利用CNCPS V5.0預測我國雜種肉牛干物質采食量的效果評價

杜晉平,楊曉林,殷裕斌,李助南,曹志華

(長江大學動物科學學院，湖北 荊州 434025)

利用CNCPSV5.0預測我國雜種肉牛干物質采食量的效果評價

杜晉平,楊曉林,殷裕斌,李助南,曹志華

(長江大學動物科學學院，湖北 荊州 434025)

通過2個動物試驗比較了康奈爾凈碳水化合物和蛋白系統(CNCPS)模型預測的我國雜種肉牛干物質采食量(DMI)與實際觀察值間的吻合程度，目的在于評估該模型是否適合于預測我國雜種肉牛生產性能。試驗1選用45頭西門塔爾(♂)與蒙古牛(♀)雜交一代公牛隨機分為3個組，每組15頭；試驗2選用60頭利木贊(♂)與福州牛(♀)雜交二代公牛,隨機分為4個組，每組15頭。各組中所有牛DMI實際觀測平均值作為該組牛DMI值，隨后對模型預測的結果與實際觀測值進行了比較。結果表明：(1)試驗1中3個處理組分別有93%、80%和73%的點落在95%的置信區間內，試驗2的4個處理組分別有 87%、73%、73%和80%的點落在95%的置信區間內，說明CNCPS較好地預測了我國雜種肉牛的DMI。(2)經線性回歸分析，2個試驗中觀察和預測的DMI間相關系數分別為0.83和0.79,具有較高的可信度；所有處理組的DMI誤差均方根(RMSE)都較小。由此說明,CNCPS對中國雜種肉牛DMI具有較好的預測能力。

康奈爾凈碳水化合物和蛋白質體系模型；雜種肉牛；干物質采食量；預測評估

準確的預測肉牛飼料采食量對于預測平均日增重以及營養需要量都非常關鍵[1]。影響飼料采食量的因素包括生理因素(體組成，特別是體脂肪、動物年齡、生理階段、體重、性別等)、環境因素(溫度、濕度、應激、泥濘等)、管理和日糧因素(埋植生長激素、添加瘤胃素、粗飼料質量、日糧營養素缺乏、飼料加工等)[2]。目前，關于肉牛干物質采食量的研究，已經有許多預測公式和模型。康奈爾凈碳水化合物和蛋白系統第五版(CNCPS V5.0)是比較新的一個版本，包含了一個生物學基礎架構，使得它能夠在比較廣的范圍內，對不同品種、飼料、管理和環境條件下的動物作出營養需要、飼料利用和生產性能預測[3]。

CNCPS是一個基于瘤胃功能、微生物生長規律、飼料的瘤胃消化和外流及動物生理模型的飼料評價系統。CNCPS甚至已經被擴展開發用作農場管理工具來進行作物種植計劃，優化“農場自種植飼料”獲得最大飼料產量，降低購買飼料的數量，優化畜群結構，降低飼料花費，增加收入。

動物品種、年齡、飼料及所處環境在不同國家和地區都有很大差別，為了使CNCPS在中國得到很好的應用，需要大量的動物試驗驗證。然而到目前為止，國內關于這方面的研究很少[4]。為此，本研究對CNCPS V5.0用于預測我國雜種肉牛干物質采食量的情況進行了初步評價。

1 材料與方法

1.1 試驗設計

通過2個獨立的肉牛飼養試驗進行肉牛干物質采食量的預測效果評價。

試驗1：在中國農業大學肉牛研究中心試驗基地(北京金維福仁清真食品有限公司養殖廠)進行。選用45頭西門塔爾(♂)與蒙古牛(♀)雜交一代公牛(平均初始體重387 kg)，按體重隨機分配到3個試驗組。第1組為對照組(T1)，飼喂混合精料飼糧，第2組飼喂20%棕櫚仁粕飼糧(T2)，第3組飼喂40%棕櫚仁粕飼糧(T3)。試驗牛單欄栓系飼養，每頭牛有獨立的料槽和水槽，自由采食和飲水。試驗期從2008年1月31日至5月16日，共98 d。其中預飼期2周，正試期12周。每天喂料2次(6:00和17:00)。

試驗2：地點同試驗1。選用60頭利木贊(♂)與福州牛(♀)雜交二代公牛(平均初始體重345 kg)，按體重隨機分為4個組，每組15頭。第1組飼喂基礎日糧(T4，作為對照)，第2組每天添加5 g保護性賴氨酸(T5)，第3組每天添加10 g賴氨酸(T6)，第4組每天添加15 g賴氨酸(T7)。試驗期從2008年6月6日至10月9日，為期126 d，其中預飼期2周，正試期16周，其他飼喂程序及管理同試驗1。

1.2 試驗指標測定

2個飼養試驗所用飼料根據Zhao等[4]所介紹的CNCPS推薦的方法測定相關指標。干物質采食量的測定按照1.1所介紹的方法飼喂，每周連續3 d收集剩余飼料并稱重。記錄每頭牛連續3 d的采食量，其平均值作為該周該頭牛的平均采食量。每組中所有牛的采食量平均值作為該組牛采食量的觀測值。

試驗期間，每天8:00和16:00采用溫濕度儀(610溫濕度儀，北京柏誠佳通科技有限公司)記錄牛舍的環境溫度和相對濕度。

1.3 模型輸入和輸出

將牛舍環境溫度和相對濕度數據和管理指標全部輸入軟件(CNCPS V5.0)。表1和表2列出了所有CNCPS需要的輸入量及對應值。利用模型軟件對單個牛只進行預測，得到個體干物質采食量(DMI)預測值。

表1 評價CNCPS預測肉牛干物質采食量時所需的各種輸入量描述Table 1 Description of the model inputs common to all the animals,within each trial group,used for evaluation of the DMI predictions by the CNCPS model

注：default，默認值。

1.5 數據處理

對比CNCPS預測值和試驗觀察值，用兩樣本t檢驗進行分析。

評價模型精確性的一個方法是計算預測值與觀察值之差的偏移程度[5]，并設定可接受的最大范圍。本研究中，依據DMI平均值落在95%的置信區間之內，設定DMI預測值可接受的最大范圍是-0.4～0.4 kg/d。

表2 試驗日糧組成及營養水平Table 2 Composition and nutrition level of the diets fed to cattle

注：a為基礎日糧中粗蛋白含量，未計算添加的賴氨酸；b為基礎日糧中賴氨酸含量，未計算添加的賴氨酸量。

同時，模型預測能力采用對觀察值和預測值回歸的方法進行分析[6]。分別對2個試驗及其不同組別動物的干物質采食量進行線性回歸分析，對回歸參數(截距、斜率、決定系數和誤差均方的平方根)進行分析。

所有的統計分析均采用SAS 8.02軟件完成。

2 結果與分析

2.1 干物質采食量觀察值和預測值的比較

分別對2個試驗中不同組牛的干物質采食量的觀察值和CNCPS預測值進行了配對性的t檢驗，結果見表3。

從表3可以看到，試驗1的觀察和預測的DMI都高于試驗2。由于2個試驗中動物在同一個牛場和相似的管理條件下，因此可以認為動物品種選擇是造成此差異的一個重要原因(在應用該模型時選用了純種的西門塔爾或利木贊牛作為默認品種進行預測，而本研究中的2個試驗均為雜交牛)，另外2個試驗中動物初始體重的不同也可能是造成該結果的原因之一。在所研究的7個處理中，T1、T3和T4處理的平均數偏差(模型預測值減去觀察值)很小，顯示出模型較準確的預測能力；但是其余的處理(T2、T5、T6和T7)有相對較大的平均數偏差，說明模型對這些處理的DMI預測的準確性要差些。

2個試驗中平均數偏差均為正值，揭示出本研究中模型高估了動物的干物質采食量。Zhao等[4]發現在所評估的12組牛中，CNCPS高估了其中3組的DMI，而低估了其余9組的DMI； Molina等[7]的研究中發現CNCPS均低估了DMI。這些研究與本研究所得結果并不一致，盡管本研究中CNCPS預測與實際觀察的DMI差值并不是很大(試驗1最大為0.18，試驗2最大為0.25 kg/d)。但試驗1中棕櫚仁粕含較高的脂肪(8% DM)以及試驗2中日糧較高的賴氨酸水平(由于添加了賴氨酸)可能是引起該結果的主要原因。結果說明在我國應用CNCPS進行采食量預測時，為使結果更加準確，仍然需要進一步的細化試驗條件(如日糧類型、牛品種等)，并需要大量的動物試驗進行校正。

試驗1中T1和T3處理組DMI預測值與實際觀察值差異不顯著(P=0.08和0.07)，而T2處理組差異顯著(P=0.03)；試驗2中T4和T5處理組干物質采食量預測值與觀察值間差異不顯著(P=0.12和0.05)，而T6和T7處理組差異極顯著(Plt;0.01和P=0.01)。試驗1與試驗2比較，有一個相對較小的差值(預測值減觀察值)平均數(試驗1為0.07～0.18 kg/d，試驗2為0.11～0.25 kg/d)，從數值上看似乎CNCPS對試驗1中DMI預測的結果更準確些，但由于2個試驗中均有預測值與觀察值的顯著差異組存在，并不能說明本研究中CNCPS對哪個試驗的DMI預測更準確。

圖1顯示了試驗1各組牛DMI預測值和觀察值的對比情況，從圖1可看出，大部分點(45個數據中有34個)落在y=x線的上方，這也表明CNCPS高估了DMI(表3)。圖2顯示了試驗1中3組牛DMI差值(預測值減觀察值)的分布情況。經計算，試驗1中3組分別有93%、80%和73%的點(14、12和11頭)落在95%的置信區間內(差值為-0.4～0.4 kg/d)，這說明CNCPS對試驗1的DMI具有較好的預測，可以用于實際生產中。

表3 觀察的和預測的干物質采食量比較Table 3 Comparison of observed DMI and CNCPS-predicted DMI kg/d

圖1 試驗1各組牛干物質采食量觀察值和預測值比較Figure1 ComparisonofobservedDMIandCNCPS-predictedDMIinTrial1圖2 試驗1各組牛預測與觀察的DMI之差分布Figure2 VariationofCNCPS-predictedminusobservedDMIvs.observedDMIinTrial1

圖3顯示了試驗2中4組牛DMI預測值與實際觀察值的關系，圖4顯示了試驗2中4組牛DMI差值(預測值減觀察值)的分布情況。從圖3也可發現大多數點落在y=x的上方(60個數據中有44個)，揭示出CNCPS高估了DMI(表3)。經計算，試驗2中4組分別有 87%、73%、73%和80%的點(13、11、11和12頭)落在95%的置信區間內(差值為-0.4～0.4 kg/d)，同樣說明CNCPS較好地對試驗2的DMI進行了預測。

圖3 試驗2各組牛干物質采食量觀察值和預測值比較Figure3 ComparisonofobservedDMIandCNCPS-predictedDMIinTrial2圖4 試驗2各組牛預測與觀察的干物質采食量之差分布Figure4 VariationofCNCPS-predictedminusobservedDMIvs.observedDMIinTrial2

2.2 觀察值和預測值的回歸分析

試驗中對不同組牛觀察和預測的干物質采食量(DMI)進行了線性回歸分析，結果見表4。由表4可知，試驗1中各處理組DMI觀察值和預測值有較高的相關系數且數值接近(0.93、0.80和0.81)，這說明對試驗1中DMI的觀察值和預測值進行相關分析是較為可信的。試驗2中各組DMI觀察值和預測值的相關系數變化范圍較大(0.57、0.68、0.92和0.80)，但T6和T7處理組的相關系數較大，說明這2組的相關分析是可信的。2個試驗所有動物比較，DMI觀察值和預測值的相關系數接近(0.83和0.79)且達到一個較高的數值，表明CNCPS對DMI預測具有較好的可信度。

表4 觀察和預測的DMI回歸分析Table 4 Regression analysis of observed and CNCPS-predicted DMI

注：a:參數估計值±標準誤;b:RMSE:誤差均方的平方根，即剩余標準差。﹡表示Plt;0.05。

除了試驗2的T4處理組斜率差異不顯著外，其余6個處理組的斜率差異均顯著(Plt;0.05)，說明所建立的回歸方程是有意義的。

決定系數(R2)的大小反映了所建立的回歸方程的可靠性高低。試驗1各組有一個中等程度的決定系數(R2=0.87、0.64和0.66)，說明預測的DMI與觀察值相比較可以接受。試驗2中各組的決定系數范圍變化 (R2=0.57、0.68、0.92和0.80)很大，其中T4處理組的值很小(R2=0.57)，而T6處理組的值最高(R2=0.92)，T7處理組的值中等(R2=0.80)，說明對T6和T7處理組的DMI有較好的預測。

試驗各組的誤差均方根(RMSE)都很小，其中T1處理組最小而T5處理組最大。低的RMSE值說明CNCPS對各處理組DMI的預測都比較準確。

3 討論與結論

CNCPS V5.0是針對動物群體的飼料需求和養分排泄的預測而設計的[3]。因此雖然在本研究中2個試驗都包含不止1個處理，但還是可以將其作為一個整體來比較觀察值和預測值間的差異。該模型預測干物質采食量是基于可獲得的信息，如動物來源因子、天氣條件、日糧營養濃度、飼料可利用能等[4]，在此基礎上對單個動物的采食量進行預測。本研究中日糧根據NRC[2]標準進行配制，然后將各指標輸入CNCPS，以每個處理(15頭)為單位計算預測的平均采食量，實際采食量根據記錄進行計算和分析。經統計分析，本研究中沒有顯著的處理效應(Plt;0.05)。

2個試驗中動物年齡為13～14月齡，差別不大，飼喂和管理方式相似，但動物品種、原始體重、日糧代謝能水平及天氣條件差別很大，這些方面能代表中國北方地區典型的肉牛飼喂方式。但是，由于采用了CNCPS模型中用來預測1歲左右牛干物質采食量的公式，可能導致了預測誤差的產生。該公式是在典型的北美條件下，以純種公牛為研究對象，同時飼喂高精料飼糧得出的，與本研究采用的雜種公牛和飼喂中等精料的情況是不同的。

利用線性回歸對預測和觀察的DMI進行分析時，理想的模型需要滿足下面3個標準：(1)高的R2值(gt;0.75作為參照標準)；(2)截距接近0(與0差異不顯著)；(3)斜率接近1(與1差異不顯著)。本研究中干物質采食量的觀察值(Y變量)和模型預測值(X變量)的回歸方程有較高的R2值(R2=0.79)，截距與0差異不顯著(P=0.27)，但斜率與1差異顯著(Plt;0.01)，暗示了該模型對干物質采食量的預測基本可以接受但存在一定偏差。

必須認識到預測采食量并非易事，因為諸多因素的相互作用(動物和日糧等)都會對預測產生影響[7,8]。而且在我國，由于可利用資料的限制及動物品種的差異，準確預測肉牛采食量更困難。

本研究結果表明，CNCPS模型對我國生產條件下雜種肉牛干物質采食量的預測基本可以接受，但仍然存在某些偏差，需要進行大量的工作才能使該模型在我國得到更好的應用。

[1]National Research Council.Predicting Feed Intake of Food-Producing Animal [M].Washington D C，USA:National Academy Press,1987.176～177.

[2]National Research Council.Nutrient Requirements of Beef Cattle(seventh revised ed)[M].Washington D C，USA:National Academy Press,1996.132～134.

[3]Fox D G,Tylutki T P,Tedeschi L O,etal.The net carbohydrate and protein system for evaluating herd nutrition and nutrient excretion:Model Documentation[M].Ithaca,New York,USA:Department of Animal Science,Cornell University,2003.41～82.

[4]Zhao J S,Zhou Z M,Ren L P,etal.Evaluation of dry matter intake and daily weight gain predictions of the Cornell Net Carbohydrate and Protein System with local breeds of beef cattle in China[J].Animal Feed Science and Technology,2008,142:231～246.

[5]Mitchell P L,Sheehy J E.Comparison of predictions and observations to assess model performance:a method of empirical validation[M].Boston,MA,USA:Kluwer Academic Press,1997.437～451.

[6]Mayer D G,Butler D G.Statistical validation[J].Ecol Model,1993,68:21～32.

[7]Molina D O,Matamoros I,Almeida Z,etal.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]Forbes J M.Integration of regulatory signals controlling forage intake in ruminants [J].J Anim Sci,1996,74:3029～3035.

2009-11-04

國家支撐項目 (2006BAD12B02-06，2008BADA7B04)

杜晉平(1974-)，男，山西鄉寧人，農學博士，講師，主要研究方向為動物營養與飼料學.

10.3969/j.issn.1673-1409(S).2010.01.006

S815

A

1673-1409(2010)01-S019-06