配方设计时需考虑奶牛日粮和牛群内变化
作者:Bill Weiss
翻译:贾文彬 奥特奇技术部
摘要
对于同一群奶牛来说,所提供的每一批次日粮都会不同。日粮营养成分变化的程度,可能会对奶牛的生产性能和健康产生负面影响。对于一些重要的营养指标,如果能够了解其不同批次的标准差(SD),我们就可以精确的计算日粮的安全系数。例如,如果想降低由于原料纤维含量变化而引起的日粮纤维水平不合理的风险,可以使用中性洗涤纤维(NDF)的SD来决定配方设计过程中NDF(或其它养分)的目标值。
在同一个圈舍内,不同奶牛的营养需要也各不相同。通过了解一个圈舍内产奶量的SD,有助于确定日粮营养成分的具体值。通常情况下,日粮可代谢蛋白所支持的最大产奶量应该比该群牛平均产奶量所需要的高大约1个SD(前提是该群内没有新产牛)。应该更加强调同一牛群内日粮营养成分和养分需要量的变化。这就要求在牧场内整理饲料原料的营养成分变化,以便计算整个日粮养分的变化。同时要求了解个体奶牛的产奶量数据(如,通过DHI数据进行了解产奶量)。在设计日粮配方过程中,考虑这些变化可以减少饲喂成本,维持较高的生产性能。同时可以减少营养物质随粪便排出,降低对环境的影响。牧场的整体效率增加。
前言
目前,大多数配方软件都要求输入具体的数值,并产生明确的解决方案,而不是随机输入并产生随机结果。比如说输入玉米青贮的NDF为41%,牛群的产奶量为85磅。随机输入可能是玉米青贮NDF平均值为41%,但变化幅度可能会超过三个百分点。牛群的产奶量为85磅,但产量变化幅度可能会超过30磅。实际上,配方软件中输入的数据不可能是恒定的(如营养组成、产奶量、乳成分和体重等),而是变化的,有时候变化还可能很大。问题是:我们在设计日粮配方过程中是否需要将这些变化考虑进去?
营养组成的变化
在设计日粮配方时,考虑营养成分变化的一个主要原因是,调整日粮为奶牛提供正确的养分,或是为奶牛提供恰当而不过量的养分。配方师必须决定降低饲喂不足或过度饲喂的风险是否更为重要。
饲料原料中营养成分的变化可通过收集足够数量的原料样本,并使用电子表格或其他方法计算SD来确定。采集样品的数量和时间根据不同原料而定。
对于玉米青贮来说,在几周时间内采集5到6个样品就可以准确估计SD。对于多茬刈割苜蓿青贮来说,可能需要更长的时间,样品数量也会更多。对于大多数粗饲料或者湿的饲料来说(如高水分玉米,湿的啤酒糟),牧场内部进行原料营养成分的评估也是必须的,因为不同牧场间的变异很大(St-Pierre和Weiss,2015)。换句话说,这些原料每个牧场要采样并测定SD。不能去国家或地方的数据库去查找这些原料的SD值。
而对于干玉米、豆粕、干玉米蛋白粉以及大豆皮等原料来说,牧场之间的变化不大,可以使用国家或地方数据库中的SD值(如www. nanp-nrsp-9.org)。但是饲料原料营养组成的变化与TMR营养组成的变化并不相同。如果制作TMR的过程中注意(如饲料原料严格按照配方执行,并根据干物质变化对添加量及时进行调整),会发现TMR营养成分的变化总是会低于饲料原料的加权平均变化。
假设,日粮中70%的NDF来自玉米青贮(SD=1.7),18%的NDF来自苜蓿青贮(SD=2.0),12%的NDF来自精饲料(SD=0.48)。那么TMR日粮SD的加权平均值为1.27,计算方法如下:【0.7*(1.72)+0.12*(0.48)+0.18*(2)】的平方根(译者注:原文此处数据为1.66,但根据其提供的计算公式得出数据为1.27)。但是这一计算方法是不正确的。因为这一方法假设了饲料原料内的变化不是独立的。但是如果采集TMR的样品(准确和精确是前提),其SD可能为该值的60%或70%(计算方法将在下面进行讨论)。
为什么TMR营养成分的变化总是低于各个原料变化的加权值。这是因为各个饲料原料中的营养成分变化是相对独立的。比如说,周一,玉米青贮的NDF值高于平均值,但同时苜蓿中的NDF值低于平均值,所以整个TMR中NDF变化低于单个饲料原料NDF的变化。
最重要的不是日粮原料中营养成分的变化,而是不同批次TMR营养成分的变化。然而,获得TMR营养成分的SD是十分困难的事情。你可以采集几天的TMR样品进行分析,但是TMR的采样可能存在问题(这个问题在另外一篇文章中进行讨论)。
另外一种方法是使用Monte Carlo模拟,根据不同原料的添加水平和需要了解的营养成分(例如NDF)的平均值和SD进行计算。这种方法基本上就是计算大量日粮预期的营养成分的浓度,并在每种日粮中加入预期的原料成分的变化。比如说,通过大量日粮模拟NDF的SD值来进行计算。Excel电子表格可以进行这些模拟。另一种方法为在多天内对每种TMR组成原料进行取样,然后根据每天原料营养成分和添加量(TMR记录软件记录的实际添加量)数据,计算TMR的营养浓度。然后根据这些每日计算的营养浓度来计算SD。
我们做了一个试验来比较TMR中的SD值,其中一个SD值根据原料加权平均值进行计算。另外一个SD值来自每天配送的TMR计算值(表1)。对于干物质(DM),NDF和粗蛋白而言,每日SD(每天配送TMR计算值)的范围为根据原料加权平均值计算得出的SD计算范围的61%到103%, 60%到74%, 19%到53%。在TMR和营养成分方面,最为准确的估计TMR的SD约为来自原料SD计算值的65%。
表1. 不同原料和TMR日粮中DM、CP和NDF的变化(采样在2周内的不同6天的时间)
如果想要准确计算不同批次的SD值,你需要知道如何处理这些数字。直到最近人们才对每天TMR营养成分变化对奶牛的影响进行了研究。我们做了4个试验来研究日粮蛋白、干物质、NDF和脂肪每天的变化对奶牛的影响。大多数情况下,我们没有看到明显的变化,或者只有很小的负面影响(Mcbeth等,2013;Weiss等,2013;Yoder等,2013;Brown和Weiss,2014)。但是在一个流行病学的研究中发现,每天泌乳净能的变化与产奶量成负相关(Sova等,2014)。在这一点上,数据是模棱两可的,但是每天轻微的变化可能不是主要原因。因此,设置TMR的SD日常基准,然后努力减少变化以匹配基准可能没有很大的回报。
使用TMR日粮的SD可以进行风险管理。也就是说,了解了TMR营养成分变化的SD值,可以对一些重要的营养指标建立安全系数。某些营养成分长期饲喂不足(可能是几天也可能是几周,取决于营养成分)会对牛奶产量、牛群的健康和繁殖产生负面影响。过度饲喂某些营养成分会导致饲喂成本增加,增加养分的排泄。根据营养成分以及过度饲喂情况,还可能会降低产奶量和牛群的健康。配方师应该建立营养成分的上限和下限。然后决定愿意接受多大的风险。
比如说,日粮配方设定NDF值为30%,但是根据以往的有关健康问题的经验。配方师希望95%的情况下(20天中仅1天不在此范围),TMR中NDF大于28%(目标值)。如果知道TMR日粮中NDF的SD值,可以通过计算确保日粮NDF有5%的可能性会小于28%。设立目标值(上限和下限)可以根据以往的经验,营养模型(如模型预测日粮蛋白水平低于15%会显著降低产奶量),饲喂成本,环境法规或其它因素。因为这些因素,都必须建立在各自牧场的基础上,这里不能提供统一的估计值。
一旦上限或者下限建立,必须确定低于或高于目标的饲喂可接受的风险。比如说一种日粮某种营养成分低于设定的目标下限,每周可以出现一次而不会出现问题(每7天出现1天,大约14%的概率)。或者你可以决定饲喂某种营养成分低于设定目标下限的日粮,每20天可以出现1次(5%的概率)。每个牧场所能接受的风险水平有所不同。降低风险也是要付出代价的。
例如,如果希望从根本上消除蛋白饲喂不正确的风险。需要设计一个蛋白过量的日粮。在这种情况下,可能不会出现蛋白饲喂过低的问题。但是饲喂成本会提高以及大量的氮排出体外,会引起环境问题。过量饲喂NDF会降低酸中毒的风险,但是会降低干物质采食量和产奶量。设定风险水平、目标上限和下限的潜在花费成本或者可能出现的饲喂不足必须进行考虑。使用正态分布曲线可以计算大于或小于某一特定值出现的概率(见图1)。
图1. 正态分布和大于或小于平均值样品的比例
15%的值会<(平均值-1.0*sd);15%的值会>(平均值+1.0*SD)
10%的值会<(平均值-1.25*sd);10%的值会>(平均值+1.25*SD)
5%的值会<(平均值-1.65*sd);5%的值会>(平均值+1.65*SD)
这些风险系数(1.0、1.25和1.65)与设定的下限值(或上限值)一起用来计算日粮配方中营养成分的水平。
如果你更关注某种营养成分的缺乏:配方值=所设定的下限值+(风险系数*SD)
相反如果你更关注某种营养成分的水平过高:配方值=所设定的上限值-(风险系数*SD)
举例来说,如果希望TMR中NDF<28%的几率小于5%,而TMR日粮中NDF的SD值为2.0。根据以上条件,5%的风险=1.65*SD。因此配方设定的NDF的目标值为28+(1.65*2.0)=31.3%(见图2)。这意味着如果你制作一个NDF为31.3%的TMR配方,NDF的SD值为2.0,TMR中NDF低于28%的情况,每20天最多出现一次。
相反NDF值高于33.8%的情况每10天最多出现一次。如果你希望将风险值设为15%(15%的情况日粮NDF会小于28%),配方设计时NDF为30%即可满足要求(见图1)。这种方法可以计算任何一种营养成分,如果能了解这种营养成分的正态分布和在TMR中的SD值。
图2. 举例说明使用TMR日粮组成变化进行配方设计。
在这个例子中,配方师希望减少TMR日粮中NDF值小于28%的饲喂风险,TMR日粮中NDF的SD值为2.0。如果配方师愿意接受15%的风险(大概一周出现一次),配方设计时,NDF值为30%就能够满足要求。如果希望将风险降低到5%(每20天中出现1天),日粮NDF应该为31.3%。计算方法为28+2*1.65=31.3。假设5%的风险=1.65 SD,SD为2。
同一牛群内的个体差异
在设计日粮配方确定某一营养元素的水平时,考虑牛群内的个体差异是十分有用的。在这种情况下,随着时间的推移,牛群的变化通常不是主要的关注点。因为牛群的平均产奶量,体重以及乳指标每天不可能出现太大的变化。然而,在同一牛群内,某天一头奶牛可能生产30磅的牛奶,而另外一头可能会生产150磅的牛奶。使用配方软件,设计奶牛日粮配方时,需要输入的主要信息包括体重(BW),产奶量,乳成分和胎次。这些输入信息的变化,造成了计算营养需求时的变化。
体重增加会增加能量和代谢蛋白的需要量。然而牛群内(假设是同一品种)观察到的母牛体重变化通常不足以显著影响营养需求。这就意味着根据牛群平均体重(甚至是该品种的平均体重)进行TMR配方设计是完全可行的。同一牛群内不同牛的产奶量、乳蛋白和乳脂肪产量差异很大。观察到的范围取决于牧场的分组情况。如果牧场根据产奶量进行分群,那么同一组内产奶量的变化范围比根据其它条件进行分群的变化范围小。
如果采用牛群内平均产奶量设计配方营养指标,产奶量和乳成分的产量对能量和蛋白的需求影响很大,可能会引起高产牛的饲喂不足而降低产奶量。为了解决这一问题,许多配方师设计配方时所采用的产奶量要高于实际的平均产奶量。然而所高出的值往往是没有根据的(如高出平均产奶量10磅)。使用一个牛群内产奶量的SD值,而不是“任意”的值,进行配方设计更准确。会减少饲喂不足带来的风险,同时会最小化过度饲喂低产牛。
同一牛群内不仅营养需要不同,干物质采食量也不同。产奶量与干物质采食量呈正相关。但相关强度与泌乳阶段有关系。如果不考虑泌乳阶段,产奶量与干物质采食量相关性很弱(如泌乳早期产奶量可能很高,但采食量不高)。不考虑泌乳早期(通常情况是泌乳天数<30天)干物质采食量和产奶量的相关系数为0.7(Kramer,2009)。这就意味着,如果牛群中没有新产牛,我们可以认为高产牛比低产牛吃的多。因此,当根据平均产奶量进行日粮设计时,日粮可以支持更高的产奶量(高于平均值),因为高产牛采食的干物质更多。
但是根据平均产奶量进行配方时,更多的干物质采食量是否能最大化产奶量?对于产后30或40天的奶牛来说(假设体重相近),10磅乳脂矫正乳的增加意味着干物质采食量增加3到3.5磅(相同的日粮)。通常情况下,如果根据牛群平均产奶量进行配方设计,干物质采食量的增加不能满足产奶量高于平均产奶量15磅/天的奶牛泌乳净能和代谢蛋白的需要。举例来说,牛群的平均产奶量为80磅/天(所有牛的泌乳天数大于30天),预期的干物质采食量为54磅(NRC,2001)。
如果日粮设计正好满足平均产奶量的能量和代谢蛋白的需要。一头牛产奶95磅,预期的干物质采食量为60磅/天,而这个干物质采食量只能满足产奶90磅的能量和蛋白的需要(根据NRC,2001计算)。如果所有的计算公式都十分准确,高产牛的消化和代谢效率与平均产量的牛相同,能产95磅牛奶的牛只能产90磅牛奶。虽然其产奶量高于平均值,但仍有产量的损失。使用相同的公式,如果一头牛能产150磅的牛奶,如果根据平均产奶量80磅进行配方设计,则这头牛的产奶量会下降25磅,因此你可能希望不是根据平均产奶量来进行配方设计。
大多数的营养模型会计算蛋白和能量所允许的最大产奶量。这些数字仅仅表示如果一头牛采食配方设计所提供的干物质采食量,它会有足够的能量和蛋白来满足其产奶量的需要。
最佳的过度饲喂取决于原料成本和牛奶价格(当原料成本价格较高而奶价低迷时,应减少过度饲喂的程度)。假设在正常的饲喂成本和奶价比情况下,根据模拟公式,假设同一牛舍内牛群产奶量处于正态分布,牛群内没有泌乳天数小于30天的奶牛。代谢蛋白所允许的最大产奶量应比牛群平均产奶量高出一个SD(Weiss,2014;Cabrera,2016)。这与平均值加上一个SD设计日粮不同。平均产奶量和平均干物质采食量(或根据平均产奶量估计的干物质采食量)主要用于配方设计时,而代谢蛋白允许的最大产奶量应高出所设计日粮满足的产奶量1个SD以上。
这种“过度”饲喂不应该用在所有营养成分上。对于微量元素和维生素20%的安全系数是比较合理的(NRC需要量X1.2)。过度饲喂能量应十分小心。在牛群内,对于低产牛来说,过度饲喂代谢蛋白仅仅造成过量的氮排出体外,造成环境和经济上的影响,对牛本身影响不大。但是如果牛群过度饲喂能量,如果所有公式都计算正确,会增加体重和体况。在许多情况下,这是人们所希望的,但同时会造成牛群过肥。
通常情况下,能量过度饲喂的程度要小于代谢蛋白。应该根据体况评分进行日粮能量的调整以期达到适宜的体况。使用SD来决定代谢蛋白过度饲喂的程度存在的主要问题是对于大多数牧场,不知道牛群产奶量的SD值。根据非常有限的数据(平均值可能是错误的),牧场内不是根据产奶量进行分群的牛群产奶量的SD值为其产奶量的16%。例如,如果牛群的平均产量为85磅,而且不是根据产奶量进行分群,那么估计的SD值为85*0.16=13.6磅。
根据以上信息,代谢蛋白所允许的最大产奶量为85+13.6=98或者99磅/天。如果根据产奶量进行分群,其SD值应该明显的降低,但是不知道具体会低多少。根据产奶量进行分群,会降低饲喂成本的主要原因是降低了日粮过度饲喂的程度(表2)。如果进行DHI测试或能够获得其它生产性能数据,可以计算SD值,并应用于日粮配方设计中。
表2. 举例说明,如何通过分组减少组内产奶量的差异从而减少饲喂成本。
如果只分成一组日粮代谢蛋白必须满足87磅产奶量的需要。但是分成三组的话,全群的平均日粮代谢蛋白只需满足81磅产奶量的需要。
以上的信息适用于泌乳天数大于30天的牛群。新产牛的干物质采食量(少于3或4周后的泌乳牛)相对产奶量来说非常低,所以以上信息不适用于新产牛群。于此同时,对于新产牛来说没有正确的数据来用于决定代谢蛋白的过度饲喂程度。相对于满足代谢蛋白和能量的需要,对于新产牛来说,最主要的目标是设计日粮来最大化其干物质采食量。
转自:牛人艺语