Printer Friendly

Characterization of the dual-purpose bovine system in northwest Mexico: producers, resources and problematic/Caracterizacion del sistema bovino doble proposito en el noroeste de Mexico: productores, recursos y problematica.

INTRODUCTION

Mixed farming systems, where crops and livestock are integrated into the same farm, are the base of smallholder production in developing countries (1). This system is also known as dual-purpose bovine system (DPBS) and in Latin America is one of the most relevant activity in rural areas (2). To address the food problems of this growing population, it would be necessary to increase food production by 70%, for which developing countries need to double up their production (3). The DPBS is characterized by having production units whose purpose is to produce and sell animal products: dairy products and/or meat (2). The producers of DPBS produce around 50% of cereals, 75% of dairy products (mainly milk), 65% of beef meat and 55% of lamb meat which turns out that this contributes with about half of the world's food (4).

In Mexico, the DPBS are associated with tropical vegetation that covers 26.4 million hectares. The distribution of the area related to this type of vegetation in the national territory is about 28.3%; which, 12.2% correspond to the humid tropic and 16.1% to the dry tropic (5). Recently, several authors have studied the DPBS in Mexico (6-8); however, most of the studies were done in conditions of humid tropical area. To our knowledge, there is limited information regarding studies that characterize the DPBS in the conditions of dry tropical area, which, reflects in its seasonal changes a difference between the wet season (vegetation with lush greenery) and the dry season (vegetation without foliage) in relation to the availability of humidity and moisture. In the north of Sinaloa, Mexico, this weather and vegetation conditions are present and sometimes the dry season can extent up to eight months (9).

The production units of the DPBS contribute up to 37% of the national production, which is up to 10.5 million liters of milk (10). However, the production potential of the producers from the DPBS could be increased if government generate differentiated policies and strategies if technological intervention. Therefore, it is important to identify differences and needs among the producers; thus, develop production strategies according to their needs, including resources and problems, in order to improve the efficiency of DPBS in this region. The objective of the present study is characterizing the DPBS and the factors that limit the productivity of this system in northern Sinaloa, Mexico.

INTRODUCCION

Los sistemas agricolas mixtos, en donde se integran en una misma finca los cultivos y el ganado son la columna vertebral de la produccion de pequenos productores en los paises en desarrollo (1). Estos sistemas de produccion mixto son tambien conocidos como sistema bovino de doble proposito (SBDP) y, en America Latina, son una de las actividades mas relevantes en el medio rural (2). Para enfrentar los problemas de alimentacion de esta creciente poblacion, es necesario aumentar la produccion de alimentos en un 70%, lo que significa que la produccion en los paises en desarrollo tendria que duplicarse (3). El SBDP, se caracteriza por tener unidades de produccion cuya finalidad es producir leche o queso y animales para rastro: becerros y hembras de deshecho (2). Los agricultores de los sistemas agricolas mixtos producen casi la mitad de los alimentos del mundo (4): a nivel mundial, alrededor del 50% de los cereales y en los paises en desarrollo alrededor del 65% de la carne de vacuno, el 75% de la leche y el 55% del cordero proceden de este sistema de produccion.

En Mexico los SBDP estan asociados a una superficie con vegetacion tropical de 26.4 millones de hectareas en selvas. La distribucion porcentual de la superficie relacionada a este tipo de vegetacion en el pais es de 28.3%; de la cual, 12.2% corresponde al tropico humedo y 16.1% a tropico seco (5). En anos recientes, el SBDP en Mexico se ha estudiado con amplitud (6-8); sin embargo, la mayoria de estos estudios corresponden a la zona de tropico humedo. Pocos estudios caracterizan este sistema de produccion en las condiciones del tropico seco, el cual, refleja en sus cambios estacionales del clima una marcada diferencia entre la epoca humeda (vegetacion con exuberante verdor) y la epoca seca (vegetacion sin follaje) en relacion con la disponibilidad de humedad. El norte de Sinaloa se encuentra en la zona de tropico seco, la cual tiene como caracteristica principal que los periodos de sequia pueden extenderse hasta casi ocho meses al ano (noviembre a junio) (9).

Las unidades de produccion del SBDP en Mexico aportan el 37% del total de la produccion nacional de leche, la cual asciende a 10.5 millones de litros de leche (10). Sin embargo, el potencial de produccion de los productores del SBDP en el pais podria incrementarse si el gobierno genera politicas y estrategias de intervencion tecnologica diferenciadas. Por lo tanto, es importante identificar las diferencias y necesidades entre los productores y desarrollar estrategias de produccion de acuerdo con sus recursos y problematica para mejorar la eficiencia del SBDP en esta region. El objetivo del presente estudio consistio en realizar una caracterizacion del sistema de bovinos doble proposito, asi como identificar los factores que limitan la productividad de este sistema en el norte de Sinaloa, Mexico.

MATERIAL AND METHODS

Study area. We did a survey on DPBS producers from three municipalities (Ahome [26[grados]21'08'' NL 109[grados]24'20'' WL], El Fuerte [26[grados]26'45'' NL and 108[grados]37'17'' WL] and Guasave [25[grados]27'10'' NL 108[grados]48'05'' WL]) of the North of Sinaloa. The weather in Sinaloa is considered dry, sub-humid and semi dry; however, in only 2% of the territory (highlands) the weather is considered sub-humid (5). In Sinaloa, there are 27,022 bovine (beef and dairy) production units and the north area has 38.7% of these production units (11). It is important to mention that the producers from Ahome and Guasave are located in the irrigation area; while the producers from El Fuerte are located in the area under rainfed conditions.

Producers and Surveys. In 2015, the Mexican government implemented a national rural extension program called "Proyectos Integrales de Extension e Innovacion". This program provided extension service to organized producers. In northern Sinaloa, producers from the DPBS in Guasave (n=40), Ahome (n = 134) and El Fuerte (n=40) were identified and included in this program. Therefore, the sampling size of the data were of 214 surveys.

Due to the importance of cattle production in this region; we adequated and applied a structured survey to determine the diagnosis of the production units from the DPBS.

The survey contained information of the producers about general information, social and economic aspects, the type of property, inventories (animals, agricultural land, rangeland and water sources), facilities (infrastructure, machinery and equipment), animal reproduction, livestock feeding and supplementation, livestock health, milking and commercialization of livestock products.

Data collection. In July, six agricultural extension agents applied the survey to producers, in their production unit, from the municipalities considered. The database considered 214 applied surveys; however, we identified 14 surveys with atypical data; therefore, we do not consider those surveys in the analyses. Thus, we analyzed 200 surveys; which 17.5% are from El Fuerte, 20% are from Guasave and the rest (62.5%) from Ahome.

MATERIALES Y METODOS

Area de estudio. El estudio se realizo a traves de la aplicacion de encuestas directas a productores del SBDP en tres municipios del Norte de Sinaloa (Ahome [26[grados]21'08''LN 109[grados]24'20''LW], El Fuerte [26[grados]26'45''LN 108[grados]37'17''LW] y Guasave [25[grados]27'10''LN 108[grados]48'05''LW]). El clima en la region norte es muy seco, el resto del estado tiene climas calido subhumedo, clima seco, semiseco, y solo 2% del estado tiene clima templado subhumedo en las partes altas de la Sierra (5). En Sinaloa, existen 27,022 unidades de produccion con ganado bovino y la zona norte cuenta con 38.7% de estas unidades productivas (11). Es importante senalar que los productores del SBDP de Ahome y Guasave se ubican en zona de riego, mientras que gran parte de los productores del municipio de El Fuerte se encuentran en areas de temporal.

Seleccion de productores y encuesta. En 2015, el gobierno mexicano implemento un programa nacional de extension rural denominado "Proyectos Integrales de Extension e Innovacion". Este programa otorgaba el servicio de extension rural a grupos organizados de productores. En el norte de Sinaloa se identifico la participacion de cuatro grupos de productores participantes en este programa; en el municipio de Guasave se constituyo un grupo de 40 productores, en Ahome se integraron cuatro grupos con 134 productores y en el municipio de El Fuerte se constituyo un grupo con 40 productores, todos pertenecientes al SBDP. La informacion del presente estudio corresponde a este marco muestral (n=214).

Por la importancia ganadera de esta region, se adecuo una encuesta estructurada en secciones para elaborar el diagnostico de las unidades de produccion del SBDP. Las secciones fueron: informacion general, aspectos sociales y economicos, tipo de propiedad, inventarios (animales, tierras de uso agricola, tierra de agostadero, fuentes de agua), instalaciones (infraestructura, maquinaria y equipo), problematica de reproduccion animal, alimentacion y suplementacion del ganado, sanidad pecuaria, manejo de ordeno y finalmente, comercializacion de productos pecuarios.

Variables. According to previous studies about the characterization of farm systems (7,12), sixteen quantitative variables were identified to characterize DPBS production in northern Sinaloa. The variables used were: 1) years of technical assistance, 2) age, 3) employees, 4) distance to the municipality, 5) number of sires, 6) number of cows, 7) number of animal units (UA), 8) total agricultural area, 9) infrastructure index, 10) machinery and equipment index, 11) weaning age, 12) weaning weight, 13) milk volume per day, 14) liters per cow per day, 15) liters per cow per hectare and, 16) income per sale of milk per day. The variable "index of machinery and equipment" was obtained from the analysis of 15 items that constituted it; plow, tractor, harrow, chopper, hammer mill, water pump, backpack pump, scale, artificial insemination thermos, mechanical milking machine, rennet tubs, cooler tank, skimmer, truck, trailer. The variable "infrastructure index" was composed of: management pen, milking parlor, milking pen, calving pen, chute, heifers, stalls, tick bath, feeders, drinking troughs, electric fence, warehouse, silos, workshop of dairy products, pasture area. Each item was categorized with 1 if the producer had it or 0 otherwise. The index was obtained by dividing the total number of items found in each variable by 15%. The typology of producers was obtained through the application of multivariate methods: principal component analysis (PCA) and cluster analysis (7, 13). The Kolmogorov-Smirnov test was applied to test the hypothesis of normality of the selected variables.

Principal component analysis (PCA). The main application of the PCA is focused on reducing the size of the data space, making synthetic descriptions and simplifying the problem that is studied (13). The sixteen variables were standardized to estimate the correlation matrix used in principal component analysis. The extraction method was the principal components with varimax rotation, which is an orthogonal rotation method that minimizes the number of variables with high saturations in each factor. Additionally, with the aid of the Kaiser-Meyer-Olkin (KMO) we evaluated the index by the sampling adequacy and, furthermore, the correlation matrix was identified with the aid of the Bartlett sphericity test. The principal components with own values above 1were used in the following cluster analysis.

Colecta de datos. La encuesta se realizo con el apoyo de seis agentes de extension agricola y se aplico directamente en el rancho del productor durante el mes de julio de 2015. En el analisis de la informacion fueron identificadas 14 encuestas con datos atipicos por lo que solo fueron considerados 200 entrevistas para el estudio. La distribucion de las encuestas por municipio fue la siguiente: 17.5% se aplicaron en el Municipio de El Fuerte, 20% en el municipio de Guasave, y 62.5% en el municipio de Ahome.

Variables utilizadas. De acuerdo a diferentes estudios realizados sobre caracterizacion de sistemas agropecuarios (7,12) se identificaron 16 variables cuantitativas para caracterizar la produccion del SBDP en el norte de Sinaloa. Las variables utilizadas fueron: 1) anos de asistencia tecnica, 2) edad, 3) empleados, 4) distancia al municipio, 5) numero de sementales, 6) numero de vacas, 7) numero de unidades animal (UA), 8) superficie agricola total, 9) indice de infraestructura, 10) indice de maquinaria y equipo, 11) edad al destete, 12) peso al destete, 13) volumen de leche por dia, 14) litros por vaca por dia, 15) litros por vaca por hectarea y, 16) ingresos por venta de leche al dia. La variable "indice de maquinaria y equipo" se obtuvo a partir del analisis de 15 implementos que la constituian; arado, tractor, rastra, picadora, molino de martillo, bomba de agua, bomba de mochila, bascula, termo de inseminacion artificial, ordenadora mecanica, tinas de cuajo, tanque enfriador, descremadora, camioneta, remolque. En tanto la variable "indice de infraestructura" estuvo integrada por: corral de manejo, sala de ordena, corral de ordeno, paridero, manga para manejo, becerreras, echaderos, bano garrapaticida, comederos, bebederos, cerco electrico, bodega, silos, taller de lacteos, area de potrero. Cada articulo fue categorizado con 1 si el productor contaba con esa infraestructura 0 en caso contrario. El indice fue obtenido dividiendo el total de articulos encontrados en cada variable entre 15 por 100. La tipologia de productores fue obtenida a traves de la aplicacion de metodos multivariados: analisis de componentes principales (ACP) y analisis cluster (7,13). Se aplico la prueba Kolmogorov-Smirnov para contrastar la hipotesis de normalidad de las variables seleccionadas.

Hierarchical analysis of clusters. The optimal cluster number was identified by hierarchical cluster analysis. To obtain the conglomerates the Ward method and the Euclidean distance squared were applied, which has been used before in typology studies of producers with homogeneous characteristics (14)

Statistical analysis. Once the production units were grouped, non-parametric test U of Kruskal-Wallis was used, analysis of variance for quantitative variables and tests of Chi square for qualitative variables to determine the differences (p < 0.05) among groups. Data analyses used the MINITAB and statistical package SPSS 15.0 (15)

RESULTADOS

Principal Component Analysis. According with the data analyzed; the Kaiser-Meyer-Olkin (KMO) statistic obtained showed a value of 0.699, which indicates a good sample adequacy to apply a factor analysis (16). The Barlett test of sphericity was significant ([X.sup.2]: 1832.48; p<0.001). Therefore, the analysis of main components of the retained variables proved to be an acceptable, reliable and appropriate model. In table 1, we present the matrix of the rotated factor (Varimax) of independent variables with factor loads for each variable. The commonality column shows the total amount of variance of each variable retained in the factors. In total, 16 variables were included in the principal component analysis, of which five main components with eigenvalues greater than one were conserved for a later analysis.

These five components explained 70.5% of the total variability in the data set. The first component explains 24.1% of the variation and correlates with the number of sires, the number of cows, the number of animal units (AU) and the total area. Therefore, the component represents the level of resources that the production unit has. The components 2, 3, 4 and 5 explain 19.6%, 11.5%, 8.2% and 7% of the variance respectively. Component 2 is correlated with the total milk volume of the herd, liters of milk per cow per day, liters of milk per cow per hectare and milk income obtained by selling milk per day, which represents the productivity in the DPBS. Component 3 is correlated with the number of years that the production unit has received technical assistance and the machinery and equipment index, which represents the production unit's technological level. Component 4 is correlated with variables of productive management (age and weaning weight of calves). Finally, component 5 is correlated with the age of the producer, thus, it represents social aspects of the person in charge of the production unit. Therefore, these five components could be named as "resources of the Production Unit" (C1), "livestock productivity" (C2), "technological level" (C3), "livestock management" (C4) and "social aspects" (C5).

Analisis de componentes principales (ACP).

La mayor aplicacion del ACP esta centrada en reducir la dimension del espacio de los datos, hacer descripciones sinteticas y simplificar el problema que se estudia (13). Las 16 variables fueron utilizadas para estimar la matriz de correlacion. El metodo de extraccion fue el de componentes principales con rotacion varimax, el cual es un metodo de rotacion ortogonal que minimiza el numero de variables que tienen saturaciones altas en cada factor. Posteriormente, se evaluo la suficiencia de muestreo utilizando la medida de adecuacion del muestreo de Kaiser-Meyer-Olkin (KMO) y, ademas, se realizo la prueba de Barlett para evaluar la hipotesis nula de esfericidad. Las nuevas variables identificadas en los componentes principales con valores propios superiores a uno se utilizaron en el analisis cluster para la identificacion de grupos homogeneos de productores del SBDP en el norte de Sinaloa.

Analisis jerarquico de cluster o conglomerados. El numero optimo de cluster se identifico mediante el analisis de agrupamiento jerarquico. Para la obtencion de los conglomerados se aplico el metodo de Ward y la distancia euclidiana al cuadrado, el cual ha sido utilizado por diversos autores en estudios de tipologia de productores (14).

Analisis estadistico. Una vez agrupados las unidades de produccion, se utilizaron pruebas no parametricas U de Kruskal-Wallis, analisis de varianza para variables cuantitativas y pruebas de Ji cuadrada para variables cualitativas para determinar las diferencias (p<0.05) entre los grupos. El analisis estadistico de la informacion fue realizado con MINITAB y el paquete estadistico SPSS 15.0 (15).

RESULTADOS

Analisis de componentes principales.

De acuerdo a los datos analizados se puede comprobar una buena adecuacion muestral para un analisis factorial (16): el estadistico Kaiser-Meyer-Olkin (KMO) presenta un valor de 0.699. La prueba de Barlett de esfericidad fue significativa ([X.sup.2]: 1832.48; p<0.001). Por lo tanto, el analisis de componentes principales de las variables retenidas resulto ser un modelo aceptable, fiable y apropiado. La Tabla 1 muestra la matriz del factor rotado (Varimax) de variables independientes con cargas factoriales para cada variable. La columna de comunalidad muestra la cantidad total de varianza de cada variable retenida en los factores. En total, se incluyeron 16 variables en el ACO, de las cuales 5 componentes principales con valores propios mayores que uno se conservaron para un analisis posterior.

Socioeconomic aspects of identified Clusters.

Cluster 1 is the most representative group (52.5%, 105 production units; G1) and was defined as DPBS with emphasis on milk production. Cluster 2 (41.5%, 83 production units; G2) was defined as traditional DPBS with milk and meat production. Cluster 3 (6%, 12 production units; G3) was defined as DPBS with an emphasis on meat production.

In table 2, we present the socioeconomic variables of the producers from the three clusters identified. Age of producers differed among clusters (p<0.05) with producers from G1 being the youngest and producers from G2 being the oldest. The number of familiar dependents differed among clusters and the income obtained from the sale of milk (p<0.001) with producers from G1 with more familiar dependents and with more income. The income obtained for the sale of calves differed among clusters (p<0.05) with producers from G3 with the highest income. Producers from all the clusters hire at least one employee along the year (p<0.01). The distance from the productive unit to the closest municipality differed among clusters (p<0.01); the producers from G2 are the closest to the municipality (Table 2).

Estos cinco componentes explicaron el 70.5% de la variabilidad total en el conjunto de datos. El primer componente explica la variacion del 24.1% y se correlaciona con el numero de sementales, el numero de vacas adultas, el numero de unidades animal (UA) y la superficie total. Por lo tanto, el componente representa el nivel de recursos con los que cuenta la unidad de produccion. Los componentes principales 2, 3, 4 y 5 explican el 19.6%, 11.5%, 8.2% y 7% de varianza respectivamente. El componente 2 esta correlacionado con el volumen de leche total del hato, los litros de leche por vaca por dia, litros de leche por vaca por hectarea y el ingreso de leche obtenido por venta de leche al dia, que representa la productividad del SBDP. El componente tres esta correlacionados con la cantidad de anos que ha tenido asistencia tecnica la UP, y el indice de maquinaria y equipo, que representa el nivel tecnologico de la UP. El componente 4 esta correlacionado con variables de manejo productivo (edad y peso al destete de becerros). Finalmente, el componente 5 esta correlacionado con la edad del productor por lo que esta representa aspectos sociales del responsable de la UP. Asi, los cinco componentes principales podrian ser nombrados como "recursos de la UP" (C1), "productividad pecuaria" (C2), "nivel tecnologico" (C3), "manejo del ganado" (C4) y "aspectos sociales" (C5).

Resources, productivity and technology variables. The number of sires, the number of cows, the number of animal units differ among clusters (p<0.05) favoring producers from G3. Milk production (per cow and per hectare) differed among clusters (p<0.05), favoring producers from G1. Total agricultural area differed among clusters (p<0.05) favoring producers from G3. Years receiving technical assistance, machinery and equipment index and infrastructure index differed among clusters (p<0.05), favoring producers from G3. Weight at weaning differed among clusters (p<0.05), but not age (P>0.05) (Table 3).

Grazing and livestock health. In north Sinaloa, producers form DPBS based their production on the grazing of different forage resources: grazing areas with crop residues (maize and sorghum), grazing on established pastures and grazing on rangeland areas with nutritional supplementation. In addition, the use of harvested forage and silage.

Aspectos socioeconomicos de los Cluster identificados. El cluster 1 es el grupo mas representativo (52.5%, 105 unidades de produccion; G1) y fue definido como SBDP con enfasis en la produccion de leche. El cluster 2 (41.5%, 83 unidades de produccion; G2) fue definido como SBDP tradicional con produccion de leche y carne. Finalmente, el cluster 3 (6%, 12 unidades de produccion; G3) fue definido como SBDP con enfasis en la produccion de carne.

En la tabla 2 se muestran las variables socioeconomicas de acuerdo a la clasificacion de los clusters. La variable edad difirio entre clusters (p<0.05), siendo los productores del G1 los mas jovenes y los productores del G2 los mas viejos. El numero de dependientes familiares y el ingreso economico por la venta de leche difirio entre clusters (p<0.001), siendo los productores del G1 los que cuentan con mayor cantidad de dependientes familiares y con mayor ingreso. El ingreso obtenido por la venta de becerros difirio entre clusters (p<0.05), siendo los productores del G3 los que obtienen mayores ganancias. Los tres clusters contratan al menos un jornal a lo largo del ano (p<0.01). La distancia al municipio mas cercano tambien difirio entre clusters (p<0.01), siendo los productores del G2 los que se localizan mas cerca del municipio (Tabla 2).

Recursos, produccion y variables tecnologicas. La variable numero de sementales, numero de vacas y numero de unidades animal difirio entre clusters (p<0.05), favoreciendo a los productores de G3. La produccion de leche (por vaca y por hectarea) difirio entre clusters (p<0.05), favoreciendo a los productores del G1. El peso al destete difirio entre clusters (p<0.05); pero no la edad (P>0.05). El total de superficie agricola difirio entre clusters (p<0.001), favoreciendo a los productores del G3. Anos recibiendo asistencia tecnica, indices de maquinaria, equipo e infraestructura difirio entre clusters (p<0.05), favoreciendo a los productores del G3 (Tabla 3).

Pastoreo y sanidad pecuaria. El SBDP en el norte de Sinaloa basa su sustento en el pastoreo de diferentes recursos forrajeros: pastoreo en residuos en areas cultivadas (cultivos agricolas de maiz y sorgo), pastoreo de praderas establecidas, y en el pastoreo de areas de uso comun denominado agostadero, combinado con la suplementacion alimenticia. Ademas de la utilizacion de forrajes de corte y uso de ensilaje.

La disponibilidad de tierras de agostadero para el pastoreo del ganado, el uso de forraje de corte, ensilaje y concentrado difirio entre clusters (p<0.05). El pastoreo en residuos agricolas, asi como en praderas cultivadas no difirio entre clusters (P>0.05). El uso de inseminacion artificial tampoco difirio entre clusters (P>0.05) (Tabla 4).

Availability of rangeland areas for grazing, the use of harvested forages, the use of silage and the use of concentrate differ among clusters (p<0.05). Grazing in rangeland with agricultural crops and harvested pastures does not differ among clusters (P>0.05). The use of artificial insemination did not differ among producers from the clusters (P>0.05)(Table 4).

The most frequent diseases were anaplasmosis, diarrhea, pneumonia and mastitis. The presence of diseases reported by the producers did not differ among clusters (P>0.05). However, the presence of anaplasmosis (p=0.07) and mastitis (p=0.06) tended to differ (Table 4).

DISCUSSION

Characterization of the producer and productive unit. The multivariate analysis has been used on countless occasions by several authors to identify homogenous groups within a production system and to classify and characterize production units in the agricultural field (17-19). Therefore, the present study through the multivariate analysis identified three groups or clusters of producers from the DPBS with similarities and differences in socioeconomic, productive and technological aspects. The characterization (producer's profile and production unit characteristics) of the agricultural systems and animal production is essential for the success of development policies and technology transfer. With the appropriate information, support programs can be developed to increase the productive efficiency of DPBS production units. Unfortunately, in most cases, rural development policies are implemented without considering these aspects; thus limiting the possible impact on agriculture and animal production (8). It is of our knowledge that this type of studies have been replicated over time, however, the impact on productive systems is low or null. It is important to highlight that the age of producers from G1 compared to the age of producers from G2 and G3 may be an advantage for the adoption of innovations and new livestock knowledge; this is concur with another study that observed an inverse relationship between age and the adoption of technology (20).

Las enfermedades mas frecuentes fueron anaplasmosis, diarrea, neumonia y mastitis. Ninguna de las enfermedades mas frecuentes difirio entre clusters (P>0.05; Tabla 4). Sin embargo, la presencia de anaplasmosis (p=0.07) y mastitis (p=0.06) tendio a diferir (Tabla 4).

DISCUSION

Caracterizacion de los grupos de productores y de la unidad productiva. El analisis multivariado ha sido utilizado en multiples ocasiones para clasificar y caracterizar unidades de produccion en el ambito agropecuario, diversos autores lo han utilizado para identificar grupos homogeneos en explotaciones agropecuarias (17-19). De tal manera que el presente estudio a traves del analisis multivariado identifico tres tipos de cluster de productores del SBDP con similitudes y diferencias en aspectos socioeconomicos, productivos y tecnologicos. La caracterizacion (el perfil del agricultor y las caracteristicas de la finca) de los sistemas agricolas y de produccion animal es esencial para el exito de las politicas de desarrollo y la transferencia de tecnologia. Teniendo la informacion adecuada se podran desarrollar programas de apoyo para incrementar la eficiencia productiva de las unidades de produccion del SBDP. Sin embargo, generalmente, las politicas de desarrollo rural se aplican sin tener en cuenta estos aspectos, teniendo un impacto limitado en la agricultura y la produccion animal (8). Adicionalmente es de nuestro conocimiento que a lo largo del tiempo se han replicado este tipo de estudios y el impacto en los sistemas productivos es bajo o nulo. Es importante destacar que la edad de los productores del G1 en comparacion con los productores del G2 y G3 puede ser una ventaja para la adopcion de innovaciones y nuevo conocimiento pecuarios, ya algunos estudios identifican una relacion inversa entre la edad y la adopcion de tecnologia (20).

Lo observado en el presente estudio sobre el numero de anos con asistencia tecnica que tienen los productores y las unidades de produccion concuerda con lo encontrado en estudios en Mexico (19) y otras partes del mundo, que senalan una relacion positiva en relacion a esta variable (21). No obstante, resulta relevante que cuando se realiza el analisis por cluster, los resultados con respecto a dichos estudios difieren en el sentido de que a menor distancia de la UP habra mayor adopcion de tecnologia y uso de asistencia tecnica. Sin embargo, nuestros resultados indican que al contar con mayores niveles de indices tecnologicos reflejados en mayor disponibilidad de infraestructura, maquinaria y equipo esta positivamente relacionado con los anos de asistencia tecnica como es el caso de los productores del G3. Es posible que la asistencia tecnica reportada por estos productores sea asistencia tecnica privada, dado el nivel de recursos que manejan.

The observed in the present study on the number of years with technical assistance that producers and production units have is consistent with previous studies in Mexico (19) and somewhere else, indicating a positive relationship in relation to this variable (21). However, when the analysis is done by cluster, the results with respect to these studies differ in the sense that at a lower distance from the production unit there will be greater adoption of technology and use of technical assistance.

The age of producers from G2 and G3 may be a limiting factor and it will require strategies for disseminate the technology appropriately to the cultural and socioeconomic conditions of this type of producer. If this is not the case, there is a risk of implement strategies of technological intervention focused on an average producer (22-23), which, as shown in the results, does not exist in reality, therefore, with the possibility of low impact on productivity of the DPBS. Besides characterizing the profile of the producers and the characteristics of the farm, in addition, it is necessary to explore deeper the characteristics of the productive system. The data will help us to elaborate and design strategies of technological intervention, which address the critical factors of each type of productive unit within achieving more efficiency in the use of natural, physical and human resources involved in production.

Analyses of the DPBS: grazing and livestock health. Overall, our results are in agreement with the previous study that indicate that the main problems of producers are related to shortage of forage during the dry period (24). This issue causes other problems related to undernutrition, such as low reproductive efficiency, low productivity and overuse of natural resources (soil, vegetation and water). A common feature of DPBS that often overlooked is the multifunctionality of the herds (25). The animals in this productive system are often, considered as a saving box and that can be used in times of need (family matter or animal management). Therefore, during the dry season producers sell young or mature animals in order to feed the most productive animals in the herd.

La edad avanzada de los productores en el G2 y G3 requerira de estrategias de divulgacion de la tecnologia apropiada a las condiciones culturales y socioeconomicas de este tipo de productor. De no ser asi se corre el riesgo de implementar estrategias de intervencion tecnologica genericas y enfocadas a un productor promedio (22-23), que como se muestra en los resultados no existe en la realidad, del tal manera, llevan el riesgo de no tener impacto en la productividad del SBDP. Por lo anterior, ademas de la caracterizacion del perfil del productor y caracteristicas de la finca, se requiere profundizar en las caracteristicas del sistema productivo para poder elaborar y disenar estrategias de intervencion tecnologica que resuelvan los factores criticos de cada tipo de unidad productiva y pueda lograr una mayor eficiencia de los recursos naturales, fisicos y humanos involucrados en la produccion.

Analisis del sistema agricola mixto de pastoreo: uso del pastoreo y aspectos sanitarios del ganado. De manera general nuestros resultados concuerdan con estudios previos en donde se indica que los principales problemas de los productores estan relacionados fundamentalmente con la falta de forraje durante la epoca de sequia (24), lo cual ocasiona otros problemas relacionados a una mala alimentacion (desnutricion, baja eficiencia reproductiva, baja productividad y sobre explotacion de recursos naturales como son el suelo, vegetacion y agua). Una caracteristica comun de los sistemas de cultivos mixtos que a menudo se pasa por alto, pero tipifica estos sistemas es la multifuncionalidad de los rebanos (25). Los animales en estos sistemas productivos son vistos como un fondo de ahorro, como disposicion de capital para sufragar problemas en la misma unidad familiar, asi como para el manejo del hato. De tal manera, que es comun escuchar a los productores decir que, en epoca de sequia, "los animales se comen a los mismos animales", esto se explica en la medida que la falta de forraje ocasiona que se tengan que vender animales jovenes o vacas adultas para alimentar al resto del ganado.

Most of the producers from the clusters (G1:50.5%, G2:42.2%, G3:100%) make use the rangeland during the wet season from one to three months to maintain the unproductive animals (heifers and dry cows). The results are consistent with a previous report, which indicated that the animals remained in the paddock for nine months and on the months of the dry season when shortage of forage occurs, the animals are retired from the paddock and fed with stubble and ground corn that were acquired at high prices (26). The use of grazing areas with crop residues (maize and sorghum), grazing on established pastures and grazing on rangeland areas represent an important variation in the quality and quantity of forage available (27). In the present study a higher percentage of producers from each cluster (G1:90.5%; G2:96.4%; G3:91.7%) reported grazing on areas with agriculture crop residues (sorghum or maize). Therefore, our observations concur to Valbuena et al (28), who indicated that grazing contributes between 10 and 90% of the diet of animals from the DPBS, depending on weather conditions and soil compaction.

The producers of the DPBS in the North of Sinaloa base their productivity on the intensive use of agricultural land available to them and the limited availability of machinery, equipment and infrastructure for livestock production. For example, on average, producers G1 and G2 have 8 hectares of land for crops that they use to feed between 21.6 and 24.4 animal units (this gives an stocking rate of 2.7 and 3.05 AU/ha for producers from G1 and G2, respectively). Therefore, producers need to follow different solution strategies for livestock feed. Therefore, 50% of producers with emphasis on meat production (G3) incorporate more resources and inputs for the feeding of the cattle (commercial concentrate, silage and harvested forage). On the other hand, the proportion of producers from G1 and G2 that use silage, buy commercial concentrate and use harvested forages is very limited. This can be explained because producers from G3 have more capital as reflected by their number of animals, agricultural and rangeland area.

Among the variables of management analyzed, we identified that the age at weaning was not similar among the producers of the different clusters and this could be explained by the objective of each of the clusters identified. Livestock health problems identified by the producers did not differ among clusters and our results concur with previous reports conducted in a region with similar environmental condition (7). An additional issue, in addition, to the natural resources, productivity and social analyzed in the DPBS is the low use of technology as reflected by the variable of artificial insemination. This technology is used for only three producers from G1, one from G2 and G3. This could be due to the nutritional issue of the animals that is not totally solved in the region of study.

Los productores (G1:50.5%, G2:42.2% y G3:100%) hacen uso del agostadero comunal de uno a tres meses durante el periodo humedo para el sustento del ganado improductivo (vaquillas y vacas secas). Los resultados concuerdan con un estudio anterior, en donde los animales permanecian en areas con residuos agricolas denominados "potreros" en un periodo de hasta nueve meses en los meses de sequia, donde ocurre la escasez de forraje, los animales reciben complemento alimenticio en base a rastrojo y maiz molido los cuales adquieren a precios elevados (26). El uso de pastos de cultivos anuales, pastoreo en praderas cultivadas, pastoreo de residuos en areas agricolas (maiz y sorgo), y pastoreo en tierras de uso comun, presenta una importante variacion estacional de calidad y disponibilidad (27). En el presente estudio un alto porcentaje de productores de cada cluster (G1:90.5%; G2:96.4%; G3:91.7%) senalaron realizar el pastoreo en residuos de cultivos agricolas de sorgo o maiz. De tal manera, que nuestros resultados concuerdan con Valbuena et al (28), quienes indicaron que el pastoreo contribuye entre el 10 y 90% de la dieta del ganado en los sistemas mixtos dependiendo de las condiciones agroecologicas y presion de la tierra.

Los productores del SBDP en el norte de Sinaloa basan su productividad en el uso intensivo de la superficie agricola de que disponen y la limitada disponibilidad de maquinaria, equipo e infraestructura para la produccion ganadera. Por ejemplo, en promedio, los productores G1 y G2 cuentan con 8 hectareas de tierra para cultivos que utilizan para alimentar entre 21.6 y 24.4 unidades animal (lo cual da una capacidad de carga animal de 2.7 y 3.05 UA/ha para el estrato G1 y G2, respectivamente). De tal manera que los productores tienen la necesidad de seguir diferentes estrategias de solucion para la alimentacion del ganado. Asi el 50% de los productores con enfasis en la produccion de carne (G3) son los que tienen una mayor incorporacion de recursos e insumos para la alimentacion del ganado (compra concentrado comercial, uso de ensilaje y uso de forrajes de corte). En contraste, el porcentaje de productores de G1 y G2 que utilizan concentrado, forrajes de corte y uso de ensilado es limitado. Esto puede explicarse en la medida que los productores del G3 cuentan con mayor capital representado por mayor numero de animales, mayor superficie agricola y de agostadero.

Entre las variables de manejo analizadas, se identifico que la edad al destete no fue similar entre los productores de los diferentes clusters y esto podria explicarse por el objetivo de cada uno de los grupos identificados. Los problemas sanitarios senalados por los productores no difirieron entre clusters y concuerda con observaciones previas obtenidas en una region con condiciones ambientales similares (7). Un problema adicional al nivel de recursos naturales, productivos y sociales analizados del SBDP es el bajo uso de tecnologia, el cual se refleja en el componente de inseminacion artificial, esta innovacion solo es aplicada por tres productores del G1, uno del G2 y uno del G3, esto puede deberse a que el problema de alimentacion animal no esta resuelto en el SBDP de la region de estudio. El problema de escasez de forraje puede estar reflejado en estas multiples estrategias alimenticias y a su vez influye en la baja productividad de leche que presentan las unidades de produccion del G1 y G2. La produccion de leche reportada por estos clusters es menor a los 6 litros por vaca por dia reportados por Loaiza et al (29), quienes senalan que a traves del uso de componentes tecnologicos en la produccion y conservacion de forrajes se pueden obtener mejoras en la productividad de ganado en la region norte de Sinaloa.

The problem of lack of forage can be reflected in these multiple feeding strategies and in turn influences the low milk productivity presented by the production units of G1 and G2. The milk production reported by these clusters is lower than 6 lt per cow/day as reported by Loaiza et al (29). These authors indicated that with the use of technological components in the conservation and production of forages is possible improve the livestock productivity in the northern region of Sinaloa.

In conclusion, the main problem of SBDP in northern Sinaloa is the low milk production. This problem is a consequence of the of the lack of forage due to the limited use of technology for the production of fodder and feeding of livestock, in addition to high stocking rate (3.05 and 2.7 AU / ha) in clusters G1 and G2. In the medium and long term, this situation will result in an overused of the natural resources (land, vegetation) of the region. Therefore, it is necessary that the definition of technological intervention strategies consider the social variables and the amount of resources that each producer has in order to improve the efficiency of natural resources and increase livestock production in the study area.

En conclusion, el problema principal del SBDP en el norte de Sinaloa es la baja produccion de leche. Este problema es consecuencia de la escasez de forraje debido al limitado uso de tecnologia para la produccion de forrajes y la alimentacion del ganado y adicionalmente a la existencia de una alta carga animal (3.05 y 2.7 UA/ha) en los cluster G1 y G2. En el mediano y largo plazo, esta situacion ocasionara una sobre explotacion de los recursos naturales (tierra, vegetacion) de la region. De tal manera, que la definicion de estrategias de intervencion tecnologica debe considerar las variables sociales y la cantidad de recursos productivos con los que cuenta cada tipo de productor con el fin de mejorar la eficiencia de los recursos naturales e incrementar la produccion pecuaria de la zona de estudio.

REFERENCES

(1.) Herrero M, Thornton PK, Notenbaert AM, et al. Smart investments in sustainable food production: Revisiting mixed crop-livestock systems. Science 2010; 327(5697):822-825.

(2.) Urdaneta F. Mejoramiento de la eficiencia productiva de los sistemas de ganaderia bovina de doble proposito (Taurus-Indicus). Arc Latinoamericanos Prod Anim 2009; 17(3-4):109-120

(3.) Organizacion de las Naciones Unidas para la Alimentacion y la Agricultura (FAO). La agricultura mundial en la perspectiva del ano 2050. FAO [en linea]. 2009. [acceso 6 de mayo de 2017]; URL disponible en: http://www.fao.org/fileadmin/templates/wsfs/docs/Issues papers/Issues papersSP/La agricultura mundial.pdf

(4.) Wright IA, Tarawali S, Blummel M, Gerard B, Teufel N, Herrero M. Integrating crops and livestock in subtropical agricultural systems. J Sci Food Agric 2012; 92(5):1010-1015

(5.) Instituto Nacional de Estadistica y Geografia (INEGI). Anuario estadistico y geografico por entidad federativa 2016. Instituto Nacional de Estadistica y Geografia. Mexico: INEGI, 2016.

(6.) Absalon-Medina VA, Blake RW, Gene Fox D, Juarez-Lagunes FI, Nicholson CF, Canudas-Lara EG, et al. Economic analysis of alternative nutritional management of dual-purpose cow herds in central coastal Veracruz, Mexico. Trop Anim Health Prod 2012; 44(6):1143-1150.

(7.) Orantes-Zebadua MA, Platas-Rosado D, Cordova-Avalos V, Santos-Lara MA, Cordova-Avalos A. Caracterizacion de la ganaderia de doble proposito en una Region de Chiapas, Mexico. Ecosistemas Rec Agrop 2014; 1(1):49-58.

(8.) Albarran-Portillo B, Rebollar-Rebollar S, Garcia-Martinez A, Rojo-Rubio R, Aviles-Nova F, Arriaga-Jordan CM. Socioeconomic and productive characterization of dual-purpose farms oriented to milk production in a subtropical region of Mexico. Trop Anim Health Prod 2015; 47(3):519-523.

(9.) Trejo VI. El clima de la selva baja caducifolia en Mexico. Invest Geog 1999; 39(2):40-52.

(10.) Coordinacion General de Ganaderia. Situacion actual y perspectiva de la produccion de leche de bovino en Mexico 2010. Claridades Agropecuarias [en linea]. 2010. [acceso 6 de julio de 2017]; 207:34-43. ULR disponible en http://www.infoaserca.gob.mx/claridades/revistas/207/ca207-34.pdf

(11.) Instituto Nacional de Estadistica y Geografia (INEGI). Censo Agricola, Ganadero y Forestal 2007. INEGI [en linea]. 2007. [acceso 5 enero de 2017]. URL disponible en: http://www.inegi.org.mx/est/contenidos/proyectos/Agro/ca2007/Resultados Agricola/default.aspx

(12.) Cuevas-Reyes V, Loaiza-Meza A, Espinosa-Garcia JA, Velez-Izquierdo A, Montoya-Flores MD. Typology of dual-purpose cattle production farms in Sinaloa, Mexico. Rev Mex Cien Pecu 2016; 7(1):69-83.

(13.) Pena D. Analisis de datos multivariados. Madrid: McGraw Hill. 2002.

(14.) Martinez-Garcia, C.G., Ugoretz, S.J., Arriaga-Jordan, C.M. and Wattiaux, M.A. Farm, household, and farmer characteristics associated with changes in management practices and technology adoption among dairy smallholders. Trop Anim Health Prod 2015; 47:311.

(15.) Perez LC. Tecnicas estadisticas con SPSS. Espana: Ed. Prentice Hall; 2001.

(16.) Hair JF, Black WC, Tatham RL, Anderson RE. Multivariate Data Analysis. 7th ed. London, United Kingdom: Prentice Hall International; 2010.

(17.) Castel JM, Mena Y, Delgado-Pertinez M, Camunez J, Basulto J, Caravaca F, et al. Characterization of semi-extensive goat production systems in southern Spain. Small Rum Res 2003; 47(2):133-143.

(18.) Kobrich C, Rehman T, Khan M. Typification of farming systems for constructing representative farm models: two illustrations of the application of multivariate analyses in Chile and Pakistan. Agric Syst 2003; 76(1):141-157.

(19.) Cuevas RV, Baca MJ, Cervantes EF, Espinosa JAG, Aguilar AJ, Loaiza MA. Factores que determinan el uso de innovaciones tecnologicas en la ganaderia de doble proposito en Sinaloa. Rev Mex Cien Pecu 2013; 4(1):31-46.

(20.) Polson R, Spencer DSC. The technology adoption process in subsistence agriculture: the case of cassava in southwestern Nigeria. Agricultural Systems 1991 (1):65-77.

(21.) Solis D, Bravo UEB, Quiroga ER. Technical efficiency among peasant farmers participating in natural resource management programs in Central America. J Agric Econ 2009; 60(1):202-219.

(22.) Riveiro JA, Marey MF, Marco JL, Alvarez CJ. Procedure for the classification and characterization of farms for agricultural production planning: Application in the Northwest of Spain. Comp Electr Agric 2008; 61(2):169-178

(23.) Blazy JM, Ozier-Lafontaine H, Dore T, Thomas A, Wery J. A methodological framework that accounts for farm diversity in the prototyping of crop management systems. Application to banana-based systems in Guadeloupe. Agric Syst 2009; 101(1):30-41.

(24.) Perales RMA, Fregoso TLE, Martinez ACO, Cuevas RV, Loaiza MA, Reyes JJE, et al. Evaluacion del sistema agrosilvopastoril del sur de Sinaloa. Sustentabilidad y sistemas campesinos: cinco experiencias de evaluacion en el Mexico rural. Masera O, Lopez RL editores. Mexico: Edit. Mundiprensa; 2000.

(25.) Mekonnen S., Descheemaeker K, Tolera A, Amede T. Livestock water productivity in a water stressed environment in northern Ethiopia. Experimental Agricul 2011; 47(S1):85-98.

(26.) Bandin GJA, Loaiza M.A. Caso Exitoso GGAVATT Mayocoba en el Norte de Sinaloa. Instituto Nacional de Investigaciones Forestales, Agricolas y Pecuarias [en linea]. 2011. [acceso 10 de noviembre de 2016]. URL disponible en: http://utep.inifap.gob.mx/pdf s/CASO%20EXITOSO%20SINALOA%202010%20ok.pdf

(27.) Murgueitio E, Calle Z, Uribea F, Calle A, Solorio B. Native trees and shrubs for the productive rehabilitation of tropical cattle ranching lands. Forest Ecol Manag 2011; 261(10):1654-1663.

(28.) Valbuena D, Homann-Kee Tui S, Erenstein O, Teufel N, Duncan A, Abdoulaye T, et al. Identifying determinants, pressures and trade-offs of crop residue use in mixed smallholder farms in sub-Saharan Africa and South Asia. Agric Syst 2015; 134(3):107-118.

(29.) Loaiza MA, Moreno GT, Reyes JJE, Gonzalez GD, Valdez AJ, Astengo CH. Resultados del estado de Sinaloa 2010-2011. Unidad Tecnica Pecuaria-INIFAP. 2011. [Consultado 8 Ago, 2017] http://utep.inifap.gob.mx/pdf s/INFORME%20UTEP%20SINALOA%202010-2011%20ok.pdf

(30.) Hamza MA, Anderson WK. Soil compaction in cropping systems: A review of the nature, causes and possible solutions. Soil Till Res 2005; 82(2):121-145.

Venancio Cuevas-Reyes (1) Ph.D, Cesar Rosales-Nieto (2*) Ph.D.

(1) Ins4tituto Nacional de Investigaciones Forestales, Agricolas y Pecuarias, Campo Experimental Valle de Mexico, 56250, Mexico. (2) Instituto Nacional de Investigaciones Forestales, Agricolas y Pecuarias. Campo Experimental San Luis, San Luis Potosi, 78431, Mexico. (*) Correspondence: nieto cesar@hotmail.com

Received: July 2017; Accepted: November 2017.

DOI: 10.21897/rmvz.1240
Tabla 1. Principal components from clusters identified in the DPBS of
northern Sinaloa.

Variable               C1      C2      C3      C4      C5      Community

Technical             -.141    .142    .800   -.103    .374   .831
assistance (years)
Age (years)            .138   -.116   -.026    .043    .620   .419
Employee (#)           .470   -.187    .405   -.082   -.247   .487
Distance               .079   -.292    .523   -.007   -.105   .375
municipality (km)
Sires (#)              .803    .029    .075    .011    .051   .653
Cows (#)               .851    .123    .020   -.001    .315   .839
Animal unit (#)        .872    .097    .047    .024    .308   .867
Total area (ha)        .670   -.099    .144    .112   -.348   .613
Index of               .570   -.030    .488    .110   -.221   .625
infrastructure (%)
Index of machinery     .398    .055    .686   -.036   -.113   .646
and equipment (%)
Weaning age (mo)       .056   -.062   -.132    .909   -.056   .853
Weaning weight (kg)    .024    .029    .043    .918    .098   .856
Milk production        .211    .911   -.073   -.012   -.083   .887
(lt/day)
Milk/cow/day (lt)     -.210    .800   -.085   -.004   -.259   .758
Milk/cow/ha (lt)      -.108    .776   -.015    .013    .273   .688
Daily income           .185    .915    .016   -.046   -.075   .880
milk ($)
Eigenvalues           3.86    3.145   1.838   1.316   1.120
Accumulative         24.2    43.8    55.3    63.5    70.5
variance (%)

Source: Own elaboration. Extraction method: principal component
analysis. Rotation method: Kaiser with varimax. Rotation has converge
in 11 interactions.

Tabla 2. Socioeconomic characterization of from clusters identified in
the DPBS of northern Sinaloa.

Variable           Cluster 1          Cluster 2         Cluster 3
                   (n=105)            (n=83)            (n = 12)

Familiar             2a[+ o -]2         0b[+ o -]1         0b[+ o -]0
dependents (#)
Employee (#)         1a[+ o -]1         1a[+ o -]1         1.5b[+ o -]1
Distance            22a[+ o -]24       20a[+ o -]24       29.5b[+ o -]19
municipality (km)
Milk income          9.4a[+ o -]12.7    6.2b[+ o -]9.4     0b[+ o -]4.9
(US$/day) (**)
Meat income        917a[+ o -]2294    917a[+ o -]1835   2753b[+ o -]4244
(US$/year) (**)

Variable                p (*)

Familiar               .000
dependents (#)
Employee (#)           .002
Distance               .010
municipality (km)
Milk income            .000
(US$/day) (**)
Meat income            .047
(US$/year) (**)

p (*) is probability obtained by Kruskal-Wallis test.
(**) Exchange rate 19.18 pesos per dolar (nov 2017).

Tabla 3. Resources, production and technological variables from
clusters identified in the DPBS of northern Sinaloa (mean[+ o -]RIC
(*)).

Variable         Cluster 1       Cluster 2      Cluster 3         p (**)
                 (n=105)         (n=83)         (n = 12)

Sires (#)          1a[+ o -]1      1a[+ o -]1     2b[+ o -]3      .001
Total area (ha)    8a[+ o -]10     8a[+ o -]7    59.5b[+ o -]47   .000
Employee (#)       1a[+ o -]1      1a[+ o -]1     1.5b[+ o -]1    .002
Milk production   40a[+ o -]50    25b[+ o -]40    0b[+ o -]19     .001
(lt/day)
Milk/cow/day       2a[+ o -]3      2a[+ o -]4     0b[+ o -]1      .001
(lt)
Milk/cow/ha        3a[+ o -]10     2b[+ o -]6     0b[+ o -]0      .000
(lt)
Weaning age        8[+ o -]5       8[+ o -]4      9[+ o -]2       .203
(mo)
Weaning weight   180a[+ o -]35   170b[+ o -]30  185a[+ o -]20     .001
(kg)
Technical          0a[+ o -]3      0a[+ o -]2     2b[+ o -]6      .018
assistance
(years)
Machinery and      7a[+ o -]16     2a[+ o -]8    25b[+ o -]27     .001
equipment (%)
Index of           3a[+ o -]5      3a[+ o -]3    15b[+ o -]20     .000
infrastructure
(%)

(*) RIC: intercuartilico range p (**) Kruskal-Wallis test

Tabla 4. Use of forage resources and livestock health from clusters
identified in the DPBS of northern Sinaloa.

Variable                    Cluster 1   Cluster 2   Cluster 3    p (*)
                            (n = 105)   (n=83)       (n = 12)

Grazing in                  90.5        96.4        91.7        .283
crop residues (%)
Grazing (%)                 53.3        59          66.7        .563
Grazing in rangeland (%)    50.5a       42.2a      100b         .002
Use of harvested            22.9a       18.1a       50b         .046
forage (%)
Use of silaje (%)           15.2a        8.4a       50b         .001
Use of concentrate (%)      20a         21.7a       83.3b       .000
(*) Artificial               2.9         1.2         8.3        .317
insemination (%)
Anaplamosis (%)             48.6a       51.8a       16.7b       .074
Diarrhea (%)                28.6        19.3        41.7        .145
Pneumonia (%)               21.9        13.3        25          .265
Mastitis (%)                23.8a       10.8b       25a         .063

p (*) Ji-square test.
Values within columns with different superscript letters are different
(p < 0.05).
(*) AI was done only by 5 producers (C1:3; C2:1 and C3:1)
COPYRIGHT 2018 Universidad de Cordoba
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2018 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Title Annotation:ORIGINAL
Author:Cuevas-Reyes, Venancio; Rosales-Nieto, Cesar
Publication:Revista MVZ (Medicina Veterinaria y Zootecnia)
Date:Jan 1, 2018
Words:9103
Previous Article:Injectable diphenyl diselenide supplementation in dairy sheep/Suplemento de difenil diselenuro inyectable en ovejas lecheras.
Next Article:Milk quality: milking personnel associated factors/Calidad de la leche: factores asociados al personal vinculado al ordeno.

Terms of use | Privacy policy | Copyright © 2020 Farlex, Inc. | Feedback | For webmasters