Evaluation and analysis of comprehensive benefits of aquaponics technology in Jiangning District, Nanjing City
-
摘要:目的
鱼菜共生技术结合水产养殖和作物栽培优势，具有氮素转化利用率高、节水减排的特点，可以实现经济和环境效益双赢；但鱼菜共生生产过程涉及的经济和环境指标多，当前缺乏对该生产模式进行综合效益评价的研究。本研究对鱼菜共生系统的环境和经济效益进行量化分析并进行系统性评价与比较，以期为鱼菜共生技术的定性定量分析和研究提供新思路。
方法基于南京市江宁区鱼菜共生农场的实际建造和运营数据，以环境效益和经济效益为主要评价指标，通过经验公式法计算单一水产养殖氮排放量以及采用鱼菜共生技术时相关氮损失和氮转化量，并通过实测法定性、定量计算鱼菜共生系统氮转化和排放量，基于农场问卷和调研结果计算鱼菜共生系统的各项经济指标。
结果采用鱼菜共生技术后，全氮排放量比单一水产养殖模式减少99.45%，总氨氮排放量减少99.73%；N2O排放和微生物固定转化造成较多的氮损失，N2O排放量和微生物同化的氮损失量分别是水中全氮排放量的4.58和48.60倍；硝化细菌对NO2−−N的降解增强，水质更利于鱼类生存。鱼菜共生农场启动的第1年，建设成本占比55.21%，超过其余各项支出的总和。饲料成本是鱼菜共生农场运行时的主要成本来源，占比达73.96%。水产养殖收入在总收入中占比89.74%，是种植收入和服务收入总和的8.75倍。
结论本研究建立了科学的鱼菜共生综合效益评价体系，对鱼菜共生技术的生态效益和经济效益评价有一定的指导意义，可为鱼菜共生技术的研究和应用提供多维度参考。
Abstract:ObjectiveAquaponics technology combines the advantages of aquaculture and crop cultivation, featuring high nitrogen conversion utilization ratio as well as water saving and emission reduction, realizing a win-win situation for both economic and environmental benefits, but aquaponics system involves many economic and environmental indicators, and there are fewer current studies on comprehensive benefit evaluation of this production model. In this study, the environmental and economic benefits of aquaponics systems were quantitatively analyzed, systematically evaluated and compared, with a view to providing new ideas for qualitative and quantitative analyses and research on aquaponics technology.
MethodBased on the actual construction and operation data of the aquaponics farm in Jiangning District of Nanjing City, this study took environmental and economic benefits as two main evaluation indexes, calculated nitrogen emission of the single aquaculture mode as well as related nitrogen loss and nitrogen transformation in the aquaponics through the empirical formula method, qualitatively and quantitatively calculated nitrogen transformation and emission of the aquaponics system through the measurement method, and calculated the economic indexes of the aquaponics system based on the questionnaire of the farm and the results of the research.
ResultAfter adopting aquaponics technology, the total nitrogen emission was reduced by 99.45% and the total ammonia nitrogen emission was reduced by 99.73% compared with the single aquaculture mode; N2O emission and microbial assimilation caused more nitrogen loss, were 4.58 and 48.60 times more than total nitrogen emission in water, respectively; The degradation of NO2−-N by nitrifying bacteria was enhanced, the water quality was more conducive to the survival of fish. In the first year of aquaponics farm, the construction cost accounted for 55.21%, which exceeded the sum of other expenditures. Feed cost was the main source of cost when running the aquaponics farm, accounting for 73.96%. Aquaculture income accounted for 89.74% of the total income, which was 8.75 times more than the sum of planting income and service income.
ConclusionThis study establishes the scientific comprehensive benefit evaluation system of aquaponics, which has certain guiding significance for the evaluation of ecological and economic benefits of aquaponics technology, and can provide multi-dimensional references for the research and application of aquaponics technology.
-
Keywords:
- Aquaponics /
- Aquaculture /
- Environmental benefit /
- Economic benefit /
- Nitrogen emission
-
猪肉是我国居民饮食结构的重要组成部分，我国每年消费肉类的60%以上都是猪肉[1]。生猪养殖产业对于满足我国居民日常生活的肉食需求至关重要。动态化精准饲喂是规模化、集约化养猪产业的必经之路。生猪养殖的成本主要是仔猪成本、饲料成本和人工成本[2]，其中饲料费用占比最高，达70%~80%[3]。中国生产50 kg胴体质量育肥猪的饲料成本以及总成本远高于德国和丹麦等其他6个国家[4]。如何减少饲料浪费、提高饲料利用率，是生猪产业可持续健康发展的长期课题。生猪精准饲喂技术是减少饲料浪费、提高饲料利用率的重要支撑，主要由精准饲喂管理软件和智能饲喂设备组成，可分为饲养信息获取、饲料精准配方、智能饲喂3个阶段[5]。模型是创制精准饲喂智能设备的嵌入式控制系统必要的理论基础[6]。干料和湿料是猪只饲喂的2种方式，干料的含水量(w)一般为12%~15%，湿料指经处理和调制后含水量(w)达到40%~70%的饲料[7]，不同饲喂方式猪只的生产性能不同[8]。对生猪精准饲喂湿料缺乏相关模型的理论支撑。
猪的体质量随着日龄的增加而增长，且符合“S”型曲线，其生长速率先上升，达到最大生长速率后逐渐下降[9]。畜禽生长发育规律研究常用的研究方法是模型拟合，分析结果可以指导畜禽的生产实践、提高生产效率，是畜禽精准饲喂的前期工作[10]。畜禽适用性最好的非线性回归(Nonlinear regression，NLIN)模型是Gompertz模型[11]、Logistic模型[12]和Von Bertalanffy模型[13]，3种模型在世界各地的商品猪和地方猪的生产中具有很强的普适性。杜洛克猪和约克夏猪的最佳模型分别为Gompertz和Von Bertalanffy[14]。学者已经利用3种模型拟合出凉山猪[15]、藏猪[16]、梅山猪[17]、内江猪[18]和鄂通两头乌猪[19]等地方猪种的体质量增长模型。研究表明3种模型广泛运用于生长发育研究，为精细化饲喂猪只提供理论基础。但是目前相对干料饲喂猪只，湿料饲喂猪只的模型构建研究较少。
因此本试验采用Gomperz、Logistic、Von Bertalanffy模型分别进行干湿料饲喂猪只的生长曲线拟合，构建三元商品猪基于体质量和日龄的采食量动态模型，研究干湿料饲喂对不同阶段猪只腹泻的影响，旨在为三元商品猪的生长发育和采食量研究提供基础数据，为猪只的饲喂管理提供理论依据。
1. 材料与方法
1.1 试验设计及饲喂管理
本试验于2023年5月18日至2023年9月14日在重庆市畜牧科学院双河试验基地进行，选择132头平均初始体质量为(10.56±1.21) kg的三元杂交商品猪(杜洛克×长白猪×大白猪)，所有试验猪只随机分为2组，每组11次重复，每次重复6头猪。其中一组饲喂干料，另一组饲喂湿料，湿料采用粥料器饲喂，料水质量比为1∶1.5。饲养日粮采用商品用猪饲料，执行GB/T 18823—2010标准[20]，采用人工饲喂方式，试验猪只常规免疫，自由采食，自由饮水，保持圈舍清洁，定期消毒。
1.2 检测指标
1.2.1 体质量
试验期间，每周采用单体秤对试验猪只进行称重，猪只每周称重前一晚断料、禁食过夜，次日逐头称重，记录每周每头猪的体质量数据。
1.2.2 采食量
分别确定初始加饲料的时间并称重记录料槽剩余饲料的质量(T1)，1周后同时间称重料槽剩余饲料质量(T2)，中间过程记录饲喂饲料包数(B)(饲料包质量按40 kg计)，则该周该圈饲料消耗量如公式(1)所示。
$$ Q=T_1+B \times 40-T_2 。 $$ (1) 1.2.3 腹泻
采用人工定点观察粪便外观并评分的方式每天记录每个圈栏腹泻指数。评分方法：按照0~3分的腹泻体系对仔猪粪便进行评分，分为0、1、2、3，整个圈栏腹泻评分取3处评分平均值，其中，≥2分视为腹泻，具体评分依据如表1所示。每天早上喂料前清扫圈栏1次，便于观察粪便，记录每个圈栏腹泻猪头数(观察肛门判断是否腹泻；区分粪便颜色、大小等判断腹泻猪只数量)，按照公式(2)(3)计算每圈每天腹泻指数与腹泻率。
表 1 腹泻指数评判标准Table 1. Evaluation criteria for diarrhea index腹泻程度
Diarrhea severity粪便外观
Fecal appearance腹泻评分
Diarrhea score正常 Normal 成型或粒状 0 轻度 Mild 软便能形成 1 中度 Moderate 稠状，不成型，粪水无分离现象 2 重度 Severe 稠状，不成型，粪水有分离现象 3 $$ 腹泻率=腹泻头数/仔猪总头数\times 100{\text{%}} \text{，} $$ (2) $$ \mathrm{腹泻指数=腹泻评分之和/(猪只头数\times 试验天数)。} $$ (3) 1.3 曲线拟合与模型构建
采用Gomperz、Logistic、Von Bertalanffy模型分别对干湿料饲喂猪只的生长曲线进行拟合，相关模型的表达式和模型参数见表2。
表 2 3种模型表达式及相关参数1)Table 2. The formulae and related parameters of three models模型
Model表达式
Formula拐点周龄
Week age of inflecting point拐点体质量
Body weight of inflecting point最大日增体质量
Maximum daily gain body weightGomperz $ W_t=A\times {\mathrm{e}}^{-B\times {\mathrm{e}}^{-Kt}} $ $ (\mathrm{l}\mathrm{n}B)/K $ $ A/\mathrm{e} $ KWt Logistic $ W_t=A/(1 +B\times {\mathrm{e}}^{-Kt}) $ $ (\mathrm{l}\mathrm{n}B)/K $ $A/2 $ KWt/2 Von Bertalanffy $ W_t=A\times {(1-B\times {\mathrm{e}}^{-Kt})}^{3} $ $ [\mathrm{l}\mathrm{n}(3B)]/K $ $ 8A/27 $ $ 3KW_t/2 $ 1)各模型中，Wt为t日龄时体质量估计值；A、B、K为模型参数
1) In each model, Wt represents the estimated body weight at age t; A, B and K are model parameters1.4 数据分析
测得的数据使用Excel 2016进行数据处理与分析，平均日增体质量(G)和相对生长率(R)的计算公式如下。
$$ G=({W}_{2}-{W}_{1})/({t}_{2}-{t}_{1}) \text{，} $$ (4) $$ R=({W}_{2}-{W}_{1})/{W}_{1}\times 100\mathrm{{\text{%}}} \text{，} $$ (5) 式中：W1、W2为不同日龄的猪只体质量，kg；t1、t2为猪只的不同测定日龄，d。
采用SPSS 26进行猪只生长曲线拟合，计算各模型的曲线拟合度、拐点周龄、拐点体质量和最大日增体质量，并在生长曲线的基础上构建猪只采食量和体质量的动态模型。
2. 结果与分析
2.1 干湿料饲喂方式下猪只体质量变化规律
由表3可知，2种饲喂方式下猪只的生长趋势一致，平均日增体质量都是波动上升然后下降，干料饲喂猪只平均日增体质量从7周龄的0.36 kg逐渐上升到11周龄0.92 kg，达到第1个高峰，然后又波动上升到18、21周龄的1.12 kg，除了19周龄骤降到0.59 kg，波动下降到23周龄的1.11 kg；湿料饲喂的猪只平均日增体质量从7周龄的0.31 kg逐渐上升到11周龄的0.90 kg，达到第1个高峰，然后下降到13周龄的0.52 kg，然后缓慢波动上升到22周龄的1.18 kg，最后下降到23周龄的0.97 kg。2种饲喂方式下猪只的相对生长趋势一致，都是生长初期达到高峰，然后缓慢波动下降，干料饲喂猪只相对生长率在11周龄达到高峰，为25.84%，然后缓慢波动下降到7.71%；湿料饲喂猪只相对生长率在9、11周龄分别达到2个高峰，27.21%和28.49%，然后缓慢波动下降到7.16%。
表 3 干湿料饲喂方式下猪只体质量变化Table 3. Changes in body weight of pigs under dry and wet feed feeding methods周龄
Weeks
of age平均体质量/kg
Average body
weight平均采食量/kg
Average food
intake平均日增体质量/kg
Average daily gain
body weight料肉比
Feed
efficiency相对生长率/%
Relative
growth rate干料
Dry feed湿料
Wet feed干料
Dry feed湿料
Wet feed干料
Dry feed湿料
Wet feed干料
Dry feed湿料
Wet feed干料
Dry feed湿料
Wet feed6 11.07±1.20 10.05±0.98 7 13.62±1.48 12.21±1.28 0.68±0.03 0.58±0.04 0.36±0.06 0.31±0.05 1.90 1.86 23.04 21.39 8 16.69±1.71 14.31±1.74 0.91±0.05 0.61±0.13 0.44±0.06 0.30±0.07 2.08 2.04 22.48 17.20 9 20.55±2.32 18.20±2.75 1.14±0.09 1.01±0.08 0.55±0.10 0.56±0.15 2.07 1.80 23.17 27.21 10 24.89±2.98 22.02±3.18 1.45±0.28 1.38±0.16 0.62±0.11 0.55±0.08 2.34 2.50 21.09 21.02 11 31.32±3.43 28.30±3.73 1.74±0.22 1.52±0.18 0.92±0.10 0.90±0.11 1.89 1.69 25.84 28.49 12 36.90±4.09 33.60±4.68 1.91±0.17 1.61±0.14 0.80±0.13 0.76±0.18 2.39 2.12 17.79 18.74 13 42.34±4.83 37.25±5.10 1.96±0.21 1.40±0.13 0.78±0.13 0.52±0.14 2.51 2.69 14.89 10.86 14 48.75±5.41 42.88±5.77 2.34±0.27 2.14±0.14 0.82±0.17 0.80±0.12 2.86 2.67 15.14 15.11 15 54.93±6.21 47.47±6.12 2.39±0.13 2.08±0.22 0.88±0.17 0.66±0.10 2.72 3.14 12.67 10.71 16 60.90±6.68 54.17±6.92 2.59±0.31 2.48±0.23 0.85±0.13 0.96±0.15 3.05 2.58 10.87 14.11 17 67.04±7.70 59.50±7.30 2.95±0.36 2.43±0.41 0.88±0.21 0.76±0.09 3.35 3.20 10.09 9.83 18 74.89±7.91 66.25±7.61 2.81±0.24 2.87±0.40 1.12±0.15 0.97±0.09 2.51 2.96 11.71 11.36 19 79.02±8.08 73.06±8.47 2.05±0.36 2.95±0.40 0.59±0.18 0.97±0.18 3.48 3.04 5.51 10.27 20 86.12±9.84 80.16±8.41 3.23±0.69 2.97±0.90 1.01±0.19 1.02±0.11 3.20 2.91 9.00 9.73 21 93.93±8.33 86.27±7.45 3.58±0.34 3.07±0.42 1.12±0.16 0.87±0.20 3.19 3.53 9.07 7.62 22 101.03±9.67 94.50±8.97 3.68±0.48 3.35±0.23 1.01±0.24 1.18±0.26 3.64 2.84 7.56 9.54 23 108.82±10.21 101.27±9.44 3.73±0.40 3.23±0.54 1.11±0.22 0.97±0.16 3.36 3.33 7.71 7.16 2.2 干湿料饲喂方式下猪只体质量变化模型构建
采用Gomperz、Logistic、Von Bertalanffy模型分别对干湿料饲喂猪只的生长曲线进行拟合。由表4可知，3种模型均能较好地拟合干湿料饲喂猪只的生长曲线，模型的拟合度(R2)均在0.997以上。根据模型的拟合度、拐点周龄、拐点体质量和最大日增体质量与实际数据的比较，干料饲喂猪只生长曲线最适合的模型是Von Bertalanffy模型，拟合度为0.999，拐点周龄、拐点体质量和最大日增体质量分别为21.86、89.20 kg、1.17 kg；湿料饲喂猪只生长曲线最适合的模型是Gomperz模型，拟合度为0.999，拐点周龄、拐点体质量和最大日增体质量分别为21.21、78.17 kg、1.22 kg。
表 4 3种生长曲线拟合参数估计值与拟合度Table 4. Estimated parameter values and fitting degree of the three growth curve models分组
Grouping模型
Model模型参数1) Model parameter A B K R2 拐点周龄
Weeks of
inflecting point拐点体质量/kg
Body weight of
inflecting point最大日增体
质量/kg
Maximum daily gain
body weight干料
Dry feedLogistic 139.36 47.13 0.029 0.997 18.98 69.68 1.58 Gomperz 213.92 5.73 0.012 0.999 20.27 78.70 1.34 Von Bertalanffy 301.04 1.00 0.007 0.999 21.86 89.20 1.17 湿料
Wet feedLogistic 142.43 49.61 0.028 0.998 19.92 71.21 1.42 Gomperz 212.49 5.94 0.012 0.999 21.21 78.17 1.22 Von Bertalanffy 251.69 1.06 0.008 0.997 20.64 74.57 1.22 1)A、B、K为模型参数；R2为模型拟合度
1) A, B and K are model parameters; R2 is the model fitting degree2.3 干湿料饲喂方式下猪只生长曲线绘制
对干湿料饲喂猪只的体质量、平均日增体质量和相对生长率的3种模型拟合理论值和实际测定值分别绘制生长曲线(图1)、绝对生长曲线(图2)和相对生长曲线(图3)。由图1可知，干湿料饲喂猪只体质量实际测定值与3种模型拟合的理论值接近。由图2可知，干料饲喂猪只7—10、12—15、20、22周日增体质量实际测定值与理论值接近，11、18、21、23周实际测定值高于理论值，16、17、19周实际测定值低于理论值；湿料饲喂猪只7—10、12、14、16、18—20、23周日增体质量实际测定值与理论值接近，11、22周实际测定值高于理论值，13、15、17、21周实际测定值低于理论值。由图3可知，干料饲喂猪只7—10、12—18、20—23周相对生长率的实际测定值与理论值接近，11周实际测定值高于理论值，19周实际测定值低于理论值；湿料饲喂猪只7—10、12、14、16—23周相对生长率的实际测定值与理论值接近，11周实际测定值高于理论值，13、15周实际测定值低于理论值。综合分析3种模型的理论值和实际测定值，干料饲喂猪只Von Bertalanffy模型的拟合理论值与实际测定值最接近，其次是Gomperz模型，Logistic模型的拟合理论值与实际测定值的吻合程度差；湿料饲喂猪只模型拟合理论值与实际测定值最接近的是Gomperz模型，其次是Von Bertalanffy模型，最后是Logistic模型。
![]()
图 1 干料(A)与湿料(B)饲喂方式下猪体质量实际值与模型拟合理论值生长曲线Figure 1. Growth curves of actual value and model fitting theoretical value of pig body weight under dry (A) and wet (B) feed feeding methods![]()
图 2 干料(A)与湿料(B)饲喂方式下猪体质量实际值与模型拟合理论值绝对生长曲线Figure 2. Absolute growth curves of actual value and model fitting theoretical value of pig body weight under dry (A) and wet (B) feed feeding methods![]()
图 3 干料(A)与湿料(B)饲喂方式下猪体重实际值与模型拟合理论值相对生长曲线Figure 3. Relative growth curves of actual value and model fitting theoretical value of pig body weight under dry (A) and wet (B) feed feeding methods2.4 干湿料饲喂方式下猪只采食量动态模型构建
为了探究猪的采食量与体质量的关系，根据猪的体质量数据，采用Gomperz、Logistic、Von Bertalanffy模型分别构建干湿料饲喂猪只的采食量与体质量的动态模型。由表5可知，3种模型中Gomperz模型对干料饲喂猪只的拟合效果最好，拟合度为0.851，方程式为：
$ L_w=3.79\times {\mathrm{e}}^{-2.89\times \mathrm{e}^{-0.06w}} $ ；Von Bertalanffy模型对湿料饲喂猪只的拟合效果最好，拟合度为0.988，方程式为：$ L_w=3.52\times (1- 0.66\times {\mathrm{e}}^{-0.03{w}})^{3} $ 。表 5 干湿料饲喂猪只采食量与体质量的动态模型1)Table 5. Dynamic models for food intake and body weight of pigs under dry (A) and wet (B) feed feeding methods分组
Grouping模型
Model表达式
Formula模型参数 Model parameter A B K R2 干料
Dry feedLogistic $ L_w=A/(1 +B\times {{\rm{e}}}^{-Kw}) $ 3.60 8.82 0.06 0.850 Gomperz $ L_w=A\times {{\rm{e}}}^{-B\times {\rm{e}}^{-Kw}} $ 3.79 2.89 0.04 0.851 Von Bertalanffy $ L_w=A\times {(1-B\times {{\rm{e}}}^{-Kw})}^{3} $ 3.90 0.69 0.03 0.850 湿料
Wet feedLogistic $ L_w=A/(1 +B\times {{\rm{e}}}^{-Kw}) $ 3.27 7.76 0.06 0.985 Gomperz $ L_w=A\times {{\rm{e}}}^{-B\times {\rm{e}}^{-Kw}} $ 3.43 2.73 0.04 0.987 Von Bertalanffy $ L_w=A\times {(1-B\times {{\rm{e}}}^{-Kw})}^{3} $ 3.52 0.66 0.03 0.988 1)各模型中，Lw是体质量的采食量估计值；A、B、K为模型参数；R2为模型拟合度
1) In each model, Lw is the estimated feed intake value of body weight; A, B and K are model parameters; R2 is the model fitting degree为了指导生产更方便，进一步探究猪的采食量与日龄的关系，构建采食量与日龄的一次函数关系式。干料饲喂猪只的采食量曲线为
$ y=0.03x-0.91 $ ，R2=0.988，其中x表示日龄，取值范围是49~168 d，y表示x日龄对应的采食量，kg；湿料饲喂猪只的采食量曲线为$ y=0.03x-0.84 $ ，R2=0.971，其中x表示日龄，取值范围是49~168 d，y表示x日龄对应的采食量，kg。2.5 干湿料饲喂方式对不同阶段猪只腹泻率和腹泻指数的影响
从表6可知，干湿料2种饲喂方式下保育仔猪腹泻率分别为13.89%、8.62%，湿料饲喂组比干料饲喂组低5个百分点，差异显著(P<0.05)；干湿料2种饲喂方式下保育仔猪腹泻指数分别为0.18、0.11，湿料饲喂组比干料饲喂组低0.07，差异显著(P<0.05)。因此保育阶段湿料饲喂组猪只的健康状况显著优于干料饲喂组猪只。
表 6 干湿料饲喂方式对保育仔猪和生长育肥猪腹泻率和腹泻指数的影响1)Table 6. Effect of dry and wet feed feeding methods on diarrhea rate and diarrhea index of conservation piglets and growing-finishing pigs猪只类型
Pig type饲喂方式
Feeding method腹泻率/%
Diarrhea rate腹泻指数
Diarrhea index保育仔猪
Conservation piglet干料 13.89±1.42a 0.18±0.00a 湿料 8.62±1.85b 0.11±0.00b 生长育肥猪
Growing-finishing pig干料 6.94±1.00a 0.12±0.00a 湿料 3.72±0.70a 0.08±0.00a 1)相同猪只类型同列数据后的不同小写字母表示在P<0.05水平差异显著(t检验)
1) Different lowercase letters of the same pig type in the same column indicate significant differences at P < 0.05 (t test)干湿料2种饲喂方式下生长育肥猪腹泻率分别为6.94%、3.72%，湿料饲喂组比干料饲喂组低3个百分点，差异不显著(P>0.05)；干湿料2种饲喂方式下生长育肥猪只腹泻指数分别为0.12、0.08，湿料饲喂组比干料饲喂组低0.04，差异不显著(P>0.05)。
3. 讨论与结论
3.1 讨论
研究猪的生长发育有利于了解猪的生长规律，指导猪的生产和饲喂管理，对提高猪的生长速度和生产效率具有重要意义。由本研究结果可知，2种饲喂方式下猪只的生长趋势一致，这与Lawlor等[21]和王旭莉等[22]的研究结果一致，在Hurst等[23]的研究中湿料饲喂猪只显著优于干料饲喂猪只，可能是湿料料水比、饲喂环境与猪只个体差异导致这一结果。本研究通过Gomperz、Logistic、Von Bertalanffy 3种模型分别拟合了干湿料饲喂下猪只体质量增长模型。3种模型均能较好地模拟干湿料饲喂猪只的生长发育情况，拟合度均在0.997以上。干料饲喂猪只的最适生长曲线模型是Von Bertalanffy，拟合度为0.999；湿料饲喂猪只的最适生长曲线模型是Gomperz，拟合度为0.999。蔡东森等[24]认为Von Bertalanffy模型最适合模拟山猪体质量的生长曲线，与本研究干料饲喂猪只的研究结果一致，Ma等[14]和陈景运等[18]研究认为Gomperz模型对杜洛克猪和内江猪体质量生长曲线的拟合效果最好，与本研究湿料饲喂猪只的研究结果一致。不同的是，徐永健等[25]认为Logistic模型能更好地预测从江香猪的生长发育。3种模型广泛应用于猪的生长曲线拟合，猪种、饲喂管理方式、猪只生长环境不同，最适生长曲线的拟合模型也不同。进一步研究3种模型下理论值与实际值的吻合情况，通过3种模型的理论值与实际值的生长曲线、绝对生长曲线和相对生长曲线比较，干料饲喂猪只Von Bertalanffy模型的拟合理论值与实际测定值最接近，湿料饲喂猪只的模型拟合理论值与实际测定值最接近的是Gomperz模型。绝对生长曲线和相对生长曲线的实际值与模型拟合理论值相比波动较大。
一般情况下，猪的采食量随体质量的增加而增长，为了进一步研究猪的采食量与体质量的关系，本研究通过Gomperz、Logistic、Von Bertalanffy这3种模型构建猪的采食量和体质量的动态模型。干料饲喂猪只时，Gomperz的拟合效果比Logistic和Von Bertalanffy好，拟合度为0.851；湿料饲喂猪只时，Von Bertalanffy的拟合效果比Logistic和Gomperz好，拟合度为0.988。
本研究通过Gomperz、Logistic和Von Bertalanffy 3种模型分别构建了干湿料饲喂猪只体质量增长和采食量与体质量关系的模型，除了干料饲喂猪只的采食量与体质量关系，3种模型均能很好地拟合干湿料饲喂猪只的生长发育情况，拟合度均在0.98以上。综合分析模型的拟合度、拐点周龄、拐点体质量和最大日增体质量与实际值的对比，干湿料饲喂猪只拟合效果最优的体质量增长模型分别是Von Bertalanffy和Gomperz；拟合效果最优的采食量模型分别是Gomperz和Von Bertalanffy。干湿料饲喂猪只的最优体质量增长模型和采食量与体质量关系模型不一致。本文可以排除猪种、管理方式和生长环境差异等原因，干湿料饲喂猪只的生长性能不同是最优拟合模型不同的主要原因[8]。在董合瑞[26]的研究中，猪只体质量增长最优模型是Gomperz，体尺和体高生长最优模型是Logistic，说明猪只拟合指标不同，最优拟合模型也可能不同。
为了研究干湿料饲喂对猪只健康状况的影响，对干湿料饲喂方式下保育仔猪的腹泻率和腹泻指数进行分析，湿料饲喂保育仔猪的腹泻率和腹泻指数显著低于干料饲喂(P<0.05)，这与Pedersen等[27]研究结果一致，主要是仔猪胃肠道发育尚未完全成熟，胃肠道微生物群落不稳定，环境改变、断奶应激，再加上运输等应激，导致仔猪胃肠道菌群紊乱，引发仔猪肠道和免疫系统功能障碍，从而导致仔猪的饲料摄入量减少和生长缓慢[28]。干料饲喂的料型变化大，仔猪胃肠道不适应、对饲料的吸收能力较弱，导致仔猪的腹泻增加。而湿料相较于干料的适口性更好，仔猪更容易接受。湿料中的水分可以增加仔猪的饮水量，保持仔猪体内的水分平衡。同时相较于干料饲喂，湿料饲喂有利于仔猪消化吸收，减少仔猪肠道负担，在一定程度上降低仔猪腹泻率。因此在仔猪饲养过程中，合理采用湿料饲喂仔猪可以减少仔猪腹泻率，提高仔猪的生长发育水平。
3.2 结论
干湿料饲喂条件下，分别推荐Von Bertalanffy和Gomperz模型构建猪只体质量增长模型；推荐Gomperz和Von Bertalanffy模型构建采食量与体质量关系的动态模型；3种模型各有优缺点，选择合适的模型取决于研究目的和研究对象的特征。为了简化精准调控模型，优选Gompertz构建干湿料饲喂猪只体质量增长和采食量与体质量关系的模型。合理采用湿料饲喂可以降低仔猪的腹泻率和腹泻指数，有利于仔猪健康成长。通过构建模型，可动态分析猪只的生长发育和采食量，为指导猪只精准饲喂和精细化饲养管理提供理论依据。
-
表 1 鱼菜共生系统中常见种植蔬菜全株氮素含量(w)
Table 1 Nitrogen content in whole plant of common cultivated vegetables in aquaponics system
下载: 导出CSV
表 2 鱼菜共生系统各项成本指标计算公式
Table 2 Calculation formulas of each cost index in aquaponics system
指标
Index计算公式
Calculation formula参数含义
Parameter meaning参数取值
Parameter value建设成本
Cbuild$ C_{\text{build}}=C_{\text{green house}}+C_{\text{system}} $ Cgreen house为大棚建设成本，万元；Csystem为系统建设成本，万元 Cgreen house=170，Csystem=80 土地租金
Crent$ C\mathrm{_{rent}}={S }_{{\mathrm{build}}}P_{{\mathrm{rent}}}/10\; 000 $ Sbuild为鱼菜共生农场使用面积，m2；Prent为单位面积年土地租金，元 Sbuild=4 000，Prent=0.90 鱼苗成本
Cfish$ C_{\text{fish}}=n_{\text{a}}n\mathrm{_b}w_{\text{fish}}P_{\text{fish}}/10\; 000 $ na为养殖池个数；nb为1年内水产养殖批次；wfish为单个养殖池投养的鱼苗质量，kg；Pfish为鱼苗单价，元·kg−1 na=30，nb=2，wfish=8.30，
Pfish=270菜苗成本
Cvegetable$ {C_{{\text{vegetable}}}} = {n_{\text{c}}}{n_{\text{d}}}S{\sigma _{\text{c}}}{P_{{\text{vegetable}}}}/10\;000 $ nc为1年内蔬菜种植批次；nd为栽植池个数；S为单个栽植池面积，m2；σc为栽植池种植密度，株·m−2；Pvegetable为菜苗单价，元·株−1 nc=12，nd=126，S=6.05，σc=22，Pvegetable=0.06 饲料成本
Cfeed$ {C_{{\text{feed}}}} = {n_{\text{a}}}{n_{{\text{feed}}}}{w_{{\text{feed}}}}{P_{{\text{feed}}}}/10\;000 $ nfeed为投饲天数，d；wfeed为单个养殖池日投喂量，kg；Pfeed为饲料单价，元·kg−1 na=30，nfeed=365，wfeed=15，Pfeed=9.13 人工成本
Clabor$ C_{\text{labor}}=n_{\text{labor}}t_{{\mathrm{labor}}}P_{\text{labor}} $ nlabor为工人数量；tlabor为工作时长，月；Plabor为每月每人工资，万元·月−1 nlabor=2，tlabor=12，Plabor=0.50 电力成本
Celectric$ C_{\text{electric}}=t_{{\mathrm{electric}}}EP_{\text{electric}}/10\; 000 $ E为1年内每月平均用电量，kW·h；telectric为用电时长，月；Pelectric为农业用电单价，元·(kW·h)−1 E=10 020，telectric=12，Pelectric=0.50 菌剂及防虫成本
Cmedicine$ {C_{{\text{medicine}}}} = {C_{{\text{aquaculture}}}} + {C_{{\text{hydroponic}}}} $ Caquaculture为水产养殖使用硝化细菌等菌剂的成本，
万元；Chydroponic为作物栽培的防虫成本(粘虫板等)，万元Caquaculture=1.00，Chydroponic=0.05 广告成本
CpropagandaCpropaganda=0.05 其他支出
Cother$ {C_{{\text{other}}}} = {C_{{\text{transport}}}} + {C_{{\text{pack}}}} + {C_{{\text{meal}}}} $ Ctransport为每年运输及设备损耗费，万元；Cpack为每年种养殖农产品包装费，万元；Cmeal为年均农场工人餐费，万元 Ctransport=12.50，Cpack=5.00，Cmeal=1.20
下载: 导出CSV
表 3 生产单位质量水产品的氮转化及排放量
Table 3 Nitrogen transformation and emission per unit mass of aquatic products
模式
Mode指标
Index经验公式法 Empirical formula method 模式
Mode指标
Index实测法 Measurement method 参数取值
Parameter value结果/kg
Result参数取值
Parameter value结果/kg
Result单一水产
Single
aquacultureFCR nfeed=183，wfeed=15，
Wfish=1500 ，wfish=51.840 鱼菜共生
AquaponicswTN $ {\overline \rho _{{\text{TN}}}} $=9.795，V=43.057 0.422 WTN FCR=1.840 76.988 wTAN $ {\overline \rho _{{\text{TAN}}}} $=4.445，V=43.057 0.191 WTAN wfeed=10，nfeed=183，
Pprotein=40%，Pp-T=0.09267.344 $ {w_{{\text{NO}}_2^ - -{\text{N}}}} $ $ {\overline \rho _{{\text{NO}}_{\text{2}}^ - -{\text{N}}}} $=0.695，
V=43.0570.030 鱼菜共生
Aquaponics$w_{{{{\mathrm{N}}_2{\mathrm{O}}}}} $ wfeed=10，nfeed=183，
PTN=6.21%，P$_{{{{\mathrm{N}}_2{\mathrm{O}}}}} $=1.7%1.932 $ {w_{{\text{NO}}_{\text{3}}^ - -{\text{N}}}} $ $ {\overline \rho _{{\text{NO}}_3^ - -{\text{N}}}} $=2.563，
V=43.0570.110 wh-micro wfeed=10，nfeed=183，
Pmicro=7%20.496 w′na $ \overline{p}_{ } $= 2.9026 %，
$ w\mathrm{_{planting}'} $=2507.257 Wna t=626.55，a、g、k、h分别
取0.10、2.77、0.11、1.774.270
下载: 导出CSV
表 4 试验农场和ECS工厂化农场各项数据对比
Table 4 Comparison of data between experimental farm and ECS factory farm
农场类型
Type of farm建设成本/
(元·m−2)
Construction cost养殖密度/
(尾·m−3)
Stocking
density种植密度/
(株·m−2)
Planting
density养殖年产量/
(kg·m−3)
Aquaculture annual
output种植年产量/
(kg·m−2)
Planting annual
output试验农场
Experimental farm625 94 22 104 48 ECS工厂化农场
ECS factory farm300 70 36 25 36
下载: 导出CSV
-
[1] 赵思琪, 丁为民. 水产养殖精准投喂关键技术研究进展[J]. 智能化农业装备学报(中英文), 2023, 4(1): 42-53. [2] SCHNEIDER O, SERETI V, EDING E H, et al. Analysis of nutrient flows in integrated intensive aquaculture systems[J]. Aquacultural Engineering, 2005, 32(3/4): 379-401.
[3] 生态环境部, 国家统计局, 农业农村部. 第二次全国污染源普查公报[EB/OL]. (2020-06-09) [2024-06-27]. https://www.gov.cn/xinwen/2020-06/10/content_5518391.htm. [4] 李天沛, 汪小旵, 丁为民, 等. 鱼菜共生系统中不同种类蔬菜对养殖尾水氮素转化的影响[J]. 农业工程学报, 2022, 38(9): 247-252. doi: 10.11975/j.issn.1002-6819.2022.09.027 [5] 周怀兵, 周德龙. 南京市江宁区高效设施农业发展举措[J]. 长江蔬菜, 2020(5): 4-6. [6] 蔡淑芳, 陈敏, 陈永快, 等. 种植密度对鱼菜共生系统氮素转化的影响[J]. 农业工程学报, 2019, 35(4): 132-137. doi: 10.11975/j.issn.1002-6819.2019.04.016 [7] 郑广智, 张珊, 郭海涛, 等. 物联网和PLC技术在鱼菜共生系统中的应用[J]. 中国农学通报, 2021, 37(30): 133-138. doi: 10.11924/j.issn.1000-6850.casb2020-0239 [8] 徐琰斐, 单建军, 顾川川, 等. 菜−鱼复合设施种养系统构建与运行试验分析[J]. 农业工程学报, 2023, 39(2): 150-156. doi: 10.11975/j.issn.1002-6819.202210085 [9] LOBANOV V, DE VRIEZE J, JOYCE A. Simultaneous biomethane production and nutrient remineralization from aquaculture solids[J]. Aquacultural Engineering, 2023, 101: 102328. doi: 10.1016/j.aquaeng.2023.102328
[10] KEESMAN K J, KÖRNER O, WAGNER K, et al. Aquaponics systems modelling[M]//Aquaponics food production systems. Cham: Springer International Publishing, 2019: 267-299.
[11] ZHU Z, YOGEV U, GODDEK S, et al. Carbon dynamics and energy recovery in a novel near-zero waste aquaponics system with onsite anaerobic treatment[J]. Science of the Total Environment, 2022, 833: 155245. doi: 10.1016/j.scitotenv.2022.155245
[12] 杨思宇, 朱浩辰, 刘友晴, 等. 鱼菜共生发展与经济效益分析[J]. 养殖与饲料, 2021, 20(10): 64-66. doi: 10.3969/j.issn.1671-427X.2021.10.023 [13] 蔡淑芳, 刘现, 王涛, 等. 鱼菜共生系统经济可行性研究进展[J]. 江苏农业科学, 2019, 47(5): 5-8. [14] 大连市环境监测中心, 天津市环境监测中心, 辽宁省环境监测实验中心, 等. 水质 总氮的测定 碱性过硫酸钾消解紫外分光光度法: HJ 636—2012[S]. 北京: 中国环境科学出版社, 2012. [15] 沈阳市环境监测中心站. 水质 氨氮的测定 纳氏试剂分光光度法: HJ 535—2009[S]. 北京: 中国环境科学出版社, 2009. [16] 湖北省环境监测中心. 水质 亚硝酸盐氮的测定 分光光度法: GB/T 7493—1987[S]. 北京: 国家环境保护局, 1987. [17] 国家环境保护总局水和废水监测分析方法编委会, 中国环境监测总站. 水质 硝酸盐氮的测定 紫外分光光度法(试行): HJ/T 346—2007[S]. 北京: 中国环境科学出版社, 2007. [18] BÓRQUEZ-LOPEZ R A, CASILLAS-HERNANDEZ R, LOPEZ-ELIAS J A, et al. Improving feeding strategies for shrimp farming using fuzzy logic, based on water quality parameters[J]. Aquacultural Engineering, 2018, 81: 38-45. doi: 10.1016/j.aquaeng.2018.01.002
[19] TACON A G J, FORSTER I P. Aquafeeds and the environment: Policy implications[J]. Aquaculture, 2003, 226(1/2/3/4): 181-189.
[20] MARTINEZ-PORCHAS M, MARTINEZ-CORDOVA L R. World aquaculture: Environmental impacts and troubleshooting alternatives[J]. Scientific World Journal, 2012: 389623.
[21] EBELING J M, TIMMONS M B, BISOGNI J J. Engineering analysis of the stoichiometry of photoautotrophic, autotrophic, and heterotrophic removal of ammonia-nitrogen in aquaculture systems[J]. Aquaculture, 2006, 257(1/2/3/4): 346-358.
[22] HU Z, LEE J W, CHANDRAN K, et al. Effect of plant species on nitrogen recovery in aquaponics[J]. Bioresource Technology, 2015, 188: 92-98. doi: 10.1016/j.biortech.2015.01.013
[23] WUNDERLIN P, MOHN J, JOSS A, et al. Mechanisms of N2O production in biological wastewater treatment under nitrifying and denitrifying conditions[J]. Water Research, 2012, 46(4): 1027-1037. doi: 10.1016/j.watres.2011.11.080
[24] LU H, CHANDRAN K. Factors promoting emissions of nitrous oxide and nitric oxide from denitrifying sequencing batch reactors operated with methanol and ethanol as electron donors[J]. Biotechnology and Bioengineering, 2010, 106(3): 390-398. doi: 10.1002/bit.22704
[25] ZOU Y, HU Z, ZHANG J, et al. Effects of pH on nitrogen transformations in media-based aquaponics[J]. Bioresource Technology, 2016, 210: 81-87. doi: 10.1016/j.biortech.2015.12.079
[26] HU Z, LEE J W, CHANDRAN K, et al. Nitrous oxide (N2O) emission from aquaculture: A review[J]. Environmental Science & Technology, 2012, 46: 6470-6480.
[27] HARGREAVES J A. Nitrogen biogeochemistry of aquaculture ponds[J]. Aquaculture, 1998, 166(3/4): 181-212.
[28] FINK M, FELLER C. An empirical model for describing growth and nitrogen uptake of white cabbage (Brassica oleracea var. capitata)[J]. Scientia Horticulturae, 1998, 73(2/3): 75-88.
[29] 贺志文. 水培生菜吸氮模型构建与营养液氮素调控研究[D]. 晋中: 山西农业大学, 2018. [30] 李响. 玉米加工污水灌溉对油菜生长的影响[D]. 长春: 吉林大学, 2015. [31] 王齐龙. 减氮配施钙、镁、硼、钼对几种蔬菜产量和品质的影响[D]. 佛山: 佛山科学技术学院, 2020. [32] 徐跑. 中国稻鱼综合种养的发展与展望[J]. 大连海洋大学学报, 2021, 36(5): 717-726. [33] 李天沛, 汪小旵, 施印炎, 等. 鱼菜共生技术及其系统装备的研究现状与展望[J/OL]. 南京农业大学学报 (2024-06-14) [2024-06-27]. http://kns.cnki.net/kcms/detail/32.1148.S.20240613.1725.004.html.
计量
- 文章访问数: 692
- HTML全文浏览量: 28
- PDF下载量: 25
