Foskolos Andreas1, Federico Righi2, Ermanno Melli3, Jon Moorby1.

1 Aberystwyth University, Wales, UK

2 University of Parma, Parma, Italia

3 RUM&N Sas, Reggio Emilia – Italia

Introduzione

L’allevamento di bovini da latte è uno dei settori agricoli più importanti dell’Unione Europea (UE) e rappresenta infatti una parte significativa del valore della produzione agricola dell’UE. Questa produzione ha però un notevole impatto ambientale. Il pubblico lo riconosce e mette pressione all’industria lattiero-casearia per agire in modo più rispettoso dell’ambiente. L’ampio utilizzo dell’azoto (N) ha portato al fenomeno descritto come la cascata N, che si riferisce alla circolazione di N antropogenico negli ecosistemi naturali, causando effetti multipli su sistemi atmosferici, d’acqua dolce e marini. L’agricoltura è il principale contributore di questo fenomeno ed è responsabile di circa il 78% dell’N totale che entra nell’ambiente naturale. Sono state proposte diverse strategie per attenuare il notevole impatto ambientale dell’agricoltura, e quello che è probabilmente lo studio UE più completo sull’utilizzo dell’N dell’UE (valutazione dell’azoto europeo) ha suggerito che l’aumento dell’efficienza dell’uso dell’azoto nella produzione animale è un’azione chiave per migliorare la sua gestione (Sutton et al., 2011).

Nell’allevamento di bovine da latte, la misura più comunemente utilizzata per valutare l’efficienza di utilizzo dell’azoto è quella dell’efficienza di utilizzo di N nel latte, definita come il rapporto tra N nel latte e N introdotto con l’alimentazione: MNE (%) = (output di N nel latte/assorbimento di N alimentare) × 100. Diverse meta-analisi o studi specifici per paese hanno studiato l’MNE, che è stimato essere in media di circa il 28%. Questo MNE è notevolmente inferiore rispetto al massimo teorico (40-45%) o all’MNE attualmente ottenuto da allevamenti ad alta produzione nella regione di New York negli Stati Uniti (38-40%, Van Amburgh e Foskolos, comunicazione personale), indicando un enorme potenziale di miglioramento da parte della maggior parte degli allevamenti.

Esistono due modi per migliorare l’MNE: incrementare l’output di azoto nel latte per una assunzione di N fissa o ridurre l’assunzione di N alimentare mantenendo i livelli di produzione. Tenuto conto della già elevata resa annuale della maggior parte delle vacche da latte, si prevedono solo piccoli progressi nel breve periodo aumentando l’output di N nel latte. D’altra parte, l’azoto è stato tradizionalmente somministrato (come proteina grezza) al di sopra dei livelli necessari per le bovine da latte come “fattore di sicurezza”, suggerendo che riduzioni di assunzione di N sono possibili senza influenzare la produzione. L’eccessiva somministrazione della proteina è stata tradizionalmente praticata come un approccio di gestione per superare le variazioni del foraggio nelle aziende con una scarsa gestione nutrizionale (Satter et al., 2002) e perché diversi modelli di formulazione della dieta non sono sensibili alle diete a basso contenuto proteico sottovalutando l’apporto di proteine ​​necessario per soddisfare i fabbisogni ( Tylutki et al., 2008, Foskolos e Moorby, 2017).

Gestione nutrizionale in azienda

La formulazione di diete con livelli di proteine ​​grezze superiori rispetto ai requisiti effettivi necessari per il mantenimento e la produzione, causa uno spreco di denaro per l’acquisto di mangimi ricchi di proteine. Questo porta inoltre ad un aumento dell’escrezione di N, principalmente sotto forma di azoto urinario. Come mostrato in figura 1, quando la somministrazione di N è superiore all’apporto energetico (ossia quando la fornitura di energia metabolizzabile è il fattore limitante per la produzione di latte), l’ N in eccesso non è convertito in proteine ​​del latte né aumentando la produzione né aumentando la concentrazione proteica del latte. Di conseguenza, tale eccesso di N viene escreto nelle urine, causando potenziale inquinamento.

D’altra parte, se le diete sono formulate per soddisfare precisamente le esigenze degli animali, ci troviamo di fronte al rischio di alimentare in realtà sotto questo livello. Una dieta viene formulata su una base di sostanza secca mentre viene preparata su base fresca. Tuttavia, la sostanza secca foraggera non è costante, soprattutto quando stiamo alimentando con diete a base di insilati. Ad esempio, se formuliamo una dieta con insilato di erba medica al 50% su base di materia secca, e alla formulazione abbiamo assunto (o meglio analizzato) che l’insilato ha un contenuto di materia secca del 35%, un’assunzione giornaliera di 12 kg di sostanza secca fornirà 325 g di proteina metabolizzabile. Se, a causa della variazione giornaliera, il contenuto di materia secca di erba medica scende al 25%, ma non c’è alcun aggiustamento della quantità fresca somministrata a queste vacche, la fornitura giornaliera di proteine ​​scenderà a 210 g. Ciò significa una riduzione di 115 g di proteine/g semplicemente non controllando la variazione della materia secca. Dato che la dieta è stata formulata per soddisfare le esigenze proteiche effettive, ciò comporterà una significativa diminuzione della produzione di latte o della composizione proteica del latte. E’ quindi fondamentale, quando si somministrano diete proteiche per soddisfare il fabbisogno degli animali, eseguire analisi settimanali o bi-settimanali della sostanza secca dei foraggi in uso e quindi regolare la miscela della razione in base a ciò. Anche se sembra laborioso, le economiche tecnologie attuali, come i tester di umidità o anche i forni a microonde, possono essere utilizzate per fornire risultati entro 30 minuti. Questo aggiustamento non solo migliorerà la MNE ma ridurrà anche i costi di alimentazione.

Un altro elemento importante nella gestione nutrizionale è la frequente analisi della composizione dei mangimi ed in particolare dei foraggi conservati. Un’analisi mensile degli insilati è probabilmente la frequenza più appropriata. Inoltre, ogni grande quantitativo di fieno dovrebbe essere analizzato quando è il principale foraggio della dieta. Come per l’assunzione di sostanza secca, la concentrazione di proteine ​​grezze varia in base al tempo e dobbiamo controllare questa variazione quando somministriamo diete per soddisfare i fabbisogni dell’animale. Quando formuliamo o aggiustiamo le diete per le bovine da latte dobbiamo distinguere tra i valori effettivamente analizzati ed i valori tabulati standard utilizzati nei modelli di formulazione del mangime. I valori standard possono indicare la composizione dei mangimi ma dobbiamo ricordare che questi sono solo valori medi. I tuoi foraggi possono essere migliori della media e necessitare di una minore integrazione, oppure potrebbero essere peggiori e richiedere diversi integratori.

Altre opzioni di gestione possono essere utilizzate per alimentare con precisione le nostre vacche. A seconda della dimensione e del layout dell’azienda, possono essere formati diversi gruppi di vacche per formulare le diete in base alle esigenze effettive di ciascun gruppo (alimentazione a fasi). Inoltre, non dobbiamo dimenticare che una frequente misurazione del peso corporeo e del body condition score delle vacche all’interno di una mandria (o gruppo) migliorerà la precisione dei sistemi di formulazione delle diete, poiché questi elementi rappresentano una componente importante nella stima delle esigenze reali degli animali.

Modelli di formulazione di mangimi sensibili alle diete a bassa concentrazione proteica

Negli ultimi 40 anni sono stati sviluppati diversi sistemi di alimentazione in Europa; per esempio quelli olandesi, britannici, francesi, nordici, ecc., e alcuni di essi sono stati recentemente aggiornati. Tedeschi et al. (2014) ha incluso sistemi europei (ossia i sistemi olandesi, britannici e francesi) e sistemi americani (NRC (2001), il Cornell Net Carbohydrate and Protein System (CNCPSv.5; Fox et al. 2004) in una comparazione critica che ha mostrato una sovrapposizione di tutti i modelli per la previsione del fabbisogno di proteina metabolizzabile, confermando l’uniformità tra i modelli per le vacche in lattazione. Tuttavia, quando la vecchia versione del CNCPS (v5) è stata valutata rispetto alle diete a basso contenuto proteico, le prestazioni del modello si sono dimostrate molto scarse (coefficiente di correlazione, R2 = 0,29), suggerendo che non fosse in grado di formulare diete a basso contenuto proteico (Tylutki et al., 2008). Questo ha portato un ulteriore problema dato che ha dimostrato che i nostri modelli di formulazione non prevedevano accuratamente quanto N va somministrato per soddisfare i fabbisogni delle vacche portando inoltre ad un surplus di proteina offerta. Allo stesso modo, diverse prove di alimentazione hanno riportato lo stesso livello di produzione per le vacche alimentate con diete a basso contenuto proteico rispetto alle diete formulate per soddisfare il fabbisogno verificando la necessità di perfezionare i nostri sistemi.

Tenendo conto di questi risultati, nel 2008 è iniziato un aggiornamento intensivo della parte riguardante le proteine del CNCPS, derivante dalla versione aggiornata del modello CNCPSv6.5 (Higgs et al., 2015, Van Amburgh et al., 2015). Inoltre, il CNCPSv6.5 è stato valutato rispetto ad un grande set di dati composto da 250 diete, regredendo la resa del latte osservata rispetto ai rendimenti del latte previsti dal modello secondo il primo nutriente limitante (proteina metabolizzabile o energia metabolizzabile). I risultati hanno dimostrato la capacità complessiva del CNCPSv6.5 di predire il primo ingrediente limitante (R2 = 0,78) con un errore medio di 1,6 kg di latte. Inoltre, quando il set di dati è stato separato per diete con proteina metabolizzante limitante ​​(dove l’apporto di proteine ​​è relativamente basso), le previsioni del modello sono migliorate significativamente (R2 = 0,82, errore medio = 1,1 kg di latte). Non solo il latte con  proteina metabolizzabile accettabile era meglio previsto del latte con energia metabolizzabile accettabile, ma se confrontato con una precedente valutazione delle diete limitanti le proteine ​​metabolizzabili (R2 = 0 .29; Tylutki et al., 2008) il miglioramento è enorme. Pertanto, con gli attuali aggiornamenti, riteniamo che il CNCPS sia in grado di formulare diete a basso contenuto proteico per soddisfare le esigenze reali dei bovini da latte in allattamento.

Conclusioni

In sintesi, sono passati più di 20 anni dalla pubblicazione monumentale del professor Tamminga (Wageningen University) sul Journal of Animal Science (Tamminga, 1996), in cui è stato discusso l’inquinamento da azoto dell’ambiente provocato dall’allevamento di bovine da latte. Da allora è stata dedicata una grande quantità di sforzi scientifici a livello mondiale per trovare strategie di mitigazione del fenomeno. Questi sforzi sono ancora in corso e stanno fornendo sempre più strumenti per combattere la contaminazione dell’ambiente. Siamo comunque in grado di trasferire il know-how alle aziende e ai nutrizionisti nel settore lattiero-caseario e ad andare avanti per applicare questa conoscenza per ridurre l’inquinamento da azoto utilizzando una gestione più attenta della nutrizione che migliorerà la variabilità dei foraggi e formulerà le diete per soddisfare i fabbisogni nutrizionali degli animali.

Bibliografia

Foskolos, A. and J. M. Moorby. 2017. Reducing the environmental impact of the dairy farms through efficient use of nitrogen intake. in Proc. 6th Pan-Hellenic Congress in Technology of Animal Production, Thessaloniki, Greece.

Fox, D. G., L. O. Tedeschi, T. P. Tylutki, J. B. Russell, M. E. Van Amburgh, L. E. Chase, A. N. Pell, and T. R. Overton. 2004. The Cornell Net Carbohydrate and Protein System model for evaluating herd nutrition and nutrient excretion. Anim. Feed Sci. Tech. 112(1-4):29-78.

Higgs, R. J., L. E. Chase, D. A. Ross, and M. E. Van Amburgh. 2015. Updating the Cornell Net Carbohydrate and Protein System feed library and analyzing model sensitivity to feed inputs. J. Dairy Sci. 98(9):6340-6360.

NRC. 2001. Nutrient requirements of dairy cattle. 7th rev. ed. Natl. Acad. Press, Washington, D.C.

Satter, L. D., T. J. Klopfenstein, and G. E. Erickson. 2002. The role of nutrition in reducing nutrient output from ruminants. J. Anim. Sci. 80(E-Suppl 2):E143-E156.

Sutton, M. A., G. Billen, A. Bleeker, A. F. Bouwman, K. Bull, J. W. Erisman, P. Grennfelt, B. Grizzetti, C. M. Howard, O. Oenema, T. Spranger, W. Winiwarter, and H. van Grisven. 2011. Summary for policy makers. Pages xxiv-xxxiv in The European Nitrogen Assessment. M. A. Sutton, C. M. Howard, J. W. Erisman, G. Billen, A. Bleeker, P. Grennfelt, H. van Grinsven, and B. Grizzetti, ed. Cambridge University Press, New York.

Tamminga, S. 1996. A review on environmental impacts of nutritional strategies in ruminants. J. Anim. Sci. 74(12):3112-3124.

Tedeschi, L. O., L. F. L. Cavalcanti, M. A. Fonseca, M. Herrero, and P. K. Thornton. 2014. The evolution and evaluation of dairy cattle models for predicting milk production: an agricultural model intercomparison and improvement project (AgMIP) for livestock. Anim. Prod. Sci. 54(12):2052-2067.

Tylutki, T. P., D. G. Fox, V. M. Durbal, L. O. Tedeschi, J. B. Russell, M. E. Van Amburgh, T. R. Overton, L. E. Chase, and A. N. Pell. 2008. Cornell Net Carbohydrate and Protein System: A model for precision feeding of dairy cattle. Anim. Feed Sci. Tech. 143(1-4):174-202.

Van Amburgh, M. E., E. A. Collao-Saenz, R. J. Higgs, D. A. Ross, E. B. Recktenwald, E. Raffrenato, L. E. Chase, T. R. Overton, J. K. Mills, and A. Foskolos. 2015. The Cornell Net Carbohydrate and Protein System: Updates to the model and evaluation of version 6.5. J. Dairy Sci. 98(9):6361-6380.

 

Figura 1. Escrezione di azoto nel latte, nelle feci e nelle urine basata sull’assunzione di azoto di bovine da latte in allattamento in condizioni controllate di energia come primo fattore limitante. Ristampato da Van Amburgh et al. (2015), con l’autorizzazione di Elsevier.