江苏奶牛热应激风险区划及其受气候变化的影响

2022-02-01任义方杨章平零丰华肖良文

中国农业科学 2022年22期

任义方，杨章平，零丰华，肖良文

1江苏省气候中心，南京 210008；2扬州大学动物科学与技术学院，江苏扬州 225009；3南京信息工程大学大气科学学院，南京 210044；4江苏桢源应用气象研究院有限公司，南京 211100

【目的】掌握气候变化背景下奶牛热应激发生规律，可为畜牧业优化布局、牧场智能管控、选址改造、效益提升等方面提供参考，有助于优化牧场生产管理，促进奶牛生态健康养殖。【方法】以江苏省为例，利用1980—2020年全球大气再分析资料ERA5数据集，基于表征奶牛热应激程度的温湿指数(THI)，构建风险度指数(RI)，选择k均值聚类算法实现奶牛热应激风险区划，结合热应激发生强度、频率、起止时间、持续日数的特征开展区域评估；求算气候倾向率，分析不同风险区内奶牛热应激发生特征的变化趋势；基于累积温湿指数(CTHI)，利用Mann-Kendall检验，判定不同风险区气候突变点，进而从逐日和逐小时两个时间尺度，分析气候变化对不同风险区内奶牛热应激发生特征的影响。【结果】江苏奶牛热应激风险呈现“西南高东北低”的特征，低风险区主要包括淮北和江淮之间中东部地区，区域温湿指数均值为73.63，以轻度热应激发生为主；高风险区主要包括沿江苏南和江淮之间西部地区，区域温湿指数均值为75.12，轻、中度热应激发生频次相当。低、高风险区域中，热应激开始和结束时间均呈现提前和推后趋势，持续日数呈延长趋势（4.0 d/10a、4.2 d/10a)；温湿指数值增加（0.2/10a)；累积温湿指数分别增加301.2/10a和256.1/10a；轻度热应激发生频次均呈双峰型，主要发生在6月上旬至7月中旬和8月上旬至9月中旬；中度热应激发生频次均呈单峰型，主要发生在7月中旬至8月中旬；日热应激强度变化基本呈现“正弦”分布形态，高发时段集中在11:00-17:00。受气候变化影响，江苏全省奶牛热应激呈现明显增强趋势，至2010年达到小高峰，有一回落后呈稳步上升趋势，且超过显著性水平0.05临界线。低、高风险区域内，热应激高影响时段延长、发生频率增加、覆盖度提高且出现时间前移；日热应激高发时段开始时间提前1 h左右，高风险区热应激发生强度基本接近中等。【结论】基于THI、RI和CTHI可以实现奶牛热应激风险区划评估及气候影响分析，确定奶牛热应激的高发区域和关键防控时段，把握其气候变化趋势。随气候变化，江苏奶牛热应激发生呈现“趋早、趋强、趋长、趋多”的特征，需积极应对。

江苏省；奶牛；热应激；风险区划评估；气候变化

0 引言

【研究意义】随着农业产业结构转型升级步伐明显加快，现代农业发展迅猛。目前，江苏乳业已成为畜牧业中增长最快且带动农民增收明显的朝阳产业，也是江苏现代农业和食品工业发展的重点产业。据中国奶牛年鉴统计，至2020年末江苏全省奶牛存栏12.9万头，全年累积生鲜乳年产量63万t[1]。在江苏现代化农牧业快速发展的同时，奶牛养殖、鲜乳加工、乳品销售等生产管理环节中依旧存在较多风险因子和不稳定因素。其中奶牛热应激造成的畜牧业生产效率降低已成为影响奶牛高效产奶和优质奶源稳定供应的突显问题之一[2]。江苏处在亚热带和暖温带的气候过渡地带，全省夏季平均起始时间为6月7日，平均长度为104 d，平均气温为25.9℃，各地极端最高气温通常出现在盛夏7月或8月。江苏主要养殖品种荷斯坦牛的等热范围为5—25℃，夏季高温高湿天气极易导致奶牛生理调节不能维持机体热平衡，引起奶牛出现热应激反应，直肠温度、呼吸频率、反刍节律等生理指标出现异常，奶牛采食量降低，生产性能和繁殖性能下降，进而造成产奶量减少、品质降低，影响牧场和乳企的经济效益[3-9]。尤其在气候变暖、夏季极端高温事件不断增多的背景下[10]，热应激已成为危害畜牧生产的重要因素之一。同时，由热应激导致牛奶产量上升趋势中出现季节性反向波动问题，也对牧场智能化生产管理提出了挑战和考验。【本研究切入点】结合国家对促进奶业振兴的要求以及奶牛生态健康养殖的需求，开展奶牛热应激风险区划评估及其受气候变化影响的研究已经刻不容缓。【前人研究进展】目前，传统农业气象灾害风险区划研究[11]中，针对小麦、水稻、玉米等大宗作物受旱涝、低温冻害、高温热害、强风等气象型灾害影响等问题，已经建立了较为完整的农业气象灾害风险评估体系，实现了区域范围内风险的动态定量评估。特色农业气象灾害风险区划研究[12-14]中，针对经济作物、林果、水产等受气象型灾害影响等问题已有大量相关研究，而针对畜牧业中奶牛养殖过程中可能发生的气象型风险区划评估工作仍未见报道。【拟解决的关键问题】因此，本研究以江苏为例，利用格点化气候资料，基于表征奶牛热应激程度的温湿指数，确定奶牛热应激发生风险度进行风险区划评估；对奶牛热应激特征要素开展气候倾向率趋势分析，并用Mann-Kendall检验确定热应激特征突变时间，进而从不同时间尺度分析气候变化对不同风险区内奶牛热应激发生规律的影响，以期为适应气候变化，充分发挥江苏奶牛养殖的有利气候条件，规避不利气象灾害影响，科学制定牧场建设规划，促进乳业生产持续稳定发展提供参考依据。

1 材料与方法

1.1 数据来源

气象资料包括江苏省区域范围1980—2020年平均温度和相对湿度，该气象资料来自于欧洲中期天气预报中心（ECMWF）第五代全球大气再分析资料ERA5数据集，其空间分辨率为 31 km（约为0.28°），时间分辨率为逐小时。

1.2 奶牛热应激程度的指示

参考中国奶业协会《奶牛热应激评价标准》[15]，以温湿指数（temperature humidity index,THI）作为奶牛热应激程度的表征值，按以下公式计算：

式中，为环境温度（℃），为环境相对湿度（%）。

温湿指数与奶牛热应激程度等级的关系情况见表1。

考虑奶牛热应激监测期内，热应激对奶牛生理和产量的不利影响呈持续性特征，统计奶牛热应激监测期中所有高温高湿过程的危害累积量，定义累积温湿指数为：

表1 奶牛热应激程度评价标准[15]

式中，THI为奶牛热应激监测期内某日的温湿指数。取值范围从奶牛热应激监测开始日（OD）到监测结束日（OD）。

1.3 奶牛热应激监测期的确定

本文主要参考稳定通过温度界限的概念和方法[16]。选择5日滑动的方法确定奶牛热应激监测时段。首先，将各格点上逐小时数据处理为逐日数据后，逐年求算5日滑动平均，确定各年日平均热应激指数≥72的最长一段时期。然后，选取其第一天，作为热应激开始日；取其最后一天作为热应激结束日。进而，利用选取多年热应激开始日的最小值作为奶牛热应激监测期的开始时间（OD），选取多年热应激开始日的最大值作为奶牛热应激监测期的结束时间（OD）。

1.4 奶牛热应激风险区划指数及方法

基于致灾因子危险性的概念，结合热应激发生强度和频率，定义奶牛热应激监测期风险度来客观反映致灾因子风险性大小及其对牧场生产影响程度，即

式中，RI为江苏区域内第个格点发生奶牛热应激的风险度指数。THI为各格点以温湿指数表征的不同热应激强度等级，=1、2、3（表1），P为基于40年奶牛热应激监测期温湿指数求算的对应等级热应激出现的频率。

利用SPSS数据统计分析和GIS空间分析以及属性数据库操作功能，选取覆盖江苏省区域的格点化风险度指数作为聚类样本变量，采用欧式距离（Euclidean Distance）作为研究样品疏密程度（差别大小）指标，选择k均值聚类算法（k-means clustering algorithm）[17-18]，进行江苏奶牛热应激风险区划，将江苏划分为两个区域，按照风险度指数大小，分为2个风险等级，分别对应奶牛热应激低风险区和高风险区。低、高风险区域所对应风险度指数的变化范围分别为40.0≤＜50.0和50.0≤＜60.0。

1.5 区域内热应激气候突变确定方法

用Mann-Kendall检验对40年累积温湿指数突变特征进行分析和检测，进而分析区域内热应激发生特征在气候突变前后的变化。MK法是一种气候诊断与预测技术，可判断气候序列中是否存在气候突变及突变发生的时间。方法概述[19]如下：

对于40个样本量的时间序列累积温湿指数X，构建一秩序列：

在时间序列随机独立的假定下，定义统计量

式中(s)、(s)是秩序列s的均值和方差，UF为标准正态分布，给定显著性水平，若|UF|＞U，则表明序列存在明显的趋势变化。

再按时间序列累积温湿指数的逆序X,X-1,…1，重复上述过程，同时令

给定显著性水平后，通过绘制UF和UB曲线，即可明确突变开始时间，并指出突变区域。

2 结果

2.1 奶牛热应激风险区划结果和分析

由江苏奶牛热应激风险区划结果可见（图1），低风险区主要包括淮北和江淮之间中东部地区；高风险区主要包括沿江苏南和江淮之间西部地区，风险总体呈现“西南高东北低”的特征。结合不同风险区域内风险度指数值，以及过去40年奶牛热应激监测期内温湿指数多年均值，轻度、中度热应激发生频率（由于1980—2020年间重度热应激基本未在江苏出现，因此重度热应激发生情况文中不予讨论），热应激开始、结束和持续时间，这7个风险评估要素的分布（图2、3）和区域均值统计情况（表1）可以看出：

在低风险等级区域内，奶牛热应激发生风险性小，对产奶量及其品质影响小。具体来看该区域内，热应激强度小，风险度区域均值为47.95；平均温湿指数为73.63，以轻度热应激发生为主，平均发生频率为0.41；热应激发生时段跨度大，平均从6月11日至9月16日，持续时长97 d。

在高风险等级区域内，奶牛热应激发生风险性大，对产奶量及其品质影响大。具体来看该区域内，热应激强度大，风险度区域均值为54.42；平均温湿指数为75.12，轻度、中度热应激发生频次相当，平均发生频率分别为0.38和0.30；热应激发生时段跨度大，平均从6月8日至9月16日，持续时长100 d。

图1 江苏奶牛热应激发生风险区划结果

表2 江苏奶牛热应激风险评估因子在不同风险区的统计结果

图2 奶牛热应激监测期内不同风险区域中风险度指数值(a)、温湿指数多年均值(b)，以及轻度(c)、中度(d)热应激发生频率空间分布

2.2 区域内热应激特征受气候变化影响分析

2.2.1 区域内热应激气候变化趋势和突变特征从1981—2020年江苏奶牛热应激监测期内不同风险区域内，奶牛热应激起止时间、温湿指数值、热应激日数、累积温湿指数年变化的气候倾向率分析（图3、图4-a—c）发现：过去40年在低风险区和高风险区，奶牛热应激开始时间分别呈现3.6 d/（10a）和2.6 d/（10a）的提前趋势，而结束时间分别呈现1.3 d/（10a）和1.8 d/（10a）的推后趋势，从而导致奶牛热应激持续时间显著增长；温湿指数值均呈现0.2/（10a）的增加趋势；热应激日数分别呈现4.0 d/（10a）和4.2 d/（10a）的延长趋势；累积温湿指数分别呈现301.2/（10a）和256.1/（10a）的增加趋势。

从奶牛热应激低风险区和高风险区的累积温湿指数Mann-Kendall检验结果（图4-d）可见，自21世纪初期，江苏全省奶牛热应激呈现明显增强趋势，至2010年达到小高峰，有一回落后呈稳步加强趋势，且超过显著性水平0.05临界线，即0.05=±1.96。根据UF和UB曲线交点的位置，判定江苏奶牛热应激低风险区和高风险区中，热应激累积温湿指数增强的突变时间分别从2004和2002年开始。

图3 奶牛热应激(a)低风险区和(b)高风险区中热应激开始、结束和持续时间的年变化

2.2.2 区域内热应激受气候变化影响分析考虑到累积温湿指数涵盖了监测期内热应激发生强度和持续时间的综合影响，因此以其MK检测结果作为奶牛热应激增强的突变时间。低风险等级区域内分析2004 年前（1981—2004年）、后（2005—2020年），高风险等级区域内分析2002年前（1981—2002年）、后（2003—2020年），不同等级热应激发生频次在监测期内、发生强度在日尺度上的分布特征和变化特征的差异，来体现区域内奶牛热应激发生特征受气候变化的影响。

从不同等级风险区域内，奶牛轻度和中度热应激在气候突变前后的发生频次分布图（图5）来看，在监测期内不同程度奶牛热应激发生频次分布形态不同，且高峰期出现时间不同。不同等级风险区域内，轻度热应激发生频次（Feqshs）均呈双峰型，主要发生在6月上旬至7月中旬和8月上旬至9月中旬；其中，低风险区奶牛热应激主要发生在第一高峰时段，而高风险区奶牛热应激主要发生在第二高峰时段。中度热应激发生频次（Feqmhs）均呈单峰型，低、高风险区域奶牛热应激均主要发生在7月中旬至8月中旬。

以Feqshs＞0.4和Feqmhs＞0.6的情况作为高峰发生时段，分析气候突变前后轻度、中度热应激发生频率高峰平均值和出现时间的变化情况（表3）。

从热应激高峰时段起止时间来看：气候发生突变后，对于高发时段开始时间来说，除低、高风险区域轻度热应激第二段高发开始时间呈推后趋势外，轻度热应激第一段高发开始时间和中度热应激高发开始时间均提前，且提前程度在低风险区更明显；对于高发时段结束时间来说，除低风险区轻度热应激第一段高发结束时间略有提前外，其他风险区各等级热应激各高峰结束时间均有推迟。总体来说，受气候变化影响奶牛低、高风险区域轻度和中度热应激高发时间延长。

图4 奶牛热应激不同风险区域中，区域平均温湿指数值(a)、热应激日数(b)、累积温湿指数的年变化(c)，以及累积温湿指数(d)MK检验结果

从热应激高峰时段平均发生频率来看：气候发生突变后，除低风险区轻度热应激在第二高峰时段平均发生频率有所降低外，其他风险区各等级热应激各高峰时段平均发生频率均有所增加，且高风险区域内中度热应激发生频率增加最显著。

从热应激高峰时段覆盖度来看：气候发生突变后，各等级热应激高峰时段覆盖度在低、高风险区域中均有所提高。其中，轻度热应激第一高峰时段覆盖度明显提高，第二高峰时段的覆盖度明显降低，且这种高峰时段覆盖度由第二时段向第一时段偏移幅度在低风险区内表现得更为明显。

从监测期内不同风险区域内气候突变前后的奶牛热应激发生强度日变化（图6）来看，在高、低风险区域中，温湿指数均基本呈现“正弦”分布形态，且出现高峰时段较为一致，主要集中在上午11：00—17：00，期间THI指数值基本维持在76以上。

结合热应激等级划分标准，分析气候突变前后不同风险区域热应激发生强度和时段发现，高风险区域内，气候变化前后基本全天均有轻度热应激发生；而在低风险区域内，气候变化后轻度热应激发生时间由6：00—22：00延长至晚上24：00后，无热应激的时段由原来前一天夜间23：00至早晨5：00缩短至早晨1：00—5：00。此外，气候突变后，高、低风险区域内日均热应激强度均有所增加。

以THI＞76的情况作为奶牛热应激日高发时段，统计热应激高峰值发生时段及其均值（表3）。分析发现，气候突变后，高、低风险区域内奶牛热应激日高发时段开始时间均由11：00向前提早1 h至10：00，结束时间维持在17：00不变；高发时段期间热应激强度也有所增强，低风险区高发时段THI均值由76.5上升为77.0，高风险区高发时段THI均值由77.0上升为77.7，接近中度热应激的强度。

图5 监测期内奶牛热应激低风险区域气候突变前(1981-2002年)(a)和后(2003-2020年)(b)；高风险区域气候突变前(1981-2004年)(c)和后(2005-2020年)(d)不同程度热应激的发生频次分布图

图6 不同奶牛热应激风险区域气候突变前后温湿指数日变化

表3 奶牛热应激不同等级风险区域内不同热应激等级出现高峰起止日期以及覆盖度的统计情况

3 讨论

3.1 奶牛热应激的影响及管理策略方案

从江苏奶牛热应激风险区划结果可知，热应激风险高发区主要分布在沿江苏南和江淮之间西部地区，该区域平均温湿指数为75.12，轻度、中度热应激平均发生频率分别为0.38和0.30，热应激对奶牛生产性能影响概率较大。奶牛一旦发生热应激即开始动用机体物理、生化和生理过程进行调节, 以维持热平衡和正常体温。在调整过程中，奶牛呼吸频率、心率、直肠温度、血液pH等生理指标势必相应发生变化，进而影响奶牛瘤胃功能，导致消化率降低，干物质采食量减少，影响奶产量、乳品质（牛奶中乳脂肪、乳蛋白和乳糖含量降低、体细胞数和菌落总数增加）、繁殖效率、抵抗力[20-23]。相关研究表明，THI从68升高到80，奶牛产奶量下降27.4%；THI大于72时，奶牛的发情率和妊娠率明显降低[24-25]。

因此，已建牧场若归属于热应激风险高发区域，可以在奶牛热应激常发时段（轻度和中度热应激分别在8月上旬至9月中旬和7月中旬至8月中旬），优化牧场饲养管理措施。例如，饲养方面，可通过提高日粮营养浓度, 选用易消化的饲料原料，添加瘤胃缓冲剂、酵母、维生素C等添加剂，改善日粮，提高饲料的适口性和消化性，调节瘤胃微生物和机体代谢；环境控制方面，可结合关键防控时间（10：00—17：00），利用智能控制算法和设备，实现喷淋、喷雾、风扇等防暑降温设施精准智能控制，缓解牛舍内高温高湿的状况。

3.2 奶牛热应激发生特征的气候影响背景

江苏奶牛热应激风险呈现“西南高东北低”分布特征，各风险区内热应激发生时段、强度和出现天数呈现增长、增加趋势，且与区域内气温和相对湿度的气候分布和变化特征息息相关。据江苏气候变化评估报告[26]分析，近53年（1960—2012年）江苏年平均气温和平均相对湿度分布呈现“南高北低”的态势。从年变化趋势来看，平均气温增温速率为0.27℃/10a，平均相对湿度中西部地区减少速率为1%—3%/10a，即呈现典型暖干特征，可见气温增暖是江苏地区奶牛热应激加剧的主要外部气象条件之一。该分析结果与董晓霞等[27]对北京奶牛热冷应激受气候变化影响的研究结果较为一致。

受气候变化影响，监测时段内高低风险区域中不同等级热应激高峰时段延长、平均发生频率提高、高峰时段前移且覆盖度提高。此外，通过气候突变分析发现，自21世纪初期，江苏全省奶牛热应激均有明显的增强趋势，至2010年达到小高峰，有一回落后呈稳步上升趋势。这样的变化特征一方面与春秋季平均气温呈明显上升趋势有关，另一方面受极端气候事件增多的影响[28-29]。近50年来，江苏地区极端高温日数与持续高温日数都显著增长，且苏南南部高温日数增加明显，增加速率2d/10a；高温终日呈偏晚趋势，极端最高气温呈上升趋势[30]。可见，在气候变化的背景下，江苏奶牛热应激呈程度趋重、时间趋长的态势，各地需要积极采取防御和应对措施。

3.3 奶牛热应激风险区划应用与不足

根据奶牛热应激高低风险区域分布位置、各风险区不同等级热应激常发时段、日热应激关键防控时间的分析结果，不仅可以合理配置奶牛饲喂方案、开展牧舍精细化管理，缓解奶牛热应激，提高牧场生产效能，而且可以为乳企在江苏奶源基地选址提供参考。例如，从热应激发生规律（以轻度热应激发生为主，平均发生频率为0.41）以及应对防御成本的角度来衡量，江苏淮北地区和江淮之间中东部地区属奶牛热应激轻发区，是较为适宜奶牛养殖和牧场建设的区域。此外，基于奶牛热应激高低风险区域的划分结果，可实现保险保费、费率等保险单关键要素的差异化设置，也为气象指数保险产品在奶牛热应激发生风险领域的应用打下了基础[31-32]。

完备的灾害风险区划研究需要从致灾因子风险性、孕灾环境敏感性、承灾体易损性、抗灾能力4个角度出发去衡量[33]。考虑到目前国内仍普遍采用开放或半开放式牛舍为主，奶牛饲养过程对气象条件的敏感度较高，高温高湿的气象条件是造成奶牛热应激的直接原因[34-36]。因此，本研究主要从奶牛热应激发生的气象条件（即致灾因子风险性的角度）出发，构建奶牛热应激风险度，开展风险区划和评估。然而，奶牛所处牧场区域（牧舍、奶厅、运动场等）、区域内环境调控水平、饲喂管理状况以及奶牛自身所处生理阶段等因素的不同，均会显著影响奶牛热应激反应程度。未来，可以进一步加强牧场内奶牛活动空间环境气象要素监测，综合典型牧舍类型、牧场生产管理水平、奶牛关键生长阶段等要素，实现热应激综合风险区划[37-39]，逐步完善奶牛热应激风险区划评价体系。

4 结论

热应激是江苏奶牛养殖期间最主要的气象灾害，基于湿热指数、风险度指数和累积温湿指数，实现奶牛热应激风险区划；通过对奶牛热应激风险分布特征和气候变化背景下各区域热应激发生规律的把控，可有效确定热应激防控关键区域、关键时间节点；进一步研究表明，各风险区域内不同等级热应激随气候变化呈强度增强、时间提前、持续日数增加态势，且有高发时段延长、频率增加、覆盖面扩大、时段前移的特点。提示在奶牛生产实践中，可基于此研究结果，风险区域牧场在关键时间点应采取有效应对措施，努力提高牛舍环境智能化控制水平，从而保证牧场奶牛产量、品质和效益。

[1] 江苏省农业农村厅.我省奶业振兴取得阶段性成果.[EB/OL]. 南京:江苏省农业农村厅, [2021−02−19]. http://nynct.jiangsu.gov.cn/art/ 2021/2/19/art_12130_9674632.html.

Department of agriculture and rural areas of Jiangsu Province. Phased achievements have been made in the revitalization of dairy industry in our province. [EB / OL]. Nanjing: Department of agriculture and rural areas of Jiangsu Province, [2021−02−19]. http://nynct.jiangsu.gov.cn/ art/2021/2/19/art_12130_9674632.html. (in Chinese)

[2] 孙宏进. 推动江苏奶业高质量发展. 中国畜牧业, 2019(14): 40-41.

SUN H J. Promote high quality development of dairy industry in Jiangsu. China Animal Industry, 2019(14): 40-41. (in Chinese)

[3] 单强, 马峰涛, 魏婧雅, 郝丽媛, 孙鹏. 热应激影响荷斯坦奶牛泌乳机制的研究进展. 中国畜牧杂志, 2019, 55(3): 29-33. doi:10.19556/j.0258-7033.2019-03-029.

SHAN Q, MA F T, WEI J Y, HAO L Y, SUN P. Research progress on the effect of heat stress on lactating mechanism of Holstein cows. Chinese Journal of Animal Science, 2019, 55(3): 29-33. doi:10.19556/ j.0258-7033.2019-03-029. (in Chinese)

[4] 赵琨发, 陈琪, 王争光. 浙江地区热应激对奶牛的危害及其防控措施. 中国奶牛, 2017(12): 7-12. doi:10.19305/j.cnki.11-3009/s.2017.12. 002.

ZHAO K F, CHEN Q, WANG Z G. The harm effects of heat stress on dairy cows in Zhejiang Province and its solving measures. China Dairy Cattle, 2017(12): 7-12. doi:10.19305/j.cnki.11-3009/s.2017.12. 002. (in Chinese)

[5] 李晗, 王宇, 高景, 齐智利. 热应激对瘤胃微生物的影响及其与奶牛生产性能的关系. 动物营养学报, 2019, 31(10): 4458-4463. doi:10.3969/j.issn.1006? 267x.2019.10.007.

LI H, WANG Y, GAO J, QI Z L. Effects of heat stress on rumen microbiota and its relationship with performance of dairy cows. Chinese Journal of Animal Nutrition, 2019, 31(10): 4458-4463. doi:10.3969/j.issn.1006? 267x.2019.10.007. (in Chinese)

[6] KADZERE C T, MURPHY M R, SILANIKOVE N, MALTZ E. Heat stress in lactating dairy cows: a review. Livestock Production Science, 2002, 77(1): 59-91. doi:10.1016/S0301-6226(01)00330-X.

[7] RHOADS M L, RHOADS R P, VANBAALE M J, COLLIER R J, SANDERS S R, WEBER W J, CROOKER B A, BAUMGARD L H. Effects of heat stress and plane of nutrition on lactating Holstein cows: I. Production, metabolism, and aspects of circulating somatotropin. Journal of Dairy Science, 2009, 92(5): 1986-1997. doi:10.3168/jds. 2008-1641.

[8] WEST J W. Effects of heat-stress on production in dairy cattle. Journal of Dairy Science, 2003, 86(6): 2131-2144. doi:10.3168/jds.S0022- 0302(03)73803-X.

[9] 王建平, 王加启, 卜登攀, 霍小凯, 郭同军, 梁建光, 王光文, 袁耀明, 李发弟. 热应激对奶牛影响的研究进展. 中国奶牛, 2008(7): 21-24. doi:10.3969/j.issn.1004-4264.2008.07.010.

WANG J P, WANG J Q, BU D P, HUO X K, GUO T J, LIANG J G, WANG G W, YUAN Y M, LI F D. Research advance in the influence of heat stress on dairy cow. China Dairy Cattle, 2008(7): 21-24. doi:10.3969/j.issn.1004-4264.2008.07.010. (in Chinese)

[10] 刘梅, 高苹, 王静苒, 俞剑蔚, 曹舒娅. 江苏夏季逐月高温日数与西太平洋海温场相关分析及预测模型建立. 气象, 2011, 37(12): 1553-1559.

LIU M, GAO P, WANG J R, YU J W, CAO S Y. Study on remote correlation between summer monthly high temperature days in Jiangsu and west Pacific SST and its long-term prediction models. Meteorological Monthly, 2011, 37(12): 1553-1559. (in Chinese)

[11] 王春乙, 张继权, 霍治国, 蔡菁菁, 刘兴朋, 张琪. 农业气象灾害风险评估研究进展与展望. 气象学报, 2015, 73(1): 1-19.

WANG C Y, ZHANG J Q, HUO Z G, CAI J J, LIU X P, ZHANG Q. Prospects and progresses in the research of risk assessment of agro-meteorological disasters. Acta Meteorologica Sinica, 2015, 73(1): 1-19. (in Chinese)

[12] 邱美娟, 刘布春, 刘园, 王珂依, 庞静漪, 张晓男, 贺金娜. 中国北方主产地苹果始花期模拟及晚霜冻风险评估. 农业工程学报, 2020, 36(21): 154-163.

QIU M J, LIU B C, LIU Y, WANG K Y, PANG J Y, ZHANG X N, HE J N. Simulation of first flowering date for apple and risk assessment of late frost in main producing areas of Northern China. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(21): 154-163. (in Chinese)

[13] 鲁天平, 郭靖, 陈梦, 李宏, 玉苏普江·艾麦提, 刘永萍. 新疆林果产业大风沙尘灾害风险评估模型构建及区划. 农业工程学报, 2016, 32(S2): 169-176.

LU T P, GUO J, CHEN M, LI H, YUSUPUJIANG·AIMAITI, LIU Y P. Model establishment and zoning of wind—dust risk assessment to featured forestry and fruit industry in Xinjiang. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(S2): 169-176. (in Chinese)

[14] 任义方, 张旭晖, 陈焕根, 时冬头, 陈翔, 钱钰林, 潘云生. 江苏河蟹高温热害时空变化特征及影响. 生态学杂志, 2020, 39(11): 3704-3714. doi:10.13292/j.1000-4890.202011.027.

REN Y F, ZHANG X H, CHEN H G, SHI D T, CHEN X, QIAN Y L, PAN Y S. Spatiotemporal variation and impacts of high temperature heat damage on river crab in Jiangsu Province. Chinese Journal of Ecology, 2020, 39(11): 3704-3714. doi:10.13292/j.1000-4890.202011. 027. (in Chinese)

[15] 中华人民共和国农业部. 奶牛热应激评价技术规范: NY/T 2363—2013[S]. 北京: 中国农业出版社, 2013.

Ministry of Agriculture of the People's Republic of China. Technical specification for heat of dairy cows: NY/T 2363—2013[S]. Beijing: Chinese Agriculture Press, 2013. (in Chinese)

[16] 王树廷. 关于日平均气温稳定通过各级界限温度初终日期的统计方法. 气象, 1982, 8(6): 29-30.

WANG S T. Statistical method for the initial and final dates of the daily average temperature passing through the boundary temperatures at all levels. Meteorological Monthly, 1982, 8(6): 29-30. (in Chinese)

[17] GENOLINI C, FALISSARD B. KmL: k-means for longitudinal data. Computational Statistics, 2010, 25(2): 317-328. doi:10.1007/s00180- 009-0178-4.

[18] ZHANG T F, MA F M. Improved rough k-means clustering algorithm based on weighted distance measure with Gaussian function. International Journal of Computer Mathematics, 2017, 94(4): 663-675. doi:10.1080/00207160.2015.1124099.

[19] 魏凤英. 现代气候统计诊断与预测技术. 2版. 北京: 气象出版社, 2007: 69-72.

WEI F Y. Effects of heat stress on physiological indexes and production performance of lactating dairy cows. Beijing: China Meteorological Press, 2007: 69-72. (in Chinese)

[20] 姚焰础, 江山, 肖融, 黄健, 杜瑞平, 高民. 热应激对荷斯坦奶牛体温和呼吸的影响. 中国畜牧杂志, 2012, 48(11): 59-62, 75. doi:10.3969/j.issn.0258-7033.2012.11.015.

YAO Y C, JIANG S, XIAO R, HUANG J, DU R P, GAO M. Effect of heat stress on body temperature and respiration of dairy cows. Chinese Journal of Animal Science, 2012, 48(11): 59-62, 75. doi:10.3969/j.issn. 0258-7033.2012.11.015. (in Chinese)

[21] 张志登, 敬盈嘉, 刘影, 杨玉东, 刘敏, 王玲. 热应激对泌乳奶牛生理指标及生产性能的影响. 中国畜牧杂志, 2020, 56(4): 169-172. doi:10.19556/j.0258-7033.20190613-02.

ZHANG Z D, JING Y J, LIU Y, YANG Y D, LIU M, WANG L. Effects of heat stress on physiological indexes and production performance of lactating dairy cows. Chinese Journal of Animal Science, 2020, 56(4): 169-172. doi:10.19556/j.0258-7033.20190613- 02. (in Chinese)

[22] 李林, 艾阳, 谢正露, 曹洋, 张源淑. 热应激状态下泌乳奶牛通过激活GHIGF-I轴增强糖异生变化. 中国农业科学, 2016, 49(15): 3046-3053.

LI L, AI Y, XIE Z L, CAO Y, ZHANG Y S. Lactating dairy cows under heat stress enhanced gluconeogenesis by activating the GHIGF-I axis. Scientia Agricultura Sinica, 2016, 49(15): 3046-3053. (in Chinese)

[23] 胡丽蓉, 康玲, 王淑慧, 李玮, 鄢新义, 罗汉鹏, 董刚辉, 王新宇, 王雅春, 徐青. 冷热应激对北京地区荷斯坦牛产奶性能及血液生化指标的影响. 中国农业科学, 2018, 51(19): 3791-3799.

HU L R, KANG L, WANG S H, LI W, YAN X Y, LUO H P, DONG G H, WANG X Y, WANG Y C, XU Q. Effects of cold and heat stress on milk production traits and blood biochemical parameters of Holstein cows in Beijing area. Scientia Agricultura Sinica, 2018, 51(19): 3791-3799. (in Chinese)

[24] 薛白, 王之盛, 李胜利, 王立志, 王祖新. 温湿度指数与奶牛生产性能的关系. 中国畜牧兽医, 2010, 37(3): 153-157.

XUE B, WANG Z S, LI S L, WANG L Z, WANG Z X. Temperature- humidity index on performance of cows. China Animal Husbandry ＆ Veterinary Medicine, 2010, 37(3): 153-157. (in Chinese)

[25] CARTMILL J A, EL-ZARKOUNY S Z, HENSLEY B A, ROZELL T G, SMITH J F, STEVENSON J S. An alternative AI breeding protocol for dairy cows exposed to elevated ambient temperatures before or after calving or both. Journal of Dairy Science, 2001, 84(4): 799-806. doi:10.3168/jds.S0022-0302(01)74536-5.

[26] 《江苏省气候变化评估报告》编写委员会. 江苏省气候变化评估报告. 北京:气象出版社, 2017:16-18.

COMPILATION COMMITTEE OF JIANGSU CLIMATE CHANGE ASSESSMENT REPORT. Climate change assessment report of Jiangsu Province. Beijing: Meteorological Press, 2017:16-18. (in Chinese)

[27] 董晓霞, 刘浩淼, 张超, 于海鹏, 马翀, 易晓燕, 李哲敏. 北京市气候变化对奶牛热冷应激的影响. 农业工程学报, 2013, 29(16): 198-205.

DONG X X, LIU H M, ZHANG C, YU H P, MA C, YI X Y, LI Z M. Impact of climate change on heat and cold stress of cow breeding in Beijing. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(16): 198-205. (in Chinese)

[28] 史军, 丁一汇, 崔林丽. 华东极端高温气候特征及成因分析. 大气科学, 2009, 33(2): 347-358.

SHI J, DING Y H, CUI L L. Climatic characteristics of extreme maximum temperature in East China and its causes. Chinese Journal of Atmospheric Sciences, 2009, 33(2): 347-358. (in Chinese)

[29] SUN Y, ZHANG X B, ZWIERS F W, SONG L C, WAN H, HU T, YIN H, REN G Y. Rapid increase in the risk of extreme summer heat in Eastern China. Nature Climate Change, 2014, 4(12): 1082-1085. doi:10.1038/nclimate2410.

[30] 梁梅, 吴立广. 中国东部地区夏季极端高温的特征分析. 气象科学, 2015, 35(6): 701-709.

LIANG M, WU L G. Analysis on features of summer extreme high temperature in Eastern China. Journal of the Meteorological Sciences, 2015, 35(6): 701-709. (in Chinese)

[31] 任义方, 赵艳霞, 张旭晖, 王平, 何浪. 江苏水稻高温热害气象指数保险风险综合区划. 中国农业气象, 2019, 40(6): 391-401.

REN Y F, ZHAO Y X, ZHANG X H, WANG P, HE L. Comprehensive risk regionalization of meteorological index insurance for high temperature heat damage of rice in Jiangsu Province. Chinese Journal of Agrometeorology, 2019, 40(6): 391-401. (in Chinese)

[32] 刘佶鹏. 我国政策性奶牛保险十年发展回顾及思考. 中国奶牛, 2019(10): 61-63. doi:10.19305/j.cnki.11-3009/s.2019.10.014.

LIU J P. Review and Reflection on the development of policy based cow insurance in China in the past ten years. China Dairy Cattle, 2019(10): 61-63. doi:10.19305/j.cnki.11-3009/s.2019.10.014. (in Chinese)

[33] 王丽媛, 于飞. 农业气象灾害风险分析及区划研究进展. 贵州农业科学, 2011, 39(11): 84-88.

WANG L Y, YU F. Advances in risk analysis and zoning on agro-meteorological disasters. Guizhou Agricultural Sciences, 2011, 39(11): 84-88. (in Chinese)

[34] 张慢, 王湘阳, 易建明. 牛舍温热环境对奶牛生产和健康影响的研究进展. 家畜生态学报, 2018, 39(2): 6-11.

ZHANG M, WANG X Y, YI J M. Research progress of barn microclimate on dairy cow production and health. Journal of Domestic Animal Ecology, 2018, 39(2): 6-11. (in Chinese)

[35] 杨志强, 刘李萍, 张峥臻, 金宜全, 周期, 刘军彪, 赵金鹏, 吴洁, 苏衍菁. 环境温度应激对奶牛的影响. 中国奶牛, 2020(7): 13-17. doi:10.19305/j.cnki.11-3009/s.2020.07.003.

YANG Z Q, LIU L P, ZHANG Z Z, JIN Y Q, ZHOU Q, LIU J B, ZHAO J P, WU J, SU Y J. Effects of ambient temperature stress on dairy cows. China Dairy Cattle, 2020(7): 13-17. doi:10.19305/j.cnki. 11-3009/s.2020.07.003. (in Chinese)

[36] 魏学占, 唐红艳, 杨忠霞, 蔡敬东. 气象条件对奶牛产奶量的影响及对策. 内蒙古气象, 2009(3): 23-26.

WEI X Z, TANG H Y, YANG Z X, CAI J D. The influence of meteorological condition on milk yield of dairy cow and countermeasures. Meteorology Journal of Inner Mongolia, 2009(3): 23-26. (in Chinese)

[37] 徐明, 刘桂瑞, 王斯日古楞, 玲喜, 李珺, 李文博. 牧场不同区域和奶牛生理阶段对夏季奶牛热应激程度的影响. 中国奶牛, 2016(6): 15-18. doi:10.19305/j.cnki.11-3009/s.2016.06.002.

XU M, LIU G R, WANG S, LING X, LI J, LI W B. Effect of farm locations and cow stages on heat stress of dairy cows. China Dairy Cattle, 2016(6): 15-18. doi:10.19305/j.cnki.11-3009/s.2016.06.002. (in Chinese)

[38] 杨敏, 李亚南, 田雨, 连红, 李莲. 夏季不同类型牛舍对泌乳中期奶牛热应激和生产性能的影响. 畜牧与兽医, 2021, 53(5): 37-41.

YANG M, LI Y N, TIAN Y, LIAN H, LI L. Effects of different types of cowsheds in summer on heat stress and production performance of dairy cows in the middle lactation period. Animal Husbandry ＆ Veterinary Medicine, 2021, 53(5): 37-41. (in Chinese)

[39] 贾永全. 奶牛生产风险评价方法研究. 中国生态农业学报, 2007, 15(4): 174-176.

JIA Y Q. Cow product evaluation methods of risk analysis. Chinese Journal of Eco-Agriculture, 2007, 15(4): 174-176. (in Chinese)

Risk Zoning of Heat Stress Risk Zoning of Dairy Cows in Jiangsu Province and Its Characteristics Affected by Climate Change

1Jiangsu Meteorological Service Center, Nanjing 210008;2College of Animal Science and Technology, Yangzhou University, Yangzhou 225009, Jiangsu;3College of Atmospheric Sciences, Nanjing University of Information Science and Technology, Nanjing 210008;4Jiangsu Zhenyuan Applied Meteorology Research Institute Co., Ltd, Nanjing 211100

【Objective】The aim of this study was to master the occurrence law of cow heat stress under the background of climate change to optimize the production management of pasture and to promote ecological and healthy breeding level of dairy cows, which could provide the reference for optimizing the layout of animal husbandry, intelligent management and control of pasture, site selection and transformation, benefit improvement and so on. 【Method】Taking Jiangsu Province as an example, the risk index (RI) was constructed based on the temperature humidity index (THI) by using the Era5 data set of global atmospheric reanalysis data from 1980 to 2020, which represented the degree of cow heat stress. The K-means clustering algorithm was selected to realize the risk zoning of heat stress of dairy cows, and the regional evaluation was carried out in combination with the characteristics of occurrence intensity, frequency, start and end time, as well as duration of heat stress. The climate tendency rate was calculated to analyze the change trend of the characteristics of cow heat stress in the different risk areas. Based on the cumulative temperature humidity index (CTHI), Mann-Kendall test was used to determine the climate mutation points in the different risk areas. Furthermore, the impacts of climate change on the occurrence characteristics of cow heat stress in different risk areas were analyzed from the daily and hourly time scales, respectively. 【Result】The risk of heat stress of dairy cows in Jiangsu Province presented the distribution features of "high in the southwest and low in the northeast". The low-risk areas mainly included Huaibei and the middle-eastern area of Yangtze River and Huai River valley. The regional averaged value of THI was 73.63, and the mild heat stress mainly occurred. The high-risk areas mainly included the areas along the southern Jiangsu and the west area of Yangtze River and Huai River valley. The regional averaged value of THI was 75.12, and the occurrence frequency of mild and moderate thermal stress was nearly the same. In the low-risk and high-risk areas, the start and end time of heat stress showed an advanced and delay trend, and the duration days showed an extended trend of 4.0 d/(10a) and 4.2 d/(10a), respectively, the values of THI all showed an increasing trend of 0.2/(10a), while the value of CTHI showed an increasing trend of 301.2/(10a) and 256.1/(10a), respectively. The frequencies of mild thermal stress were bimodal, which mainly occurred from the early-June to the mid-July, and from the early-August to the middle-September, while the frequency of moderate thermal stress was unimodal, which mainly occurred from mid-July to mid-August. The change of daily heat stress intensity basically presented a distribution of "sinusoidal", and the high incidence period was concentrated in 11:00-17:00. Affected by climate change, the heat stress of dairy cows in Jiangsu Province showed an obvious increasing trend, reaching a small peak in 2010. Then after a decline, it showed a steady strengthening trend, which exceeded the threshold of 0.05 significance level. In the low and high risk areas, the highly impacted periods of cow heat stress were prolonged, the occurrence frequency increased, the coverage increased, and the starting-time moved forward. The daily beginning time of the high incidence period of cow heat stress moved forward for about 1 hour, and the intensity of heat stress in high-risk areas was basically increased close to the medium level. 【Conclusion】Based on THI, RI and CTHI, the risk zoning assessment and climate impact analysis of cow heat stress could be realized, the high-risk areas as well as key prevention and control periods of cow heat stress could be determined, and the climate change trend could be grasped. With the climate change, the heat stress of dairy cows in Jiangsu Province showed the characteristics of "earlier, stronger, longer and more", which should be actively dealt with.

Jiangsu Province; cow; heat stress; risk zoning assessment; climate change