Statistische Analyse der Beziehungen zwischen Fermentationscharakteristika von Silagen und derFutteraufnahme sowie Milchleistung undMilchzusammensetzung bei Kühen

Der Futterwert einer Silage wird vor allem durch die Gehalte an Nettoenergie-Laktation sowie die Gehalte an und die Zusammensetzung des Rohproteins und der Zellwandbestandteile definiert. Ein Einfluss dieser Größen auf die Silageaufnahme ist unbestritten und wurde umfangreich untersucht. Die Qualität einer Silage wird außerdem durch die während der Fermentation entstehenden Produkte bestimmt, welche die Akzeptanz der Silage bei Milchkühen beeinflussen. In einer Reihe von Einzelstudien konnte bereits gezeigt werden, dass Veränderungen in diesen Eigenschaften die Futteraufnahme modifizieren. Das Bild ist jedoch heterogen, es gibt auch widersprüchliche Befunde. Anhand von Daten aus der Literatur wurde der Versuch unternommen, mittels einer Meta-Analyse den Einfluss einzelner Fermentationsprodukte auf die Futteraufnahme sowie auf Milchleistung und -zusammensetzung bei Milchkühen zu quantifizieren. Außerdem wurde geprüft, inwieweit die Schätzung der Futteraufnahme sowie der Milchleistung und -zusammensetzung durch eine Einbeziehung von Fermentationscharakteristika in die jeweiligen Modelle verbessert werden kann. Die Meta-Analyse umfasste 70 Versuche mit 321 Beobachtungen (eine Beobachtung entsprach dabei dem Mittelwert der Silagecharakteristika sowie der Leistungsparameter einer Versuchsgruppe pro Versuchsperiode) bei getrennter Vorlage von Grob- und Konzentratfutter und 15 Versuche mit 63 Beobachtungen bei Einsatz von Gesamtmischrationen. Die Ergebnisse der Meta-Analyse definierten Essigsäure als das Fermentationsprodukt, welches deutliche negative Auswirkungen auf die Silageaufnahme bei getrennter Vorlage von Grob- und Konzentratfutter hat. Der Gehalt an Essigsäure (g/kg Trockenmasse [TM]) war die am besten geeignete Einzelvariable für die Schätzung der Silage-TM-Aufnahme sowohl für alle Silagearten (Bestimmtheitsmaß [R²] = 0,16; Standardabweichung der Residuen [root mean square error, RMSE] = 2,32 kg TM) als auch bei ausschließlicher Berücksichtigung der Grasanwelksilagen (R² = 0,24; RMSE = 2,34 kg TM). Es konnte jedoch kein deutlicher Einfluss anderer kurzkettiger Fettsäuren sowie von Ammoniak auf die Silageaufnahme festgestellt werden. Die Daten aus der Literatur lieferten widersprüchliche Aussagen über das Ausmaß und die Art der Beziehungen zwischen diesen Fermentationsprodukten und der Silageaufnahme, oder aber die Einflüsse wurden in stärkerem Maße durch Wechselwirkungen zwischen den einzelnen Fermentationsprodukten modifiziert. Desweiteren gibt es verschiedene Hinweise, dass die Proteinqualität einen wesentlichen Einfluss auf die Silageaufnahme hat. Der Proteinabbau während der Silierung führt zu hohen Gehalten an löslichen Stickstoffverbindungen in den Silagen, die sich negativ auf die Silageaufnahme auswirken. Ob die während einer Decarboxylierung von Aminosäuren durch Clostridien entstehenden biogenen Amine die Silageaufnahme negativ beeinflussen, konnte nicht schlüssig nachgewiesen werden. Bei Fütterung von Gesamtmischrationen (total mixed rations, TMR) wurde der Gesamtsäuregehalt als der am stärksten negativ auf die Futteraufnahme wirkende Einflussfaktor festgestellt (R² = 0,44; RMSE = 2,69 kg TM). Bei der Schätzung der Gesamtfutteraufnahme wurden das Körpergewicht, die Milchmenge und die Konzentrat¬futter¬aufnahme als Einflussgrößen in das Modell einbezogen. Die Einbeziehung des Gesamtsäuregehaltes (total acids, TA) und TA² in das Grundmodell führte zur Erhöhung des R² von 0,64 (RMSE = 1,50 kg TM) auf 0,80 (RMSE = 1,11 kg TM) bei allen Silagearten und bei alleiniger Berücksichtigung der Grasanwelksilagen von R² = 0,44 (RMSE = 1,58 kg TM) auf 0,81 (RMSE = 0,92 kg TM). Die Einbeziehung des TA-Gehaltes in das Modell mit Einflussgrößen wie Körpergewicht und Milchmenge führte zur Verbesserung der Futteraufnahmeschätzung von R² = 0,57 (RMSE = 2,19 kg TM) bis auf R² = 0,71 (RMSE = 1,80 kg TM). Der negative Einfluss von den Fermentationsprodukten auf Milchleistung und -zusammensetzung bei einer getrennten Vorlage der Rationsbestandteile war nur schwach ausgeprägt. Der Gehalt an organischer Masse in der Frischsubstanz war die Einzelvariable mit dem stärksten, positiven Einfluss auf die Milchleistung und -zusammensetzung. Bei Fütterung von TMR war der negative Einfluss der Fermentationsprodukte auf die Milchleistung sowie -zusammensetzung nahezu vollständig auf die negative Wirkung der Fermentationsprodukte auf die Futteraufnahme zurückzuführen. Der kritische TM-Gehalt der Grasanwelksilagen für die maximale energiekorrigierte Milchleistung sowie die maximale Milchfett- und Milch¬proteinmenge lag im Bereich zwischen 410 und 430 g/kg. Der kritische pH-Wert der Silage für eine maximale Milchfett- und Milchprotein¬menge lag im Bereich zwischen 4,3 und 4,5. Die Modelle für die Vorhersage der Futteraufnahme sowie Milchleistung und -zusammensetzung wiesen eine Restvarianz von 20 bis 40 % auf, was auf die Notwendigkeit einer Weiterentwicklung der Schätzungen hinweist.

The feeding value of silage is defined mainly by the net energy for lactation concentration and by the contents and composition of crude protein and cell wall components. Effects of these variables on feed intake are undoubted and well-documented. In addition, the quality of silage is determined by fermentation products. A number of experiments have shown that the varying concentrations of fermentation products affect feed intake. Unfortunately, the results are often controversial. Therefore, this study, based on literature data, had the objective to quantify the effects of fermentation products on feed intake and milk production variables by means of a meta analysis. In addition, the accuracy of multiple regression models was tested by including silage fermentation characteristics into equations for the prediction of the feed intake and milk production variables. The meta-analysis included 70 trials with 321 observations for diets when forage and concentrate offered separately and 15 trials with 63 observations for diets fed total mixed rations. One observation included mean values for silage fermentation characteristics and performance data of each animal group for each trial period. The results of the meta-analysis revealed that the concentration of acetic acid was closely and negatively correlated with silage intake when concentrate and forage were offered separately. The acetic acid concentration was the best single predictor for silage dry matter (DM) intake (R² = 0.16; [root mean square error, RMSE = 2.32 kg DM] for all silage types and R² = 0.24 [RMSE = 2.34 kg DM] for wilted grass silage). The effects of other short-chain fatty acids, of lactic acid and ammonia were indistinct. Literature data were either controversial or effects were affected by collinearity between fermentation products. Protein quality appears to be an important factor governing feed intake. Proteolysis during ensiling has increased the concentration of soluble nitrogen in silage and consistently reduced silage intake. Amines have been suggested as being responsible for reduced silage intake but experimental evidence so far did not support this hypothesis. Total acid concentration was closely and negatively related to total DM intake in diets fed as total mixed rations (R² = 0.44). In the data set used for the meta-analysis of diets with forage and concentrate offered separately, inclusion of the acetic acid concentration in a model with animal-associated factors such as milk yield and body weight resulted in an improved accuracy of the prediction of total DM intake. The total acid concentration was the best single factor that increased the fit of a model for DM intake prediction when diets were fed as total mixed rations. The negative effect of fermentation products on milk yield and composition was weak. The organic matter content was the best single predictor for milk production variables when concentrate and forage were offered separately. The critical DM content of wilted grass silage for maximum energy corrected milk yield and for fat and protein yield was between 410 and 430 g/kg. The critical pH value for maximum performance was between 4.3 and 4.5. The residual variance of predicting multiple models was between 20 and 40 %. In conclusion, current equations for predicting feed intake and performance of dairy cows need further development and refinement.

Rechte

Nutzung und Vervielfältigung:

Keine Lizenz. Es gelten die Bestimmungen des deutschen Urheberrechts (UrhG).

Bitte beachten Sie, dass einzelne Bestandteile der Publikation anderweitigen Lizenz- bzw. urheberrechtlichen Bedingungen unterliegen können.

Zitieren

Zitierform:
Zitierform konnte nicht geladen werden.