نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه علوم دامی، دانشکده کشاورزی، دانشگاه زابل

2 دانشگاه زابل، تخصص: ژنتیک و اصلاح نژاد دام/ ژنتیک کمی/ اصلاح نژاد گاو شیری/ شبیه‌سازی/ ژنتیک جمعیت

3 دانشیار گروه علوم دامی دانشکده کشاورزی دانشگاه زابل

4 استادیار پژوهشی پژوهشکده دام های خاص، دانشگاه زابل

چکیده

هدف از این تحقیق، مقایسه برخی توابع غیرخطی (وود، دها­نوا، ویلمینک، علی- شفر، کاپیو­بورلینو، کوبی- لیدو، دایجکسترا، روک، گوس و نلدر) برای توصیف منحنی تولید شیر سه دورۀ شیردهی گاوهای هلشتاین ایران بود. به‌ترتیب از 6079976، 4879486 و 3312416 رکورد روزآزمون شیر 3550 گله مربوط به سه دورۀ شیردهی اول، دوم و سوم که بین سال­های 1362 تا 1396 توسط مرکز اصلاح نژاد دام کشور جمع‌آوری شده بود، استفاده گردید. میانگین رکوردهای روزآزمون برای این سه دوره به‌ترتیب 17/31، 08/34 و 83/33 کیلوگرم بود. جهت برازش توابع غیرخطی از بسته نرم­افزاری nlmeنرم­افزار R (نسخه 3.4.3) استفاده شد. توابع غیرخطی توسط چهار معیار نکویی برازش شامل معیار اطلاعات آکائیک (AIC)، معیار اطلاعات بیزی (BIC)، جذر میانگین مربعات خطا (RMSE) و شاخص دوربین- واتسون (DW) با هم مقایسه شدند. تابع روک نسبت به سایر توابع برازش بهتری از شکل منحنی استاندارد تولید شیر سه دورۀ اول شیردهی گاوهای هلشتاین ایران نشان داد. توابع گوس و روک بالاترین دقت را در پیش­بینی زمان رسیدن به اوج تولید، میزان تولید شیر در اوج و تداوم تولید شیر در دوره­های مختلف شیردهی نشان دادند امّا در کل، تابع روک قدرت پیش­بینی­ بالایی در برآورد توصیف­کننده­های منحنی تولید شیر داشت. بنابراین بهتر است جهت برازش منحنی تولید شیر گاوهای هلشتاین ایران از این تابع استفاده شود.

کلیدواژه‌ها

عنوان مقاله [English]

Comparative evaluation of some mathematical fuctions in describing the lactation curve of Iranian dairy cattle

نویسندگان [English]

  • Maryam Arianfar 1
  • Mohammad Rokouei 2
  • Gholamreza Dashab 3
  • Hadi Faraji- Arough 4

1 University of Zabol

2 University of Zabol

3 University of Zabol

4 Research center of domestick animals,

چکیده [English]

The objective of this study was to compare some nonlinear functions (Wood, Dhanoa, Wilmink, Ali-Schaeffer, Cappio Borlino, Cobby – Le­ Du, Dijkstra, Rook, Gous and Nelder) to describe the milk production curve of Iranian Holstein cattle. A dataset consisted of 6079976, 4879486 and 3312416 test-day milk yield records related to first, second and third three lactation periods, respectively, from 3550 herds collecting by the Animal Breeding Center of Iran from 1983 to 2017, were used. The average of test day milk records for three lactation was 31.17, 34.08 and 33.83 kg, respectively. The nlme package of R software (version 3.4.3) was used for fitting nonlinear functions. The nonlinear functions were compared using four goodness of fit criteria, including Akaike’s information criterion (AIC), Bayesian information criterion (BIC), Root mean square error (RMSE) and Durbin-Watson index (DW). The Rook function showed the best fit for the milk production curve shape for three lactations in Iranian Holstein cattle when compared to other functions. The Gous and Rook functions showed the highest accuracy in predicting peak time, peak yield and persistency of milk production parameters in different lactations, but in general, the Rook function has a high predictive value in estimating the milk curve parameter descriptors.Therefore, Rook function is recommended for describing the milk production curve of Iranian Holstein cattle.

کلیدواژه‌ها [English]

  • Iranian Holstein
  • Mathematical function
  • Milk production
  • Test day record
1. بختیاری­زاده م ر و مرادی شهر­بابک م م (1389) برآورد پارامترهای منحنی شیردهی توسط تابع گامای ناقص و تعیین رابطه ژنتیکی آن با صفات تیپ پستانی در گاوهای هلشتاین ایران. علوم دامی ایران، 41(1): 10-1.
2. حسن­پور ک، اسلمی‌نژاد ع ا و مرادی شهر بابک م (1391) مطالعه منحنی­های میزان تولید شیر و درصد چربی شیر گاوهای هلشتاین ایران با دوره­های شیردهی متفاوت. مجله تولیدات دامی، 14(1): 31-19.
3. فرهنگ‌فر، ه (1394) منحنی شیردهی و کاربرد آن در اصلاح نژاد گاوهای شیری. اولین همایش ملّی پژوهش‌های نوین در علوم دامی، بیرجند.
4. مرادی شهر­بابک م (1380) تداوم شیردهی در گاوهای شیری. علوم کشاورزی ایران، 32(1): 202-193.
5. Bangar YC and Verma R (2017) Non-linear modelling to describe lactation curve in Gir crossbred cows. Journal of Animal Science and Technology. 59(3): 1-7.
6. Cappio-Borlino A, Pulina G and Rossi G(1995) A non-linear modification of Wood's equation fitted to lactation curves of Sardinian dairy ewes. Small Ruminant Research. 18(1):75-79.
7. Cobuci JA, Costa CN, Neto JB and deFreitas AF (2011) Genetic parameters for milk production by using random regression models with different alternatives of fixed regression modeling. Journal of Revista Brasileira de Zootecnia. 40(3): 557-567.
8. Dematawewa CMB and Dekkers JCM (2014) Lactation curve modeling for Murrah and Surti buffalo breeds in Sri Lanka. Paper presented at the 10th World Congress of Genetics Applied to Livestock Production, 17–22 August, Vancouver, BC, Canada.
 
 
9. Dohare AK, Singh B, Verma MR, Perme B, Sharma VB, Gupta N and Kshandakar S (2014) Comparison of standard lactation curve models using fortnightly milk records in Frieswal cattle. Veterinary World. 7(10): 831-34.
10. Duque NP, Casellas J, Quijano JH, Casals R and Such X (2018) Fitting lactation curves in a Colombian Holstein herd using nonlinear models. Revista Facultad Nacional Agronomia. 71(2): 8459-8468.
11. Elahi Torshizi M, Aslamenejad AA, Nassiri MR and Farhangfar H (2011) Comparison and evaluation of mathematical lactation curve functions of Iranian primiparous Holsteins. South African Journal of Animal Science. 41(2): 104- 115.
12. Farhangfar H and Naeemipour H (2007) Phenotypic study of lactation curve in Iranian holsteins. Journal of of Agricultural Science and Technology (JAST). 4: 279-286.
13. Ghavi Hossein-Zadeh N (2015) Comparison of non-linear models to describe the lactation curves for milk yield and composition in buffaloes (Bubalus bubalis). Animal 10(2): 248-261.
14. Grzesiak W, Blaszczyk P and Lacroix R (2006) Methods of predicting milk yield in dairy cows predictive capabilities of Wood's lactation curve and artificial neural networks (ANNs). Computers and Electronics in Agriculture. 54(2): 69-83.
15. Guo Z and Swalve HH (1995) Modelling of the lactation curve as a sub-model in the evaluation of test day records. Interbull Bulletin. 11: 1-4.
16. Karangeli M, Abas Z, Koutroumanidis T, Malesios C and Giannakopoulos C (2011) Comparison of models for describing the lactation curves of Chios sheep using daily records obtained from an automatic milking system In: HAICTA, Skiathos Island, Greece. pp. 571-589.
17. Macciotta NPP, Vicario D and Cappio-Borlino A (2005) Detection of Different Shapes of Lactation Curve for Milk Yield in Dairy Cattle by Empirical Mathematical Models. Journal of Dairy Science. 88(3): 1178-1191.
18. Olori VE, Brotherstone S, Hill WG and McGuirk BJ (1997) Effect of gestation stage on milk yield and composition in Holstein Friesian dairy cattle. Livestock Production Science. 52(2): 167-176.
19. Papajscsik IA and Bodero J (1988) Modelling lactation curves of Freisian cows in subtropical climate. Journal of Animal Production. 47(2): 201-207.
20. Rook A, France J and Dhanoa M (1993) On the mathematical description of lactation curves. Journal of Agriculture Science. 121: 97-102.
21. Swalve HH and Gengler N (1999) Genetics of lactation persistency. British Society Animal Science Occasional Publication. 24: 75-82.
22. Takma C and Akbas Y( 2007) Estimates of genetic parameters for test day milk yields of a Holstein Friesian herd in Turkey with random regression models. Journal Archiv Fur Tierzucht Dummerstorf. 50(1): 327-336.
23. Tozer PR, and Huffaker RG (1999) Mathematical equation to describe lactation curves for Holstein- Friesian cows in New South Wales Aust. Journal of Agriculture Research. 34: 45-52.
24. Val-Arreola D, Kebreab E, Dijkstra J and France J (2004) Study of lactation curve in dairy cattle on farms in central Mexico. Journal of Dairy Science. 87(11): 3789-3799.
25. Weller JI, Ezra E and Leitner G (2006) Genetic analysis of persistency in the Israeli Holstein population by the multitrait animal model. Journal of Dairy Science. 89: 2738-2746.