Livestock Research for Rural Development 33 (2) 2021 LRRD Search LRRD Misssion Guide for preparation of papers LRRD Newsletter

Citation of this paper

Caracterización del balance forrajero en fincas ganaderas de doble propósito de la zona centro del estado de Veracruz, México

R S Gudiño-Escandón1,2, J A Díaz-Untoria3, C O Retureta-Gonzalez1, V E Vega-Murillo2, V Torres-Cárdenas3, C R Padilla-Corrales3 y R O Martínez-Zubiaur3

1 Unión Ganadera Regional del Centro de Veracruz. México
agudino_e@hotmail.com
2 Facultad de Medicina Veterinaria y Zootecnia, Universidad Veracruzana
3 Instituto de Ciencia Animal, Mayabeque, Cuba

Resumen

Para estudiar el balance forrajero en dos época de doble propósito, de 16 municipios del centro de Veracruz. Se calculó la variable Unidad de Ganado Mayor (UGM) y se estimaron producciones de pastos para agostaderos, praderas naturales, pastos cultivados y forrajes, con y sin riego, aplicando patrones de rendimiento reportados en la literatura para seca y lluvia. Se consideró la capacidad de ingestión de pastos del 3% del peso vivo con base MS como lo que necesita producir una finca para mantener una UGM por día. El análisis se realizó a través de Modelo Estadístico de Medición de Impactos. Cuatro componentes principales (CP) explican el 82.38 % de la variabilidad. En el CP1 fueron preponderantes las variables propias del balance en el periodo seco y explica el 47 % de la variabilidad. Se calcularon estadígrafos para todas las variables del total de fincas. La carga promedio fue de 1.38 UGMha-1 con déficit de materia seca de 14 t para el periodo seco. Un grupo con 6,225 fincas, 1.02 UGMha -1 con déficit de materia seca en el periodo seco de 1.86 t, es el más equilibrado. Otro grupo con 5905 fincas con carga de 1.39 UGMha -1 y un déficit de 22.33 t de MS para el periodo seco es el más representativo de la región estudiada. Los resultados indican que las cargas de una UGM por ha son las más equilibradas de la zona. Es necesario asimilar tecnologías que disminuyan el déficit de materia seca en el periodo seco para tener fincas más competitivas.

Palabras clave: diagnóstico de fincas, doble propósito, estadística multivariada


Characterization of the forage balance in dual-purpose cattle farms in the central zone of the state of Veracruz, Mexico

Abstract

To study the forage balance in two seasons of the year, an individual diagnosis methodology was used in 17,749 dual-purpose farms in 16 municipalities in the center of Veracruz. The variable large animal units (UGM) were calculated and pasture productions for rangelands, natural meadows, cultivated pastures and forages, with and without irrigation, were estimated, applying performance patterns reported in the literature for dry and rain seasons. Pasture ingestion capacity of 3% of live weight based on DM was considered as what a farm needs to produce to maintain a UGM per day. The analysis was carried out through the Statistical Model of Impact Measurement. Four principal components (CP) explain 82.38% of the variability. In CP1, the variables typical of the balance in the dry period were predominant and explained 47% of the variability. Statistics were calculated for all variables of the total farms. The average carrying capacity was 1.38 UGM per ha with a dry matter deficit of 14 t for the dry period. A group with 6,225 farms, 1.02 UGM per ha with a dry matter deficit in the dry period of 1.86 t, was the most balanced. Another group with 5905 farms with a carrying capacity of 1.39 UGM per ha and a deficit of 22.33 t of DM for the dry period were the most representative of the region. These results indicate that the carrying capacity of 1 UGM per ha are the most balanced in the area. It is necessary to assimilate technologies that reduce the deficit of dry matter in the dry period to have more competitive farms.

Keywords: dual purpose, farm diagnosis, multivariate statistics


Introducción

El reto para la ganadería bovina de doble propósito de México y de América Latina es lograr un desarrollo sostenido y acelerado en su producción de leche y carne que le permita cubrir esta demanda para una población que crece aceleradamente y que, además, garantice la conservación de los recursos naturales. La franja tropical de América Latina y el Caribe tienen la mayor parte de los recursos forrajeros y ganaderos del continente americano: 72% de los pastos, 82% del inventario total y el 88% de las vacas en ordeño (Rivas y Holmann 2002).

La determinación de una correcta carga animal es la más importante de todas las decisiones que involucran el manejo del pastoreo, el ganado y de los retornos económicos.

La ganadería de los trópicos latinoamericanos enfrenta agudos problemas relacionados con la cantidad de forraje disponible en particular durante los prolongados periodos secos. El estado de Veracruz representa el 3.7% de la superficie del país, cuenta con una extensión territorial de 7.3 millones de hectáreas, donde la superficie total agropecuaria es de 6.2 millones (85%), de los cuales 3.8 millones (52%) tienen actividad agropecuaria o forestal; con un total de 3.05 millones de hectáreas de pastizales. El estado cuenta con 1.39 cabezas de ganado/ha (SIAP, 2015), distribuidas en 107,251 unidades de producción de acuerdo con el Padrón Ganadero Nacional. El objetivo de este estudio fue caracterizar el balance forrajero y analizar la sustentabilidad del sistema en fincas ganaderas de doble propósito de la zona centro del estado de Veracruz, México.


Materiales y métodos

Localización

El estudio se realizó en la zona central de Veracruz que abarca los municipios de: Actopan, Alvarado, Ángel R. Cabada, Camarón Tejeda, Cotaxtla, Ignacio de la Llave, Jamapa, La Antigua, Lerdo de Tejada, Manlio Fabio Altamirano, Medellín, Paso de ovejas Soledad de Doblado, Tierra Blanca, Tlalixcoyan y Veracruz. El clima es cálido-seco-regular y representa una amplia zona cálida subhúmeda, con una temperatura promedio de 25ºC; y precipitación pluvial media anual de 1,108 de acuerdo con la Enciclopedia de los municipios y delegaciones de México, Estado de Veracruz (INAFED, 2010)

Matriz de datos

El estudio se realizó con la información de 17,749 fincas doble propósito en pastoreo (UPP's), pertenecientes a 16 municipios en la zona tropical del centro del estado de Veracruz. Se utilizó la información básica, capturada en el sistema de inventario del Programa Ganadero Nacional (PGN) de la Confederación Nacional de Organizaciones Ganaderas, a través del sistema de identificación individual de ganado (SINIIGA 2020). Estos datos fueron analizados y filtrados, separando fincas que ofrecían información confusa, así como cargas superiores a 4.5 UGMha-1 (muy altas). De la base de datos del SINIIGA se tomaron las siguientes variables: ubicación, superficie de la unidad de producción (UPP), área con riego, agostadero (pastos nativos), praderas de riego, praderas de temporal, (praderas con especies introducidas de temporal y de riego) forrajes de riego, forrajes de temporal, vientres, sementales, crías (lactantes, hembras y machos), vaquillas, novillos, caballos, ovinos.

Balance forrajero

Para el balance forrajero se calcularon nuevas variables según la metodología descrita por Martínez (2008):

Unidades de Ganado Mayor (UGM). También llamada Unidad Animal (UA). Se consideró la vaca o vientre adulto de 450 kg como la unidad. El resto de las categorías se refieren a esta unidad asumiendo un peso promedio para cada cual. En nuestro caso se utilizaron los factores siguientes: vientres1.0, sementales1.25, vaquillas 0.75, novillos 0.75, crías destetadas 0.4, crías lactantes0.25, equinos1.2, ovinos 0.1.

Unidad de Ganado Mayor por hectárea. (UGM). Se obtuvo dividiendo las UGM de cada finca, entre el área dedicada a pastos en cada unidad productiva.

Necesidades de materia seca. García Trujillo y Cáceres (1984), definieron capacidad de ingestión, como la mayor cantidad de pasto que puede ser consumido por una UGM. Esto coincide con el 3% del peso vivo en base a MS. Se consideró la capacidad de ingestión del 3% del peso vivo como lo que se necesita producir en una finca para mantener una UGM por día.A partir de las necesidades de una UGM se calcularon las necesidades de MS de la finca para el periodo de seca (180 días) y de lluvias, (180 días).

Producción de materia seca en periodo seco y periodo de lluvias. Se estimaron producciones de pastos aplicando patrones de rendimiento reportados para seca y lluvia, con y sin riego (Funes et al 1980). La producción en el periodo seco no sobrepasa el 30 % de la producción anual (Quero et al 2018; Funes 1983; Padilla et al 1979).Combinando ambos conocimientos se asumen rendimientos de pastos entre 1 y 4.8 t de MS/ha para el periodo seco y 3 y 7 para el periodo lluvioso, exceptuando forrajes con riego que pueden llegar a 9 t de MS en seca y 11 en lluvias. La distribución de estos valores de tenencia de pastos mejora la aproximación a la realidad de lo que consideramos un estimado de los rendimientos de pastos en nuestras condiciones.

Se consideran en ambos casos periodos de 180 días para hacerlos coincidir con la mayoría de los reportes de la literatura. Conocidas las necesidades y las producciones se estimaron además el balance de MS para el período seco y lluvioso.

Análisis estadístico

Para analizar y resumir la información recopilada se aplicó el Modelo Estadístico de Medición de Impactos (MEMI), de Torres et al (2013); metodología estadística que combina diferentes técnicas multivariadas para realizar análisis integrales y determinar el comportamiento y la clasificación de los sistemas productivos.

Después de verificar los supuestos -a través de la medida de adecuación muestral de Kaiser-Meyer-Olkin (KMO; Torres et al 2013)- y conocer la calidad de la información, se aplicaron las técnicas estadísticas multivariadas de Componentes Principales (ACP) a partir del análisis de la matriz de correlación entre los indicadores, según el criterio de selección de componentes con valor propio, mayor o igual a la unidad (λ ≥ 1); Hair et al 1999).Se consideraron, además, los valores de peso de las variables en las componentes (matriz de variables rotadas) mayores o iguales a 0.6 (Torres et al 2008; Torres et al 2013).

Con los componentes principales identificados, se estimaron las puntuaciones factoriales para cada finca —a través del método de regresión— obteniéndose el índice de impacto de cada una, para cada indicador seleccionado. Se usaron los índices de impactos para la clasificación de las fincas aplicando la técnica multivariada de conglomerados jerárquicos. Después de seleccionados los grupos se tipificaron las fincas ganaderas, lo que contribuye a una mejor toma de decisiones para el manejo de estos sistemas. Por último, se hizo uso de la estadística inferencial para el análisis e interpretación de los resultados. Todos los métodos fueron procesados utilizando el sistema estadístico IBM- SPSS(2012) para Windows (Versión 22).


Resultados y discusión

El análisis evidenció que la matriz de datos no es una matriz de identidad y es adecuada para realizar del MEMI, (p< 0.001). Del análisis de componentes principales se concluyó que con cuatro componentes principales es posible explicar 82.38% de la variabilidad del sistema. Torres et al (2008), encontraron resultados similares al trabajar este modelo estadístico en un estudio de caso donde se midió el impacto de los cambios productivos y económicos obtenidos durante el proceso de transferencia de la tecnología Bancos de Biomasa de Cenchrus purpureum vc Cuba CT-115, como estrategia para la seca, en ocho unidades lecheras de la provincia La Habana en donde tres componentes principales, explicaron 81% de la variabilidad total. De manera similar Chivangulula et al (2014), en un estudio sobre la caracterización de sistemas cooperativos ganaderos en la república de Angola, encontraron que 4 componentes principales explicaron el 85.43% de la variabilidad total. Por otro lado, Vargas et al (2011), en Ecuador, lograron explicar el 79.9% de varianza con tres componentes principales.

En este estudio, la componente principal 1 fue la que mayor varianza explicó, con 47.92%, las componentes dos, tres y cuatro explicaron menor varianza y fueron decreciendo en el porcentaje de variación explicada (18.78, 8.03 y 7.66%, respectivamente; Cuadro 1), lo cual concuerda con las propiedades del MEMI. De manera similar, Chivangulula et al (2014), La O (2013) y Martínez-Melo et al (2011), encontraron que los primeros componentes también contabilizaron por más del 50% de la variabilidad.

Tabla 1. Varianza total explicada

Componente

Valor
propio (λ)

Por ciento
de la varianza

Por ciento
acumulado

1

7.19

47.92

47.92

2

2.82

18.78

66.69

3

1.20

8.03

74.72

4

1.15

7.66

82.38

5

0.86

5.75

88.14

6

0.64

4.29

92.42

7

0.62

4.13

96.56

8

0.44

2.93

99.48

Mediante la matriz de componentes rotados, por el método Varimax, se identificaron las variables que más aportaron al sistema. En el Cuadro 2 se presentan las variables que tuvieron valores de pesos superiores a 0.60 de acuerdo con lo recomendado por el modelo como suficiente para identificar la importancia o correlación de las variables en cada componente seleccionado (Torres et al 2008). Las variables vientres, sementales, vaquillas, crías hembra, UGM, necesidades de materia seca en el periodo seco y balance en el periodo seco fueron los indicadores del primer componente principal, que explicó 47.92% de la variabilidad total, y se denominó semovientes. Las variables superficie de la UPP (Ha), pradera introducida de temporal, producción materia seca periodo seco, producción materia seca periodo lluvioso y balance periodo lluvioso fueron los indicadores de la segunda componente principal que explicó el 18.78% de la variabilidad total y se denominó praderas. Las variables pradera introducida de riego y forrajero de riego fueron los indicadores de la tercera componente principal que explicó el 8.02% de la variabilidad total y se denominó riego. La variable pradera introducida de temporal fue el único indicador de la cuarta componente principal que explicó el 7.66% de la variación total y se denominó pradera introducida. Las componentes principales 3 y 4, que son independientes entre sí, señalan los casos con forraje, riego y praderas mejoradas como nuevas variables que, aunque son menos representativas de la variabilidad en el universo de fincas reconoce esta situación como diferente, importantes en el contexto de la innovación tecnológica.

Tabla 2. Matriz de componentes rotados y de la varianza total explicada

Variables

Componente

Semovientes

Praderas

Riego

Pradera
introducida

Superficie de la UPP (Ha)

0.46

0.83

0.04

0.32

Pradera de Temporal

0.17

0.07

-0.04

0.98

Pradera introducida de riego

0.16

0.09

0.78

-0.06

Pradera introducida de temporal

0.33

0.84

-0.17

-0.35

Forrajero de riego

-0.03

0.06

0.71

0.03

Vientres

0.87

0.34

0.06

0.09

Sementales

0.63

0.12

0.02

0.05

Vaquillas

0.73

0.19

0.05

0.01

Crías Hembra

0.66

0.11

0.14

0.06

UGM

0.93

0.32

0.07

0.08

Necesidades de materia seca periodo seco

0.93

0.32

0.07

0.08

Producción materia seca periodo seco

0.44

0.84

0.31

0.07

Producción materia seca periodo lluvioso

0.45

0.88

0.14

0.09

Balance periodo seco

-0.86

0.43

0.22

-0.03

Balance periodo lluvioso

-0.18

0.97

0.13

0.06

Varianza explicada

47.92

18.78

8.03

7.66

Varianza acumulada

47.92

66.69

74.72

82.38

A partir del análisis de conglomerados se generaron cinco grupos con la mayor variabilidad entre ellos que fueron determinados con los índices de impacto. Con los resultados de esta clasificación en grupos se realizó la tipificación a través de estadística descriptiva.

Los cinco grupos son diferentes y pueden ser interpretados como alternativas de manejo impuestas por las condiciones que crea el ambiente en las explotaciones ganaderas de doble propósito.

En el grupo uno se ubicó 9.8% de las fincas, las cuales tuvieron, en promedio la mayor producción de materia seca en el periodo lluvioso y el periodo seco. No obstante, el balance durante este periodo fue negativo. Resultados similares a los obtenidos para el porcentaje de materia seca en el periodo seco han sido reportados por Muñoz-González et al (2016), Arteaga et al (2014) y Macedo et al (2008) quienes encontraron 30% menos materia seca acumulada durante la época seca que durante la época de lluvias. El balance en el periodo seco resultó negativo en la mayoría de los grupos con un promedio a través de grupos de -15.98 t de MS por finca.

El grupo dos fue el único con balance positivo durante el periodo seco, agrupó menos cantidad de fincas con carga animal promedio de 0.63 UGM por ha y son fincas que ajustan su balance forrajero a costa de una baja productividad.

Los grupos tres y cinco, agruparon el 68,3% del total de fincas. El cinco tuvo un déficit de materia seca para el periodo seco inferior y fue la más equilibrada de los cinco grupos. Mientras que el grupo tres tuvo una carga de 1.4 UGM por ha y un déficit de 22.33 t de materia seca para el periodo seco. Estos grupos fueron los más representativos de la región bajo estudio.

Situación similar encontraron Iraola et al 2007 aplicando la misma metodología, reportando efectos negativos por falta de materia seca en las áreas ganaderas, por no tener en cuenta la capacidad de carga.

En el cuadro 3 se describen las medias y desviaciones estándar de todas las variables para los cinco grupos conformados. El grupo cuatro con 17.91% de las fincas aparentemente representa tecnologías con entradas y salidas de animales como fincas de compra o preceba porque tienen el balance de alimentos ajustado al periodo lluvioso y un déficit de forrajes de un 50% para el periodo seco.

Tabla 3. Medias y desviaciones estándar (DE) de las variables estudiadas en los 5 grupos conformados

Variables

Grupo 1
(1.753 fincas)

Grupo 2
(687 fincas)

Grupo 3
(5.905 fincas)

Grupo 4
(3.179 fincas)

Grupo 5
(6.225 fincas)

Media

DE

Media

DE

Media

DE

Media

DE

Media

DE

Superficie total (ha)

60.3

27.6

55.4

27.1

13.2

8.2

11.7

7.1

13.8

7.2

Pradera de Temporal

5.3

14.2

48.7

25.7

12.1

7.7

0.4

1.6

0.7

2

Pradera introducida riego

3.1

12.2

0.01

0.19

0.01

0.17

0.72

2.58

0

0.06

Pradera introducida temporal

48.3

30.2

5.4

12.2

0.8

2.5

9.8

6.8

12.3

7.2

Forrajero de riego

0.44

3.45

0.0

0.02

0.0

0.03

0.02

0.29

0.0

0.01

Forrajero de temporal

1.86

7.97

0.54

3.18

0.16

1.07

0.36

1.7

0.59

2.31

Vientres

45.4

35.4

24.3

21.4

11.1

9.6

15.9

9.4

9.3

6.7

Sementales

1.69

2.05

1.02

0.97

0.66

0.71

0.97

0.65

0.51

0.56

Vaquillas

13.71

16.24

5.93

8.17

3.24

4.49

5.51

5.26

2.28

3.04

Crías Hembra

10.27

14.91

4.46

7.18

2.91

4.45

4.4

5.12

1.62

2.74

UGM

69.1

51.5

35.1

28.8

17.2

14

25.9

13.7

13.9

9.2

UGM Total por ha.

1.22

0.81

0.61

0.3

1.4

0.84

2.32

0.75

1.03

0.43

Necesidades periodo Seco, ton

172.84

128.7

87.64

72.15

43.07

35.05

64.67

34.3

34.76

22.9

Producción materia seca, periodo seco

150.73

77.23

88.82

46.66

20.74

13.64

29.75

18.2

32.9

17.44

Producción materia seca, periodo lluvioso

334.82

156.6

207.22

108.79

48.38

31.76

66.28

39.2

76.76

40.68

Balance periodo seco

-22.1

117.9

1.2

54.2

-22.3

27.4

-34.9

24.5

-1.8

15.9

Balance periodo lluvioso

162

151.2

119.6

81.7

5.3

26.3

1.6

23.5

42

28.9

Los resultados muestran que los sistemas de doble propósito en la zona central de Veracruz pueden ser diversos en dependencia de la carga animal que utilicen. También podrían ser más productivos en la medida que el balance forrajero del periodo seco sea mejor y permita más cargas. Los grupos más representativos producen solo el 75% de la materia seca necesaria para cubrir las necesidades de alimentación del ganado durante el periodo seco a pesar de que promedian cargas globales de 1.2 UGM por ha.


Conclusiones

Las condiciones edafoclimáticas de la zona central del estado de Veracruz no son favorables para la producción ganadera. Los factores determinantes de la producción en el eslabón primario de producción de carne y leche son las dimensiones del sistema ganadero. Las cargas de 1 UGM por ha fueron las más equilibradas de la zona en balance forrajero. Fincas ganaderas con forraje, riego y praderas mejoradas son poco representativas en la zona, sin embargo, el MEMI las reconoce importantes en el contexto de la innovación tecnológica. El cambio climático necesita tecnologías para mitigar sequías más prolongadas. Es factible mitigar la baja productividad, con tecnologías adecuadas a las potencialidades de los sistemas ganaderos, que ayuden a contrarrestar los efectos adversos del periodo seco para tener fincas más competitivas.


Referencias

Arteaga, C V 2014 Estado nutricional del ganado y acumulación de forraje en una unidad de producción de becerros. Tesis de Maestría. Universidad Autónoma Chapingo México. 91 p

Chivangulula M, Torres V, Varela M, Morais J, Mario J, Sánchez L, Gabriel R 2014 Caracterización de los sistemas cooperativos ganaderos del municipio Caála, provincia Huambo, República de Angola Revista Cubana de Ciencia Agrícola, Vol 48, número 2, 97-103 https://www.redalyc.org/pdf/1930/193031101001.pdf

Funes F, Morales J A, Luilkus U y Martín J 1980 Crecimiento y desarrollo de las gramíneas en Cuba. Rev. cubana Cienc. agric. 14:65.

Funes F 1983 Evaluación de pastos En Los Pastos en Cuba. Tomo I, producción. Editorial EDICA, Instituto de Ciencia Animal, La Habana, Cuba.

García Trujillo R y Cáceres O 1984 Nuevos sistemas para expresar el valor nutritivode los alimentos y el requerimiento y racionamiento de los rumiantes. Est. Exp. Pastos y Forrajes Indio Hatuey, Matanzas.

Hair J F, Anderson R E, Tatham R L y Black W C 1999 Análisis Multivariante. Quinta Ed. Prentice Hall Iberia Madrid. p. 832.

IBM SPSS 2012 IBM*SPSS Statistics Version 22 Corporation North Castle Drive Armonk (software). NY USA.

INAFED (Instituto para el Federalismo y el Desarrollo Municipal) y SEGOB (Secretaría de Gobernación) 2010 Enciclopedia de los municipios y delegaciones de México: Estado de Veracruz. http://siglo.inafed.gob.mx/enciclopedia/EMM30veracruz/index.html .

Iraola J, Muñoz E, y Torres V 2007 Alternativas para mejorar la producción diversificada de alimento en armonía con el ambiente en fincas pequeñas. Revista Cubana de Ciencia Agrícola, Tomo 42, número 1, 19-23.

La O M 2013 . Estudio de conservación de la cabra criolla cubana en la sub-cuenca del Valle del Cauto. PhD Thesis. Vet. Instituto de Ciencia Animal. San José de las Lajas, Mayabeque, Cuba. p. 85

Macedo R, Galina A M y Zorrilla J M 2008 . Balance forrajero, energético y proteico de un sistema de producción tradicional de doble propósito en México. Zootecnia Tropical 264:4: 455-463

Martínez RO 2008 Diagnóstico de fincas. En: Memorias diplomado “Manejo y alimentación de bovinos en el trópico” Centro de capacitación tecnológica Tantakin, FIRA. ; Institutode Ciencia Animal Cuba.

Martínez-Melo J, Jordán H, Torres V, Guevara G, Hernández N, Brunett L, Cubillas N, Fontes D, Mazorra C, Lezcano Y, Cubillas N 2011 Classification of dairy units belonging to the basic units of cooperative production in Ciego de Avila, Cuba. Cuban J. Agric.Sci.45:73

Muñoz-Gonzalez J C, Huerta-Bravo M, Lara B A, Rangel S R, de la Rosa A J L 2016 Producción de materia seca de forrajes en condiciones de trópico húmedo en México. Rev. Mexicana de Ciencias Pecuarias, 4: 3329-3341

Padilla C, Monzote M y Ruíz T 1979 Establecimiento de pastizales. En Los Pastos en Cuba. Tomo 1. Producción. La Habana, Cuba. p. 230

Quero A, Enríquez J, Bolaños E y Villanueva A. 2018 Estado del arte sobre investigación e innovación tecnológica en ganadería bovina tropical. Capítulo II: Forrajes y pastoreo en México tropical. Libro técnico, 2da Ed. Consejo Nacional de Ciencia y Tecnología, México. p 66-91.

Rivas L y Holmann F 2002 Sistemas de doble propósito y si viabilidad en el contexto de ls pequeños y medianos productores en América Latina Tropical. En: Curso Internacional de Actualización en el Manejo de Ganado Bovino de Doble Propósito. Universidad Nacional Autónoma de México. http://ciat-library.ciat.cgiar.org/Articulos_Ciat/tropileche/sist_doble_prop_viab.pdf

SIAP 2015 Atlas agroalimentario. Servicio de Información Agroalimentario y Pesquero. Secretaria de Agricultura, Pesca y Alimentación (SAGARPA). https://nube.siap.gob.mx/gobmx_publicaciones_siap/pag/2015/Atlas-Agroalimentario-20.

SINIIGA (Sistema Nacional de Identificación individual de ganado) 2020 https://www.siniiga.org.mx/.

Torres V, Ramos N, Lizazo D, Monteagudo F y Noda A 2008 Modelo estadístico para la medición del impacto de la innovación o transferencia tecnológica en la rama agropecuaria. Revista Cubana de Ciencia Agrícola, Tomo 42, Número 2, 131 – 139.

Torres V, Cobo R, Sanchez L y Raez N 2013 .- Statistical tool for measuring the impact of milk production on the local development of a province in Cuba. Livestock Research for Rural Development 25 (9). http://www.lrrd.org/lrrd25/9/torr25159.htm.

Vargas J, Benítez D, Verena T, Velázquez F y Erazo 2011 Typification of the cattle farms in the mountain feet of Los Ríos and Cotopaxi provinces of the Republic of Ecuador. Cuban Journal of Agricultural Sciences, 45:4, 281-390