冀中地区生鲜乳全年乳品质的评价

李 健 邱殿锐 吴春梅 赵伍祥 郭建军* 李 娟 陈志军

（1.河北旅游职业学院，河北承德 067000；2.承德市畜牧研究所，河北承德 067000；3.盐城市亭湖区动物卫生监督所，江苏盐城 224002；4.围场职教中心，河北承德 068450；5.衡水职业技术学院，河北衡水 053000）

冀中地区奶牛养殖数量大，4万多头奶牛，养殖方式多，规模场有105个，合作社99个[1]，不同的养殖方式生产出来的生鲜乳的各项指标（按照《乳品质量安全管理条例》的要求，对生鲜乳检测的指标有：感官检测、相对密度、酸度、蛋白含量、脂肪含量、乳糖、全脂乳固形物，非全脂乳固形物，等21项）各不相同，很难通过单一指标判定生鲜乳的优劣。本文采用聚类分析和主成分分析的方法从主官和客观方面对冀中地区的乳质量的综合评价进行了研究，从而为乳质量综合评价体系的建立提供一定的指导，并且有利于相关鉴定准则的建立。

1 材料和方法

1.1 数据来源

数据来自河北省冀中地区某牧场，2015～2016年570头次的荷斯坦成年产奶母牛每天测定乳脂率、乳蛋白率、奶温、非脂乳固体含量、冰点的记录。

1.2 牧场饲养管理的基本情况

奶牛日粮组成分参照《中国奶牛饲养标准》（NY/T 34—2004）配制[2]，精料13kg，青贮20kg，苜蓿3kg，燕麦草1kg，棉籽1.5kg，甜菜颗粒1kg全天自由采食。每日分别在6：00、13：30和20：00采用并列式挤奶机。试验期为1年。

1.3 数据处理

试验数据采用Excel进行整理、计算，利用SPSS 22.0统计分析软件进行主成分分析和聚类分析，聚类距离采用欧式距离平方法，聚类方法采用Ward法。

2 结果

2.1 因子共同度分析

因子共同度越大越能解释变量的方差，说明因子包含原有变量信息的量越多。由表1可见，冰点和脂肪率对生鲜乳品质的贡献率最大。

表1 因子共同度分析

2.2 特征根及方差贡献率

通过对5个性状的主成分分析，得到5个主成分分值，将各主份的特征根及方差贡献率列于表2。由表2可知，第一主成分对总方差的贡献率为64.836%，第二主成分对总方差的贡献率为25.623%，2个主成分的累积贡献率达到90.459%基本上反映了所测乳品指标包含的全部信息。

表2 乳品质性状的主成分分析

2.3 主成分分析碎石图

由图1可见前2个主成分的特征值较大（λ＞1），连线较为陡峭，即前2个主成分对解释变量的贡献最大。

图1 主成分分析碎石图

2.4 特征向量

根据表4中特征向量，2个入选主成分可分别表示为：Y1=0.4843X1＋0.5337 X2＋0.4804X3－0.2155X4－0.4510X5；Y2=0.3234X1＋0.0990X2＋0.3066X3＋0.7872X4＋0.4153 X5。

表3 主成分的特征向量

2.5 乳品质综合评价

由表4可知，坝上地区全年的乳品质为1 月＞11 月＞2 月＞3 月＞10 月＞12 月＞9 月＞4月＞7 月＞8 月＞6 月＞5 月。

表4 主成分得分

2.6 乳品质在不同月份的聚类分析

依据试验测定的乳品质5项指标，以平方欧氏距离为衡量乳品质各指标差异的大小指标，采用ward连接法对5项指标进行系统聚类，结果见图2。由图2可见，冀中地区的乳品质从月份上分为2类，4～8月份为一大类，其他月份为一大类，从聚类图中反映了当地气候与乳品质的关系。

图2 每月乳品质聚类分析谱系图

2.7 乳品质各项指标聚类分析

依据试验测定的乳品质5项指标，以平方欧氏距离为衡量乳品质各指标差异的大小指标，采用ward连接法对5项指标进行系统聚类，结果见图3。由图3可见，乳品质5个指标划分为2类。其中，乳脂率、乳蛋白率、奶温首先聚在一起在与冰点聚为一类，非脂乳固体含量聚为一类。

图3 乳品质指标聚类分析谱系图

3 讨论与结论

通过对冀中地区乳品质全年的5个指标进行检测和主成份分析，明确了影响乳品质的关键指标是冰点和乳脂率。河北冀中地区通过主城份分析在冬、春季的乳品质好于夏、秋季节，这与汪银锋（2010）等[3]，报道的相似。在对每个月的乳品质评价过程中，1月、2月、3月、11月的乳品质最号，9月、10月、12月乳品质较好、4～8月份乳品质一般。在奶牛实际生产过程中，将多样本对象分类时，单因素不能全面综合的描述其类别，往往要考虑多方面因素进行分类[4-6]，在对乳品质聚类分析中，将乳品质指标分成2类，这与傅祎旭（2013）[7]报道的相似。

[1] 王晓芳，安永福，王红，等.河北省奶牛养殖现状调研[J].养殖与饲料，2016，（7）：84-86.

[2] NY/T 34-2004，奶牛饲养标准[S].北京：中华人民共和国农业部，2004.

[3] 汪银锋，李素平，高腾云，等.原料乳质量指标关系概述[J].江苏农业科学，2010，（2）：332-333.

[4] HAMID JS，MEANEY C，ROWCROFT NS，et al.Cluster analysis for indentifying sub-groups and selecting potential discriminatory variables in human encephalitis[J].BMC Infect Dis，2010，（10）：364.

[5] GUIMARAES RM，ASMUS CI，BURDORF A. Characterization of population exposure to organochlorines：a cluster analysis application[J].Rev Bras Epidemiol，2013，16（2）：231-239.

[6] CAINES R，ELEUTERI A，KALIRAI H et al .Cluster analysis of multiplex ligation-dependent probe amplification data in choroidal melanoma[J].Mol Vis，2015，（21）：1-11.

[7] 傅祎旭.基于主成分分析法对乳制品营养成分分析[J].红河学院学报，2013，11（2）：54-57.