舍饲肉用绵羊干物质采食量预测模型构建及评估

闫俊彤 张吉贤 李金辉 严 慧 郭云霞 段春辉 刘月琴 纪守坤 张英杰

(河北农业大学动物科技学院，保定 071000)

干物质采食量(DMI)是动物营养需要量模型的重要组成部分，实现DMI精准预测是肉羊精准饲养的基础，在指导肉羊生产中具有重要的意义。DMI受动物因素如体况、生理阶段、产奶量[1]，饲粮因素如能量水平、物理特性[2-3]、补给量[4]及环境因素[5-6]等的影响，如今使用较广的肉羊DMI预测模型主要有英国AFRC(1998)[7]预测模型、CNCPS-S(2004)[8]预测模型以及美国NRC(2007)[9]预测模型，其中AFRC(1998)[7]认为代谢体重(MBW)和饲粮代谢能(ME)是影响DMI的主要因素；CNCPS-S(2004)[8]认为DMI主要受MBW和平均日增重(ADG)影响；NRC(2007)[9]预测模型中的影响因子为体重(BW)和相对成熟度(RM)。但由于以上模型对国内品种纳入不足，很大程度上制约了这些DMI预测模型在我国的使用，其预测准确性尚有待提高[10]。本研究通过收集国内外文献的试验数据，建立包含国内外典型肉用绵羊品种的DMI及其影响因素数据集，利用多元回归法建立肉用绵羊DMI预测模型，采用方差分解方法解析肉用绵羊DMI的影响因素，为国内舍饲肉用绵羊DMI预测提供基础数据。

1 材料与方法

1.1 DMI及其影响因素参数数据集

利用Web of Science、Google学术、中国知网数据库筛选相关文献。检索方式为关键词，英文检索词为sheep和DMI，中文检索词为羊和DMI；时间范围为2015年1月1日至2021年1月1日。

纳入标准包括：1)研究对象为舍饲肉用绵羊；2)基础饲粮指标包括DM、能量[总能(GE)或消化能(DE)或ME]及蛋白质[粗蛋白质(CP)或可消化蛋白质(DP)或代谢蛋白质(MP)]、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、钙(Ca)、磷(P)含量；3)肉用绵羊生长性能的指标，包括初始体重(IBW)、结束体重(FBW)、ADG、DMI。

排除标准包括：1)综述性研究；2)包含重复数据的文献；3)数据不全或无法提取相关信息的文献；4)肉用绵羊处于非正常状态的数据，包括但不限于患病、限饲等。

根据纳入标准和排除标准，通篇阅读文章并进行筛选，纳入包括杜寒杂交羊、小尾寒羊、湖羊、Kermani lambs、Creole lambs、Awassi lambs、Chall lambs、Dorper×Santa Ines crossbred lambs、Suffolk lambs、South African Dorper lambs、Deccani lambs共11种品种的肉用绵羊，提取文献中肉用绵羊IBW、FBW、ADG和饲粮DM、ME及CP、NDF、ADF、Ca、P含量参数；依据肉用绵羊试验IBW和试验FBW计算中位体重[BW=(IBW+FBW)/2]；通过肉用绵羊中位体重计算肉用绵羊MBW(MBW=BW0.75)；通过查阅各品种肉用绵羊相关标准和文献获得其成年体重[11-16]，计算其RM(RM=BW/成年体重)。构建包含肉用绵羊BW、MBW、RM、相对成熟度平方值(RM2)、ADG和饲粮DM、ME、代谢能平方值(ME2)、CP、NDF、ADF、Ca、P含量以及肉用绵羊DMI的数据集。

1.2 预测模型构建

1.2.1 DMI预测模型参数共线性

使用R 3.6.3软件Cor程序进行参数间的相关性分析，检测各参数间的共线性。共线性评价标准：|r|≥0.6且P<0.05表明存在高度共线性；0.4≤|r|<0.6且P<0.05表明存在中度共线性；|r|<0.4表明不存在共线性。参数间存在高度共线性时，依据其与DMI相关性大小排除相关性较低参数。

1.2.2 DMI预测模型优化

在初步排除共线性参数后，采用R 3.6.3软件lm函数，以肉用绵羊BW、MBW、RM、RM2、ADG和饲粮DM、ME、ME2及CP、NDF、ADF、Ca、P含量为自变量，以DMI为因变量，构建多元回归模型：Y=a+b1×X1+b2×X2+……bn×Xn。式中：Y为DMI；a为固定常数项；X为预测模型参数；b为对应参数变量的系数。采用向后逐步回归分析法(backward step wise selection，BSWS)，依次删除不显著变量，获得优化的DMI预测模型，采用vif函数计算多元回归模型中各参数方差膨胀因子(variance inflation factors，VIF)，VIF>5作为判定是否存在因变量间共线性的依据。

1.3 数据统计分析

1.3.1 预测模型评估

采用本研究所获得公式、AFRC(1998)[7]、NRC(2007)[9]和CNCPS-S(2004)[8]模型分别计算DMI预测值。

AFRC(1998)[7]预测模型：

DMI=(74.9×MBW)×[(-0.66+1.333×
ME)-(0.266×ME2)]。

式中：DMI为干物质采食量(g/d)；MBW为代谢体重(BW0.75)；ME为饲粮代谢能(Mcal/kg)。

CNCPS-S(2004)[8]预测模型：

DMI=-124+71.1×MBW+1.5×ADG。

式中：DMI为干物质采食量(g/d)；MBW为代谢体重(BW0.75)；ADG为平均日增重(g/d)。

NRC(2007)[9]预测模型：

DMI=40×BW×(1.7-RM)。

式中：DMI为干物质采食量(g/d)；BW为体重(kg)；RM为相对成熟度(BW/成年体重)。

利用R 3.6.3软件的Cor.test函数进行预测值和观测值的相关性分析，同时采用平均偏差(mean bias，MB)和均方根预测误差(root of mean square prediction error，RMSPE)评估模型的预测偏差。

式中：MB为平均偏差；n为观测值数量；Pi为第i项预测值；Oi为第i项观测值。

式中：RMSPE为均方根预测误差；n为观测值的数量；Pi为第i项预测值；Oi为第i项观测值。

1.3.2 方差分解

在以上步骤初步筛选预测模型参数基础上，使用R 3.6.3软件多元线性回归模型进行方差分解分析。首先使用scale函数对所筛选数据进行中心化和标准化消除不同参数量纲的影响，随后采用上述多元回归模型进行模型构建。依据多元回归模型结果获得模型的方差解释率、各参数对模型预测结果的贡献度、动物(肉用绵羊)因素和饲粮因素各自对DMI的贡献度。

2 结果与分析

2.1 数据集特征

由表1可知，肉用绵羊的BW、MBW、RM、RM2、DM、ME及CP、NDF、ADF、Ca、P含量的平均值分别为35.24 kg、14.40 kg、0.45、0.22、84.26%、10.19 MJ/kg、14.02%、41.32%、21.67%、1.07%、0.38%，变动范围分别为18.65～52.26 kg、8.97～19.48 kg、0.23～0.81、0.05～0.65、51.70%～95.50%、5.75～15.37 MJ/kg、8.04%～18.80%、18.60%～59.00%、8.57%～36.62%、0.49%～2.22%、0.21%～0.50%。肉用绵羊的ADG、ME2、DMI的波动范围较大，分别介于9.71～370.00 g/d、33.06～236.14、577.69～2 100.00 g/d，平均值分别为212.07 g/d、107.25、1 418.76 g/d。肉用绵羊的ME/CP、Ca/P的变动范围为0.47～1.21、1.00～5.16，平均值分别为0.74、2.74。

表1 肉用绵羊DMI及其影响因素数据库描述性统计Table 1 Descriptive statistics of DMI and its influencing factors of mutton sheep

2.2 肉用绵羊DMI预测模型构建

2.2.1 影响肉用绵羊DMI的参数共线性

由图1可知，BW和MBW(r=0.99，P<0.05)、RM和RM2(r=0.99，P<0.05)、ME和ME2(r=0.99，P<0.05)、ME和ME/CP(r=0.64，P<0.05)、CP和P含量(r=0.86，P<0.05)、NDF和ADF含量(r=0.70，P<0.05)、Ca含量和Ca/P(r=0.96，P<0.05)之间存在高度共线性，依据存在共线性参数与DMI相关性高低，剔除BW、RM2、ME2、ME/CP及CP、NDF含量和Ca/P，剩余参数间均不存在显著共线性(|r|<0.6)。

BW：体重 body weight；MBW：代谢体重 metabolism body weight；RM：相对成熟度 relative maturity；RM2：相对成熟度平方值 square value of relative maturity；ADG：平均日增重 average daily gain；DM：干物质 dry matter；ME：代谢能 metabolic energy；ME2：代谢能平方值 metabolizable energy squared value；CP：粗蛋白质 crude protein；ME/CP:代谢能与粗蛋白质比值 metabolizable energy to crude protein ratio；NDF：中性洗涤纤维 neutral detergent fibre；ADF：酸性洗涤纤维 acid detergent fiber；Ca：钙 calcium；P：磷 phosphorus；Ca/P：钙与磷比值 calcium to phosphorus ratio；DMI：干物质采食量 dry matter intake。图1 肉用绵羊DMI及其影响因素间相关性Fig.1 Correlation between DMI and its influencing factors of mutton sheep

2.2.2 多元线性回归模型

由表2可知，全模型对肉用绵羊DMI的方差解释率为90%(P<0.05)，但各参数方差膨胀因子均较高存在显著共线性(VIF>5)，排除共线性参数(BW、RM2、ME2、ME/CP、Ca/P及CP、NDF含量)后模型对肉用绵羊DMI的方差解释率为89%(P<0.05)，各参数间无显著共线性(VIF<5)，采用逐步回归法进一步排除不显著变量(P)后，获得包含肉用绵羊MBW、RM、ADG和饲粮DM、ME及ADF、Ca含量共7个影响因素的优化模型，各参数均可显著影响肉用绵羊DMI预测值(P<0.05)，且不存在共线性(VIF<5)，优化后的预测模型对肉用绵羊DMI的方差解释率为89%(P<0.05)。

表2 肉用绵羊DMI预测模型Table 2 Prediction model of DMI of mutton sheep

续表2参数 Parameters全模型Full model系数Coefficient方差膨胀因子Variance inflation factor排除共线性后模型Model after exclusion of covariance系数Coefficient方差膨胀因子Variance inflationfactor优化后模型Optimized model系数Coefficient方差膨胀因子Varianceinflationfactor中性洗涤纤维 NDF-7.8814.16酸性洗涤纤维 ADF20.0711.556.091.996.421.93钙 Ca242.65574.00177.601.59172.451.33磷 P1 720.5563.01-126.832.27钙磷比 Ca/P12.07451.56矫正R2 Adjusted R20.900.890.89P值 P-value<0.05<0.05<0.05

2.3 肉用绵羊DMI预测模型评估

采用本研究所获得预测模型、AFRC(1998)、NRC(2007)和CNCPS-S(2004)模型分别计算DMI预测值，其与观测值相关性见图2。可见本研究所获得模型可解释肉用绵羊90% DMI变异，无显著预测偏倚(MB=0.11 g/d，P>0.05)，预测误差为7.59%；AFRC(1998)模型可解释肉用绵羊53% DMI变异，所预测DMI存在显著低估(MB=-387.56 g/d，P<0.05)，预测误差为45.10%；CNCPS-S(2004)模型可解释74% DMI变异，所预测DMI存在显著低估(MB=-201.08 g/d，P<0.05)，预测误差为21.76%；NRC(2007)模型可解释肉用绵羊57% DMI变异，所预测DMI存在显著高估(MB=331.57 g/d，P<0.05)，预测误差为22.49%。从模型解释度、预测偏差和预测误差综合来看，本研究获得模型预测精度>CNCPS-S(2004)模型>NRC(2007)模型>AFRC(1998)模型。

Predicted DMI：预测干物质采食量；Observed DMI：观测干物质采食量；R2：相关系数correlation coefficient；MB：平均偏差 mean bias；RMSPE：均方根预测误差 root of mean square prediction error。图2 肉用绵羊DMI预测模型评估Fig.2 Evaluation of prediction model for DMI of mutton sheep

2.4 肉用绵羊DMI影响因素的方差分解

由图3可知，本研究所获得模型可解释89%的肉用绵羊DMI变异；在可解释的DMI变异中，动物(肉用绵羊)因素可解释其中61%的变异，是影响肉用绵羊DMI的主要因素，MBW、ADG与DMI呈正相关，而RM与DMI呈负相关；饲粮因素可解释其中39%的变异，饲粮中DM、ME及Ca、ADF含量与DMI均呈正相关。本模型所纳入的7个影响肉用绵羊DMI的因素中，肉用绵羊DMI主要受MBW、ADG和Ca含量的影响，三者共解释了69%的DMI变异。

Parameter estimates：参数估计值；Relative effect of estimates：相对估计值；Adj.R2：矫正R2 adjusted R2；MBW：代谢体重 metabolism body weight；ADG：平均日增重 average daily gain；RM：相对成熟度 relative maturity；Ca：钙 calcium；DM：干物质 dry matter；ME：代谢能 metabolic energy；ADF：酸性洗涤纤维 acid detergent fiber。图3 肉用绵羊DMI影响因素的方差分解Fig.3 Variance decomposition of factors affecting DMI of mutton sheep

3 讨 论

3.1 构建数据集

动物DMI受多种因素影响[17]，对于此类复杂现象的预测模型构建，通过二次文献整合构建数据集是常用方法，该方法通过对大量独立研究结果进行全面、系统地分析，从而得出更为准确和普适性强的预测模型和结论[18]。目前国际上认可度较高的肉羊DMI预测模型如AFRC(1998)[7]、CNCPS-S(2004)[8]和NRC(2007)[9]均采用构建数据集的方法获得。本研究通过构建DMI以及相关影响因素数据集从而建立DMI预测模型，构建的数据库涵盖了杜寒杂交羊、小尾寒羊、湖羊、Kermani lambs、Creole lambs、Awassi lambs、Chall lambs、Dorper×Santa Ines crossbred、Suffolk lambs、South African Dorper lambs、Deccani lambs共11种品种，1 098个研究对象，107条数据，其中国内羊品种或国内杂交羊品种数据62条，国外羊品种45条，DMI的潜在影响因素15个。与AFRC(1998)、CNCPS-S(2004)、NRC(2007)相比，本研究收集的数据量更多，纳入的影响因素更全面，并且纳入了国内的典型肉用绵羊品种，因此预测模型更适用于国内品种的肉用绵羊。

3.2 舍饲肉用绵羊DMI的影响因素

不同研究对于影响肉羊DMI的主要影响因素观点并不一致。AFRC(1998)[7]认为肉羊DMI主要受MBW和ME的影响；CNCPS-S(2004)[8]认为肉羊DMI主要受MBW和ADG影响；NRC(2007)[9]认为肉羊DMI主要受BW和RM影响。Fuetes-Pile等[18]在奶牛上的研究表明，通过构建数据集找出了与DMI有显著相关性的变量，建立了多元线性回归模型，可以有效提高预测准确性；董瑞兰等[19]通过构建数据集获得了可以精确预测奶牛氮排放量的模型，为本研究提供了方法学借鉴。本研究通过构建数据集发现MBW、ADG、RM、DM、ME及ADF、Ca含量能够显著影响DMI，充分考虑了动物(肉用绵羊)因素和饲粮因素对DMI的影响，因此建立的多元线性模型的预测准确性高于CNCPS-S(2004)[8]、NRC(2007)[9]、AFRC(1998)[7]。

本研究结果表明，MBW、ADG和Ca含量是影响肉用绵羊DMI的主要因素，均与肉用绵羊DMI呈正相关。MBW是影响肉用绵羊DMI的最重要因素，这一观点在AFRC(1998)[7]、CNCPS-S(2004)[8]和NRC(2007)[9]的DMI预测模型中均有体现，其中AFRC(1998)[7]和CNCPS-S(2004)[9]纳入MBW作为预测模型参数，NRC(2007)[9]使用了肉羊BW作为参数，由于MBW和BW存在显著正相关，因此也侧面反映了MBW对肉用绵羊DMI的决定作用。ADG是影响肉用绵羊DMI的第2重要因素，CNCPS-S(2004)[8]模型将ADG作为预测模型参数，而AFRC(1998)[7]和NRC(2007)[9]未将ADG纳入预测模型，这可能是CNCPS-S(2004)预测准确性高于后两者的原因。本研究结果同时表明饲粮Ca含量是影响肉用绵羊DMI的第3重要因素，Chishti等[20]研究表明在一定范围内提高Ca含量可显著增加DMI，这可能因为Ca含量较高时，能够提供额外的Ca促进消化系统平滑肌的收缩[21]，对瘤胃的蠕动起促进作用[22]，从而导致肉用绵羊DMI的提高，AFRC(1998)[7]、CNCPS-S(2004)[8]和NRC(2007)[9]的DMI预测模型均未纳入该参数。

本试验结果表明，肉用绵羊RM、DM、ME、ADF均可显著影响肉用绵羊DMI。RM与采食量负相关，这一观点与NRC(2007)[9]一致，可能原因是低成熟度的肉用绵羊具有更高的生长性能，因此也需要更高的DMI保障肉用绵羊的营养需求[17]；本试验研究结果表明DM与DMI呈正相关，与Kellems等[23]研究结果一致，其采用苜蓿青贮建立不同DM含量的饲粮饲喂奶牛，发现奶牛的DMI随饲粮水分含量升高而降低，可能是由于大量摄入水分在瘤胃中产生饱腹效应所致[24]；本试验结果表明ME与DMI呈正相关，而AFRC(1998)[7]认为ME与DMI存在二次相关，其拐点出现在ME约为10.5 MJ/kg时，大部分肉用绵羊ME难以达到其拐点可能是本研究中ME与DMI呈正相关的原因，这与李文娟等[17]结果一致，即生产上一般可通过提高ME增加肉用绵羊DMI。潘晓花等[25]在奶牛上的研究表明，在饲喂玉米秸秆饲粮情况下，NDF与ADF含量显著影响DMI，其中NDF含量对DMI贡献率为3.8%，ADF含量贡献率为3.1%，与本试验研究结果相近。本试验结果表明，DMI 69%的变异来源于动物因素，也与潘晓花等[25]研究结果相近。

3.3 本研究的局限性

本试验的研究对象为舍饲肉用绵羊，主要从动物因素和饲粮因素对肉用绵羊DMI进行预测，本研究模型中尚有11%的肉用绵羊DMI变异来源未查明。前人研究表明环境因素[5-6]和管理因素[26]等也能够影响DMI，可能是本研究模型预测误差的来源。至今为止，环境因素和管理因素对肉用绵羊DMI的影响研究还较有限，难以满足构建数据库要求，后续随相关研究的进一步丰富，通过纳入更大样本和更多影响因素，有助于本预测模型预测准确性的进一步提高。

4 结 论

① 本研究构建的肉用绵羊DMI预测模型为DMI=98.48×MBW-379.70×RM+1.55×ADG+6.04×DM+26.38×ME+6.42×ADF+172.45×Ca-1 271.67(R2=0.90，P<0.05)，模型预测偏差为0.11 g/d，预测误差为7.59%；本研究构建的预测模型精确度>CNCPS-S(2004)模型>NRC(2007)模型>AFRC(1998)模型。

② 本模型所纳入的7个影响肉用绵羊DMI的因素中，肉用绵羊DMI主要受MBW、ADG和Ca含量的影响，三者共解释了69%的DMI变异。