Diferenciación productiva de tambos lecheros según estrategias de alimentación en la Cuenca Central de Santa Fe, Argentina

A. Villegas-Peña; L. Pagliettini; G. Mozeris; J. Domínguez; P.A. Cipriotti

doi:10.30972/vet.3719488

Autores/as

A. Villegas-Peña Universidad de Buenos Aires, Facultad de Agronomía, Cátedra de Economía Agraria, Av. San Martín 4453 (CP 1417), CABA, Argentina https://orcid.org/0000-0001-6145-8179
L. Pagliettini Universidad de Buenos Aires, Facultad de Agronomía, Cátedra de Economía Agraria, Av. San Martín 4453 (CP 1417), CABA, Argentina. https://orcid.org/0000-0001-7598-8090
G. Mozeris Universidad de Buenos Aires, Facultad de Agronomía, Cátedra de Sistemas Agroalimentarios, Av. San Martín 4453 (CP 1417), CABA, Argentina. https://orcid.org/0009-0007-2319-6893
J. Domínguez Universidad de Buenos Aires, Facultad de Agronomía, Cátedra de Economía Agraria, Av. San Martín 4453 (CP 1417), CABA, Argentina. https://orcid.org/0000-0002-4712-3417
P.A. Cipriotti Universidad de Buenos Aires, Facultad de Agronomía, Departamento de Métodos Cuantitativos y Sistemas de Información, Av. San Martín 4453 (CP 1417), CABA, Argentina. https://orcid.org/0000-0002-1228-9724

DOI:

https://doi.org/10.30972/vet.3719488

Palabras clave:

Producción de leche, alimentación animal, análisis discriminante, escala productiva, región pampeana

Resumen

La intensificación de la lechería pampeana ha promovido una creciente diversificación de las estrategias de alimentación. En este contexto, el objetivo de este estudio fue evaluar si dichas estrategias permiten discriminar con consistencia tambos de la Cuenca Central de Santa Fe clasificados según su producción diaria de leche. Se aplicó un Análisis Discriminante Lineal utilizando datos de 71 establecimientos relevados en la Encuesta Sectorial Lechera del INTA. Los tambos se agruparon en tres estratos productivos definidos a priori: Chico (≤2.500 L día^-1), Mediano (2.501–4.000 L día^-1) y Grande (>4.000 L día^-1). Los resultados evidenciaron la obtención de dos funciones discriminantes, de las cuales la primera explicó el 87% de la varianza y se asoció principalmente al consumo de balanceado, grano de maíz, silo y heno, y a la participación del pastoreo. La exactitud de clasificación fue del 67,6%, reduciéndose al 54,9% bajo validación cruzada. El desempeño por estrato, evaluado mediante F1-score, fue mayor en los estratos Chico y Grande (0,81 y 0,60, respectivamente) y menor en el Mediano (0,48). A partir de la estructura discriminante obtenida, se identificó un establecimiento representativo de cada estrato mediante la distancia de Mahalanobis. Se concluye que las estrategias de alimentación permiten discriminar de manera moderada los tambos lecheros y generar perfiles de alimentación que constituyen referencias empíricas útiles para aplicaciones posteriores, particularmente en la modelización productiva, económica y ambiental.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

1. Alrawashdeh MJ, Radwan TR, Abunawas KA. Performance of linear discriminant analysis using different robust methods. Eur J Pure Appl Math. 2018; 11(1): 284-298. https://doi.org/10.29020/nybg.ejpam.v11i1.3176

2. Anrique R. Nutrición y alimentación de vacas lecheras en pastoreo. Publicación N.º 2, Plan Lechero Watt’s. Chile; 2012. Disponible en: https://consorciolechero.cl/wp-content/uploads/2021/04/nutricion-y-alimentacion-de-vacas-lecheras-en-pastoreo.pdf

3. Apez ME, Engler PL, García Arancibia R. Caracterización de una tipología de tambos en la región pampeana de Argentina. FAVE Sección Ciencias Agrarias. 2025; 24: e0037. https://doi.org/10.14409/fa.2025.24.e0037

4. Bolsa de Comercio de Rosario. Radiografía del sector lácteo en Argentina. Rosario (AR): Bolsa de Comercio de Rosario; 2023. Disponible en: https://www.bcr.com.ar/es/mercados/investigacion-y-desarrollo/informativo-semanal/noticias-informativo-semanal/radiografia-7

5. Comerón E, Romero L, Vera M, Villar J, Maciel M, Charlón V, Tieri MP, Salado E. Algunas consideraciones sobre la evolución del proceso de intensificación de la lechería argentina y los aportes del INTA. Información Técnica de Producción Animal. INTA – Estación Experimental Agropecuaria Rafaela; 2016. Disponible en: https://repositorio.inta.gob.ar/bitstream/handle/20.500.12123/8201/INTA_CRSantaFe_EEARafaela_Informacion_tecnica_produccion_animal_2020.pdf?sequence=1&isAllowed=y

6. Da Silva AR. biotools: Tools for biometry and applied statistics in agricultural science. Version 4.2 [software]. 2025. Disponible en: https://CRAN.R-project.org/package=biotools

7. Engler PL, Cuatrin A. Brechas productivas y económicas de los tambos de la región Pampeana Argentina. 47º Congreso Argentino de Producción Animal: Ciencia y Tecnología para escenarios desafiantes. Asociación Argentina de Producción Animal (AAPA), Santa Fe, Argentina; 2024. Disponible en: https://www.aapa.org.ar/47capa/resumenes/06-ResSP2024.pdf

8. Engler PL, Cuatrin A, Apez ME, Maekawa M, Litwin GM, Centeno AR, Marino MR, Moretto ML. Encuesta Sectorial Lechera del INTA: Resultados y análisis del ejercicio productivo 2020–2021. Informe técnico. Instituto Nacional de Tecnología Agropecuaria; 2022. Disponible en: https://repositoriosdigitales.mincyt.gob.ar/vufind/Record/INTADig_a42dd07cd3273752fddce2f94b83c8bc

9. Engler PL, Cuatrin A, Apez ME, Maekawa M, Litwin GM, Centeno AR, Marino MR, Moretto ML, Almada G. Encuesta Sectorial Lechera del INTA: Resultados y análisis del ejercicio productivo 2022–2023. Informe técnico. Instituto Nacional de Tecnología Agropecuaria; 2024. Disponible en: https://caproler.org/wp-content/uploads/2024/07/30582552-encuesta-sectorial-lechera-inta-2022-23-documento-completo.pdf

10. Firke S. janitor: Simple tools for examining and cleaning dirty data. Version 2.2.1 [software]. 2024. Disponible en: https://CRAN.R-project.org/package=janitor

11. Fox J, Weisberg S. An R companion to applied regression. 3rd ed. Thousand Oaks (CA): Sage Publications; 2019.

12. Hastie T, Tibshirani R, Friedman J. The elements of statistical learning: Data mining, inference, and prediction. 2nd ed. New York: Springer; 2009. https://doi.org/10.1007/978-0-387-84858-7

13. Huberty CJ, Olejnik S. Applied MANOVA and discriminant analysis. 2nd ed. Hoboken (NJ): Wiley; 2006. https://doi.org/10.1002/047178947X

14. Lazzarini MB, Demarchi E, Lovino D, Baudracco J, Jáuregui JM. Evolución de la suplementación, el consumo de pastura y la producción de leche en sistemas lecheros de Argentina. FAVE Sección Ciencias Agrarias. 2015; 13(1-2): 73-78. https://doi.org/10.14409/fa.v13i1/2.4964

15. Modernel P, Dogliotti S, Álvarez S, Corbeels M, Picasso V, Tittonell P, Rossing WAH. Identification of beef production farms in the Pampas and Campos area that stand out in economic and environmental performance. Ecol Indic. 2018; 89: 755-770. https://doi.org/10.1016/j.ecolind.2018.01.038

16. O’Brien RM. A caution regarding rules of thumb for variance inflation factors. Qual Quant. 2007; 41(5): 673-690. https://doi.org/10.1007/s11135-006-9018-6

17. Pece MA, Álvarez HJ, Larripa MJ, Galil JR. Cambios en la productividad de los tambos del sur de Santa Fe = Changes in dairy farm productivity in the southern Santa Fe. Rev Argent Prod Anim. 2013; 33(2): 91-98. Disponible en: https://repositoriosdigitales.mincyt.gob.ar/vufind/Record/INTADig_09781b87a543c84b7761e2e875e7c91f

18. Pérez J, Arrien MC, Cisneros Basualdo NE, Vuksinic E, Rodríguez CI. Huella hídrica de la leche y el queso: un caso de estudio en Tandil, Argentina. Revista Estudios Ambientales. 2021; 9(2): 28-48. https://doi.org/10.47069/estudios-ambientales.v9i2.1273

19. R Core Team. R: A language and environment for statistical computing. Version 4.3.1 [software]. Vienna (Austria): R Foundation for Statistical Computing; 2023. Disponible en: https://www.R-project.org/

20. Venables WN, Ripley BD. Modern applied statistics with S. 4th ed. New York: Springer; 2002. https://doi.org/10.1007/978-0-387-21706-2

21. Wei T, Simko V. R package ‘corrplot’: Visualization of a correlation matrix. Version 0.95 [software]. 2024. Disponible en: https://github.com/taiyun/corrplot

22. Wickham H, François R, Henry L, Müller K, Vaughan D. dplyr: A grammar of data manipulation. Version 1.1.4 [software]. 2023. Disponible en: https://CRAN.R-project.org/package=dplyr

23. Yahaya SSS, Lim YF, Ali H, Omar Z. Robust linear discriminant analysis. J Math Stat. 2016; 12(4): 312-316. https://doi.org/10.3844/jmssp.2016.312.316