Giessener Elektronische Bibliothek

GEB - Giessener Elektronische Bibliothek

Vokalisation und Lokomotion von Saugferkeln im Open Field

Hofmann, Manja


Originalveröffentlichung: (2010) Giessen : VVB Laufersweiler
Zum Volltext im pdf-Format: Dokument 1.pdf (2.989 KB)


Hinweis zum Urheberrecht

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:hebis:26-opus-81441
URL: http://geb.uni-giessen.de/geb/volltexte/2011/8144/

Bookmark bei Connotea Bookmark bei del.icio.us


Universität Justus-Liebig-Universität Gießen
Institut: Institut für Tierzucht und Haustiergenetik
Fachgebiet: Veterinärmedizin
DDC-Sachgruppe: Landwirtschaft
Dokumentart: Dissertation
Zeitschrift, Serie: Edition scientifique
ISBN / ISSN: 978-3-8359-5755-8
Sprache: Deutsch
Tag der mündlichen Prüfung: 08.11.2010
Erstellungsjahr: 2010
Publikationsdatum: 01.06.2011
Kurzfassung auf Deutsch: Auf der Lehr- und Forschungsstation Oberer Hardthof des Institutes für Tierzucht und
HaustierGenotyp der Justus-Liebig-Universität Gießen wurden in einem
schallgedämmten Open Field 628 Saugferkel im Alter von 9 Tagen jeweils für 10
Minuten unter dem Aspekt der Vokalisation und Lokomotion untersucht. Die
Saugferkel entstammten den Rassen Deutsches Edelschwein, Pietrain und Duroc
sowie den Rassekreuzungen Deutsches Edelschwein x Pietrain und Deutsche
Landrasse x Pietrain.
Die Lautäußerungen der Saugferkel wurden mit dem Lautanalyseprogramm Avisoft
SASLab Pro® Recorder (Avisoft Bioacoustics) in digitalisierter Form aufgenommen
und mit Avisoft SASLab Pro® bezüglich verschiedener Lautparameter (Lautlänge,
Peakfrequenz, Abstand zwischen dem 75 %- und 25 %-Frequenzquartil, Entropie)
analysiert. Außerdem wurden die Anzahl der Laute im gesamten Zeitraum (10
Minuten) sowie in der 1., 5. und 10 Minute ausgewertet. Zeitgleich wurden Videos
aufgenommen, die der Auswertung der Lokomotion, des Fluchtverhaltens und des
Eliminationsverhaltens dienten. Die automatische Klassifizierung der Laute erfolgte
mit einem speziell entwickelten Analyseprogramm basierend auf LabVIEW (National
Instruments, USA), das anhand von LPC-Koeffizenten die Laute charakterisiert. Die
Ferkel wurden bezüglich Körperlänge und Brustumfang zum Test vermessen.
Ziel der vorliegenden Arbeit war es, verschiedene Einflüsse (Genotyp, Geschlecht,
Wurf, Körpermaße und Tageszeit), die auf die quantitative und qualitative
Lautgebung einwirken können, zu untersuchen. Geprüft wurde auch, ob eine
automatische Klassifizierung von 3 Lauttypen (Grunzlaut, Quieklaut, Schrei) möglich
ist und mit welcher Genauigkeit diese klassifiziert werden können. All dies hat
übergreifend und langfristig das Ziel, die Ferkel anhand der ermittelten
Lautparameter individuell in ihrer Lautgebung zu charakterisieren.
Folgende Ergebnisse wurden ermittelt.
Der Genotyp hatte einen signifikanten Einfluss auf die Gesamtlautanzahl/10 min und
auf die betrachteten Zeitabschnitte (1., 5., 10. Minute des Open Field Tests). Dabeizeigte sich, dass die Ferkel der Rasse Deutsches Edelschwein mit Abstand am
wenigsten vokalisierten (287,29 ± 37,08 Laute/10 Minuten) und die beiden
Rassekreuzungen die höchste Gesamtlautanzahl/10 Minuten aufwiesen.
Der Genotyp hatte ebenfalls einen signifikanten Einfluss auf Körperlänge und
Brustumfang. Ferkel der Rasse Deutsches Edelschwein waren die größten Tiere
(Körperlänge = 42,09 ± 0,53 cm; Brustumfang = 36,41 ± 0,49 cm).
Das Fluchtverhalten unterschied sich signifikant zwischen den Genotypen. Dabei
zeigten die Probanden der Rassekreuzung aus Deutsche Landrasse x Pietrain die
geringste Anzahl an Ausbruchversuche (5,36 ± 0,58-mal) und die Tiere der Rasse
Duroc den höchsten Wert (10,38 ± 1,33-mal).
Die Lautparameter Lautlänge, Peakfrequenz, Abstand zwischen dem 75 %- und 25
%-Frequenzquartil und Entropie bei den 3 verschiedenen Lauttypen (Grunzlaut,
Quieklaut und Schrei) wurden durch den Genotyp beeinflusst. Die genetische
Herkunft hatte keine Auswirkung auf die Lokomotion.
Das Geschlecht hatte auf die Gesamtlautanzahl bzw. auf die Zahl der Laute in den
ausgewählten Zeiträumen (1., 5. und 10. Minute), die Lokomotion und das
Fluchtverhalten während des Open Field Tests, auf die Körpermaße sowie auf die
Lautparameter bei den Lauttypen keinen signifikanten Einfluss.
Von maximal 15 Sauen konnten die Ferkel mehrerer aufeinanderfolgenden Würfe
hinsichtlich Lautanzahl, Lokomotion, Fluchtverhalten und den Lautparametern
analysiert werden. Es traten zwar signifikante Einflüsse auf alle Parameter auf, eine
biologische Gesetzmäßigkeit lies sich daran allerdings nicht ableiten, da sich bei
einigen Sauen mit zunehmenden Alter die Zeitparameter bei ihren Nachkommen
positiv, bei anderen Sauen negativ und in einer dritten Kategorie ungerichtet
änderten.
Die Tageszeit, geteilt in Vormittag (7:00 bis 11:00 Uhr) und Mittag- sowie Nachmittag
(ab 11:00 bis 17:00) hatte einen signifikanten Einfluss auf die Lokomotion der Ferkel.
In den Vormittagsstunden wurde eine Wegstrecke von 110,26 ± 4,24 m und in den
Mittags- und Nachmittagsstunden eine von 97,01 ± 4,65 m zurückgelegt. Die
Vokalisationshäufigkeit blieb von der Tageszeit unberührt.Der Kot- und Harnabsatz wurde für die Berechnung der Vokalisationshäufigkeit und
der Lokomotion pro Zeiteinheit (Sekunde) im statistischen Modell als fixer Effekt
behandelt. Die Zeit, die für Kot- und Harnabsatz benötigt wurde, wurde von der
Gesamtzeit des Open Field Tests abgezogen. Mit dieser ermittelten Zeit wurde die
Lautanzahl und Lokomotion pro Sekunde berechnet. Das Eliminationsverhalten
zeigte einen signifikanten Einfluss auf die Lautanzahl und Lokomotion pro Sekunde.
Einen Einfluss der Körpermaße (Körperlänge und Brustumfang) auf die
Lautparameter konnte nicht nachgewiesen werden. Es ergab sich zwar eine positive
Korrelation zwischen Brustumfang und Lautlänge, die anderen Lautparameter
wiesen nur sehr geringe Korrelationen mit den Körpermaßen auf.
Die von Störgeräuschen freien Laute wurden durch die Diskriminanzanalyse zu einer
der 3 Lauttypen (Grunzer, Quieker, Schreie) zugeteilt. Die Fehlklassifizierung lag
innerhalb der Grunzlaute bei ≤ 0,15 %. Bei den Schreien lag diese um 20 %, nur die
Quieklaute konnten der jeweiligen Gruppe schwer zugeordnet werden. Eine
Fehlklassifizierung von 30 bis 50 % musste hingenommen werden.
Zusammenfassend ist festzustellen, dass mit der vorgelegten Arbeit unter
standardisierten Bedingungen signifikante Unterschiede in der Vokalisation von
Ferkeln verschiedener Genotypen nachgewiesen werden konnten. Zwischen den
Geschlechtern gab es keine gravierenden Differenzen. Zwischen den Ferkeln
aufeinanderfolgender Würfe bestanden deutliche und teilweise gesicherte
Unterschiede in der Vokalisation, ohne allerdings eine Wiederholbarkeit in
verschiedenen Lautparametern bei Ferkeln konsekutiver Würfe derselben Sau
feststellen zu können.
Auf Grund der erhaltenen Ergebnisse scheint es möglich, eine Kategorisierung von
Ferkeln im Sinne einer Phänotypisierung vornehmen zu können.
Kurzfassung auf Englisch: The investigation took place on the research and breeding station “Oberer Hardthof“
of the department of animal breeding and genetics of the Justus-Liebig-University
Giessen. A total number of 628 suckling piglets aged 9 days were used for an open
field test. The test took 10 minutes and was carried out under the aspect of
investigating the vocalization and locomotion of these piglets. The breeding of the
piglets were German Edelschwein, Pietrain, Duroc and the crossbreeds of German
Landrace x Pietrain and German Edelschwein x Pietrain.
The piglet’s vocalization was recorded by the use of an analyzing program named
Avisoft SASLab Pro® (Avisoft Bioacoustics, Berlin). Later the vocalization was
analyzed concerning different parameters like duration, peak frequency, range
between the 75th and 25th frequency quartiles and entropy. Furthermore, the number
of calls during the 10 minutes, in the 1st, 5th and 10th minute of the open field test and
the piglet’s behaviour (locomotion, escape behaviour and elimination) was analyzed.
Another step was the classification of the calls by using a specially created
automated recording system based on LabVIEW (National Instruments, USA). This
system combines Linear Prediction Coding (LPC) with an artificial neural network to
differentiate the calls. After the open field test the piglets’ chest-measurement and
body length were measured.
The aim of this study was the analysis of different effects (genotype, sex, litter, body
size, daytime), which could affect the quantity and quality of the piglets’ vocalization.
Furthermore, the automated classification of the calls was investigated, i.e. to find out
whether the calls could be differentiated into 3 call types (grunt, squeal and scream)
and how precise the classification would be. The study has the long-term aim to
characterize piglets individually with their vocalization.
The following results were found:
The genotype had a significant influence on the number of calls during the 10
minutes as well as in the 1st, 5th and 10th minute of the open field test. The piglets ofthe breed German Edelschwein vocalized least of all (287,29 ± 37,08 calls/minute)
and the crossbreed piglets most.
The genotype had also an influence on the body-size. The German Edelschweinpiglets
had the tallest chest-measurement (36,41 ± 0,49 cm) and body length (42,09
± 0,53 cm).
The escape behaviour differed between the genotype. The crossbreed piglets
(German Landrace x Pietrain) showed the lowest number of escape attempts (5,36 ±
0,58-times/10 minutes) and the Duroc-piglets the highest with 10,38 ± 1,33-times/10
minutes.
The call parameters duration, peak frequency, range between the 75th and 25th
frequency quartiles and entropy within the call types were influenced by the
genotype.
The locomotion was not influenced by the genotype.
The sex showed no significant influence of the number of calls, locomotion, and
escape behaviour during the open field test and the body-size.
It was possible to analyze consecutive litters of 15 different sows regarding number
of calls, locomotion, escape behaviour and the call parameters. The results show no
significant differences between the consecutive litters in all parameters, but a
biological characteristic could not be found. With the sows age their descendants
showed an increase, a decrease or a constant course concerning the parameters.
The daytime, divided into morning (7:00 – 11:00 am) and afternoon (from 11:00 – 5
pm), had a significant influence on the piglets’ locomotion. In the morning the
distance the piglets walked was 110,26 ± 4,24 m and in the afternoon 97,01 ± 4,65
m. The number of calls remained unaffected by the daytime.
The elimination was used as a fixed effect in the statistical model and was supposed
to calculate the calls or locomotion per unit of time (second). The time it took the
piglets urinate and defecate was subtracted from the total time of 10 minutes. With
this calculated time the number of calls as well as the locomotion was calculated. The
elimination behaviour showed a significant influence of the number of calls and their
locomotion.
An influence of body-size (chest-measurement and body length) on the call
parameters could not be found. There was a positive correlation between chestmeasurement
and call duration, but the other parameters showed a very low
correlation to the body size.
The use of the discriminant analysis supports the classification of the calls, which
were free of background noise, into one of the 3 call types (grunt, squeal, scream).
The misclassification amounted within the grunts ≤ 0,15 % and within the screams
approximately 20 %. The squeals could not be assigned so easily into the call type
“squeal”, because the misclassification was 30 to 50 %.
In summarising it can be stated that there are significant differences which could be
found in the vocalization between 9 day old piglets’ different genotypes. Between
female and male piglets there were no huge differences. Between piglets of
consecutive litters existed differences, partly significant, in the vocalization, without
finding repeatability in the call parameter within consecutive litters.
On the basis of these results it seems to be possible to categorize piglets in the
sense of phenotyping.