Search

To stay competitive in the growing dairy market, farmers must continuously improve their livestock production systems. Precision livestock farming technologies provide individualised monitoring of animals on commercial farms, optimising livestock production. Continuous acoustic monitoring is a widely accepted sensing technique used to estimate the daily rumination and grazing time budget of free-ranging cattle. However, typical environmental and natural noises on pasture noticeably affect the performance and generalisation of current acoustic methods. In this study, we present an acoustic method called Noise-Robust Foraging Activity Recognizer (NRFAR). The proposed method determines foraging activity bouts by analysing fixed-length segments of identified jaw movement events associated with grazing and rumination. The additive noise robustness of NRFAR was evaluated for several signal-to-noise ratios, using stationary Gaussian white noise and four different non-stationary natural noise sources. In noiseless conditions, NRFAR reaches an average balanced accuracy of 89%, outperforming two previous acoustic methods by more than 7%. Additionally, NRFAR presents better performance than previous acoustic methods in 66 out of 80 evaluated noisy scenarios (p, list of used audio-clips is available in the list_audio_clips.xlsx

El proceso de intensificación de los tambos en Argentina ha transformado los sistemas de base pastoril en sistemas de base pastoril intensificados. El objetivo del trabajo fue evaluar, utilizando indicadores de sustentabilidad ambiental, los principales efectos de la intensificación sobre un grupo de 38 establecimientos ubicados en el sur de la provincia de Santa Fe, Argentina. Los períodos evaluados fueron inicial (1983 a 1990) y final (2013 a 2014). Para el cálculo de los indicadores se utilizó el modelo AgroEcoIndex®. Se realizó un análisis de componentes principales (ACP) para reducir la dimensionalidad de los datos y facilitar su interpretación y además se realizó un análisis de la varianza (ANOVA). El ACP permitió determinar las variables que tuvieron mayor incidencia en diferenciar los distintos períodos. Se obtuvieron dos nuevas variables denominadas componentes principales (CP1 y CP2) que explicaron el 42 y el 22 % de la variabilidad de los datos, respectivamente. La CP1 explicó una importante proporción de la variabilidad de los datos, por lo que podría utilizarse como una herramienta para resumir información e interpretar múltiples variables a los fines de evaluar la gestión ambiental. El ANOVA detectó diferencias significativas entre períodos para muchos de los indicadores, algunos de los cuales deben valorarse como beneficiosos para el medio ambiente (balance de nitrógeno y fósforo, cambios en la materia orgánica del suelo, riesgo de contaminación con plaguicidas, impacto sobre el hábitat, eficiencia en el uso del agua) mientras que otros merecen una valoración adversa (consumo de energía fósil, eficiencia en el uso de la energía, producción de gases con efecto invernadero). Se concluye que el proceso de intensificación fue ambientalmente sustentable en algunos aspectos, pero aparecen ciertos riesgos que ameritan prestar atención en el manejo de los sistemas. The process of intensification of dairy farms in Argentina has transformed grazing systems into intensified grazing systems. The objective of the work was to evaluate trough a set of indicators of environmental sustainability the major effects of intensification on a group of 38 dairy farms located in the southern province of Santa Fe, Argentina. The evaluated periods were initial (1983-1990) and final (2013-2014). The AgroEcoIndex® model was used to calculate the indicators. Principal component analysis (PCA) was performed to reduce the dimensionality of data and to facilitate their interpretation, and also an analysis of variance (ANOVA) was performed. The PCA allowed determining the variables that had the greatest impact on differentiating the distinct periods. Two new variables called principal components (PC1 and PC2) that accounted for 42 and 22% of the variability of the data, respectively, were obtained. The PC1 explains a significant proportion of the variability of the data, so it could be used as a tool to summarize information and interpret multiple variables in order to assess the environmental management. ANOVA detected significant differences between periods in many indicators, some of which should be valued as beneficial for the environment (nitrogen and phosphorus balance, changes in soil organic matter, risk of pesticide contamination, habitat impact, efficiency in water use) while others deserve an adverse assessment (consumption fossil energy, efficient use of energy, production of greenhouse gases). It is concluded that the process of intensification was environmentally sustainable in some aspects, but certain risks that merit attention in handling systems appear. EEA Rafaela Fil: Alvarez, Hugo J. Universidad Nacional de Rosario. Facultad de Ciencias Agrarias; Argentina Fil: Pece, Mariela Alejandra. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Rafaela; Argentina Fil: Larripa, Marcelo J. Universidad Nacional de Rosario. Facultad de Ciencias Agrarias; Argentina Fil: Nalino, Martín José. Universidad Nacional de Rosario. Facultad de Ciencias Agrarias; Argentina Fil: Planisich, Alejandra M. Universidad Nacional de Rosario. Facultad de Ciencias Agrarias; Argentina