应用精准饲养技术提高养猪生产的氮利用效率：可行的方法和发展阻碍

张相鑫

摘 要：增加猪生产中饲养阶段的数量，及应用精准饲养技术，可恰当满足动物的营养需要，它们的使用可以带来经济和环境效益。提高养猪生产系统的可持续性，尤其是在那些不断增长的食物需求必须以可负担的成本满足且不会损害环境资源的地方，优化营养的利用率是重要的。要做到这一点，重要的是要开发出可以精确评估动物营养需要的有效方法，以及开发出在生产系统中考虑到应用此类专业技术的设备和系统。鉴于能够影响猪营养需要的因素众多，通过数学模型评估猪的营养需要是降低养猪生产带来的环境负荷的一个重要因子。同样，饲料配方和饲喂方案能够帮助人们实现这一目标。在此背景下，增加养猪生产中的饲喂阶段数，并且实现精准饲喂，对确保营养需要的准确性可能是一个有效的工具，因为它的使用能够带来经济和环境的益处。

关键词：日粮配方；环境影响；建模；营养需要；猪

中图分类号：S816 文献标志码：C 文章编号：1001-0769（2018）04-0031-04

近年来，生猪生产出现了快速的发展。生产效率的提高和生产成本的降低，已经成为企业和生猪生产国提高竞争力和生存力越来越重要的因素。另外，随着时代的发展，减少养猪生产对环境影响的社会压力也在增加。所以，改善营养利用效率对提高生产效率和增强生猪生产的可持续性至关重要，特别是在如今粮食需求的日益增长已经导致资源利用竞争不断加剧的大背景下。为满足生产和市场的需求，我们面临的挑战是要确保动物的各种营养策略具有不同的采食量和瘦肉沉积的模式。从这个意义上来讲，氮（Nitrogen，N）的利用效率对提高蛋白质沉积和降低N排放量越来越重要。

N的利用效率可以通过更好地调整每头猪的营养需要得到改善，从而可减少粪便和尿中的N排泄量。要提高N的利用效率，有必要研究出有效的方法来准确估计动物的营养需要，以及开发出可以让此类专门技术在生产链中使用的设备和系统，如精准饲喂。这些方法是基于一群动物中的不同个体在生长性能上相同而在营养需要上不同的事实。因此，该技术需要每天为猪群中的每一头猪提供最佳浓度的营养素。

根据Pomar等的研究，这可以通过如下措施来实现：第一，根据实际体重（Body Weight，BW）、实际生长和采食模式实时测定个体营养需要；第二，配制营养平衡的日粮来限制营养过剩（通常设2种日粮，一种日粮可以满足首个生长期的初期最挑剔猪的营养需要，另一种日粮可以满足最后一个生长期的后期需求不那么苛刻的猪的营养需要）；第三，日粮营养物质的调整要符合猪群中每个个体的估测营养需要（通过每日混合两种日粮，满足每头猪的营养需要）。

正是在此研究的基础上，作者探求并评估了用于估测营养需要的模型和配制日粮的方法，还讨论了猪营养和与精准饲喂有关的新方法，作为可以提高N利用效率的一个工具。

1 猪营养需要的测定

已提出的一些模型可以用来估测猪的营养需要，这些模型可分为静态的或动态的、经验的或机械的、确定的或随机的。根据Hauschild（2010）的研究，靜态模型测定固定条件下动物的反应，而动态模型则以时间为一个独立的变量；经验模型描述动物对环境变化（如日粮的变化）的定量反应，而机械模型则是基于某一生产系统的结构，将其划分为不同的组成部分。确定模型假设对数量进行了确定的预测，而随机模型则表示随机因素是模型的一部分，预测存在一个分布区域。虽然这些模型都可以用于农业研究，但研究中使用的模型大多是动态的、确定的和机械的。

根据Sakomura和Rostagno（2016）的研究，在过去数年里，猪的营养需要一般用剂量应答模型来估算，这是一种经验方法，可以通过动物的生长性能和动物对日粮中被研究营养物质水平提升的反应来决定需要量。然而，自1926年以来，数学模型一直被用来估算动物的生长，如Gompertz函数。该模型能够利用异速生长关系描述动物的生长曲线和机体营养物质的沉积，还可以计算脂肪、蛋白质、水和灰分等机体成分的生长速度。自那以后，其他的模型如InraPorc软件和美国国家研究会（National Research Council，NRC）（NRC，2012）发表的预测方程式相继推出。这些模型是动态的（因为它们能够估测动物在一段时间中的状态）、机械的（通过尝试了解导致动物产生某一特殊反应的机制）和确定的（根据某一动物状况的描述来估测一个单一的结果）。除了生长，这些模型还可以估测营养需要和机体组成，确定会影响动物生产性能的因素。

InraPorc软件会考虑营养参数（如净能、可消化氨基酸和理想蛋白质）以及日粮不同营养素之间和日粮与动物之间的相互作用。此外，InraPorc能够利用与采食量和生长有关的模型参数测定某一动物群体的平均状况。InraPorc模型在结构上与Whittemore和Fawcett在1974年开发的模型非常相似。在后一模型中，增重是以蛋白质和脂肪沉积的函数建模的。

然而，该软件是根据理想的养猪生产条件设计的，在理想条件下，猪生活在热舒适区的环境温度下。在最近发表的一篇预测母猪养分利用模型的论文中，环境温度的影响（包括对母猪和仔猪性能的影响）已经得到了解决。根据研究人员的研究结果，这些方程式被整合成一个模拟模型，包括：（1）生物气候学模块，可预测室外温度对母猪感知的室内温度的影响；（2）营养模块，基于InraPorc软件，预测温度对采食量、产奶量、能量和氨基酸利用率及机体储备的影响。

至于NRC（2012）描述的数学建模方法，要估测标准回肠可消化（Standardized Ileal Digestibility，SID）氨基酸、N、总可消化磷（全肠道可消化磷）和总钙的需要量，三种数学模型可以利用，这些模型分别用于：（1）体重20 kg～140 kg的生长育肥猪；（2）妊娠期母猪；（3）哺乳期母猪。其他营养物质如维生素、矿物质和钙的需要量可以通过经验进行估算，并整合到此模型中。

该模型使用能量摄入水平和生产性能，并考虑到投入品，能够产生每日蛋白质沉积、脂肪沉积和BW变化的估测值。它还考虑热环境的影响，但排除其他可能会破坏该系统的因素。此外，NRC（2012）模型假设氨基酸需要量随着BW的增加而增加，并随着最大蛋白质沉积的增加而略有减少。

据NRC（1998）报告，传统上氨基酸的维持需要量与猪的代谢体重 （即BW0.75） 有关。然而，这种传统方法忽略了氨基酸在肠道中的内源性损失，这是维持氨基酸需要的主要来源。另外，众所周知，日粮因素，如干物质采食量，也会影响氨基酸的维持需要量。这些因素都被InraPorc软件和NRC（2012）模型考虑在内（表1）。该模型是基于用来估测猪饲料中氨基酸生物利用率的SID系数来表示氨基酸需要。

用NRC（2012）和InraPorc软件来估算必需氨基酸和N需要量的建模方法需考虑以下主要因素：（1）内源性胃肠道的基础损失，这与采食量相关；（2）皮肤损失，是依据BW0.75的函数；（3）蛋白质沉积的潜力；（4）每一个函数的使用所摄入SID氨基酸的效率。

考虑到增加可发酵纤维的摄入量会降低色氨酸吸收后的利用效率，NRC（2012）提出一个可以计算色氨酸利用效率的特殊方程式。同时，半胱氨酸被认为是一种条件性必需氨基酸，且只能由蛋氨酸合成。因此，上述两种模型都能够预测蛋氨酸和蛋氨酸+半胱氨酸的营养需要量。然而，精氨酸可以由动物自身合成。基于这个原因，在InraPorc软件中，精氨酸的利用效率超过100%，因为猪可以自身合成精基酸，但合成能力却无法满足最大生长时的需要。

NRC（2012）模型的另一个观点是，它认为随着猪年龄的增长，芳香族氨基酸和支链氨基酸（Branched-Chain Amino Acids，BCAA）（亮氨酸、异亮氨酸和缬氨酸）之间的竞争会加剧。由于摄入的大部分BCAA不能被肝臟代谢，它们在血浆中的浓度会迅速升高，增加了大脑对它们的吸收，这样就会降低大脑对芳香族氨基酸（如色氨酸）的吸收及其在大脑中的所处水平。考虑到这个原因，该模型建议随着时间的变化增加SID色氨酸的需要量，即体重11 kg～25 kg的仔猪色氨酸需要量为赖氨酸的16.2%，体重50 kg～75 kg的生长猪为17.3%；体重100 kg～135 kg育肥后期猪为17.8%。

虽然这些模型可以提供更为精确的氨基酸需要量估算值，但De Lange等（2012）认为这些值有三方面的局限性：（1）没有考虑补偿增长对氨基酸需要的影响；（2）模型无法评估动物对不同氨基酸摄入水平的临界反应，因此，要进行成本-利润分析；（3）没有考虑动物之间的差异对氨基酸需要的影响。

虽然利用模型估算动物营养需要还存在着局限性，但某些将模型估测的营养需要和标准推荐的营养需要进行比较的研究证明，这些模型能够比剂量-反应法更准确地预测猪的营养需要。据此，Monteiro等（2017）为体重30 kg～130 kg的生长育肥猪配制了两种日粮：一种使用InraPorc软件调整来降低营养水平，另一种使用标准推荐的营养水平（Rostagno等，2011）。结果这些研究人员并没有在生产性能、胴体特征或肉品质方面发现任何差异。然而，与用依据标准推荐值配制的日粮饲养的猪相比，用调整后的日粮饲养的猪有更低的N摄入量（7.48 kg/头对6.30 kg/头）和N排泄量（4.74 kg/头对 3.6 kg/头）。此外，用调整后的日粮饲养的猪其饲料成本降低了6.82%。

然而，上述研究使用模型估算出的营养需要是一个群体的平均值而不是群内的每一头猪。这就表明，使用精准饲养技术可以得到更好的结果。

未完，待续。