Recibido: 16/10/2020 Aceptado: 24/01/2021
99
DOI: https://doi.org/10.52973/rcfcv-luz313.art4 Revista Cientica, FCV-LUZ / Vol. XXXI, N°3, 99 - 106, 2021
RESUMEN
El trabajo fue realizado para analizar uctuaciones de Dióxido de
Carbono (CO
2
) y Metano (CH
4
) en modelos típicos paraguayos de
producción bovina de leche, incluyendo dos “Sistemas” (intensivos
vs semi-intensivos). El objetivo fue generar la primera base de datos
reales del país, con lo cual, comenzar a dimensionarlo realmente
y categorizarlos. La bovinocultura es un rubro socioeconómico
sustancialmente importante del país, con ella, el sector lácteo
es extremadamente relevante para cubrir el consumo nacional y
exportación. Igualmente, se buscó discriminar por “Sistema” de
producción, su inferencia en la uctuación de CO
2
y CH
4
. También,
fragmentando el día en cuatro franjas horarias (Madrugada,
Día, Tarde y Noche), se verificaban diferencias importantes
en la emanación de estos gases de efecto invernadero (GEI).
Para el n, fue utilizado la tecnología “IoT” (internet of things),
mediante un equipo Smart Environment Libelilum, que generaba
en tiempo real, una lectura de gases mencionados a cada 6 a 7
minutos y transmitidos a una plataforma digital, formando base
de datos. Fueron analizados más de 8500 datos para cada gas,
y paralelamente, temperatura, humedad y presión atmosférica.
Se implementó el software estadístico R, para el análisis de los
resultados. De manera global, el mayor promedio de partes por
millón (ppm) de CO
2
por franja horaria se encontró en la mañana
(06:00 a 12:00 horas). En cuanto a Sistemas, la mayor media
de CO
2
fue evidenciada en el Intensivo. Los niveles de CH
4
(% LEL) uctuantes en ambos galpones de producción bovina
de leche, sin importar cualquier categoría, se mantuvieron por
debajo del nivel de captación del sensor inteligente (70 ppm). Se
detectó correlación positiva moderada entre los niveles de CO
2
y
Temperatura (ºC). Correlación negativa entre CO
2
y la humedad.
Los niveles de CO
2
(ppm) fluctuantes en ambos galpones de
producción bovina de leche, en Paraguay, sin importar las franjas
horarias ni sistemas, pueden considerarse reducidos.
Palabras clave: Ganadería; láctea; tecnología; contaminantes;
integrado
ABSTRACT
The work was carried out to record fluctuations in Carbone
Dioxide (CO
2
) and Methane (CH
4
) in traditional Paraguayan dairy
models, including two “Systems” (intensive vs semi-intensive).
The objective was to generate the first real database in the
Country, with which, to begin to really size it and categorize it. It
was emphasized that bovine farming is a substantially important
socio-economic area of the Country, with it, the dairy sector is
extremely relevant to cover national consumption and exports.
Likewise, it was sought to discriminate by production “System”,
its inferred in the uctuation of CO
2
and CH
4
. Also, fragmenting
the day into four time bands (Early Morning, Day, Afternoon and
Night), if they verified important differences in the emanation
of these greenhouse gases GHGs. For the purpose, the “IoT”
(internet of things) technology was used, by means of a Smart
Environment Libelilum equipment, which generated in real time, a
reading of gases mentioned every 6 to 7 minutes and transmitted
to a digital platform, forming the basis of data. More than 8,500
data were analyzed for each gas and parallel to temperature,
humidity and atmospheric pressure. Statistical software R was
implemented for the analysis of the results. Overall, the highest
average parts per million (ppm) CO
2
by time zone was found in
the morning (06:00 to 12:00). Regarding Systems, the highest
mean CO
2
was evidenced in the Intensive. The uctuating CH4
(% LEL) levels in both bovine milk production sheds, regardless
of category, remained below the smart sensor uptake level (70
ppm). A moderate positive correlation was detected between levels
of CO
2
and temperature (ºC). Negative correlation between CO
2
and humidity. The uctuating levels of CO
2
(ppm) in both dairy
systems, in Paraguay, regardless of time bands or systems, can
be considered low.
Key words: Livestock; milky; technology; polluting; integrated
Estudio de las uctuaciones de Metano (CH
4
) y Dióxido de Carbono
(CO
2
), en dos galpones de producción bovina para leche de Paraguay
(intensivo y semi-intensivo), utilizando tecnologia “IoT”
Study of the uctuations of Methane (CH
4
) and Carbon Dioxide (CO
2
), in bovine production
bars for milk from Paraguay, using “IoT” technology
Oscar Roberto Martínez-López
12
* y María Inés Rodríguez-Acosta
2
1
Centro Multidisciplinario de Investigaciones Tecnológicas, Universidad Nacional de Asunción. San Lorenzo, Paraguay.
2
Facultad de Ciencias Veterinarias, Universidad Nacional de Asunción. San Lorenzo, Paraguay.
*Correo Electrónico: robertomartinezlo@vet.una.py
Estudio de GEI uctuante en ganaderias lacteas de Paraguay / Martínez-López y col._________________________________________
100
INTRODUCCIÓN
La medición de gases conocidos como de efecto invernadero
(GEI) en sistemas ganaderos (SG) es una prioridad en países de
América Latina, a n de constituir inventarios nacionales propios y
no formar parte de planes de mitigación realizados desde cálculos
estimados en otras regiones o países industrializados del mundo.
Paraguay no es la excepción. Algunas de las principales metas
consensuadas en el Acuerdo Internacional de Paris (2015) [25],
están centradas en establecer objetivos nacionales para reducir
las emisiones, revisando las contribuciones de cada país cada
cinco años (a) y buscar mecanismos para mitigar los daños
causados por el cambio climático. Pero la pregunta debería
ser; ¿Los países sudamericanos deben trabajar en la reducción
de emisiones de GEI? ¿La ganadería debe indefectiblemente
implementar planes de mitigación? Seguidamente, ¿Cuánto GEI
realmente emanan los SG paraguayos? En este caso, se enfoca
en la producción bovina para leche (PBL), que constituye una de
las mayores fuentes de proteína con alto valor biológico, además
de conformar el “combo” principal de la soberanía alimentaria del
país. Por tanto, se considera de gran relevancia generar datos
reales sobre emanación y uctuación de GEI desde SG, para
defender la soberanía productiva.
Entre los GEI, el Metano (CH
4
) y Dióxido de Carbono (CO
2
)
conforman dos de los gases más importantes considerados
contaminantes, que son emanados desde las ganaderías. La PBL,
no es la excepción. Es urgente la generación de informaciones
con rigor cientíco, sobre datos de emanación de CO
2
y de CH
4
producidos en rubros pecuarios. Al menos, en sistemas semi-
intensivos a intensivos, que son los más cuestionados a nivel
internacional, y los más simples en términos logísticos para medir,
en comparación a sistemas abiertos, libres o extensivos.
El origen y desarrollo del “Internet de las Cosas” (IoT, por
sus siglas en ingles), se dio en las décadas del 2000, donde
Kevin Ashton, quien trabajaba para el Instituto Tecnológico de
Massachusetts (MIT) AutoID laboratorio, fue uno de los pioneros
de esta idea, buscando soluciones tecnológicas a problemas de
ámbitos multidisciplinarios y rutinarios. El concepto fue simple:
Si todos los objetos de la vida cotidiana estuvieran equipados
con identificadores y conectividad inalámbrica, éstos podrían
comunicarse entre sí y, ser gestionados por las computadoras [18].
El progreso desde ahí, al día (d) de hoy, fue grande. Actualmente,
muchas empresas electrónicas multinacionales de avanzada
están desarrollando “bajo receta” soluciones tecnológicas. Un
par de ellas, son las empresas Convergía y Libelium, quienes
integraron varias tecnologías en un solo equipamiento: el “Smart
Environment”, que constituye un equipamiento con capacidad
de medir en tiempo real y de manera remota, cualquier tipo de
gases y factores climáticos. ¿Soluciones tecnológicas de alto
impacto en ganadería, para generar datos reales de uctuación
de GEI en ganadería? El desafío fue establecido, implementado y
ejecutado. En este trabajo se ven los primeros resultados que son
bastante alentadores, cuando se razona en función a las dudas
lanzadas anteriormente: Realmente los SG paraguayos, ¿son tan
contaminantes? Este eje, se constituyó en el objetivo fundamental
de este trabajo, sentado en dos sistemas de PBL, típica en la
actualidad en el Paraguay, de manera a formar la primera base
de datos reales sobre CO
2
y CH
4
uctuantes en sistemas lácteos
del país.
MATERIALES Y MÉTODOS
El trabajo fue realizado durante el primer semestre del a 2020,
en dos ncas lecheras típicas de la zona de la región oriental de
Paraguay, especialmente, en la zona de los departamentos Central
y Cordillera, a unos 40 kilómetros (km) de la capital, Asunción.
La primera fue categorizada como Finca Intensiva de Producción
de leche, debido a criterios locales, fundados en: 45 vacas (Bos
taurus) lecheras con alta pureza racial Holstein mantenidos
en 2 hectáreas (has) de pasto, y manejados en 300 metros
cuadrados (m
2
) de galpón de ordeño, donde el desplazamiento
es prácticamente nulo, alimentados con balanceados comerciales
y pastos demolidos de corte, ad libitum, para ordeño en dos
oportunidades·d
-1
. En el tiempo del estudio, fueron ordeñadas
20 vacas con una producción media diaria de 300 litros (L). La
segunda nca fue clasicada como semi-intensiva, con 32 vacas
Holstein de pureza racial variada, que pastoreaban en parte del d
en 4 has, con racionamiento de balanceado comercial y pasto de
corte, solamente durante los dos ordeños diarios, de manera ad
libitum. El galpón de manejo era de 700 m
2
, y obtenían al momento
del estudio, unos 180 L de leche con 16 vacas en promedio·d
-1
.
La tecnología utilizada para la medición de los gases CO
2
y CH
4
fue el “IoT”, (el “internet de las cosas” por sus siglas en
inglés - Internet of Things) [15, 18]. Es la integración de distintas
tecnologías electrónicas, informáticas y logísticas, en pro de
mejorar la eciencia de una actividad productiva o del bienestar
general. Es un concepto ideado en 1999, por el investigador
y pionero tecnológico británico Kevin Ashton, del MIT, en la
Universidad de Cambridge, Estados Unidos de América (EUA).
En este trabajo se utiliza la losofía del IoT, integrando varias
tecnologías avanzadas en la medición de gases considerados
contaminantes del ambiente, como son el CO
2
, el CH
4
, además
de parámetros climáticos como temperatura, humedad relativa y
presión atmosférica en el lugar de producción animal. Se empleó
el Smart Environment Libelium (SEL) [15], para la medición de los
gases citados, integrando al menos siete tecnologías:
1. La electrónica de Plug & Sense, línea moderna de
dispositivos con sensores inalámbricos encapsulados que
permite a los integradores de sistemas implementar de
internet “wireless” modulares y escalables;
2. El Wasp-Mote, plataforma modular electrónica “opensource”
que sirve para construir redes de sensores inalámbricas
de muy bajo consumo, que está conformada a su vez por
microcontroladores, memorias, baterías, acelerómetro y
sockets para añadir módulos de programación;
3. Libelium, encargada de fabricar las carcasas tecnológicas a
prueba de agua y golpes “Smart”, para ensamblar tecnologías
de mediciones y control de parámetros ambientales y gases
uctuantes;
4. Convergia, plataforma multinacional en modo de nubes
(cloud computer) que genera conectividad virtual de datos
generados por el equipo, en tiempo real, de enlace in situ-
remoto;
5. El Router de marca registrada y comercializada como
TP-Link Technologies CO, de modelo TL-MR3420, fabricado
en China;
____________________________________________________________Revista Cientica, FCV-LUZ / Vol. XXXI, N°3, 99 - 106, 2021
101
6. Módem Huawei, dispositivo móvil ultraliviano de puerto
Universal Serial Bus (USB), que conectado a un puerto
referenciado, junto a un Router liberado, puede enlazar
señal de internet Wi-Fi en cualquier lugar gracias a una
tarjeta SIM local;
7. SIM-CARD (Subscriber identity module), módulo de
identificación del abonado, que constituye una tarjeta
inteligente desmontable usada por teléfonos móviles y
módems HSPA o LTE que se conectan al dispositivo por
medio de una ranura lectora SIM (abonada a una telefónica
móvil local, con servicio 3G).
Mediante este equipamiento integrado, se registraron parámetros
de CO
2
en partes por millón (ppm), CH
4
en % LEL (Low Explosive
Level o Límites inferiores de explosividad del metano), presión
atmosférica (hPa), humedad relativa (%) y temperatura (ºC).
El SEL fue colocado de manera permanente en ambas ncas,
dentro del galpón de ordeño diario, hasta alcanzar un volumen
de 7.000 datos de cada GEI en estudio. Es importante mencionar
que este equipo, de modelo Environment, de la empresa Libelium
(España) con plataforma de transmisión perteneciente a Convergia
(empresa multinacional canadiense con sede en Chile), tiene
capacidad para registrar un dato, aproximadamente cada 400
segundos (seg), alcanzando así, unos 210 datos (± 30) de cada
gas en estudio y de los parámetros climático, por d, trasmitido y
almacenado siempre en tiempo real.
Los datos fueron sometidos primeramente a un análisis
exploratorio, a efectos de identicar el patrón de comportamiento
de los mismos, especícamente la distribución teórica; para ello
se empleó el test de Kolmogorov – Smirnov [17]. Igualmente se
procedió a determinar las estadísticas descriptivas; 1) de manera
Global (Intensivo; Semi-intensivo), como también, 2) por sistemas
de PBL (Intensivo x Semi-intensivo). Posteriormente, se analizó
la asociación entre las variables: CO
2
(ppm), humedad relativa
(%), temperatura (ºC) y presión atmosférica (hPa), mediante
el coeficiente de correlación de Spearman, técnica utilizada
para observaciones con distribuciones no paramétricas [22].
Finalmente, para comparar el nivel de partes por millón (ppm)
de CO
2
, según la franja horaria (00 a 06 horas (h); 06 a 12 h; 12
a 18 h y de 18 a 00 h) y el factor bloque Sistema, se empleó el
ANOVA basado en procedimientos de permutación y el test de
Tukey, como prueba post hoc. Cabe mencionar que las pruebas
de permutación no requieren del cumplimiento de la distribución
teórica normal de los datos [1 - 3].
Todos los análisis descriptivos e inferencial, fueron materializados
a través del software estadístico R Project for Statistical Computing
[19] (mediante los paquetes: PerformanceAnalytics y lmPerm),
este entorno de programación se caracteriza por su versatilidad
en los procedimientos estadísticos, la alta calidad de los grácos
generados y principalmente, por ser de libre distribución y de
código abierto, lo cual permite estar en constante desarrollo en
su funcionalidad [5, 10].
RESULTADOS Y DISCUSIÓN
En la TABLA I se presentan las medidas descriptivas para los
GEI estudiados en este trabajo (CO
2
y CH
4
) y las tres variables
climáticas registradas (temperatura in situ, humedad relativa y
presión atmosférica). La misma comprende los promedios globales,
incluyendo ambos sistemas lecheros (intensivo y semi-intensivo)
que conformaron esta investigación.
De forma global, el promedio de CO
2
uctuante en un galpón
de PBL, en Paraguay, se encontró en 325,80 ppm, con Desvío
Estándar (DE = 117,36) y un Coeciente de Variación (CV = 36 %)
relativamente buenos. Estos niveles se dieron a temperatura
promedio de 22 ºC y humedad en torno a 60 %. Sin embargo, el
CH
4
nunca alcanzó las 70 ppm, teniendo en cuenta que el Sensor
de CH
4
no detectó valores superior a 0,0000000001 % LEL. Teye
y col. [23], emplearon diferentes detectores de gases y evaluaron
la calidad del aire considerando tres sistemas de medición
(Estacionaria, Inalámbrica y Móvil) que fueron ubicados en el
centro del galpón de lechería. Para Estacionaria (por dentro),
utilizando el sensor SenseAir AB modelo K30 arrojó una media
de 1.680 ppm de CO
2
(DE 19,5); pero con bajas temperaturas
medias (7,3 °C) y alta humedad relativa, de media igual a 87,7 %.
Medidas
Temperatura
(°C)
Humedad Relativa
(%)
Presión Atmosférica
(hPa)
CO
2
(ppm)
CH
4
(% LEL)
Media 22,14 59,53 1000,60 325,80 0,00
D.E. 5,24 20,45 8,78 117,36 0,00
Varianza 27,42 418,28 77,13 13774,27 0,00
CV 23,65 34,35 0,88 36,03 -
Mínimo 5,80 23,00 986,8 244,1 0,00
Máximo 33,80 100,00 1029,90 995,50 0,00
Rango 28,00 77,00 43,10 751,40 0,00
Mediana 22,30 55,00 998,50 292,90 0,00
TABLA I
Medidas descriptivas de las distintas variables en bovinos
DE: Desviación Estándar; CV: Coeciente de Variación; °C: grado Celsius; hPa: Hectopascal; CO
2
: Dióxido de
Carbono; ppm: partes por millón; CH
4
: metano; LEL: lower explosive limit
Estudio de GEI uctuante en ganaderias lacteas de Paraguay / Martínez-López y col._________________________________________
102
Cuando fue Estacionaria (por fuera), los niveles de CO
2
uctuaban
en media de 440 ppm (DE 1,1); con temperatura media de -7,5 °C
y humedad relativa del 75,2 %. Ya para medición Inalámbrica (por
dentro), se obtuvieron valores medios de CO
2
de 1.230 ppm (DE
10,9); temperatura media de 8,2 °C y humedad relativa de media
83,9 %. Inalámbrica (por fuera), fue una media de 390 ppm (DE
2.4) para el CO
2
, una temperatura media -7,8 °C y humedad
relativa de media igual a 73,1 %. Para la medición Móvil (por
dentro), se observaron que los valores fueron para la media
1.625 ppm de CO
2
(DE 10,3) con 8,5 grados de temperatura y
89,7 % de humedad. Con otro equipo (Agilent Technologies 6890
GC, Santa Clara-California), en el mismo sistema de medición,
pero (por fuera) registró una media de 385 ppm de CO
2
(DE 2,6);
temperatura de -8,0 °C y humedad de 69,5 %.
Es probable que las variaciones también pudieran darse por
cuenta del tipo de equipamiento medidores de gases inteligentes,
conocidos como portátiles y “low-cost”, que pueden presentar
niveles distintos de sensibilidad y capacidad de captación [6]. Pero,
en denitiva, estos equipamientos son lo que, en un futuro no muy
lejano, serían utilizados por organismos ociales de control del
ambiente y organizaciones no gubernamentales ambientalistas,
para evaluar/medir los GEI emanados o uctuantes en ganaderías,
y determinar sobre ello, escalas de impuestos “verdes” para
compensación.
Por otro lado, los autores [23] señalan que el movimiento de las
vacas alrededor del edicio lechero junto con la multidireccional
naturaleza del aire a sus velocidades, estraticación de temperatura,
gas otabilidad, y el diseño estructural de la granja lechera fueron
las principales causas de variabilidad espacial en los galpones.
A su vez indican que la temperatura, la humedad relativa y las
concentraciones de gas fueron más bajas en las ubicaciones
exteriores del edicio a medida que uía el aire fresco a través de
las aberturas de ventilación del muro cortina. Así mismo, indican
que las concentraciones de gas y temperaturas aumentaron hacia
el centro del edicio de la lechería.
En el caso del CH
4
, Jungbluth y col. [12] mencionan que, en
las condiciones experimentales durante cuatro d en estación
fría, la concentración media CH
4
fue en promedio de 84 ppm,
que significa 14 unidades de CH
4
, arriba, que el sensor SEL
utilizado en este estudio, ya detectaría (a partir de 70 ppm).
Otros trabajos realizados por Teye y col. [24], muestran una
comparación entre calidad del aire de instalaciones lecheras y
microclimas observados para 14 galpones lácteos en Finlandia y
Estonia, donde los valores obtenidos fueron los siguientes: para el
microclima observado el CH
4
obtuvo un valor máximo de 223 ppm
(el equipo utilizado en este trabajo sí detectaría), mientras que
para el valor mínimo fue de 1,5 ppm, que no sería detectado por
el SEL considerado en esta investigación.
Cuando se analizan las frecuencias, las mayores para CO
2
se observan entre 200 y 300 ppm, pero si se visualiza en
la TABLA I, la media dada para este gas, fue de 325,80 ppm.
Según los estudios de Jungbluth y col. [12] se observan que,
en condiciones experimentales durante cuatro d (estación fría),
las concentraciones máximas y mínimas de dióxido de carbono
(CO
2
en ppm) fueron entre 974 y 1.480 ppm, con un promedio de
1.196. Cabe mencionar que el valor mínimo se acerca bastante
a los valores máximos (995,50 ppm) obtenidos en este estudio,
en Paraguay.
Según lo registrado por Madsen y col. [16], las mediciones dadas
por el equipo portátil GASMET 4030 (Gasmet Technologies Oy,
Pulttitie 8A, FI-00880 Helsinki, Finlandia), en un establo de vacas,
arrojó un valor de 3.880 ppm de CO
2
. Por otro lado, la Comisión
Internacional de Ingeniería Agrícola (siglas originales en francés:
CIGR) [7], reitera primero que el CO
2
producido por el metabolismo
de los animales y luego exhalado; describe en segundo término,
que la concentración de este gas es una medida de contaminación
general del aire interior y que, además la concentración de dicho
gas dentro de los galpones debe ser lo más bajo posible, ya que
el valor de cálculo asumido para el requisito de ventilación mínima
es de 3.000 ppm; reconociendo que pueden ocurrir uctuaciones
temporales. Destacan que, el aire exterior contiene 300 ppm de
CO
2
y el aire exhalado de pulmones humanos, contiene de 40.000
a 60.000 ppm. Esto proporciona un buen contexto.
Con relación a las recomendaciones dada por la CIGR [7],
Teye y col. [24], mencionan que las concentraciones de CO
2
estuvieron en el rango de niveles recomendados en todos los
galpones lácteos no aislados, destacando que la concentración
en edicios semi-aislados a veces aumenta más allá de 3.000
ppm. A su vez, también indican que la concentración promedio
general de CO
2
en el aire interior fue de 950 ppm, y el CH
4
fue
de 48 ppm para los 14 galpones estudiados por ellos. En algunos
casos, sin embargo, las concentraciones de CH
4
se acercaron
a 200 ppm, que puede ser considerada alta (en Paraguay, no
fueron alcanzados estos valores de CH
4
). Además, indican que
las mayores concentraciones de CO
2
y CH
4
se observaron entre
5 y 7 m por encima de las vacas, atribuidas a la acumulación de
gases a medida que escapaban por las aberturas de ventilación.
Harper y col. [11], observaron que la producción de CH
4
de novillas
en pastoreo fue 321,2 L·cabeza
-1
·d
– 1
, que corresponde a entre 7,7
y 8,4 % LEL del GEI, mientras que, cuando los mismos animales
fueron puestos en el corral de engorde y alimentados con una
dieta alta en granos, produjeron 98 L·cabeza
–1
·d
–1
equivalentes a
1,9 - 2,2 % LEL. Con respecto a la madurez del forraje, Robertson
y Waghorn [20], observaron que la producción de CH
4
de las vacas
lecheras que pastaban en praderas en septiembre (primavera)
fue entre 4,5 y 5,7 % LEL, mientras que se incrementó a 6 o 7 %
cuando las vacas pastoreaban en diciembre (verano) de la misma
temporada.
Según los datos reportados por Teye y col. [23], mencionan
que en la variación media del CH
4
(ppm) en el microclima de la
construcción lechera medida a varias alturas fueron los siguientes,
para una altura de 10 centímetros (cm) una media de 116 ppm,
a los 1 m un valor de 118 ppm, a los 2,5 m arrojó un promedio
de 127 ppm y, a una altura de 7 m una media de 127 ppm. En el
caso paraguayo, fue medido entre 1,5 y 2,5 m de altura del piso
del galpón lechero.
Según los resultados encontrados por Cole y col. [8], la
suplementación con proteínas de forrajes de baja calidad o el
aumento de la calidad de las dietas a base de forrajes reducirán
potencialmente la huella de carbono de la producción bovina,
y además, del CH
4
, que representa una pérdida de energía del
alimento que consume el animal: las calorías van al aire en lugar
de mantener al animal prosperando y produciendo carne y leche, en
este estudio 8 - 9 % de la energía bruta se perdió como CH
4
y el 4 -
5 % del Carbono diario ingerido por los novillos se perdió como CH
4
.
Según los estudios de Jungbluth y col. [12], mencionan que las
emisiones de CO
2
del ganado lechero muestran un curso diurno
____________________________________________________________Revista Cientica, FCV-LUZ / Vol. XXXI, N°3, 99 - 106, 2021
103
típico y sincrónico con las emisiones más bajas a primera h de
la mañana y las más altas durante las h de alimentación con un
aumento del 30 - 50 %.
En la TABLA II, se exponen los valores descriptivos según el
sistema; intensivo y semi-intensivo, para los dos GEI estudiados
(CO
2
y CH
4
) y las 3 variables climáticas registradas (temperatura
in situ, humedad relativa y presión). Cabe señalar que fueron
calculados, la media, la desviación estándar, la varianza, el
coeciente de variación (CV), valores mínimos y máximos, el
rango y la mediana.
De acuerdo a lo reportado por Teye y col. [24], los valores
promedios registrados en 14 naves lecheras evaluadas en
Estonia y Finlandia, en las estaciones de verano e invierno con
diferentes sistemas; Semi-intensivo (S) e Intensivo (I), obtuvieron
los siguientes datos en invierno, para Estonia: con sistema I
se observó una media de 672 ppm CO
2
; en cambio para el S,
un promedio de 1.125 ppm CO
2
. Para el verano, en sistema I
alcanzó una media de 605 ppm CO
2
, en contraste con el modo S
donde observaron un promedio de 1.051 ppm CO
2
; algo similar
al invierno. Para Finlandia en invierno, la media alcanzó un valor
de 1.006 ppm vacas I, mientras que con el sistema S fue de
1.576 ppm. Pero siempre las temperaturas estuvieron durante el
invierno, por debajo de las temperaturas óptimas recomendadas
(5 - 15 °C) en el S y todos los galpones I.
Según los estudios de Feddes y col. [9], se observan que las
concentraciones medias para el CO
2
por vaca entre las cuatro
unidades lecheras (A, B, C y D) estuvieron por encima de los
encontrados en este trabajo, pero con temperaturas inferiores,
(valores promedios fueron de 8,1; 6,4; 13,1 y 16,3 ºC siguiendo
el mismo orden de las unidades lecheras. Las emisiones de CO
2
son mayores en ganado en pastoreo (mayor gasto de energía)
que en condiciones estabuladas [4].
En un trabajo realizado por Kinsman y col. [13], el CO
2
uctuante
se evaluó con un analizador de gas infrarrojo Siemens Ultramat 21
(Siemens Automation Group, Karlsruhe, Alemania), en donde la
detección de gases para CO
2
presenta un rango de 0 a 5.000 ppm,
señalando de que esos límites abarcaron el rango de concentraciones
de gases esperadas para un establo lechero típico, que varían de
350 a 5.000 ppm de CO
2
.
Cuando se procedió a realizar el estudio de Correlaciónes de
Spearman entre las distintas variables estudiadas dentro del
galpón, como son la temperatura (grados centígrados), humedad
relativa (%), presión atmosférica (hectoPascal) como así también
la concentración de CO
2
en ppm, con un intervalo de medición de
6,5 minutos (min) aproximadamente, se observaron los resultados
siguientes (FIG. 1).
Sistema Medidas
CO
2
(ppm)
CH
4
(% LEL)
Temperatura
(°C)
Humedad
Relativa (%)
Presión
Atmosférica (hPa)
Intensivo
Media 350,43 0,00 23,51 58,02 999,04
D.E. 149,72 0,00 3,68 21,63 4,73
Varianza 22415,49 0,00 13,53 468,01 22,41
CV 42,70 - 15,64 37,29 0,47
Mínimo 263,75 0,00 12,20 25,00 991,30
Máximo 995,50 0,00 32,90 94,00 1011,60
Rango 731,75 0,00 20,70 69,00 20,30
Mediana 302,48 0,00 24,50 52,00 998,80
Semi-intensivo
Media 296,34 0,00 20,50 61,35 1002,44
D.E. 43,33 0,00 6,25 18,79 11,67
Varianza 1877,71 0,00 39,07 352,98 136,13
CV 14,62 - 30,49 30,62 1,16
Mínimo 244,07 0,00 5,80 23,00 986,80
Máximo 706,57 0,00 33,90 100,00 1029,90
Rango 462,50 0,00 28,10 77,00 43,10
Mediana 292,67 0,00 20,80 60,00 998,10
TABLA II
Medidas descriptivas de las distintas variables según sistema
DE: Desviación Estándar; CV: Coeficiente de Variación; CO
2
: Dióxido de Carbono; ppm: partes por millón; CH
4
: metano;
LEL: lower explosive limit; °C: grado Celsius; hPa: Hectopascal
Estudio de GEI uctuante en ganaderias lacteas de Paraguay / Martínez-López y col._________________________________________
104
Según los estudios de Rodríguez y col. [21], relacionados
a flujos de CH
4
y CO
2
, se mencionan que los incrementos en
intervalos de 30 min de CO
2
generalmente están asociados al
incremento en CH
4
, principalmente cuando los vientos provienen
de la orientación sur y suroeste, que corresponde al área donde
se localiza el ganado y por lo general ocurre en la tarde y noche.
Orientación del viento, no fue regitrado en este primer trabajo
en Paraguay, pero sí se ha encontrado correlaciones positivas y
medias (0,49) entre el CO
2
y la temperatura, y negativas entre el
mismo gas y la humedad relativa.
Feddes y col. [9], mencionan que la variación en la producción
de CO
2
por vaca entre las cuatro unidades lecheras era bastante
grande, además indican que intentaron explicar esa variación
mediante análisis de regresión. Las emisiones de CO
2
están
correlacionadas con la ingesta de alimentos y la producción de
leche en vacas lactantes [13,14].
Finalmente, de acuerdo al Análisis de Variancia Permutacional y
el Test de Tukey bajo un criterio de 95 % de probabilidad de acierto,
para analizar el nivel de CO
2
medidos en ppm, considerando
los factores de variación de franja horaria y el factor bloque
sistema (intensivo vs semi-intensivo), se evidenció diferencias
estadísticamente signicativas (P < 0,05) entre el sistema intensivo
y semi-intensivo (P <0,05). Igualmente en las franjas horarias,
comparando entre madrugada (00 a 06 h) y la mañana (06 a 12
h), entre madrugada y la tarde (06 a 18 h) y, entre la mañana y la
noche (18 a 00 h). Contrastando mañana con tarde y tarde con
noche, no se encontraron diferencias importantes entre promedios
de uctuación de CO
2
, en los galpones de producción de leche
(TABLA III). Por tanto, comparando niveles de CO
2
en galpones
lecheros típicos de Paraguay, entre sistemas Intensivos vs Semi
y, entre madrugada y diferentes h del d se observan variaciones
importantes. Estos incrementos en la uctuaciones de CO
2
en
al aire de galpones, podría ser mejorado o controlado, siempre
con un manejo rotacional y nutricional planicado [8], aunque por
los niveles de CO
2
encontrados en este trabajo, se encuentran
en rangos normales [7] y no deberían ser considerados por la
sociedad, como alarmante.
CONCLUSIÓN
De manera global, el mayor promedio de CO
2
(ppm), en cuanto
a sistemas (Intensivo; Semi-Intensivo), fue evidenciado en el
sistema Intensivo de producción de leche.
Los niveles de CH
4
(% LEL) uctuantes en ambos galpones de
PBL, en Paraguay, sin importar las franjas horarias ni los tipos
de sistemas, siempre se mantuvieron por debajo del nivel de
FIGURA 1. Correlaciones de Spearman entre las distintas variables con
intervalo de medición de 6 minutos. *** La correlación es signicativa al nivel
0,001. TE: Temperatura (Grado Celsius); HR: Humedad Relativa (%); PA: Presión
Atmosférica (hectopascal); CO
2
: Dióxido de Carbono (partes por millón)
____________________________________________________________Revista Cientica, FCV-LUZ / Vol. XXXI, N°3, 99 - 106, 2021
105
captación del sensor inteligente de este gas, considerado bastante
reducido. Se detectó correlación positiva entre los niveles de CO
2
(ppm) y temperatura (ºC), aunque moderada. Correlación negativa
entre CO
2
y la humedad relativa del galpón de producción.
Se evidenciaron diferencias importantes en los valores de
CO
2
, cuando se evaluaron uctuaciones entre sistemas y franjas
horarias. Fue determinante estadísticamente, las diferencias en
niveles de CO
2
uctuantes entre las cuatro franjas horarias en
estudio. Los niveles de CO
2
(ppm) uctuantes en ambos galpones
de PBL, en Paraguay, sin importar las franjas horarias ni los
tipos de sistemas, pueden considerarse normales a la atmósfera
encontrada en las urbes.
AGRADECIMIENTOS
Al Consejo Nacional de Ciencia y Tecnología (CONACYT) y la
Universidad Nacional de Asunción (UNA), por ayudar a materializar
el trabajo. Este proyecto fue nanciado por el CONACYT a través
del programa PROCIENCIA con recursos del Fondo para la
Excelencia de la Educación e Investigación (FEEI). Igualmente,
la gratitud a la Empresa Láctea “Súper Yo”, y al Rancho San
Fernando, por facilitar sus establecimientos para las mediciones
expuestas y analizadas en esta investigación.
REFERENCIAS BIBLIOGRÁFICAS
[1] ALBERTON, B. A. V.; NICHOLS, T. E.; GAMBA, H. R.; WINKLER,
A. M. Multiple testing correction over contrasts for brain
imaging. NeuroImage. 216: 1-14. 2020.
[2] ANDERSON, M. J.; MILLAR, R. B. Spatial variation and
effects of habitat on temperate reef fish assemblages in
northeastern New Zealand. J. Exper. Marine Biol. Ecol.
305(2): 191-221. 2004.
[3] ANDERSON, M. J. Permutation tests for univariate or
multivariate analysis of variance and regression. Canad. J.
Fish. Aquatic Sci. 58(3): 626-639. 2001.
[4] AUBRY, A.; YAN, T. Meta-analysis of calorimeter data to
establish relationships between methane and carbon dioxide
emissions or oxygen consumption for dairy cattle. Anim. Nutr.
1: 128-134. 2015.
[5] AVELLO
-MARTÍNEZ, R.; SEISDEDO-LOSA, A. El procesamiento
estadístico con R en la investigación cientíca. MediSur.
15(5): 583-586. 2017.
[6] BULOT, F. M. J.; JOHNSTON, S. J.; BASFORD, P. J.;
EASTON, N. H. C.; APETROAIE-CRISTEA, M.; FOSTER, G.
L.; MORRIS, A. K. R.; COX, S. J.; LOXHAM, M. Long-term eld
comparison of multiple low-cost particulate matter sensors in
an outdoor urban environment. Sci. Rep. 9(1): 1–13. 2019.
[7] COMMISSION INTERNATIONALE DU GENIE RURAL (CIGR).
Climatization of Animal Houses, Report of working group on
climatisation of animal houses. Report of working group. 1984.
Aberdeen, Scotland. On Line: https://bit.ly/3hNcyJ8.01-09-20.
[8] COLE, N. A.; MEYER, B. E.; PARKER, D. B.; NEEL, J.; TURNER,
K. E.; NORTHUP, B. K.; JENNINGS, T.; JENNINGS, J. S. Eects
of diet quality on energy metabolism and methane production
by beef steers fed a warm-season grass-based hay diet*.
Appl. Anim. Sci. 36: 652-667. 2020
[9] FEDDES, J. J. R.; LEONARD, J. J.; MCQUITTY, J. B. Carbon
Dioxide Concentration as a Measure of Air Exchange in
Animal Housing. Can. Agric. Eng. 26: 53-56. 1984.
[10] FERNÁNDEZ-LIZANA, M. I. Ventajas de R como herramienta
para el Análisis y Visualización de datos en Ciencias Sociales.
Rev. Científ. UCSA. 7(2): 97-111. 2020.
[11] HARPER, L. A.; DENMEAD, O. T.; FRENEY, J. R.; BYERS,
F. M. Direct measurement of methane emissions from grazing
and feedlot cattle. J. Anim. Sci. 77: 1392-1401. 1999.
[12] JUNGBLUTH, T.; HARTUNG, E.; BROSE, G. Greenhouse
gas emissions from animal houses and manure stores. Nutr.
Cycl. Agroecosyst. 60: 133-145. 2001.
[13] KINSMAN, R.; SAUER, F. D.; JACKSON, H. A.; WOLYNETZ,
M. S. Methane and carbon dioxide emissions from dairy cows
in full lactation monitored over a six-month period. J. Dairy
Sci. 78(12): 2760-2766. 1995.
[14] KIRCHGESSNER, M.; WINDISH, W.; MÜLLER, H. L.; KREUZER,
M. Release of stocking methane and of carbon dioxide by
dairy cattle. Agribiol. Res. 44: 91-102. 1991.
[15] LIBELIUM. Libelium World. 2021. Smart Environment. On
Line: https://www.libelium.com/. 22-05-2021.
[16] MADSEN, J.; BJERG, B. S.; HVELPLUND, T.; WEISBJERG,
M. R.; LUND, P. Methane and carbon dioxide ratio in
excreted air for quantication of the methane production from
ruminants. Livest. Sci. 129: 223-227. 2010.
[17] MARTÍNEZ-LÓPEZ, R. Contrastes de normalidad. En:
Métodos estadísticos aplicados en Zootecnia. 1a Ed.
Etigraf, Asunción. 292pp. 2017.
Factor
Pares de
comparaciones
Probabilidad
Sistema/Situación
Intensivo vs
Semi Intensivo
0,0000*
Franja horaria
00:00 a 06:00 vs
06:00 a12:00
0,0011*
00:00 a 06:00 vs
12:00 a 18:00
0,0268*
00:00 a 06:00 vs
18:00 a 00:00
0,7324
06:00 a 12:00 vs
12:00 a 18:00
0,8305
06:00 a 12:00 vs
18:00 a 00:00
0,0357*
12:00 a 18:00 vs
18:00 a 00:00
0,2813
TABLA III
Comparación pareada mediante la prueba Tukey HSD
* Diferencia signicativa a un nivel de probabilidad de 5 %
Estudio de GEI uctuante en ganaderias lacteas de Paraguay / Martínez-López y col._________________________________________
106
[18] PÉREZ, R.; NARVAJAS, S.; TERRY, E. IoT en ALC 2019:
Tomando el pulso al Internet de las Cosas en América Latina
y el Caribe. 2019. Banco Interamericano de Desarrollo (BID).
En linea: https://doi.org/gmtr. 28-09-20.
[19] R CORE TEAM. R: A language and environment for statistical
computing. 2020. R Foundation for Statistical Computing,
Vienna, Austria. On Line: https://www.r-project.org/.01-09-20
[20] ROBERTSON, L. J.; WAGHORN, G. C. Dairy industry
perspectives on methane emissions and production from
cattle fed pasture or total mixed rations in New Zealand. Proc.
N. Z. Soc. Anim. Prod. 62: 213–218. 2002.
[21] RODRÍGUEZ, J. C.; PAZ
-PELLAT, F.; WATTS, C.; LIZARRAGA-
CELAYA, C.;YÉPEZ-GONZÁLEZ, E.; JIMÉNEZ-FERRER,
G.; CASTELLANOS-VILLEGAS, A.; HINOJO-HINOJO, C.;
MACÍAS-VÁZQUEZ, C. E. Methane and carbon dioxide
measurements using the eddie covariance technique in
semi-stabled dairy cattle in Sonora, México. Terra LatinAme.
37(1): 69-80. 2019.
[22] SIEGEL, S.; CASTELLAN, N. J. Medidas de Asociación no
paramétricas. En: Estadística no paramétrica: aplicada a las
ciencias de la conducta. 4a Ed. Trillas, México. 437pp. 1995.
[23] TEYE, F. K.; ALKKIOMAKI, E.; SIMOJOKI, A.; PASTELL, M.;
AHOKAS, J. Instrumentation, measurement and performance
of three air quality measurement systems for dairy buildings.
Appl. Eng. Agric. 25: 247–256. 2009.
[24] TEYE, K. F.; HAUTALA, M.; PASTELL, M.; PRAKS, J.;
VEERMÄE, I.; POIKALAINEN, V.; PAJUMÄGI, V.; KIVINEN,
T.; AHOKAS, J. Microclimate and ventilation in Estonian and
Finnish dairy buildings. Energy Build. 40(7): 1194-1201. 2007.
[25] UNITED NATIONS FRAMEWORK CONVENTION ON CLIMATE
CHANGE (UNFCCC). Acuerdo Internacional de París. 2015.
Framework Convention on Climate Change. United Nations.
On Line: https://bit.ly/3hQU4ra. 28-09-20.