《Animals》：Integration of Digital Technologies into Goat Management in North-Eastern Kazakhstan
编辑推荐：
精准畜牧业（Precision Livestock Farming, PLF）正日益应用数字工具以提升产业生产力和资源利用效率。本研究评估了一套数字技术集成方案——射频识别（RFID）电子耳标、Sheep Auto Drafter自动化称重分群系统、近红外光谱
精准畜牧业（Precision Livestock Farming, PLF）正日益应用数字工具以提升产业生产力和资源利用效率。本研究评估了一套数字技术集成方案——射频识别（RFID）电子耳标、Sheep Auto Drafter自动化称重分群系统、近红外光谱（Near-Infrared Spectroscopy, NIRS，FOSS DS 2500）以及“Korall”日粮平衡软件——在哈萨克斯坦东北部农业生态条件下，应用于6000只阿尔泰绒山羊（Altai Mountain down goats）群体管理中的效果。研究人员采用NIRS测定了六种饲料类型的化学成分：粗饲料粗纤维含量高达35.6%，胡萝卜素含量为35.6 mg/kg；精饲料粗蛋白含量最高达14.6%，淀粉含量为50.5%。数字化日粮满足母山羊（体重34 kg）12.84 MJ/天的代谢能需求及公山羊（体重48 kg）16.86 MJ/天的代谢能需求，符合美国国家研究委员会（NRC, 2007）标准。在为期两个月的研究中，研究人员监测了30只2.5岁母山羊和30只2.5岁公山羊，母山羊活重增加4.2%，公山羊增加5.3%，平均日增重分别为23 g和42 g。对这60只动物的体型外貌和体尺指数评估显示出显著的两性异形：公山羊胸宽指数显著更高（70.6%对母山羊的51.2%），而母山羊肢长指数更高（51.2%对公山羊的43.8%）。数字化日粮分析识别出相对于营养需求而言维生素D、铜和钴的估算性膳食不足，验证了针对性预混料校正的必要性。研究结果证实了将上述技术集成应用于中亚山羊管理系统的可行性与潜在效益。
一、研究背景与问题
绒山羊养殖是哈萨克斯坦传统且具有战略意义的重要畜牧产业。该国拥有广袤的不可通达山地（720万公顷）和石质牧场（1820万公顷），这些土地只能通过山羊养殖得以有效利用，从而为产业发展形成可持续的原料基础。山羊对极端气候条件的高度适应性及其多样化的高价值产品——绒毛、奶、肉和皮——推动了国内外市场需求的持续增长。山羊产品约占欧洲国家畜牧业总产出的30%，在阿拉伯国家则超过50%。羔羊肉在营养价值和消化率方面优于牛肉、猪肉和绵羊肉，山羊脂肪亦用于民间医药治疗呼吸道疾病。然而，该产业面临系统性制约：日粮营养不均衡、缺乏个体动物监测以及选育方法落后。精准畜牧业（Precision Livestock Farming, PLF）理念——包括电子标识、自动化数据采集和决策支持软件——为克服上述局限提供了变革性机遇。法国、荷兰和新西兰的经验表明，数字化群体管理系统可降低生产成本20%，并将盈利能力提升80%–85%。然而，同行评议文献中几乎没有关于在中亚条件下应用集成数字系统——NIRS饲料分析、RFID标识、自动化称重和软件日粮平衡——的数据，本研究旨在填补这一空白。
二、研究内容与总体结论
研究人员在哈萨克斯坦东北部低山地带（北纬50°，东经78°，海拔320米）的一个基础农场开展研究。该农场总群体约6000只阿尔泰绒山羊，采用半粗放管理系统，即季节性放牧与舍饲相结合。研究人员采用配对类似法从总群体中选取30只2.5岁母山羊和30只2.5岁公山羊作为实验样本。研究综合应用近红外光谱（NIRS）饲料分析、Korall日粮平衡软件、射频识别（RFID）电子耳标和Sheep Auto Drafter自动化称重分群系统，构建了完整的数字化群体管理平台。经过60天监测，母山羊活重增加4.2%，公山羊增加5.3%，平均日增重分别为23 g和42 g。研究证实，数字化日粮平衡能够识别传统方法无法发现的亚临床微量元素缺乏，自动化称重系统消除了人工保定应激并提高了数据精度，整体集成方案显著提升了养殖管理效率和经济效益。
三、主要关键技术方法
研究人员采用了以下核心技术手段：一是近红外光谱（NIRS）分析技术，使用FOSS NIRS DS 2500扫描单色器分析仪（丹麦FOSS Analytics公司），在400–2500 nm光谱范围内对六种饲料（草甸干草、草原牧草、牧场草、燕麦、燕麦-黍混合物、燕麦-向日葵混合物）进行非破坏性快速营养成分测定，样本采集自不同饲料批次的分层取样，每批5个点样（每种饲料n=5，共n=30），每个样本进行三次分析重复，校准模型决定系数R2cv=0.92–0.95；二是Korall日粮平衡软件（Korall-Agro，莫斯科，俄罗斯），基于实验室测定的饲料化学成分数据，结合俄罗斯全俄畜牧研究所（VIZ, 2018）和美国国家研究委员会（NRC, 2007）的营养标准，计算日粮能量、蛋白质、氨基酸、维生素及宏量和微量元素供应水平并识别缺乏项；三是RFID电子耳标（134.2 kHz，ISO 11784/11785标准）结合射频面板实现个体识别；四是Sheep Auto Drafter自动化称重分群系统，配备称重传感器（精度±0.1 kg）、三向分群闸门和集成RFID读取器，数据实时传输至与1C：哈萨克斯坦农业企业会计软件集成的中央数据库。
四、研究结果
4.1 饲料化学成分。 NIRS分析结果显示，粗饲料（草甸干草、草原牧草、牧场草）粗纤维含量为30.7%–32.5%干物质（DM），胡萝卜素含量高（15.2–35.6 mg/kg自然重），中性洗涤纤维（NDF）为50%–60%，确保充足瘤胃缓冲能力。精饲料（燕麦基混合物）粗蛋白含量为11.5%–13.1% DM，淀粉含量45.9%–50.5% DM，代谢能（ME）为12.5–13.0 MJ/kg DM，较粗饲料高约40%。牧场草粗蛋白含量最高（14.6% DM），胡萝卜素含量亦最高（35.6 mg/kg）。
4.2 数字化日粮平衡与识别缺乏。 基于NIRS数据，研究人员使用Korall软件为各性别-年龄组制定日粮。母山羊日粮总量2.31 kg/天（自然重），主要由草甸干草（20.49%）、牧场草（59.35%）和燕麦（19.77%）组成，提供12.84 MJ ME/天，满足NRC（2007）对34 kg体重母山羊的标准；公山羊日粮3.11 kg/天，提供16.86 MJ ME/天，符合VIZh（2018）对48 kg体重公山羊维持期饲养的标准。尽管能量供应充足，Korall程序的缺乏标记功能识别出两组动物均存在潜在微量元素缺乏：维生素D为9.9 mg/天（推荐17–25 mg/天）、铜为1.73 mg/kg DM（推荐8–10 mg/kg DM）、钴处于推荐范围下限（约0.17 mg/kg DM，推荐0.2–0.3 mg/kg DM）。母山羊还存在碘、锌及维生素A和E的额外缺乏。为此推荐引入含维生素D、铜、钴、碘、锌的矿物质-维生素预混料进行校正。
4.3 活重动态。 采用双因素重复测量方差分析（Two-Way RM ANOVA）分析60天监测期活重动态。性别主效应显著（F(1,58) = 5935.69，p < 0.001），公山羊在两个时间点均持续重于母山羊；时间主效应显著（F(1,58) = 611.84，p < 0.001），确认总体增重；性别×时间交互作用高度显著（F(1,58) = 48.67，p < 0.001）。60天内公山羊平均增重2.5 kg（平均日增重约42 g/天），母山羊增重1.4 kg（平均日增重约23 g/天）。
4.4 体尺测量与体型指数。 对2.5岁山羊的体尺和体型指数评估显示显著两性异形。独立样本t检验表明，公山羊在鬐甲高、尻高、斜体长、肩胛后胸宽、胸围和管围方面显著超过母山羊（p < 0.001，Cohen's d > 0.8）；相反，母山羊胸深显著大于公山羊（p < 0.001，d = 1.233）。体型指数方面，公山羊胸宽指数显著更高（70.6%对51.2%），母山羊肢长指数更高（51.2%对43.8%）。伸长指数和骨指数无显著性别差异（p > 0.05）。Pearson相关分析显示，两性体尺测量间均呈弱至中等相关（|r| < 0.40），表明各骨骼和外部体型性状高度独立，可在选育中单独纳入评估。
4.5 集成数字化管理的有效性。 NIRS饲料分析、Korall程序、RFID标识和自动化称重的组合构成了一套连贯的PLF方案，消除了绒山羊养殖管理中的三个关键瓶颈：饲料营养价值不确定性、个体生产力“不可见性”以及选育决策数据缺失。与1C会计系统的集成实现了实时生产成本计算，将管理闭环从饲料采购延伸至财务结果。
五、讨论与结论
讨论部分指出，PLF工具集成代表了从传统群体平均管理向数据驱动的个体水平监测的范式转变。NIRS提供的快速饲料化学分析是传统湿化学方法无法在常规运营时间尺度上实现的。Korall软件自动缺乏标记功能识别的维生素D和铜缺乏是亚临床性的，通常表现为生长不良、绒毛品质下降和免疫功能抑制而无明显临床症状，传统方法难以发现。自动化称重平台的低标准误（0.07至0.23 kg）凸显了PLF称重平台优于人工方法的优势，消除人工保定应激不仅确保了数据保真度，还防止了保定引起的体重损失。形态学评估揭示的母山羊更深胸腔为妊娠期和泌乳高峰期容纳胃肠容积提供了必要的腹腔容量，是中亚本地山羊品种公认的适应性特征。集成平台的双向数据流——连接个体RFID标识、NIRS饲料化学、自动化分群称重和1C财务核算——闭合了管理回路，缓解了粗放畜牧生产的劳动力约束，并为未来预测分析和数字机器学习建立了稳健数据集。
研究结论如下：NIRS分析确认粗饲料提供充足纤维和胡萝卜素，精饲料覆盖两性-年龄组的能量和蛋白质需求；Korall程序配制的日粮满足母山羊（12.84 MJ/天）和公山羊（16.86 MJ/天）的代谢能标准，但揭示出维生素D、铜、钴、碘和锌的估算性膳食不足，需针对性预混料校正；自动化称重记录60天内母山羊活重增长4.2%、公山羊增长5.3%，平均日增重分别为23 g和42 g，确认该品种的高生产潜力；外貌分析显示显著两性异形，公山羊胸宽指数显著更高（70.6%对51.2%），母山羊肢长指数更高（51.2%对43.8%），骨指数两性相同（约14.1%）；集成数字化管理提高了数据采集精度、降低了劳动投入，并通过1C平台实现了饲养、生长和外观指标与农场经济结果的端到端关联。研究结果为哈萨克斯坦及整个中亚地区绒山羊养殖数字化建立了证据基础，未来研究方向包括PLF实施长期经济效应评估以及基于累积数字数据阵列开发预测性群体管理的数字学习算法。
