2. 中国科学院亚热带农业生态研究所, 长沙 410125;
3. 湖南畜禽安全生产协同创新中心, 长沙 410128
2. Institute of Subtropical Agriculture, the Chinese Academy of Sciences, Changsha 410125, China;
3. Hunan Collaborative Innovation Center of Animal Production Safety, Changsha 410128, China
甲烷 (CH4) 在全球范围内是仅次于二氧化碳 (CO2) 的第二大温室气体,约占大气总温室气体的14.3%[1],其增温潜能是CO2的23倍[2]。反刍家畜胃肠道甲烷排放量约占农业甲烷总排放量的58%,约占世界甲烷总排放量的17%[3],成为人类农业活动产生的最为主要的甲烷排放源。王荣等[4]报道,我国肉牛胃肠道甲烷年排放总量介于4.28~6.01 Tg,其排放总量高于奶牛和羊,是我国最大的反刍家畜胃肠道甲烷排放源。另外,反刍家畜胃肠道甲烷排放约占日粮总能量的2%~12%[5],是机体能量代谢过程重要的能量损失。
数学模型是估算肉牛胃肠道甲烷排放的必要工具,因此,国外学者提出了一系列肉牛胃肠道甲烷排放的估算模型[6-8],以预测肉牛胃肠道甲烷总排放量。但是,这些模型对于不同地区和不同年代的肉牛胃肠道甲烷排放量估算存在一定程度的差异[9]。目前,中国利用数学模型来估算肉牛胃肠道甲烷排放量的研究较少,因此,通过肉牛胃肠道甲烷排放量的实测数据对现有肉牛胃肠道甲烷排放模型进行评估,并探讨影响模型估算精度的原因十分必要。
本试验通过选取17头湘中黑牛,采用呼吸代谢室法测定肉牛胃肠道甲烷排放量并获取采食量和饲料组分等相关信息,利用预测误差均方 (Mean squared prediction error,MSPE) 和一致性相关系数 (Concordance correlation coefficient,CCC) 两种分析方法,评估国际上6个肉牛胃肠道甲烷排放经典模型的估算精度,将有助于筛选确定适于我国肉牛胃肠道甲烷排放量估算的简单实用的数学模型。
1 材料与方法 1.1 肉牛与日粮试验地点位于湖南望城肉牛养殖场。第一批试验数据来源于2014年2月,包括7头100~200 kg、7头200~300 kg和3头300~400 kg的湘中黑公牛 (平均体重±标准差为 (225±74.3) kg)。日粮精饲料为普瑞纳商品饲料1216,粗饲料为稻草秸秆,试验预试期为1个月。第二批试验数据来源于2014年9月,包括2头200~300 kg、12头300~400 kg和3头400~500 kg的湘中黑公牛 (平均体重±标准差为 (354±42.0) kg)。日粮精饲料为玉米-豆粕型自配料 (玉米和豆粕分别为46.8%和29.0%),粗饲料为稻草秸秆,试验预试期为1个月。饲料原料组分见表 1。精饲料的饲喂量为体重的1.5%,粗饲料自由采食。饲喂时间为每日07:30和17:30,每天记录采食量,自由饮水。
日粮中的粗饲料和精饲料每2周取样1次,均来自于肉牛饲喂前的包装袋中。样品65 ℃烘干,室温保存。粗饲料和精饲料的中性洗涤纤维 (NDF)、酸性洗涤纤维 (ADF)、粗蛋白 (CP) 以及总能 (GE) 的测量则采用了饲料常规分析方法[10]。
1.3 肉牛胃肠道甲烷的测定本试验中肉牛胃肠道甲烷的测定采用了M.Wang等[11]建立的呼吸代谢室法。该呼吸代谢室是由镀锌钢板所建造,前后两方各设置一个门,并装有内部橡胶密封件。呼吸代谢室长宽高为3 m×2 m×2 m,肉牛在呼吸代谢室中可以自由饮水和采食。呼吸代谢室左上方设有一个空气进气管。该管直径约50 mm,进气管口位于呼吸代谢室15 m外。出气口连接到空气过滤器和气体流量计,泵抽气 (速率约195 m3·h-1)。出口处还连接有塑料缓冲箱室,与呼吸代谢室相通,用于收集气体样品。
每头肉牛胃肠道甲烷排放量的测定时间为2 d,每天06:00和17:00饲喂肉牛,饲喂时间为5 min,其他时间不开呼吸代谢室的门。肉牛饲喂10 min后开始采集气体,以后每隔30 min采集30 mL气体,并保存在10 mL的真空管中,贴上标签。利用安捷伦气象色谱仪7890A测定采集气体中的甲烷浓度。胃肠道甲烷日排放量 (V, g·d-1) 计算公式:
$ \begin{array}{*{20}{c}} {\Delta {V_i} = 1\;000\left\{ {\frac{{16.04{R_g}\left[{\left( {C{O_i} + C{O_{i-1}}} \right)/2-CI} \right]\left( {{t_i} - {t_{i - 1}}} \right)}}{{22.4}}} \right. + }\\ {\left. {\frac{{16.04{V_C}\left( {C{O_i} - C{O_{i - 1}}} \right)}}{{22.4}}} \right\}}\\ {{R_i} = \frac{{\Delta {V_i}}}{{{t_i} - {t_{i - 1}}}} = 1\;000\left\{ {\frac{{16.04{R_g}\left[{\left( {C{O_i} + C{O_{i-1}}} \right)/2-CI} \right]}}{{22.4}}} \right. + }\\ {\left. {\frac{{16.04{V_C}\left( {C{O_i} -C{O_{i -1}}} \right)}}{{22.4}}} \right\}}\\ {V = \sum\limits_{i = 1}^{i = n} {\Delta {V_i}} } \end{array} $ |
式中,ΔVi为ti-1和ti之间的甲烷排放量 (g);Rg为管道中的气体流速 (m3·h-1);Ri为t-1和ti之间的甲烷排放速率 (g·h-1);COi为ti时刻出气口的甲烷浓度 (10-6v/v);CI为进入到呼吸代谢室的甲烷浓度 (10-6v/v);CO0等于CI;VC为呼吸代谢室的体积,约12 m3;i为样品编号;n为样品总数。
1.4 模型选择选择6个经典的肉牛胃肠道甲烷排放模型 (表 2) 进行精度评估分析。模型1[12]和模型2[13]是以干物质采食量 (DMI) 为核心参数建立的线性和非线性回归模型;模型3[14]和模型4[14]则是以日粮纤维摄入量为核心参数建立的线性回归模型;模型5[15]和模型6[16]是以总能摄入量 (GEI) 为核心参数建立的线性回归模型。
本试验采用预测误差均方 (Mean squared prediction error, MSPE)[17]和一致性相关系数 (Consistent correlation coefficient,CCC)[18]两种分析方法评估6个模型的预测精度。MSPE分析方法 (实测均值%) 包括总体偏差所造成的误差 (Error due to overall bias, ECT)、回归斜率偏离所造成的误差 (Error due to the regression slope from unity, ER) 和随机效应所造成的误差 (Random error, ED)3部分,以百分制形式表示。CCC分析方法包括偏差校正因子 (Cb)、估算值与实测值间的相关系数 (r)、实测值总体标准差和估算值总体标准差的比值 (v)、实测值与估算值间的偏移程度 (u)4部分组成。两个分析方法使用的计算公式参考谢天宇等[19]的研究。肉牛胃肠道甲烷排放量的实测值与估算值、残差与估算值的相关关系采用SPSS (SPSS 18.0) 软件进行线性回归分析,显著性水平为P < 0.01。
2 结果 2.1 肉牛数据汇总肉牛体重、日粮信息、干物质采食量等用来估算胃肠道甲烷排放量的数据详见表 3。肉牛的体重范围处于147.0~416.0 kg,平均值为290 kg;粗饲料的摄入量范围处于0.790~3.430 kg,平均值为0.715 kg;精饲料的摄入量范围处于2.24~9.13 kg,平均值为4.11 kg;DMI范围处于3.39~12.10 kg·d-1,平均值为6.32 kg·d-1;GEI范围位于55.4~203.0。0 MJ·d-1,平均值为105.0 MJ·d-1;ADFI范围处于0.567~2.10 kg·d-1, 平均值1.28 kg·d-1;NDFI范围处于1.69~4.56 kg·d-1,平均值为2.94 kg·d-1;肉牛胃肠道甲烷能排放量实测值范围处于3.13~14.80 MJ·d-1,实测值均值为7.53 MJ·d-1;甲烷能转化因子 (Ym) 范围处于4.07%~10.3%,平均值为7.14%;甲烷排放因子 (EF) 范围处于17.7~83.7 kg·头-1·年-1,平均值为42.6 kg·头-1·年-1。
由表 4可知,6个肉牛胃肠道甲烷排放模型的估算均值为6.80~9.83 MJ·d-1,其中,模型5的估算均值最小 (6.80 MJ·d-1),模型2的估算均值最大 (9.83 MJ·d-1)。RMSPE最小的为模型5(RMSPE=21.11%),其次为模型6(RMSPE=22.14%),最大的为模型3(RMSPE=37.76%)。MSPE的3个组分显示,模型2的ECT值最大 (ECT=70.3%),模型3的ECT值最小 (ECT=3.75%);模型1的ER值最小 (ER=0.07%),其次为模型2(ER=1.57%),最大的为模型3(ER=47.60%);模型5的ED值最大 (ED=73.90%),其次为模型6(ED=67.20%),模型2的ED值最小 (ED=28.10%)。
残差与估算值之间的一次回归分析结果 (表 5) 显示,模型3和4预测残差与估算值线性回归的斜率与0比较差异显著 (P < 0.01);模型2、3和4预测残差与估算值线性回归的截距与0比较差异显著 (P < 0.01),6个模型的预测残差与估算值线性回归的决定系数R2的范围分布为0.001~0.494。
CCC分析结果显示,模型5的CCC值最接近1,其次是模型6,模型3的CCC值最小;Cb值最接近1的是模型6,其次是模型5,模型3的Cb值最小;其中模型1、5和6的估算值与实测值之间的相关系数都为0.82,最小的为模型3;模型5肉牛胃肠道甲烷排放量估算值偏低,其u =0.25,模型2的肉牛胃肠道甲烷排放量估算值偏高,其u为-0.80。
肉牛胃肠道甲烷排放量的估算值与实测值之间的关系见图 1,其中模型1、2、3和4估算值与实测值的一次回归线与1:1标准线相比有明显的交叉,模型5和6的估算值与实测值一次回归线与1:1标准线最为接近,接近重合。
干物质采食量是预测胃肠道甲烷排放数据的重要参数[20-21]。因此,本研究使用的模型1和2分别为M.Kriss[12]和J.Axelsson[13]以DMI为变量建立的经典线性和非线性模型。结果发现,线性模型1(CCC=0.74) 的估算精度要高于非线性模型2(CCC=0.66),这与J.L.Ellis等[22]的研究结果相一致。当反刍家畜采食量处于维持水平的范围时,DMI与胃肠道甲烷排放量成正比例关系;当反刍家畜的采食量高于维持水平的2倍时,DMI与胃肠道甲烷排放呈非线性相关,即每单位采食量的甲烷产量逐渐下降[23-24]。本试验中,肉牛精饲料的饲喂量为体重1.5%,采食量低于维持水平的2倍,说明模型1比模型2能更好地反映单位干物质采食量与胃肠道甲烷排放量的关系。但是,在6个模型中,模型1和模型2的总体估算精度偏低。MSPE组分分析结果说明,模型1和模型2的预测误差主要来自整体偏差,预测误差均方根大于25%,且残差与估算值回归方程的斜率与0差异显著。相关研究业已证实单位干物质采食量所产生的胃肠道甲烷受粗饲料种类和来源的影响[25]。模型1和模型2是基于北美地区的肉牛胃肠道甲烷排放所建立的模型,该地区的粗饲料资源是以玉米青贮为主,而本试验使用的粗饲料为稻草。M.Wang等[26]报道,稻草日粮的单位DMI甲烷排放量明显高于青贮饲料单位DMI甲烷排放量。这可能是导致本研究预测精度较低的原因。另外,日粮纤维组成也是影响肉牛胃肠道甲烷排放的重要因子[21]。因此,以DMI为变量的模型1和2没有考虑到日粮粗饲料来源和组分的差异,可能是影响本研究肉牛胃肠道甲烷排放预测精度的关键因子。
既然日粮纤维的摄入水平 (NDF和ADF摄入量) 是影响反刍家畜胃肠道甲烷排放的重要因子[27-29],因而本研究对2个含DNF和ADF的经典模型3和4的估算精度进行了评估。结果发现,模型4的估算精度 (CCC=0.54) 要高于模型3(CCC=0.22),这与J.L.Ellis等[22]的研究结果相一致。与单一NDF摄入量参数的模型3相比,模型4包含NDF和ADF摄入量两个参数,能更完整地代表肉牛采食的日粮纤维信息。但是,模型3和4的估算精度也偏低,预测误差均方根大于30%,残差与估算值回归方程的斜率和截距与0差异显著。MSPE组分分析结果说明,整体偏差和斜率误差超过模型3和4的估算误差的50%。有研究表明日粮淀粉采食量也是影响胃肠道甲烷排放的重要因子[30]。因此,以纤维组分为参数的模型3和4并没有考虑日粮淀粉组分,可能是影响本研究肉牛胃肠道甲烷排放预测精度的重要原因。
与此同时,摄入的总能亦是影响反刍家畜胃肠道甲烷排放的重要因子[31],因此,GEI应该成为构建反刍家畜胃肠道甲烷排放模型的重要参数。本研究对2个含有GEI的经典模型5和6的估算精度进行了评估,其中模型5是IPCC (2006)Tier2推荐的估算肉牛胃肠道甲烷排放模型。本试验中,MSPE组分分析结果显示,RMSPE为21.11%,ED所占MSPE的比例较大 (73.9%),残差与估算值回归方程的斜率和截距与0差异不显著,这说明模型5的估算误差主要来自于随机效应所造成的偏差,具有较高的估算精度 (CCC=0.86)。模型6在模型5的基础上增加了截距参数,MSPE组分分析结果显示,RMSPE值为22.14%,误差主要来自随机效应 (ED=67.2%),且残差与估算值回归方程的斜率和截距与0差异不显著。但是,与模型5相比,模型6的估算精度有所下降。本试验所得的甲烷转化因子为7.14%,低于模型6提供的默认值8.10%,说明Ym可能是影响模型6估算精度的主要原因。
4 结论本试验中反刍家畜胃肠道甲烷估算误差最大的是以日粮纤维摄入量为核心参数建立的模型;其次是以干物质采食量 (DMI) 为核心参数建立的模型;反刍家畜胃肠道甲烷排放估算精度最高的模型是基于全球数据以总能摄入量 (GEI) 为核心参数建立的模型5:CH4(MJ·d-1)= 0.065×GEI (MJ·d-1)。
[1] | Intergovernmental Panel on Climate change. Climate change 2007:The physical science basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge: Cambridge University Press, 2007. |
[2] | Intergovernmental Panel on Climate change. Climate change 2001:The scientific basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge: Cambridge University Press, 2001. |
[3] | KNAPP J R, LAUR G L, VADAS P A, et al. Invited review:Enteric methane in dairy cattle production: Quantifying the opportunities and impact of reducing emissions[J]. J Dairy Sci, 2014, 97(6): 3231–3261. DOI: 10.3168/jds.2013-7234 |
[4] |
王荣, 邓近平, 王敏, 等. 基于IPCC Tier 1层级的中国反刍家畜胃肠道甲烷排放格局变化分析[J]. 生态学报, 2015, 35(21) :7244–7254.
WANG R, DENG J P, WANG M, et al. Using intergovernmental panel on climate change Tier 1 to analyze the trends anddistribution patterns of enteric methane emissions from ruminants in China during 1990-2010[J]. Acta Ecologica Sinica, 2015, 35(21): 7244–7254. (in Chinese) |
[5] | JOHNSON K A, JOHNSON D E. Methane emissions from cattle[J]. J Anim Sci, 1995, 73(8): 2483–2492. DOI: 10.2527/1995.7382483x |
[6] | RAMIN M, HUHTANEN P. Development of equations for predicting methane emissions from ruminants[J]. J Dairy Sci, 2013, 96(4): 2476–2493. DOI: 10.3168/jds.2012-6095 |
[7] | CASTELÁ N-ORTEGA O A, KU-VERA J C, ESTRADA-FLORES J G. Modeling methane emissions and methane inventories for cattle production systems in Mexico[J]. Atmósfera, 2014, 27(27): 185–191. |
[8] | PATRA A K. Prediction of enteric methane emission from buffaloes using statistical models[J]. Agric Ecosyst Environ, 2014, 195: 139–148. DOI: 10.1016/j.agee.2014.06.006 |
[9] | ALEMU A, OMINSKI K H, KEBREAB E. Estimation of enteric methane emissions trends (1990-2008) from Manitoba beef cattle using empirical and mechanistic models[J]. Can J Anim Sci, 2011, 91(2): 305–321. DOI: 10.4141/cjas2010-009 |
[10] |
张丽英.
饲料分析及饲料质量检测技术[M]. 第3版. 北京: 中国农大出版社, 2007.
ZHANG L Y. The technology of feed analysis and quality inspection[M]. 3rd edition. Beijing: China Agricultural University Press, 2007. (in Chinese) |
[11] | WANG M, WANG R, SUN X Z, et al. A mathematical model to describe the diurnal pattern of enteric methane emissions from non-lactating dairy cows post-feeding[J]. Anim Nutr, 2015, 1(4): 329–338. DOI: 10.1016/j.aninu.2015.11.009 |
[12] | KRISS M. Quantitative relations of the dry matter of the food consumed, the heat production, the gaseous outgo, and the insensible loss in body weight of cattle[J]. J Agric Res, 1930, 40(3): 283–295. |
[13] | AXELSSON J. The amount of produced methane energy in the European metabolic experiments with adult cattle[J]. Ann R Agric Coll Sweden, 1949, 16: 404–419. |
[14] | ELLIS J L, KEBREAB E, ODONGO N E, et al. Prediction of methane production from dairy and beef cattle[J]. J Dairy Sci, 2007, 90(7): 3456–3466. DOI: 10.3168/jds.2006-675 |
[15] | Intergovernmental Panel on Climate change. IPCC Guidelines for National Greenhouse Gas Inventories Volume 4:Agriculture, Forestry and other Land Use[M]. Geneva, Switzevland: Intergovernmental Panel on Climate Change, 2006. |
[16] | YAN T, PORTER M G, MAYNE C S. Prediction of methane emission from beef cattle using data measured in indirect open-circuit respiration calorimeters[J]. Animal, 2009, 3(10): 1455–1462. DOI: 10.1017/S175173110900473X |
[17] | WANG M, TANG S X, TAN Z L. Modeling in vitro gas production kinetics: Derivation of Logistic-Exponential (LE) equations and comparison of models[J]. Anim Feed Sci Tech, 2011, 165(3-4): 137–150. DOI: 10.1016/j.anifeedsci.2010.09.016 |
[18] | LIN L I. A concordance correlation coefficient to evaluate reproducibility[J]. Biometrics, 1989, 45(1): 255–268. DOI: 10.2307/2532051 |
[19] |
谢天宇, 王敏, 王荣, 等. 奶牛胃肠道甲烷排放模型估算精度的评估分析[J]. 畜牧兽医学报, 2015, 46(9) :1574–1583.
XIE T Y, WANG M, WANG R, et al. Evaluation of accuracy of models to predict enteric methane emissions in dairy cows[J]. Acta Veterinaria et Zootechnica Sinica, 2015, 46(9): 1574–1583. (in Chinese) |
[20] | LEE S M, JEONG J S, LEE S C, et al. Prediction of ruminal methane production from cattle[J]. J Anim Vet Adv, 2012, 11(17): 3228–3233. DOI: 10.3923/javaa.2012.3228.3233 |
[21] | HIPPENSTIEL F, PRIES M, BÜSCHER W, et al. Comparative evaluation of equations predicting methane production of dairy cattle from feed characteristics[J]. Arch Anim Nutr, 2013, 67(4): 279–288. DOI: 10.1080/1745039X.2013.793047 |
[22] | ELLIS J L, KEBREAB E, ODONGO N E, et al. Modeling methane production from beef cattle using linear and nonlinear approaches[J]. J Anim Sci, 2009, 87(4): 1334–1345. DOI: 10.2527/jas.2007-0725 |
[23] | HEGARTY R S, GOOPY J P, HERD R M, et al. Cattle selected for lower residual feed intake have reduced daily methane production[J]. J Anim Sci, 2007, 85(6): 1479–1486. DOI: 10.2527/jas.2006-236 |
[24] |
赵一广, 刁其玉, 邓凯东, 等. 反刍动物甲烷排放的测定及调控技术研究进展[J]. 动物营养学报, 2011, 23(5) :726–734.
ZHAO Y G, DIAO Q Y, DENG K D, et al. Measurements and modulation of methane emission from ruminants[J]. Journal of Animal Nutrition, 2011, 23(5): 726–734. (in Chinese) |
[25] |
桑断疾, 董红敏, 郭同军, 等. 日粮类型对细毛羊甲烷排放及代谢物碳残留的影响[J]. 农业工程学报, 2013, 29(17) :176–181.
SANG D J, DONG H M, GUO T J, et al. Effects of diet types on methane production and carbon resiue of metabolites of Xinjiang fine wool sheep[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(17): 176–181. DOI: 10.3969/j.issn.1002-6819.2013.17.023 (in Chinese) |
[26] | WANG M, WANG R, XIE T Y, et al. Shifts in rumen fermentation and microbiota are associated with dissolved ruminal hydrogen concentrations in lactating dairy cows fed different types of carbohydrates[J]. J Nutr, 2016, 146(9): 1714–1721. DOI: 10.3945/jn.116.232462 |
[27] | MILLS J A N, KEBREAB E, YATES C M, et al. Alternative approaches to predicting methane emissions from dairy cows[J]. J Anim Sci, 2003, 81(12): 3141–3150. DOI: 10.2527/2003.81123141x |
[28] | WILKERSON V A, CASPER D P, MERTENS D R. The prediction of methane production of Holstein cows by several equations[J]. J Dairy Sci, 1995, 78(11): 2402–2414. DOI: 10.3168/jds.S0022-0302(95)76869-2 |
[29] | MILLS J A, DIJKSTRA J, BANNINK A, et al. A mechanistic model of whole-tract digestion and methanogenesis in the lactating dairy cow: model development, evaluation, and application[J]. J Anim Sci, 2001, 79(6): 1584–1597. DOI: 10.2527/2001.7961584x |
[30] | VAN GASTELEN S, ANTUNES-FERNANDES E C, HETTINGA K A, et al. Enteric methane production, rumen volatile fatty acid concentrations, and milk fatty acid composition in lactating Holstein-Friesian cows fed grass silage-or corn silage-based diets[J]. J Dairy Sci, 2015, 98(3): 1915–1927. DOI: 10.3168/jds.2014-8552 |
[31] | YAN T, AGNEW R E, GORDON F J, et al. Prediction of methane energy output in dairy and beef cattle offered grass silage-based diets[J]. Livest Prod Sci, 2000, 64(2-3): 253–263. DOI: 10.1016/S0301-6226(99)00145-1 |