> + 0. 09032Cos(x>) b ve c parametreleri tüm buzağı grupları için önemli <p<0. 05), u parametresi sadece 1. laktasyon için önemsiz, v parametresi de sadece >4. laktasyonlar için önemli bulunmuştur. Model <1)' in Ba değeri model (2)' nin Rs değerinden daha büyük bulunmuştur. Model (3)' ün kullanılması ile laktasyon eşitlikleri aşağıdaki şekilde tahmin edilmiştir: 1) 1. laktasyon için İn Y = İn 2.573 + 0.1381 ln(n) - 0. 0817in + 0.06052D55- 2> 2. laktasyon için ln!= İn 2.971 + 0.1347 ln(n) - 0.05443n + 0. 1607D 3) 3. laktasyon için In Y = In 2.812 + 0.1159 ln(n> - 0. 0529n + 0.08435D 4) >4. laktasyonlar için In Y = In 2.869 + 0.1263 ln<n> - 0. 06918n + 0. 04509D a, b, c ve d parametresi önemli bulundu (p<0. 05) ve R2 değeri çok büyük bulunmuştur. Model (2) ve model (3) model içindeki zaman parametrelerinden ibarettir. Bu yüzden sadece model (1), buzağılama aylarındaki verilere uygulanmıştır. Bu gruplar için tahmin eşitlikleri şu şekildedir: Ocak ayı için Y = 15.370 n0-2119 e-01163` Şubat ayı için Y = 17.886 n01*77 e`00637`` Mart ayı için Y = 17.886 n°-14ro e-0-0**1` lisan ayı için Y = 17.116 n01*7'2 e`0-0*0*` Mayıs ayı için Y = 18.357 n°'13,s e-011`'2` Haziran ayı için Y = 17.288 n°'*S9 e`00630` Temmuz ayı için Y = 16.610 n°-132S e-00^93` Ağustos ayı için Y = 14.296 n°-1ABe e-0-0*9*` Eylül ayı için Y = 13.491 n°1123 ş-°oe62n Ekim ayı için Y = 15.105 n°-,e73 e-00^1` Kasım ayı için Y = 15.596 n°-,e3e e-ooe2°` Aralık ayı için Y = 16.232 n°1A93 e~° ov-A2` Mayıs ayında en yüksek üretim hesaplanmış ve en düşük üretim ise Ocak ve Eylül ayında tesbit edilmiştir. Eğri en fazla Ağustos ayında persistent olarak tahmin edilmiş, buna ilave olarak pike ulaşma zamanı da en yüksek bu ayda olmuştur. üç model tüm sürüye uygulandığında tahmin eşitlikleri şu şekilde olmuştur:-56- Kodel(l) için Y = 9.461 n°-202ee e-0. °9727n olarak saptanmıştır. Model (2) için Y = 13.531 n0`** e~ooeA2G` (1 + 0.0308Sin(x) + 0. 1798Cos <x> > olarak bulunmuştur. Model (3) için In Y = ln2.8384 + 0.10061 Inn - 0. 05233n + 0. 013D Sonuç olarak gözlenen eğriler ile tahmin edilen eğri arasındaki uyum bakımından kullanılan modeller içinde en uygunu model (3) ' tür. çünkü model (3), model (1)' e kategorik değişken eklenmesiyle süt üretiminde mevsiminin etkisini tanımlamaktadır. Bu yüzden model (3) model (1) ve model (2 ) ye daha üstündür.

-57- SÜKIAEY Characters of economic importance in livestock are influenced by numerous factors. If production is defined as a function of costants and variables, then a genetic control for these components may provide a useful device for livestock improvement. Sotaat a modelling of lactation curve in dairy cattle possesses some useful properties in its practical application. The characters which may be derived directly from the model of lactation curve are: the maximum daily milk yield, the time when the maximum daily milk yield reaches, the persistency of lactation that expresses the rate of decline in daily milk yield and estimated total milk yield. The graph of daily milk production against time is a lactation curve. The general shape of lactation curve in dairy cattle is that the daily milk yield keeps on rising after calving until it reaches the peak and thereafter is followed by a gradual decline until the cows goes dry. The purpuse of this study was to examine the models of lactation curve of Purebred dairy cow and make some suggestions concerning appropriate mathematical model. The milk production records on 782 lactations from 187 Purebred cows maintained in Eskişehir Seed Production Station Farm at the period from year 1970-1978 were used the obtain estimates of the parameters of different models. The fallowing three models were used to describe the milk production: 1- Y = a nb e-c` 2- Y = a n` e~c` (1 + u Sin(x) + v Cos(x>) 3- In Y = In (a) + bln(n) - en + dD a logarithmic transformation of the above models were carried out than the parameter estimations were made by using general multiple regression estimation techniques. First of all, cows classified by month of calving and also by parity. When the model (1) was fitted to these different parity groups the obtained equations were:-58- 1) For first lactation Y = 13.438 n°-1Ge e-0'0602` 2) For second lactation Y = 17.502 n°-1S77 e-00392` 3) For third lactation Y = 17.224 n0-'39-* e-0-02715T 4) For fourth lactation Y = 17.258 n0-16-*2 e-°OS3` All the parameters were found to be statistically significant (p<0. 05). The fitted curves by using model (2) were also; 1) For first lactation Y = 9.098 n°',e37 e-°'°9E3n(l + 0. 137Sin<x> + 0. 0548Cos<x>> 2) For second lactation Y = 17.08 n°''3473 e-o.o6o,7n(1 + o.0104Sin(x) + 0. 1396Cos<x)) 3) For third lactation Y = 16.200 n°-12`e e-°>OSB4`(l - 0. 0529Sin(x) + 0. 1396Cos (x> > 4) For fourth lactation Y = 15.348 n°-iee7 e-o.oB4B`(1 + o.053Sin(x) + 0. 09032Cos<x)> b and c parameters were to be significant for all parity groups <p< 0.05). u parameter was not to be significant for only 1st lactation, v parameter was only significant for 4th and greater lactation group (p<0.05). R2 values obtained from model (1) were all greater than those found from model (1) were all greater than those found from model (2). For model (3) the estimated lactation equations were: 1) For first lactation: In Y = In 2.573 + 0.13811n(n) - 0.0817n + 0. 0605D 2) For second lactation: In Y = In 2.971 + 0.13481n(n) - 0. 05443n + 0. 1607D 3) For third lactation: In Y = In 2.812 + 0. 11591n(n) - 0.0529n + 0. 08435D-59- 4> For fourth lactation: In Y = In 2.869 + 0. 12631n(n) - 0.06918n + 0.04509D a, b, c and d parameters were to be significant (p<0. 05> and E2 values also were very big. Model <2> and model (3) were consisting of tine paraneter within model equations, there fore only model (1) fitted to the data from calving month groups. The obtained equations for these groups were: For January Y = 15.370 n°-211* e~0-1103` For February Y = 17.886 n0-1*70 e-°'OB*ln For March Y = 17.886 n0-1*T e-©.©a*m For April Y = 17.116 n°-1A7= e-0<>*0/tT< For May Y = 18.357 n°-1316 e-01172` For June Y = 17.288 n0-1*®» e-°os3Eri For July Y = 16.610 n°-132e e-0. 079,3r' For August Y = 14.296 n°-,Ase e-0'M94n For September Y = 13.491 n0-1123 e-oc,ee2` For October Y = 15.105 n°-ie7a e~0<>77'n For Hovember Y = 15.596 n0-1836 e`00020T For December Y = 16.231 n°-1A9:a e`007*2` The maximum production calculated from May data and the lowest production obtained from January and September data. The most persistent month was August also this month reached in a shortest time to peak milk yield. All three models were being fitted to the whole data to find out the concrid fit of different equations to examin the usefulness of the different models. Finally the obtained equations were: For model (1> Y = 9.461 n°-202eG e-o,o3727n-60- For model (2) Y = 13.531 n01*2* e-006A2e`( 1 + 0. 0308Sin(x> + 0. 1798Cos(x>> For model (3 > In Y = In 2.8384 + 0. 100611nn - 0.05233n + 0. 013D In conclusion, the close agreement between observed and derived patterns of production indicates the validity of the model (3). Because the addition of a categorical variable to the lactation model (1) has been shown to be useful in explanation of seasonality of milk production. Hence model (3) was seen to be superior to model (1) and model (2).