呼伦贝尔地区6种禾本科牧草养分对应分析

郭明英， 吴艳玲， 徐丽君， 张木兰， 乌 兰， 吕潇潇， 吕世杰

(1.呼伦贝尔国家野外站/中国农业科学院农业资源与农业区划研究所， 北京 100081； 2.内蒙古师范大学， 内蒙古 呼和浩特 010021； 3.呼伦贝尔市草原工作站， 内蒙古 呼伦贝尔 021008； 4.呼伦贝尔市畜牧工作站， 内蒙古 呼伦贝尔 021008； 5.内蒙古农业大学， 内蒙古 呼和浩特 010018)

禾本科牧草在人工草地组成中占据重要地位，同时在草地生态系统中也具有重要作用，是发展畜牧业的重要物质基础[1]。营养价值的高低是评价牧草是否优良的重要指标，主要取决于所含营养成分的种类和数量[2,3]，不同牧草品种、成熟阶段和青贮技术均会使牧草的营养价值发生较大的变化，提高其利用率[4-6]。本文应用对应分析[7-8]方法对呼伦贝尔地区6种禾本科牧草的营养成分进行分析，揭示营养成分的差异性，探讨适宜呼伦贝尔地区种植的不同禾本科牧草营养物质含量变化特点及规律，旨在为呼伦贝尔家畜的补饲和人工草地的合理利用提供科学依据。

1 材料与方法

1.1 试验地概况

试验地位于呼伦贝尔市陈巴尔虎旗国家牧草繁育基地，属温带半干旱大陆性气候，年平均降水322.7 mm，年平均气温为-1.5℃，无霜期115 d，年积温(≥10℃)2 003.1℃。土壤类型为栗钙土。

1.2 试验材料

披碱草(ElymusdahuricusTurcz)、蒙农杂种冰草(Agropyroncristatum×A.desertorum‘Hycrest Mengnong’)、老芒麦(ElymussibiricusLinn)，(内蒙古农业大学提供)；多花黑麦草(LoliummultiflorumLamk)，(黑龙江省齐齐哈尔北方草业有限公司提供)；‘阿坝’垂穗披碱草(Elymusnutans‘ Aba’)，(四川省草原科学研究院牧草研究所提供)；偃麦草(Elytrigiarepens(L.) Nevski.)，(新巴尔虎左旗草原工作站提供)。

1.3 试验取样与测定

于2014年8月中旬取样，先齐地面将牧草剪割，再将样品烘干后粉碎，最后进行营养成分的测定与分析[9]。

1.4 数据分析

原始数据使用Excel 2010整理，统计分析采用SAS 9.2软件。

2 结果与分析

2.1 特征向量分析

由表1可知，第1坐标、第2坐标为6种禾本科牧草在2个公因子上的载荷，分别表示为：P(披碱草)=0.1087 Dim1+0.0091 Dim2；D(多花黑麦草)=0.1606 Dim1+0.0084 Dim2；M(蒙农杂种冰草)=-0.0553 Dim1+0.0458 Dim2；L(老芒麦)=-0.0789 Dim1-0.0243 Dim2；A(阿坝垂穗披碱草)=-0.0995 Dim1+0.0244 Dim2；Y(偃麦草)=-0.0132 Dim1-0.0571 Dim2。由此可知，P、D、M、L和A在第1公因子所承载信息均较大，而Y在第2公因子所承载的信息较大。

贡献率之和反映牧草在2个公因子上的信息情况，由此可知，2公因子代表的牧草信息大小依次为D>P>A>Y>M>L，承载信息均在80%以上，其中P和D承载信息均在95%以上，6种牧草信息几乎完全由这2个公因子反映出来。和占百分比信息反映出Y>A>L>P>M>D，说明营养物质含量总体呈现Y>A>L>P>M>D。变量占特征值比表示贡献率大小依次为D>A>P>L>M>Y。

表1 6种禾本科牧草的特征向量Table 1 Feature vectors of 6 forage grasses

2.2 欧氏距离分析

由表2可知，P和D之间距离=sqrt[(0.1087-0.1606)2+(0.0091-0.0084)2]=0.0519，D和M之间距离为0.2191，M和L之间距离为0.0740，L和A之间距离为0.0529，A和Y之间距离为0.1187。由此可知，以各养分含量为观测梯度变量 M 和A 之间距离最短，即M 和A 之间养分含量差值较小，其他依次减小，表明6种禾本科牧草养分含量的差异在逐渐减小，牧草D养分含量远不同于牧草A养分含量。

表2 6种禾本科牧草的欧氏距离Table 2 Euclidean distance of 6 grass species

2.3 贡献率与信息量分析

D在第1公因子上贡献率最大(表 3)，依次是P，A，L，M，Y；在每个变量上每个公因子贡献率显示，6种牧草在第2公因子上贡献率与之相反，Y贡献率最大，D贡献率最小。

由变量在公因子上贡献率显示，P、D、A和L 均在第1公因子上贡献率相对第2公因子占有绝对优势；M变量在双因子上贡献率均较大；Y在第1公因子上贡献率相对第1公因子占有一定优势。在信息量和总信息量中，0、1 和 2 是各变量坐标对特征值贡献多少标志，贡献少、中、多依次用 0、1 和 2 来表示，得出坐标对特征值贡献较多的是 M和Y，P、D、L和A 坐标对特征值贡献处于中等水平。

表3 6种禾本科牧草的贡献率及信息量分析Table 3 Contribution rate and information quantity analysis of 6 forage grasses

2.4 各养分指标特征向量分析

第1坐标、第2坐标为 7 个养分变量在2个公因子上的载荷，结果表示：CP在 2 个公因子上的载荷为CP=-0.1907 Dim1+0.0023 Dim2，其他养分指标在2公因子上的载荷如表4所示。7个养分指标中除了Ca和P，其他指标在第1公因子所承载信息均较大，第1坐标可以看作是不同养分指标在坐标系内的位置变动情况；而由于Ca和P在第1坐标上的载荷与第2坐标差值远小于其他养分指标，其位置变动情况受第2坐标的影响值得重视。

2公因子所代表的养分含量信息大小依次为CP>AW>CF>Ash>EE>P>Ca，除了Ca和P,其他养分指标承载信息均在70%以上，可以采用2公因子承载信息代替原指标信息；和占百分比CF>CP>AW>Ash>EE>Ca>P，这说明所测定的营养物质含量总体上变化规律为CF>CP>AW>Ash>EE>Ca>P；变量占特征值大小依次为CP>AW>CF>Ash>EE>Ca>P。由此可知，CP、CF和AW在各相关贡献率相对较大且占比排位情况不稳定，EE、Ash、Ca和P贡献率相对较小且排位较稳定。

表4 各养分指标特征向量Table 4 Feature vectors of nutrient index

2.5 各养分指标欧氏距离分析

由表5可知，CP和EE之间的距离=sqrt[(-0.1907-(-0.1001))2+(0.0023-0.0895)2]=0.1257，由此可见，CF和Ca之间的相关关系最近，其次为CF和Ash，CP与AW之间的关系最远。总体来看，AW与各养分之间的关系较远。

表5 各养分指标的欧氏距离Table 5 Euclidean distance of nutrient indexes

2.6 各养分指标贡献率及信息量分析

由表6可知，CP在横坐标上信息量占绝对优势，即横坐标反应CP含量信息比较强；EE、CF、Ash、Ca、P和 AW 在第2公因子上的贡献率较大；变量在双公因子上的贡献率是(表 4 中)“贡献率之和”；变量在公因子上的贡献率显示，除了CP外，CF和AW含量信息也主要由横轴体现；CP、EE、CF、Ash和AW在第1公因子上的贡献率相对第2公因子占有优势，而Ca和P在第2公因子上的贡献率相对第1公因子占有优势；在信息量和总信息量中，0、1 和 2 是各变量的坐标对特征值贡献多少的标志，贡献少、中、多依次用 0、1 和 2 来表示，因此可以看到，坐标对特征值贡献较多的是EE、CF、Ash、Ca、P和AW，而CP坐标对特征值的贡献较少。

表6 贡献率及信息量分析Table 6 Contribution rate and information analysis

2.7 对应分析结果

如图1所示，可直观反映禾本科牧草间的差异，牧草中营养物质含量间也存在差异。A、L、M、Y、P和D沿横轴由左向右排列，粗蛋白在横轴上，说明粗蛋白含量信息变化完成由横轴决定，且沿着X轴正向逐渐降低。

7个养分指标中，Ca与CF含量相距较近，说明相距较近的养分指标Ca和CF之间相互关联程度较为密切，且具有较好的相关性。在第1个区域CP含量最高，第3个区域CP含量最低，2和4区域CP含量介于前两者之间，但2和4区域除体现CP含量之外，还体现了自身的特点；第2区域Y的CF和Ash含量较高，但Ca含量变化不明显，与Ca含量变化可能存在某种密切关系；第4区域M的EE和P含量关系没有表现出来，尽管他们之间比较近可化为同一区域，可能M所具有的养分含量以及2个测定指标更具有折中性。

图1 对应分析结果Fig.1 Correspondence analysis results

3 结论

对应分析可直观的反映出牧草养分含量与品种之间的关系，不同牧草所含养分存在明显差异，养分含量与牧草间具有一定相关性。应用对应分析法解释养分含量与牧草间的相关性是一种极具优势的分析方法。6种禾本科牧草的营养成分含量不同，其中阿坝垂穗披碱草的粗蛋白与粗脂肪含量最高，多花黑麦草最低；披碱草的吸附水含量最高，老芒麦最低；偃麦草的粗纤维和粗灰分含量最高，蒙农杂种冰草最低；老芒麦的Ca和P的含量最高，蒙农杂种冰草Ca含量最低，偃麦草P的含量最低。