Ви є тут

Головна » БТФ №1 2026

Закономірності формування та зміни молочної продуктивності корів упродовж лактації та методи її прогнозування

Метою дослідження було, з одного боку, проаналізувати динаміку показників молочної продуктивності та якості молока корів упродовж лактації, а з іншого – визначити оптимальні строки проведення контрольних доїнь для відбору проб молока з метою отримання найбільш точного прогнозу за стандартну лактацію. Дослідження провеено у СП «Молочарське» Покровського району Дніпропетровської області на коровах голштинської породи. Встановлено, що максимальний добовий надій у корів голштинської породи досягався на 50-й день лактації, після чого спостерігалося поступове зниження добової продуктивності до її завершення. Виявлено вірогідні від’ємні кореляційні зв’язки між надоєм і вмістом жиру (r = -0,32; p≤0,001), а також між надоєм і вмістом білка (r = -0,28; p≤0,001). На початку лактації співвідношення жиру до білка було підвищеним, що свідчить про наявність від’ємного енергетичного балансу в цей період. У другій половині лактації відзначено зростання кількості соматичних клітин у молоці. При цьому встановлено вірогідний позитивний зв’язок між їх кількістю та вмістом білка (r = 0,19; p≤0,05). Водночас вміст лактози мав від’ємний кореляційний зв’я зок як із кількістю соматичних клітин (r = -0,38), так і з вмістом білка (r = -0,22). Показник енергетично скоригованого молока (ECM 2 ) упродовж лактації зменшувався з 33,44 до 21,51 кг і характеризувався тісним вірогідним зв’язком із добовим надоєм (r = 0,91; p≤0,001), що підтверджує його інформативність для комплексної оцінки молочної продуктивності. Найвищі коефіцієнти кореляції між результатами денних контрольних доїнь і показниками продуктивності за стандартну лактацію встановлено для 3-6-го контрольних доїнь. Це свідчить про доцільність використання саме цього періоду лактації для найбільш точного прогнозування продуктивності за 305 днів. Воночас вміст жиру, визначений на різних етапах лактації, корелював із середнім показником за лактацію слабше порівняно з іншими ознаками, що знижує точність його прогнозування за окремими денними показниками.

Ключові слова: молочні корови, прогнозування продуктивності, надій, вміст жиру та білка, соматичні клітини.

ГЕТЯ А.А. https://orcid.org/0000-0002-4747-9261


МАТВЕЄВ М.А. https://orcid.org/0000-0003-1281-9032


БОРЩ О.В.


БОРЩ О.О. https://orcid.org/0000-0002-8450-2109


ГРИШКО В.А. https://orcid.org/0000-0002-0340-513x


  1. Hu, H., Whitcomb, C.A., Ploetz, T.E., Reed, K.F. (2025). Transdisciplinary model-based systems engineering (MBSE) in the development of the Ruminant Farm Systems model. Frontiers in Sustainability, no. 6. DOI:10.3389/frsus.2025.1561453.
  2. Godber, O.F., Czymmek, K.J., van Amburgh, M.E., Ketterings, Q.M. (2025). Farm-gate greenhouse gas emission intensity for medium to large New York dairy farms. Journal of Dairy Science, no 108, pp. 5039–5060. DOI:10.3168/jds.2024-25874
  3. Borshch, O.O., Ruban, S., Borshch, O.V., Kosior, L., Fedorchenko, M., Bondarenko L., Bilkevich V. (2022). Composition and cheese suitability of milk from local Ukrainian cows and their crossbreedings with Montbeliarde breed. Agronomy Research, Vol. 20, no. 3, pp. 494–501. DOI:10.15159/AR.22.058
  4. Gong, Y., Hu, H., Reed, K.F., Cabrera, V.E. (2025). Advancing dairy farm simulations: a 2-step approach for tailored lactation curve estimation and its systemic impacts. Journal of Dairy Science, no. 108, pp. 9681–9695. DOI:10.3168/jds.2025-26334
  5. Li, J., Kebreab, E., You, F., Fadel, J.G., Hansen, T.L., VanKerhove, C., Reed, K.F. (2022). The application of nonlinear programming on ration formulation for dairy cattle. Journal of Dairy Science, no. 105, pp. 2180–2189. DOI:10.3168/jds.2021-20817.
  6. Ruban, S., Danshyn, V., Matvieiev, M., Borshch, O.O., Borshch, O.V., Korol-Bezpala, L. (2022). Characteristics of lactation curve and reproduction in dairy cattle. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis. Vol. 70, no. 28, pp. 373–381. DOI:10.11118/actaun.2022.028
  7. del Prado, A., Vibart, R.E., Bilotto, F.M., Faverin, C., Garcia, F., Henrique, F.L., Leite, F.F.G.D., Mazzetto, A.M., Ridoutt, B.G., Yáñez-Ruiz, D.R., Bannink, A. (2025). Feed additives for methane mitigation: Assessment of feed additives as a strategy to mitigate enteric methane from ruminants – Accounting; How to quantify the mitigating potential of using antimethanogenic feed additives. Journal of Dairy Science, no. 108, pp. 411–429. DOI:10.3168/jds.2024-25044.
  8. Fedota, O., Puzik, N., Skrypkina, I., Babalyan, V., Mitiohlo, L., Ruban, S., Borshch, O.О., Borshch, O.V. (2022). Single nucleotide polymorphism C994g of the cytochrome P450 gene possess pleiotropic effects in Bos taurus, L. Acta Biologica Szegediensis, Vol. 66, no. 1, pp. 7–15. DOI:10.14232/abs.2022.1.7-15  
  9. Ruban, S., Merzlov, S., Matvieiev, M., Borshch, O.V., Borshch, O.O., Bilkevich, V., Lykhach, V., Fedorchenko, M., Bondarenko, L. (2023). Amino acid composition of milk from Finnish Ayrshire cows and their crossbreeds with the Norwegian Red breed. Agronomy Research, Vol. 21, no. 2, pp. 897–906. DOI:10.15159/AR.23.096
  10. Ruban, S., Danshyn, V., Matvieiev, M., Lastovska, I., Borshch, O.O., Borshch, O.V., Bilkevych, V., Fedorchenko, M., Lykhach, V. (2023). Grounding the economic selection index for evaluation and selection of dairy cattle. Journal of the Indonesian Tropical Animal Agriculture, Vol. 48, no. 4, pp. 258–268. DOI:10.14710/jitaa.48.4.258-268
  11. Matvieiev, M., Ceyhan, A., Kozaklı, Ö., Getya, A., Borshch, O.O., Ruban, S. (2025). Comparison of non-linear models for growth characterization of purebred Ayrshire and crossbred cattle. Archives Animal Breeding, Vol. 6, no. 4, pp. 721–730. DOI:10.5194/aab-68-721-2025
  12. Weigel, D.J., Adamchick, J., Briggs, K.R., Fessenden, B., Melchior, E.A., Fouts, J.Q., Reed, K.F., Di, Croce F. 2025. Reduction of environmental effects through genetic selection. Journal of Dairy Science, no. 108, pp. 7165–7178. DOI:10.3168/jds.2024-25984
  13. Lastovska, I., Matvieiev, M., Borshch, O.V., Getya, A., Ruban, S., Babenko, O., Borshch, O.O., Chumachenko, I., Ostrovskiy, D. (2025). The Influence of Somatic Cell Count in Milk on Its Composition During the Summer Period. Poljoprivreda, Vol. 31, no. 2, pp. 46–52. DOI:10.18047/poljo.31.2.6
  14. Matvieiev, M., Getya, A., Nehrey, M., Yakubets, T., Ruban, S., Nazarko, O., Borshch, O.O., Lastovska, I., Baban, V., Mashkin, M. (2025). Optimisation of dairy farming in Ukraine: Integrating modern information technologies for genetic improvement and sustainable herd management. Agronomy Research, Vol. 23, no. 1, pp. 435–447. DOI:10.15159/AR.25.010
  15. Breen, M., Upton, J., Murphy, M.D. (2020). Photovoltaic systems on dairy farms: Financial and renewable multi-objective optimization (FARMOO) analysis. Applied Energy, no. 278. DOI:10.1016/j.apenergy.2020.115534.
  16. Li, T.T., Zhao, A.P., Wang, Y., Alhazmi, M. (2025). Hybrid energy storage for dairy farms: Enhancing energy efficiency and operational resilience. Journal of Energy Storage, no. 114. DOI:10.1016/j.est.2025.115811
  17. Kebreab, E., Reed, K.F., Cabrera, V.E., Vadas, P.A., Thoma, G., Tricarico, J.M. (2019). A new modeling environment for integrated dairy system management. Animal Frontiers, no. 9, pp. 25–32. DOI:10.1093/af/vfz004.
  18. Reed, K.F., Adamchick, J., Briggs, K.R., Nydam, D.V. (2024). Simulating diverse dairy management systems with the RuFaS model in Proc. Cornell Nutrition Conference. Cornell University, Ithaca, NY, pp. 47–57. Available at:https://hdl.handle.net/1813/115565.
  19. Bittante, G. (2022). Effects of breed, farm intensiveness, and cow productivity on infrared predicted milk urea. Journal of Dairy Science, Vol. 105, no. 6, pp. 5084–5096. DOI:10.31 68/jds.2021-21105
  20. da Rosa, Righi R., Goldschmidt, G., Kunst, R., Deon, C., da Costa, C.A. (2020). Towards combining data prediction and internet of things to manage milk production on dairy cows. Computers and Electronics in Agriculture, Vol. 169. DOI:10.1016/j.compag.2019.105156
  21. ICAR (International Committee for Animal Recording). (2022). Section 2 – Guidelines for Dairy Cattle Milk Recording. Available at:https://www.icar.org/Guidelines/02-Overview-Cattle-Milk-Recording.pdf
  22. Bentley Instruments, Inc. (2015). DairySpec FT User Manual. Bentley Instruments, Inc., Minnesota, USA.
  23. Wiggans, G., Shook, G. (1987). A Lactation measure of somatic-cell count. Journal of Dairy Science, Vol. 70, pp. 2666–2672. DOI:10.3168/jds.S0022-3190302(87)80337-5
  24. Sjaunja, L.O., Baevre, L., Junkkarinen, L., Pedersen, J., Setala, J. (1990). A Nordic proposal for an energy corrected milk (ECM) formula. Comite international pour le controle de la productivite laitiere du betail. 27eme session, 2-6 Juillet, Paris, France.
  25. Cronk, B.C. (2008). How to use SPSS: A step-by-step guide to analysis and interpretation. California: Pyrczak Pub.
ДолученняРозмір
PDF icon getya_1_2026_.pdf1.1 МБ
БТФ №1 2026