牧场管理模型研究进展

王贵珍，花立民

(1.甘肃农业大学草业学院 草业生态系统教育部重点实验室，甘肃 兰州 730070； 2.甘肃农业大学-新西兰梅西大学草地生物多样性研究中心，甘肃 兰州 730070)

牧场管理模型研究进展

王贵珍1,2，花立民1,2

(1.甘肃农业大学草业学院 草业生态系统教育部重点实验室，甘肃 兰州 730070； 2.甘肃农业大学-新西兰梅西大学草地生物多样性研究中心，甘肃 兰州 730070)

天然草地放牧场作为草地的利用终端之一，其管理水平决定着草地健康和牧场生产水平。随着信息技术的发展和生态学研究的定量化、微观化，草地放牧系统模型的研究及其如何指导生产实践已成为现代化草地畜牧业研究的重要方向。牧场管理模型作为草地放牧系统模型之一，是草地和家畜生产的决策支持系统(Decision Support System，DSS)。它通过收集草地生长、家畜生产以及管理方式等数据，模拟不同生产管理方式的影响并用以指导生产实践。本文介绍了国内外牧场管理模型的研究现状，并对今后牧场管理模型的发展做出了进一步展望，以期为国内牧场管理模型的研究与应用提供参考。

牧场管理模型；草地；家畜；放牧系统

草原畜牧业是以天然草地资源为基础，以放牧为主要利用方式的畜牧业[1]。草地家畜放牧系统(Grassland Livestock Grazing System)是草原畜牧业最主要的生产系统。在这个系统中，全面掌握不同放牧管理对草原植被结构、生产力和家畜生产性能的影响，以及草-畜间的互作方式，是实现草原生态系统优化管理的基础[2]。草地放牧系统易受到经济、社会、自然等各种因素的影响，只有在最优的放牧管理决策的导向下，对草地资源进行优化配置，才能使草地的生态和经济效益均达到最佳[3-4]。

我国草地生态系统退化与小规模牧场粗放经营具有直接关系[5]。要恢复草原健康，增加农牧民收入，必须要有一个系统的理念来解决问题，因此对草地放牧家畜系统的研究显得尤为重要。牧场管理模型作为草地放牧系统模型之一，是草地和家畜生产的决策支持系统。它通过收集草地生长、家畜生产以及管理方式等定性和定量的数据，模拟牧场系统对各种管理决策的响应，并预测其可行性，同时关注与牧户切身利益相关的经济收益，对牧场的生产经营模式做出准确的经济分析，直观明晰此种经营方式下畜牧业经营收支状况。牧场管理模型还可以对有限的资源进行合理的配置，同时以可持续发展理念为前提，科学权衡经济发展、社会政治体制与草原生态健康的发展力度，充分显现其在牧场管理方面的优越性，科学指导牧场运营，切实提高牧民人均收入，实现草地资源生态、经济价值的可持续利用。

由于国外对牧场管理模型的研究较早，所以具有比较完整的畜牧业科研机构、高质量的科研队伍和现代化科研设备、研究手段，如澳大利亚、美国、新西兰等，且已成功研制出能够应用于实践生产并带来一定收益的牧场管理模型和特定家畜生产管理模型。而国内此项研究才刚刚起步，基本仅停留在纯理论的放牧优化模式以及专家系统等科研层面，没有开发出能够应用于实践生产的机制模型。

近年来，随着信息技术在草地放牧体系中的广泛应用[6]，更多业内人士将目光集聚到草地放牧系统的决策支持系统(Decision Support System,DSS)的研究和应用方面，放牧管理模拟模型在研究和应用方面都取得了显著的成就[7]。本文综述了近年来国内外草地综合管理DSS、家畜管理系统的研究进展，并分析国内与国外研究存在的差距,为国内牧场管理模型的研究与应用提供价值参考。

1 国外牧场管理决策支持模型

澳大利亚、加拿大、新西兰、美国等畜牧业发达国家都研发了适合本国的牧场管理决策支持系统，从生产、管理到投入市场大量运用科技手段，基本做到了专业化、规模化、企业化(表1、表2)。

1.1ACIAR模型(Australia Centre For International Agricultural Research) ACIAR模型由澳大利亚科学家研制，可在家庭牧场框架内为畜牧业生产提供决策支持，具有强大的草地家畜管理功能和模拟数据分析功能，结合影响草地的各类因素(年际气候、家畜-草地、土壤、人为管理、经济、政策等)，将收集到的数据建立真实的生产函数，分析牧场生产体系中不同组分间的互作机理。模型主要有5大部分组成：数据库(Database)、可行性运行系统(Feasibility)、经济分析系统(Analysis)、决策测试系统(Policy Testing System)和结果输出系统(Output)。数据库主要收集牧场生产体系各项数据作为模型基础信息；可行性运行系统主要用于分析草-畜平衡动态，监测草地，是畜群优化的重要系统；经济分析系统主要是对草地、家畜、牧场进行综合经济核算的子程序，是支持决策系统的重要依据；决策测试系统主要影响草地家畜管理的各种决策的实施；结果输出系统是整个决策实施后的各种评估指标的数据化反映，便于整体了解放牧系统内在运行及各种管理决策的优劣。此模型可全面了解家庭牧场运营动态，提出最优牧场管理决策，并进行总体规划。运行后可评估牧户的生产经营，确定合理载畜率、家畜繁殖、补饲、市场出售等，并不断进行参数矫正，为牧户生产提供决策支持，使牧户获得较高经济效益的同时，实现草地的可持续性发展。该模型已在中国内蒙古、甘肃部分地区进行参数矫正并试点运行[7-8]。

1.2草原生产和利用模拟模型(Simulation Production and Utilization of Rangeland，SPUR) SPUR是美国草地科学家开发的一个草地生态系统模拟模型，已在美国德克萨斯州试验29年。该模型由7个基本子模块组成：气象记录模块记录每日降水量、极值温度、太阳辐射、风速等；水文、土壤模块管理日常的水分平衡，计算雪的积累、融化和沉降转移，土壤组分是根据土壤特征和土壤碳、氮的含量分析土壤水分；植物模块主要分析各种生理状态下植物的碳氮流动状况、牧草生长起始、营养物质转移、光合作用、死亡等生理生态过程以及植物对水和氮的吸收利用，可潜在模拟植物种内种间竞争；家畜模块模拟家畜的采食、繁殖、体质量增加或减少等。其中带犊母牛和肉牛组分可模拟18个遗传性状对畜群个体生命周期的影响；野生动物和昆虫模块模拟牧草的选择性采食(Remove)；管理模块可模拟多种不同管理措施下的系统运行；经济模块是用以成本效益分析的简单应用程序。SPUR模型模拟草原生态系统的功能，预测系统对各项参数的改变和多种管理方式的响应，并在整个牧场尺度上评估不同的管理方式对环境和经济的影响。模型的产出包括降雨地表径流、土壤流失、土壤有机质含量、牧草生物量以及净收益回报的估计等。校准后的模型对相同生态区的牧场可以预测不同管理策略的相对优点，指导实际生产[9-10]。

1.3GRASIM模型(Grazing Simulation Model) 该模型是以美国肯塔基肉牛模型为基础开发的一个综合的涵盖放牧管理所有因素并可以模拟高强度轮牧管理的模型。模型包括4部分：牧草生长、水分平衡、土壤营养和收获管理。牧草生长模块模拟植物光合作用，顶芽的生长、呼吸和死亡，外部输入(气候、管理)影响碳素平衡，氮胁迫因子可对牧草生长模块反馈控制；土壤营养模块分为两部分：一部分模拟土壤对水和氮的吸收，水的蒸发和氮的转移，另一部分动态模拟植物对水和氮的利用，以及氮在土壤-水-植物系统之间的循环利用，水循环驱动养分的深层渗透损失；水分平衡模块模拟每日降水地表径流、蒸发和淋溶损失；收获管理模块是基于各种管理制度下对放牧强度的控制，包括草地牧草生物量的极值，轮牧和休牧时期。此模块还可预测放牧率，从而使牧户可以科学灵活的进行放牧利用。GRASIM以天为单位运行，通过监测牧草生长率及生物量，牧草品质、土壤的养分、淋溶等以便更好地掌控牧场系统，评估不同管理策略的经济、生态效应，制定合理的放牧管理策略，促进整个牧场系统的持续发展[11-12]。

1.4牧草生长模型(GrassGro) 此模型是由澳大利亚科学家在该国降水丰富的温带草原地区进行大量试验，通过数据分析模拟，构建的具有通用性的强大管理功能的放牧决策模型。该模型以参数(日气象数据、土壤类型、牧草种和牲畜品种、牲畜生产)为基础信息，全方位模拟牧草生长，预测采食干扰对牧草生长发育的影响。此模型结合家畜品种、生产能力、市场价格，制定具体的补饲量和饲草料生产计划，驱动模拟草-畜互作的过程，在保证生态系统良性健康发展背景下寻求可产生最佳生产性能和经济效益的畜群结构。目前，GrassGro以商业软件形式提供给牧场主，帮助制定适合自身草地-动物生产的具体策略。GrassGro也作为牛羊肉企业的决策支持工具，为牧民和资源管理者进行风险量化评估，做出风险分析报告，从而实现资源的较低损耗和持续利用[13]。

表1 国外牧场管理模型一览表Table 1 Major pasture Management Model of foreign countries

表2 国外特定家畜管理模型一览表Table 2 Management model for special livestock in foreign countries

1.5奶牛-饲料系统模型(The Dairy Forage System Model，DAFOSYM) 该模型是由美国饲草研究中心与其它机构合作开发的，可为奶牛养殖场管理策略进行科学评估。模型整合了作物生长、收获、青贮、储藏、家畜饲养、经济分析等，通过历史气象数据模拟饲草生长。收获模块包括刈割、田间养护、松耙、打草捆处理和贮藏等。模型可以评估饲草在不同的储藏和调制方式对其营养价值的影响，动态模拟系统运营、牧草收获、储藏与家畜利用及饲草料品质之间的关系。根据成本-收益评价系统做出相应的管理策略。模型开发主要作为一种评价体系，如畜种选择、草地面积、作物结构、设备、劳力、仓储设施、粪便的利用等，可对饲草-家畜生产成本进行比较，帮助牧场主获取最有利用价值的信息和管理策略，达到最佳牧场净回报或盈利能力[14-16]。

1.6Cowpacity模型(A Grazing Carrying Capacity GIS Model) 此模型是以GIS为平台应用数字高程(DEM)技术监测载畜量的工具，通过对保护区放牧活动的准确测算，从而实现保护野生动物栖息地、控制杂草、减少火灾隐患和草地健康利用的目的。模型由美国WRA公司按照其6个属性已在旧金山湾区(Bay Area)尝试应用。模型输入需大量GIS空间数据(放牧单位、灌木覆盖度、土地生产力、有效水资源)驱动运行，应用GIS对牧场灌丛覆盖率、可利用牧草产量、水源及残存牧草干物质的具体分布汇总掌握，以量化最优的放牧管理体制为基础，通过对残余干物质(RDM)的监测和具体的轮牧规划来实现保护生物种类的目的。模型的简约化程序确定其适应性和灵活性，通过进一步校准，为模型在其它地区的应用提供更准确的生产值估计[17]。

1.7GrazeVision模型(A Versatile Grazing Decision Support Model) 该模型是由荷兰科学家开发的一个通用决策支持模型。可模拟一个或多个管理措施同时实施后系统的响应。此模型由以下模块组成：尿斑衰变模型、粪斑衰变模型、牧草生长模型、牧草利用模型、动物生产模型。其中牧草生长模型估计每天牧草干物质(DM)的积累量，包括CF、CP、CA、OM、IHM (Initial Herbage Mass)等，牧草损失(HL)受粪斑、尿斑、放牧、踩踏、死亡的影响。该模型运行需输入4组参数：土水肥参数(标准施氮量、土壤质地、供水量)，牧场参数(牧场大小、放牧时间、放牧采食、载畜率)，家畜参数(家畜品种、家畜生产性能、牛奶产量)，补饲参数(补饲、饲喂水平)。输出结果有残余牧草生物量(RHM)、牧草利用率、牧草干物质采食、牛奶产量等。该模型以12 h为单位，可迅速模拟牧场大小、放牧停留时间、刈割、玉米青贮料供应以及多个管理措施改变对牧场的影响，还可通过一系列的管理措施(轮牧制度、施氮肥、青贮、补饲、载畜率、网围栏等)模拟饲草与家畜需求之间的平衡。模型模拟与牧场实测相衔接，不断修正模型的精确度。GrazeVision模型为放牧管理系统未来的发展提供可供参考的框架体系[18-19]。

1.8IMAGES 2.1(An Integrated Model of an Arid Grazing System) 该模型是在西澳大利亚灌木牧场评估管理策略和确定关键生态过程研究时建立的专用于干旱放牧系统的综合决策系统。在西澳大利亚5大牧场人工收集的数据基础上确定模型参数。主程序控制模型的输入、输出，协调各子程序间运行。运行所需参数有4部分：1)牧场季节条件，土壤水分，植物种休眠，生长，死亡；2)气候(降雨和温度)，物种组成，多年生物种生态特征，系统承载能力(最高生物量)；3)重要生态关系公式；4)功能扩充数据。生长子程序包括一年生和多年生牧草的生长，其中可利用牧草生物量的计算包括立枯体；损失子程序包括牧草因家畜采食、枯黄凋落、踩踏损失等造成的生物量损失等；种群子程序包括牧草的发芽、生长、死亡等一系列的生理过程和植物群落间的相关异质性，在数学公式中输入真值或概率分布值驱动系统运行，同时模拟不同气候条件下的牧草产量，草地群落动态及生态常量的具体变化等。模型输出3个文件：1)RBIMO.DAT模拟饲草生物量；2)RPOPN.DAT模拟多年生牧草种群动态机制；3)RECOL.DAT包含导出的模拟参数。每个子程序的不断更新方便使用者灵活使用真实的NWP(Number of Wet Pentads)或NWP的概率分布值作为模型运行前的输入值[20]。

1.9GrazFeed DSS 该模型是澳大利亚CSIRO开发的基于Windows TM操作系统简易的计算机程序决策支持系统。GrazFeed在澳大利亚温带被认为是放牧牲畜营养研究的标杆，GrazFeed通过更有效地利用牧草资源和科学补饲方式，帮助牧民提高畜牧业生产的盈利能力，并提供了一个简单的方法，即根据澳大利亚的饲养标准来计算放牧牛羊的能量和蛋白质需求。此模型能够根据复杂的饲养标准快速解决补饲问题[21-22]。

1.10SimSAGS 此模型是模拟半干旱放牧系统的决策支持工具。可根据逐日降水资料计算植被生长和植物有效水利用，建立土壤水分平衡机制，研究家畜对牧草的选择性摄入影响其能量和蛋白质的平衡,机体生长发育、繁殖和死亡等。系统通过耦合家畜-牧草生产动态，模拟家畜种群动态机制。SimSAGS建模软件开发作为数学关系在稀树草原动态研究和动物生理学及普通生态学中的应用。作为一个标准的决策模拟工具，模型提供了长期平均生态承载力和年平均降雨量之间的合理的预测关系。模型输入包括草地类型、面积、降雨等强大的用户自定义数据输入系统，输出结果可绘制成图形文件进行分析。SimSAGS设有模型参数的搜索机制，并在不同地点自动保存矫正过的模型参数，GIS在资源管理方面的应用可全面辅助用户获取更多可利用信息(网站、文献档案)，从而合理、精细、有效的匹配资源利用，此模型可定性、定量的指导系统各个生产环节，实现草地放牧系统的持续稳定生产[23]。

1.11KMETIJA模型 该模型是一种开放的、易于补充的高度灵活的经济决策系统，由数据管理、模拟决策、经济分析、结果输出4部分组成，模型结构包括数据银行、模拟核心、经济核算。数据银行有3部分组成：系统数据、牧场数据和生产模型。由数据管理程序管理各数据库内部运作关系；模拟核心由两个子模型来模拟植物和动物生产，植物生产中模拟市场和饲料作物的生产，动物生产模块中模拟乳品生产、良种繁育、家畜育肥，模拟获得的信息进一步用于财务计算和制定详尽的生产计划；经济核算可计算总盈利状况、月资金收支、投资决策等。此模型可对牧场管理中由于生产、环境、社会因素的改变而产生的变化做出及时规划和评估。其优点是模拟核心开放的系统架构，具有良好的发展潜力[21]。

1.12Ceser DSS 该模型是在苏格兰的农业粮食生产系统应用实施的基于PC平台的交互式专家决策支持系统。作为决策辅助工具在农场或农业区进行反复校正，通过数学模型和评估标准(土壤侵蚀和沉降、土壤养分和污染、氨排放等)优化管理决策，旨在减少食品中的放射性铯和放射性锶，确保食品的污染程度不超过设定的限制水平，保护人类的健康。同时慎审辐射及决策对环境、农业和经济的潜在影响。其中ES组分指导使用者在大范围的牧场管理尺度上设计出适合特殊地区和管理方式下的措施，DSS组分允许决策者使用多决策(MCDM)方法，也称为理想点分析，采用用户指定的标准权重分析，排名并优化对策。此外还可以让牧户、农业顾问及政府代表共同商讨详细的经济分析做出最终对策[22]。

2 国外奶牛牧场管理软件

2.1Cow-Calf Production模型 此模型是由美国蒙大拿州立大学研发的具有很好兼容性能的小型肉牛生产计算机模型。该模型目的是模拟肉牛的基因、生理状态、饲料质量、草地管理范围之间的动态交互关系。并通过饲料的摄入量(能量、蛋白质)，家畜生长，繁殖，哺乳，身体组成机能模拟动物个体完整的生命周期。模型模拟肉牛基因型、饲草品质、生理状态之间动态关联。并试图使用计算机程序预测动物生产性能，还可准确预测不同生理状态和季节条件下家畜的采食量，模拟短期性改变饲料结构后家畜的生理反应。该模型的主要用途包括系统对肉牛生产、繁殖、销售及饲料的科学管理，以提高肉牛生产、营销策略。此模型还不断尝试将科研成果整合成可以实践操作的技术，并带来丰厚的收益[24-26]。

2.2COWEL模型 此模型是一个以计算机为基础的决策支持系统。旨在动物福利(Animal Welfare)，为动物提供保持健康和精力所需要的食物，提供舒适的栖息场所，做好防疫，及时诊治患病动物，拥有良好的条件和处置(包括宰杀过程)、足够的空间及适当的设施，且具有与同伴在一起，自由表达正常的习性等条件。模型设置不同畜舍和管理条件等高低层次，根据这些划分层次给动物福利等级排名，使用加权分类技术分析各种动物基础参数对动物福利的影响程度，计算每个属性(畜舍、管理条件)的权重因子对动物福利的重要性。模型适用于4种饲养体系：拴系围栏圈舍、小型圈舍、放牧与舍饲场、放牧场。COWEL可在福利水平上对各种饲养体系进行排名，模型是为奶牛饲养而开发的新工具，是友好的可持续的福利评价系统[27-29]。

2.3SEPATOU模型 该模型是法国开发的牧场尺度上对奶牛场轮牧管理的离散生物机制模型。旨在保证草地资源与集约轮牧之间的供需协调，可以动态模拟每日牧草产量-家畜采食两种交互系统以及生物物理条件对牧草产量、家畜消耗、牛奶产量的影响。气象数据(日均温、日降水量、日平均太阳辐射等)和管理数据模拟牧户的决策对牧场系统的影响，科学管理牧草生产、奶牛采食、轮牧方式、施肥、生产动态、家畜日粮搭配、刈割、施肥和青贮等，并逐年记录，方便分析和制定具体、可行的牧场管理措施。SEPATOU具有一个灵活的操作环境，此模型可以模拟和评估乳品生产体系的管理策略，不断将奶牛生产管理推向数字化、信息化的发展新平台[30-31]。

2.4乳制品扩展决策支持系统(The Dairy Expansion Decision Support System) 此模型是奶牛生产系统中以计算机模型为基础的决策支持系统。在计算机和高等数学辅助作用下科学管理畜群结构，降低饲养成本，改善奶牛养殖场的环境条件。此模型旨在模拟奶牛场的生产和乳品加工销售，积极管理奶牛场的各种预知风险。该模型预测母牛生产运动、奶牛生产、采食、劳力需求及月资金收支等，模型研究和推广涉及多学科和参与式的方法，全面管理牧场设施建设及奶牛生产、销售，旨在帮助奶牛养殖场以提高经济效益为最高目的性[32]。

2.5PC·Dairy模型 该模型是由计算机程序制定、分析奶牛口粮的决策系统。系统增加放牧模块，计算奶牛日采食量。该模块由3部分组成，即输入、计算和输出。在输入部分，用户输入牧场(类型、面积、质量、生物量)，家畜(畜群大小、放牧季节、畜群结构)，补饲量(精料和饲料添加剂)及气象数据，然后该程序可计算并调整牧场最大的牧草干物质摄入量(kg·d-1)、牧场放牧类型、草f 质量、载畜量等，该程序会把计算出的最大放牧的牧草干物质采食量，用于饲料中的PC乳品程序列表添加的最大值或最小值[33-34]。

2.6Grazemore模型 该模型是北爱尔兰农业研究所开发的奶牛放牧管理软件。系统基于实测和模拟的数据进行跟踪模拟轮牧区牧草生长发育、家畜采食、可利用及损失的牧草产量、畜群的产奶量、繁殖率等。此模型能够有效管理牧场资源，增强管理者经营和利用草地的自信度。由于牧草生长受气候和管理的影响，故从奶牛数量、体况、怀孕、断乳、补饲、管理方式等多方面考虑奶牛营养摄入状况。其中牧草生长模型和动物采食模型可实际模拟运用。Grazemore软件适合于牧场所有管理类型，目前正在欧盟国家进行校正[35-36]。

2.7DairyMGT奶牛场管理模型 该模型是一套奶牛养殖的高度动态和综合性生产系统，目的是帮助奶农或牧场顾问做出应急各种问题的积极决策。由于奶牛场各因子(家畜、饲草料、土壤、天气、管理、经济)是彼此紧密关联且相互影响的，因此充分考虑各因子对牧场体系的相关影响是十分必要的。此模型包括6个部分：家畜营养和补饲、家畜繁殖效率、小母牛的管理和母牛的繁殖、生产和生产率、经济风险评估和外部环境管理。用多个线性和非线性的数学矩阵方程式优化决策，做出可行的经济预算，还可链接外部模拟模型(作物生产模型等)和软件进行更复杂的集成和开发，使模型具有更高的应用价值和全方位模拟能力，同时也从反馈意见中不断得到改进[37-38]。

2.8其它模型介绍 Grazplan模型是为牧场管理者快速获知新信息和技术，并指导生产实践为目的而研制的，模型通过分析当地的气象及牧场管理数据，评估优化的管理决策与牧场盈利能力和可持续发展之间的关系[39-40]。DairyWIN是由新西兰Massey大学EpiCentre中心开发在Windows环境下运行，为奶牛场主、兽医和牧场咨询师服务的奶牛场管理软件包。此软件可对畜群逐日管理，对畜群的行为活动进行综合监测并作必要分析[41-42]。P·turIN是基于牧场尺度的并具有两大功能模块(牧草生长模块和动物采食模块)的奶牛放牧管理软件，牧场主可以根据实际的模拟结果对各管理措施不断优化[43]。Artturi是芬兰的奶牛生产模型。该模型可以确定牧草适时收获期，保证牧草的品质和质量，并合理搭配奶牛营养需求，在营养水平上管理奶牛生产[44]。还有以色列KIbbutz Afikim公司研制的阿菲金智能牧场管理系统(AfiFarmWebsite，2007)，Delaval公司开发的Alpro牛群自动管理系统等(Delaval Website，2007)。这些软件在国内一些奶牛养殖场和牧场都有良好的应用，并获得了一定的经济产值[45-47]。

3 国外绵羊生产管理模型或软件

3.1Sheep Version 4.0 此软件是澳大利亚农业研究所为维多利亚州地区开发的应用数学关系模拟不同气候条件下牧草和绵羊生产的DSS管理软件。而Sheep Version 3.0版本是适合于南部澳大利亚草地冬季降水环境下模拟试验的版本。为了拓展适用性，继而开发了水平衡模型、茎叶死亡模型和消化模型，更精确地分析目前管理策略的优劣，该软件已在羊毛生产及不同放牧率对牧草生长和羊毛的影响进行了模拟、验证，并取得一定的成效[48]。

3.2SummerPack模型 该模型是西澳大利亚农业部绵羊和羊毛分部开发的用于绵羊放牧干草场、留茬地管理的交互式模拟软件。主要用于地中海气候区的夏秋季绵羊管理，所需参数包括初始牧草干物质量、牧草可消化性、绵羊品种、初始活体质量等信息，模型可跟踪预测绵羊活体质量、可消化干物质的采食量、牧草可消化率、自然递减率、维持体况的饲料需求等，该模型已经用放牧率实验进行实践验证，并帮助研究者制定最优放牧方案。SummerPack软件主要适用于研究者、咨询者和农场主等，但其缺陷是不能模拟牧草生长[49]。Lambalive 模型是用来提前预测恶劣天气条件下成群羔羊死亡的风险，尽量减少死亡损失[50-51]。

3.3小反刍动物决策支持系统(SRDSS) 该模型的开发是为了提高埃及北沿海区的干旱条件下羊群的生产力。可现场收集数据描述小反刍动物的生产系统，不断降低生物和经济潜力制约因子的影响。SRDSS包括4个模块：羊群建立模块可输入羊舍、设施、劳力、畜群结构、畜种选育、饲养管理等；管理模块动态管理羊群交配、怀孕、分娩、羔羊哺乳和断奶；饲喂模块以获得最佳的日粮配方，提高其营养价值和探索饲料资源的最佳利用方式为目的而设置；生产和销售模块管理羊群生产、销售，并在生态和经济层面上进行评估，以提高生产效率和盈利能力，帮助牧户建立最佳的畜群结构。模型作为降水干旱区有利的推广工具，目的是提高羊群的生产能力和盈利能力[52]。

4 国内牧场管理模型研究现状

严格意义来讲，我国目前尚无专业化的牧场管理模型。但是，我国科学工作者从系统论的角度出发，按照草地家畜放牧系统的理念，从大尺度的植被遥感应用，到小尺度的家畜放牧管理等方面也开发出了各种不同的模型。为有效提高草原生态建设工程效率，促进资源管理的科学化、信息化建设奠定了基础。

4.1草地植被遥感监测模型研究 20世纪80年代中期，李博[53]研究并建立了草地生态统计模型，并著有《中国北方草地畜牧业动态监测研究(一)——草地畜牧业动态监测系统设计与区域实验实践》一书。一些学者[54-59]设计出了动态监测的数据库以及利用遥感的模型，研究重点旨在通过遥感技术来反映草地牧草生物量及产草量；吴全等[60]以GIS为核心，建立中国西北部草地资源信息系统。刘海亮[61]对乌珠穆沁草原的生态状况进行动态监测，资源环境管理信息化。

4.2放牧管理模式研究 李自珍等[4]以甘肃甘南青藏高原高寒草地放牧体系为研究对象，设计出放牧管理的最优控制模式，并根据实测结果进行实例计算及生态效益的分析，在此基础上提出了可持续发展的对策。白玮杰[62]对于荒漠草原家庭牧场优化管理模式研究中，采用模拟和试验研究相结合的方法，探讨管理模式对于改变荒漠草原区家庭牧场家畜生产性能及家庭收入的影响。李文龙等[63]通过研究不同的放牧强度对草地生物多样性和生产力的影响，确定了放牧管理的最优牧草资源种群水平和最优控制量，提出草地放牧管理模式的控制对策，为高寒草地保护和持续利用提供了优化模式和定量依据。这些研究通过改变放牧强度、优化放牧方式来实现草地植被结构的相对稳定和生产力的不断提高，可为我国草地放牧体系优化研究提供很好的借鉴经验。

4.3线性规划数学模型研究 应用数学规划法、层次分析法、灰色预测法和模糊优化法等方法建立概念模型，如杨金波和刘德福[64]运用线性规划模型，将乌拉盖牧场的畜种和畜群结构进行了优化和量化，形成了以产肉为最终目标的最佳畜种畜群结构模式，多杰龙智等[65]利用线性规划建立数学模型，实现以草定畜，草畜平衡及三江源生态环境保护和畜牧业可持续发展作为最终目标。

4.4国内奶牛管理软件 国内奶牛管理软件起步较晚，但近几年，出现多种研发的软件，如上海益民科技有限公司开发的“奶业之星”系列软件包[45]；中国农业科学院北京畜牧兽医研究所熊本海等[66]研究采用Visual Basic 6.0、Access 数据库、水晶报表等软件开发技术，通过对母牛的泌乳和原奶的质量和卫生监测数据的收集，产生关系型数据表，由此开发出针对于集约管理的奶牛场产乳过程的数字化管理系统；南京丰顿科技有限公司开发的DMS系统[45]；吉林工业大学杨印生等研制的面向奶牛生产管理的专家决策支持系统，该系统应用数学、决策理论、计算机等技术优化管理奶牛生产，研制出奶牛生产高效管理的NSG-EDSS[67]；中农博思科技发展公司开发的《乳业专家2004》牧场管理软件等[45]；华中农大黄汉英开发的模糊线性规划方法饲料配方软件，中国农业科学院章子仪教授开发的中国饲料数据库管理系统[68]。奶牛场疾病管理模型可以管理每个阶段奶牛疾病，包括奶牛信息文件的创建，常规监测，疾病预防和控制，在系统的分析和软件设计技术的帮助下，有效、科学的管理奶牛疾病[69-70]。

5 总结及展望

5.1国外牧场管理模型的分类 国外牧场管理模型主要分为3类。第1类是以植物为主要研究对象，通过模拟不同的放牧、刈割或者栽培管理措施，来监测植物对各种干扰的响应。这类牧场管理模型如DAFOSYM模型。第2类是以草畜互作为研究对象，主要通过模拟来改善牧场管理手段对草地、家畜生产性能以及牧场经济效益的正影响。这类牧场模型属于牧场综合管理模型，涉及的参数较多，其代表有ACIAR、GrassGro、SPUR、GRASIM。第3类牧场模型为特定的畜种饲养管理而设计，主要以奶牛和绵羊为研究对象，特别是奶牛牧场管理模型，如Grazemore、DairyMGT、Sheep vision 4.0、Summerpack、SEPATOU和P·turIN等商业化应用程度很高的模型。

5.2国内外研究的比较

5.2.1牧场管理模型研究方面 我国对于牧场管理模型的研究比较晚，目前还没有适合我国草原地理、气候与独特放牧管理模式的牧场管理模型(PMM)， 而目前仅在草地监测，放牧管理模式的优化以及数学规划法在模型中的应用研究方面有初步进展，而草业专家在研究牧草生长栽培适宜性、病虫害的预测预报等与诊断方面开发的系统，只是静态的指导，不具有模拟草畜相互作用等方面的动态模拟机制[71]。与国外相比，畜牧业发展规模相当滞后，各生产层面互不衔接，管理方式也仅仅停留在粗放模式，没有形成各体系综合管理的思想。对牧场管理模型的研究才刚刚起步，目前仅仅停留在理论层面，没有研制出适合本国的可具体操作的模型用于生产实践。近年来，随着国际合作的不断加强，国外的ACIAR、GrssGro等模型在我国西部地区的高寒草原、典型草原牧场管理的科研试验也不断深入[5，72]。

5.2.2特定家畜生产管理软件开发方面 与国外相比，我国的畜牧业和计算机技术发展相当缓慢，主要是由于国民的饮食结构与家畜养殖的风险，导致从业的积极性长期偏低，家畜良种比例低、单产低，不重视选种选配，忽视重要数据的测定、记录。近几年，随着经济、科技的发展，国内对奶牛场管理软件方面的研究有所突破，随着计算机技术的在各领域的普及，以及政府加大力度的扶持，一些牧业公司和科研高校，逐步将计算机技术应用于畜牧生产方面，同时更加注重对基础学科的研究，但是国内大型的养殖场相对较少，在软件的应用方面只是单个装置，目前和畜牧软件结合成为闭合系统的应用主要还是依赖国外的一些系统[68]。

5.3展望 我国的草地畜牧业的主体是千家万户的家庭牧场，其管理水平是影响草地生态环境和牧区畜牧业经济的重要因素之一。2013年中央提出大力发展“家庭农场”的政策，也为家庭牧场的发展提供了契机。要使家庭牧场呈现产业化、集约化和规模化的发展势态，必须加大牧场管理模型，特别是小规模、区域性家庭牧场管理模型的研究迫在眉睫。家庭牧场的研究要虚心借鉴国外模型成熟的研究经验或方法，如ACIAR、SPUR、Cowpacity、Grass Gro、KMETIJA等，此类模型在内容和适应草地类型方面都可引用到国内相应地区，在国外模型参数矫正的基础上探索研制出适合我国不同地区草原生产管理的牧场管理DSS，并不断加强机制模型的研究。而且要不断整合现有的各种资源的定性和定量数据，包括遥感监测数据、土-草-畜数据和气象数据以及牧户信息电子存档等，做好遥感监测数据与PMM的对接工作，实现PMM的实时性和时效性。此外，牧场管理模型的建立需要考虑各方面的因素，如文化、社会、土地政策、市场价格、国家政策及管理方式等，进而深入认识草原问题，深刻体会可持续发展的理念，满足经济发展需求与生态保障的双重利益。

[1] John H.Grazing Management Science in Practice[M].Longman Group UK Ltd,1990.

[2] 文乐元.云贵高原人工草地-绵羊放牧系统草畜动态平衡过程优化研究[D].兰州:甘肃农业大学,2001.

[3] 王德利,宫海静.草地放牧系统优化模型的研究进展[J].草业学报,2006,15(6):1-6.

[4] 李自珍,杜国祯,惠苍,等.甘南高寒草地牧场管理的最优控制模型及可持续利用对策研究[J].兰州大学学报(自然科学版),2008,38(4):85-91.

[5] 柴军.新疆牧民决策行为与草地退化问题研究[D].北京:中国农业科学院,2008:85-100.

[6] 冯琦胜,高新华,黄晓东,等.2001-2010年青藏高原草地生长状况遥感动态监测[J].兰州大学学报 (自然科学版),2011,47(4):75-81，90.

[7] 李娜.内蒙古荒漠草原家庭牧场优化经营管理模型研究[D].内蒙古:内蒙古农业大学,2009:1-4.

[8] 杨博,吴建平,杨联,等.中国北方草原草畜代谢能平衡分析与对策研究[J].草业学报,2012,21(2)：187-195.

[9] 段庆伟,李刚,陈宝瑞,等.牧场尺度放牧管理决策支持系统研究进展[J].北京师范大学学报(自然科学版)，2009,45(2):207-209.

[10] Teague W R,Foy J K.Validation of SPUR 2.4 rangeland simulation model using a cow-calf field experiment[J].Agriculture System,2002,74:287.

[11] Mohtar R H,Zhai T,Chen X.A world wide web-based grazing simulation model (GRASIM)[J].Computers and Electronics in Agriculture,2000,29(3):243-250.

[12] Mohtar R H,Jabro J D,Buckmaster D R.A grazing simulation model:GRASIMB:Field testing[J].Transactions of the ASAE,1997,40(5):1495-1500.

[13] Clark S G,Donnelly J R,Moore A D.The GrassGro decision support tool:Its effectiveness in simulating pasture and animal production and value in determining research priorities[J].Animal Production Science,2000,40(2):247-256.

[14] Rotz C A,Buckmaster D R,Mertens D R,etal.DAFOSYM:A dairy forage system model for evaluating alternatives in forage conservation[J].Journal of Dairy Science,1989,72(11):3050-3063.

[15] Rotz C.DAFOSYM:A model of the dairy forage system[J].Journal of Production Agriculture,1989,2(1):83-91.

[16] Rotz C,Stout W,Sanderson M.DAFOSYM:A tool for evaluating integrated dairy farming systems[A].Proc.XXVII CIOSTA-CIGR,Work Sciences in Sustainable Agriculture[C].Wageningen,The Netherlands:XXVII CIOSTA-CIGR,1999:278-283.

[17] Cowpacity:A Grazing Carrying Capacity GIS Model [EB/OL].http://www.directionsmag.com/articles/cowpacity-a-grazing-carrying-capacity-gis-model/302170.

[18] Zom R L G,Holshof G,Pötsch E M,etal.GrazeVision:A versatile grazing decision support model[A].Grassland Farming and Land Management Systems in Mountainous Regions.Gumpenstein,Austria：Agricultural Research and Education Center (AREC) Raumberg-Gumpenstein,2011:226-228.

[19] Zom R L G,Holshof G.GrazeVision:A versatile grazing decision model[J].Grassland Science in Europe,2011：16.

[20] Yan Z G,Wang K M.Images 2.1:An Integrated Model of an Arid Grazing System[M]. Agriculture Western Australia,1996:1-27.

[21] Udovc A.The Decision Support System KMETIJA——A Tool to Help Farmers at Production-Economic Decision-making[C].First European Conference for Information Technology in Agriculture,1997.

[22] Salt C A,Culligan D M,Wilson M,etal.The CESER Decision Support System[M].Stirling,UK:University of Stirling.

[23] Illius A W,Gordon I J,Derry J F,etal.Environmental variability and productivity of semi-arid grazing systems[R].Chatham:Livestock Production Programme,DFID,NRI,2000.

[24] Tess M W,Kolstad B W.Simulation of cow-calf production systems in a range environment:I.Model development[J].Journal of Animal Science,2000,78(5):1159-1169,1170-1180.

[25] Sanders J O,Cartwrght T C.A general cattle production systems model.I:Structure of the model[J].Agricultural Systems,1979,4(3):217-227.

[26] Romera A J,Morris S T,Hodgson J,etal.A model for simulating rule-based management of cow-calf systems[J].Computers and Electronics in Agriculture,2004,42(2):67-86.

[27] Ursinus W W,Schepers F,De Mol R M,etal.COWEL:A decision support system to assess welfare of husbandry systems for dairy cattle[J].Animal Welfare,2009,18(4):545-552.

[28] Lusj J L,Norwood F B.Animal welfare economics[J].Applied Economic Perspectives and Policy,2011,33(4):463-483.

[29] Shimmura T,Brack E M,De Mol R M,etal.Overall welfare assessment of laying hens:Comparing science-based,environment-based and animal-based assessments[J].Animal Science Journal,2011,82(1):150-160.

[30] Cros M J,Garcia F,Martin-Clouaire R.SEPATOU:A decision support system for the management of rotational grazing in a dairy production[A].Second European Conference for Information Technology in Agriculture[C].1999:27-30.

[31] Cros M J,Duru M,Garcia F,etal.A DSS for rotational grazing management:simulating both the biophysical and decision making processes[A].Proc.MODSIM99[C].1999.

[32] Progressive dairy man [EB/OL].http://www.progressivedairy.com/index.php?option =com_contentamp;view=articleamp;id=4214:use-this-decision-support-system-for-dairy-production-and-expansionamp;catid=49:managementamp;Itemid=75.

[33] Hanson G D,Cunningham L C,Morehart M J,etal.Profitability of moderate intensive grazing of dairy cows in the Northeast[J].Journal of Dairy Science,1998,81(3):821-829.

[34] Rego O A,Alves S P,Antunes L M S,etal.Rumen biohydrogenation-derived fatty acids in milk fat from grazing dairy cows supplemented with rapeseed sunflower or linseed oils[J].Journal of Dairy Science,2009,92(9):4530-4540.

[35] Barrett P D,Laidlaw A S,Mayne C S,etal.Development of a European herbage growth model[A].Land Use Systems in Grassland Dominated Regions.Luzern,Switzerland,the 20th General Meeting of the European Grassland Federation,2004:653-655.

[36] Delagarde R,Faverdin P,Baratte C,etal.The herbage intake model for grazing dairy cows in the EU Grazemore project[A].Land Use Systems in Grassland Dominated Regions[C].Luzern,Switzerland,the 20th General Meeting of the European Grassland Federation,2004:650-652.

[37] Cabrera V E.DairyMGT:A Suite of Decision Support Systems in Dairy Far Management [A].Chiang J.Decision Support Systems[M].LaTech,2012:143-172.

[38] Giordano J O,Fricke P M,Wiltbank M C,etal.An economic decision-making support system for selection of reproductive management programs on dairy farms[J].Journal of Dairy Science,2011,94(12):6216-6232.

[39] Freer M,Moore A D,Donnelly J R.GRAZPLAN:Decision support systems for Australian grazing enterprises-II.The animal biology model for feed intake,production and reproduction and the GrazFeed DSS [J].Agricultural Systems,1997,54(1):77-126.

[40] Moore A D,Donnelly J R,Freer.M.GRAZPLAN:decision support systems for Australian grazing enterprises.III.Pasture growth and soil moisture submodels and the GrassGro DSS[J].Agricultural Systems,1997,55(4):535-582.

[41] Williamson N,Alawneh J,Bailey D,etal.Electronic Heat Detection[C].Proceeding of 2006 South Island Dairy Event (SIDE),2006.

[42] Hayes D,Jeffries M.IT Solutions for disease surveillance and management in New Zealand[A].Performance Recording of Animals,State of the Art:Proceedings of the Biennial Session of the International Committee for Animal Recording (ICAR)[C].2002:163.

[43] Delaby L,Peyraud J L、Faverdin P.Ptur' IN:A user-friendly software tool to assist dairy cow grazing management [A].Proceedings of the 20th International Grassland Congres[C].Wageningen:Academic Publishers,2005:905.

[44] Virtanen A I.Milk production of cows on protein-free feed[J].Science,1966,153(3744):1603.

[45] 付海涵.奶牛生产管理软件的研究与开发[D].武汉:华中农业大学,2007:1-5.

[46] AfiFarm:The heart of the dairy farm[EB/OL].http://www.afimilk.com AfiFarm Website.

[47] Delaval:DELPROtmfarm management[EB/OL].httP://www.delaval.com Delaval Website.

[48] McPhee M J.Sheep Version 4.0:A sheep management package[J].Environmental Software,1996,11(1):105-112.

[49] Orsini J P G.ummerPack:User-friendly simulation software for the management of sheep grazing dry pastures or stubbles[J].Agricultural Systems,1990,33(4):361-376.

[50] Foot J Z,Stevens D,Donnelly J R,etal.Climate and Production from Grazing Animals in Australia[C].ASAP,1988.

[51] McLeod L J,Saunders G R,McLeod S R,etal.The potential for participatory landscape management to reduce the impact of the red fox (Vulpesvulpes) on lamb production[J].Wildlife Research,2011,37(8):695-701.

[52] Naga A A,Hassan F,Rafea A,etal.Development of decision support system for sheep and goats in the hot/dry area of the north costal zone of Egypt[A].Bernués A,Boutonnet J P,Casasús I,etal.Economic,Social and Invironmental Sustainability in Sheep and Goat Production Systems[C].Zaragoza:CIHEAM/FAO/CITA-DGA,2011:37-43.

[53] 李博.中国北方草地畜牧业动态监测研究(一)——草地畜牧业动态监测系统设计与区域实验实践[M].北京:中国农业科技出版社,1993.

[54] 陶伟国,徐斌,杨秀春.草原产草量遥感估算方法发展行势及影响因素[J].草业学报,2007,16(2):1-8.

[55] 黄敬峰,王秀珍,胡新博.新疆北部不同类型天然草地产草量遥感监测模型[J].中国草地,1999(1):7-11,18.

[56] 雍国玮,石承苍,邱鹏飞.川西北高原若尔盖草地沙化及湿地萎缩动态遥感监测[J].山地学报,2003,21(6):758-762.

[57] 刘占宇,黄敬峰,吴新宏,等.草地生物量的高光谱遥感估算模型[J].农业工程学报,2006,22(2):111-115.

[58] 刘爱军,韩建国.天然草原生育期遥感估测方法研究:以锡林郭勒盟草原为例[J].草业科学,2007,24(7):1-5.

[59] 李霞.北疆地区草地地上生物量遥感监测研究[D].兰州:兰州大学,2008.

[60] 吴全,杨邦杰,张松岭,等.基于GIS技术的中国西部草地资源信息系统[J].农业工程学报,2001,17(5):1442-1458.

[61] 刘海亮.乌珠穆沁草原资源环境管理信息系统的设计与开发[D].呼和浩特:内蒙古农业大学,2010.

[62] 白玮杰.荒漠草原家庭牧场优化管理模拟与实验研究[D].呼和浩特:内蒙古农业大学,2010：9-11，20-22.

[63] 李文龙,苏敏,李自珍.高寒草地放牧管理最优控制模式[J].兰州大学学报(自然科学版),2008,44(5):30-31.

[64] 杨金波,刘德福.乌拉盖牧场草原畜牧业生产系统诊断[J].草地学报1996,4(1):69-78.

[65] 多杰龙智,黎与,胡振军.线性规划对建设养畜轮牧育草的预测青海省海南州三江源区建设养畜、轮牧育草的优化数学模型[J].内蒙古草业,2007,19(4):36-38.

[66] 熊本海,罗清尧,吕健强,等.集约化奶牛场泌乳数字化管理系统研究[J].中国农业科学,2008,41(4):1179-1185.

[67] 肖建华,胡玉龙,范福祥.奶牛繁殖决策支持系统的构建[J].中国农业科学,2012,45(10):2012-2021.

[68] 郑怀军.奶牛良种登记与计划选配软件的开发与应用[D].黑龙江:东北农业大学,2006:1-4.

[69] Li L,Wang H,Yang Y,etal.A Digital Management System of Cow Diseases on Dairy Farm[A].Li D,Liu Y,Chen Y.CCTA 2010,Part I,IFIP AICT 344[C].2011:35-40.

[70] Kossaibati M A,Esslemont R J.The costs of production diseases in dairy herds in England[J].The Veterinary Journal,1997,154(1):41-51.

[71] 杨永顺,陈全功,杨丽娜,等.基于 WebGIS 的《中国草业开发与生态建设专家系统》 的开发[J].草业科学,2007,24(10):31-35.

[72] 蒙旭辉.GrassGro模型参数校正及其在草甸草原的应用[D].兰州:兰州大学,2009.

Researchadvancesonpasturemanagementmodel

WANG Gui-zhen1,2， HUA Li-min1,2

(1.Department of Education Key Laboratory Grassland Ecosystem, Gansu Agricultural University, Lanzhou 730070, China; 2.Gansu Agricultural-New Zealand Massey University Central of Grassland Biodiversity, Lanzhou 730070, China)

The healthy and production level of natural pasture, which is one of the most important utilization terminals of grassland, depend on its management level. With the developing of information technologies, and the quantifying and segmenting of ecological studies, studies on pasture management model and how to use these models to guide actual production have become one of the hotspots of modern grassland agricultural study. As one of grazing system models, pasture management model is the decision support system(DSS) of grassland production and livestock production. It simulates the effects of different production and management modes, and guides actual production, by collecting data of grassland growth, livestock growth, livestock production and management modes. To provide references for domestic researches on pasture management model, research advances on pasture management model at home and abroad were reviewed, and further prospect on development of pasture management model in future was made in this study.

pasture management model; grassland; livestock; grazing ecosystem

HUA Li-min E-mail:hualm@gsau.edu.cn

S812.95

A

1001-0629(2013)10-1664-12

2013-04-03 接受日期：2013-05-28

农业部公益性行业项目(No.201003061)；草业生态系统重点实验室(甘肃农业大学)开放基金(CYZS-2011013)；科技部支撑计划(2012BAC01B02-4)作者简介:王贵珍(1990-)，女，甘肃临夏人，在读硕士生，研究方向为草地生态学。E-mail:wgz2013@sina.cn

花立民(1971-)，男，甘肃临洮人，副教授，博士，主要从事草地生态及草原保护科研教学工作。E-mail:hualm@gsau.edu.cn