Ponen a prueba plantas forrajeras en pastoreo intensivo

Utilizando datos durante dos años del pastoreo de verano en el Centro de Excelencia de Ganado y Forrajes, en Canadá, analizaron qué tan bien persisten las nuevas variedades de forraje cuando se pastan a una alta densidad de ganado, qué variedades son las preferidas y cómo el temperamento de los animales influyen en su comportamiento de pastoreo.

Es un proyecto ambicioso y multifacético para Sim, que está codirigido por Bart Lardner (Ph.D.), profesor del Departamento de Ciencia Animal y Avícola de la Facultad de Agricultura y Biorecursos y Diego Moya (DVM, Ph.D.), profesor asistente en el Departamento de Ciencias Clínicas de Grandes Animales del Western College of Veterinary Medicine; el científico de plantas Bill Biligetu (Ph.D.) y el científico de animales Gabriel Ribeiro (Ph.D.) son los otros miembros de la facultad de USask involucrados en el estudio. (Reportaje: 10 tipos de pastoreo a tener en cuenta)

El objetivo es brindar respuestas científicas a los productores de ganado que desean establecer nuevas variedades de forrajes adaptados e implementar nuevas prácticas de pastoreo.

“Algunos agricultores usan el pastoreo continuo o rotativo como lo hicieron sus padres, pero más productores que están tratando de expandir las prácticas de manejo de sus fincas están buscando un pastoreo intensivo con alta densidad de población en el pasto. Están usando forrajes de una manera diferente, pero no tenemos una investigación real para mostrar cómo los forrajes se mantienen bajo este pastoreo intensivo”, dijo Sim.

Al igual que los productores de carne de res en sus operaciones, Sim tuvo que tener en cuenta la cantidad de lluvia al realizar su investigación. (Lea: Aprenda a aplicar el pastoreo de ultra alta densidad)

En el verano de 2019, 69 novillos pastorearon una vez del 27 de julio al 15 de agosto durante un total de 19 días. Los 69 se dividieron en tres grupos y cada grupo pastaba en un bloque de 5,2 hectáreas con 14 combinaciones diferentes de forrajes.

Se mezclaron tres variedades de alfalfa y una variedad de esparceta, bromegrass de pradera y orchardgrass para formar las 14 combinaciones. Con más lluvia en el verano de 2020, Sim logró 149 novillos con 49 o 50 en un bloque. Los animales pastorearon dos veces del 26 de junio al 14 de julio (19 días) y luego del 27 de agosto al 4 de septiembre (nueve días).

En ambos veranos, los novillos de cada cuadra se identificaron como audaces o tímidos según los estudios de comportamiento realizados antes de que los animales fueran llevados a los potreros. En 2019, Sim etiquetó seis novillos en cada bloque de acuerdo con el temperamento y, en 2020, aumentó eso a 16 animales por bloque. (Lea: Conozca el pastoreo inteligente Java)

Sim combinó la observación en tiempo real, conduciendo arriba y abajo por el callejón junto a los potreros y observando qué animales se estaban alimentando y en qué lugar de los bloques, con imágenes de drones.

“Fue muy divertido hacer esta investigación. Estoy un poco triste de que hayamos terminado el trabajo de verano. El dron es una tecnología más nueva, al menos para nosotros. Fue realmente útil, pero también muy divertido”, dijo.

Debido a que las 14 combinaciones de tratamiento diferentes de forrajes se sembraron en franjas que no tenían cercas, el ganado pudo moverse libremente de un tipo de forraje a otro. A medida que analiza sus observaciones, identificará qué forrajes prefiere y determinará si los animales atrevidos hacen un mejor uso de los pastos moviéndose por toda el área. (Lea: Pastoreo energético, estrategia para aprovechar mejor los nutrientes)

El informe final de la investigación de Sim será un análisis económico que refleje el costo de la siembra, el rendimiento del forraje y el pastoreo intensivo en Saskatchewan.

“Podremos hacer recomendaciones basadas en lo que vimos, cuáles de estas variedades de forrajes son más persistentes, efectivas y eficientes. Es información que los productores están pidiendo. Verán algo útil de esta investigación”, culminó.

Fuente: Mundo Agropecuario.