El bienestar animal como base de control ambiental para la eficiencia energética y productiva en explotaciones porcinas de transición

ESCUELA DE DOCTORADO INTERNACIONAL DE LA USC Eugenio Losada Vázquez Tesis doctoral EL BIENESTAR ANIMAL COMO BASE DEL CONTROL AMBIENTAL PARA LA EFICIENCIA ENERGÉTICA Y PRODUCTIVA EN EXPLOTACIONES PORCINAS DE TRANSICIÓN Lugo, 2022 Programa de doctorado en Ingeniería para el Desarrollo Rural y Civil TESIS DE DOCTORADO EL BIENESTAR ANIMAL COMO BASE DEL CONTROL AMBIENTAL PARA LA EFICIENCIA ENERGÉTICA Y PRODUCTIVA EN EXPLOTACIONES PORCINAS DE TRANSICIÓN Eugenio Losada Vázquez ESCUELA DE DOCTORADO INTERNACIONAL DE LA UNIVERSIDAD DE SANTIAGO DE COMPOSTELA PROGRAMA DE DOCTORADO EN ENXEÑARÍA PARA O DESENVOLVEMENTO RURAL E CIVIL LUGO 2022 AUTORIZACIÓN DE LOS DIRECTORES DE LA TESIS EL BIENESTAR ANIMAL COMO BASE DEL CONTROL AMBIENTAL PARA LA EFICIENCIA ENERGÉTICA Y PRODUCTIVA EN EXPLOTACIONES PORCINAS DE TRANSICIÓN D./Dª. María Dolores FernándezRodríguez D./Dª. Manuel Ramiro Rodríguez Rodríguez INFORMA/N: Que la presente tesis, se corresponde con el trabajo realizado por D. Eugenio Losada Vázquez, bajo nuestra dirección, y a utorizamos su presentación , considerando que reúne l os r equisitos exigidos en el R eglamento de Estudios de Doctorado de la USC, y que como directores de esta no incurre en las causas de abstención establecidas en la Ley 40/2015. De acuerdo con lo indicado en el Reglamento de Estudios de Doctorado, declaramos también que la presente tesis doctoral es idónea para ser defendida en base a la modalidad de COMPENDIO DE PUBLICACIONES, en los que la participación del doctorando fue decisiva para su elaboración y las publicaciones se ajustan al Plan de Investigación. En Lugo, 2 de noviembre de 2022 Fdo. María Dolores Fernández Rodríguez Manuel Ramiro Rodríguez Rodríguez DECLARACIÓN DEL AUTOR/A DE LA TESIS D./Dña. EUGENIO LOSADA VÁZQUEZ Título de la tesis: EL BIENESTAR ANIMAL COMO BASE DEL CONTROL AMBIENTAL PARA LA EFICIENCIA ENERGÉTICA Y PRODUCTIVA EN EXPLOTACIONES PORCINAS DE TRANSICIÓN Presento mi tesis, siguiendo el procedimiento adecuado al Reglamento y declaro que: 1) La tesis abarca los resultados de la elaboración de mi trabajo. 2) De ser el caso, en la tesis se hace referencia a las colaboraciones que tuvo este trabajo. 3) Confirmo que la tesis no incurre en ningún tipo de plagio de otros autores ni de trabajos presentados por mí para la obtención de otros títulos. 4) La tesis es la versión definitiva presentada para su defensa y coincide la versión impresa con la presentada en formato electrónico. Y me comprometo a presentar el Compromiso Documental de Supervisión en el caso que el original no esté depositado en la Escuela. En Lugo, 17 de noviembre de 2022. Firma electrónica AGRADECIMIENTOS Nesta vida, cando se comeza calquera proxecto sempre se chega a un final, final que pode satisfacer os obxectivos fixados nun principio ou non, moitas veces, como é o caso, a consecución dos obxectivos depende da xente que camiña ao teu carón, se eres quen de ir ben acompañado todo adoita ser mais sinxelo ou polo menos posible, este é o meu caso na presente Tese Doutoral, se ademais tés a sorte de que te leven da man e aqueles que te acompañan teñen unha calidade humana e profesional capaz de superar calquera desacougo, como son as dúas persoas as que lle teño que agradecer, os doutores María Dolores Fernández Rodríguez, Dolores (muller loitadora), e Manuel Ramiro Rodríguez Rodríguez, Ro-Ro (home bo e xeneroso) todo resulta moito mais doado. Non podo pasar sen agradecerlle de especial xeito a redacción da presente a Ro-Ro, auténtico Pigmalión desta Tese, sen o seu apoio este barco xamais chegaría a porto, e como en tantas outras ocasións na miña vida continuaría navegando sen rumbo ata caer no esquecemento. Cando un traballo o realiza un equipo o resultado nunca é propiedade dunha soa persoa, senón que se debe a xenerosidade de todos aqueles que dun xeito ou outro colaboraron nel, grazas a todos aqueles que formaron parte da elaboración da presente, pola súa xenerosidade. Houbo moita xente que me animou neste proceso pero quixera nomear a Pedro, sempre soubo como motivarme, sempre estivo disposto a empuxar este carro. Non quero pasar sen nomear nestas liñas a miña familia que sempre me apoiou en todo, sempre me animaron e me entenderon, incluso nos momentos de desazón, grazas a Pepe, a Ofe, a Loly e Jorge, a Jose e Teresa e grazas tamén as miñas compañeiras de viaxe Belén e Suni, comezo a sospeitar que ningún deles coñece a palabra “non”, polo menos cando lle pides algo deben tela borrada do seu dicionario. Son plenamente consciente que sen o apoio, e o esforzo de todos e cada un dos que acabo de nomear neste momento non estaría escribindo estas liñas. De todas maneiras, dun xeito ou outro eles son sabedores do meu agradecemento, e parafraseando a Ernesto Guevara escribo: “...tería moitas cousas que dicirlles, pero sinto que son innecesarias, as palabras non poden expresar o que eu quixera e non vale a pena emborronar cuartillas”. RESUMO O benestar animal, como base para o manexo dos animais en explotacións porcinas intensivas, experimentou un notable desenvolvemento nos últimos anos. Isto, xunto cunha produción más respectuosa co medio ambiente, son os grandes retos a os que se enfronta a produción porcina na actualidade. Neste traballo pretendese incluír o benestar animal como parámetro do control ambiental para a mellora da eficiencia enerxética e produtiva. Para elo, avaliáronse as características enerxéticas, produtivas e ambientais dunha granxa convencional con control ambiental baseado na temperatura. As variables ambientais medidas, na zona ocupada polos animais, foron a temperatura, humidade relativa, concentracións de CO2 e NH3 e velocidade do aire. Ademais, medíronse a enerxía consumida polas instalacións de calefacción e de ventilación e a temperatura exterior. As variables seleccionadas medíronse en granxa, nunha zona de alta densidade gandeira do NW de España. A xestión mellorada da humidade resultou nunha redución do 17 % da enerxía consumida, o que implicou aforros enerxéticos comprendidos entre o 33 % e o 47 % por kg producido. En consecuencia, agregar a humidade como variable de control podería resultar en taxas de ventilación máis altas, mellorando así o benestar animal, reducindo o uso de enerxía de calefacción e aumentando a ganancia de peso por unidade de enerxía de control climático. As fortes correlacións existentes entre a enerxía de calefacción e a humidade relativa e entre a enerxía de ventilación e a concentración de CO2 suxiren que estas variables poderían estimarse facilmente sen custos de sensores adicionais. Por ser a variable predominante nas instalacións de control pola súa simplicidade e baixo custe e os efectos que ten sobre o crecemento e desenvolvemento dos animais, realizouse unha especial avaliación da variable ambiental temperatura. Como resultado validouse un modelo ARIMA para a predición da temperatura na zona animal. O modelo mostrou boa precisión e fiabilidade polo que se pode utilizar para sistemas de control ambiental máis efectivos que sexan capaces de anticipar eventos e amosar unha mellor resposta, o que axuda a mellorar o aforro de enerxía e o benestar animal. Por outra banda, non é frecuente o emprego da concentración de amoníaco para o control ambiental neste tipo de aloxamentos, a pesares do seu impacto no medio ambiente, o benestar animal e a saúde dos traballadores. Por isto, neste traballo determináronse os efectos da temperatura de consigna para o control ambiental na evolución diaria da concentración de NH3 na zona ocupada por animais. Como resultado, propóñense ecuacións susceptibles de ser implementadas en controladores convencionais para o control ambiental en tempo real, co que se van mellorar o benestar e a produtividade dos animais. ÍNDICE 1. INTRODUCCIÓN.................................................................................................................................... 1 1.1 INDICADORES DEL SECTOR.................................................................................................................................1 1.1.1 Sector porcino en España.......................................................................................................................2 1.1.2 Sector porcino en Galicia........................................................................................................................3 1.1.3 El sector porcino en España respecto al resto de países........................................................................5 1.2 VARIABLES AMBIENTALES EN EXPLOTACIONES DE GANADO PORCINO DE TRANSICIÓN..................................................6 1.3 SISTEMAS DE CONTROL AMBIENTAL EN EXPLOTACIONES DE GANADO PORCINO..........................................................8 2. HIPÓTESIS Y OBJETIVOS GENERALES Y ESPECÍFICOS.............................................................................11 3. METODOLOGÍA................................................................................................................................... 13 3.1 ENSAYO EXPERIMENTAL...................................................................................................................................13 3.2 MEDICIÓN Y DETERMINACIÓN DE VARIABLES......................................................................................................14 3.3 METODOLOGÍA ESPECÍFICA EMPLEADA PARA CARACTERIZACIÓN PRODUCTIVA, ENERGÉTICA Y AMBIENTAL A LO LARGO DE LOS CICLOS ANALIZADOS.......................................................................................................................................16 3.4 METODOLOGÍA EMPLEADA EN LA VALIDACIÓN DEL MODELO ARIMA DE ESTIMACIÓN DE LA TEMPERATURA EN LA ZONA ANIMAL..............................................................................................................................................................17 3.4.1 Modelo..................................................................................................................................................17 3.4.2 Análisis estadístico................................................................................................................................18 3.5 METODOLOGÍA PARA LA GENERACIÓN DEL MODELO SENOIDAL DE LA CONCENTRACIÓN DE AMONÍACO A DISTINTAS TEMPERATURAS DE CONSIGNA...............................................................................................................................18 3.5.1 Análisis matemático:............................................................................................................................19 4. DISCUSIÓN GENERAL.......................................................................................................................... 21 4.1. CARACTERÍSTICAS ENERGÉTICAS, PRODUCTIVAS Y AMBIENTALES DE UNA GRANJA DE PRODUCCIÓN DE LECHONES DESTETADOS EN EL NOROESTE DE ESPAÑA...............................................................................................................23 4.2. VALIDACIÓN DE UN MODELO ARIMA PARA LA ESTIMACIÓN DE LA TEMPERATURA EN LA ZONA ANIMAL EN UNA EXPLOTACIÓN PORCINA DE LECHONES DESTETADOS...................................................................................................28 4.3. EVOLUCIÓN DE LA CONCENTRACIÓN DE NH3 EN NAVES DE LECHONES DESTETADOS EN FUNCIÓN DE LA TEMPERATURA DE CONSIGNA..........................................................................................................................................................29 5. CONCLUSIONES................................................................................................................................... 35 6. REFERENCIAS...................................................................................................................................... 37 ANEXO I: ARTÍCULOS PUBLICADOS 1. INTRODUCCIÓN El sector ganadero en general y el porcino en particular son sectores dinámicos, en continua evolución, adaptándose a los distintos cambios que determinan los mercados, la legislación y los avances tecnológicos. La continua evolución de la población mundial junto con la globalización dio lugar a una mayor demanda de alimentos, en concreto carne de cerdo, generando de este modo un nicho productivo que está siendo aprovechado por explotaciones antiguas que se adaptan a los modernos sistemas y nuevas explotaciones. En Galicia tradicionalmente el sector del porcino se dedicaba al autoconsumo con pequeñas cantidades destinadas a la venta, con la aparición de las primeras fábricas de pienso sobre la mitad del siglo XX y las primeras empresas integradoras esta concepción productiva evolucionó hacia el abastecimiento del mercado interior y de proximidad. Con los avances tecnológicos y el cambio de visión productiva se fue pasando progresivamente de una economía complementaria a la producción láctea, a un sistema de producción que se imponía como el principal en las explotaciones ganaderas. Gran parte de esta evolución se debió a la baja necesidad de terreno para la producción de porcino (ganadería sin tierra). En los últimos años y debido a la mayor sensibilización ecológica y respeto por el medio ambiente, así como por el bienestar de los animales, este concepto comienza a mudar y se empiezan a tener más en cuenta los impactos ambientales generados por los residuos (sobre todo purines), así como por la emisión de gases, derivados de la propia actividad animal, como de las necesidades productivas (principalmente calefacción). Además, es preciso tener en cuenta las condiciones de habitabilidad requeridas para que el animal, durante el período productivo, se encuentre en condiciones idóneas de bienestar, actuando sobre las densidades en granjas y el control ambiental de las mismas. En resumen, en Galicia, en el sector porcino, se pasó de una economía de autoconsumo a otra productiva complementaria de la principal (láctea), hasta llegar a una producción industrial donde los distintos parámetros ambientales, de bienestar animal o de generación de residuos han de ser controlados. 1.1 INDICADORES DEL SECTOR Uno de los retos que se le plantea al sector ganadero y por tanto, a los distintos estamentos que lo componen, productores, distribuidores, integradoras, técnicos, etc., es contribuir a la alimentación de una población mundial en constante crecimiento que, según Naciones Unidas, puede pasar de los 7.700 millones actuales a los 9.700 en 30 años, es decir en el entorno del año 2050. No se consideran estimaciones a más largo plazo, aunque pronostican una continuidad en la línea de crecimiento poblacional. Si a esto le unimos la tendencia a la globalización mundial, con la internacionalización de los mercados y la facilidad para el transporte, tanto de animales como de canales de carne, nos veremos ante un futuro con una mayor demanda mundial de carne, independiente del lugar de producción, decidiéndose éste por la mayor adecuación, mayor implante tecnológico y menores costes productivos. EUGENIO LOSADA VÁZQUEZ 2 1.1.1 Sector porcino en España El sector porcino español tiene una importancia clave en la economía de nuestro país ya que supone en torno al 16% (15,7% en el año 2021), de la Producción Final Agraria. Dentro de las producciones ganaderas, el sector porcino ocupa el primer lugar en cuanto a su importancia económica alcanzando el 42,4% de la Producción Final Ganadera (Fuente: SG. Análisis, Coordinación y Estadística, MAPA). A nivel mundial, la UE-28 es el segundo productor de carne de porcino, después de China. Individualmente, España es la cuarta potencia productora (después de China, EEUU, y Alemania), mientras que, a nivel europeo, España ocupa el segundo en producción con un 19,5% de las toneladas producidas (datos 2019, Fuente: EUROSTAT y SG Análisis, Coordinación y Estadística, MAPA), por detrás de Alemania, y es el primer país de la UE en censo desde que en 2015 superó a Alemania en población porcina, con el 21,1% del censo comunitario, con ligeros incrementos anuales de este porcentaje (Fuente: EUROSTAT y SG Análisis, Coordinación y Estadística, MAPA). Durante los últimos años el sector porcino ha crecido notablemente, tanto en producción, como en censos y en número de explotaciones, gracias al empuje de los mercados exteriores apoyado, a su vez, en la competitividad del sector en el mercado mundial. Este aumento de la producción ha incrementado la ya elevada tasa de autoabastecimiento, el 170,9 % en el año 2018 (Fuente: SG de Análisis, Coordinación y Estadística, DatacomexAEAT, INE) lo que convierte a la exportación en un elemento esencial para el equilibrio del mercado. Con una balanza comercial muy positiva, España se ha consolidado como segundo mayor exportador de porcino de la UE, solo por detrás de Alemania, aumentando espectacularmente las exportaciones a terceros países, especialmente a China, debido en parte a la peste porcina africana (PPA) y otros países del Sudeste asiático (figs. 1 y 2). Figura 1. Producción de carne de cerdo en la UE durante el año 2019. Fuente: DATACOMEX, Agencia Estatal de Administración Tributaria (AEAT).2020 Reproducción autorizada indicando publicación y fecha. INTRODUCCIÓN 3 Figura 2. Evolución del censo porcino de la UE. Fuente: DATACOMEX, Agencia Estatal de Administración Tributaria (AEAT).2020 Reproducción autorizada indicando publicación y fecha. Como se puede observar en los gráficos adjuntos, el censo de animales ha crecido en todas las categorías, incrementando el peso del sector dentro de la UE, siendo España la zona de Europa donde mayor incremento se ha notado. Esto se puede extrapolar a las distintas comunidades autónomas, si bien durante 2019, entre las grandes productoras, ha destacado el incremento de censo en Galicia (+12,5%), Castilla y León (+2,9%), Cataluña (+1,7%) y Aragón (+1,5%). En cuanto al número de granjas o explotaciones, el sector ha sufrido una profunda reestructuración reduciéndose de manera tangible, pasando en los últimos años de 99.561 explotaciones a 92.758. Si a esto le unimos que el censo ganadero aumentó, prácticamente duplicándose en ese mismo período, se puede concluir que la tendencia es a la desaparición de las explotaciones más reducidas modificándose la producción hacia granjas más intensivas. Ello es posible gracias a las posibilidades que ofrece la mejora genética junto con las nuevas tecnologías, sobre todo de control ambiental y automatización, lo que posibilita, por un lado, aumentar la producción y, por otro, reducir los costes productivos, con una mejora de las condiciones ambientales y un menor coste de la mano de obra, respetando las condiciones de bienestar ambiental y cuidado del medio ambiente. 1.1.2 Sector porcino en Galicia El sector del porcino en Galicia presenta grandes similitudes con el sector nacional, pero al tiempo tiene una serie de peculiaridades significativas, representativas de la evolución en el tiempo. Estas peculiaridades pueden marcar las líneas de progresión del sector, adaptándose a las nuevas situaciones, tanto de implantación de nuevas tecnologías, como de control ambiental, condiciones de los animales y respeto con el medio ambiente. Todos estos condicionantes llevan aparejado un estudio de las condiciones de las explotaciones, tanto de las de nueva creación, como de las existentes y en buen grado de las condiciones ambientales y energéticas a fin de adaptarse a las condiciones productivas de la UE y la mejora de rendimiento ganadero con el abaratamiento de costes que ello podría implicar. EUGENIO LOSADA VÁZQUEZ 4 Como se indicó, el sector porcino va cobrando importancia económica en Galicia, situándose en la actualidad como uno de los principales de la producción ganadera. A nivel nacional, esa importancia queda patente por el número de explotaciones presentes, conforme a los datos del año 2019, donde se puede apreciar que a nivel nacional el número de explotaciones presentes en Galicia representa la tercera parte de las explotaciones a nivel nacional (fig. 3). Figura 3. Distribución del nº total de explotaciones de ganado porcino por comunidades autónomas en al año 2020. Fuente: DATACOMEX, Agencia Estatal de Administración Tributaria (AEAT).2020 Reproducción autorizada indicando publicación y fecha. No obstante, y esta es una de las peculiaridades más significativas del sector productivo en Galicia, ese elevado peso en el número de explotaciones no se traduce directamente en un mayor censo de porcino en la comunidad, es decir, a pesar del elevado número de explotaciones, éstas resultan de un tamaño inferior a la media (fig. 4), pudiéndose comprobar que un 34% de las explotaciones suponen un 4% del censo ganadero, siendo además en Galicia la práctica totalidad de las explotaciones de sistema productivo intensivo. Esto es debido fundamentalmente al pequeño tamaño de las explotaciones, factor que suele ir ligado a menor automatización y controles ambiental y energético. Son explotaciones familiares de escasa implantación tecnológica. INTRODUCCIÓN 5 Figura 4. Distribución del censo porcino en España por comunidades autónomas. Fuente: DATACOMEX, Agencia Estatal de Administración Tributaria (AEAT).2020 Reproducción autorizada indicando publicación y fecha. No obstante, la evolución en la comunidad es hacia explotaciones de mayor tamaño, mayor grado de automatización, con menor dependencia de la mano de obra y controles ambientales más desarrollados. En ese aspecto es donde pretende incidir la presente tesis, analizando las características energéticas, productivas y medioambientales de las granjas porcinas con el fin de implementar procesos tecnológicos que redunden en un control ambiental más eficiente para mejorar las condiciones de bienestar de los animales y reducir el impacto ambiental derivado de la producción, con la consiguiente mejora en el rendimiento de las explotaciones. 1.1.3 El sector porcino en España respecto al resto de países Los datos de comercio exterior de 2019 han supuesto un importante cambio de tendencia en las exportaciones de carne de porcino españolas, con una nueva aceleración de las mismas y un incremento del 29%, con respecto al año anterior, como consecuencia del espectacular incremento, del 58,3%, de las exportaciones a países terceros (fig. 5). EUGENIO LOSADA VÁZQUEZ 12 of an AutoRegressive Integrated Moving Average model for the prediction of animal zone temperature in a weaned piglet building. Biosystems Engineering, 174, 231-238. https://doi.org/10.1016/j.biosystemseng.2018.07.012. 3. Determinar niveles de concentración de NH3 a través de otras variables de más fácil medición en explotaciones porcinas de transición que permitan el diseño de estrategias de reducción de la concentración de NH3 a bajo coste. Para ello se obtendrán los patrones diarios de la concentración NH3 en la zona ocupada por animales de una explotación convencional de transición y su relación con la temperatura de consigna definida en los sistemas de climatización. Mediante estos patrones, la concentración de NH3 puede incorporarse en sistemas de control convencionales con la temperatura como variable de entrada única aplicando un algoritmo sencillo basado en las variables utilizadas por el sistema de climatización. Como resultado, los sistemas de control ambiental contribuirán a disminuir el impacto ambiental de la producción ganadera y la mejora del estado de bienestar animal, manteniendo la productividad. Este objetivo se aborda en el artículo: Rodriguez, M. R., Losada, E., Besteiro, R., Arango, T., Velo, R., Ortega, J. A., & Fernandez, M. D. (2020). Evolution of NH3 Concentrations in Weaner Pig Buildings Based on Setpoint Temperature. Agronomy, 10(1), 107. https://doi.org/10.3390/agronomy10010107. El objetivo general de este trabajo es la obtención de un conjunto de herramientas de fácil implementación en los sistemas de control ambiental y a bajo coste en explotaciones convencionales de transición de ganado porcino para contribuir a una producción más sostenible, ambientalmente eficiente y centrada en el bienestar animal. 3. METODOLOGÍA 3.1 ENSAYO EXPERIMENTAL El estudio se realizó en una sala de transición para lechones de 6 a 20 kg de peso vivo en una granja porcina con capacidad para 4.895 cerdas. La finca está ubicada en el noroeste de España (ED50: 43º10’15’’N 8º 19 ’24’ ’W), en una región de clima oceánico y con alta densidad ganadera. Las dimensiones interiores de la sala fueron de 11,82 m de largo por 5,86 m de ancho y de 2,50 a 2,25 m de alto. La sala contenía seis corrales a cada lado de un pasillo central y albergaba un máximo de 300 lechones (fig. 6). El sistema de ventilación estaba compuesto por un extractor helicoidal de 500 mm con las siguientes especificaciones: 230 VAC, 50 Hz, 1.330 rpm y 480 W de potencia. La sección de entrada de aire al ventilador permitía su regulación manual mediante un sistema de compuerta mediante el que se limitaba la sección al principio del ciclo, con mayores secciones con el paso del tiempo. El aire fresco entraba en la sala a través de dos ventanas con deflectores de aire en la pared opuesta al ventilador, a cada lado de la puerta de entrada a la sala. El sistema de calefacción por suelo radiante estaba compuesto por dos placas de poliéster de 1,20 x 0,40 m calefactadas por agua, con una capacidad de 2,90 l, colocadas en el centro de cada corral. Figura 6. Planta y sección de la sala de transición y ubicación de los sensores. Air velocity transmitter Boxes Air inlet Troughs Plan Slat Outlet duct Heating plate Exhaust fan Pit A' Breeding system A Water trough Section A-A' Sensors in the animal zone Fan controller U, I measurement EUGENIO LOSADA VÁZQUEZ 14 3.2 MEDICIÓN Y DETERMINACIÓN DE VARIABLES Se midieron variables ambientales que afectan al bienestar animal y a la producción que podrían medirse e implementarse fácilmente en granjas convencionales, así como otros datos necesarios para la validación del modelo de temperatura en la zona animal y de estimación de patrones de NH3. Los sensores deben ser económicos, robustos, confiables y capaces de proporcionar mediciones a largo plazo con un mantenimiento mínimo, de manera que puedan incorporarse fácilmente a los controles ambientales. Esto no es aplicable a la medición de la concentración de amoníaco, donde el objeto es determinar su comportamiento para inferir esa medición en base a otros sensores que cumplan las anteriores especificaciones. En consecuencia, la variable más importante fue la temperatura interior (Doltz et al., 2015; Peters et al., 2012; Huynh et al., 2005; Guo et al., 2001), que es la base del sistema de control ambiental. Se utilizó la humedad relativa debido a sus efectos sobre el bienestar animal y el balance energético (Chen y Liu, 2019; Doltz et al., 2015; Huynh et al., 2005; Guo et al., 2001). Además, se midió la velocidad del aire en la zona de los animales porque los animales son muy sensibles a las corrientes de aire durante el posdestete (Forcada et al., 2009). Se midió también la concentración de CO2 (Chen y Liu, 2019; Peters et al., 2012; Besteiro et al., 2017) porque, a diferencia de otros gases, el CO2 cumple los criterios definidos para la selección de variables. Finalmente, se midió la concentración de NH3. Por tanto, las variables medidas dentro de la habitación fueron temperatura, humedad, concentración de CO2, concentración de NH3 y velocidad del aire (fig. 6). Los sensores utilizados para medir las variables de confort ambiental interior se dispusieron en un corral central, en una jaula protectora en la zona animal, a 0,40 m de altura. Los sensores utilizados para medir cada una de las variables ambientales fueron: • Humedad (HRaz) y la temperatura (Taz) en la zona ocupada por animales se midieron utilizando sensores modelo S-THB-M008 (Onset Computer Corporation, Bourne, MA, EE. UU.), con rango de medición de temperatura de 40-75º C, precisión de 0,21 ºC en el rango de 0-50 ºC, y rango de humedad relativa del 0% al 100% y precisión del 2,50% del 10% al 90% de humedad relativa. • Concentración de CO2 en la zona animal (CCO2) se midió utilizando transmisores Delta Ohm HD37BTV.1 con tecnología infrarroja de doble onda (NDIR) y rango de medición de 0 a 5000 ppm. • Concentración de NH3 en la zona ocupada por animales (CNH3): detector electroquímico ST – IAM IP66 (Murco Ltd, Dublín, Irlanda) con protección contra salpicaduras, rango de detección de 0 a 100 ppm, precisión del 5%, corrección de temperatura y calibración de fábrica de cero automático antes de la instalación, implementada con un filtro de partículas hecho de tela metálica con un ancho de apertura de 0,168 mm y un diámetro de alambre de 0,110 mm. • Velocidad del aire en la zona animal (v) se midió utilizando una sonda omnidireccional de alambre caliente Delta Ohm HD103T.0, con un rango de medición de 0,08 a 5 m s-1. Además, se midió la temperatura del aire fresco en la entrada de aire (Tac) con sensores de tipo de coeficiente de temperatura negativo, modelo 107 (Campbell Scientific Ltd., Loughborough, Reino Unido), con rango de medición de -35–50 ºC y un error de intercambiabilidad del termistor <±0,20 C en el rango de 0 a 50 ºC. Varios autores midieron las variables energéticas (Doltz et al. 2015; Schauberger et al., 2000). Para determinar la energía de calefacción y ventilación y las tasas de ventilación, se midieron los siguientes parámetros utilizando los sensores que se describen a continuación: • Caudal del sistema de calefacción (Qhs): Caudalímetro ultrasónico Siemens SITRANS F US Clamp-on FST020 IP65 NEMA 4X. METODOLOGÍA 15 • Temperatura en la entrada (Ti) y salida (To) del sistema de calefacción: Campbell Scientific Ltd modelo 108, con un rango de medición -5 ° - + 95 °C,> ± 0.5ºC. • Voltaje de funcionamiento del ventilador (U): Transformador de potencial de CA Magnelab (PT) T-MAG-SPT-600 (Onset Computer Corporation), que, conectado a un módulo TRSM de Onset Computer Corporation, proporcionó un valor efectivo. • Corriente de funcionamiento del ventilador (I): Transformador de corriente CA Magnelab SCT-0750-050 (Onset Computer Corporation), que, conectado a un módulo TRSM de Onset Computer Corporation, proporcionó un valor efectivo. •Velocidad del aire extraído a través del sistema de ventilación (vm): Transmisor activo de velocidad del aire Delta Ohm HD2903TTC310 instalado en la salida del ventilador según el método de Hinz y Linke, 1998, y adaptado a la sonda utilizada. El anemómetro dispone de un rango de medición entre 0,05 y 20 m s-1, con un rango de funcionamiento entre -10 y 60 ºC. Las temperaturas medidas con las sondas de temperatura 107 y 108 (Tac, Ti y To) se almacenaron en un registrador de datos Campbell Scientific Ltd. CR-10X. El resto de las mediciones en interiores se almacenaron en un registrador de datos HOBO H-22 de Onset Computer Corporation. Además de las variables interiores anteriores, se midieron algunas variables ambientales exteriores debido a sus efectos sobre el balance energético del edificio y para la validación del modelo de temperatura tales como la temperatura (Tout) (Schauberger et al., 2000) y la humedad, HRout (Doltz et al., 2015). Además, se midieron la presión atmosférica, la velocidad y la dirección del viento. Las variables exteriores se midieron utilizando una estación meteorológica EIC Control U-30 de Onset Computer Corporation. Todas las variables se muestrearon a intervalos de 1 segundo y se almacenaron los valores medios cada 10 minutos. Los datos fueron almacenados entre el 6 de octubre de 2011 y el 12 de mayo de 2013, a lo largo de nueve ciclos de destete (tabla 1). Además, los lechones se pesaron al entrar, en un punto intermedio del ciclo (entre los días 9 y 22) y al salir de la sala de transición. Diariamente, se registraron las temperaturas de consigna (TS) introducidas a lo largo de cada ciclo, así como la apertura de la sección del sistema de ventilación (Sao). Finalmente, se recopilaron datos de las tasas de mortalidad de los lechones para cada ciclo. Estas tasas de mortalidad se estimaron a partir de las observaciones diarias realizadas en la sala para cada ciclo de producción. Dados la duración del ensayo experimental y el número de variables medidas y, en consecuencia, la gran cantidad de datos obtenidos, éstos fueron la base de distintas tesis doctorales, dos de ellas previas al presente trabajo (Ortega, 2015; Arango, 2017). Fecha Ciclos I II III IV V VI Inicio 06/10/2011 21/11/2011 09/01/2012 26/02/2012 12/04/2012 31/05/2012 Fin 16/11/2011 03/01/2012 20/02/2012 04/04/2012 21/05/2012 11/07/2012 VII VIII IX Inicio 19/07/2012 25/02/2013 11/04/2013 Fin 31/08/2012 08/04/2013 21/05/2013 Tabla 1. Fechas de inicio y finalización de cada uno de los ciclos de transición. Para la caracterización productiva, energética y ambiental de la explotación se emplearon datos de los ciclos I a VII. Para la validación extensa del modelo ARIMA de temperatura en la zona animal, se emplearon datos de los ciclos II a VII y del ciclo IX (numerados en el artículo con números arábigos 1-7). Dada la dificultad de medición prolongada de la concentración de amoníaco, para obtención de su modelo senoidal se emplearon datos del ciclo VIII, durante el EUGENIO LOSADA VÁZQUEZ 16 cual los datos de temperatura exterior fueron proporcionados por la red de estaciones meteorológicas públicas de Meteogalicia, en particular por la estación meteorológica Abegondo (43º24’14” N, 8º26’22” W; elevación: 94 m). Los requisitos de energía del sistema de calefacción para cada ciclo, Whs en kJ, se determinaron a partir de la siguiente expresión: W!" "= $ Q!"ρc(T#−T$)"∆t % &" Donde n es el número de intervalos medidos por ciclo; Qhs es el flujo promedio del sistema de calefacción medido por el caudalímetro a intervalos de 1 segundo y almacenado a intervalos de 10 minutos, en m3 s-1; ρ es la densidad del agua, 9.933,7 kg m-3; c es la capacidad calorífica de volumen específico del agua a 30ºC, 4,178 kJ kg-1ºC-1; Ti y To son las temperaturas del agua que fluye dentro y fuera del sistema de calefacción, respectivamente, en ºC; y ∆t es el tiempo para cada intervalo de medición, 600 s. Los requisitos de energía eléctrica para el sistema de ventilación forzada, Wvs en kJ, se calcularon utilizando la siguiente expresión: W'" "= $ UIcosφ"∆t % &" Donde n es el número de intervalos medidos por ciclo; U es la tensión de funcionamiento del ventilador, en V; I es la corriente de funcionamiento del ventilador, en A; cosφ es el factor de potencia del ventilador y ∆t es el tiempo para cada intervalo de medición, 600 s. El caudal de aire extraído a través del ventilador, Q en m3 s-1, se determinó mediante la siguiente expresión: Q"="1.401"vm"S" Donde 1.401 es la relación entre la velocidad promedio y la velocidad medida experimentalmente, vm es la velocidad medida en m s-1 y S es la sección del conducto de medición, 0.302 m2. El volumen de aire extraído, Vao en m3, se estimó a partir de la siguiente expresión: Vao"="Q"∆t"" Donde Q es el caudal de aire extraído a través del ventilador en m3 s-1 y ∆t es el intervalo entre mediciones (600 s). 3.3 METODOLOGÍA ESPECÍFICA EMPLEADA PARA CARACTERIZACIÓN PRODUCTIVA, ENERGÉTICA Y AMBIENTAL A LO LARGO DE LOS CICLOS ANALIZADOS Se realizó un análisis descriptivo integral de las variables ambientales medidas en la zona animal para todo el conjunto de datos, para cada ciclo y para los períodos crítico, poscrítico y final. Para determinar si se debe utilizar una prueba paramétrica o no paramétrica, se utilizó la prueba de Kolmogorov-Smirnov para probar la normalidad. El análisis del conjunto de los datos de cada ciclo reveló que las variables de estudio no se adaptan a una distribución normal. Sin embargo, estas estadísticas son demasiado sensibles a pequeñas desviaciones de la normalidad cuando se utilizan muestras grandes. Se recolectaron muestras aleatorias de 300 observaciones para cada variable y ciclo, de manera que las pruebas de normalidad pudieran usarse sin pérdida de confiabilidad. Por lo tanto, todas las variables fueron normales, ya sea directamente (temperatura durante el ciclo I, humedad relativa durante los ciclos I y VII y concentración de CO2 durante el ciclo I) o utilizando el Sistema de Distribuciones de Johnson. En consecuencia, se realizó un análisis paramétrico. METODOLOGÍA 17 Como los datos no satisfacían el supuesto de homocedasticidad según la prueba de Levene, no se pudo utilizar ANOVA. Los estadísticos de Brown-Forsythe (Brown y Forsythe, 1974) y Welch (Welch, 1947), utilizados por Di Pasquale, (2019), proporcionan una alternativa sólida al estadístico ANOVA F cuando no se cumple el supuesto de homocedasticidad. La prueba post-hoc de Games-Howell es apropiada cuando no se satisface el supuesto de homogeneidad de las varianzas (Pardo-Merino y Ruiz, 2005; Li et al., 2019). Por lo tanto, se utilizaron las pruebas de Brown-Forsythe, Welch y Games Howell para determinar cómo la evolución del clima afectó los ciclos de producción y cómo los períodos de cada ciclo afectaron las variables ambientales en la zona animal. El nivel de significancia fue 0.05. El software estadístico utilizado fue R, versión R-3.3.2. 3.4 METODOLOGÍA EMPLEADA EN LA VALIDACIÓN DEL MODELO ARIMA DE ESTIMACIÓN DE LA TEMPERATURA EN LA ZONA ANIMAL 3.4.1 Modelo El método ARIMA se basa en la suposición de que las observaciones pasadas pueden explicar la evolución presente y futura de series temporales. En los modelos ARIMA, se pueden incorporar variables exógenas relacionadas con la variable dependiente del estudio, conocida como predictor o independiente. Hay tres básicos de componentes en un modelo ARIMA: AutoRegresión, Integración y media móvil. El modelo ARIMA investigado en este trabajo fue elaborado por Ortega (2015) y Besteiro et al. (2017). El modelo permite la predicción de valores diezminutales de la zona animal temperatura para un ciclo completo de producción de aproximadamente 6 semanas. El modelo incluyó las siguientes variables predictoras: (1) el clima exterior, definido por la temperatura del aire exterior (Tout), (2) la operación del sistema de ventilación, definido por el área de la sección de salida de aire (Sao) y el volumen de extracción aire (Vao) y (3) la masa corporal de los animales (Wa). Los modelos más usuales de crecimiento porcino muestran un ajuste exponencial subyacente (Vincek et al., 2012; Wellock, Emmans y Kyriazakis, 2003). Por ello, se utilizó este ajuste exponencial para los tres pesajes realizados para obtener valores diezminutales de masa corporal animal. El modelo muestra una estructura 2,1,2, (p, d, q), lo que indica el orden más alto de cada componente, dos retrocesos para el orden de retardo (p), solo un retroceso para el grado de diferenciación (d) y dos retrocesos para la ventana de promediación (q) de la variable predicha. La estructura del modelo muestra los máximos retrocesos necesarios para cada componente de la variable predicha. La tabla 2 muestra los retrocesos aplicados para cada componente (p, d, q) de las variables de estudio. Así, la serie para todas las variables se han diferenciado de los valores anteriores (d = 1). Para predecir Taz, se emplearon el primer y segundo retroceso para el componente autorregresivo y solo un retroceso para el componente de media móvil. Para las variables predictoras, se emplearon los valores actuales y un retroceso para el autorregresivo componente. No se aplicó la media móvil a las variables predictoras. De entre los modelos desarrollados por Besteiro et al. (2017), se eligió el Modelo 4.4 porque mostraba un nivel de significación de 0,055, lo que permitió suposición de la aleatoriedad de sus residuos al 95% de confianza nivel. Este modelo fue el único modelo que describió la evolución de la variable, en la medida en que produjo una serie de residuos con una estructura que era similar a la de Gauss, es decir, ruido blanco. EUGENIO LOSADA VÁZQUEZ 18 Componente Taz (ºC) Tao (ºC) Sao (cm2) Vao (m3) Wa (kg) p 1 2 0 1 0 – 1 – 0 – d 1 1 1 1 1 q 1 – – – – Tabla2. Retrocesos para cada componente, orden de retraso (p), grado de diferenciación (d) y ventana de promedio (q) de la variable prevista, temperatura de la zona animal (Taz); p y d de las variables predictoras temperatura del aire exterior (Tao), área de la sección de salida del aire (Sao), volumen de aire extraído (Vao) y masa corporal animal (Wa). Para validar el modelo se utilizaron siete ciclos productivos, II, III, IV, V, VI, VII y IX, con una duración promedio de 41,71 días entre el 21 de noviembre de 2011 y el 20 de mayo de 2013 (tabla 1), los cuales no incluyeron los periodos utilizados para el diseño del modelo. Se midieron las siguientes variables: Taz, Tao, Sao, Vao y Wa. 3.4.2 Análisis estadístico Para determinar la precisión y solidez del modelo se analizaron las diferencias entre los valores medidos y predichos para cada ciclo validado. Los estadísticos utilizados fueron: Error porcentual absoluto medio (MAPE): MAPE= ∑? X(−X A ( ? ( ()* ∙100 X( n Donde: Xt es el valor medido en el momento t, X A ( es el valor predicho por el modelo en el momento t y n es el número de registros. Error medio (ME): ME= ∑D X−X A ( E ( ()* n Raíz del error cuadrático medio (RMSE): " RMSE= G∑D X(−X A ( E ( ()* n Coeficiente de determinación (R2) R+= ( COV,, -) σ, +σ, - + Donde: 𝐶𝑂𝑉.. / es la covarianza de X y 𝑋 O, 𝜎. + es la desviación estándar de X y "𝜎. / + es la desviación estándar de 𝑋 O. Los parámetros y la estructura del modelo ARIMA se estimaron utilizando el módulo Expert Modeler incluido en SPSS Statistics 19 (SPSS Inc., Chicago, IL, EE. UU.). 3.5 METODOLOGÍA PARA LA GENERACIÓN DEL MODELO SENOIDAL DE LA CONCENTRACIÓN DE AMONÍACO A DISTINTAS TEMPERATURAS DE CONSIGNA Las temperaturas de consigna para el control ambiental de la sala y los períodos de medición para cada una de ellas son los que se muestran en la tabla 3 METODOLOGÍA 19 TEMPERATURAS DE CONSIGNA PARA EL CONTROL AMBIENTAL Y PERÍODOS DE MEDICIÓN TEMPERATURA DE CONSIGNA (ST) (ºC) 26 25 24 23 Fecha comienzo 2 marzo 8 marzo 19 marzo 27 marzo Fecha fin 6 marzo 17 marzo 25 marzo 7 abril Nº de días 5 10 7 12 Sección entada aire ventilador (m2) 0.0707 0.0962 0.1256 0.1963 Tabla 3. temperaturas de consigna para el control ambiental y períodos de medición 3.5.1 Análisis matemático: Se estimó la concentración media de NH3 en cada temperatura de consigna cada diez minutos, lo que proporcionó un patrón de evolución diario promedio que se ajustó por mínimos, cuadrados a una función sinusoidal, usando la siguiente ecuación: C01! ( t ) =Asin ( ωt+φ ) +B Donde: C01! es la concentración, en ppm; A es la amplitud, en ppm; ω es velocidad angular en rad min-1; φ es el ángulo inicial de fase, en rad; B es la variable independiente que representa a la concentración media diaria en la zona animal, en ppm. Para el cálculo de las distintas componentes de la función senoidal se emplearon las siguientes expresiones: A=C01!23, −C01!240 2 ω=2π T=4.36E−3 φ=ωt* C01!23, y C01!240 son las concentraciones máxima y mínima, respectivamente, en la zona animal, en ppm; T es el período de la onda, 1440 min; y t0 es el tiempo durante el cual la onda toma el valor medio, en min. La bondad de ajuste entre los valores medidos y los estimados se definió por el coeficiente de determinación (R2), la raíz del error cuadrático medio (RMSE) y la desviación estándar del error (SDE), en ppm. Además, se utilizó la Fast Fourier Transform (FFT) para el análisis armónico. Previamente, la serie temporal aditiva se descompuso en las componentes de tendencia, estacional y aleatorio. La FFT se aplicó solo a la componente estacional de la serie, lo que proporcionó una buena representación del promedio de los días analizados. 4. DISCUSIÓN GENERAL Actualmente, en las explotaciones tradicionales lo más usual es el control ambiental en función de la temperatura en el interior del alojamiento mediante el empleo de una o varias sondas de temperatura. Sin embargo, cada día se van implantando controles más exhaustivos, que implican el estudio de otros parámetros, como pueden ser humedad relativa, concentraciones de amoníaco (NH3) o de dióxido de carbono (CO2), etc., que determinan de una forma más exhaustiva la calidad del aire en los alojamientos, lo que redunda en una mejora del bienestar animal, con las ventajas en cuanto a sanidad de los animales y rendimientos que esto implica, así como un mayor y mejor control de las emisiones. No obstante, la incorporación de estos parámetros en los sistemas de control presenta una serie de inconvenientes, como pueden ser las dificultades en su medición, los costes de instalación y mantenimiento o la interacción entre los distintos parámetros que intervienen en el control. De todos modos, el coeficiente beneficios/costes de su empleo es tan evidente, que la tendencia actual debe de ser a una progresiva implantación de los mismos. Además, en las actuales condiciones, los costes energéticos y las emisiones de gases al exterior, obligan a analizar y a tener en cuenta todos estos parámetros, ya que inciden directamente en la ventilación con la que se va a realizar la renovación del aire, reduciendo las concentraciones de gases no deseados como el CO2 y NH3. La T.D. trata dos aspectos fundamentales en explotaciones de producción de lechones: el bienestar animal y la eficiencia energética, siempre en relación con el control ambiental de sus instalaciones. Así, el primer trabajo identifica como principal problema, en granjas con control ambiental basado en la temperatura, la falta de adecuación de esta variable a los requerimientos exigidos por el animal durante determinados períodos de tiempo. En este caso el exceso de temperatura producido se relaciona con la inercia térmica vinculada al funcionamiento del sistema de climatización, formado por dos equipos, calefacción y ventilación, que a su vez tienen diferentes tiempos de respuesta. Mientras que la respuesta del sistema de calefacción es lenta, del orden de horas, para conseguir las diferentes temperaturas dentro del local a lo largo del ciclo; la ventilación consigue efectos mucho más rápidos, del orden de minutos, de cara a la calidad ambiental, pero a su vez es mucho más dependiente de la temperatura exterior. Este déficit en la climatización supone también una carencia en el bienestar de los lechones, así como un incremento del consumo energético necesario para el sistema de calefacción. Por todo lo anterior, centrándonos únicamente en la variable temperatura, existe una amplia posibilidad de mejorar el sistema mediante una mejor adecuación del mismo a las temperaturas demandadas, lo que supondría un ahorro energético. La solución a ambos problemas pasa por la predicción de las temperaturas en el interior del alojamiento en períodos de tiempo compatibles con los del sistema de control. Para ello, el empleo de modelos de simulación es de gran importancia y deben de incluir información de otras variables ambientales, del sistema de climatización y de los animales. Un modelo que reúne todos estos condicionantes es el modelo autorregresivo integrado de media móvil, ARIMA, formulado por Besteiro et al. (2017). Sin embargo, su empleo está limitado por la falta de validación, lo cual es ampliable a otros similares (Daskalov, 1997; Schauberger y Pilati, 1998; Seo et al., 2012; Cooper et al., 1998; van Wagenberg et al., 2004; Rojano et al., 2016; Upachaban et al., 2016). La validación de los modelos para poder ser empleados como parte del sistema de control es indispensable, ya que, de otro modo, los resultados obtenidos no tendrían precisión suficiente EUGENIO LOSADA VÁZQUEZ 28 Sin embargo, la mayoría de los modelos para la predicción de variables ambientales interiores dentro de los alojamientos ganaderos encontrados en la literatura están orientados a estimar la tasa de ventilación necesaria para obtener valores adecuados de temperatura, humedad relativa y concentraciones de contaminantes. Hasta la fecha, los modelos para la predicción de la temperatura interior rara vez han sido validados. Por lo tanto, en la segunda parte de este trabajo se plantea la validación de un modelo de estimación de la temperatura en el interior del alojamiento, en la zona animal, que sea fácilmente incorporable a los sistemas de control ambiental. 4.2. VALIDACIÓN DE UN MODELO ARIMA PARA LA ESTIMACIÓN DE LA TEMPERATURA EN LA ZONA ANIMAL EN UNA EXPLOTACIÓN PORCINA DE LECHONES DESTETADOS El desarrollo de modelos de predicción que ayuden a comprender la evolución de las variables ambientales puede ser de gran utilidad en el desarrollo de nuevos algoritmos de control ambiental. Estos modelos se pueden utilizar para construir sistemas de control ambiental más efectivos, capaces de actuar en escenarios cambiantes con modelos flexibles y adaptables a las condiciones particulares del momento, anticipando eventos y mostrando una mejor respuesta, lo que puede mejorar el ahorro de energía y el bienestar animal, por lo que resulta fundamental una validación amplia de modelos de estimación. Por ello, en este trabajo se ha realizado la validación de un modelo autorregresivo integrado de media móvil, ARIMA, para la estimación de la temperatura interior en la zona animal, a 40 cm de altura. Realizada la validación sobre los datos obtenidos en una explotación convencional se han obtenido resultados de precisión, comparando las predicciones del modelo con los valores reales obtenidos, y de robustez, comprobando la capacidad de mantener esa precisión al variar las condiciones ambientales y de manejo de los animales. Al validar el modelo desarrollado en este trabajo se observa una elevada precisión en los diferentes ciclos, con EM entre −0,05 y 1,01 °C, lo que permite afirmar que, a pesar de los cambios en las condiciones de contorno, la precisión se mantiene estable, con muy poca dispersión de valores. Por otra parte, en la literatura científica encontramos numerosas recomendaciones y propuestas de las condiciones de confort de los animales (Le Dividich y Herpin, 1994; Van Wagenberg et al., 2005; Aarnink et al., 2006), ninguna de las cuales establece rangos de temperatura de confort inferiores a 2ºC, por lo que la predicción de la temperatura dentro de estos parámetros sería aceptable. La comparación de la precisión con respecto a otros modelos anteriores con objetivos similares es compleja debido a las condiciones particulares de cada ensayo, los periodos de validación y el tipo de error presentado. No obstante, el modelo aquí presentado es más preciso que el desarrollado por Daskalov (1997) para alojamientos de lechones destetados con ventilación natural, que obtuvo un EM de 1,12ºC. La validación del modelo realizada por Daskalov (1997) utilizó 720 registros que consistieron en temperaturas medias medidas en intervalos de 2 minutos durante tres experimentos de 8 h realizados en invierno, verano y primavera, lo que sumó 24 h de mediciones discontinuas. Por el contrario, este modelo está validado sobre siete ciclos productivos completos que suman 292 dias. Otros autores, como Schauberger y Pilati (1998), con un modelo analítico basado en balances de estado estacionario de calor sensible, humedad y CO2 o Seo et al. (2012), con un modelo CFD, obtuvieron EM de -1,40 y -0,68 °C respectivamente. Otros autores (Cooper et al., 1998; van Wagenberg et al., 2004) han propuesto métodos analíticos obteniendo EM de 0,41 y 0,83 °C, respectivamente, similares a los valores obtenidos en este trabajo. Asimismo, Rojano et al. (2016), con un modelo computacional de gradiente térmico, y Upachaban et al. DISCUSIÓN GENERAL 29 (2016) con un modelo físico de balance de calor y humedad, obtuvieron resultados acordes a los presentados en este trabajo. Las validaciones de los modelos revisados se realizaron por periodos muy cortos y, generalmente, utilizando medidas discontinuas. En contraste, nuestro modelo fue validado durante un período de 292 días, utilizando más de 36.000 registros de mediciones continuas. Excepto por los modelos desarrollados por van Wagenberg et al. (2004) y Upachaban et al. (2016), el objetivo de los modelos discutidos era predecir la temperatura interior fuera de la zona ocupada por los animales. Sin embargo, la predicción de las temperaturas interiores es más significativa en la zona ocupada por animales, donde se deben garantizar las condiciones adecuadas para el crecimiento. Las predicciones de este modelo se basan en datos previos de la temperatura interior y las variables predictoras, la temperatura del aire exterior, el área de la sección de salida, el volumen de aire extraído y el peso del animal, pueden ser medidas fácilmente. Además, este método es aplicable porque la determinación de los valores de estas variables es parte de las rutinas de manejo de la granja. El modelo ha sido desarrollado para unas características del alojamiento y climáticas concretas, lo que limita su uso a las condiciones de validación. Sin embargo, la validación del modelo durante 7 ciclos bajo diferentes condiciones ambientales, regímenes de manejo y períodos de vida animal garantiza la robustez y precisión del mismo, el cual puede adaptarse a las variaciones sustanciales en las exigencias ambientales observadas durante esta etapa de la cría (Dong y Pluske, 2007, Le Dividich y Herpin, 1994), resultado, fundamentalmente, del aumento de peso de los animales en un período de tiempo muy breve. Finalmente, indicar que se trata de un modelo dinámico de respuesta rápida (10 minutos) lo que es de gran utilidad para el análisis y optimización de sistemas de ventilación y calefacción, a pesar de la mayor inercia de la calefacción. El modelo, por tanto, se considera adecuado para su aplicación durante el ciclo completo de destete en explotaciones convencionales de producción de lechones en climas templados, pero la inclusión de otras variables, además, de la temperatura, resultan de gran interés para la mejora del bienestar animal. Las variables más destacadas para tener en cuenta para su introducción serían las concentraciones de distintos gases contaminantes como el NH3 o el CO2 o la humedad relativa. De todas ellas, en el caso de los animales monogástricos, como el cerdo, la concentración de NH3 sería sin duda la más importante, razón por la que se aborda en la parte final del trabajo. 4.3. EVOLUCIÓN DE LA CONCENTRACIÓN DE NH3 EN NAVES DE LECHONES DESTETADOS EN FUNCIÓN DE LA TEMPERATURA DE CONSIGNA El análisis de la evolución diaria de las concentraciones de NH3 en la zona ocupada por animales, realizado en función de la temperatura de consigna indica que, en general, las concentraciones medias de NH3 disminuyeron con la temperatura de consigna, oscilando entre 3,79 y 0,30 ppm para 26 y 23 °C, respectivamente. Esta reducción fue mayor cuando la temperatura de consigna se modificó de 25 a 24 °C, debido a que esta reducción de la temperatura de consigna supuso un incremento de la tasa de ventilación. A lo largo de todos los ciclos, las concentraciones de NH3 se encontraron dentro de los límites establecidos por distintos autores (Krupa, 2003; Schauberger et al., 2018; Liu et al., 2013; Clark y Tilman, 2008). Diversos autores (Ni et al., 2018; Wang et al., 2011; García-Ramos et al., 2018) han relacionado el efecto de la temperatura de consigna sobre el funcionamiento de la instalación 30 EUGENIO LOSADA VÁZQUEZ de ventilación y, en consecuencia, sobre la emisión de NH3 y, por tanto, sobre la concentración de NH3 en el alojamiento. Durante aproximadamente las dos primeras semanas de ciclo, que se corresponden con el período crítico definido por Le Dividich y Herpin (1994), las temperaturas de consigna fueron de 26 °C y 25 °C, estando la ventilación muy restringida al reducir la sección de entrada de aire del alojamiento al ventilador, debido a los estrictos requisitos térmicos de los animales y la sensibilidad de los lechones destetados a las corrientes de aire. En consecuencia, las concentraciones más altas de NH3 se produjeron durante este período. Durante el período poscrítico, cuando ya se ha establecido la ingesta regular de alimentos (Le Dividich y Herpin, 1994), las temperaturas de consigna disminuyeron a 24 y 23 °C, por lo que las restricciones de ventilación fueron menores. Esto provocó una disminución sustancial en la concentración media de NH3, pasando de 5,24 ppm durante el período crítico a 1,00 ppm en el período poscrítico. Además, la temperatura del aire en la zona ocupada por animales siempre estuvo por encima de la temperatura de consigna, con variaciones entre 2,07 y 1,56 °C para temperaturas de consigna de 26 y 23 °C, respectivamente, lo que pone de manifiesto la inercia térmica que presenta la instalación de calefacción. Estos hallazgos sugieren una mejor respuesta de la instalación de control ambiental a temperaturas de consigna más bajas. Por otra parte, y dado que la densidad del NH3 es menor que la del aire, el NH3 se va a ubicar en las capas superiores del alojamiento, por lo que es más fácil su extracción que la de otros gases, como el CO2, que se concentran en las capas más bajas. En consecuencia, los patrones de concentración de NH3 van a estar fuertemente influenciados por las tasas de ventilación, las cuales, a su vez, se vieron afectadas por las temperaturas de consigna y disminuyeron a medida que los animales incrementan su edad y, en consecuencia, su peso. La concentración media de NH3 y la humedad relativa en el interior del alojamiento mostraron un comportamiento inverso (Figura 12). Esto también fue presentado por Banhazi (2013), quien indicó que los niveles de NH3 están más estrechamente relacionados con los niveles de evaporación que con las tasas de ventilación y que los niveles de evaporación son máximos a temperaturas más altas. Figura 12. Ajuste exponencial de la concentración de NH3 y la humedad relativa (HR) en la zona ocupada por animales. Rodríguez et al . 2020. Autorización: https://www.mdpi.com/authors/rights. Concentraciones de NH3 medidas por distintos autores mostraron resultados más altos que los presentados en este trabajo debido a factores como la edad y el peso del animal (Wang et al., 2011; Banhazi, 2013; Saha et al, 2014), el sistema de ventilación (Zong y Zhang, 2015), el sistema de limpieza (Wang et al., 2011), la ubicación de la granja y el clima (Koerkamp et al., 1998; Banhazi, 2013), o la época del año (Zong y Zhang, 2015; Banhazi, 2013). Los valores obtenidos por estos autores fueron mayores que los obtenidos incluso durante la última fase de DISCUSIÓN GENERAL 31 este trabajo, durante la cual las condiciones para los animales, con un peso próximo a los 20 kg, empiezan a ser similares a las condiciones habituales de los cerdos en la fase de cebado, con niveles de NH3 de 0,30 ± 0,48 ppm y una temperatura de consigna de 23 °C. La evolución diaria de las concentraciones de NH3 observada en este trabajo difiere considerablemente del patrón observado en condiciones de laboratorio para cerdos en la fase de cebo en granjas con salas ventiladas con sistemas de presión negativa (Wang et al., 2011). Tales diferencias pueden ser debidas, fundamentalmente, a la disponibilidad de diferentes sistemas de ventilación y de limpieza. En el ensayo experimental realizado para este trabajo, el sistema de ventilación forzada eliminó efectivamente el NH3 al mediodía, evitando así una tendencia de la concentración de NH3 paralela a la de la temperatura del aire. Además, la remoción diaria de estiércol afectó abruptamente la evolución diaria de la concentración de NH3 (Wang et al., 2011), lo que no sucedió en ente trabajo, ya que la limpieza de las fosas de almacenamiento de purines se realizó al final de cada ciclo. La evolución diaria de la concentración de NH3 en las naves de destete mostró un patrón sinusoidal (figura 13), similar al obtenido por Calvet et al. (2011a y b) para alojamientos de conejos y de broilers, con valores máximos durante la noche, cuando las tasas de ventilación eran mínimas y valores mínimos durante el día, cuando las tasas de ventilación eran máximas. Por tanto, la respuesta sinusoidal estuvo fuertemente condicionada por las tasas de ventilación en el interior del alojamiento, las cuales estaban controladas exclusivamente por la temperatura interior. Este patrón afectó a la emisión de NH3, que siguió la tendencia opuesta a la concentración de NH3 y aumentó con el aumento de las tasas de ventilación. Como resultado, la emisión de NH3 fue mayor durante el día (Calvet et al., 2011b; Saha et al., 2014). Figura 13. Evolución diaria de la concentración media de NH3 en la zona ocupada por animales a las temperaturas de consigna analizadas. Fuente: Arango 2017. Autorizado por la autora. La evolución diaria de la concentración de NH3 se ajustó a una función de onda sinusoidal por el método de mínimos cuadrados y el método FFT, transformada rápida de Fourier (Figuras 14 y 15). Con la FFT se realizó una descomposición de la serie temporal aditiva (Figura 14), EUGENIO LOSADA VÁZQUEZ 32 considerando sólo la componente estacional, determinándose la amplitud (A), el ángulo de fase inicial (φ) y el valor promedio (B) de la onda sinusoidal (Figura 15). Figura 14. Descomposición de series temporales aditivas. Rodríguez et al . 2020. Autorización: https://www.mdpi.com/authors/rights. Figura 15. Ajuste sinusoidal medido (Meas.) y modelizado utilizando ajuste de mínimos cuadrados (LSS) y la transformada rápida de Fourier (FFT) para la evolución diaria de la concentración de NH3 a diferentes temperaturas de consigna. Rodriguez et al . 2020. Autorización: https://www.mdpi.com/authors/rights. La amplitud de la función de onda sinusoidal disminuyó con a medida que se reducía la temperatura de consigna. Aunque los valores obtenidos para temperaturas de consigna de 26 DISCUSIÓN GENERAL 33 °C y 25 °C fueron casi idénticos, tal y como se puede observar en la figura 8, la amplitud de la onda disminuyó drásticamente a temperaturas de consigna más bajas, cuando se permiten tasas de ventilación más altas debido a la menor sensibilidad de los animales a las corrientes de aire. Por su parte, el modelo LSS mostró una mayor amplitud de onda que el modelo FFT en todas las temperaturas de consigna. La bondad del ajuste de la función se caracterizó por el coeficiente de determinación, R2, que mostró valores casi idénticos en ambos métodos. Sin embargo, los valores de SDE y RMSE sugieren una mejor estimación de la evolución de la concentración de NH3 por FFT que por LSS. Los resultados obtenidos en este trabajo posibilitan la incorporación de la concentración de NH3 a los sistemas de control ambiental convencionales mediante la aplicación de un algoritmo sencillo basado en las variables utilizadas por el sistema de control. Como resultado, los sistemas de control ambiental contribuirán a disminuir las repercusiones ambientales de la producción ganadera intensiva y a mejorar el estado de bienestar animal mientras se mantiene la productividad. 5. CONCLUSIONES La caracterización de una granja de producción de lechones destetados desde el punto de vista productivo, energético y ambiental permitió establecer relaciones entre distintas variables ambientales fácilmente medibles y su adaptación al crecimiento de los lechones a lo largo del ciclo analizado, así como determinar los principales problemas relacionados con el control ambiental. El control ambiental, basado en la temperatura en el alojamiento, no fue capaz de mantener la humedad relativa en valores adecuados, con períodos prolongados de tiempo en permanente estado de saturación. En consecuencia, los mayores requerimientos energéticos se observaron durante estos ciclos, mostrándose, la humedad relativa, como la variable más importante en el consumo de energía. Por tanto, la incorporación de la humedad como variable de control supondría mayores tasas de ventilación, con consecuencias positivas para el bienestar animal, una reducción del consumo de energía térmica y una mejora de la productividad en términos de ganancia de peso por unidad de energía de climatización utilizada. Para mejorar la efectividad del control ambiental, su capacidad de anticipación y mejorar su respuesta, se ha validado un modelo estadístico de media móvil integrada autorregresiva (ARIMA) para predecir la temperatura del alojamiento en la zona ocupada por los animales. El modelo generado proporciona una mejora relevante en términos de precisión y fiabilidad debido a su prolongada y continua validación bajo condiciones meteorológicas cambiantes y considerando el funcionamiento de los sistemas de calefacción y ventilación, así como los cambios debido al aumento de la edad y el peso de los animales Las concentraciones medias de CO2 por ciclo siguieron una evolución sinusoidal a lo largo del año y mostraron una fuerte correlación lineal negativa con la temperatura exterior, estando también relacionadas con la humedad relativa, el sistema de ventilación y el peso y la edad de los animales. No se han encontrado relaciones con otras variables ambientales, pero se han establecido patrones diarios de la concentración de NH3 en la zona ocupada por animales, asociados a una onda sinusoidal, en función de la temperatura de consigna establecida para el control ambiental. Estos patrones pueden ser incorporados en los sistemas de control convencionales, con la temperatura como única variable de entrada, mediante la aplicación de un algoritmo simple basado en las variables utilizadas por el sistema de control climático. Las altas correlaciones lineales obtenidas para las relaciones entre la energía del sistema de calefacción y la temperatura exterior, la humedad relativa y la concentración de CO2; entre la energía del sistema de ventilación y la humedad relativa y entre la temperatura exterior y la concentración de CO2 sugieren que determinadas variables podrían estimarse fácilmente mediante el sistema de control sin necesidad de incorporar nuevos sensores al sistema. Con ello se pueden desarrollar nuevas estrategias de control de bajo coste, fácilmente implementables en granjas convencionales en áreas con clima oceánico. Dichas estrategias contribuirán al logro del máximo rendimiento con el menor uso posible de recursos, centrándose, al mismo tiempo, en el ahorro energético, la eficiencia productiva y el bienestar animal. EUGENIO LOSADA VÁZQUEZ 36 Como resultado, los sistemas de control ambiental contribuirán a reducir la demanda de recursos y disminuir el impacto ambiental de la producción ganadera, mejorando el ahorro energético, la eficiencia productiva y el bienestar animal. 6. REFERENCIAS Aarnink, A. J. A. et al. “Temperature and body weight affect fouling of pig pens”, Journal of Animal Science, 2006, 84(8), pp. 2224-2231. doi: 10.2527/jas.2005-521. Alberdi, O.; Arriaga, H.; Calvet, S.; Estellés, F.; Merino, P. “Ammonia and greenhouse gas emissions from an enriched cage laying hen facility”. Biosystems Engineering, 2016, 144, 1–12. https://doi.org/10.1016/j.biosystemseng.2016.01.009 Arango, T. Caracterización e interacción de variables ambientales en el interior de alojamientos porcinos de transición en el noroeste peninsular. Tesis Doctoral. 2017. Axaopoulos, P.; Panagakis, P.; Kyritsis; S. “Computer simulation assessment of the thermal microenvironment of growing pigs under summer conditions”. Transactions of the ASABE, 1992, 35(3), 1005e1009. doi: 10.13031/2013.28694 Banhazi, T.; Seedorf, J.; Rutley, D.; Pitchford, W. “Identification of risk factors for sub-optimal house conditions in Australian piggeries: Part 2. Airborne Pollutants”. Journal of Agricultural Safety Health, 2008, 14, 21–39. doi: 10.13031/2013.24122 Banhazi, T.M. “Seasonal, diurnal and spatial variations of environmental variables in Australian livestock buildings”. Australian Journal of Multidisciplinary Engineering, 2013, 10, 60–69. http://dx.doi.org/10.7158/N12-AE13.2013.10.1 Banhazi, T.M.; Seedorf, J.; Rutley, D.L.; Pitchford, W.S. “Identification of risk factors for suboptimal housing conditions in Australian piggeries: Part 3. Environmental parameters”. Journal of Agricultural Safety Health, 2008, 14, 41–52. doi: 10.13031/2013.24121 Banhazi, T.M.; Stott, P.; Rutley, D.; Blanes-Vidal, V.; Pitchford, W. “Air exchanges and indoor carbon dioxide concentration in Australian pig buildings: Effect of housing and management factors”. Biosystems Engineering, 2011, 110, 272–279. doi:10.1016/j.biosystemseng.2011.08.007 Besteiro, R.; Ortega, J. A.; Arango, T.; Rodriguez, M. R.; Fernandez, M. D. “ARIMA modeling of animal zone temperature in weaned piglet buildings: Design of the model”. Transactions of the ASABE, 2017, 60(6), 2175-2183. doi: 10.13031/trans.12372 Besteiro, R.; Arango, T.; Ortega, J.A.; Rodríguez, M.R.; Fernández, M.D.; Velo, R. “Prediction of carbon dioxide concentration in weaned piglet buildings by wavelet neural network models”. Computers and Electronics in Agriculture, 2017, 143, 201–207. https://doi.org/10.1016/j.compag.2017.10.025 Besteiro, R.; Ortega, J.A.; Arango, T.; Rodriguez, M.R.; Fernandez, M.D. “ARIMA modelling of animal-zone temperature in weaned piglet buildings: Design of the model.” Transactions of the ASABE, 60, 2017, 1–9. doi: 10.13031/trans.12372 Blanes–Vidal, V.; Hansen, M.N.; Pedersen, S.; Rom, H.B. “Emissions of ammonia, methane and nitrous oxide from pig houses and slurry: Effects of rooting material, animal activity and ventilation flow”. Agriculture Ecosystems and Environment, 2008, 124, 237–244. https://doi.org/10.1016/j.agee.2007.10.002 EUGENIO LOSADA VÁZQUEZ 44 Catálogo de Publicaciones de la administración General del Estado. http://publicacionesoficiales.boe.es/. Madrid, spain, 2020; 30. Sun, G. et al. “Forecasting daily source air quality using multivariate statistical analysis and radial basis function networks”, Journal of the Air and Waste Management Association, 2008, 58 (12), pp. 1571-1578. doi: 10.3155/1047-3289.58.12.1571. Takai, H.; Nimmermark, S.; Banhazi, T.; Norton, T.; Jacobson, L.D.; Calvet, S.; Hassouna, M.; Bjerg, B.; Zhang, G.Q.; Pedersen, S.; et al. “Airborne pollutant emissions from naturally ventilated buildings: Proposed research directions”. Biosystems Engineering, 2013, 116, 214–220. https://doi.org/10.1016/j.biosystemseng.2012.12.015 Upachaban, T.; Khongsatit, K.; Radpukdee, T. “Mathematical model and simulation study of a closed-poultry house environment”. Mechanical Engineering, 2016, 7, 1246-1252. https://doi.org/10.14716/ijtech.v7i7.4744 Van Ransbeeck, N.; Van Langenhove, H.; Van Weyenberg, S.; Maes, D.; Demeyer, P. “Typical indoor concentrations and emission rates of particulate matter at building level: A case study to setup a measuring strategy for pig fattening facilities”. Biosystems Engineering, 2012, 111, 280–289. https://doi.org/10.1016/j.biosystemseng.2011.12.004 Van Wagenberg, A. V.; de Leeuw, M. T. J. “Measurement of air velocity in animal occupied zones using an ultrasonic anemometer”. Applied Engineering in Agriculture, 2003, 19(4), 499-508. doi: 10.13031/2013.14922 Van Wagenberg, A. V.; Bjerg, B.; Bot, G. P. A. “Measurements and simulation of climatic conditions in the animal occupied zone in a door ventilated room for piglets”. Agricultural Engineering International: The CIGR Journal of Scientific Research and Development, VI. 2004, Manuscript BC 03 020. Van Wagenberg, A.V.; Metz, J.H.M.; den Hartog, L.A. “Methods for evaluation of the thermal environment in the animal–occupied zone for weaned piglets”. Transactions of the ASABE, 2005, 48, 2323–2332. doi: 10.13031/2013.20096 Vincek, D.; Sabo, K.; Kusec, G.; Kralik, G.; Durkin, I.; Scitovski, R. “Modeling of pig growth by s-function-least absolute deviation approach for parameter estimation”. Archives of Animal Breeding, 2012, 55(4), 364-374. https://doi.org/10.5194/aab-55-364-2012 Von Borell, E.; Özpinar, A.; Eslinger, K.M.; Schnitz, A.L.; Zhao, Y.; Mitloehner, F.M. “Acute and prolonged effects of ammonia on hematological variables, stress responses, performance, and behavior of nursery pigs”. Journal of Swine Health and Production, 2007, 15, 137–145. Wang, K.; Wei, B.; Zhu, S.; Ye, Z. “Ammonia and odour emitted from deep litter and fully slatted floor systems for growing–finishing pigs”. Biosystems Engineering, 2011, 109, 203–210. https://doi.org/10.1016/j.biosystemseng.2011.04.001 Wathes, C.M.; Demmers, T.G.M.; Teer, N.; White, R.P.; Taylor, L.L.; Bland, V.; Jones, P.; Armstrong, D.; Greshan, A.C.J.; Hartung, J.; et al. “Production responses of weaned pigs after chronic exposure to airborne dust and ammonia”. Animal Science, 2004, 78, 87–97. https://doi.org/10.1017/S135772980005387X REFERENCIAS 45 Webb, J.; Menzi, H.; Pain, B.F.; Misselbrook, T.H.; Dämmgen, U.; Hendriks, H.; Döhler, H. “Managing ammonia emissions from livestock production in Europe”. Environmental Pollution, 2005, 135, 399–406. https://doi.org/10.1016/j.envpol.2004.11.013 Welch, B.L. “The generalization of Student’s problem when several different population variances are involved”. Biometrika, 1947, 34, 28–35. https://doi.org/10.1093/biomet/34.1-2.28 Wellock, I. J.; Emmans, G. C.; Kyriazakis, I. “Modelling the effects of thermal environment and dietary composition on pig performance: Model logic and concepts”. Animal Science, 2003, 77, 255-266. https://doi.org/10.1017/S1357729800058999 Xie, Q.; Ni, J.Q.; Bao, J.; Su, Z. “A thermal environmental model for indoor air temperature prediction and energy consumption in pig building”. Building and Environment, 2019, 161, 106238. https://doi.org/10.1016/j.buildenv.2019.106238 Ye, Z.; Zhang, G.; Li, B.; Strøm, J.S.; Dahl, P.J. “Ammonia emissions affected by airflow in a model pig house: Effects of ventilation rate, floor slat opening, and headspace height in a manure storage pit”. Transactions of the ASAE, 2008, 51, 2113–2122. doi: 10.13031/2013.25393 Yeo, U.H.; Lee, I.B.; Kim, R.W.; Lee, S.Y.; Kim, J.G. “Computational fluid dynamics evaluation of pig house ventilation systems for improving the internal rearing environment”. Biosystems Engineering, 2019, 186, 259–278. https://doi.org/10.1016/j.biosystemseng.2019.08.007 Zhang, G.; Bjerg, B.; Strom, J.S.; Morsing, S.; Kai, P.; Tong, G.; Ravn, P. “Emission effects of three different ventilation control strategies A scale model study”. Biosystems Engineering, 2008, 100, 96–104. https://doi.org/10.1016/j.biosystemseng.2008.01.012 Zhang, G.; Strøm, J.S.; Li, B.; Rom, H.B.; Morsing, S.; Dahl, P.; Wang, C. “Emission of ammonia and other contaminant gases from naturally ventilated dairy cattle buildings”. Biosystems Engineering, 2005, 92, 355–364. https://doi.org/10.1016/j.biosystemseng.2005.08.002 Zong, C.; Li, H.; Zhang, G. “Ammonia and greenhouse gas emissions from fattening pig house with two types of partial pit ventilation systems”. Agriculture, Ecosystem & Environment, 2015, 208, 94–105. https://doi.org/10.1016/j.agee.2015.04.031 María D. Fernandez, Eugenio Losada, Juan A. Ortega, Tamara Arango, María José GinzoVillamayor, Roberto Besteiro, Santiago Lamosa, Martín Barrasa and Manuel R. Rodríguez. “Energy, Production an Environmental Characteristics of a Conventional Weaned Piglet Farm in North West Spain”. Agronomy, 2020. https://doi.org/10.3390/agronomy10060902 Manuel R. Rodríguez, Eugenio Losada, Roberto Besteiro, Tamara Arango, Ramon Velo, Juan A. Ortega and María D. Fernandez,. “Evolution of NH3 Concentrations in Weaner Buildings based on Setpoint Temperature”. Agronomy, 2020, V 174, p 231-238. https://doi.org/10.3390/agronomy10010107 ÍNDICE DE FIGURAS Figura 1. Producción de carne de cerdo en la UE durante el año 2019. 2 Figura 2. Evolución del censo porcino de la UE. 3 Figura 3. Distribución del nº total de explotaciones de ganado porcino por comunidades autónomas en al año 2020. 4 Figura 4. Distribución del censo porcino en España por comunidades autónomas. 5 Figura 5. Exportaciones del sector porcino ciclo 2017-2019. 6 Figura 6. Planta y sección de la sala de transición y ubicación de los sensores. 13 Figura 7. Variables de producción para cada ciclo. AWB: peso medio al inicio del ciclo(kg), AWE: peso medio al final del ciclo (kg), D: duración (días), M: mortalidad (%), AWG: peso medio diario (kg día-1). 23 Figura 8. Variables ambientales para cada ciclo. RH: humedad relativa media en la zona animal (%), RHout: humedad relativa media exterior (%), T: temperatura media en la zona animal(ºC), Tout: temperatura media exterior (ºC), CCO2: concentración media de CO2 en la zona animal (ppm.100-1), Q: caudal medio del aire extraído con ventilador (m3 s-1), v: velocidad media aire en la zona animal (m s-1). 24 Figura 9. Concentraciones medias de CO2 en la zona animal zone (CCO2) para cada ciclo analizado. 25 Figura 10. Requerimientos energéticos de las instalaciones de calefacción (Whs) y ventilación (Wvs) de cada ciclo en función de la temperatura exterior (Tout). 26 Figura 11. Requerimientos energéticos por ganancia de peso del lechón para las instalaciones de calefacción (Whs-kg) y ventilación (Wvs-kg) de para cada ciclo según la temperatura exterior (Tout). 27 Figura 12. Ajuste exponencial de la concentración de NH3 y la humedad relativa (HR) en la zona ocupada por animales. 30 Figura 13. Evolución diaria de la concentración media de NH3 en la zona ocupada por animales a las temperaturas de consigna analizadas. 31 Figura 14. Descomposición de series temporales aditivas. 32 Figura 15. Ajuste sinusoidal medido (Meas.) y modelizado utilizando el ajuste de mínimos cuadrados (LSS) y la transformada rápida de Fourier (FFT) para la evolución diaria de la concentración de NH3 a diferentes temperaturas de consigna. 32 ÍNDICE DE TABLAS Tabla 1. Fechas de inicio y finalización de cada uno de los ciclos de transición. 15 Tabla2. Retrocesos para cada componente, orden de retraso (p), grado de diferenciación (d) y ventana de promedio (q) de la variable prevista, temperatura de la zona animal (Taz); p y d de las variables predictoras temperatura del aire exterior (Tao), área de la sección de salida del aire (Sao), volumen de aire extraído (Vao) y masa corporal animal (Wa). 18 Tabla 3. temperaturas de consigna para el control ambiental y períodos de medición 19 ANEXO I: ARTÍCULOS PUBLICADOS PUBLICACIONES: ARTÍCULO 1 Artículo: Energy, Production and Environmental Characteristics of a Conventional Weaned Piglet Farm in North West Spain Autores: Maria D. Fernandez, Eugenio Losada, Juan A. Ortega, Tamara Arango, María José Ginzo-Villamayor, Roberto Besteiro, Santiago Lamosa, Martín Barrasa y Manuel R. Rodriguez Publicación: Agronomy (2020); 10(6), 902 ISSN: 2073-4395 DOI: 10.3390/agronomy10060902 Factor de Impacto: 3.417 (2020) Posición en la categoría: 16/91 (Agronomy) Cuartil en la categoría: Q1 Contribución del autor de la tesis: Revisión bibliográfica; metodología: tratamiento de datos; redacción y preparación inicial del documento y revisión del artículo. Número de citas (Web of science): 5 (2022/11/15) ARTÍCULO 2 Artículo: Validation of an Autoregressive Integrated Moving Average Model for the Prediction of Animal Zone Temperature in a Weaned Piglet Building Autores: Juan A. Ortega, Eugenio Losada, Roberto Besteiro, Tamara Arango, Maria J. Ginzo-Villamayor, Ramon Velo, Maria D. Fernandez, Manuel R. Rodriguez Publicación: Biosystems Engineering, 174 (2018); 231-238 Análisis de las condiciones ambientales, energéticas y productivas en una nave de transición de una explotación de porcino, validando el modelo predictivo ARIMA y empleando los datos obtenidos como estudio de mejora del bienestar animal. El estudio se realizó intentando minimizar los costes en cuanto a elementos a instalar para la medición de variables, así como la simplicidad del sistema a implantar. Se procedió a la recopilación y análisis de datos ambientales en una explotación de transición de porcino en Galicia, durante 7 ciclos productivos, con una duración media de 41,71 días. El análisis de estos datos constituyó la base para la redacción de la presente Tesis Doctoral, que redundó en una mejora en el bienestar animal, además de una mejora en la eficiencia energética y productiva.