Spatial Distribution of Productive, Environmental, and Socioeconomic Factors to Discriminate Dairy Cattle Production in the South of Brazil

Abstract

The South region of Brazil differs from the others due to its high milk production rates. Production heterogeneity, climate and soil diversity, and environmental and socioeconomic circumstances contribute to differentiate political-administrative regions. In this study, we aimed to spatialize the production, environmental, and socioeconomic factors that best discriminate bovine milk production in the states of the South of Brazil. Multivariate analyses were performed to discriminate both the studied variables and the mesoregion and cities of these states. The Western Catarinense and Northwestern Rio-grandense mesoregions showed the highest production indices, but they were discriminated at a low level (35.76 %). The formation of clusters showed that Casca, Marau, and Santo Cristo from the Northwestern Rio-grandense and Concordia, Coronel Freitas, Palmitos, and São Lourenço do Oeste from the Western Catarinense mesoregion had higher production indices. The municipal clusters were discriminated at a high level by production (98.24%) and by environmental and socioeconomic (72.75%) factors. Production variables were the most important for local clusters discrimination. The specificities and peculiarities to each region were evidenced through the heterogeneity of production and environmental and socioeconomic factors. Therefore, it is necessary to design and implement specific technological innovations to each region to maximize productive efficiency and minimize adverse environmental effects in dairy herds.

Pathogenic mechanisms and etiologic aspects of Mycobacterium avium subspecies paratuberculosis as an infectious cause of cutaneous melanoma

“…The higher rate of CM in northern versus southern Italy corresponds with the increased concentration of dairy cattle in several northern provinces 80 . A high rate of CM in southern Brazil 81 is associated with prevalent dairy cattle farming 82 …”

“…80 A high rate of CM in southern Brazil 81 is associated with prevalent dairy cattle farming. 82 In theory, the high rate of CM among Australians may be explained not only by exposure to UV radiation but also exposure to sand and water contaminated by the feces of beef and dairy cattle and sheep. An increased rate of CM in coastal areas of Australia compared with inland areas, 83 specifically in Queensland, 84 overlaps with the 28 million beef cattle, 85 1.6 million dairy cattle, 86 and 104 million sheep 87 in Australia.…”

Padrões Tecnológicos Na Atividade Leiteira Na Região Corede Produção Do Rio Grande Do Sul

“…Já, dentre os estudos mais atuais, a partir de 2010, destaca-se: Souza (2015) tipificou os produtores em rudimentar, especializado, em transição inicial e em transição avançada; Werncke et al (2016) identificaram dois tipos de produtores com maior nível tecnológico e um tipo de produtor (menor infraestrutura) com menor nível de tecnologia; Todde et al (2016) apontaram a existência de três tipos de produtores, os com baixa mecanização, os mecanizados e os com alta mecanização; Castro et al (2016) constataram a presença de quatro tipos de fazendas após a implantação de um sistema de ordenha: fazendas com mais lazer e qualidade de vida; fazendas que pararam com a produção de leite; fazendas com pouco lazer e agricultores sem sucessor; e as que a mecanização cobriu as expectativas dos agricultores; Lange et al ( 2016) identificaram a formação de cinco grupos distintos de sistemas de produção, sendo que as principais características que diferenciam os grupos foram com relação às características dos sistemas de produção; Guamán, Moposita e Rodríguez (2017) constataram três Sistemas de Produção (SP): o SP1, com níveis mais baixos de tecnologia; o SP2, com níveis tecnológicos intermediários e o SP3, com maior desenvolvimento tecnológico. Cervo et al (2018) realizam discriminação da bovinocultura leiteira nos municípios dos estados de Santa Catarina e Rio Grande do Sul, identificam cinco clusters de municípios: baixa produção; média e alta produção; alta produção; média produção; média e baixa produção; e Perobelli, Araújo e Castro (2018) buscaram traçar os diferentes tipos de municípios mineiros produtores de leite; oito tipologias de municípios foram identificadas, sendo eles: grande oferta de leite; oferta de leite e baixa renda; propriedades rurais e laticínios de grande porte; propriedades rurais e laticínios de médio porte; propriedades rurais e laticínios de pequeno porte; centros urbanos; municípios com baixa participação na cadeia produtiva e municípios com baixo nível de renda. Portanto, as pesquisas realizadas, na área de tipificação dos produtores de leite, principalmente pelo seu padrão tecnológico, sugerem que há disparidades tecnológicas e, consequentemente, diferentes níveis de produtividade.…”

“…As variáveis número de filhos trabalhando na produção de leite e se esposa executa algum trabalho na produção de leite representam a mão de obra utilizada na pecuária leiteira, tais apresentam maior poder para diferenciar o padrão tecnológico avançado (Grupo A) dos demais grupos. Segundo Aleixo et al (2007), Cervo et al (2018) e Resende et al (2016), os produtores com maior adoção de tecnologia são propícios a demandar menos mão de obra, ou seja, a automação e a robótica tendem a substituir o trabalho manual e, caso haja a permanência da mão de obra na atividade, ela precisa ser especializada. Uso de concentrado, resfriamento de leite e tipo de aleitamento são as variáveis com maior poder para diferenciar o padrão tecnológico dos produtores do Grupo B (baixo) em relação ao Grupo C (intermediário).…”

“…A nutrição do rebanho é importante no desempenho produtivo e na qualidade final do produto. O resfriamento de leite, em tanque de expansão individual, é necessário para manter a qualidade da matéria-prima, e o aleitamento artificial reduz a quantidade de leite destinada ao bezerro, permite a desmama precoce e regula os horários em que o bezerro irá se alimentar (Lange et al 2016;Werncke et al, 2016;Cervo et al, 2018).…”