Olli Koskela, Mikael Ketonen, Jukka Pösö, Pasi Käkelä, Iivari Kunttu & Ilpo Pölönen
Lypsylehmien syömän kuivarehun eri komponenttien määrällä on yhteys veden juontitarpeeseen, aivan kuten ihmisilläkin: suolainen ruoka janottaa. Aikaisemmissa tutkimuksissa on havaittu merkittävä korrelaatio syödyn rehun määrän sekä kuiva-aine-, typpi- ja kaliumpitoisuuksien välillä (Appuhamy ym., 2016) tai jopa 85 % (Kume ym., 2010). Tutkimuksessamme testasimme mahdollista laitteistokonseptia, jolla voitaisiin mitata eläinyksilön juomaa vesimäärää ja näin arvioida sekä rehunkulutusta että hyötysuhdetta suhteessa maitotuotokseen.
Lypsylehmien rehunkäyttökyky eli syödyn rehun määrä suhteessa tuotettuun maitokiloon on viimeisen 40 vuoden aikana parantunut merkittävästi lypsylehmien ruoansulatusfysiologiaan ja rehujen kehittämiseen painottuneen tutkimuksen ansiosta. Koska eläinkantaa on samanaikaisesti jalostettu maitomäärään painottuvalla jalostuksella, on saatu aikaan tuotantoeläin, joka tuottaa keskimäärin 10 000 kg maitoa vuodessa. Vastaava luku 1980-luvulla oli alle puolet tuosta määrästä. Kuitenkin jalostuksessa on vielä potentiaalia rehuhyötysuhteen käyttämisessä. Rehuhyötysuhteen lisäämisen jalostusarviointiin ennustetaan vähentävän maitolitran vaatiman rehumäärän nykyisestä 0,80 kilogrammasta 0,68–0,74 kilogrammaan, ja tehokkaamman tuotannon taloudellisen arvon lisäksi pienempi rehunkulutus vähentäisi erityisesti metaanipäästöjä jopa 36 % nykytasosta vuoteen 2035 mennessä (Lidauer & Pösö, 2020). Rehusta aiheutuvat pötsin metaanipäästöt vastaavat noin puolta raakamaidon hiilijalanjäljestä (Nousiainen ja Hakala, 2019).
Haasteena rehuhyötysuhteen arvioinnissa on mitata eläinkohtainen syödyn rehun määrä. Nykyaikaisissa pihattonavetoissa lehmät ruokailevat vapaasti yhteisistä kaukaloista. Syödyn rehun mittaamiseksi on kehitetty konenäköön, merkkiaineisiin ja punnitsemiseen perustuvia menetelmiä (mm. Cardot ym., 2008; Viking Genetics, n.d.; Hoko Farm Group, n.d.), mutta nämä ovat toistaiseksi liian kalliita kaupallisesti skaalattavaksi laajaan määrään navettoja. Täyttä jalostuspotentiaalia ei päästä hyödyntämään ilman laajaa ja mahdollisimman kattavaa mittausmenetelmää. Suomessa lypsykarjan koko on laskenut muutaman tuhannen pään vuosivauhtia ja oli vuonna 2021 noin 248 tuhatta lehmää (ICAR, n.d.), ja kaikesta Suomen nautakarjasta lähes 70 % viettää elämänsä pihattonavetoissa (LUKE, 2022), joiden lukumäärä ja suhteellinen osuus on tasaisesti kasvanut viimevuosina (MTK, 2020). Maailmalla parsinavettoja on edelleen merkittävästi, ja esimerkiksi Kanadassa 74 %, Yhdysvalloissa 39 %, Itävallassa 82 % ja Sveitsissä 40 % lypsylehmätiloista on edelleen näitä eläinten vapaata liikkumista rajoittavia ratkaisuja (Beaver ym., 2021). Taulukkoon 1 on poimittu ICARin (n.d.) tilastoista vastaavien maiden lypsykarjan määrän kehitys vuodesta 2010 vuoteen 2021.
maa | lypsykarjan määrä 2010 | lypsykarjan määrä 2021 |
Suomi | 287 200 | 248 530 |
Kanada | 981 000 | 977 800 |
Yhdysvallat | 9 117 000 | 9 450 000 |
Itävalta | 532 735 | 521 036 |
Sveitsi | 589 024 | 546 479 (vuonna 2020) |
Vaikka lypsykarjan määrä tuotannon tehostumisen seurauksena jonkin verran laskisikin lähitulevaisuudessa, globaali eläinten määrä pysyy silti edelleen merkittävänä, ja kokonaisuudessaan nautakarjan määrän on ennustettu jopa kasvavan (Robinson ym., 2010). Maailmalla maitolitran hiilijalanjälki on keskimäärin 2,5 kg hiilidioksidia, vaikka Suomessa onkin jo päästy 1,03 kg:aan hiilidioksidia per maitolitra (Vanhatalo ym., 2019). Luonnonvarakeskus arvioi, että 15 vuoden jalostustyö toisi 41 miljoonan euron säästöt rehunkäyttöön vuositasolla suomalaisille maidontuottajille (Pösö & Lidauer, 2019).
Tässä työssä raportoidaan juoma-astian kehitysversiosta, jossa yksi lehmä kerrallaan mahtui juomaan astiasta ja juontimäärää arvioitiin mittaamalla ultraäänisensorilla etäisyyttä veden pinnan laskuun juonnin aikana. Kehitettyä laitteistoa testattiin navetassa kahtena eri ajankohtana. Mittausdataa on yhteensä noin neljän tunnin ajalta. Laitteistossa ei ollut vielä käytössä automaattista yksilötunnistusta ja vesiastian täyttö oli manuaalista. Tulosten perusteella mittausmenetelmä voisi olla riittävän tarkka juontimäärien seuraamiseen. Tutkimusidean taustaelementteinä on vuoden 2021 alusta voimaan tullut vaatimus, jonka mukaan nautojen korvamerkkien tulee sisältää RFID-siru. Näin jokainen eläin on etäluettavasti tunnistettavissa yksilönä. RFID-lukulaite yhdistetään vedenpinnan korkeuden mittaukseen sopivassa astiassa, jolloin saadaan täsmälleen yhden eläimen juontimäärät ajan funktiona.
Laitteisto ja kenttätestaukset
Laitteisto
Testilaitteisto koostui kahdesta yhteen liitetystä muovisesta astiasta, joiden sisäläpimitta oli 275 mm. Toisen astian yläosa suljettiin kannella, johon asennettiin kaksi ultraäänisensoria mittaamaan etäisyyttä veden pintaan. Astiat yhdistettiin kahdella sisäläpimitaltaan 25 mm letkulla, joissa oli pallohanat. Pallohanat olivat täysin auki mittauksia tehdessä. Lehmät pääsivät juomaan avoimesta astiasta. Ensimmäisessä testissä molempien astioiden korkeus oli noin 100 cm, mutta toiseen testiin juoma-astiaa madallettiin, ja sen korkeus oli noin 80 cm. Vedenpinnan korkeuden muutos on molemmissa astioissa sama, joten näin voidaan mitata lehmän juoma veden määrä, joka on kaksinkertainen pinnan muutokseen nähden. Mittausmenetelmää on havainnollistettu kuvassa 1.
Käytimme laitteistossa kahta ultraäänisensoria rinnakkain. Käytetyt sensorit olivat ultraäänisensorimoduuli JSN-SR04T-2.0 ja Maxbotix MB7389. Anturit oli kytketty NodeMCU V2 ESP8266 Development Board (CH341) mikropiiriin, jolta mittaukset kerättiin ohjelmallisesti tietokoneelle noin 0,3 sekunnin välein. Valokuva laitteistosta on esitetty kuvassa 2. Anturien mittausresoluutio oli 1 mm, mikä vastaa astian koon perusteella litroiksi muutettuna 0,06 litraa astiassa eli 0,12 litraa juontia, jotta 1 mm lasku tapahtuu molemmissa astioissa.
Testit ja tulokset
Laitteistoa testattiin kantahämäläisellä maatilalla 12.8.2021 ja 20.9.2021. Juoma-astia oli kiinnitetty navetan rakenteisiin niin, että se oli lehmille vapaasti saatavilla. Astiat täytettiin manuaalisesti ohjatulla vesiletkulla täyteen aluksi ja tarvittaessa juontikertojen välillä. Valokuva asennuksesta on näytetty kuvassa 3.
Astian alakannen kiinnitys ei kestänyt lehmien käsittelyä, joten astia vuosi hieman. Vuotoa kompensoitiin valuttamalla vettä letkulla 12.8. noin klo 17.30 jälkeen samaa vauhtia vuodon kanssa. Testipäivän 20.9. aikana vuotoa ei kompensoitu. Etäisyysmittausten lisäksi juontitapahtumia kuvattiin satunnaisesti videolle ensimmäisenä testipäivänä, kun taas toisena juontitapahtumia merkittiin etäältä muistiin, jottei lehmien oleskeluun vaikutettaisi. Sensoreiden palauttamat 0‑etäisyydet on suodatettu datoista pois häiriölukemina. Kuvassa 4 on testipäivän 12.8. mittausdatasta yleiskuva. Vuodot näkyvät kuvaajassa pitkinä hitaina suoraviivaisina laskuina kompensointiin eli noin kello 17.30 asti. Vesiastian täytöt näkyvät ajallisesti lyhyinä ja nopeina nousuina.
Kuvassa 5 on onnistunut esimerkki juomatapahtumasta videolta Test20210812_174201285.mp4 (Koskela ym., 2022). Vedenpinta laskee 8,0 cm eli lehmä on juonut yhteensä noin 9,5 litraa noin 3 minuutin juontijaksolla. Tässä tulkittiin, että ajallisesti lyhyessä juomatapahtumassa pieni vuodon määrä ei vaikuta olennaisesti pinnan muutokseen.
Tarkastelimme vuodon kompensointia 12.8. dataan myös laskennallisesti tekemällä mittapisteille (ti, di) lineaarisen korjauksen (ti, di) -> (ti, kdi + c), missä k ja c määräytyivät pisteiden (2021.8.12 17:01:19.000, 49.22) ja (2021.8.12 17:10:35.000, 54.12) kautta kulkevan suoran y = kx + c avulla. Korjauksen määrittely on esitetty kuvassa 6. Lineaarikorjattu data on esitetty kuvassa 7, ja siitä nähdään hyvin vuodon tasaisuus ja toisaalta myös korjaamatonta dataa paremmin mittausten tasaisuus ja havaitut juomatapahtumat.
Toisessa kenttätestissä 20.9. molempia sensoreita käytettiin yhtä aikaa. Data on esitetty kuvassa 8. Sensoreiden yhtäaikainen käyttö aiheutti huomattavan määrän kohinaa mittaustuloksiin, mutta kohina on kuitenkin helppo suodattaa pois: kohinalukemat ovat 30 cm tai alle, kun signaaliin suuruusluokka noin 40–50 cm. Sensorit antoivat testissä asennuspoikkeamaa vaille yhtenevät lukemat. Juomatapahtumia näkyy selvimmin ajanhetkillä 13.50–14.00 ja noin 14.50. Pienempiä juonteja näkyy mm. ajanhetkinä 14.17, 14.24, 14.26, 14.40 ja 14.45.
Datan saatavuus
Mittausdata ja videoita juontitapahtumista on julkaistu comma separated values (CSV) tiedostoina osoitteessa https://doi.org/10.5281/zenodo.7276702 Julkaistu data on suodattamatonta ja lisensoitu Creative Commons Nimeä (CC-BY). (Koskela ym. 2022)
Pohdinta
Suomessa ollaan geneettisten ominaisuuksien hyödyntämisessä jo pitkällä, mutta rehun syöntimäärien mittaaminen on vielä toistaiseksi osoittautunut haastavaksi jalostuksen vaatimalla kattavuudella (Iltalehti, 2020). Tässä tutkimuksessa konseptoidulla juoma-automaatilla voidaan edullisin menetelmin lisätä tiedonkeruuta navetoissa laaja-alaisesti. Juonnin ja sen avulla arvioidun rehuhyötysuhteen lisäksi juontiseurannan yksilötunnistuksien aikaleimoista voidaan seurata eläinten käyttäytymistä, laumahierarkiaa, liikkumista ja aktiviisutta ja niiden kytkeytymistä esimerkiksi maitotuotokseen, eläimen kokoon ja ympäristön lämpötilaan. Mittaus on mahdollista toteuttaa suuressa mittakaavassa, mutta toisaalta yksilökohtaisesti. Tutkimuksessa on myös haettu työkalua, jolla voitaisiin arvioida lehmäyksilön kuluttama rehumäärä, sillä se korreloituu vedenkulutukseen. Mittaustulos on tarkka ja voidaan tehdä karjatasolla ja ns. pihattonavetoissa, joissa eläimet eivät ole kytkettyinä. Lauman liikkuvuuden analysointi onnistuu juoma-automaattien monipuolisen sijoittelun sekä laitumelle vietävien mobiiliyksiköiden avulla.
Juomisen seurannasta syntyy muun muassa seuraavanlaisia välittömiä hyötyjä:
- Uuden mittarin yhdistäminen muuhun lehmän terveyttä mittaavaan dataan, mikä rikastaa tiedolla johtamista. Tällä hetkellä lypsyrobotit mittaavat yleisesti aktiivisuutta, märehtimistä, kiimaa ja maidon koostumusta.
- Juoma-automaattien sijoittelulla saadaan tietoa eri lehmien liikkeistä eri osissa navettaa.
- Yksilön vedenjuontietoja verrataan jatkuvasti koko karjan vedenjuontiin ja lehmäyksilön omaan vedenjuontiin aikaisempina päivinä ja ajanjaksoina, mikä hyödyttää karjanomistajaa sekä yksilö- että karjatasolla ja parantaa mahdollisuuksia havaita poikkeamat hyvinvoinnissa, käyttäytymisessä ja tuotannossa tarkemmin ja aikaisemmin. Myös juomaveden lämpötilaa ja vaihtuvuutta voidaan mitata uutena seurattavana hyvinvointitekijänä.
- Juontiseurannan avulla voidaan heti käyttöönotosta lähtien seurata aperehuruokinnan kuiva-ainepitoisuuden vaihtelua. Nykyaikaisessa aperehuruokinnassa rehukomponentit eli nurmisäilörehu, jauhorehu (väkirehu) ja kivennäiset sekoitetaan tasalaatuiseksi appeeksi, jota kaikki lypsyssä olevat lehmät saavat vapaasti syödä ruokintapöydältä. Sekoituksesta yli 80 % on kuiva-ainepitoisuudeltaan vaihtelevaa nurmisäilörehua, joka aiheuttaa epätoivottua appeen säilörehu-väkirehusuhteen vaihtelua. Ilmastonmuutoksen aiheuttamat sään ääri-ilmiöiden lisääntymiset myös kasvattavat rehun laadun vaihtelua (Järvenranta ym., 2022).
Välillisesti juonnin seurannasta voitaisiin saada mittausmenetelmä maidontuotannon rehunkäyttökyvyn parantamiseen juonti- ja syöntimäärien korrelaation avulla. Uuden lehmän kasvattaminen kestää noin kolme vuotta, eli jalostukselliset hyödyt alkava yleensä muutaman vuoden viiveellä, mikä on ylipäätään tunnusomaista jalostustoiminnalle. Toisaalta vaikutukset ovat laaja-alaisempia kuin juomakäyttäytyvistä mittaavien juoma-automaattien kattavuus lypsykarjatiloilla. Rehunkäyttökyvyn mittaaminen jalostusindikaationa tehostaa merkittävästi metaanipäästöjen vähentämistä.
Globaalisti on vielä paljon potentiaalia hyödyntämättä sekä jalostuksessa että tuotannon tietotehokkuudessa. Juomismäärän analysointi tarjoaa yhden muuttujan lisää eläinlääkärin etäkonsultointiin, mikä lisää tilallisen kustannustehokkuutta ja myös vähentää varmuuden vuoksi annettavia antibiootteja silloin kun ne ovat lääkäriä helpommin ja halvemmin saatavilla. Konseptoitu juoma-automaatti ei ole riippuvainen muiden tuotannonohjausjärjestelmien datasta hyvinvoinnin seurannassa, mikä tarjoaa yhden näkökulmaan globaaliksi vientituotteeksi eli markkinan, jossa juoma-automaatti on ensimmäinen yksilötason hyvinvointimittauksia tekevä hankinta tilalla.
Astian kehityskohteita ovat mittauksen lisäksi sopiva muotoilu juonnin ja ylläpidettävyyden näkökulmasta sekä täyttö niin, että mittaus ei häiriinny. Ylläpidettävyys pitää sisällään sekä modulaarisen rakenteen korjaustilanteissa että karjanhoitajan päivittäisen puhdistustoimenpiteen helppouden. Mittausmenetelmä asettaa myös omat vaatimuksensa, sillä ultraäänisensorit vaativat yli 20 cm läpimitan mittausputkelle.
Laitteiston IPR-piirteistä on teetetty patentoitavuuden esiselvitys (Salomaki, 30.12.2020, henkilökohtainen tiedonanto). Selvityksen perusteella yksittäisten komponenttien yhdistäminen tuotteeksi ei sinänsä ole enää patentoitavissa. Tiedossa ei kuitenkaan ole myöskään patenttia, joka estäisi vapaan toiminnan. Lisäksi ratkaisua, jossa eläimet pääsevät juoma-altaalle täsmälleen yksi kerrallaan, ei ole esitetty.
Tässä tutkimuksessa konseptoitu juoma-automaatti mahdollistaa tilaa kohden edullisella, joidenkin tuhansien eurojen hankinnalla aktiivisen rehunkulutusta analysoivan seurannan, millä voidaan tietoon pohjautuen vaikuttaa sekä ekologisuuteen että taloudellisuuteen. Hyvinvoiva eläin elää ja tuottaa pidempään, jolloin vasikan kasvattamiseen kulunut energiakin tulee paremmin hyödynnettyä. Juontimäärät ovat muuttuja, jota lehmiltä ei ole toistaiseksi aiemmin mitattu. Esimerkinomaisesti olemme tehneet laitteen alustavassa suunnittelussa tilallisen taloutta huomioivaa laskentaa ja arvioimme, että kaupallisesti toimivan yrityksen järkevä myyntihinta voisi olla noin 1 100 € per juoma-automaatti. Tällä hinnalla investoinnin sisäiseksi koroksi tehostumisen mahdollistamien säästöjen kautta saadaan 17,7 prosenttia (10 v. taloudellinen pitoaika) ja 21,8 prosenttia (15 v. pitoaika). Laskelma on tehty seuraavilla oletuksilla: 1) yksi juoma-automaatti palvelee 10 lehmää, 2) rehun hinta on tarkastettu käytännön tilalta, 3) rehun hinta nousee 1,5 % vuodessa ja 4) rehumäärä maitolitraa kohti alkaa vähentyä 0,5 prosenttia neljäntenä vuotena juoma-automaatin hankinnasta. Jos lisäksi huomioidaan, että juoma-automaatti säästää yhden lääkärikäynnin vuosittain tai muuten laskee kuolleisuutta, saadaan 100 eläimen karjassa arviolta 65 € välitön hyöty per vuosi ja siten sisäiset korot 21,6 prosenttia (10 v. taloudellinen pitoaika) ja 24,9 prosenttia (15 v. pitoaika).
Juontiseurannan kaupallisen mittakaavan sovellettavuuden kannalta on tärkeää, että mittaustulosten esittäminen on mahdollista sekä omana ohjelmanaan että integroitavissa olemassa oleviin tuotannonohjausjärjestelmiin. Toisin sanoen, hiilijalanjäljen pienentäminen maitotaloudessa on monen toimijan yhteisten ponnistusten summa, eikä sitä ratkaista yksittäisellä mittalaitteella, vaikka ne toisaalta ovat myös välttämättömiä uusien ratkaisujen löytämiseksi.
Juomisen seurannasta saadaan hyötyjä myös esimerkiksi hevosten ja eläintarhaeläinten hyvinvoinnin seurantaan. Muun muassa hevosille tyypillisen ähkyn odotetaan näkyvän juomakäyttäytymisessä hyvin pian. Eläinmäärältään pienemmissä puitteissa mahdollisen tuotteen valmistuskustannukset ovat alhaisemmat, koska juoma-automaatit ovat eläinkohtaisia eikä eläimiä siten tarvitse koneellisesti erottaa toisistaan. Välittömän hyvinvoinnin lisäksi juontiseurannan laaja käyttö kerryttää pitkäaikaisdataa eläinkohtaisesti sekä laajalti useista vastaavista yksilöistä, mikä mahdollistaisi uusien tutkimusavausten tekemisen.
Johtopäätökset
Tutkimuksen tavoitteena oli testata konseptia edullisesti skaalautuvasta laitteistosta, joka mahdollistaa lehmien yksilökohtaisen juontimäärän seuraamiseen asennettavaksi nykyisten juoma-altaiden tilalle. Juontimäärää seuraamalla voitaisiin seurata sekä välittömiä hyvinvointi-indikaattoreita että välillisesti rehuhyötysuhteen indikaationa kehittää jalostusominaisuuksia. Lehmät tutustuivat aktiivisesti käytettyyn juoma-astiaan ja joivat siitä usein. Etäisyysmittauksessa on mittauksesta johtuvaa epävarmuutta, mutta mittauksia saadaan usein, joten mittausmenetelmä on riittävän tarkka. Toimiakseen laitteisto tarvitsee fyysisesti kestävän muotoilun, joka estää usean yksilön samanaikaisen juomisen.
Kiitokset
Kiitämme mittaukset mahdollistanutta maatilaa. Tutkimusta on rahoittanut Opetus- ja kulttuuriministeriön Bioeconomy 4.0 -hanke ja Hämeen ammatillisen korkeakoulutuksen ja tutkimuksen säätiö sr.
Abstract
Over 40 years of research has developed cattle to produce, on average, 10 000 kg of milk per year per cow. In the milk production chain, a large portion of the carbon footprint is related to feed production and digestion. Fortunately, it is estimated that the feed required to produce one liter of milk is reduced from 0.80 kilograms to 0.68–0.74 kilograms with genetic selection in breeding. From previous research it is known, that drinking amounts are in correlated with the feed composition and intake. In this work, we conceptualized and tested one approach for an easily and efficiently scalable device to monitor cow’s drinking on an individual level. The device consisted of two containers interconnected so that the water level in both containers was equal. Containers were filled manually, and cows were able to drink freely from the other while the distance to the water surface was measured in the other with an ultrasonic sensor. The device was tested on two occasions in a barn. We experienced great curiosity towards the device from the cows and they drank from it multiple times. Water surface distance was measured several times per second and the flow of data was stable. The technical resolution of the device was 0.6 liters which we estimated to be a sufficient but minimum requirement to monitor drinking.
Kirjoittajat
Olli Koskela, HAMK Smart -tutkimusyksikkö, Hämeen ammattikorkeakoulu
Mikael Ketonen, HAMK Smart -tutkimusyksikkö, Hämeen ammattikorkeakoulu
Jukka Pösö, Faba osk
Pasi Käkelä, Biotalousosaamisen yksikkö, Hämeen ammattikorkeakoulu
Iivari Kunttu, HAMK Smart -tutkimusyksikkö, Hämeen ammattikorkeakoulu
Ilpo Pölönen, HAMK Bio -tutkimusyksikkö, Hämeen ammattikorkeakoulu
Lähteet
Appuhamy, J., Judy, J., Kebreab, E., & Kononoff, P. (2016). Prediction of drinking water intake by dairy cows. Journal of Dairy Science, 99(9), 7191-7205. https://doi.org/10.3168/jds.2016-10950
Beaver, A., Weary, D. M., & von Keyserlingk, M. A. (2021). Invited review: The welfare of dairy cattle housed in tiestalls compared to less-restrictive housing types: A systematic review. Journal of Dairy Science, 104(9), 9383-9417.
Cardot, V., Le Roux, Y., & Jurjanz, S. (2008). Drinking behavior of lactating dairy cows and prediction of their water intake. Journal of dairy science, 91(6), 2257-2264. https://doi.org/10.3168/jds.2007-0204
Hoko Farm Group. (n.d.). RIC2Discover. Haettu 1.8.2022 osoitteesta https://hokofarmgroup.com/products/ric2discover/
ICAR. (n.d.). International Committee for Animal Recording tilastot. Haettu 1.8.2022 https://my.icar.org/stats/list
Iltalehti. (2020). Maidontuotannon päästöt kuriin uusin keinoin: Suomessa kehitetään vähäpäästöisempiä lehmiä, jotka syövät ja ulostavat nykyistä vähemmän. Haettu 1.8.2022 osoitteesta https://www.iltalehti.fi/kotimaa/a/326113de-cbc0-4a73-abf0-6b665c897eb7
Järvenranta, K., Niemeläinen, O., Mustonen, A., Nikama, J. & Virkajärvi, P. (2022). Sään ääri-ilmiöiden aiheuttama stressi näkyy timotein ja nurminadan rehuarvoissa ja kivennäispitoisuuksissa. Suomen Maataloustieteellisen Seuran Tiedote, (40), 1–9. https://doi.org/10.33354/smst.115682
Koskela, O., Ketonen, M. & Pölönen, I. (2022). Cow drinking monitoring tests with ultrasonic sensor setup Aug 12th and Sep 20th, 2022. [tutkimusaineisto] https://doi.org/10.5281/zenodo.7276702 .
Kume, S., Nonaka, K., Oshita, T., & Kozakai, T. (2010). Evaluation of drinking water intake, feed water intake and total water intake in dry and lactating cows fed silages. Livestock Science, 128(1-3), 46-51. https://doi.org/10.1016/j.livsci.2009.10.012
Lidauer, M. & Pösö, J. (2020). Genetiikka avuksi –eläinjalostuksella ympäristö-ystävällisempiä lehmiä. Haettu 1.8.2022 osoitteesta https://www.luke.fi/sites/default/files/2022-05/Genetiikka_avuksi_Lidauer_ja_Poso.pdf
LUKE. (2022). Maatalouslaskenta 2020: Kotieläinten elinolot ja lannan käsittely 2020. Haettu 1.8.2022 osoitteesta https://www.luke.fi/fi/tilastot/elainsuojat-ja-lantavarastot/maatalouslaskenta-2020-kotielainten-elinolot-ja-lannan-kasittely-2020
MTK. (2020). Maidontuotanto. Haettu 1.8.2022 osoitteesta https://www.mtk.fi/-/maidontuotanto-1
Nousiainen, J. & Hakala, T. (2019). Lehmän ominaisuuksien ja ruokinnan vaikutus maidon hiilijalanjälkeen. Maito ja me, 2019. Haettu 1.8.2022 osoitteesta https://www.maitojame.fi/artikkelit/lehman-ominaisuuksien-ja-ruokinnan-vaikutus-maidon-hiilijalanjalkeen/
Pösö, J. & Lidauer, M. (2019). Uusi jalostuksen työkalu rehunkäytön parantamiseen julkaistu. Haettu osoitteesta https://faba.fi/2019/08/uusi-jalostuksen-tyokalu-rehunkayton-parantamiseen-julkaistu/
Robinson, T.P., Thornton P.K., Franceschini, G., Kruska, R.L., Chiozza, F., Notenbaert, A., Cecchi, G., Herrero, M., Epprecht, M., Fritz, S., You, L., Conchedda, G. & See, L. (2011). Global livestock production systems. Food and Agriculture Organization of the United Nations (FAO) and International Livestock Research Institute (ILRI).
Vanhatalo, A., Halmemies-Beauchet-Filleau, A., Jaakkola, S. & Juga, J. (2019). Märehtijöiden rooli ruokajärjestelmässä. Teoksessa S. Peltonen, K. Aalto, I. Hennola & S. Anttila (toim.), Ilmastoviisas maatilayritys (ss. 49–56). ProAgria Keskusten Liitto.
Viking Genetics. (n.d.). Innovators in cattle breeding. Haettu 1.8.2022 osoitteesta https://www.vikinggenetics.com/about-us/innovative-breeding/innovators