O impacto da sazonalidade nas fazendas leiteiras

A produção de leite segue um padrão sazonal anual e essas mudanças sazonais são amplamente relatadas na literatura (por exemplo, Allore et al., 1997; Washington et al., 2002; Ferreira e De Vries, 2015; Bernabucci et al., 2015; Salfer et al., 2019).

Uma das principais causas da sazonalidade no leite está relacionada ao estresse térmico, e seus efeitos negativos estão bem documentados (Oseni, 2003; Baumgard e Rhoads, 2012; Schüller et al., 2016). Recentemente, os efeitos de um ritmo endógeno na produção e na composição do leite também foram demonstrados (Salfer et al., 2019).

Além disso, as decisões de gestão podem modificar esse padrão sazonal. Por exemplo, manejos reprodutivos como atrasos na primeira inseminação ou na recria para atingir datas de partos para alcançar pontos das cotas ou melhores épocas climáticas. Os efeitos negativos do estresse térmico na reprodução e a demora na reprodução resultam em um aumento do padrão de parto sazonal no rebanho. Como resultado, uma variação do DEL médio ao longo do ano.

Várias medidas na literatura estão sendo utilizadas para analisar esse padrão, entre elas a diferença média entre o Verão e o Inverno, e a razão entre o ponto mínimo de produção e o máximo de produção do ano, considerando dessa forma uma amplitude entre os pontos de base e pico.

Porém, metodologias que estão sendo utilizadas até o momento, estão sub ou superestimando esses valores devido a questões técnicas de análise matemática/estatística. Percebendo essas questões, esse assunto retornou ao interesse dos pesquisadores no mundo utilizando-se de novas técnicas devido ao seu impacto econômico direto nas fazendas leiteiras.

Um estudo mais aprofundado sobre a questão da sazonalidade pode ser útil para o planejamento de gestão e a tomada de decisões, pois a sazonalidade nos padrões de parto e na produção de leite altera o fluxo de caixa ao longo do ano. Além disso, a sazonalidade na produção de leite pode resultar em desequilíbrios de oferta e demanda, que são caros (Washington et al., 2002).

No último estudo publicado sobre sazonalidade, Ferreira (2020) atribuí uma única curva sinusoidal para capturar o comportamento sazonal dos dados da fazenda e a distribuição da sazonalidade. Assumiram um período para o ciclo sazonal de 365,25 d; ou seja, um ano. Foi possível ver que para algumas fazendas os ciclos possam ser mais ou menos frequentes ou podem não ter um pico claro, tendo períodos em que os dados são semelhantes.

Quando as políticas sazonais de preços estão em vigor como um esforço para reduzir a sazonalidade na oferta de leite, as recomendações de e análise econômica podem se beneficiar do conhecimento sobre fatores responsáveis pela sazonalidade em rebanhos ou regiões específicas (Hall et al., 1987; Oltenacu  et  al., 1989). 

Os dados apontados no estudo de Ferreira (2020) confirmam os dados apontados por Salfer (2019), ambos estudos apontando padrões de produção de leite nos Estados Unidos com curvas sinusoidais que relacionam as diferenças nas condições ambientais entre os estados.

Especificamente, os estudos demonstram que nos estados mais ao norte, ocorre uma menor diferença entre os máximos e mínimos ao longo do ano. Os gráficos abaixo extraídos do trabalho de Ferreira (2020) explicam bem a diferença encontrada nas fazendas leiteiras ao longo dos estados unidos.

No gráfico 1, é possível verificar duas formas de análise, sendo uma baseada entre os pontos mínimos e máximo (Low-to-Peak ratio) e a relação Verão e Inverno (Summer to Winter-ratio). Independente da fórmula de cálculo foi possível verificar a variação existente entre ambos os pontos de demonstração, sendo que a forma de demonstração do gráfico é interessante na formulação de um modelo Blocspot.

Nesta forma de demonstração encontramos as retas que representam ambos extremos de 25% e o retângulo representando 50% das observações. Dentro do retângulo é possível verificar um traço e um ponto, aonde o traço representa a mediana e o ponto a média de produção dos animais.

Na leitura do gráfico é possível ser feita da seguinte forma: pontos fora das retas representam produções fora do padrão ou do modelo. Já quanto maior as linhas e o diagrama, maior a variação existente entre os dados encontrados, neste caso, maior a variação encontrada da sazonalidade do rebanho.

Quanto mais próximo de 1 o valor médio, encontramos uma menor razão ou diferença do pico para a base ou entre o verão-inverno. Neste caso, encontraríamos curvas com menor impacto sazonal, ou menor sazonalidade.

Podemos então no modelo abaixo, enxergar que existe uma maior variação nos estados do sul dos estados unidos em comparação ao norte, não só nas variações entre a sazonalidade, mas também nos dados de rebanho.

Gráfico 1 – Variações na produção de leite em relação aos indicadores sazonais – Fonte: Ferreira (2020)

Quanto ao padrão de gestão, o estudo buscou questões da quantificação do padrão de vacas secas nos rebanhos, pois esse padrão de vacas secas altera o padrão de animais em estágios de lactação mais tardia, ou seja, aumentam o DEL em determinados meses do ano.

Quando ajustado o modelo de para vacas secas e parto, a relação base-pico (LP) global aumentou significativamente em 30,7%, demonstrando a influência das decisões de gestão sobre a sazonalidade. Salfer (2019) mostrou evidências de um ritmo endógeno anual controlando a produção de leite, e isso poderia explicar a sazonalidade restante observada após ajustes, aonde a influência natural dos ciclos relacionam-se com as respostas observadas.

As barras cinzas representam a porcentagem de rebanhos em cada estado para o qual a razão base-pico (LP) aumentou após ajuste para percentual de vacas secas. As barras azuis representam o aumento percentual médio da relação LP em cada estado.

Verificamos que nos estados mais ao norte, como Maine e New York, as variações são menores, mesmo com os ajustes para vacas secas, enquanto Florida um grande impacto no aumento da relação.

A relação em Michigan pode ser explicada por outros fatores de manejo, tendo a grande parte dos rebanhos afetadas pelo modelo, mas relativa baixa variação na sazonalidade nas barras azuis.

Gráfico 2 – Variação da sazonalidade de vacas secas nos rebanhos por estado – Fonte: Ferreira (2020)

Um outro ponto importante, é que os rebanhos pequenos eram mais sazonais do que grandes rebanhos tanto para sazonalidade em partos e produção de leite.

Grandes rebanhos tendem a investir mais em sistemas de resfriamento e a ter melhores programas reprodutivos (Rodrigues et al. 2005), o que pode explicar a diferença observada. Além da questão de investimento, o tamanho do rebanho pode ter a influência no ritmo natural dos animais e devido ao número menor de vacas, a variação individual impacta significativamente na média produtiva do rebanho.

É possível então, que medidas diferentes possam ser tomadas de acordo com o tamanho do rebanho, sendo informações importantes na decisão da fazenda frente ao momento produtivo. Fazendas pequenas podem sofrer mais em relação a variação do mercado de preços, dessa forma, é possível que observando as variações internas, decisões de manejo possam auxiliar os produtores e indústria no melhor ganho financeiro.

Referencias
Allore, H. G., P. A. Oltenacu, and H. N. Erb. 1997. Effects of season, herd size, and geographic region on the composition and quality of milk in the northeast. J. Dairy Sci. 80:3040–3049. https://doi.org/10.3168/jds.S0022-0302(97)76271-4.

Baumgard, L. H., and R. P. Rhoads. 2012. Ruminant Nutrition Symposium: Ruminant production and metabolic response to heat stress. J. Anim. Sci. 90:1855–1865. https://doi.org/10.2527/jas.2011-4675.

Bernabucci, U., L. Basiricò, P. Morera, D. Dipasquale, A. Vitali, F. Piccioli Cappelli, and L. Calamari. 2015. Effect of summer season on milk protein fractions in Holstein cows. J. Dairy Sci. 98:1815–1827. https://doi.org/10.3168/jds.2014-8788.

Ferreira, F. C., and A. De Vries. 2015. Effects of season and herd milk volume on somatic cell counts of Florida dairy farms. J. Dairy Sci. 98:4182–4197. https://doi.org/10.3168/jds.2014-8695.

Ferreira, F. C., Clay, J. S., & De Vries, A. (2020). Distribution of seasonality of calving patterns and milk production in dairy herds across the United States. Journal of Dairy Science, 103(9), 8161–8173. https://doi.org/10.3168/jds.2019-18138

Hall, S. C., P. A. Oltenacu, and R. A. Milligan. 1987. Returns to dairy producers under different seasonal production patterns. Research Bull. Department of Agriculture and Economics, Cornell University, Ithaca, NY.

Oltenacu, P. A., T. R. Smith, and H. M. Kaiser. 1989. Factors associated with seasonality of milk production in New York state. J. Dairy Sci. 72:1072–1079. https://doi.org/10.3168/jds.S0022-0302(89)79205-5.

Oseni, S., I. Misztal, S. Tsuruta, and R. Rekaya. 2003. Seasonality of days open in US Holsteins. J. Dairy Sci. 86:3718–3725. https://doi.org/10.3168/jds.S0022-0302(03)73977-0.

Rodrigues, A. C. O., D. Z. Caraviello, and P. L. Ruegg. 2005. Management of Wisconsin dairy herds enrolled in milk quality teams. J. Dairy Sci. 88:2660–2671. https://doi.org/10.3168/jds.S0022-0302(05)72943-X.

Salfer, I. J., C. D. Dechow, and K. J. Harvatine. 2019. Annual rhythms of milk and milk fat and protein production in dairy cattle in the United States. J. Dairy Sci. 102:742–753. https://doi.org/10.3168/jds.2018-15040.

Schüller, L. K., O. Burfeind, and W. Heuwieser. 2016. Effect of short and long-term heat stress on the conception risk of dairy cows under natural service and artificial insemination breeding programs. J. Dairy Sci. 99:2996–3002. https://doi.org/10.3168/jds.2015-10080.

Washington, A. A., R. L. Kilmer, and R. N. Weldon. 2002. Practices used by dairy farmers to reduce seasonal production variability. Agric. Resour. Econ. Rev. 31:127–137. https://doi.org/10.1017/S1068280500003531.