|
|
粗飼料相對值(RFV)
RFV是目前美國唯一廣泛使用(銷售、庫存及根據家畜對粗飼料質量的要求投料)的粗飼料質量評定指數，其定義為：相對一特定標準粗飼料(盛花期苜蓿)，某種粗飼料可消化干物質(Digestible
Dry Matter，DDM)的采食量。其關系式如下：
RFV=DMI(%BW)×DDM(%DM)/1.29
其中：DMI(dry matter
intake)為粗飼料干物質的隨意采食量，用占體重(BW)的百分比表示；DDM(digestible dry
matter)為可消化的干物質，用占干物質(DM)的百分比表示；BW(body
weight)為體重。1.29是基于大量動物試驗數據所預期的盛花期苜蓿DDM的采食量，以占體重的百分比表示，除以1.29，目的是使得盛花期的苜蓿RFV值為100。
可以看出，RFV的基礎是DDM的隨意采食量，家畜的DDM采食量以及由此計算得到的RFV是由反芻家畜所采食的粗飼料干物質隨意采食量(Dry
Matter
Intake，DMI，占%BW)和飼草中的DDM含量(%DM)決定的。由于通常DDM與DMI相關性不強(Moore
and
coleman，2001)，因此，RFV經由DMI和DDM的預測模型計算得到。在預測DMI和DDM時，是分別以實驗室分析測定的中性洗滌纖維(NDF)與酸性洗滌纖維(ADF)為預測因子所建立的模型為基礎進行的。它們的預測模型分別為：
DMI(%BW)=120/NDF(%DM)
DDM(%DM)=88.9-0.779ADF(%DM)
DMI和DDM經由上述各自特定模型分別由NDF與ADF計算得到。
隨著新版NRC奶牛營養需要(2001)中所規定的一些有關確定家畜營養需要新方法的實施，很有必要引入新的方法及模型來改造RFV，粗飼料相對質量(RFQ)指數就是在這種背景下在RFV的基礎上發展而來。
2、粗飼料相對質量(RFQ)
RFQ是一個新的擬用來取代RFV的粗飼料質量評定指數，其概念與表達式同RFV，不同的是RFQ中可利用能用的是總可消化養分(TDN)而不是RFV中的DDM。
RFQ=DMI(%BW)×TDN(%DM)/1.23
式中除以常數1.23，目的在于將各種粗飼料RFQ的平均值及其范圍調整到與RFV的相似(Moore和Undersander，2002)。
RFQ參數預測模型中，引用新版奶牛NRC(NRC，2001)中的歸納性能量預測模型，通過可消化營養素(包括NDFD)來預測粗飼料的可利用能；用Mertens
(1987)的采食量模型，通過可消化的NDF(NDFD)預測粗飼料干物質的隨意采食量(DMI)，然后以預測的可利用能和DMI為基礎，計算RFQ。RFQ值的平均值及其范圍與RFV的相似，約在80到200之間。由于RFQ中可利用能及DMI的預測模型分別使用可消化營養素與NDFD作為預測因子，因而RFQ能更精確地評定粗飼料品質，尤其是能更準確地對禾本科牧草進行分級。FRV模型之所以會低估高質量禾本科牧草的RFV，是因為低估了DMI。
2.1 RFO中預測苜蓿、三葉草、豆科/禾本科混合牧草TDN和DHI的模型
2.1.1 TDN預測模型
TDN豆科=[（NFC×0.98）+(CP×0.93)+(FA×0.97×2.25)+(NDFn×(NDFD/100))-7(NRC,2001)
其中：
CP=粗蛋白(%DM)
EE=粗脂肪(%DM)
FA=脂肪酸(%DM)=粗脂肪-1
NDF=中性洗滌纖維(%DM)
NDFCP=中性洗滌纖維結合蛋白
NDFn=非中性洗滌纖維結合氮=NDF-NDFCP或NDFn=NDF×0.93
NDFD=體外48小時NDF的消化率(%NDF)
NFC(%DM)(非纖維碳水化合物，用占干物質的百分比表示)=100-(NDF+CP+EE+ash)
2.1.2 DMI預測模型
DMI豆科=[(0.0120×1350/(NDF/100))+(NDFD-45)×0.374]/1350×100
該模型以Mertens(1987)的DMI模型為基礎，同時引入Oba和Allen(1999)建議的NDFD進行校正。
式中45是苜蓿、苜蓿與禾本科混播牧草纖維的平均消化率，DMI以占體重(BW)的百分比表示，NDF以占干物質(DM)的百分比表示，NDFD以占NDF的百分比表示。
2.2 RFQ中預測暖季與冷季禾本科牧草TDN和DMI的模型
2.2.1 TDN預測模型
TDN禾本科=[(NFC×0.98)+(CP×0.87)+(FA×0.97×2.25)+(NDFn×(NDFDp/100)]-10(Moore和Undersander
2002)
其中：NDFDP=22.7+0.664×NDFD，其余術語意義同上。
2.2.2 DMI預測模型
DMI禾本科=-2.318+0.442×CP-0.0100×CP2-0.0638×TDN+0.000922×TKN2+0.180×ADF-0.00196×ADF2-0.00529×CP×ADF(Moore
and Kunkle，1999)
式中DMI以占體重(BW)的百分比，CP、ADF、TDN以占干物質(DM)的百分比表示。
關于RFQ的TDN預測模型，亦有未作細分的，都用如下模型：
TDN=[(NFC×0.98)+(CPx0.93)+(FA×0.97×2.25)+(NDF×(NDFD×0.75/100))-7(NRC，2001)
注：有關術語意義同上，此模型不須用到NDFn，較易在生產中推廣。
2.3 RFO取代RFV的可行性
提出RFQ的目的就是要用RFQ取代RFV，為使這種取代不致造成太大的經濟與管理上的變化，易于推廣，在最初設計RFQ時就考慮了要使RFQ與RFV在評定粗飼料品質時具有相同的均值與范圍。據Worlds
Forage
Superbowl實驗室對采自世界奶牛博覽會上的近200個苜蓿干草與半干青貯苜蓿樣品(它們分別是由美國20個州及加拿大的2個省選送的)的RFV與RFQ進行了測定，前者為179，后者為172，極為相似。
盡管這些樣品的RFV與RFQ值范圍變化較大，但仍然反映了RFQ與RFV間具有強的相關(0.86)。可是單個樣本的RFQ值針對RFV的變異較大，最大的相差(高于或低于)達40點，22%的樣本相差20點甚至更高。對于RFQ較RFV高的牧草，當以RFV進行交易時，干草銷售者就沒有獲得本應多獲得的利潤(對購草者而言，則進行了一筆好的獲利交易)；對于RFQ較RFV低的牧草，當以RFV進行交易時，則情形相反，奶牛就達不到與RFV相稱的預期泌乳量。
總體而言，由于同一種干草RFQ與RFV的均值相同，故可在定價、簽訂合同及其它用途上用RFQ取代RFV。可是，當具體某個干草的RFQ變化較大時，牧場主以使用RFQ為宜，這是因為RFQ能更好地反映家畜的生產性能(增重、產奶)。但也有人提出相左意見，理由是：首先，在對RFQ預測模型中所用的可消化營養素進行分析時，要用大量的時間，花費大量的資金；其次，在測定可消化營養素指標精確性上的提高，有可能被不可避免的取樣誤差抵消。盡管開展體外消化率的測定工作已有幾十年(始于1964年)的歷史，但
仍不免存在著誤差。即使采用近紅外(NIRS)技術，這種誤差同樣存在；第三，假定粗飼料分析上的誤差能夠最終反映出家畜生產性能(增重、產奶)的變化，由于奶牛在任何時間都維持著高產水平，完全可從苜蓿中獲得對粗飼料營養素的需要，那么對于以苜蓿為主要粗飼料的高產奶牛，就沒有必要用RFQ取代RFV。
3 粗飼料分級指數(Crading Index，GI)
盧德勛(2001)根據我國粗飼料利用的現狀，以系統科學為指導思想，在廣泛吸取RFV等粗飼料評定指數的優點的基礎上，結合我國粗飼料生產及利用的實際，適時地提出了評定粗飼料品質的粗飼料分級指數(Grading
Index，GI)。GI不僅象RFV那樣可用于粗飼料的品質分級、交易，還可用于指導粗飼料科學搭配以及牧草的種植與刈割，其最大的特點是：多指標，綜合評定。它的提出對粗飼料營養價值的評定及其科學搭配與牧草刈割期的確定提供了有用的工具。其數學表達式為：
GI=ME(MJ/kg)×DMI(kg/天)×CP(%DM)／NDF(或ADL)(%DM)
式中：ME-粗飼料代謝能，單位為MJ/kg，亦可使用泌乳凈能(NEL)取代ME，尤其在奶牛上使用NEL較多；DMI-粗飼料干物質隨意采食量，單位為kg；CP-為粗蛋白，占干物質的百分比；NDF-中性洗滌纖維，占干物質的百分比；ADL-酸性洗滌木質素，占干物質的百分比。
王旭(2003)首次驗證了GI理論：就幾種常見粗飼料(沙打旺、羊草、玉米秸與谷草)的GI值進行了測定，并將GI對粗飼料的分級與RFV對粗飼料的分級進行了比較，結果其品質優劣排序完全一致。而且，用GI優化的混合粗飼料(50%玉米秸+40%沙打旺+10%羊草)與精料(粗：精為7：3)組成的全混日糧較青干草與同一精料(粗：精為7：3)組成的全混日糧成本低，生產性能高。張吉鹍等(2004)就綿羊GI參數的模型化進行了研究，并進一步證明用GI對粗飼料的分級較用RFV對粗飼料分級更科學，且對經GI優化的混合粗飼料的組合效應及其機制進行了研究。這一奠基性的工作對GI在我國粗飼料品質評定及其在粗飼料優化搭配技術上的應用推廣必將產生重大影響。 |
|
[復制鏈接]
IP卡
狗仔卡
發表于 2010-4-14 12:00:14
QQ好友和群
QQ空間
收藏
轉播
分享
淘帖
支持
反對
分享到微信
提升卡
置頂卡
沉默卡
喧囂卡
變色卡
搶沙發
顯身卡
京公網安備 11010802025824號