Modelagem do crescimento corporal da tilápia do Nilo (Oreochromis niloticus) para previsão de safras e gestão ágil nas operações aquícolas

Abstract

O uso de modelos matemáticos de predição corporal é uma abordagem eficiente para estimar e maximizar o crescimento animal, proporcionando maior eficiência na previsão de safras do pescado frente as diferentes condições climáticas do ambiente aquático. Assim, este trabalho avaliou a eficiência de diferentes modelos matemáticos de predição do crescimento corporal da tilápia do Nilo (Oreochromis niloticus) criadas em tanques-rede no reservatório neotropical de Chavantes, São Paulo. Utilizando dados históricos de lotes de produção (n=177 safras) de O. niloticus, linhagem GIFT, durante o período de 2017 a 2022 foram realizadas curvas de crescimento corporal desta espécie. Estes valores foram validados por meio de um experimento em campo com 30 lotes de O. niloticus criados sob as mesmas condições climáticas e de manejo. Os lotes foram classificados de acordo com o peso corporal em três fases: JVI (30–100 g), JVII (130–500 g) e PM (>500 g). A previsão do crescimento corporal foi realizada por meio da aplicação dos modelos matemáticos exponenciais de coeficiente de crescimento específico (CCE); coeficiente de crescimento diário (CCD); coeficiente de crescimento linear (LNR) e coeficiente de crescimento térmico (CCT) para ponderação da relação peso-idade (tempo) dos indivíduos. Os parâmetros médios de desempenho dos peixes obtiveram biomassa final de 37, 79 e 90 kg/m3, conversão alimentar de 1.42, 1.56 e 1.76 e eficiência alimentar de 0,79, 0,63 e 0,56 para as respectivas fases de JVI, JVII e PM. O modelo TGC apresentou o melhor ajuste da curva real de crescimento corporal para tilápia em relação aos demais modelos, que subestimaram os pesos estimados. Assim, a precisão do CCT foi superior aos modelos CCE, CCD e Linear em ~4,40%. O uso de modelos matemáticos para estimar o crescimento corporal e prever o tempo de abate de safras de produção é uma ferramenta ágil e eficiente para gestão das operações das pisciculturas.

Using mathematical body prediction models is an efficient approach to estimating and maximizing animal growth, providing greater efficiency in predicting yields under different climatic conditions of the aquatic environment. This study evaluated the efficiency of different mathematical models for predicting the body growth of Nile tilapia (Oreochromis niloticus) reared in net cages in the neotropical reservoir of Chavantes, São Paulo. The body growth curves of this species were created using historical data from production batches (n=177 crops) of O. niloticus, GIFT strain, from 2017 to 2022. These values were validated through a field experiment with 30 batches of O. niloticus raised under the same climatic and management conditions. The batches were classified according to body weight into three phases: JVI (30–100 g), JVII (130–500 g), and PM (>500 g). Body growth prediction was performed by applying exponential mathematical models of specific growth rate (SGR), daily growth coefficient (DGC), linear growth coefficient (LGC), and thermal growth coefficient (TGC) to weight-age (time) ratio estimation of individuals. The average performance parameters of the fish resulted in final biomass of 37, 79, and 90 kg/m³, feed conversion ratio of 1.42, 1.56, and 1.76, and feed efficiency of 0.79, 0.63, and 0.56 for the respective phases of JVI, JVII, and PM. The TGC model showed the best fit to the real body growth curve for tilapia compared to other models, which underestimated the estimated weights. Thus, the accuracy of TGC was superior to the SGR, DGC, and Linear models by approximately 4.40%. Using mathematical models to estimate body growth and predict the harvest time of production crops is a fast and efficient tool for managing fish farming operations.