本试验旨在基于康奈尔净碳水化合物与蛋白质体系(CNCPS)建立大麦秸秆营养组分数据库,并利用近红外光谱分析技术(NIRS)建立其营养价值预测模型。试验采集甘肃省13个县市96份大麦秸秆样品,测定其干物质(DM)、粗灰分(Ash)、粗蛋白质(CP)、...本试验旨在基于康奈尔净碳水化合物与蛋白质体系(CNCPS)建立大麦秸秆营养组分数据库,并利用近红外光谱分析技术(NIRS)建立其营养价值预测模型。试验采集甘肃省13个县市96份大麦秸秆样品,测定其干物质(DM)、粗灰分(Ash)、粗蛋白质(CP)、粗脂肪(EE)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、酸性洗涤木质素(ADL)、中性洗涤不溶蛋白质(NDIP)、酸性洗涤不溶蛋白质(ADIP)、可溶性粗蛋白质(SP)、钙(Ca)和磷(P)含量,利用CNCPS 6.5计算各样品碳水化合物(CHO)和蛋白质营养组分。分别用76份和20份大麦秸秆样品作为定标集和验证集评价NIRS预测模型。结果显示:1)大麦秸秆DM、Ash、CP、EE、NDF、ADF、ADL、NDIP、ADIP、SP、Ca和P含量分别为95.21%、7.38%、3.51%、5.68%、70.95%、45.16%、5.17%、1.02%、0.57%、1.65%、0.71%和0.09%。2)大麦秸秆CNCPS CHO各组分CHO、非纤维性碳水化合物(NFC)、可溶性纤维(CB2)、可消化纤维(CB3)和不消化纤维(CC)含量分别为83.42%、12.47%、12.47%、58.55%和12.40%。大麦秸秆CNCPS蛋白质各组分可溶性真蛋白质(PA2)、难溶性真蛋白质(PB1)、纤维结合蛋白质(PB2)和非降解蛋白质(PC)含量分别为1.65%、1.23%、0.45%和0.57%。3)有机物(OM)、CP、NDF、ADF、CHO、NFC和CB2的交互验证决定系数(1-VR)>0.8,验证决定系数(RSQv)≥0.84,这些模型可用于日常分析。OM、CP、NDF、ADF、CHO、NFC和CB2的模型参数分别为标准正常化和去散射二阶导数处理(SNV and detrend 2,4,4,1)、SNV and detrend 2,4,4,1;标准正常化和去散射一阶导数处理(SNV and detrend 1,4,4,1);无散射一阶导数处理(None 1,4,4,1);SNV and detrend 2,4,4,1;无散射二阶导数处理(None 2,4,4,1);None 2,4,4,1。而其余成分所建模型未达到实用水平,模型须进一步完善。总之,本研究为大麦秸秆在反刍动物饲粮中的应用提供基础的化学分析数据,并通过NIRS方法建立了主要营养成分的快速预测模型。展开更多
文摘本试验旨在基于康奈尔净碳水化合物与蛋白质体系(CNCPS)建立大麦秸秆营养组分数据库,并利用近红外光谱分析技术(NIRS)建立其营养价值预测模型。试验采集甘肃省13个县市96份大麦秸秆样品,测定其干物质(DM)、粗灰分(Ash)、粗蛋白质(CP)、粗脂肪(EE)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、酸性洗涤木质素(ADL)、中性洗涤不溶蛋白质(NDIP)、酸性洗涤不溶蛋白质(ADIP)、可溶性粗蛋白质(SP)、钙(Ca)和磷(P)含量,利用CNCPS 6.5计算各样品碳水化合物(CHO)和蛋白质营养组分。分别用76份和20份大麦秸秆样品作为定标集和验证集评价NIRS预测模型。结果显示:1)大麦秸秆DM、Ash、CP、EE、NDF、ADF、ADL、NDIP、ADIP、SP、Ca和P含量分别为95.21%、7.38%、3.51%、5.68%、70.95%、45.16%、5.17%、1.02%、0.57%、1.65%、0.71%和0.09%。2)大麦秸秆CNCPS CHO各组分CHO、非纤维性碳水化合物(NFC)、可溶性纤维(CB2)、可消化纤维(CB3)和不消化纤维(CC)含量分别为83.42%、12.47%、12.47%、58.55%和12.40%。大麦秸秆CNCPS蛋白质各组分可溶性真蛋白质(PA2)、难溶性真蛋白质(PB1)、纤维结合蛋白质(PB2)和非降解蛋白质(PC)含量分别为1.65%、1.23%、0.45%和0.57%。3)有机物(OM)、CP、NDF、ADF、CHO、NFC和CB2的交互验证决定系数(1-VR)>0.8,验证决定系数(RSQv)≥0.84,这些模型可用于日常分析。OM、CP、NDF、ADF、CHO、NFC和CB2的模型参数分别为标准正常化和去散射二阶导数处理(SNV and detrend 2,4,4,1)、SNV and detrend 2,4,4,1;标准正常化和去散射一阶导数处理(SNV and detrend 1,4,4,1);无散射一阶导数处理(None 1,4,4,1);SNV and detrend 2,4,4,1;无散射二阶导数处理(None 2,4,4,1);None 2,4,4,1。而其余成分所建模型未达到实用水平,模型须进一步完善。总之,本研究为大麦秸秆在反刍动物饲粮中的应用提供基础的化学分析数据,并通过NIRS方法建立了主要营养成分的快速预测模型。