《Journal of Dairy Science》：Characterizing dairy cows based on their daily behavior deviation patterns relative to the herd using a clustering approach
编辑推荐：
先前研究报道了奶牛个体间行为模式存在较大变异，这干扰了对群体行为模式的解读。从亚群水平评估奶牛的行为变异可能使解读更为清晰。本研究旨在：(1) 基于奶牛个体在躺卧时长、步数和姿态变化次数上与群体水平的偏差，分别在无放牧期和有放牧期内，对个体进行聚类，以评估个体
先前研究报道了奶牛个体间行为模式存在较大变异，这干扰了对群体行为模式的解读。从亚群水平评估奶牛的行为变异可能使解读更为清晰。本研究旨在：(1) 基于奶牛个体在躺卧时长、步数和姿态变化次数上与群体水平的偏差，分别在无放牧期和有放牧期内，对个体进行聚类，以评估个体间的行为变异性；(2) 根据行为变量和经产次数（parity）对识别出的聚类进行特征描述。本研究使用了来自荷兰某商业奶牛场185头个体奶牛在2019年全年的加速度计（accelerometer）数据，包括每15分钟间隔记录的躺卧时长、步数和姿态变化次数。从行为数据中，每头奶牛提取了13个描述其与群体水平偏差的变量，包括全天内的绝对偏差值以及日内特定时段的有符号偏差值。分别针对无放牧期和有放牧期，基于提取的变量采用K均值聚类（K-means clustering）对个体奶牛进行聚类。两次聚类分析均识别出相同的4种个体奶牛聚类类型。各聚类的行为偏差模式进一步根据每类中个体奶牛变量的均值进行了表征：(1) 运动型（locomotive）；(2) 站立型（standing）；(3) 不安型（restless）；(4) 躺卧型（lying）。运动型聚类的奶牛躺卧时长短于群体水平，步数高于群体水平。站立型聚类的奶牛躺卧时长、步数和姿态变化次数均低于群体水平。不安型聚类的奶牛躺卧时长、步数和姿态变化次数均高于群体水平。躺卧型聚类的奶牛躺卧时长高于群体水平，步数低于群体水平。72.4%的个体奶牛在有无放牧期均被一致地归入同一类型的聚类中。经产次数为1（parity 1）的奶牛多数被归入运动型聚类。经产次数为2（parity 2）的奶牛多数被归入站立型聚类，而经产次数≥3（parity 3+）的奶牛多数被归入躺卧型聚类。总之，通过聚类方法在个体奶牛中观察到四种截然不同的行为偏差模式，且在有无放牧期总体一致。总体而言，parity 2和parity 3+的奶牛步数和姿态变化次数低于parity 1的奶牛。本研究展示了利用聚类方法改善对个体行为变异性和模式解读的潜力。
研究背景、存在问题与研究目的
奶牛的行为遵循24小时昼夜节律，主要受环境、日常农场管理如挤奶时间和放牧等因素影响。群体水平因素如温度、湿度、日粮和放牧制度等对群内所有个体施加统一影响，塑造了群体行为模式。然而，已有研究报道了个体奶牛在反刍、躺卧、采食和活动等方面存在巨大差异，即使在同一牛群中饲养也是如此。例如，同一牛群内个体奶牛每日总躺卧时长范围可从5.2小时到14.4小时不等，远高于群体平均水平约11.3小时。这种巨大的个体行为变异严重阻碍了基于群体平均数据的精准畜牧技术（precision livestock technologies）在健康监测和疾病检测中的应用效果。以往研究表明，经产次数（parity）与个体躺卧行为的变异相关，初产牛（primiparous cows）比经产牛（multiparous cows）步数更多、躺卧时间更短。因此，识别和量化个体奶牛的行为模式及其与parity的关系，有助于优化个体化管理策略，提升动物福利。此外，个体行为在一天中的特定时段可能表现出比日均值更大的差异，捕捉这些高粒度信息可能更好地反映行为变异。同时，个体相对于群体的行为偏差（behavioral deviation）比原始行为测量值更能有效消除群体水平因素（如天气、饲喂延迟）的干扰。因此，本研究旨在：(1) 通过聚类方法，基于个体奶牛在躺卧时长、步数和姿态变化次数上与群体水平的偏差（包括日均水平和日内特定时段），分别在无放牧期和有放牧期对个体进行聚类；(2) 根据行为变量和parity对识别出的聚类进行特征描述。
关键技术方法
研究人员使用了来自荷兰某商业奶牛场185头泌乳牛的加速度计（accelerometer，IceQube品牌）数据，记录时间为2019全年，数据以15分钟为间隔采集躺卧时长、步数和姿态变化次数。经过严格的数据清洗和质量控制（剔除每日数据不完整、异常值等），最终保留了123头数据可用天数超过56%的个体奶牛（占原牛群的66.5%），共32948天的数据。基于每日群体步数阈值（1235步/天）推断每日是否有放牧活动。研究人员为每头奶牛每天提取了13个描述其与群体水平偏差的行为变量，包括日均绝对偏差和日内特定时段的有符号偏差。采用K均值聚类（K-means clustering）算法，并依据轮廓宽度法（silhouette width method）、肘部法（elbow method）及领域知识确定最优聚类数为4。聚类前对所有变量进行Z-score标准化处理，设置随机初始化为50次以增强稳定性。主成分分析（principal component analysis，PCA）用于可视化聚类效果。非参数Kruskal-Wallis检验用于比较聚类间差异，卡方检验（Chi-squared test）和Cramér's V系数用于评估parity与聚类之间的关联。
研究结果
- •
聚类识别与行为模式特征：在无放牧期和有放牧期，均识别出四种具有不同行为偏差模式的聚类类型：(1) 运动型（locomotive）：躺卧时长低于群体水平，步数高于群体水平，姿态变化接近群体水平；(2) 站立型（standing）：躺卧时长、步数和姿态变化均低于群体水平；(3) 不安型（restless）：躺卧时长、步数和姿态变化均高于群体水平；(4) 躺卧型（lying）：躺卧时长高于群体水平，步数低于群体水平，姿态变化接近群体水平。PCA可视化显示四类聚类在二维空间中分离良好。Kruskal-Wallis检验表明，所有13个行为变量在四类聚类间均存在极显著差异（P < 0.01）。
- •
跨时期一致性：72.4%的个体奶牛在无放牧期和有放牧期间被一致地归入同一类型的行为偏差模式聚类中，其中躺卧型的一致性最低（58.7%），运动型最高（92.6%）。部分奶牛在放牧期从躺卧型转向了运动型和站立型，这可能与放牧提供了更大空间、降低了竞争压力有关。
- •
与经产次数（parity）的关联：parity与聚类之间存在显著且效应量大的关联（无放牧期：χ2 = 43.5, df = 6, P < 0.001, Cramér's V = 0.35；有放牧期：χ2 = 40.7, df = 6, P < 0.001, Cramér's V = 0.35）。初产牛（parity 1）主要分布在运动型聚类中（无放牧期51.2%，有放牧期57.1%）。经产牛中，parity 2的奶牛主要分布在站立型聚类中（无放牧期43.8%，有放牧期40.6%），而parity 3+的奶牛则主要分布在躺卧型聚类中（无放牧期56.2%，有放牧期42.9%）。
讨论与结论总结
讨论部分指出，个体奶牛在躺卧、步数和姿态变化上的行为偏差模式高度与parity相关，这与前人关于初产牛活动性更强、躺卧时间更短的发现一致。除了parity，个体性格（personality）和社会等级（social hierarchy）也可能影响行为模式，例如，胆小或社会等级低的奶牛可能躺卧时间更短。约28%的奶牛在不同时期改变了行为偏差模式，尤其是躺卧型的奶牛在放牧期转向了运动型和站立型，这可能反映了室内圈养限制了它们的运动表达，而放牧满足了它们更高的能量需求或首次接触草地的探索动机。研究还观察到，随着年内时间推移，各类聚类的偏差值逐渐缩小，这可能与数据筛选标准导致下半年群体中经产牛比例增加有关，未来需按月或周进行更频繁的聚类以揭示动态变化。本研究的聚类方法成功利用了日内行为变量，相比前人使用时间序列距离的方法有所改进，因为日内变量能过滤冗余信息并捕捉特定时段的行为差异。这些行为偏差模式可用于优化牧场管理，例如，躺卧型聚类比例较低可能暗示牛群中运动障碍问题较少。未来研究应探讨这些聚类与产奶量、健康状况等其他重要性状的关联，以增强其实用价值。
结论：本研究提取了13个描述个体奶牛在躺卧时长、步数和姿态变化次数上偏离群体水平的行为变量，并分别在无放牧期和有放牧期对个体奶牛进行了聚类。研究观察到了四种具有不同类型行为偏差模式的奶牛聚类，并且72.4%的奶牛在有无放牧期间被一致地归入同一类型。个体奶牛间的行为变异性在一定程度上可由parity解释。
