D. Jonkus, L. Paura Govju piena produktivitātes mainību ietekmējošo faktoru analīzeGovju piena produktivitātes mainību ietekmējošo faktoru analīzeAnalysis of Factors Affecting Cows Milk Productivity Traits VariationDaina JonkusLLU Agrobiotehnoloģijas institūts, e-pasts: Daina.Jonkus@llu.lvInstitute of Agrobiotechnology, LLU, e-mail: Daina.Jonkus@llu.lvLīga PauraLLU Vadības sistēmu katedra, e-pasts: Liga.Paura@llu.lvDepartment of Control Systems, LLU, e-mail: Liga.Paura@llu.lvAbstract. The research was organized in the training and research farm “Vecauce” of the Latvia Universityof Agriculture. The trials were conducted during pasture period and lasted for 30 days – from 13 July till11 August, 2001, and were repeated from <strong>18</strong> July till 16 August, 2002. The sample group included 70 clinicallyhealthy Latvian brown dairy cows in different lactations. The main research interest was paid to the analysisof the variations in cow milk productivity traits by assessing the influence of particular physiological factorsof an animal’s organism and that of environmental factors. Milk productivity traits with the highest valueof variation coefficient proved to be milk yield (Cv = 9.8 – 10.0%) and fat content (Cv = 8.8 – 11.2%).The protein content varied from 4.3 to 4.5%. The trait with the lowest variation was the lactose content(Cv = 2.1 – 3.9%), whereas milk yield and protein content showed the highest values of repeatability coefficient– r w= 0.73 – 0.84 and r w= 0.72 – 0.73 respectively. The content of fat and lactose were less stable exhibitingthe lowest coefficient of repeatability – r w= 0.32 – 0.50 and r w= 0.52 – 0.59 respectively. Between days of thepasture period, statistically significant fluctuations in milk yield were observed under the influence of externalenvironmental factors (p
D. Jonkus, L. Paura Govju piena produktivitātes mainību ietekmējošo faktoru analīze<strong>18</strong>. jūlija līdz 16. augustam. Paraugkopā iekļāvāmvienas kopējas aprūpē esošas dažādu laktācijuklīniski veselas <strong>Latvijas</strong> brūnās šķirnes slaucamāsgovis. Pirmajā pētījuma gadā ganību periodāanalizēja 2211, un pētījumu atkārtojot pēc gada –1988 piena paraugus.Pētījuma grupas govju vidējais vecums pirmajā unotrajā pētījuma gadā atšķīrās nenozīmīgi (2.7 un 3.0laktācijas).Pētījums notika saimnieciskās darbībasapstākļos, visām pētījuma grupas govīm nodrošinotvienādu turēšanas un ēdināšanas tehnoloģiju.Govju ēdināšanai izmantoja saimniecībā pašražotulopbarību, spēkbarību normēja atkarībā no govjuproduktivitātes. Dzeramo ūdeni govis uzņēma brīvi,no automātiskajām dzirdnēm.Ganību periodā abos pētījuma gados govjubarības deva sastāvēja no kultivēto ganību zāles,zaļbarības un spēkbarības, kuras daudzums bija 150 guz katru ražotā piena kilogramu. Pēc rīta slaukšanas,ap plkst. 6.00, govis devās ganībās, kur tās uzturējāslīdz pēcpusdienas slaukšanai, plkst. 16.00, ganībāsuzņemot 40–60 kg zāles.Lopbarības paraugi no izbarotajiem barībaslīdzekļiem katrā pētījuma periodā ņemti vienu reiziun attiecināti uz visu pētījuma periodu. Lopbarībasparaugi ķīmiski analizēti LLU Agronomiskoanalīžu zinātniskajā laboratorijā. Kopproteīna saturanoteikšanai izmantota Kjeldāla metode saskaņā arstandarta „ISO 5983-1997” prasībām. Kokšķiedrasfrakciju (NDF, ADF) satura analīzei un barībasenerģētiskās vērtības aprēķinam izmantota Van Soestabarības līdzekļu analīžu metode (Forage Analysesmethod, 4.1; 5.1; 5.2).Pētījuma periodos govīm nepieciešamā barībasvajadzība noteikta pēc sausnas, kopproteīna, NDFun enerģētiskās vērtības NEL daudzuma, ņemot vērāgovju dzīvmasu (550 kg) un vidējo produktivitātipētījuma periodā (Osītis, 1998).Izmēģinājumi tika uzsākti ganību periodā, kārtējāgovju piena pārraudzības dienā fiksējot pētījuma grupasgovju iegūto piena daudzumu un sagatavojot pienaparaugus. Kurzemes mākslīgās apsēklošanas stacijasakreditētā piena kvalitātes kontroles laboratorijā ar„Milko-Skan 133B” saskaņā ar standarta „ISO 9622 :1999” prasībām piena paraugiem tika noteikts tauku,olbaltumvielu un laktozes saturs (%).Datu matemātiskā apstrāde veikta, izmantojotaprakstošo statistiku. Piena produktivitātespazīmju mainības raksturošanai tika aprēķinātastandartnovirzes attiecība pret aritmētisko vidējovērtību, kas izteikta procentos, jeb variācijaskoeficienti (Cv). Variācijas koeficientu salīdzināšanaiizmantots Z tests.Atkārtojamības koeficients (r w) aprēķināts, lainoskaidrotu, cik cieša sakarība ir starp atkārtotiemmērījumiem īsā laika periodā. Abos pētījuma gadosatkārtojamības koeficients noteikts kā iekšklasu(intraclass) korelācijas koeficients (Falconer,Mackay, 1996):2σ br w =2 2σ b + σ e , (1)kur r w– atkārtojamības koeficients;2σ b– starpgrupu dispersija (starp govīm);2σ e – iekšgrupu dispersija (vienas govsietvaros).Dispersija starp govīm aprēķināta, izmantojotdispersijas analīzē iegūtos vidējos kvadrātus:kur, (2)– kvadrātu summa starp govīm(starpgrupu);– kļūdas kvadrātu summa (iekšgrupu);N – pētījuma dienu skaits;2σ e – .Lai noskaidrotu faktorus, kuri būtiski ietekmējapiena produktivitātes pazīmju izmaiņas, izmantotsdaudzfaktoru lineārais modelis GLM (General linearmodel). Modelis, kurā iekļauti fiksētie faktori, attiecasuz i-to dzīvnieku j-tajā fiksēto faktoru klasē (Falconer,Mackay, 1996):, (3)kur y ijklmnopr– i-tā dzīvnieka pazīmes fenotipiskāvērtība;μ – ģenerālkopas vidējā vērtība;a i– randomais dzīvnieka ģenētiskaisefekts (i = 1-74 un i =1-66);e ijklmnopr– atlikuma ietekmes faktori(1. tabula).Modelī iekļauto faktoru ticamība noteikta piebūtiskuma līmeņa α=0.05; 0.01; 0.001. Faktoruietekme novērtēta kā būtiska, ja p ≤ α. Noteiktadeterminācijas koeficienta (R 2 ) vērtība, kas rāda, parcik procentiem izvēlētais modelis izskaidro pētītāspazīmes izkliedi.Datu matemātiskā apstrāde veikta ar „MS Excel”un „SPSS 11.0” programmu paketi (Backhaus et al.,2000).Rezultāti un diskusijaIzmēģinājuma laikā, ik dienas nosakot govjuizslaukumu un analizējot piena paraugus, tikanoskaidrota pētījuma grupas govju vidējā pienaLLU Raksti <strong>18</strong> (<strong>313</strong>), <strong>2007</strong>; 34-4435
- Page 3 and 4: M. Ausmane, I. Melngalvis Augsnes p
- Page 5 and 6: M. Ausmane, I. Melngalvis Augsnes p
- Page 7 and 8: M. Ausmane, I. Melngalvis Augsnes p
- Page 9 and 10: M. Ausmane, I. Melngalvis Augsnes p
- Page 11 and 12: I. Līpenīte, A. Kārkliņš Pēt
- Page 13 and 14: I. Līpenīte, A. Kārkliņš Pēt
- Page 15 and 16: I. Līpenīte, A. Kārkliņš Pēt
- Page 17 and 18: I. Līpenīte, A. Kārkliņš Pēt
- Page 19 and 20: N. Bastienė, V. Šaulys Maintenanc
- Page 21 and 22: N. Bastienė, V. Šaulys Maintenanc
- Page 23 and 24: N. Bastienė, V. Šaulys Maintenanc
- Page 25 and 26: N. Bastienė, V. Šaulys Maintenanc
- Page 27 and 28: T. Rakcejeva et al. Biological Valu
- Page 29 and 30: T. Rakcejeva et al. Biological Valu
- Page 31 and 32: T. Rakcejeva et al. Biological Valu
- Page 33 and 34: T. Rakcejeva et al. Biological Valu
- Page 35: T. Rakcejeva et al. Biological Valu
- Page 39 and 40: D. Jonkus, L. Paura Govju piena pro
- Page 41 and 42: D. Jonkus, L. Paura Govju piena pro
- Page 43 and 44: D. Jonkus, L. Paura Govju piena pro
- Page 45 and 46: D. Jonkus, L. Paura Govju piena pro
- Page 47 and 48: J. Zagorska et al. Baktericīdo vie
- Page 49 and 50: J. Zagorska et al. Baktericīdo vie
- Page 51 and 52: J. Zagorska et al. Baktericīdo vie
- Page 53 and 54: M. Pilmane et al. Investigation of
- Page 55 and 56: M. Pilmane et al. Investigation of
- Page 57 and 58: M. Pilmane et al. Investigation of
- Page 59 and 60: M. Pilmane et al. Investigation of
- Page 61 and 62: I. Šematoviča et al. Slaucamo gov
- Page 63 and 64: I. Šematoviča et al. Slaucamo gov
- Page 65 and 66: D. Keidāne, E. Birģele Hematoloģ
- Page 67 and 68: 1. tabula / Table 1Hematoloģiskie
- Page 69 and 70: 3. tabula / Table 3Hematoloģiskie
- Page 71 and 72: D. Keidāne, E. Birģele Hematoloģ
- Page 73 and 74: O. Kozinda, Z. Brūveris Rentgenomo
- Page 75 and 76: O. Kozinda, Z. Brūveris Rentgenomo
- Page 77 and 78: O. Kozinda, Z. Brūveris Rentgenomo
- Page 79 and 80: G. Pavlovičs et al. Saldā ķirša
- Page 81 and 82: G. Pavlovičs et al. Saldā ķirša
- Page 83 and 84: LLU Raksti 18 (313), 2007; 81