动物粪便近红外光谱的应用潜力

近红外光谱技术(NIRS)以其低成本、高效、环保、无损的优势在日粮和畜产品品质分析中得到广泛应用。饲料品质参数(如粗蛋白)的获取对于日粮营养的合理搭配不可或缺,传统的近红外光谱技术将日粮的近红外光谱与日粮品质参数的化学测定值进行回归,建立预测模型对日粮品质参数进行检测。然而,在放牧条件下日粮近红外光谱的难以获取限制了这一传统建模方法在动物营养中的应用。作为动物代谢性产物,动物粪便不仅包含有日粮信息也携带有动物自身信息。近年来,基于动物粪便近红外光谱和日粮信息(日粮植物学成分、化学成分及其消化率)建立的回归模型,也已被用于动物日粮信息的检测。简要介绍F.NIRS在动物性别、品种鉴定及繁殖和寄生虫感染状态检测中的应用。NIRS在动物粪肥分析中的应用结果表明NIRS能够对粪肥中主要成分含量进行快速分析。尽管F.NIRS预测准确性有待提高,但已显示出其作为快速、有效的分析工具用于检测日粮品质参数及动物生理状态的潜力。相关的英文评述性文章业已出版,但在中国F.NIRS的研究和应用非常欠缺。期望本文的呈现有助于F.NIRS在国内的发展。推荐将NIRS作为快速分析工具用于对粪肥主要成分(DM,OM,TS,VS,TN,TKN和NH₃-N)含量进行检测。     

近红外光谱技术(NIRS)在牧草领域中的应用研究进展

牧草是草食动物最主要的营养来源。牧草品质的优劣不仅影响家畜的生长发育和生产效率,也决定着最终畜产品的产量与品质。牧草品质的优劣主要取决于牧草营养成分及其消化率、适口性、以及牧草中所含抗营养因子和真菌毒素、霉菌毒素的含量水平。近红外光谱技术(NIRS)是一种低成本、快速、简单、无损的定性、定量分析技术,已在许多领域广泛应用。该文简要介绍了NIRS的原理和特点,详细综述了NIRS在牧草品质分析、牧草育种、牧草品种鉴定和性状分类中的应用。通过较全面综述NIRS在牧草领域中的应用现状,以期有助于NIRS在我国牧草领域中的发展。     

虉草粗蛋白近红外定量分析模型的建立

虉草（Phalaris arundinacea L.）为多年生冷季型禾本科高产牧草,粗蛋白（CP）是评价饲草品质的关键指标,但目前的化学分析方法存在诸多缺点,寻求高效、快速、准确、安全的虉草CP测定方法是现代草地畜牧业发展和草原生态恢复急需解决的实际问题。本研究旨在利用近红外光谱（NIRS）建立虉草CP的定量分析模型,为快速测定虉草CP提供有效方法。试验采集不同品种（品系）、生育期、栽培条件、干燥方式、生长年限、部位以及刈割次数的虉草样品454份,采用瑞士Buchi公司的傅里叶近红外光谱仪和Operator软件采集原始光谱,应用K-S算法剔除具有相似光谱的样品,筛选出210份用于建模和模型评价。通过凯氏定氮法测定210份样品的粗蛋白含量并在Management console软件中对光谱进行赋值,再采用软件NIRcal 5.4按照6∶3的比例将样品随机分为校正集和验证集,并剔除异常样品,运用不同的光谱预处理、回归算法、建模波段和主成分数建立8个虉草CP含量的近红外定量分析模型,通过外部验证表明8个模型均可以进行实际测定。最后比较不同的统计学参数获取最佳模型。结果表明,采用4 000~10 000 cm-1的建模光谱波段、sa3+ncl+db1（3点平滑+趋近归一化+一阶导数处理）的预处理方法、8/1-4的初/次级主成分数和偏最小二乘法（PLS）所建的模型为最佳模型,其校正决定系数（R2_cal）为0.982 1,验证决定系数（R2_val）为0.980 2,均大于0.98,表明预测性能优秀;校正标准差（SEC）和验证标准差（SEP）分别为0.780 2和0.783 2,均较小且非常接近,表明模型的分析精度很高并具有很好的适应性;残差（BIAS）为-0.000 5,接近于0,说明模型的稳定性很高,对外界因素不敏感;预测相关系数（r）为0.99,可见样品化学值与定标模型预测值的相关度极高;相对分析误差（RPD）为7.37,RPD>4.0表明模型能够很好地进行定量分析。综上,该试验在国内首次建立了虉草CP近红外定量分析模型,该模型样品来源多、数量大、分布范围广,预测精度和准确度高,适用范围大,为快速测定虉草粗蛋白提供了有效方法,在虉草品质分析、育种、家畜日粮配置以及草产品评价流通等方面具有应用前景。     

菊苣体外干物质消化率近红外分析模型的建立

菊苣(Cichorium intybus L.)是一种新型的高产优质饲用牧草,具有极大的推广利用价值。体外干物质消化率(in vitro dry matter digestibility,IVDMD)是评价饲草营养价值的重要指标之一。建立菊苣体外干物质消化率的NIRS定量分析模型的研究,采集了72个品种、不同基因型、不同生长发育时期的204个菊苣地上部分为样品,应用傅里叶变换近红外漫反射光谱技术,通过采用不同的回归算法,比较不同的光谱范围和光谱预处理方法,建立了8个菊苣体外干物质消化率(IVDMD)的近红外漫反射光谱校正模型,从中选出最佳参数的校正模型。其校正决定系数(R2cal)和外部验证决定系数(R2val)分别为0.953 17和0.904 55,校正标准差(RMSEC)和预测标准差(RMSEP)分别为1.977 99%和2.008 82%,预测值与化学值间的相关系数(r)达0.951 08。结果表明,利用近红外漫反射光谱法来测定菊苣体外干物质消化率(IVDMD)是可行的,可为菊苣体外干物质消化率(IVDMD)的测定提供快速的分析测定方法。     

近红外光谱法测定老芒麦营养价值

老芒麦(Elymus sibiricus L.)是青藏高原地区主要禾本科牧草,对该区畜牧业具有重要作用。粗蛋白(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)和体外干物质消化率(IVDMD)是影响牧草营养价值高低的主要参数。基于近红外光谱技术(NIRS)结合偏最小二乘法建立了老芒麦CP,ADF,NDF和IVDMD的近红外预测模型。所建CP,ADF,NDF和IVDMD模型校正决定系数(R2cal)分别为0.994 5,0.949 9,0.9133和0.982 2,校正标准差(SEC,%DM)分别为0.329 9,0.779 9,1.343 0和1.376 2;验证决定系数(R2val)分别为0.993 8,0.944 9,0.890 7和0.979 0,验证标准差(SEP,%DM)分别为0.362 1,0.787 8,1.385 2和1.430 3。预测相关系数(r)大于0.943 8,相对分析误差(RPD)为3.02~12.63,表明NIRS能够对老芒麦CP,ADF,NDF和IVDMD进行准确分析。