Благополучие КРС при тепловом стрессе в условиях изменения климата (обзор)

Данная работа представляет собой нарративный обзор, посвящённый различиям между европейским скотом и зебу в их устойчивости к воздействию неблагоприятных факторов окружающей среды. Обзор подготовлен на основе научных статей, диссертаций и технических документов, доступных в таких признанных базах данных, как Web of Science, ScienceDirect, Scopus и PubMed, с преимущественным отбором актуальных исследований за период с 2020 по 2025 год.

В качестве метода использован нарративный обзор, в рамках которого были отобраны публикации, освещающие физиологические, поведенческие, биоклиматические и адаптивные продукционные параметры каждой группы животных, что позволило провести сравнительный анализ их основных характеристик. Результаты показывают, что европейский скот, несмотря на высокую продуктивность, хуже адаптирован к высоким температурам, тогда как зебу отличаются выносливостью, устойчивостью к жаре и меньшей подверженностью заболеваниям. В заключении делается вывод, что анализ этих различий имеет ключевое значение для выбора пород, разработки стратегий селекционно-племенной работы и внедрения более устойчивых систем производства, что способствует повышению эффективности животноводства и его устойчивости в различных климатических условиях.

Благополучие крупного рогатого скота является центральной проблемой современного животноводства, особенно в контексте растущих требований к устойчивости, эффективности и устойчивости производственных систем (1, 2). Среди факторов, влияющих на благополучие животных, климатическая среда играет решающую роль, напрямую влияя на комфорт, здоровье и продуктивные показатели (3). Экологические переменные, такие как температура воздуха, относительная влажность, солнечная радиация и скорость ветра, при интегрированном анализе с помощью таких индексов, как температурно-влажностный индекс (THI), позволяют более последовательно оценивать тепловые условия, в которых находится крупный рогатый скот (4).

Оценка благополучия крупного рогатого скота в климатических условиях основана на физиологических, поведенческих, продуктивных и биоклиматических показателях (5). Изменения физиологических реакций и поведения, а также вариации продуктивных показателей широко используются для выявления ситуаций теплового стресса и их последствий для благополучия животных (6–11). Комплексная интерпретация этих показателей позволяет выявить критические сценарии теплового стресса, которые ставят под угрозу как продуктивность животных, так и их благополучие (12).

Биоклиматические индексы широко применяются для количественной оценки влияния экологических условий на тепловой комфорт крупного рогатого скота, позволяя характеризовать тепловой стресс в различных производственных системах (13, 14). Среди наиболее часто используемых индексов — температурно-влажностный индекс (THI), индекс температуры и влажности по черному шару (BGHI), индекс теплового комфорта Бенезра (BTCI), индекс экологического стресса (ESI), индекс эквивалентной температуры (ETI), Иберийский индекс тепловой толерантности (IHT) и индекс тепловой нагрузки (TLI) (4, 15).

Несмотря на обширный объем исследований, посвященных физиологическим, поведенческим, продуктивным и биоклиматическим реакциям на тепловой стресс, доступная литература остается фрагментированной, при этом большинство исследований анализируют эти показатели изолированно (6, 16–18). Эта фрагментация ограничивает всестороннее понимание взаимодействий между показателями и их совокупных последствий для благополучия крупного рогатого скота, особенно в условиях изменения климата и усиления интенсификации производства. В этом контексте необходим интегрированный синтез недавних научных данных для поддержки принятия решений в области управления животными и стратегий смягчения теплового стресса (14, 19–22).

Гипотеза заключается в том, что интеграция физиологических, поведенческих и продуктивных показателей позволяет более точно оценивать благополучие крупного рогатого скота в условиях теплового стресса. Также предполагается, что биоклиматические индексы различаются по чувствительности и применимости в зависимости от условий окружающей среды и производственных систем, что влияет на их эффективность в выявлении теплового стресса. Наконец, постулируется, что внедрение технологических инструментов мониторинга улучшает оценку теплового стресса и определяет более эффективные стратегии управления в сценариях изменения климата.

Таким образом, в данной рукописи предлагается интегрированный синтез исследований, опубликованных в период с 2020 по 2025 год, с включением технологических достижений, применяемых в области экологического мониторинга и терморегуляции крупного рогатого скота в тропических и субтропических регионах. Следовательно, целью данного исследования было проведение интегрированного анализа показателей благополучия сельскохозяйственных животных в условиях теплового стресса: обзор в сценариях изменения климата.

Для подготовки данного обзора был проведен библиографический поиск в базах данных Web of Science, ScienceDirect, Scopus и PubMed, которые являются научными базами данных, способными хранить статьи высокого качества. Были использованы следующие ключевые слова: «показатели благополучия животных», «тепловой стресс у крупного рогатого скота», «биоклиматология животных» и «скотоводство и производственные системы».

Критериями включения были полные тексты, написанные на английском, португальском и испанском языках, в которых представлено обсуждение показателей благополучия животных, связанных с климатической средой. Статьи исключались, если они не соответствовали цели исследования. В данном исследовании был выбран временной промежуток с 2020 по 2025 год, и при поиске не соблюдался географический порядок.

Исследования были разделены по названию и аннотации, после чего проанализированы в четырехкратном повторении авторами независимо друг от друга во избежание влияния. Переменные, извлеченные и проанализированные из рукописи, включали год публикации исследования, название, вид, породу, количество животных в исследовании, экспериментальный дизайн, примененные технологии и страну.

Таким образом, вся доступная литература была рассмотрена до завершения поиска в базах данных. В данном обзоре было процитировано 158 источников. В этом исследовании данные были организованы в электронные таблицы, а затем оценены и представлены в форматах таблиц и графиков для облегчения понимания читателем. Та же методология использовалась в исследованиях Mota-Rojas и др. (23), Rodrigues и др. (24), Ghezzi и др. (25) и Mota-Rojas и др. (26).

На рисунке 1 показаны страны, которые проводили исследования показателей благополучия животных, связанных с климатической средой. В дополнительной таблице S1 представлены различные экспериментальные исследования с указанием года публикации исследования, названия статьи, вида, породы, количества животных в исследовании (NA), экспериментального дизайна и примененных технологий в соответствии с Page и др. (27).

Рисунок 1 – Карта стран, обнаруженных при поиске в базах данных и использованных в данном обзоре. Авторство (2025).

3.1 Благополучие в скотоводстве

Благополучие животных является одной из центральных опор современного скотоводства, признаваемой фундаментальным требованием для устойчивости, продуктивности и качества продукции животного происхождения (28). Его важность выходит за рамки этических аспектов, охватывая экономические, экологические и социальные факторы, которые определяют конкурентоспособность сектора перед лицом все более требовательных потребителей (29). Всемирная организация по охране здоровья животных определяет благополучие как состояние, в котором животное здорово, хорошо упитано, комфортно, способно проявлять свое естественное поведение и свободно от боли, страха или страданий, что закрепляется как международный эталонный параметр (14, 16, 18).

Потребительский рынок придает все большее значение методам управления, способствующим благополучию животных, ценя продукцию из этичных и устойчивых систем (30). Такой спрос стимулирует внедрение протоколов и сертификаций, таких как Welfare Quality®, который оценивает благополучие на основе объективных показателей, связанных со здоровьем, питанием, средой обитания и поведением (31). Таким образом, благополучие становится не только моральным вопросом, но и конкурентным преимуществом и требованием для удовлетворения запросов потребительского рынка (16, 28, 32).

Оценка включает множество факторов, включая питание, здоровье, среду обитания, свободу передвижения и эмоциональное состояние (33). Животные, подвергающиеся стрессу, страху или дискомфорту, демонстрируют физиологические и поведенческие изменения, которые ставят под угрозу продуктивные показатели, воспроизводство и качество мяса и молока (34, 35). Таким образом, создание благоприятных условий и внедрение адекватных методов управления являются важнейшими стратегиями для баланса между продуктивностью и комфортом животных (36).

Питание является одним из основных аспектов поддержания благополучия, поскольку сбалансированные рационы обеспечивают адекватное физическое развитие, большую устойчивость к болезням и снижение стресса (37). Кроме того, доступное пространство и условия физического комфорта являются определяющими; переполненные или неадекватные помещения увеличивают заболеваемость и снижают продуктивные показатели, тогда как помещения, обеспечивающие вентиляцию, освещение, тепловой комфорт и доступ к чистой воде, благоприятствуют здоровью и естественному поведению животных (17, 38, 39).

Производственные системы в скотоводстве могут классифицироваться как экстенсивные, полуинтенсивные и интенсивные в зависимости от технологического уровня и используемой инфраструктуры (3). Экстенсивная система характеризуется естественными пастбищами, низкой плотностью поголовья и меньшим вмешательством человека, с более низкими затратами, но с вариациями продуктивности (40). Полуинтенсивная система интегрирует выпас и стратегическую подкормку, обеспечивая питательную стабильность и большую регулярность производства (24). Интенсивные системы, с другой стороны, предполагают содержание в стойлах и сбалансированные рационы, позволяя осуществлять больший контроль над производством, но с возможными последствиями для благополучия из-за ограниченности пространства (30, 32, 41).

Глобализация и спрос на этические стандарты стимулируют стандартизацию протоколов обращения, транспортировки и убоя, направленную на снижение экономических потерь и обеспечение эффективности на протяжении всей производственной цепочки (32). В то же время общество требует прозрачности и этической ответственности в обращении с животными, подкрепляя важность практик, уважающих благополучие (42). Доклад Брамбелла (43), историческая веха концепции, уже выделял основные рекомендации, такие как адекватное пространство, доступ к воде и качественному корму, принципы, которые остаются центральными для современного животноводства.

В научной сфере оценка благополучия эволюционировала от простого предотвращения негативных переживаний к оценке положительных состояний и возможностей для поведенческого самовыражения (44). Согласно Barreto и др. (45), Pichlbauer и др. (46) и Singaravadivelan и др. (47), длительное нарушение благополучия, как это происходит в неадекватных помещениях, более вредно, чем изолированные эпизоды острой боли. Таким образом, текущая задача заключается в разработке показателей, которые измеряют не только отсутствие страданий, но и наличие положительных переживаний, закрепляя комплексный подход (15).

3.2 Влияние климатической среды

Среда играет решающую роль в продуктивности и благополучии сельскохозяйственных животных, особенно в тропических и субтропических регионах, где колебания температуры, влажности и радиации интенсивны (48). На практике многие производители сталкиваются с отягчающим фактором: удаление естественной растительности для создания пастбищ и кормовых культур, что резко сокращает доступность естественной тени, подвергая животных большей тепловой нагрузке и снижая поведенческие возможности для облегчения теплового состояния (49). Когда адаптивная способность превышается, наступает тепловой стресс с негативными последствиями для здоровья, воспроизводства и продуктивности (50).

Взаимосвязь между климатом и продуктивностью сложна и осложняется экономическими ограничениями производителя (51). Высокие температуры и высокая влажность снижают потребление корма и изменяют потребности в питательных веществах, что приводит к снижению привесов и производства, однако подкормка для компенсации этих потерь влечет за собой дополнительные затраты, которые не все системы могут выдержать (52). Во многих фермерских хозяйствах трудности с доступом к финансовым ресурсам для приобретения концентратов, хранения и транспортировки ресурсов усугубляют производственную уязвимость перед лицом длительных волн тепла (53).

Поведенчески крупный рогатый скот прибегает к таким реакциям, как поиск тени, снижение активности и увеличение частоты дыхания для рассеивания тепла, однако эти стратегии неэффективны, когда тень отсутствует или недостаточна (54). Строительство навесов, установка механической вентиляции, систем распыления и других охлаждающих устройств требуют первоначальных инвестиций и эксплуатационных расходов (энергия, обслуживание), что ограничивает их внедрение, особенно в малых хозяйствах (55). Таким образом, социально-экономические условия производителя напрямую влияют на способность смягчать климатические воздействия (рисунок 2) (56).

Рисунок 2 – Поведение молодых бычков пород неллор и каншин, содержащихся на пастбище под полным солнцем или в интегрированных системах растениеводство-животноводство-лесоводство. (A) Время отдыха в положении лежа; (B) Время выпаса; и (C) Время пережевывания жвачки в положении лежа. Адаптировано из Moraes и др. (40). Полное солнце (FS) и интегрированная система растениеводство-животноводство-лесоводство (ICLF).

Учитывая эту ситуацию, биоклиматология животных предоставляет ценные инструменты для выявления тепловых рисков и определения приоритетности вмешательств, однако внедрение должно учитывать технически эффективные и финансово жизнеспособные альтернативы (4, 26). Низкозатратные и высокоэффективные стратегии — такие как затенение древесными коридорами, ротационное управление для сохранения травяного покрова, улучшение водопоев и корректировка графиков управления и кормления — в сочетании с генетическим отбором более адаптированных животных, программами сельской консультационной помощи и политикой финансирования, являются практическими мерами, повышающими устойчивость производственных единиц и способствующими комфорту в реальных производственных условиях (14).

3.3 Связанные с климатом показатели благополучия животных

Комфорт в условиях теплового стресса может оцениваться на основе показателей, преобразующих климатические факторы, такие как температура, влажность, солнечная радиация и скорость ветра, в сигналы, отражающие фактическое состояние крупного рогатого скота (57). Эти показатели позволяют понять, как окружающая среда влияет на здоровье, комфорт и продуктивные показатели, и используются в качестве практических инструментов для управления (58). Для большей точности важно связывать экологические измерения с реакциями, непосредственно наблюдаемыми у животных, обеспечивая более быструю диагностику и эффективные вмешательства (59).

Выбор показателей варьируется в зависимости от целей каждого хозяйства и реальности, с которой сталкивается каждый производитель. Они могут использоваться с целью профилактики, используя экологические индексы как «предупреждение о риске» (60–62). В других ситуациях акцент делается на диагностику, используя физиологические или продуктивные признаки для оценки серьезности проблемы (63, 64).

В повседневной жизни ферм ценность показателей заключается в способности преобразовывать данные в практические и доступные решения (3, 14, 65). Температурно-влажностный индекс (THI), например, широко используется как ориентир теплового риска, в то время как наблюдение за изменениями в поведении, такими как усиленный поиск тени или изменение режима жвачки, позволяет проводить быстрые вмешательства (63, 66). Физиологические параметры, такие как частота дыхания или температура тела, и продуктивные параметры, такие как снижение потребления корма и уменьшение производства молока, помогают измерить интенсивность теплового стресса (64, 67).

Однако многие производители сталкиваются с препятствиями, затрудняющими применение этих показателей на практике. Отсутствие древесного покрова на пастбищных участках, являющееся результатом вырубки лесов для создания монокультур кормовых растений, резко снижает доступность естественной тени (68). Аналогично, ограниченность финансовых ресурсов ограничивает установку навесов, вентиляции или систем охлаждения, делая невозможным внедрение более передовых технологий в малых и средних хозяйствах (69). Этот сценарий подчеркивает необходимость поэтапного подхода с приоритетом низкозатратных и более эффективных мер (56).

С этой точки зрения, интеграция простых и доступных альтернатив, таких как использование деревьев для затенения, ротационное управление пастбищами и корректировка времени подачи корма, значительно снижает воздействие тепла на крупный рогатый скот (68, 70). Эти практики могут дополняться, когда это возможно, более сложными технологиями, такими как датчики теплового мониторинга, инфракрасная термография или системы охлаждения, которые обеспечивают большую точность в диагностике и контроле дискомфорта (26, 71). Таким образом, баланс между экономической целесообразностью и технической эффективностью становится важнейшим для обеспечения благополучия животных и устойчивости производственных систем (14, 67).

3.3.1 Физиологические и гормональные показатели

Считаются прямыми измерениями реакции крупного рогатого скота на тепловой стресс, отражая изменения в дыхательной и кровеносной системах (59, 72). Наиболее часто используемыми физиологическими показателями являются частота сердечных сокращений, частота дыхания, ректальная температура и температура поверхности, которые увеличиваются пропорционально длительному воздействию высоких температур окружающей среды. Кроме того, физиологические параметры связываются с гормональными показателями, такими как кортизол, инсулиноподобный фактор роста 1 (IGF-1), T3, T4, глюкоза и неэтерифицированные жирные кислоты (NEFA), что помогает оценивать благополучие крупного рогатого скота (таблица 1) (73, 74).

Таблица 1 – Физиологические и гормональные показатели.

Недавние исследования показывают, что молочный скот в регионах с жарким климатом демонстрирует значительное увеличение частоты дыхания при воздействии прямого солнечного излучения и высокой влажности (75, 76). Эта реакция представляет собой механизм терморегуляции, но при длительном воздействии приводит к большему расходу энергии и снижению продуктивных показателей (77, 78). В тропических условиях этот показатель становится еще более актуальным из-за интенсивности и продолжительности критических периодов (79).

Новые технологии, такие как рубцовые датчики и мониторинговые ошейники, позволили вести непрерывную запись внутренних параметров, таких как температура рубца и глазного яблока (75, 76). Эти данные обеспечивают большую точность в ранней диагностике теплового стресса и позволяют проводить быстрые вмешательства (80). Однако высокие затраты и необходимость в подключении к сети ограничивают применение в малых фермах, где по-прежнему преобладает прямое наблюдение за клиническими признаками, такими как хрипы и чрезмерное слюноотделение (75, 81).

Получение результатов этих показателей необходимо для понимания воздействия теплового стресса на крупный рогатый скот (57). Эти параметры предоставляют объективную информацию об адаптации организма к условиям окружающей среды и являются решающими в тропических регионах, где колебания температуры и влажности интенсивны (рисунок 3) (15, 40).

Рисунок 3 – Влияние теплового стресса на физиологические и метаболические параметры крупного рогатого скота. Авторство 2025. NEFA, неэтерифицированные жирные кислоты; IGF-1, инсулиноподобный фактор роста 1-го типа; T3, трийодтиронин; T4, тироксин.

Частота сердечных сокращений (ЧСС) колеблется в пределах 60–80 уд/мин у взрослых животных в состоянии покоя; значения выше 90 уд/мин указывают на тепловой стресс, боль или метаболические нарушения (6, 12, 79). Увеличение ЧСС отражает усиление периферического кровообращения для увеличения теплоотдачи (63, 74). Исследования в пастбищных системах показывают, что животные с более низким социальным рангом имеют тенденцию к более высокой ЧСС в ответ на жару (82, 83).

ЧСС отражает активность вегетативной нервной системы и баланс между симпатическим и парасимпатическим отделами (84). В условиях теплового стресса ЧСС увеличивается из-за активации симпатической системы, которая способствует периферической вазодилатации и увеличивает сердечный выброс для рассеивания тепла (6, 7). Постоянно высокие значения указывают на непрерывное усилие организма, которое может привести к сердечно-сосудистому утомлению, снижению потребления корма и падению продуктивности (79).

Частота дыхания (ЧД) очень чувствительна к тепловым изменениям: у крупного рогатого скота в комфортных условиях она составляет 24–36 движений/мин, тогда как 60–80 движений/мин указывают на умеренный дискомфорт, а >100 движений/мин — на сильный стресс (14, 64, 82). Увеличение ЧД является результатом необходимости большего газообмена для рассеивания испарительного тепла в верхних дыхательных путях (72).

Увеличение ЧД отражает прямую реакцию на необходимость испарительного рассеивания тепла в дыхательных путях, что активирует дыхательные центры в продолговатом мозге и варолиевом мосту, повышая ЧД для увеличения газообмена и поддержания гомойотермии (47, 63). Длительно сохраняющиеся высокие частоты могут вызывать гипервентиляцию, обезвоживание и снижение эффективности кормления, негативно влияя на репродуктивные и продуктивные показатели (75, 77).

Ректальная температура является основным показателем температуры ядра тела (85). Нормальные значения составляют от 38,0 °C до 39,3 °C; показания выше 39,5 °C указывают на гипертермию, тогда как стойкая температура выше 40 °C отражает интенсивный стресс и нарушение производства молока (58, 72, 75). Исследования в Западной Амазонии показывают, что длительное пребывание на солнце значительно повышает ректальную температуру, влияя на потребление корма и продуктивную эффективность (4, 56).

Будучи прямым показателем внутренней тепловой нагрузки, ректальная температура в момент, когда животное находится в тепловом стрессе, увеличивается за счет эндогенного термогенеза, в то время как механизмы теплоотдачи (дыхание, потоотделение, теплопроводность и излучение) пытаются компенсировать это (40, 58). Температуры выше нормальных указывают на то, что способность к теплообмену недостаточна, что влияет на метаболизм, потребление корма и лактацию (14, 67).

Температура поверхности может быть получена с помощью инфракрасной термографии или цифровых поверхностных термометров, которые используются для оценки термолиза и выявления горячих зон, связанных с тепловым стрессом, таких как глаз, морда и вымя. У крупного рогатого скота нормальные значения колеблются от 34 °C до 36 °C, тогда как температуры выше 38 °C указывают на острый стресс (47, 63, 86). Инфракрасная термография, уже зарекомендовавшая себя как неинвазивный инструмент, позволяет картировать распределение тепла тела и выявлять участки повышенной температуры без фиксации животного (3, 86), хотя она чувствительна к воздействию окружающей среды, такой как солнечная радиация, ветер и влажность, что требует стандартизации измерений (87, 88).

Цифровой поверхностный термометр, в свою очередь, обеспечивает быстрые и простые измерения в полевых условиях и менее чувствителен к изменениям окружающей среды, но он фиксирует только температуру в точке контакта и может вызывать незначительные тепловые изменения или стресс во время обращения (4, 81, 89). Таким образом, изменения в картине температуры поверхности — отражающие периферическую вазодилатацию во время теплового воздействия — могут быть обнаружены на ранней стадии (86, 90), а комбинация термографии и поверхностной термометрии обеспечивает более надежную оценку теплового статуса и комфорта животных в практических условиях управления (91) (рисунок 4).

Рисунок 4 – Применимость полевой инфракрасной термографии. Измерения анатомических областей: SP1 и SP2 — голова; SP3 и SP4 — подмышечная впадина; SP5 и SP6 — бок; и SP7 и SP8 — круп.

Гормоны, с другой стороны, также предоставляют важную информацию о физиологическом состоянии (92). Сывороточный кортизол имеет референтные значения 1–6 мкг/дл, причем уровни >10 мкг/дл ассоциируются с острым стрессом (93, 94). IGF-1, являясь маркером роста и воспроизводства, имеет нормальные уровни 150–300 нг/мл, снижаясь ниже 100 нг/мл при длительном стрессе (95, 96). Тиреоидные гормоны T3 (0,5–2,0 нг/мл) и T4 (45–120 нг/мл) снижаются при хроническом стрессе, отражая метаболическую адаптацию (22, 78).

Кортизол является основным глюкокортикоидным гормоном, высвобождаемым в ответ на стресс, действуя на энергетический обмен, стимулируя глюконеогенез и мобилизацию жировых и белковых резервов (93, 94). Повышенные уровни кортизола отражают активацию гипоталамо-гипофизарно-надпочечниковой (HPA) оси и ассоциируются с некоторыми поведенческими изменениями, иммуносупрессией и снижением эффективности производства, представляя собой надежный маркер острого и хронического стресса (97).

Инсулиноподобный фактор роста 1 (IGF-1) чувствителен к питательному статусу и стрессовой нагрузке; в ситуациях с высокими температурами, приводящих к длительному стрессу, синтез в печени и уровень IGF-1 снижаются, что влияет на рост, репродуктивную эффективность и производство молока (95, 96). Его оценка позволяет выявлять субклинические метаболические последствия, часто не заметные по поведенческим показателям (98).

Тиреоидные гормоны T3 и T4 регулируют основной обмен и термогенез; при тепловом стрессе наблюдается снижение этих гормонов для уменьшения энергетического обмена и снижения эндогенной теплопродукции (22, 90). Эта метаболическая адаптация способствует выживанию, но может нарушать рост и производство молока в длительных ситуациях (94).

Существует также глюкоза, релевантный метаболический маркер, нормальные значения которой у взрослого крупного рогатого скота составляют 45–75 мг/дл (99). В условиях интенсивного избыточного тепла уровни могут значительно варьироваться из-за мобилизации энергии и гормональных изменений, что может быть связано со снижением потребления корма и репродуктивными изменениями (14, 70, 100). Комбинация глюкозы с неэтерифицированными жирными кислотами (NEFA) позволяет отличать тепловой стресс от сопутствующих патологических процессов (101).

Будучи метаболическим маркером, чувствительным к мобилизации энергии, глюкоза во время стресса увеличивается за счет кортизола и катехоламинов, стимулирующих глюконеогенез и гликогенолиз для поддержания уровня глюкозы в крови (70, 100). Стойкие колебания указывают на энергетический дисбаланс и могут нарушать производство молока, воспроизводство и иммунитет, напрямую отражаясь на состоянии животного (102). Неэтерифицированные жирные кислоты (NEFA) увеличиваются параллельно с глюкозой как следствие липолиза для обеспечения альтернативной энергии; высокие значения указывают на длительный стресс и могут предрасполагать к метаболическим нарушениям, таким как кетоз, отражаясь на здоровье и продуктивности (103).

Таким образом, комплексная оценка обеспечивает полное представление о состоянии крупного рогатого скота; сочетание сердечно-сосудистых, дыхательных, тепловых и гормональных параметров позволяет более точно и обоснованно диагностировать и вмешиваться в управление, что способствует и минимизирует последствия теплового стресса для здоровья и продуктивности (37, 67, 77).

3.3.2 Поведенческие показатели

Они доступны и легко интерпретируемы, предлагая практический инструмент для производителей; среди наиболее часто наблюдаемых показателей — увеличение времени стояния, снижение выпаса, скучивание, поиск тени и приближение к водопоям (104). Эти реакции представляют собой естественные стратегии теплоотдачи, но они снижают эффективность кормления и ставят под угрозу долгосрочную продуктивность (7, 82).

Исследования показывают, что молочные коровы, подвергающиеся умеренному тепловому воздействию, сокращают время потребления корма и увеличивают время пребывания в затененных участках, когда они доступны (57, 78, 94). Однако в тропических системах, где естественная растительность была удалена для создания пастбищ, отсутствие естественной тени является вредным, поскольку ограничивает основную форму поведенческой адаптации (22, 93).

Технологические инструменты, такие как ошейники с акселерометрами и датчиками активности, используются для выявления тонких изменений в жвачке и локомоции, позволяя на ранних стадиях выявлять животных, более чувствительных к теплу (76, 105). Поэтому в системах малых хозяйств рутинное наблюдение остается эффективной стратегией для выявления признаков теплового дискомфорта (рисунок 5) (6, 71).

Рисунок 5 – Поведенческие реакции, связанные с окружающей средой. Авторство 2025.

Аномальное поведение крупного рогатого скота является одним из первых признаков изменений в комфорте и тепловом балансе, отражая физиологические корректировки и стратегии мониторинга (106). Одним из наиболее используемых параметров является доля времени стояния и лежания, которая в условиях теплового комфорта составляет около 60% дня в положении лежа и 40% стоя (107). Увеличение времени стояния, особенно в самые жаркие часы, указывает на дискомфорт и дополнительные усилия по рассеиванию тепла, что может быть зафиксировано прямым наблюдением, видеокамерами или датчиками положения (71, 82, 108).

Время отдыха или бездействия, обычно 8–12 ч/сутки у взрослого скота, необходимо для восстановления энергии и поддержания жвачки; другим релевантным показателем является скучивание и поиск тени (109). Изменения этих параметров отражают тепловой стресс, боль или метаболический дискомфорт, напрямую влияя на пищеварительную эффективность (6, 70). Жвачка, которая происходит в течение 7–10 ч/сутки, является еще одним важным параметром; значительные падения этого времени или частые прерывания указывают на экологическое или физиологическое неблагополучие (37).

Изменения в режиме питания также являются четкими показателями дискомфорта: в комфортных условиях животные посвящают выпасу 8–10 ч/сутки, тогда как потребление значительно падает, когда температура превышает зону комфорта (64, 110). Сокращения более чем на 10% от обычного потребления корма характеризуются как негативное влияние на пищеварение и энергетический баланс (64, 79). Кроме того, увеличение частоты посещения водопоев, обычно 3–5 раз/сутки, сигнализирует о большей потребности в воде и поиске охлаждения тела (81, 94).

Другие параметры — виляние хвостом, опущенная поза головы, обвисшие уши, чрезмерная подвижность и вокализация — показывают тонкое увеличение признаков, которые могут указывать на раздражение, тепловой дискомфорт или боль (111). Хотя эти поведения могут казаться незначительными изменениями, они считаются ранними маркерами стресса (таблица 2) (37, 93, 108, 112).

Таблица 2  Поведенческие показатели.

Комплексный анализ поведения предоставляет ценную информацию о реакции животных на окружающую среду (113, 114). Непрерывный мониторинг, будь то путем прямого наблюдения или с помощью сенсорных технологий, позволяет на ранней стадии выявлять дискомфортные ситуации, обосновывая такие вмешательства, как затенение, вентиляция, корректировка плотности поголовья и обеспечение неограниченного доступа к воде (77, 78, 96).

3.3.3 Продуктивные показатели

Продуктивные показатели позволяют количественно оценить экономическое воздействие теплового дискомфорта, отражая влияние условий окружающей среды на результаты, напрямую связанные с производством (47, 49, 63, 115). Снижение потребления сухого вещества является основным наблюдаемым фактором, отражающимся в снижении среднесуточного привеса у мясного скота и в снижении производства и качества молока у молочных коров (116, 117). Эти эффекты усиливаются при длительных волнах тепла, которые обычны в тропических странах (таблица 3) (51, 67).

Таблица 3  Продуктивные показатели.

Помимо падения продуктивности, высокие температуры нарушают репродуктивную эффективность, задерживая возврат к эстральному циклу и снижая показатели зачатия, что приводит к увеличению межотельного интервала и уменьшению числа лактирующих коров, напрямую влияя на устойчивость производственных систем (рисунок 6) (28, 49). Экстремальные погодные явления, такие как Эль-Ниньо, ассоциировались со значительными потерями продуктивности, что подчеркивает необходимость показателей для профилактики (3, 4).

Рисунок 6 – Влияние теплового стресса на продуктивные показатели молочных коров. Авторство 2025.

На практике эти показатели ценятся производителями, поскольку напрямую связаны с рентабельностью деятельности (118, 119). Сочетание климатических индексов (таких как THI), физиологических параметров и продуктивных результатов позволяет более точно оценить риск и обосновывает вмешательства — от корректировки управления до инвестиций в охлаждающую инфраструктуру (72, 74). Такая интеграция мер необходима для укрепления устойчивости систем перед лицом изменения климата (22, 77).

Температура окружающей среды напрямую нарушает продуктивные и репродуктивные показатели крупного рогатого скота, отвлекая энергию от роста и лактации на поддержание гомойотермии (47, 63). У мясного скота это происходит из-за снижения добровольного потребления корма и падения эффективности конверсии, что отражается в снижении среднесуточного привеса (ADG) и меньшем отложении мышечной и жировой ткани (34, 100). Мониторинг должен включать периодическое взвешивание, записи потребления и оценку упитанности; стойкие снижения ADG и потери упитанности являются предупредительными сигналами (120, 121).

В молочном скотоводстве падение производства является одним из наиболее очевидных признаков теплового стресса; исследования указывают на снижение объема молока в периоды интенсивной жары, особенно в тропических системах, а также на изменения в содержании сухих веществ и соотношении жир/белок (28, 67, 96). Мониторинг должен проводиться ежедневно с использованием индивидуальных или общих записей по резервуару, в то время как периодические лабораторные анализы оценивают состав и качество (49, 115).

Качество молока также страдает: снижение жира и белка, а также увеличение соматического счета клеток связаны с иммуносупрессией, вызванной жарой, что способствует большей восприимчивости к маститу (75, 94). Таким образом, оценка должна включать мониторинг состава молока и здоровья молочной железы, что позволяет проводить быстрые профилактические вмешательства (122, 123).

Тепловой стресс задерживает возврат к эструсу и снижает фертильность (124). Основными эффектами являются снижение выраженности течки, увеличение количества открытых дней, снижение показателя зачатия и большее число осеменений на зачатие (19, 95). Такие изменения являются результатом гормональных нарушений, снижения качества ооцитов и снижения жизнеспособности эмбрионов (125).

Репродуктивный мониторинг должен включать ежедневное наблюдение за течкой, записи осеменений и диагностику беременности (126). Падение показателя зачатия более чем на 10 процентных пунктов или увеличение открытых дней сверх целевого показателя фермы должны считаться предупредительными сигналами (79, 94). Эти показатели предоставляют важную информацию для выявления влияния окружающей среды на эффективность производственных систем.

Другим важным моментом является то, что последствия тепла могут иметь отсроченные эффекты, особенно в отношении воспроизводства. Изменения в фолликулярном и маточном кровообращении даже после окончания тепловых волн оказывают влияние на фертильность в течение недель (49, 93). Это подчеркивает важность интеграции продуктивных и репродуктивных данных в климатический контекст каждого хозяйства (127).

Таким образом, они служат центральными инструментами для оценки благополучия животных. Постоянный мониторинг производства молока, состава, привесов, потребления и репродуктивных параметров позволяет на ранней стадии выявлять рискованные ситуации и поддерживать управленческие решения (47, 63, 64, 110).

3.3.4 Биоклиматические показатели

Биоклиматические показатели являются фундаментальными инструментами для анализа взаимосвязи между средой и животным, позволяя измерять степень комфорта или теплового стресса, которому может подвергаться крупный рогатый скот (12, 41, 128). Эти индексы охватывают различные климатические переменные, такие как температура воздуха, относительная влажность, скорость ветра и солнечная радиация, а также физиологические переменные, включая ректальную температуру, частоту дыхания и температуру по черному шару, предоставляя параметры, облегчающие выявление потенциально вредных для благополучия животных условий (дополнительная таблица S2).

3.4 Современные технологии и их принципы в управлении для оптимизации благополучия

Скотоводство опирается на интеграцию между технологиями мониторинга и соответствующими методами управления для оценки благополучия и теплового стресса (129). Тепловой стресс, усугубляемый изменением климата, напрямую нарушает здоровье, производство и воспроизводство животных (130). Учитывая этот сценарий, различные электронные устройства используются для предоставления данных в реальном времени о физиологическом и поведенческом состоянии крупного рогатого скота, помогая производителям принимать решения (56, 67).

Одним из инструментов, набирающих популярность, являются рубцовые биокапсулы — устройства, вводимые в рубец, способные непрерывно регистрировать такие переменные, как температура тела, pH и рубцовая активность (131, 132). Эти датчики позволяют на ранней стадии выявлять метаболические и физиологические изменения, возникающие в результате теплового стресса, коррелируя их с температурно-влажностным индексом (133). Отправляя информацию в программное обеспечение и приложения, такие технологии обеспечивают немедленную корректировку управления (75).

Другим широко используемым ресурсом являются умные ошейники, используемые для оценки жвачки, частоты потребления корма и времени глотания, локомоторной активности и времени нахождения в сезонном состоянии, помогая выявлять изменения в поведении, такие как увеличение бездействия во время волн тепла или изменения, связанные с жарой (6, 71).

Кроме того, электронные устройства, интегрированные с мобильными приложениями и цифровыми платформами, позволяют производителю отслеживать данные в реальном времени (134, 135). Эта связь способствует быстрым решениям, таким как активация вентиляционных систем или перемещение животных в затененные участки (112). Кроме того, алгоритмы искусственного интеллекта, применяемые в этих приложениях, способны прогнозировать рискованные сценарии, оптимизируя превентивное управление (108).

Инфракрасная термография, уже зарекомендовавшая себя в исследованиях, также становится все более доступной на практике и может использоваться в портативных устройствах или устанавливаться на дронах (136). Она позволяет картировать температуру поверхности тела и выявлять точки теплового стресса в более крупных группах, снижая необходимость индивидуальной фиксации (137). Совместное использование тепловизоров и программного обеспечения для анализа повышает точность характеристики микроклимата в помещениях и на пастбищах (4, 86).

Эти технологические достижения не заменяют традиционное управление, а дополняют его, согласно Bang и др. (67), Holinger и др. (82), Antanaitis и др. (6) и Nam и др. (75). Такие стратегии, как естественное и искусственное затенение, испарительное охлаждение и лесо-пастбищные системы, остаются ключевыми для снижения тепловой нагрузки и обеспечения большего комфорта (3, 4). Инновации в этом смысле следует рассматривать как инструмент поддержки устойчивости производства, интегрирующий науку, благополучие и продуктивность (34, 79).

Наконец, подчеркивается роль биоклиматического зонирования в сочетании с цифровыми инструментами как стратегии среднесрочного и долгосрочного планирования (78). Климатические модели проецируют сценарии риска для каждого региона, позволяя внедрять адаптивные практики до того, как последствия тепла нарушат стадо (49, 77, 78). Таким образом, интеграция биотехнологий, электронных устройств, мобильных приложений и соответствующих методов управления представляет собой необратимую тенденцию для современного животноводства, стремящегося сочетать комфорт животных и эффективность производства (81, 94).

3.5 Ограничения и проблемы

Несмотря на достижения, методологическая разница в диагностике теплового стресса остается высокой — от выбора индекса (THI, BGHI, IHT) до пороговых значений и результатов (потери молока, физиологические изменения), что затрудняет надежные сравнения и синтез в обзорах (60, 67, 96). В тропических системах эта вариабельность критична из-за большей амплитуды влажности и радиации, которые слабо отражаются моделями, разработанными в умеренном климате (22, 56).

Инфракрасная термография сталкивается с проблемами стандартизации (излучательная способность, расстояние, область интереса, время суток) и экологическими помехами (ветер, пыль, влажность), что влияет на воспроизводимость между исследованиями и фермами (4, 86). При экстремальных явлениях, таких как Эль-Ниньо 2023 года, перенос протоколов между системами с полным солнцем и затененными требует местной калибровки для избежания ложноположительных/ложноотрицательных результатов (3).

Поведенческие датчики (жвачка, локомоция, потребление) демонстрируют смещение оборудования и алгоритмов при применении к различным и помесным породам, которые все еще недостаточно представлены в валидациях, что ограничивает точность для разных биотипов и физиологических стадий (6, 37, 71). При выпасе шум из-за неоднородности корма и рельефа снижает чувствительность к тонким изменениям благополучия (56, 82).

Рубцовые биокапсулы расширяют внутренний мониторинг, но корреляция между температурой рубца и внешней тепловой нагрузкой варьируется в зависимости от рациона, скорости прохождения и гидратации; до сих пор отсутствуют широко валидированные поправочные кривые по климату/породе (75, 133). Кроме того, дрейф датчиков и срок службы батарей требуют планов обслуживания, редко описываемых в полевых исследованиях (6, 131).

Искусственный интеллект/глубокое обучение демонстрирует потенциал для прогнозирования и скрининга (поза головы/ушей; изображения), но сталкивается с проблемами обобщения для разных ферм, камер и условий освещения, а также со смещением аннотаций и ограниченной применимостью к управленческим решениям (138, 139). Производительность, сообщаемая в экспериментальных данных, не всегда трансформируется в стабильные выгоды в коммерческой среде (108, 112).

Существуют социальные и иерархические факторы, которые могут искажать эффект теплового вмешательства: социальное доминирование изменяет доступ к тени, воде и кормушкам, модулируя физиологические и поведенческие реакции и маскируя эффекты обработки (79). Биоклиматическое зонирование прогрессирует, но его пространственное разрешение и зависимость от скудных метеостанций создают неопределенность для решений на уровне хозяйства (64, 78). Климатические прогнозы предлагают разные сценарии и требуют перекрестной валидации с микроклиматом лесо-пастбищных систем и ландшафтов (34, 77, 100).

В связи между благополучием и продуктивностью/воспроизводством не хватает длительных временных рядов, интегрирующих санитарные и воспалительные события как модуляторы тепловых реакций (95). Данные о животных с иммунными нарушениями указывают на сложные взаимодействия между тепловым стрессом и воспалением, изменяющие поведение и традиционные метрики благополучия, которые все еще недостаточно изучены в обзорах (94, 141–158). Что касается переносимости между породами и категориями, реакции Bos indicus и помесей на стрессоры и их смягчение отличаются от таковых у Bos taurus, что требует специфических кривых риска, особенно для мясного зебу и бычков (3, 93, 100). Телки продолжают изучаться во влажном тропическом климате, несмотря на новые неинвазивные подходы с тепловой сигнатурой (78, 140).

Барьеры внедрения сохраняются в малых и средних хозяйствах: общая стоимость владения, связь, совместимость между брендами и управление данными (право собственности, конфиденциальность, обмен) (63, 67). Даже при доступе к пастбищам, связанном с поведенческими преимуществами, перевод в простые операционные метрики (например, «триггеры» управления через приложение) все еще находится в зачаточном состоянии (45, 81). Наконец, существуют измерительные пробелы: температура глаза и поверхности тела не всегда отражает внутреннюю тепловую нагрузку; для комплексных решений требуются множественные стандартизированные конечные точки (физиологические, продуктивные и поведенческие) (4, 81, 96). Сочетание мультимодальных метрик и мультицентровой валидации в реальных фермерских условиях является отличительной чертой для будущих синтезов.

Несмотря на рассмотренные достижения, данный обзор имеет некоторые ограничения и проблемы, которые должны быть признаны. С практической точки зрения, применимость показателей благополучия и технологических инструментов ограничена такими факторами, как высокие затраты на внедрение, ограниченный доступ к инфраструктуре и отсутствие стратегий затенения и охлаждения в экстенсивных производственных системах, особенно в регионах, отмеченных социально-экономическим неравенством среди производителей. Эти ограничения могут ограничивать внедрение передовых технологий мониторинга, особенно в малых или низкоресурсных системах, что подчеркивает необходимость подходов к оценке благополучия с учетом конкретного контекста.

С методологической точки зрения, данный обзор подвержен ограничениям, присущим его дизайну, включая возможное языковое смещение, поскольку рассматривались только исследования, опубликованные на выбранных языках, и смещение отбора баз данных, которое могло исключить релевантные исследования, проиндексированные в других источниках. Кроме того, различия в дизайне исследований, оцениваемых показателях и климатических условиях в разных регионах могут влиять на сопоставимость результатов. Эти ограничения подчеркивают необходимость того, чтобы будущие обзоры применяли более широкие стратегии поиска и стандартизированные рамки оценки для усиления синтеза доказательств по благополучию крупного рогатого скота в условиях теплового стресса в сценариях изменения климата.

Настоящее исследование демонстрирует, что благополучие крупного рогатого скота связано с условиями окружающей среды, находясь под влиянием физиологических, поведенческих и продуктивных показателей. Интеграция этих факторов позволяет более точно диагностировать тепловой стресс и обосновывает управленческие решения, способствующие здоровью, комфорту и продуктивности. Современные технологии, такие как датчики (рубцовые биокапсулы, ошейники и ушные бирки) и термография, дополняют прямое наблюдение, предоставляя данные в реальном времени и позволяя проводить быстрые вмешательства.

Существуют такие проблемы, как затраты, методологическая неоднородность и ограничения применения в малых системах, которые подчеркивают необходимость стратегий, адаптированных к реальности производителя. Однако сочетание доступных практик и соответствующих технологий представляет собой практичный способ сочетания благополучия животных, эффективности производства и устойчивости в современном скотоводстве.

Кроме того, результаты подчеркивают необходимость явного учета различий между породами в тепловой толерантности, в частности между европейским скотом и зебу, в оценке благополучия и стратегиях управления, направленных на повышение устойчивости к тепловому стрессу. Будущие исследования должны уделять приоритетное внимание сравнительным и лонгитюдным исследованиям, интегрирующим генетические, экологические и управленческие факторы, а также разработке стандартизированных протоколов, повышающих применимость и воспроизводимость показателей благополучия в различных производственных системах и сценариях изменения климата.

Дополнительные материалы к данной статье можно найти онлайн по адресу: https://www.frontiersin.org/articles/10.3389/fvets.2025.1754412/full#supplementary-material

1.    Lovarelli D., Bacenetti J., Guarino M. (2020). A review on dairy cattle farming: is precision livestock farming the compromise for an environmental, economic and social sustainable production? J Clean Prod. 262, 121409. doi: 10.1016/j.jclepro.2020.121409. CrossRef Google Scholar

2.    Hernandez A., Galina C. S., Geffroy M., Jung J., Westin R., Berg C. (2022). Cattle welfare aspects of production systems in the tropics. Anim Prod Sci. 62, 1203–18. doi: 10.1071/AN21230. CrossRef Google Scholar

3.    Silva W. C. D., Silva J. A. R. D., Martorano L. G., Silva É. B. R. D., Sousa C. E. L., Neves K. A. L., et al. (2024). Thermographic profiles in livestock systems under full sun and shaded pastures during an extreme climate event in the Eastern Amazon, Brazil: El Niño of 2023. Animals. 14, 855. doi: 10.3390/ani14060855. CrossRef Google Scholar

4.    Silva W. C. D., Silva J. A. R. D., Silva É. B. R. D., Barbosa A. V. C., Sousa C. E. L., Carvalho K. C. D., et al. (2023). Characterization of thermal patterns using infrared thermography and thermolytic responses of cattle reared in three different systems during the transition period in the Eastern Amazon, Brazil. Animals. 13, 2735. doi: 10.3390/ani13172735. CrossRef Google Scholar

5.    Narayan E., Barreto M., Hantzopoulou G. C., Tilbrook A. (2021). A retrospective literature evaluation of the integration of stress physiology indices, animal welfare and climate change assessment of livestock. Animals. 11, 1287. doi: 10.3390/ani11051287. CrossRef Google Scholar

6.    Antanaitis R., Žermeikaite K., Bespalovaite A., Ribelyte I., Rutkauskas A., Japertas S., et al. (2023). Assessment of ruminating, eating, and locomotion behavior during heat stress in dairy cattle by using advanced technological monitoring. Animals. 13, 2825. doi: 10.3390/ani13182825. CrossRef Google Scholar

7.    Idris M., Sullivan M., Gaughan J. B., Phillips C. J. (2024). Behavioural responses of beef cattle to hot conditions. Animals. 14, 2444. doi: 10.3390/ani14162444. CrossRef Google Scholar

8.    Toledo I. M., Dahl G. E., De-Vries A. (2022). Dairy cattle management and housing for warm environments. Livest Sci. 255, 104802. doi: 10.1016/j.livsci.2021.104802. CrossRef Google Scholar

9.    Muzzo B. I., Ramsey R. D., Villalba J. J. (2024). Changes in climate and their implications for cattle nutrition and management. Climate. 13, 1. doi: 10.3390/cli13010001. CrossRef Google Scholar

10. Cheng M., McCarl B., Fei C. (2022). Climate change and livestock production: a literature review. Atmosphere. 13, 140. doi: 10.3390/atmos13010140. CrossRef Google Scholar

11. Slayi M., Jaja I. F. (2025). Strategies for mitigating heat stress and their effects on behavior, physiological indicators, and growth performance in communally managed feedlot cattle. Front Vet Sci. 12, 1513368. doi: 10.3389/fvets.2025.1513368. CrossRef Google Scholar

12. Idris M., Uddin J., Sullivan M., McNeill D. M., Phillips C. J. (2021). Non-invasive physiological indicators of heat stress in cattle. Animals. 11, 71. doi: 10.3390/ani11010071. CrossRef Google Scholar

13. Volpi D., Alves F. V., Arguelho A. D. S., Vale M. M. D., Deniz M., Zopollatto M. (2021). Environmental variables responsible for Zebu cattle thermal comfort acquisition. Int J Biometeorol. 65, 1695–705. doi: 10.1007/s00484-021-02124-x. CrossRef Google Scholar

14. Silva W. C. D., Silva J. A. R., Martorano L. G., Silva É. B. R. D., Carvalho K. C., Sousa C. E. L., et al. (2024). Thermal comfort of Nelore cattle (Bos indicus) managed in silvopastoral and traditional systems associated with rumination in a humid tropical environment in the Eastern Amazon, Brazil. Vet Sci. 11, 236. doi: 10.3390/vetsci11060236. CrossRef Google Scholar

15. Arias R. A., Mader T. L. (2023). Evaluation of four thermal comfort indices and their relationship with physiological variables in feedlot cattle. Animals. 13, 1169. doi: 10.3390/ani13071169. CrossRef Google Scholar

16. Amaral J. B. (2022). Diagnóstico de bem-estar de bovinos no contexto da medicina veterinária legal: revisão. PUBVET. 16, 1–15. Google Scholar

17. Polsky L., Von-Keyserlingk M. A. G. (2020). Invited review: effects of heat stress on dairy cattle welfare. J Dairy Sci. 103, 6751–70. Google Scholar

18. Fonseca L. L. M., Moura M. M. A., Carvalho C. C. S., Santos K. F. A., Fonseca S. M. R., Santos J. A., et al. (2024). Bem-estar na bovinocultura leiteira: revisão de literatura. Braz J Anim Environ Res. 7, e74376. doi: 10.34188/bjaerv7n4-053. CrossRef Google Scholar

19. Cartwright S. L., Whelan K., Haile-Mariam M., Pryce J. E. (2023). Impact of heat stress on dairy cattle and selection for thermo-tolerance. Front Anim Sci. 4, e1200989. Google Scholar

20. Giannone C., Menta S., Santangelo F., Campanile G. (2023). Review of the heat stress-induced responses in dairy cattle. Animals. 13, 2284. Google Scholar

21. Scerri T. M., Kartberg B., Sanz-Fernandez M. V., Collier R. J. (2023). Bovine heat stress management: current amelioration and future mitigation strategies. Front Anim Sci. 4, 1279402. Google Scholar

22. Ferreira N. C. R., Andrade R. R., Ferreira L. N. (2024). Impacts of climate change impacts on livestock in Brazil. Int J Biometeorol. 68, 2693–704. doi: 10.1007/s00484-024-02778-3. CrossRef Google Scholar

23. Mota-Rojas D., Napolitano F., Chay-Canul A., Ghezzi M., Braghieri A., Domínguez-Oliva A., et al. (2024). Anatomy and physiology of water buffalo mammary glands: an anatomofunctional comparison with dairy cattle. Animals. 14, 1066. doi: 10.3390/ani14071066. CrossRef Google Scholar

24. Rodrigues L. S., Silva J. A. R. D., Silva W. C. D., Silva É. B. R. D., Belo T. S., Sousa C. E. L., et al. (2024). A review of the nutritional aspects and composition of the meat, liver and fat of buffaloes in the Amazon. Animals. 14, 1618. doi: 10.3390/ani14111618. CrossRef Google Scholar

25. Ghezzi M. D., Napolitano F., Casas-Alvarado A., Hernández-Ávalos I., Domínguez-Oliva A., Olmos-Hernández A., et al. (2024). Utilization of infrared thermography in assessing thermal responses of farm animals under heat stress. Animals. 14, 616. doi: 10.3390/ani14040616. CrossRef Google Scholar

26. Mota-Rojas D., Ogi A., Villanueva-García D., Hernández-Ávalos I., Casas-Alvarado A., Domínguez-Oliva A., et al. (2024). Thermal imaging as a method to indirectly assess peripheral vascular integrity and tissue viability in veterinary medicine: animal models and clinical applications. Animals. 14, 142. doi: 10.3390/ani14010142. CrossRef Google Scholar

27. Page M. J., McKenzie J. E., Bossuyt P. M., Boutron I., Hoffmann T. C., Mulrow C. D. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 372, n71. doi: 10.1136/bmj.n71. CrossRef Google Scholar

28. Silva W. C. D., Camargo-Junior R. N. C., Silva É. B. R. D., Silva J. A. R. D., Picanço M. L. R., Santos M. R. P. D., et al. (2023). Perspectives of economic losses due to condemnation of cattle and buffalo carcasses in the northern region of Brazil. PLoS ONE. 18, e0285224. doi: 10.1371/journal.pone.0285224. CrossRef Google Scholar

29. Giannone C., Bovo M., Ceccarelli M., Torreggiani D., Tassinari P. (2023). Review of the heat stress-induced responses in dairy cattle. Animals. 13, 3451. doi: 10.3390/ani13223451. CrossRef Google Scholar

30. Gomes E. M., Muniz J. A., Castro S. S., Silva W. L. C. (2025). Management and animal welfare in beef cattle farming in Brazil: a literature review. Rev Multidiscip Nordeste Mineiro. 7, 1–23. doi: 10.61164/rmnm.v7i1.3783. CrossRef Google Scholar

31. Linstädt J., Thöne-Reineke C., Merle R. (2024). Animal-based welfare indicators for dairy cows and their validity and practicality: a systematic review of the existing literature. Front Vet Sci. 11, 1429097. doi: 10.3389/fvets.2024.1429097. CrossRef Google Scholar

32. Almeida B. K. C. D., Lopes J. V. S. G., Silva-Costa E. W. D., Oliveira-Prazeres T. L. D., Lima A. R. D., Jesus-Oliveira A. C. D., et al. (2024). Bem-estar animal em bovinos de corte: revisão de literatura. Braz J Health Rev. 7, 3642–53. doi: 10.34119/bjhrv7n1-294. CrossRef Google Scholar

33. Martínez-Yáñez R., Mora-Medina P., Albertos-Alpuche P. J. (2025). EPI-DOM approach for comprehensive assessment of integral animal welfare. Front Anim Sci. 6, 1495149. doi: 10.3389/fanim.2025.1495149. CrossRef Google Scholar

34. Endris M., Feki E. (2021). Review on effect of stress on animal productivity and response of animal to stressors. J Anim Vet Adv. 20, 1–14. Google Scholar

35. Acharya R. Y., Hemsworth P. H., Coleman G. J., Kinder J. E. (2022). The animal-human interface in farm animal production: animal fear, stress, reproduction and welfare. Animals. 12, 487. doi: 10.3390/ani12040487. CrossRef Google Scholar

36. Romero M. H., Gallego-Polania S. A., Sanchez J. A. (2025). Natural savannah systems within the "one welfare" approach: part 1—good farmers' perspectives, environmental challenges and opportunities. Animals. 15, 677. doi: 10.3390/ani15050677. CrossRef Google Scholar

37. Silva B. P., Coan V. M., Santinon N. P., Silva M. D. (2024). Bem-estar animal em sistemas de produção de bovinos. Rev Ibero-Am Hum Ciênc Educ. 10, 1260–75. doi: 10.51891/rease.v10i12.17478. CrossRef Google Scholar

38. Santana R. F., Oliveira R. L., Silva A. M., Ribeiro R. D. X., Rocha T. C., Bezerra L. R., et al. (2022). Estresse térmico em sistemas de produção de ruminantes em clima tropical. Res Soc Dev. 11, e361111436306. Google Scholar

39. Arruda T. R., Barros J. G., Leite L. L., Batista Y. B. G., Furtado D. A., Farias B. J. P., et al. (2024). Facilities for dairy cattle: an integrative review. Cienc Anim Bras. 25, 78070e. doi: 10.1590/1809-6891v25e-78070e. CrossRef Google Scholar

40. Moraes M. J., Castilho E. F. D., Balieiro J. C. D. C., Bernardi A. C. D. C., Barreto A. N. D., Pinho L. F., et al. (2024). Differences in the behavioral parameters of young zebu and composite bulls kept on non-forested or in integrated crop-livestock-forestry systems. Animals. 14, 944. doi: 10.3390/ani14060944. CrossRef Google Scholar

41. Oliveira C. P., Sousa F. C. D., Silva A. L. D., Schultz É. B., Valderrama-Londoño R. I., Souza P. A. R. D. (2025). Heat stress in dairy cows: impacts, identification, and mitigation strategies—a review. Animals. 15, 249. doi: 10.3390/ani15020249. CrossRef Google Scholar

42. Almeida J. V. N. D., Marques L. R., Marques T. C., Guimarães K. C., Leão K. M. (2020). Influência do estresse térmico sobre os aspectos produtivos e reprodutivos de bovinos–Revisão. Res Soc Dev. 9, e230973837. doi: 10.33448/rsd-v9i7.3837. CrossRef Google Scholar

43. Brambell F. R. (1965). Report of the Technical Committee to Enquire into the Welfare of Animals Kept Under Intensive Livestock Husbandry Systems. London: HMSO. 85 p. Google Scholar

44. Littlewood K. E., Heslop M. V., Cobb M. L. (2023). The agency domain and behavioral interactions: assessing positive animal welfare using the Five Domains Model. Front Vet Sci. 10, 1284869. doi: 10.3389/fvets.2023.1284869. CrossRef Google Scholar

45. Barreto A., Junior W. B., Pezzopane J. R. M., Bernardi A. C. D. C., Pedroso A. D. F., Marcondes C. R., et al. (2022). Thermal comfort and behavior of beef cattle in pasture-based systems monitored by visual observation and electronic device. Appl Anim Behav Sci. 253, 105687. doi: 10.1016/j.applanim.2022.105687. CrossRef Google Scholar

46. Pichlbauer B., Chapa-Gonzalez J. M., Bobal M., Guse C., Iwersen M., Drillich M. (2024). Evaluation of different sensor systems for classifying the behavior of dairy cows on pasture. Sensors. 24, 7739. doi: 10.3390/s24237739. CrossRef Google Scholar

47. Singaravadivelan A., Prasad A., Balusami C., Harikumar S., Beena V., Gleeja V. L., et al. (2025). Assessment of heat tolerance in Murrah buffalo, crossbred and Vechur cattle using the dairy search index. Int J Vet Sci Anim Husb. 10, 292–7. doi: 10.22271/veterinary.2025.v10.i1e.2037. CrossRef Google Scholar

48. Singh S. V., Ukey A. K. (2024). Climate change trends and their impacts on bovine productivity: precision livestock farming for Sustainable Development Goals and One Health. Indian J Anim Health. 63, 20–30. doi: 10.36062/ijah.2024.spl.01024. CrossRef Google Scholar

49. Herbut P., Hoffmann G., Angrecka S., Godyń D., Vieira F. M. C., Adamczyk K., et al. (2021). The effects of heat stress on the behaviour of dairy cows--a review. Ann Anim Sci. 21, 385–402. doi: 10.2478/aoas-2020-0116. CrossRef Google Scholar

50. Sesay A. R. (2023). Effect of heat stress on dairy cow production, reproduction, health, and potential mitigation strategies. J Appl Adv Res. 8, 13–25. doi: 10.21839/jaar.2023.v8.8371. CrossRef Google Scholar

51. Thornton P., Nelson G., Mayberry D., Herrero M. (2022). Impacts of heat stress on global cattle production during the 21st century: a modelling study. Lancet Planet Health. 6, e192–201. doi: 10.1016/S2542-5196(22)00002-X. CrossRef Google Scholar

52. Shephard R. W., Maloney S. K. (2023). A review of thermal stress in cattle. Aust Vet J. 101, 417–29. doi: 10.1111/avj.13275. CrossRef Google Scholar

53. Chao K. (2024). Family farming in climate change: strategies for resilient and sustainable food systems. Heliyon. 10, e28599. doi: 10.1016/j.heliyon.2024.e28599. CrossRef Google Scholar

54. Santos M. M. D., Souza-Junior J. B. F., Dantas M. R. T., Costa L. L. D. M. (2021). An updated review on cattle thermoregulation: physiological responses, biophysical mechanisms, and heat stress alleviation pathways. Environ Sci Pollut Res. 28, 30471–85. doi: 10.1007/s11356-021-14077-0. CrossRef Google Scholar

55. Dunlop M. W., McAuley J. (2021). Direct surface wetting sprinkler system to reduce the use of evaporative cooling pads in meat chicken production: indoor thermal environment, water usage, litter moisture content, live market weights, and mortalities. Poultry Sci. 100, 101078. doi: 10.1016/j.psj.2021.101078. CrossRef Google Scholar

56. Oliveira A. V. D., Reis E. M. B., Ferraz P. F. P., Barbari M., Santos G. S., Cruz M. V. R., et al. (2022). Effects of thermal environment on dairy cattle under a grazing system in the Western Amazon, Brazil. Arq Bras Med Vet Zootec. 74, 1119–26. doi: 10.1590/1678-4162-12743. CrossRef Google Scholar

57. Tresoldi G., Hejazi M., Tucker C. B. (2025). A comprehensive study of respiration rates in dairy cattle in a Mediterranean climate. J Dairy Sci. 108, 6229–43. doi: 10.3168/jds.2024-26038. CrossRef Google Scholar

58. Bryant J. R., Huddart F., Schütz K. E. (2023). Development of a heat load index for grazing dairy cattle. NZ J Agric Res. 66, 665–79. doi: 10.1080/00288233.2022.2114504. CrossRef Google Scholar

59. Mandal D. K., Bhakat C., Dutta T. K. (2021). Impact of environmental factors on physiological adaptability, thermo-tolerance indices, and productivity in Jersey crossbred cows. Int J Biometeorol. 65, 1999–2009. doi: 10.1007/s00484-021-02157-2. CrossRef Google Scholar

60. Yan G., Li H., Shi Z. (2021). Evaluation of thermal indices as the indicators of heat stress in dairy cows in a temperate climate. Animals. 11, 2459. doi: 10.3390/ani11082459. CrossRef Google Scholar

61. Armstrong D. V. (1994). Heat stress interaction with shade and cooling. J Dairy Sci. 77, 2044–50. doi: 10.3168/jds.S0022-0302(94)77149-6. CrossRef Google Scholar

62. Islam M. A., Lomax S., Doughty A., Islam M. R., Jay O., Thomson P., et al. (2021). Automated monitoring of cattle heat stress and its mitigation. Front Anim Sci. 2, 737213. doi: 10.3389/fanim.2021.737213. CrossRef Google Scholar

63. Kumar A., Choudhary P. K., Maurya P. K., Kumar P., Srivastava D. P., Singh H. K., et al. (2023). Study of cattle adoptability in the central plain zone of Uttar Pradesh throughout the spring and summer seasons. Environ Ecol. 41, 897–902. Google Scholar

64. Andrade R. G., Garcia L. C. S., Hott M. C., Junior W. C. P. D. M., Peixoto M. G. C. D., Costa C. N., et al. (2023). Zoneamento dos efeitos do estresse térmico em vacas leiteiras no sudeste do Brasil. Rev Contemp. 3, 29977–91. doi: 10.56083/RCV3N12-263. CrossRef Google Scholar

65. Silva A. D. O. L., Costa D. A. D., Silva G. F. D., Santos G. S., Oliveira A. V. D. D., Souza C. L. D., et al. (2024). Avaliação dos parâmetros fisiológicos de vacas leiteiras mestiças mantidas em clima Amazônico Equatorial na Amazônia Ocidental. Obs Econ Latinoam. 22, 4513–32. doi: 10.55905/oelv22n1-238. CrossRef Google Scholar

66. Monteiro A., Silva F. S., Abdalla A. L., Eugène M., Barreto-Mendes L., Rodrigues R. A., et al. (2025). Enteric methane emissions and thermal comfort indexes of Nellore steers in a livestock-forestry system in the Amazon biome. Trop Anim Health Prod. 57, 357. doi: 10.1007/s11250-025-04607-0. CrossRef Google Scholar

67. Bang N. N., Gaughan J. B., Hayes B. J., Lyons R. E., McNeill D. M. (2022). Application of infrared thermal technology to assess the level of heat stress and milk yield reduction of cows in tropical smallholder dairy farms. J Dairy Sci. 105, 8454–69. doi: 10.3168/jds.2021-21343. CrossRef Google Scholar

68. Oyelami B. A., Osikabor B. (2022). Adoption of silvopastoral agroforestry system for a sustainable cattle production in Nigeria. J Appl Sci Environ Manag. 26, 1397–402. doi: 10.4314/jasem.v26i8.12. CrossRef Google Scholar

69. Jafri S. H., Adnan K. M., Baimbill-Johnson S., Talukder A. A., Yu M., Osei E., et al. (2024). Challenges and solutions for small dairy farms in the US: a review. Agriculture. 14, 2369. doi: 10.3390/agriculture14122369. CrossRef Google Scholar

70. Babola M., Pontes L. D. S., Moraes A. D., Piano T. G. R., Molento M. B., Molento C. F. M. (2024). The influence of the silvopastoral system on physiological, behavior, and health responses of the Purunã breed of cattle. Arch Vet Sci. 29, 1–12. doi: 10.5380/avs.v28i4.92665. CrossRef Google Scholar

71. Ranzato G., Lora I., Aernouts B., Adriaens I., Gottardo F., Cozzi G. (2023). Sensor-based behavioral patterns can identify heat-sensitive lactating dairy cows. Int J Biometeorol. 67, 2047–54. doi: 10.1007/s00484-023-02561-w. CrossRef Google Scholar

72. Suhendro I., Noor R. R., Jakaria J., Priyanto R., Manalu W. (2024). Andersson G. Association of heat-shock protein 701 gene with physiological and physical performance of Bali cattle. Vet World. 17, 17. doi: 10.14202/vetworld.2024.17-25. CrossRef Google Scholar

73. Vaidya M. M., Dongre V. B., Dhenge S. A., Kokate L. S., Singh S. V. (2022). Comparative efficacy of three different heat tolerance indices for thermo-adaptability during heat stress in bovines. Indian J Dairy Sci. 75, 453–7. Google Scholar

74. Yosi F., Prajoga S. B. K., Natawiria E. M. (2019). Heat tolerance identification on adult Madura breeds cow according to Rhoad and Benezra coefficient. Ecodevelopment. 2, 73–6. doi: 10.24198/ecodev.v2i2.39107. CrossRef Google Scholar

75. Nam K. T., Choi N., Na Y., Choi Y. (2024). Effect of the temperature–humidity index on the productivity of dairy cows and the correlation between the temperature–humidity index and rumen temperature using a rumen sensor. Animals. 14, 2848. doi: 10.3390/ani14192848. CrossRef Google Scholar

76. Lamanna M., Bovo M., Cavallini D. (2025). Wearable collar technologies for dairy cows: a systematized review of the current applications and future innovations in precision livestock farming. Animals. 15, 458. doi: 10.3390/ani15030458. CrossRef Google Scholar

77. Liu C., Cao Y., Luo Z., Liu Y., Reynolds C. K., Humphries D., et al. (2025). Heat stress monitoring, modelling, and mitigation in a dairy cattle building in reading, UK: impacts of current and projected heatwaves. Build Environ. 279, 113046. doi: 10.1016/j.buildenv.2025.113046. CrossRef Google Scholar

78. Sousa R. V. D., Campos J. C. D., Pagin G., Pereira D. F., Conceição A. R., Tabile R. A., et al. (2025). Non-invasive assessment of heat comfort in dairy calves based on thermal signature. Dairy. 6, 38. doi: 10.3390/dairy6040038. CrossRef Google Scholar

79. Guimarães-Yamada K. L., Santos G. T., Osório J. A., Sippert M. R., Figueiredo-Paludo M., Silva B. G., et al. (2022). Influence of different heat-stress-reducing systems on physiological and behavioral responses and social dominance of Holstein and Jersey cows and heifers on pasture. Animals. 12, 2318. doi: 10.3390/ani12182318. CrossRef Google Scholar

80. Sharma R. (2025). Wearable biosensors: an aid for cattle well-being. Sensor Rev. 45, 544–62. doi: 10.1108/SR-11-2024-0933. CrossRef Google Scholar

81. Crump A., Jenkins K., Bethell E. J., Ferris C. P., Arnott G. (2024). Pasture access and eye temperature in dairy cows. J Appl Anim Welf Sci. 27, 234–42. doi: 10.1080/10888705.2022.2063020. CrossRef Google Scholar

82. Holinger M., Bühl V., Helbing M., Pieper L., Kürmann S., Pontiggia A., et al. (2024). Behavioural changes to moderate heat load in grazing dairy cows under on-farm conditions. Livest Sci. 279, 105376. doi: 10.1016/j.livsci.2023.105376. CrossRef Google Scholar

83. Deniz M., Sousa K. T., Moro M. F., Vale M. M., Dittrich J. R., Machado-Filho L. C. P., et al. (2021). Social hierarchy influences dairy cows' use of shade in a silvopastoral system under intensive rotational grazing. Appl Anim Behav Sci. 244, 105467. doi: 10.1016/j.applanim.2021.105467. CrossRef Google Scholar

84. Hryshchuk I., Postoi R., Horbay R., Hryshchuk A., Karpovskyi V. (2023). Determination of heart rate variability as an indicator of the influence of autonomic nervous system tone in cows. Ukr J Vet Sci. 14, 43–56. doi: 10.31548/veterinary2.2023.43. CrossRef Google Scholar

85. Luo H., Li X., Hu L., Xu W., Chu Q., Liu A., et al. (2021). Genomic analyses and biological validation of candidate genes for rectal temperature as an indicator of heat stress in Holstein cattle. J Dairy Sci. 104, 4441–51. doi: 10.3168/jds.2020-18725. CrossRef Google Scholar

86. Mincu M., Nicolae I., Gavojdian D. (2023). Infrared thermography as a non-invasive method for evaluating stress in lactating dairy cows during isolation challenges. Front Vet Sci. 10, 1236668. doi: 10.3389/fvets.2023.1236668. CrossRef Google Scholar

87. Mota-Rojas D., Pereira A. M., Wang D., Martínez-Burnes J., Ghezzi M., Hernández-Avalos I., et al. (2021). Clinical applications and factors involved in validating thermal windows used in infrared thermography in cattle and river buffalo to assess health and productivity. Animals. 11, 2247. doi: 10.3390/ani11082247. CrossRef Google Scholar

88. Riaz U., Idris M., Ahmed M., Ali F., Yang L. (2023). Infrared thermography as a potential non-invasive tool for estrus detection in cattle and buffaloes. Animals. 13, 1425. doi: 10.3390/ani13081425. CrossRef Google Scholar

89. Wang F. K., Shih J. Y., Juan P. H., Su Y. C., Wang Y. C. (2021). Non-invasive cattle body 1099 temperature measurement using infrared thermography and auxiliary sensors. Sensors. 21, 2425. doi: 10.3390/s21072425. CrossRef Google Scholar

90. Sousa A. C. D., Sousa A. M. D., Corrêa W. C., Marques J. I., Meneses K. C. D., Pandorfi H., et al. (2025). Bioclimatic zoning and climate change impacts on dairy cattle in Maranhão, Brazil. Animals. 15, 1646. doi: 10.3390/ani15111646. CrossRef Google Scholar

91. Grzeczka A., Wozniak G., Graczyk S., Wyszkowska J., Jaśkowski B. M., Gehrke M., et al. (2025). Effect of rectal examination on the behavior of multiparous cows (Bos taurus taurus) assessed on the basis of selected stress indicators. Medycyna Wet Vet Med Sci Pract. 81, 108–14. doi: 10.21521/mw.6984. CrossRef Google Scholar

92. Nevard R. P., Pant S. D., Broster J. C., Norman S. T., Stephen C. P. (2022). Maternal behavior in beef cattle: the physiology, assessment and future directions---a review. Vet Sci. 10, 10. doi: 10.3390/vetsci10010010. CrossRef Google Scholar

93. Romero M. H., Barrero-Melendro J., Sanchez J. A. (2023). Study of the feasibility of proposed measures to assess animal welfare for zebu beef farms within pasture-based systems under tropical conditions. Animals. 13, 3659. doi: 10.3390/ani13233659. CrossRef Google Scholar

94. Marins T. N., Rivas R. O., Chen Y. C., Melo V. H. L. R., Wang Z., Liu H., et al. (2025). Effects of heat stress abatement on behavioral response in lactating dairy cows prior to and following an intramammary lipopolysaccharide infusion. J Dairy Sci. 108, 1882–95. doi: 10.3168/jds.2024-25298. CrossRef Google Scholar

95. Soares S. R. V., Reis R. B., Dias A. N. (2021). Fatores de influência sobre o desempenho reprodutivo em vacas leiteiras. Arq Bras Med Vet Zootec. 73, 451–9. doi: 10.1590/1678-4162-11689. CrossRef Google Scholar

96. Lovarelli D., Minozzi G., Arazi A., Guarino M., Tiezzi F. (2024). Effect of extended heat stress in dairy cows on productive and behavioral traits. Animals. 18, 101089. doi: 10.1016/j.animal.2024.101089. CrossRef Google Scholar

97. Knezevic E., Nenic K., Milanovic V., Knezevic N. N. (2023). The role of cortisol in chronic stress, neurodegenerative diseases, and psychological disorders. Cells. 12, 2726. doi: 10.3390/cells12232726. CrossRef Google Scholar

98. Schiffers C., Serbetci I., Mense K., Kassens A., Grothmann H., Sommer M., et al. (2024). Association between IGF-1 and IGFBPs in blood and follicular fluid in dairy cows under field conditions. Animals. 14, 2370. doi: 10.3390/ani14162370. CrossRef Google Scholar

99. Azarbayejani R., Mohammadsadegh M. (2021). Glucose, insulin, and cortisol concentrations and glucose tolerance test in Holstein cows with inactive ovaries. Trop Anim Health Prod. 53, 41. doi: 10.1007/s11250-020-02448-7. CrossRef Google Scholar

100.                Romanello N., Barreto A. N. D., Sousa M. A. P. D., Balieiro J. C. D. C., Brandão F. Z., Tonato F., et al. (2023). Thermal comfort of Nelore (Bos indicus) and Canchim (Bos taurus × Bos indicus) bulls kept in an integrated crop-livestock-forestry system in a tropical climate. Agric Syst. 209, 103687. doi: 10.1016/j.agsy.2023.103687. CrossRef Google Scholar

101.                Blaga Vizitiu D. A., Bratu D. G., Lungu B. C., Tripon R. M., Tulcan C., et al. (2025). Fatty acid profiles in blood and milk of cows under heat stress: a comprehensive review. Romanian J Vet Sci. 58, 1. doi: 10.59463/rjvs.2025.1.06. CrossRef Google Scholar

102.                Qiao K., Jiang R., Contreras G. A., Xie L., Pascottini O. B., Opsomer G., et al. (2024). The complex interplay of insulin resistance and metabolic inflammation in transition dairy cows. Animals. 14, 832. doi: 10.3390/ani14060832. CrossRef Google Scholar

103.                Salimi-Kenari A., Chalmeh A., Pourjafar M., Mohtashamifar M. A., Amirian A., Khedri A. (2024). Potential relationships between apelin and metabolic-associated indices in transition dairy cows. Trop Anim Health Prod. 56, 209. doi: 10.1007/s11250-024-04043-6. CrossRef Google Scholar

104.                Gotsuliak V. L., Borshch O. O., Lastovska I. O., Borshch O. V. (2025). Cow behavior indicators using various means of mechani-zation and automation of feed distribution and feeding. Ukr J Vet Agric Sci. 8, 95–9. doi: 10.32718/ujvas8-1.14. CrossRef Google Scholar

105.                Ding L., Zhang C., Yue Y., Yao C., Li Z., Hu Y., et al. (2025). Wearable sensors-based intelligent sensing and application of animal behaviors: a comprehensive review. Sensors. 25, 4515. doi: 10.3390/s25144515. CrossRef Google Scholar

106.                Antanaitis R., Žermeikaite K., Krištolaityte J., Ribelyte I., Bespalovaite A., Bulvičiute D., et al. (2024). The impacts of heat stress on rumination, drinking, and locomotory behavior, as registered by innovative technologies, and acid–base balance in fresh multiparous dairy cows. Animals. 14, 1169. doi: 10.3390/ani14081169. CrossRef Google Scholar

107.                Zhang W., Wang Y., Guo L., Falzon G., Kwan P., Jin Z., et al. (2024). Analysis and comparison of new-born calf standing and lying time based on deep learning. Animals. 14, 1324. doi: 10.3390/ani14091324. CrossRef Google Scholar

108.                Kim S. (2025). Automated cattle head and ear pose estimation using deep learning for animal welfare research. Vet Sci. 12, 664. doi: 10.3390/vetsci12070664. CrossRef Google Scholar

109.                Miller D. W., Barnes A. L., Collins T., Pannier L., Aleri J., Maloney S. K., et al. (2024). Welfare and performance benefits of shade provision during summer for feedlot cattle in a temperate climatic zone. J Anim Sci. 102, skae332. doi: 10.1093/jas/skae332. CrossRef Google Scholar

110.                West J. W. (2003). Effects of heat-stress on production in dairy cattle. J Dairy Sci. 86, 2131–44. doi: 10.3168/jds.S0022-0302(03)73803-X. CrossRef Google Scholar

111.                Haskell S. R., Loghry B. L., Finno C. J., Wegner-Fowley K., Barr E. M., DeFazio J., et al. (2022). Physical exam. Large Anim Med Vet Techn. 2, 67–103. doi: 10.1002/9781119688327.ch4. CrossRef Google Scholar

112.                Chapman N. H., Chlingaryan A., Thomson P. C., Lomax S., Islam M. A., Doughty A. K., et al. (2023). A deep learning model to forecast cattle heat stress. Comput Electron Agric. 211, 107932. doi: 10.1016/j.compag.2023.107932. CrossRef Google Scholar

113.                Qiao Y., Kong H., Clark C., Lomax S., Su D., Eiffert S., et al. (2021). Intelligent perception-based cattle lameness detection and behaviour recognition: a review. Animals. 11, 3033. doi: 10.3390/ani11113033. CrossRef Google Scholar

114.                Laurindo G. M., Ferraz G. A. E. S., Damasceno F. A., Nascimento J. A. C. D., Santos G. H. R. D., Ferraz P. F. P. (2022). Thermal environment and behavior analysis of confined cows in a compost barn. Animals. 12, 2214. doi: 10.3390/ani12172214. CrossRef Google Scholar

115.                Hahn G. L. (1993). Bioclimatologia e instalações zootécnicas: Aspectos teóricos e aplicados. Jaboticabal: FUNEP. 28 p. Google Scholar

116.                Gerlach K., Daniel J. L. P., Jobim C. C., Nussio L. G. (2021). A data analysis on the effect of acetic acid on dry matter intake in dairy cattle. Anim Feed Sci Technol. 272, 114782. doi: 10.1016/j.anifeedsci.2020.114782. CrossRef Google Scholar

117.                Menegazzi G., Giles P. Y., Oborsky M., Fast O., Mattiauda D. A., Genro T. C. M., et al. (2021). Effect of post-grazing sward height on ingestive behavior, dry matter intake, and milk production of Holstein dairy cows. Front Anim Sci. 2, 742685. doi: 10.3389/fanim.2021.742685. CrossRef Google Scholar

118.                Jones A., Takahashi T., Fleming H., Griffith B., Harris P., Lee M. (2021). Quantifying the value of on-farm measurements to inform the selection of key performance indicators for livestock production systems. Sci Rep. 11, 16874. doi: 10.1038/s41598-021-96336-1. CrossRef Google Scholar

119.                Jobirov F., Yuejie Z., Kibona C. A. (2022). Evaluating profitability of beef cattle farming and its determinants among smallholder beef cattle farmers in the Baljovan District of Khatlon region, Tajikistan. PLoS ONE. 17, e0274391. doi: 10.1371/journal.pone.0274391. CrossRef Google Scholar

120.                Li S., Wei X., Song J., Zhang C., Zhang Y., Sun Y. (2021). Evaluation of statistical process control techniques in monitoring weekly body condition scores as an early warning system for predicting subclinical ketosis in dry cows. Animals. 11, 3224. doi: 10.3390/ani11113224. CrossRef Google Scholar

121.                Petrovski K. R., Cusack P., Malmo J., Cockcroft P. (2022). The value of 'cow signs' in the assessment of the quality of nutrition on dairy farms. Animals. 12, 1352. doi: 10.3390/ani12111352. CrossRef Google Scholar

122.                Zigo F., Vasil' M., Ondrašovičová S., Výrostková J., Bujok J., Pecka-Kielb E. (2021). Maintaining optimal mammary gland health and prevention of mastitis. Front Vet Sci. 8, 607311. doi: 10.3389/fvets.2021.607311. CrossRef Google Scholar

123.                Neculai-Valeanu A. S., Ariton A. M. (2022). Udder health monitoring for prevention of bovine mastitis and improvement of milk quality. Bioengineering. 9, 608. doi: 10.3390/bioengineering9110608. CrossRef Google Scholar

124.                Wrzecińska M., Czerniawska-Piatkowska E., Kowalczyk A. (2021). The impact of stress and selected environmental factors on cows' reproduction. J Appl Anim Res. 49, 318–23. doi: 10.1080/09712119.2021.1960842. CrossRef Google Scholar

125.                Chawicha T. G., Mummed Y. Y. (2022). An overview of how heat stress impacts dairy cattle fertility. Multidiscip Rev. 5, 2022014. doi: 10.31893/multirev.2022014. CrossRef Google Scholar

126.                Bruinjé T. C., Morrison E. I., Ribeiro E. S., Renaud D. L., Serrenho R. C., LeBlanc S. J. (2023). Postpartum health is associated with detection of estrus by activity monitors and reproductive performance in dairy cows. J Dairy Sci. 106, 9451–73. doi: 10.3168/jds.2023-23268. CrossRef Google Scholar

127.                Bayssa M., Yigrem S., Betsha S., Tolera A. (2021). Production, reproduction and some adaptation characteristics of Boran cattle breed under changing climate: a systematic review and meta-analysis. PLoS ONE. 16, e0244836. doi: 10.1371/journal.pone.0244836. CrossRef Google Scholar

128.                Neves S. F., Silva M. C., Miranda J. M., Stilwell G., Cortez P. P. (2022). Predictive models of dairy cow thermal state: a review from a technological perspective. Vet Sci. 9, 416. doi: 10.3390/vetsci9080416. CrossRef Google Scholar

129.                DŽermeikaite K., Bačeninaite D., Antanaitis R. (2023). Innovations in cattle farming: application of innovative technologies and sensors in the diagnosis of diseases. Animals. 13, 780. doi: 10.3390/ani13050780. CrossRef Google Scholar

130.                Gupta S., Sharma A., Joy A., Dunshea F. R., Chauhan S. S. (2022). The impact of heat stress on immune status of dairy cattle and strategies to ameliorate the negative effects. Animals. 13, 107. doi: 10.3390/ani13010107. CrossRef Google Scholar

131.                Mohteshamuddin K., Hamdan L., Estrada L. M., Nadeem M. F., Kim H., Lee S., et al. (2022). A pilot study on the hemato-biochemical parameters of cattle administered with advanced healthcare bio-capsules connected through a customized long-range network in the United Arab Emirates. Sens Bio-Sens Res. 38, 100530. doi: 10.1016/j.sbsr.2022.100530. CrossRef Google Scholar

132.                Kim D., Kwon W. S., Ha J., Moon J., Yi J. (2023). Increased accuracy of estrus prediction using ruminoreticular biocapsule sensors in Hanwoo (Bos taurus coreanae) cows. J Anim Sci Technol. 65, 759. doi: 10.5187/jast.2022.e125. CrossRef Google Scholar

133.                Merkelyte I., Šiukščius A., Nainiene R. (2025). The role of sensor technologies in estrus detection in beef cattle: a review of current applications. Animals. 15, 2313. doi: 10.3390/ani15152313. CrossRef Google Scholar

134.                Herlin A., Brunberg E., Hultgren J., Högberg N., Rydberg A., Skarin A. (2021). Animal welfare implications of digital tools for monitoring and management of cattle and sheep on pasture. Animals. 11, 829. doi: 10.3390/ani11030829. CrossRef Google Scholar

135.                Neethirajan S., Kemp B. (2021). Digital livestock farming. Sens Bio-Sens Res. 32, 100408. doi: 10.1016/j.sbsr.2021.100408. CrossRef Google Scholar

136.                McManus R., Boden L. A., Weir W., Viora L., Barker R., Kim Y., et al. (2022). Thermography for disease detection in livestock: a scoping review. Front Vet Sci. 9, 965622. doi: 10.3389/fvets.2022.965622. CrossRef Google Scholar

137.                Alanezi M. A., Shahriar M. S., Hasan M. B., Ahmed S., Sha'aban Y. A., Bouchekara H. R., et al. (2022). Livestock management with unmanned aerial vehicles: a review. IEEE Access. 10, 45001–28. doi: 10.1109/ACCESS.2022.3168295. CrossRef Google Scholar

138.                Han X., Lin Z., Clark C., Vucetic B., Lomax S. (2022). AI based digital twin model for cattle caring. Sensors. 22, 7118. doi: 10.3390/s22197118. CrossRef Google Scholar

139.                Periyanayagi S., Priya G. G., Chandrasekar T., Sumathy V., Raja S. P. (2022). Artificial intelligence and IoT-based biomedical sensors for intelligent cattle husbandry systems. Int J Wavelets Multiresol Inf Process. 20, 2250026. doi: 10.1142/S0219691322500266. CrossRef Google Scholar

140.                Sejian V., Shashank C. G., Silpa M. V., Madhusoodan A. P., Devaraj C., Koenig S. (2022). Non-invasive methods of quantifying heat stress response in farm animals with special reference to dairy cattle. Atmosphere. 13, 1642. doi: 10.3390/atmos13101642. CrossRef Google Scholar

141.                Benezra R. M. V. (1954). A new index for measuring the adaptability of cattle to tropical conditions. J Anim Sci. 13, 1015. Google Scholar

142.                Berry I. L., Shanklin M. D., Johnson H. D. (1964). Dairy shelter design based on milk production decline as affected by temperature and humidity. Trans ASAE. 3, 329–31. Google Scholar

143.                Gaalaas R. F. (1947). A study of heat tolerance in Jersey cows. J Dairy Sci. 30, 79–85. doi: 10.3168/jds.S0022-0302(47)92321-7. CrossRef Google Scholar

144.                Rhoad A. O. (1944). The Iberia heat tolerance test for cattle. Trop Agric. 21, 162–4. Google Scholar

145.                Moran D. S., Pandolf K. B., Shapiro Y., Heled Y., Shani Y., Mathew W. T., et al. (2001). An environmental stress index (ESI) as a substitute for the wet bulb globe temperature (WBGT). J Therm Biol. 26, 427–31. doi: 10.1016/S0306-4565(01)00055-9. CrossRef Google Scholar

146.                Gaughan J. B., Mader T. L., Holt S. M., Sullivan M. L., Hahn G. L. (2010). Assessing the heat tolerance of 17 beef cattle genotypes. Int J Biometeorol. 54, 617–27. doi: 10.1007/s00484-009-0233-4. CrossRef Google Scholar

147.                Wang X., Gao H., Gebremedhin K. G., Bjerg B. S., Van-Os J., Tucker C. B., et al. (2018). A predictive model of equivalent temperature index for dairy cattle (ETIC). J Therm Biol. 76, 165–70. doi: 10.1016/j.jtherbio.2018.07.013. CrossRef Google Scholar

148.                Silva R. G., Maia A. S. C. (2013). Thermal stress indexes. In: McGregor G., editor. Principles of Animal Biometeorology, Vol. 2. Dordrecht: Springer. p. 207–29. doi: 10.1007/978-94-007-5733-2_7. CrossRef Google Scholar

149.                Buffington D. E., Collazo-Arocho A., Canton G. H., Pitt D., Thatcher W. W., Collier R. J. (1981). Black Globe-Humidity Index (BGHI) as comfort equation for dairy cows. Trans ASAE. 24, 711–4. doi: 10.13031/2013.34325. CrossRef Google Scholar

150.                Silva R. G. D., Morais D. A. E. F., Guilhermino M. M. (2007). Evaluation of thermal stress indexes for dairy cows in tropical regions. Rev Bras Zootec. 36, 1192–8. doi: 10.1590/S1516-35982007000500028. CrossRef Google Scholar

151.                Dutta D., Natta D., Mandal S., Ghosh N. (2022). MOOnitor: an IoT based multi-sensory intelligent device for cattle activity monitoring. Sensors Actuators A Phys. 333, 113271. doi: 10.1016/j.sna.2021.113271. CrossRef Google Scholar

152.                Baêta F. D. C., Souza C. D. F. (2010). Ambiência em edificações rurais: Conforto animal. Viçosa: UFV. 269 p. Google Scholar

153.                Hahn G. L., Osburn D. D. (1969). Feasibility of summer environmental control for dairy cattle based on expected production losses. Trans ASAE. 12, 448–51. doi: 10.13031/2013.38862. CrossRef Google Scholar

154.                Thomas C. K., Sharma K. N. S., Georgie G. C., Razdan M. N. (1973). A new heat-tolerance index for cattle. Indian J Anim Sci. 43, 505–10. Google Scholar

155.                Esmay M. L. (1978). Principles of Animal Environment. Westport, CT: AVI Publishing Company. p. ix−458. Google Scholar

156.                Thom E. C. (1959). The discomfort index. Weatherwise. 12, 57–61. doi: 10.1080/00431672.1959.9926960. CrossRef Google Scholar

157.                Gaughan J. B., Mader T. L., Gebremedhin K. G. (2012). Rethinking heat index tools for livestock. Environ Physiol Livest. 1, 243–65. doi: 10.1002/9781119949091.ch14. CrossRef Google Scholar

158.                McGovern R. E., Bruce J. M. (2000). AP---animal production technology: a model of the thermal balance for cattle in hot conditions. J Agric Eng Res. 77, 81–92. doi: 10.1006/jaer.2000.0560. CrossRef Google Scholar

de Souza IMF, Sousa CEL, Pinto VS, Vilela LGP, Souza AS, Cunha JPS, Araújo CV, Gomes MNB, Silva LKX, Martorano LG, Neves KAL, Camargo-Júnior RNC, Silva ÉBR and da Silva WC (2026) Welfare indicators in cattle farming in the face of heat stress: a review in climate change scenarios. Front. Vet. Sci. 12:1754412. doi: 10.3389/fvets.2025.1754412

Перевод статьи «Welfare indicators in cattle farming in the face of heat stress: a review in climate change scenarios» авторов de Souza IMF, Sousa CEL, Pinto VS, Vilela LGP, Souza AS, Cunha JPS, Araújo CV, Gomes MNB, Silva LKX, Martorano LG, Neves KAL, Camargo-Júnior RNC, Silva ÉBR and da Silva WC., оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык

Фото: Designed by Freepik