利用CNCPS V5.0预测我国杂种肉牛干物质采食量的效果评价

杜晋平,杨晓林,殷裕斌,解祥学,孟庆翔

(1.长江大学动物科学学院,湖北荆州 434025;2.中国农业大学动物科技学院肉牛研究中心,北京 100193)

准确的预测肉牛饲料采食量对于预测平均日增重以及营养需要量都非常关键(NRC,1987)[1]。影响饲料采食量的因素包括生理因素(体组成,特别是体脂肪,动物年龄,生理阶段,体重,性别等),环境因素(温度,湿度,应激,泥泞等),管理和日粮因素(埋植生长激素,添加瘤胃素,粗饲料质量,日粮营养素缺乏,饲料加工等)(NRC,1996)[2]。在这个领域已经有许多预测公式和模型,康奈尔净碳水化合物和蛋白系统第5版(CNCPS V5.0)是比较新的一个版本,包含了一个生物学基础架构,使得它能够在比较广的范围内,对不同品种、饲料、管理和环境条件下的动物作出营养需要、饲料利用和生产性能预测[3]。

CNCPS是一个基于瘤胃功能、微生物生长规律、饲料的瘤胃消化和外流及动物生理模型的饲料评价系统。CNCPS甚至已经被扩展开发用作农场管理工具来进行作物种植计划,优化“农场自种植饲料”获得最大饲料产量,降低购买饲料的数量,优化畜群结构,降低饲料花费,增加收入。

动物品种、年龄、饲料及所处环境在不同国家和地区都有很大差别,为了使CNCPS在中国得到很好的应用,需要大量的动物试验验证。然而到目前为止,关于这方面的研究很少[4]。本研究的目的是评价CNCPS V5.0用于预测我国杂种肉牛干物质采食量的情况。

1 材料和方法

1.1 试验设计 通过2个独立的肉牛饲养试验(子试验1和子试验2)进行肉牛干物质采食量的预测效果评价。子试验1在中国农业大学肉牛研究中心试验基地(北京金维福仁清真食品有限公司养殖厂)进行。选用45头西门塔尔牛×蒙古牛一代杂交公牛(平均初始体重387 kg),按体重随机分配到3个试验组。第1组为对照组(T1),饲喂混合精料饲粮;第2组饲喂20%棕榈仁粕饲粮(T2);第3组饲喂40%棕榈仁粕饲粮(T3)。试验牛单栏栓系饲养,每头牛有独立的料槽和水槽,自由采食和饮水。试验期从2008年1月31日到5月16日,共98 d。其中预饲期2周,正试期12周。每天喂料2次(6:00和17:00),每周连续3 d记录每头牛的采食量,其平均值作为该周该头牛的平均采食量。

子试验2地点同上。选用60头利木赞牛×福州二代杂交公牛(平均初始体重345 kg),按体重随机分到4个组中,每组15头。第1组饲喂基础日粮(T4,作为对照),第2组添加5g保护性赖氨酸/d(T5),第3组添加10 g赖氨酸/d(T6),第4组添加15 g赖氨酸/d(T7)。试验期从2008年6月6日到10月9日,为期126 d,其中预饲期2周,正试期16周,其他饲喂程序及管理同子试验1。

1.2 试验指标测定 2个饲养试验所用饲料根据JS Zhao等所介绍的CNCPS推荐的方法测定相关指标[4]。干物质采食量的测定按照“1.1”所介绍的方法饲喂,每周连续3 d收集剩余饲料并称重。以3 d的平均采食量作为该头牛每周采食量的计算值,每组中所有牛的采食量平均值作为该组牛采食量的观测值。

1.3 环境温度和湿度 试验期间,每天8:00和16:00采用温湿度仪(610温湿度仪,北京柏诚佳通科技有限公司)记录牛舍的环境温度和相对湿度。

1.4 模型输入和输出 将牛舍环境温度和相对湿度数据和管理指标全部输入软件(CNCPS V 5.0)。表1和表2列出了所有CNCPS需要的输入量及对应值。利用模型软件对单个牛只进行预测,得到个体DMI预测值。

1.5 统计分析 对比CNCPS预测值和试验观察值,用两样本t检验进行分析。

评价模型精确性的一个方法是计算预测值与观察值之差的偏移程度[5],并设定可接受的最大范围。本研究中,依据DMI平均值落在95%的置信区间之内,设定DMI预测值可接受的最大范围是-0.4到0.4 kg/d。

同时,模型预测能力采用对观察值(y)和预测值(x)回归的办法进行分析[6]。分别对两个试验及其不同组别动物的干物质采食量进行了线性回归分析,对回归参数(截距、斜率、决定系数和误差均方的平方根)进行分析。

所有的统计分析均采用SAS 8.02来完成。

2 结果与讨论

CNCPS V 5.0是针对动物群体的饲料需求和养分排泄的预测而设计的[3]。因此,虽然在本次试验中每个子试验都包含不止一个处理,我们还是可以将其作为一个整体来比较观察值和预测值间的差异。该模型预测干物质采食量是基于可获得的信息,如动物来源因子、天气条件、日粮营养浓度、饲料可利用能等[4],在此基础上对单个动物的采食量进行预测。本次试验中日粮根据NRC(1996)标准进行配制,然后将各指标输入CNCPS,以每个处理(15头)为单位计算预测的平均采食量,实际采食量根据记录进行计算和分析。经统计分析,本次研究中没有显著的处理效应(P＞0.05)。

表1 CNCPS需要的各种输入量

两个试验动物年龄为13～14月龄,差别不大,饲喂和管理方式相似,但动物品种、原始体重、日粮代谢能水平及天气条件差别很大,这些方面能代表中国北方地区典型的肉牛饲喂方式。

2.1 干物质采食量观察值和预测值的比较 分别对两个子试验中不同组牛的干物质采食量的观察值和CNCPS预测值进行了配对性的t检验,结果见表3。

从表3可以看到,子试验1的观察和预测的DMI都高于子试验2。由于两次试验中动物在同一个牛场和相似的管理条件下,因此可以认为动物品种选择是造成此差异的一个重要原因(在应用该模型时我们选用了纯种的西门塔尔牛或利木赞牛作为默认品种进行预测,而我们的两个试验中均为杂种牛),另外两次试验中动物初始体重的不同也可能是造成该结果的原因之一。在所研究的7个处理中,T1、T3和T4处理的平均数偏差(模型预测值减去观察值)很小,显示出模型较准确的预测能力;但是其余的处理(T2、T5、T6和T7)有相对较大的平均数偏差,说明模型对这些处理DMI预测的准确性要差些。

表2 试验日粮组成及营养水平

两次试验中平均数偏差均为正值,揭示出本次研究中模型高估了动物的干物质采食量。JS Zhao等发现,在所评估的12组牛中,CNCPS高估了其中3组的DMI,而低估了其余9组的DMI;DO Molina等[7]的研究发现CNCPS均低估了DMI。这些研究与本次试验所得结果并不一致,尽管本次研究中CNCPS预测与实际观察的DMI差值并不是很大(子试验1最大为0.18,子试验2最大为0.25 kg/d)。子试验1中棕榈仁粕含较高的脂肪(8%DM)以及子试验2中日粮合理的赖氨酸水平(由于添加了赖氨酸)可能是引起该结果的主要原因。本次研究结果说明在我国应用CNCPS进行采食量预测时,为使结果更加准确,仍然需要进一步的细化试验条件(如日粮类型、牛品种等),并需要大量的动物试验进行校正。

子试验1中T1和T3处理组DMI预测值与实际观察值差异不显著(P=0.08和0.07),而T2处理组差异显著(P=0.03);子试验2中T4和T5处理组干物质采食量预测值与观察值间差异不显著(P=0.12和0.05),而T6和T7处理组差异极显著(P＜0.01和P=0.01)。子试验1与子试验2比较,有一个相对较小的差值(预测值减观察值)平均数(试验1从0.07到0.18 kg/d,子试验2从0.11 kg/d到 0.25 kg/d),从数值上看似乎CNCPS对子试验1中DMI预测的结果更准确些,但由于两个试验中均有预测值与观察值的显著差异组存在,并不能说明本次研究中CNCPS对那个试验DMI的预测更准确。

表3 观察采食量和预测采食量的比较(DMI) kg/d

图1显示子试验1各组牛DMI预测值和观察值的对比情况,从图可看出大部分点(45个数据中有34个)落在y=x线的上方,这也表明CNCPS高估了DMI(数值见表3)。图2显示子试验1中3组牛DMI差值(预测值减观察值)的分布情况。经计算子试验1的3组分别有93%、80%和73%的点(14、12和11头)落在-0.4 kg/d至0.4 kg/d的范围内,这说明CNCPS对子试验1的DMI具有较好的预测,可以用于实际生产中。

图1 子试验1各组牛干物质采食量观察值和预测值比较

图2 子试验1各组牛预测与观察的DMI之差

图3显示子试验2中4组牛DMI预测值与实际观察值的关系,图4显示子试验2中4组牛DMI差值(预测值减观察值)的分布情况。从图3也发现大多数点落在y=x的上方(60个数据中有44个),揭示出CNCPS高估了DMI(数值见表3),经计算子试验2的4组分别有 87%、73%、73%和80%的点(13、11、11和12头)落在-0.4至0.4 kg/d的范围内,同样说明CNCPS较好地对子试验2的DMI进行了预测。

图3 子试验2各组牛干物质采食量观察值和预测值比较

图4 子试验2各组牛预测与观察的干物质采食量之差

2.2 观察值和预测值的回归分析 对不同组牛观察和预测的干物质采食量(DMI)进行了线性回归分析,结果见表4。

子试验1中各处理组DMI观察值和预测值有较高的相关系数且数值接近(0.93、0.80和0.81),这说明对子试验1中DMI的观察值和预测值进行的相关分析是较为可信的。子试验2中各组DMI观察值和预测值的相关系数变化范围较大(0.57、0.68、0.92和0.80),但T6和T7处理组的相关系数较大,说明这两组的相关分析是可信的。两个试验所有动物比较,DMI观察值和预测值的相关系数接近(0.83和0.79)且达到一个较高的数值,表明CNCPS对DMI预测具有较好的可信度。

除子试验2的T4处理组斜率差异不显著外,其余6个处理组的斜率差异均显著(P＜0.05),说明所建立的回归方程是有意义的。

决定系数(R2)的大小反映了所建立的回归方程的可靠性高低。子试验1各组有一个中等程度的决定系数(R2=0.87、0.64和0.66),说明预测的 DMI与观察值相比较可以接受。子试验2中各组的决定系数范围变化 (R2=0.57、0.68、0.92和 0.80)很大,其中 T4处理组的值很小(R2=0.57),而T6处理组的值最高(R2=0.92),T7处理组的值中等(R2=0.80),说明对T6和T7处理组的DMI有较好的预测。

试验各组的误差均方根(RMSE)都很小,其中T1处理组最小而T5处理组最大。低的 RMSE值说明CNCPS对各处理组DMI的预测都比较准确。当然我们必须认识到CNCPS模型中用来预测1岁左右牛干物质采食量的公式可能会导致预测误差的产生[3]。该公式是在典型的北美条件下,以纯种公牛为研究对象,同时饲喂高精料饲粮得出的,与本次试验的杂种公牛和饲喂中等精料的情况是不同的。

表4 观察和预测的DMI回归参数

利用线性回归对预测和观察的DMI进行分析时,理想的模型需要满足下面3个标准:①高的R2值(＜0.75作为参照标准);②截距接近0(与0差异不显著);③斜率接近1(与1差异不显著)。本研究中干物质采食量的观察值(y变量)和模型预测值(x变量)的回归方程有较高的R2值(R2=0.79),截距与0差异不显著(P=0.27),但斜率与1差异显著(P＜0.05),暗示了该模型对干物质采食量的预测基本可以接受但存在一定偏差。

最后,必须认识到预测采食量并非易事,因为诸多因素的相互作用(动物和日粮等)都会对预测产生影响[7-8]。在我国,由于可利用资料的限制及动物品种差异,准确预测肉牛采食量更显得困难。

3 结论

本研究结果表明,CNCPS模型对我国生产条件下杂种肉牛干物质采食量的预测基本可以接受,但仍然存在某些偏差,需要今后进行大量的工作才能使该模型在我国得到更好的应用。

[1]National Research Council.Predicting feed intake of food-producing animal[M].Washington:National Academy Press,D C USA,1987.

[2]National Research Council.Nutrient requirements of beef cattle,seventh revised[M].Washington:National Academy P ress,D C USA,1996.

[3]D G Fox,T P Ty lutki,L O Tedeschi,et al.T he net carbohydrate and protein system for evaluating herd nutrition and nutrient excretion.CNCPS version 5.0[M].Department of Animal Science,Cornell University,Ithaca,New York,USA,2003.

[4]J S Zhao,Z M Zhou,L P Ren,et al.Evaluation of dry matterintake and daily weight gain predictions of the Co rnell net carbohydrate and protein sy stem with local breeds of beef cattle in China[J].Animal Feed Science and Technology,2008,142:231-246.

[5]P L Mitchell,J E Sheehy.Comparison of predictions and observations to assess model performance:a method of empirical validation//Applications of systems approaches at the field level.Kluwer Academic,Boston,MA,1997:437-451.

[6]D G Mayer,D G Butler.Statistical validation[J].Ecol M odel,1993,68:21-32.

[7]D O Molina,I Matamo ros,Z Almeida,et al.Evaluation of the dry matter intake predictions of the Cornell net carbohydrate and protein system with Holstein and dual-purpose lactating cattle in the tropics[J].Animal Feed Science and Technology,2004,114:261-278.

[8]J M Forbes.Integration of regulatory signals controlling forage intake in ruminants[J].J Anim Sci,1996,74:3029-3035.