《animal》：Understanding animal-building-management interactions in response to heat: sensitivity analysis of a dynamic individual-based model of pig fattening
编辑推荐：
摘要翻译：气候变化和日益加剧的热应激对集约化猪生产系统构成重大挑战，影响动物生产性能、福利和农场盈利。在此背景下，诸如ThermiPig等整合模型被越来越多地用于模拟气候、猪舍环境和动物响应对生猪生产性能的联合效应。然而，这些模型的复杂性要求更好地理解输入参数
摘要翻译：气候变化和日益加剧的热应激对集约化猪生产系统构成重大挑战，影响动物生产性能、福利和农场盈利。在此背景下，诸如ThermiPig等整合模型被越来越多地用于模拟气候、猪舍环境和动物响应对生猪生产性能的联合效应。然而，这些模型的复杂性要求更好地理解输入参数如何影响模拟输出。本研究采用两步全局敏感性分析，旨在探究九个生物学、环境、猪舍建筑和管理相关参数对ThermiPig模型的技术、环境和经济输出的影响。首先，利用Morris筛选方法识别所考虑的九个输入中最具影响力的参数；随后，对所选参数进行基于方差的Sobol敏感性分析，以量化其对模型输出的主效应和交互效应。研究目标在于识别模拟变异性的主要驱动因素，并增进对模型在不同生产条件下行为的理解。分析结果表明，室外温度是影响模型输出的主导因素。温度变化显著影响动物生长、废弃物产生和经济性能，凸显了生猪生产系统对气候条件的脆弱性。平均蛋白质沉积量和启动屠宰交付流程所需的目标体重最小猪头数也是变异性的主要驱动因素，强调了动物生长潜力和群体管理策略的重要性。多数效应由单一参数解释，而交互效应相对有限。总体而言，研究结果证明了热环境、动物生长潜力和管理实践在决定猪场生产性能中的核心作用，并展示了全局敏感性分析在改进ThermiPig等整合性畜禽模型解释与应用方面的价值。
论文解读文章
一、研究背景与问题
全球气候变化对 livestock production 的威胁日益加剧，集约化养殖系统因高饲养密度和现代高产品种对热的敏感性而尤为脆弱。老旧或适应性不足的猪舍建筑进一步加剧了热应激风险和生产力损失，最终损害动物福利与农场盈利能力。在此背景下，建模方法成为理解和量化热应激对畜禽系统影响的重要工具。此前的建模研究大致分为两类：一类聚焦于动物生长响应，如基于 InraPorc 等模型的采食量、生长性能预测，但对猪舍建筑环境的描述较为简略；另一类则基于热量和质量平衡方程模拟畜舍内温度、湿度和气流动态，但对动物响应的表征不够精细。为弥补上述割裂，ThermiPig 等整合模型将室外气候条件、猪舍建筑功能与动物响应耦合在同一框架内，能够模拟热应激对生产性能的影响，并支持多情景的 in silico 试验与决策支持。然而，此类模型日益增长的复杂度带来了方法论挑战：输入参数对输出的相对影响难以解释，尤其在非线性响应和变量间相互作用存在时。因此，需要采用敏感性分析（sensitivity analysis）识别最有影响力的参数、量化各输入对输出变异性的贡献并评估模型稳健性。已有敏感性分析多采用局部方法或筛选方法，但对 ThermiPig 这一整合模型中气候、生物、建筑和管理各类输入参数的相对贡献尚未被系统刻画。这限制了确定模型行为主要驱动因素以及在气候变化情景分析与决策支持中对关键参数进行精准表征的能力。因此，本研究旨在利用 ThermiPig 模型开展全局敏感性分析，以理解室外温度、猪舍运行与结构以及育肥猪响应之间的相互作用。
二、研究内容与结论
研究人员对改进后的 ThermiPig 模型进行了两步全局敏感性分析。首先采用 Morris 筛选法（Morris screening method）对九个输入参数——包括建筑特征（吊顶高度、墙体热阻、风机最大风速、窗户数量）、猪只特征（相对平均蛋白质沉积量）和农场管理（目标屠宰活重、每次交付最小猪只数、每批有效猪只数、室外温度）——进行筛选，计算标准化后的均值指标（\(S_{\mu^*}\)）和标准差指标（\(S_\sigma\)），以识别最具影响力的参数。随后，对筛选出的三个关键参数进行 Sobol 方差基敏感性分析，计算一阶和总阶敏感性指数，量化各参数的主效应和交互效应。模拟运行600天，涵盖6个房间28批猪，并保留第7至23批以消除初始化偏差。结果表明：室外温度是最主要的影响因子，其平均一阶 Sobol 指数高达83.1%，主导绝大多数技术、环境和经济输出；平均蛋白质沉积量和每次交付最小猪头数也构成重要变异性来源。大多数输出变量的效应以加性效应为主，交互效应有限，仅"重胴体范围"（Heavy range）变量表现出显著的室外温度与交付头数之间交互作用。该研究揭示了热环境、动物生长潜力和管理策略在决定猪场性能中的核心作用，验证了全局敏感性分析在整合性畜禽模型解释和优化中的价值。
三、关键技术方法
本研究采用两项核心敏感性分析方法。其一为 Morris 筛选法，采用"一次一因子"（OAT）实验设计，样本量 \(N = r(k+1)\)，其中 \(k=9\) 个输入参数、\(r=50\) 条轨迹，共500次模拟；通过计算标准化效应均值（\(S_{\mu^*}\)）和标准差（\(S_\sigma\)），以20%最大值为阈值筛选关键参数。其二为 Sobol 方差基敏感性分析，基于 Sobol 序列的拟蒙特卡洛采样，对筛选出的 \(k=3\) 个参数设置 \(r=10000\) 条轨迹，共50000次模拟，计算一阶和总阶敏感性指数。模型输出涵盖动物生产性能（平均日增重、屠宰日龄、屠宰体重、饲料转化率）、经济指标（饲料成本、毛利、售价）和环境指标（氮、磷、有机物排泄、风机能耗、舍内温度）等19项。模拟场景基于法国商品猪场典型条件，饲料价格取自 IFIP 2023年经济报告，猪肉价格设定为每公斤1.898欧元。研究使用 R 软件的 sensitivity 包实施上述分析。
四、主要研究结果
（1）Morris 方法识别的关键参数（步骤1）
Morris 分析的 \(S_{\mu^*}\) 和 \(S_\sigma\) 结果如图1所示。室外温度远超过20%阈值，其 \(S_{\mu^*}\) 和 \(S_\sigma\) 均大于0.50。风机最大风速（Fan rate max）和每次交付最小猪头数（Minimum number of pigs per delivery）也超过两个阈值，数值介于0.10至0.20。平均蛋白质沉积量的 \(S_\sigma\) 低于阈值但 \(S_{\mu^*}\) 高于阈值。其余五个参数（墙体热阻、窗户数、吊顶高度、每批有效猪只数、目标屠宰活重）均低于阈值，被排除在后续分析之外。按输出逐一考察，室外温度在几乎所有输出的 \(S_{\mu^*}\) 和 \(S_\sigma\) 中均存在超过阈值的格子，确认其主导地位。每次交付最小猪头数在 \(S_{\mu^*}\) 中对11项输出超阈值，尤其在屠宰日龄（AS）、重胴体范围（Heavy range）和最佳胴体范围（Optimal range）中表现突出。平均蛋白质沉积量在 \(S_{\mu^*}\) 中对8项输出超阈值，包括饲料转化率（FCR）、毛利（GM）和售价（Selling Price）。风机最大风速仅在 \(S_{\mu^*}\) 中对4项输出超阈值。基于这些结果，最终选择室外温度、每次交付最小猪头数和平均蛋白质沉积量进入下一步，风机最大风速虽在平均 \(S_\sigma\) 上超阈值，但其对单个输出的影响范围较窄，被排除。
（2）Sobol 方法识别的影响因子（步骤2）
Sobol 一阶指数（图3）显示三个选定参数对输出方差的贡献极不均衡。室外温度平均解释83.1%的方差，单输出贡献范围为2.8%至100%。每次交付最小猪头数和平均蛋白质沉积量分别贡献10.7%和6.6%，且随指标变化较大。根据主导因素可将输出分为三组。第一组由室外温度几乎单独解释（指数>90%），包括平均日增重（ADG，97.3%）、饲料成本（FC，91.5%）、氮排泄（92.7%）、有机物排泄（91.5%）、磷排泄（90.8%）、瘦肉率（LMC，97.5%）、轻胴体范围（98.7%）、胴体范围（96%），以及风机能耗（100%）和舍内温度（100%）；这些变量中，另外两个参数的贡献均低于6%。第二组受室外温度主导（60%~90%），但其他因素贡献显著（>10%），包括屠宰日龄（AS，每次交付最小猪头数贡献14.3%）、饲料转化率（FCR，平均蛋白质沉积量贡献15.1%）、最佳胴体范围（每次交付最小猪头数贡献14%）和售价（平均蛋白质沉积量贡献16.2%）。第三组以其他因子为主导：重胴体范围（Heavy range）主要由每次交付最小猪头数解释（66.5%），室外温度仅贡献2.8%；毛利（GM）的贡献分布较均衡，室外温度57.7%、平均蛋白质沉积量37.5%、每次交付最小猪头数3.1%。总阶与一阶指数之差（图4）显示，大部分变量的交互效应小于10%，仅重胴体范围表现出显著交互效应（每次交付最小猪头数高阶效应29.3%，室外温度31.8%），对应于温度与上市策略对重猪比例的协同影响。
五、结论与意义
本研究首次对 ThermiPig 模型进行了全局敏感性分析，证实了室外温度是驱动模型输出变异性的核心因子，同时强调了动物生长潜力（平均蛋白质沉积量）和上市管理规则（每次交付最小猪头数）的重要作用。这一发现与猪热应激研究中采食量下降、生长性能降低的生物学机制一致。研究还表明多数参数效应具有加性特征，简化了模型标定和不确定性评估。然而，室外温度在敏感性分析中被简化为恒定输入，未反映实际气候的日内波动和季节动态；模型也仅通过采食量变化间接体现热应激效应，尚未纳入热应激对代谢和维持需要的直接影响。尽管存在这些局限，两步 Morris–Sobol 策略有效降低了复杂模型维度，为识别优先参数和指导模型改进提供了系统工具。该研究为在气候变化背景下利用 ThermiPig 评估猪场适应策略奠定了基础，并突显了整合建模与敏感性分析在精准畜牧业中的方法论价值。论文发表于《animal》期刊。
