EFEITO DO SISTEMA DE VENTILAÇÃO AUTOMÁTICO NO CONFORTO TÉRMICO DE VACAS LEITEIRAS EM COMPOST BARN
Capítulo de livro publicado no livro do II Congresso Brasileiro de Produção Animal e Vegetal: “Produção Animal e Vegetal: Inovações e Atualidades – Vol. 2“. Para acessá-lo clique aqui.
DOI: https://doi.org/10.53934/9786585062039-2
Este trabalho foi escrito por:
Frederico Márcio Corrêa Vieira1*; Matheus Deniz1,2 ; Karolini Tenffen de Sousa ; Jucemara Aparecida Rosler1; Kátia Atoji-Henrique1
1Grupo de Estudo em Biometeorologia, Universidade Tecnológica Federal do Paraná, Dois Vizinhos, Paraná, Brasil.
2Faculdade de Medicina Veterinária e Zootecnia, Universidade Estadual Paulista, Botucatu, São Paulo, Brasil
3Programa de Pós-Graduação em Zootecnia, Universidade Federal do Paraná, Curitiba, Paraná, Brasil.
*Frederico Márcio Corrêa Vieira – E-mail: [email protected]
Resumo: Para se adaptar aos novos desafios climáticos, os confinamentos no modelo compost barn surgiram com o objetivo de proporcionar conforto térmico para as vacas leiteiras. O compost barn possui laterais abertas o que auxilia na ventilação, porém ventiladores também podem ser utilizados para amenizar os efeitos do estresse térmico. O objetivo desse estudo foi avaliar a influência de diferentes programas de acionamento automático de ventiladores no conforto térmico e termorregulação de vacas leiteiras em compost barn. O estudo foi realizado entre fevereiro e março de 2020 em uma fazenda comercial no Paraná, Brasil. Durante esse período, variáveis microclimáticas e termorregulação de 26 vacas Holandesas em lactação foram medidas em quatro diferentes programas de ventilação (temperatura do ar | umidade relativa): (1) 23°C|50%, (2) 23°C|70%, (3) 25°C|50%, e (4) 25°C|70%. Em média, as vacas permaneceram 12h em ambiente térmico acima do limiar de conforto. As vacas foram mais prováveis (p<0.001) de apresentar maiores valores de temperatura superficial da pele e frequência respiratória após às 9h. Além disso, as vacas foram mais propensas (p<0.001) a apresentar valores mais altos de temperatura superficial da pele e frequência respiratória no programa de ventilação 23°C|70%. Em conclusão, o programa de ventilação 23°C|70% foi termicamente desconfortável para as vacas, pois teve a maior amplitude de carga de calor acumulada e os maiores valores de temperatura superficial da pele e frequência respiratória.
Palavras–chave: Biometeorologia; estresse por calor; sistema confinado.
Abstract: To adapt to the new climatic challenges, housing systems like the compost barn emerged to provide thermal comfort for dairy cows. The compost barn has open sides which aid in ventilation, but fans can also be used to mitigate the effects of thermal stress. The objective of this study was to evaluate the influence of different automatic fan activation programs on the thermal comfort and thermoregulation of dairy cows in a compost barn. The study was carried out between February and March 2020 on a commercial farm in Paraná, Brazil. During this period, microclimatic variables, and thermoregulation of 26 lactating Holstein cows were measured in four different ventilation programs (air temperature | relative humidity): (1) 23°C|50%, (2) 23°C|70%, (3) 25°C| 50%, and (4) 25°C|70%. On average, the cows remained for 12 h in a thermal environment above the comfort threshold. Cows were more likely (p<0.001) to have higher values of skin surface temperature and respiratory rate after 9:00 am. In addition, cows were more likely (p<0.001) to have higher values of skin surface temperature and respiratory rate in the 23°C|70% ventilation program. In conclusion, the 23°C|70% ventilation program was thermally uncomfortable for the cows, as it showed the highest amplitude of accumulated heat load and, the cows showed the highest values of skin surface temperature and respiratory rate.
Key Word: Biometeorology, heat stress, housing system.
INTRODUÇÃO
Em função das mudanças climáticas, o International Panel on Climate Change estima que nos próximos anos ocorrerá um aumento na ocorrência de eventos climáticos extremos (1). Esse fato pode comprometer o conforto térmico dos animais de fazenda. À medida que aumenta a temperatura do ar, diminui o número de horas que os animais permanecem dentre da zona de termoneutralidade [vacas leiteiras: -5°C a 25°C (2)]. Quando expostas a altas temperaturas, as vacas apresentam quadros de estresse por calor, e para manter a integridade corporal, recorrerem a vias fisiológicas para lidar com o ambiente desafiador. Entre os indicadores fisiológicos associados ao estresse por calor, destacam-se o aumento da temperatura superficial da pele (3) e da frequência respiratória (4).
Para se adaptar aos novos desafios climáticos, os confinamentos no modelo compost barn surgiram com o objetivo proporcionar conforto térmico, higiene e controle sanitário das vacas leiteiras (5). Quando projetado e manejado adequadamente, o compost barn possibilita que o microclima interno seja controlado. Para isso, é necessário que a estrutura seja adaptada a condição climática local (6) e as instalações sejam equipadas com ventiladores que auxiliam no abatimento de calor das vacas leiteiras. Embora o uso de ventiladores possa reduzir a magnitude do estresse por calor e melhorar a termorregulação das vacas leiteiras, os sistemas de ventilação utilizados em compost barn, geralmente são de acionamento manual (7). Sistemas automatizados para acionamento de ventiladores, podem ajudar os produtores a manter a condição térmica ideal para o gado. A decisão de ativar os mecanismos de redução de calor com base nas variáveis ambientais locais é mais precisa do que a decisão do agricultor; assim, podemos reduzir o tempo que os animais ficam expostos a condições desfavoráveis. Com base no exposto, o objetivo desse estudo foi avaliar a influência de diferentes programas de acionamento automático de ventiladores no conforto térmico e termorregulação de vacas leiteiras criadas em compost barn.
MATERIAL E MÉTODOS
Localização e padrão climático
O estudo foi realizado entre fevereiro e março de 2020 (abrangendo quatro semanas de medições) no compost barn de uma fazenda leiteira comercial localizada na cidade de São Jorge D’Oeste, no estado do Paraná, região sul do Brasil (-25°69’90,13”, – 52°92’30.72”; 520 m acima do nível do mar). O clima da região é classificado como subtropical úmido mesotérmico (Cfa) de acordo com a classificação de Köppen, com precipitação anual média de 2045 mm, temperaturas médias de -3°C a 18°C nos meses frios e temperaturas médias acima dos 22°C nos meses quentes (8).
Alojamento
O compost barn possuía telhado de aluzinco (caimento de 15°), lanternim (abertura de 1,2 m e altura de 0,6 m) e 19 ventiladores trifásicos (Weifang Yihe Eletrical Appliance Co. LTDA, distribuídos pela DeLaval®). Cada ventilador possuía seis pás (1,36 m de largura, 1,36 m de altura e 0,23 m de profundidade), com capacidade de fluxo de ar de 34.000 m3/h. O galpão também possuía aberturas laterais para entrada e saída de animais e de máquinas, orientação Leste-Oeste, cercado por mureta de 0,9 m de altura, pé direito de 4,5 metros de altura. Dos 900 m² (30 x 30 m) do galpão, 750 m2 eram destinados a área de descanso e pista de alimentação. A área de descanso era aberta (sem divisórias) composta por cama de maravalha com profundidade de 0,65 m.
Animais
Participaram deste estudo 26 vacas em lactação da raça Holandesa. As vacas possuíam produção de leite média ± desvio padrão, de 28 ± 10 L/ dia, idade de 45 ± 20 meses, dias em lactação de 165 ± 131,4 e média de parto de 2 ± 1,4. As vacas eram ordenhadas duas vezes ao dia (6h e 18h) e tinham acesso livre ao alimento (fornecido três vezes ao dia – 6h, 13h e 18h) e água.
Definição de tratamentos
Quatro programações de acionamento automático dos ventiladores, baseadas na temperatura do ar e umidade relativa dentro do galpão, foram avaliadas. As programações (temperatura do ar | umidade relativa) foram: (1) 23°C | 50%, (2) 23°C | 70%, (3) 25°C | 50%, e (4) 25°C | 70%. Para a ativação automática do sistema de ventilação, um sensor ambiente (DHT22) acoplado a um microcontrolador (ESP32) foi posicionado na altura da linha dos ventiladores (3,14m). O conjunto (DHT22 + ESP32) foi acoplado ao painel de controle central do sistema de ventilação, e acionava automaticamente o sistema de ventilação quando identificava a programação pré-determinada. Cada tratamento teve duração de sete dias e durante esse período dados microclimáticos e a termorregulação das vacas foram registrados.
Microclima e indicadores bioclimáticos
As variáveis microclimáticas medidas no galpão foram a temperatura do ar (TA, °C) e a umidade relativa do ar (UR, %). As medidas foram realizadas durante 24h com intervalo de 10 min., durante todo o período experimental (30d). Os dados microclimáticos foram medidos com o auxílio de dois registradores de dados autônomos (HOBO U12-013) a uma altura de 3,14 m do solo, que correspondia à altura da linha dos ventiladores. Com os dados microclimáticos, determinamos os seguintes indicadores bioclimáticos: Índice de Temperatura e Umidade (ITU) e carga de calor acumulado (CCA). O ITU foi calculado conforme proposto por (9), usando a equação 1.
| ITU = TA + 0,36 * (TA – (100 – UR) / 5) + 41,2 | (1) |
A carga de calor acumulado (CCA) foi calculada conforme proposto por (10), usando a equação 2. O CCA sempre resulta em um valor de +Y,0, ou −Y. Assim, se o valor medido foi maior que o limiar de conforto, resulta uma diferença positiva (+Y); ou seja, o animal está ganhando carga térmica do ambiente; se o valor medido foi = ao limiar de conforto, resulta em zero, o animal está em condição termoneutra; e se o valor medido foi menor que o limiar de conforto, resulta em uma diferença negativa (−Y); ou seja, o animal está perdendo carga térmica para o ambiente.
| CCA = (valor do limiar de conforto – valor medido) x (-1) | (2) |
Fisiologia da termorregulação
As variáveis temperatura superficial da pele (TSP, °C) e frequência respiratória (FR, mov./min.) foram medidas com um intervalo de 2h, entre 9h e 17h. A TSP foi medida com um termômetro infravermelho em cinco pontos diferentes no corpo de cada vaca (cabeça, pescoço, lateral, barriga e úbere) e posteriormente determinamos o valor médio. A FR foi aferida por observação visual direta, contando os movimentos torácicos durante um período de 30s, que posteriormente foi multiplicado por dois, para obtenção da frequência respiratórias por minuto.
Desenho experimental e análise estatística
O delineamento experimental foi o inteiramente casualizado, com medidas repetidas ao longo do tempo (horas e dias). Todas as análises (influência, descritiva (mínima, média, desvio padrão e máxima) e confirmatória) foram realizadas por meio do software estatístico R versão 4.0.5 (11). A análise descritiva baseou-se na sumarização dos dados por hora de avaliação e tratamento, uma vez que todas foram observadas no mesmo período. As análises de influência foram realizadas através de modelo linear misto. Os modelos foram ajustados pelo método de aproximação de máxima verossimilhança com o pacote lme4 (12). Os intervalos de confiança foram estimados por meio de testes de qui-quadrado de Wald Tipo II. A adequação dos modelos foi testada inspecionando o resíduo nos gráficos, uma linha de melhor ajuste. A normalidade dos fatos aleatórios foi dada pelas médias do gráfico quartil com intervalo de confiança de 95%.
Para a análise confirmatória do microclima, os dados do Índice de Temperatura e Umidade (ITU) foram submetidos ao teste de Kruskal-Wallis e a comparação múltipla das médias foi realizada pelo teste de Bonferroni (95% de nível de confiança). Além disso, dados horários (24h) da carga de calor acumulada foram utilizados para análise descritiva.
Para confirmar que os programas de ventilação e horas de avaliação influenciaram temperatura superficial da pele e frequência respiratória das vacas em compost barn, os dados foram analisados por um modelo linear misto com distribuição Gaussiana e intervalo de confiança de 95%. Os programas de ventilação e as horas de avaliação foram definidos como efeito fixo, dias e animais foram definidos como efeitos aleatórios. Para fins de interpretação do modelo foi utilizada a razão de taxa de incidência (RTI), que representa a chance de um determinado evento ocorrer em relação à categoria de referência (programa de ventilação e hora com melhores valores). Além disso, os dados foram submetidos ao teste de Kruskal-Wallis e a comparação múltipla das médias foi realizada pelo teste de Bonferroni (95% de nível de confiança).
RESULTADOS E DISCUSSÃO
Os valores médios da carga de calor acumulada variaram em função das horas (Figura 1). Durante o período vespertino foi registrado o maior valor acumulado de calor (+13). Em média, os animais permaneceram 12h em um ambiente propicio para o balanço térmico positivo. Ou seja, a carga térmica recebida do ambiente foi maior do que a carga térmica perdida para o ambiente. Embora os indicadores de conforto térmico sejam bons preditores das condições térmicas a que os animais estão sujeitos (10,13), estes ainda não consideram em sua fórmula o tempo de exposição dos animais a condições térmicas adversas do ambiente (14). É importante considerar por quanto tempo os animais foram submetidos às condições de estresse por calor, pois a resposta dos animais ao estresse pode ocorrer com delay (15).
Em todos os programas de ventilação os valores (média ± DP) de ITU (71 ± 5,4; variação: 58 – 83) permaneceram acima do limiar de conforto (68 unidades de ITU; 10) para vacas em lactação. No programa de ventilação 23°C | 70% foi observada o maior valor (+11) de carga de calor acumulada (Figura 2) e os maiores valores médios (p=0,003) de ITU (23°C | 50% = 71 ± 5,5; variação: 58 – 83; 23°C | 70% = 73 ± 5,7; variação: 62 – 83; 2 – 25°C | 50% = 71 ± 4,8; variação: 61 – 79; e 25°C | 70% = 71 ± 5,2; variação: 60 – 81). O índice de temperatura e umidade é um dos indicadores de conforto térmico mais utilizados para animais de fazenda (17,18). No entanto, uma desvantagem do ITU é considerar apenas duas variáveis ambientais: temperatura do ar e umidade relativa do ar (3). Há uma grande discussão sobre os valores ideais de ITU para bovinos leiteiros. O National Weather Service (19) estima que valores de ITU até 74 representam ambientes seguros para os animais, e de 74 a 78 requerem cuidados especiais (alerta). No entanto, Rosenberg et al. (20) relataram que mudanças comportamentais e produtivas ocorreram quando o ITU estava acima de 72 unidades, o que determina uma situação de alerta. Além disso, perdas de produção e alterações na frequência respiratória podem ocorrer quando o ITU atinge 65 unidades; assim (16,21), definiram um limite máximo de 68 unidades de ITU para vacas com produção acima de 35 kg/dia.
Os detalhes do modelo de regressão multinível construído para determinar a influência dos programas de ventilação e horas de avaliação na temperatura superficial da pele (TSP, °C) e frequência respiratória (FR, mov./min.) das vacas estão apresentados na Tabela 1. As vacas foram mais prováveis (p<0.001) de apresentar maiores valores de TSP e FR após às 9h. Além disso, as vacas foram mais propensas (p<0.001) a apresentar valores mais altos de TSP e FR no programa de ventilação 23°C | 70%. Animais condicionados em ambiente estressante (com indicadores de conforto térmico acima do limiar de conforto), ativam mecanismos de dissipação da carga de calor como a alteração de comportamento e fisiologia. Alguns efeitos negativos associados ao estresse por calor são o aumento da temperatura corporal (3,22) e da frequência respiratória (4). A frequência respiratória é um dos primeiros mecanismos de termorregulação a serem acionados quando os animais são submetidos a estresse térmico, sendo um indicativo de estresse térmico valores de FR acima de 60 mov./min. (23).
Os menores valores médios de TSM foram observados no programa de ventilação 23°C|50% (Figura 3a), enquanto os maiores valores médios de FR foram observados no programa de ventilação 23°C|70% (Figura 3b). Um dos problemas de aferir somente a temperatura superficial da pele é a alta sensibilidade desta variável ao calor (24). Todavia, a temperatura da superfície corporal é uma medida não invasiva e tem correlação positiva com a frequência respiratória (25), que é um dos principais mecanismos para a dissipação de calor (26). Além disso, tanto a temperatura superficial da pele quanto a frequência respiratória são bons preditores de estresse por calor (27).
Em relação aos programas de ventilação avaliados, a umidade relativa do ar (70%) foi um agravador de desconforto térmico. Embora a temperatura do ar no programa de ventilação 23°C|70% estava dentro zona de conforto do animal, a quantidade de umidade do ar tornou-se um elemento com impacto negativo para a manutenção da homeostase do animal. Os bovinos podem tolerar temperaturas altas com baixa umidade relativa do ar, pois dissipam o calor excessivo de maneira eficaz por mecanismos evaporativos (28). No entanto, durante o clima quente e úmido, a alta umidade relativa do ar é redutor da capacidade dos animais de troca de calor pela transpiração e frequência respiratória (22,28). O teor de vapor de água do ar tem um impacto negativo na perda de calor por evaporação através da pele e dos pulmões. Por isso, condições de desconforto térmico (alta temperatura do ar e umidade relativa do ar) requerem sistemas de ventilação eficientes. Mesmo quando o sistema de refrigeração é eficiente, sua capacidade de manter o ambiente térmico interno em condição de conforto, dependendo das condições externas, e a eficiência de refrigeração diminui em condições de alta umidade relativa (5,29).
CONCLUSÕES
Os programas de ventilação não foram eficientes em mitigar o ambiente térmico do compost barn, devido ao índice de temperatura e umidade permanecer acima do limitar de conforto. Além disso, a umidade relativa foi o principal agravador do conforto térmico, uma vez que na programação 23°C | 70%, embora tenha a menor temperatura de acionamento do sistema, foi observado o maior valor de carga de calor acumulada, os maiores valores de temperatura superficial da pele e frequência respiratória.
REFERÊNCIAS
1. IPCC. Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press. 2021. doi:10.1080/03736245.2010.480842
2. Avendano-Reyes L. Heat Stress Management for Milk Production in Arid Zones. In: Chaiyabutr N, editor. Milk Production – An Up-to-Date Overview of Animal Nutrition, Management and Health. Intech; 2012. pp. 165–184. doi:http://dx.doi.org/10.5772/51299
3. Sejian V, Bhatta R, Gaughan JB, Dunshea FR, Lacetera N. Review: Adaptation of animals to heat stress. Animal. 2018;12: S431–S444. doi:10.1017/S1751731118001945
4. Herbut P, Angrecka S, Godyń D, Hoffmann G. The Physiological and Productivity Effects of Heat Stress in Cattle-A Review. Ann Anim Sci. 2019;19: 579–593. doi:10.2478/aoas-2019-0011
5. Leso L, Barbari M, Lopes MA, Damasceno FA, Galama P, Taraba JL, et al. Invited review: Compost-bedded pack barns for dairy cows. J Dairy Sci. 2020;103: 1072–1099. doi:10.3168/jds.2019-16864
6. Ahn GC, Jang SS, Lee KY, Baek YC, Oh YK, Park KK. Characteristics of sawdust, wood shavings and their mixture from different pine species as bedding materials for Hanwoo cattle. Asian-Australasian J Anim Sci. 2020;33: 856–865. doi:10.5713/ajas.19.0519
7. Vieira FMC, Soares AA, Herbut P, Vismara E de S, Godyń D, Santos ACZ Dos, et al. Spatio-thermal variability and behaviour as bio-thermal indicators of heat stress in dairy cows in a compost barn: A case study. Animals. 2021;11: 1–19. doi:10.3390/ani11051197
8. Alvares CA, Stape JL, Sentelhas PC, De Moraes Gonçalves JL, Sparovek G. Köppen’s climate classification map for Brazil. Meteorol Zeitschrift. 2013;22: 711–728. doi:10.1127/0941-2948/2013/0507
9. Thom EC. The Discomfort Index. Weatherwise. 1959;12: 57–61. doi:10.1080/00431672.1959.9926960
10. Volpi D, Alves FV, Arguelho S, Martinez M, Deniz M, Zopolatto M. Environmental variables responsible for Zebu cattle thermal comfort acquisition. Int J Biometeorol. 2021;66. doi:https://doi.org/10.1007/s00484-021-02124-x.
11. R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing. Viena, Austria; 2021. Available: https://www.r-project.org/
12. Bates D, Mächler M, Bolker BM, Walker SC. Fitting Linear Mixed-Effects Models Using lme4. JournalofStatisticalSoftware. 2015;67: 01–48. doi:10.18637/jss.v067.i01
13. de Sousa KT, Deniz M, Moro MF, Gomes IC, do Vale MM, Dittrich JR, et al. Developing of a model to predict lying behavior of dairy cows on silvopastoral system during the winter season. Int J Biometeorol. 2021. doi:https://doi.org/10.1007/s00484-021-02121-0
14. Gaughan JB, Mader TL, Holt SM, Lisle A. A new heat load index for feedlot cattle. J Anim Sci. 2008;86: 226–234. doi:10.2527/jas.2007-0305
15. St-Pierre NR, Cobanov B, Schnitkey G. Economic losses from heat stress by US livestock industries. J Dairy Sci. 2003;86: E52–E77. doi:10.3168/jds.S0022-0302(03)74040-5
16. Bohmanova J, Misztal I, Cole JB. Temperature-Humidity Indices as Indicators of Milk Production Losses due to Heat Stress. J Dairy Sci. 2007;90: 1947–1956. doi:10.3168/jds.2006-513
17. Habeeb AA, Gad AE, Atta MA. Temperature-Humidity Indices as Indicators to Heat Stress of Climatic Conditions with Relation to Production and Reproduction of Farm Animals. Int J Biotechnol Recent Adv. 2018;1: 35–50. doi:10.18689/ijbr-1000107
18. Herbut P, Angrecka S, Walczak J. Environmental parameters to assessing of heat stress in dairy cattle—a review. Int J Biometeorol. 2018;62: 2089–2097. doi:10.1007/s00484-018-1629-9
19. National Weather Service. Livestock Hot Weather Stress. Regional Operations Manual Letter. Washington, D.C: National Academy Press; 1976.
20. Rosenberg LJ, Biad BL, Verns SB. Human and animal biometeorology. Microclimate, the biological environment. New York: Wiley Interscience Publication; 1983. pp. 423–467.
21. Renaudeau D, Collin A, Yahav S, De Basilio V, Gourdine JL, Collier RJ. Adaptation to hot climate and strategies to alleviate heat stress in livestock production. Animal. 2012;6: 707–728. doi:10.1017/S1751731111002448
22. Lees AM, Sejian V, Wallage AL, Steel CC, Mader TL, Lees JC, et al. The impact of heat load on cattle. Animals. 2019;9: 1–20. doi:10.3390/ani9060322
23. Becker CA, Aghalari A, Marufuzzaman M, Stone AE. Predicting dairy cattle heat stress using machine learning techniques. J Dairy Sci. 2021;104: 501–524. doi:10.3168/jds.2020-18653
24. Kadzere CT, Murphy MR, Silanikove N, Maltz E. Heat stress in lactating dairy cows: A review. Livest Prod Sci. 2002;77: 59–91. doi:10.1016/S0301-6226(01)00330-X
25. Vieira FMC, Deniz M, Vismara ES, Herbut P, Pilatti JA, Sponchiado MZ, et al. Thermoregulatory and Behaviour Responses of Dairy Heifers Raised on a Silvopastoral System in a Subtropical Climate. Ann Anim Sci. 2020;20: 613–627. doi:10.2478/aoas-2019-0074
26. Saizi T, Mpayipheli M, Idowu PA. Heat tolerance level in dairy herds: A review on coping strategies to heat stress and ways of measuring heat tolerance. J Anim Behav Biometeorol. 2019;7: 39–51. doi:10.31893/2318-1265jabb.v7n2p39-51
27. Shu H, Wang W, Guo L, Bindelle J. Recent Advances on Early Detection of Heat Strain in Dairy Cows Using Animal-Based Indicators: A Review. Animals. 2021;11: 980. doi:10.3390/ani11040980
28. Castro Júnior SL, Silva IJO da. The specific enthalpy of air as an indicator of heat stress in livestock animals. Int J Biometeorol. 2021;65: 149–161. doi:10.1007/s00484-020-02022-8
29. Fournel S, Rousseau AN, Laberge B. Rethinking environment control strategy of confined animal housing systems through precision livestock farming. Biosyst Eng. 2017;155: 96–123. doi:10.1016/j.biosystemseng.2016.12.005
Tag:CBPAV
