不同苜蓿品种在雁门关地区的生产性能和营养价值研究

郑敏娜，梁秀芝，韩志顺，康佳惠，陈燕妮

(山西省农业科学院高寒区作物研究所，山西 大同 037008)

紫花苜蓿(Medicagosativa)是具有世界栽培意义的多年生优质豆科牧草，它在营养价值、适口性和生物量等方面具有优良特性，在饲草料生产中具有坚实的基础地位，是世界上人工种植面积最大的一种多年生栽培牧草。据统计，至2013年末，我国紫花苜蓿种植面积累计保留497万hm2，比2001年增长了74%，占多年生牧草累计保留面积的31%，比2001年提高了12%[1]。近年来，随着我国大农业的供给侧改革及畜牧业的重新布局，紫花苜蓿在农业及畜牧业中发挥的作用亦越来越重要，2015 年中央“一号文件”中提到，加快发展草牧业，支持苜蓿等饲草料的种植；2016年农业部提出的“关于北方农牧交错带农业结构调整的指导意见”中，要求“建设现代饲草料产业体系，利用现有耕地，积极发展人工种草和草田轮作，扩大苜蓿、燕麦草(Avenasativa)等优质牧草种植面积，建设一批规模化、专业化优质饲草料生产基地等”[2]，这些指导政策均为农牧交错带草业的发展提供了难得的机遇和巨大的推动力。山西省雁门关地区作为北方农牧交错带的重要组成部分和草食畜牧业发展的优势区域，紫花苜蓿种植面积逐年提高，在本区域的朔州、大同等地形成了较为明显的紫花苜蓿优势产业区。然而，由于生态环境的复杂多样，不同紫花苜蓿品种在不同区域的生长特性不同，盲目种植必然会带来不可估量的经济损失和负值效益[3]，并限制相关企业生产能力的提高。因此，评价山西雁门关地区常见紫花苜蓿品种的生态适应性，并确定与区域环境相匹配种植的紫花苜蓿品种成为亟待解决的问题。

有效筛选和综合评价紫花苜蓿种质资源一直是苜蓿引种的先决条件[4]，是建植优质人工草地的关键前提条件，只有综合性状优异的品种才最适宜推广、利用。近年来，随着科研水平的不断提高，学者们在对紫花苜蓿的区域适应性和生产性能的试验研究中，越来越重视采用新技术和新手段对不同品种进行综合评判。其中，近红外光谱(near infrared reflectance spectroscopy，NIRS)作为一种基于化合物中官能团和极性键振动的结构分析技术，可对样品进行定性和定量分析，具有灵敏度高，制样方法简单，样品用量少，测试时间短等优点[5]，逐渐成为牧草品质快速有效分析的首选手段。在国内牧草相关研究领域中，许瑞轩等[6]利用NIRS在田间快速估测了新鲜紫花苜蓿的品质，结果表明在田间快速估测新鲜紫花苜蓿的干物质(dry matter，DM)、酸性洗涤纤维(acid detergent fiber，ADF)和中性洗涤纤维(neutral detergent fiber，NDF)是可行的；高燕丽等[7]利用近红外光谱分析建立紫花苜蓿粗饲料评价指标相对饲用价值(relative feeding value，RFV)和粗饲料分级指数(coarse feed classification index，GI)的预测模型，预测结果良好，为快速测定粗饲料蛋白质(crude protein，CP)、NDF、ADF等指标提供了一种极为有效的方法；李洁等[8]利用近红外光谱结合化学计量学手段对混合或单一牧草的CP进行快速检测是可行的，预测相关系数为0.9836；尚晨等[9]在紫花苜蓿粗蛋白和粗纤维近红外分析模型的研究中发现，近红外定量分析模型对独立检验集样品粗蛋白和粗纤维含量的预测值与化学值的相关系数分别为0.96和0.92；刘温等[10]在近红外光谱技术与常规方法检测紫花苜蓿品质的对比研究中指出，经统计分析，两种方法测定的平均值±标准误相近，|t|<0.05，P>0.05，差异不显著，近红外方法可以作为一种新的检测方法被使用；薛祝林等[11]应用NIRS技术研究了紫花苜蓿草捆的营养品质和消化率，建立了紫花苜蓿干物质消化率(invitrodry matter digestibility，IVDMD)的预测模型，结果表明NIRS预测紫花苜蓿IVDMD是可行的，预测值与化学值的相关系数达到0.94以上。综上所述，这些学者们利用NIRS技术在紫花苜蓿上的研究和应用，为本研究利用NIRS技术分析不同紫花苜蓿品种的营养品质奠定了坚实的基础和理论支持。

基于以上所述，本研究初选国内外具有一定生产潜力的28个紫花苜蓿品种，在山西省朔州市毛皂乡设置试验圃，观测其生产性能，并利用近红外光谱(NIRS)技术对8个营养性状指标进行测定分析，采用灰色关联度分析方法综合评价28个苜蓿品种的引种适应性，旨在筛选适应山西省雁门关农牧交错区域的优良品种，为建立紫花苜蓿高效生产体系提供科学的试验数据和技术支撑。

1 材料与方法

1.1 研究区概况

山西省雁门关农牧交错区地处山西省西北部，与内蒙古、陕西、河北三省交界，区域涉及5市36个县(区)，总面积6.35万km2，占山西省土地面积的40.5%。为了使试验更具有代表性，将试验设于雁门关农牧交错区的核心地带——山西省朔州市，具体地点位于山西省朔州市毛皂乡山西省农业科学院高寒作物研究所试验基地，东经112°34′-114°34′，北纬39°03′-40°44′，海拔1040 m，地处北方农牧交错区，属大陆性季风气候，农业区划为中温带干旱区。试验基地土壤类型为轻壤偏沙，耕层土壤(0～20 cm)容重为1.48～1.53 g·cm-3，pH 值8.46，土壤有机质14.61 g·kg-1，全氮0.821 g·kg-1，速效钾57 mg·kg-1，有效磷5.38 mg·kg-1。2015-2016年试验期间具体气象资料见表1，气象数据由朔州市气象局提供。

表1 试验点2015-2016年(3-10月)气象资料Table 1 Meteorological data of experimental location in 2015 and 2016 (March to October)

1.2 试验材料

参试紫花苜蓿品种共28个，其中国内品种6个，国外品种22个。具体参试品种的名称、产地、来源见表2。

表2 参试苜蓿品种及其来源Table 2 Sources and varieties of alfalfa in the experiment

1.3 试验设计

参试的28份紫花苜蓿材料于2015年5月8日分别播种在试验圃中，采用随机区组排列，小区面积为4 m×4 m， 3次重复。播前进行精细耙耱镇压，平整后人工开沟条播，播种量为2 g·m-2，播种深度约2～3 cm，条播行间距约25～30 cm。试验期间各小区统一管理，播种前进行灌溉增加底墒，每年分枝期和初花期分别灌水(喷灌)1次，人工除草1次。于2015、2016年对第1茬紫花苜蓿在初花期的各项指标进行取样、测定。

1.4 测定项目与方法

1.4.1生产性能指标测定 在2015和2016年的第1茬初花期刈割，留茬高度为8 cm。

生长速度(growth rate，GR)：第1茬初花期刈割，每小区中选定10株挂牌标记，15 d后测其生长高度。生长速度=(第2次取样生长高度-第1次取样生长高度)/生长天数。

株高(height length，HL)：第1茬初花期测产前，每个小区选取有代表性植株5 株，测量株高(地面至最高处垂直距离)，求其平均值。

叶茎比(leaf/stem，L/S)：在第1茬鲜草测产时，各品种分别取一定量有代表性的鲜草样，将茎叶分离并称重后，放入105 ℃烘箱内杀青10 min，65 ℃烘干至恒重，计算叶茎比。

鲜草产量(fresh yield，FY)：在第1茬初花期，每小区随机取样1 m2，重复3次，齐地刈割后称重量，取平均值为鲜草产量，以kg·m-2为单位计算。

干草产量(dry yield，DY)：将鲜草样品风干4 h后，置于烘箱中，60 ℃烘干至恒重并称重。

1.4.2营养成分相关指标测定 应用NIRS技术分析牧草营养成分各指标。2015-2016年的试验中，首先将测样样品进行风干，并于60 ℃烘48 h，称干重，用微型植物粉碎机(天津泰斯特，FZ 102型)进行粉碎后装入自封袋密封保存；其次，取约100 g样品，再用旋风磨(Cyclotec Sample Mill 1092；Tecator，Sweden)进一步粉碎过1 mm筛，用FOSS5000近红外分析仪(丹麦FOSS公司)进行光谱扫描(其工作参数为：波长范围在1100～2500 nm，扫描次数为32次，谱区间隔2 nm)，以引进的美国国家牧草检测中心的苜蓿近红外快速检测模型为数据分析基础，获得样品中的酸性洗涤纤维(acid detergent fiber，ADF)、中性洗涤纤维(neutral detergent fiber，NDF)、粗灰分(crude ash，ASH)、干物质(dry matter，DM)、粗脂肪(ether extract，EE)、干物质体外48 h消化率(invitrodry matter digestibility，IVDMD48H)、粗蛋白(crude protein，CP)、瘤胃非降解蛋白(rumen undegraded protein，RUP)等指标信息，每个样品重复扫描3次，取平均值。将各指标在2015和2016年的平均值进行方差分析和灰色关联度分析。

1.5 数据统计与分析

利用Microsoft Excel 2009和SPSS 22.0软件进行数据整理和方差分析等。依据灰色关联度理论[4]，将28个参试苜蓿品种的12个性状视为一个整体，应用灰色关联度分析法进行综合评价，参试品种以X表示，性状以k表示，各参试品种X在性状k处的值构成比较数列Xk，X0为构建的理想参考品种。基于灰色系统关联度理论的权重决策法，并结合育种和生产实际经验，选用株高(HL)、生长速度(GR)、叶茎比(S/L)、鲜草产量(FY)、1/酸性洗涤纤维(ADF)、1/中性洗涤纤维(NDF)、粗灰分(ASH)、干物质(DM)、粗脂肪(EE)、干物质体外48 h消化率(IVDMD48H)、粗蛋白(CP)、瘤胃非降解蛋白(RUP)12个指标进行权重综合评价，利用公式(1)、(2)、(3)、(4)计算关联度系数、等权关联度和加权关联度等[4]。

(1)

(2)

(3)

(4)

式中：N代表样本数。

2 结果与分析

2.1 不同紫花苜蓿品种间的生产性能比较

2.1.1生长速度和叶茎比 由表3可知，2015年各供试品种的生长速度在1.69～2.78 cm·d-1范围内变化，其中，14号品种的生长速度最快，达到2.78 cm·d-1，其次为15号品种(2.60 cm·d-1)和8号品种(2.56 cm·d-1)，三者之间差异不显著(P>0.05)；生长速度最慢的是25号品种，为1.69 cm·d-1，其次为1号品种(1.77 cm·d-1)和7号品种(1.83 cm·d-1)，三者之间差异亦不显著(P>0.05)；由表3可知，除3、5、8、10、13、15、16、17、26、27号10个品种外，生长速度最快的14号品种与其他供试品种间差异显著(P<0.05)。2016年各供试品种的生长速度在1.94～3.19 cm·d-1间变化，变化趋势基本与2015年一致，其中，亦以14号品种的生长速度最快，25号品种的生长速度最慢。2016年各品种生长速度平均值为2.43 cm·d-1，明显高于2015年的2.12 cm·d-1。

表3 不同紫花苜蓿品种生长速度和叶茎比的比较Table 3 The comparison of growth rate and leaf/stem of alfalfa cultivars

2015年各供试品种的叶茎比在0.60～0.84范围内变化，其中，10号品种的叶茎比最高，其次为23、22和21号品种；1号品种的叶茎比最低，其与10、23和22号品种间差异显著(P<0.05)；经对比发现，2016叶茎比的变化趋势基本同2015年一致，其中，亦以10号品种的叶茎比最高，1号最低；2016年各品种的叶茎比均值较2015年增加15.01%。

2.1.2株高和干草产量 由表4可知，2015年供试材料中株高最高的品种为8号，达到54.90 cm，其次为7和20号，株高分别为53.67和52.25 cm，8号品种与7、10、11、19、20号品种间差异不显著(P>0.05)，而与其他品种间均差异显著(P<0.05)；供试材料中17号的株高最低，为37.88 cm。2016年各品种的生长特性发生明显变化，各品种中以20号的株高最高，为84.27 cm；2、24和6号品种的株高较低，分别为58.80、59.87和59.97 cm，株高较低与最高品种间差异显著(P<0.05)；2016年各品种的株高均值较2015年增加52.75%。

表4 不同紫花苜蓿品种株高和干草产量的比较Table 4 The comparison of plant height and hay yield of alfalfa cultivars

2015年1、15、21号紫花苜蓿品种干草产量较高，分别为6961.81、6870.10和6703.35 kg·hm-2，三者产量明显高于其他品种；2号品种干草产量明显较低，仅为2751.38 kg·hm-2，此外，3、10、20、23、24号品种的干草产量也均低于4000.00 kg·hm-2，与其他品种的干草产量值差距较大。2016年各品种的干草产量均大幅度提高，其中，还以15、21和1号3个品种的产量较高，分别达到了8587.63、8379.19和8354.18 kg·hm-2；与2015年干草产量结果类似，2、3、10、20、23和24号品种2016年的干草产量亦较低，均在5000.00 kg·hm-2以下，尤以2号品种最低，仅为3301.65 kg·hm-2。

2.2 不同紫花苜蓿品种间营养品质比较

2.2.1粗蛋白、粗灰分、粗脂肪和干物质 将各营养成分指标在2015和2016年的平均值进行方差分析。由表5可知，供试材料中24号品种的粗蛋白含量最高，占干物质的26.80%，显著高于其他参试品种(P<0.05)，其次5和6号品种的粗蛋白含量也较高，分别为25.37%和25.26%，二者之间差异不显著(P>0.05)；13号品种的粗蛋白含量最低，仅为13.89%，显著低于其他供试品种(P<0.05)，粗蛋白含量占干物质的比例在20%以下的品种还有19、23、12、27、17和14号，与其他品种差异明显。

表5 不同紫花苜蓿品种粗蛋白、粗灰分、粗脂肪和干物质的比较Table 5 The comparison of crude protein, crude ash, ether extract and dry matter of alfalfa cultivars (%)

由表5可知，供试品种中粗灰分含量最低的是23号品种，含量为6.93%，其次，为19、17和13号品种，分别为7.01%、7.04%和7.09%，这4个品种间差异不显著(P>0.05)，但与其他24个品种间差异显著(P<0.05)；24和4号品种的粗灰分含量表现较高，分别为10.20%和9.71% 。

由表5可知，供试品种的粗脂肪含量的变化范围为1.44%～2.34%，各品种间的差异较明显。以24、9和3号品种的粗脂肪含量相对较高，分别为2.34%、2.34%和2.31%，三者之间差异不显著(P>0.05)；13号品种的粗脂肪含量表现最低，仅为1.44%，与其他品种差异显著(P<0.05)。

由表5可以看出，供试品种的干物质含量均在92%以上，在92.23%～94.54%之间变化。其中，13号品种的干物质含量最高，达到94.54%，对比表3发现，13号品种的叶茎比在参试品种中表现较低，说明13号品种叶片量较少，茎秆所占比重较大，水分含量较其他品种低；7和9号的干物质含量表现相对较低，分别为92.23%和92.25%，与其他品种间差异显著(除4、3和1号外，P<0.05)。

表6 不同紫花苜蓿品种酸性洗涤纤维、中性洗涤纤维、瘤胃非降解蛋白和干物质体外消化率的比较Table 6 The comparison of acid detergent fiber, neutral detergent fiber， rumen undegraded protein and in vitro dry matter digestibility of alfalfa cultivars (%)

2.2.2酸性洗涤纤维、中性洗涤纤维、瘤胃非降解蛋白和干物质体外消化率 由表6可知，各供试品种的酸性洗涤纤维值分布在 28.18%～42.48%范围内，各品种间具有不同程度的差异和变化。各品种中酸性洗涤纤维含量最低的是21号，为28.18%，但与其他品种间差异显著(P<0.05)；含量较高的品种主要为13和1号，分别为42.48% 和40.30%，与其他各品种间均差异显著(P<0.05)。

各供试品种的中性洗涤纤维值分布在33.31%～48.36%。与酸性洗涤纤维分析结果相似，含量以21号品种最低，为33.31%，13号品种的含量值最高，为48.36%，含量最低品种与最高品种均与其他各品种间差异显著(P<0.05)。

如表6所示，瘤胃非降解蛋白含量较高的品种有23、1、19、10号，分别为22.27%、21.99%、21.84%、21.72%，这4个品种间差异不显著，但它们与其余各品种差异显著(除25和13号外，P<0.05)；瘤胃非降解蛋白含量最低的品种为21号，为14.56%，与其余各品种差异显著(P<0.05)。

各供试品种的干物质体外消化率的变化范围为67.60%～81.33%，24号品种最高，13号品种最低。除24号外，干物质体外消化率较高的品种还有21、28、4、5、6号，分别为79.93%、79.77%、79.65%、79.64%、79.46%；除13号外，19和23号的含量也较低，分别为70.82%、71.46%，二者之间差异不显著，但与其他各品种间差异显著(P<0.05)。

2.3 不同紫花苜蓿品种生产性能与品质的灰色关联度分析

灰色关联度分析方法是对一个发展变化的系统发展动态的量化比较，该方法已广泛应用于各种作物的育种和新品种区域试验中[4]。根据灰色关联度理论，将28个供试紫花苜蓿品种的4个生长特性指标和8个营养品质指标性状视为一个整体，将这12个指标在2015和2016年的平均值进行灰色关联度分析，关联度值越大，表明该品种与最优指标集的相似程度越高，反之则差异越大。本研究中分辨系数ρ取值为0.5。

利用公式(2)计算各供试紫花苜蓿品种的等权关联度，结果表明(表7)，品种编号为21号的紫花苜蓿等权关联度值最大(为0.7799)，综合性状最好，为最优材料；品种编号为13号的紫花苜蓿品种等权关联度值最小(为0.5629)，综合表现最差。 通常在各性状指标具有同等重要性的前提下， 由公式(2)计算出的各供试品种的等权关联度， 才能直接用于评价各品种的优劣，而实际上，各性状特征值的重要性并不相同[4]，因此，本研究采用判断矩阵法确定各评价指标的权重[4]，并根据公式(3)计算出各指标相对应的权重系数，各指标的权重系数(ω)分别为ωADF=0.0729,ωNDF=0.0780,ωASH=0.0711,ωDM=0.1152,ωEE=0.0900,ωIV=0.1011,ωCP=0.0772,ωRUP=0.0860,ωHL=0.0853,ωGR=0.0695,ωL/S=0.0849,ωHY=0.0689。最后，利用公式(4)计算各品种的加权关联度，见表7。

表7 不同紫花苜蓿品种的权重、关联度及排序Table 7 The weight, rank and relational grade of alfalfa cultivars

由表7的计算结果可知，加权关联度排名第1位的是编号为24号的紫花苜蓿，加权关联度值为0.7943，其次，加权关联度值排序相对较高的紫花苜蓿品种编号依次为：21、8、28、15号；加权关联度值排序相对较低的紫花苜蓿品种编号依次为：13、17、12、23、19号。经对比发现，加权关联分析结果与等权关联分析结果基本一致，即综合表现最好的5个紫花苜蓿品种为维多利亚、康赛、WL298HQ、SK3010、巨能7号，综合表现最差的5个紫花苜蓿品种依次为肇东、敖汉、WL525、雷达克之星、中苜1号。

3 讨论

3.1 不同紫花苜蓿品种生长特性的差异分析

牧草再生速度是牧草生活力的一种表现，苜蓿收获后的再生速度是影响草产量的一个重要因素，也是衡量其经济特性的一项重要指标。Miller等[12]报道苜蓿再生速度因气候、品种、环境条件、栽培管理等有很大差异，收获次数多产量高，但减少光合面积会导致根中贮藏能量减少，生活力降低，再生速度延长。因而，不同苜蓿品种的再生速度存在差异[13]，14号(阿迪娜)、15号(巨能7号)、8号(WL298HQ)再生速度较快，生活力强，能较好地适应当地的气候条件，25号(挑战者)、1号(鲁苜2号)、7号(WL168HQ)适应当地的环境条件较慢，再生速度缓慢。

叶茎比亦是衡量牧草经济性状的一个重要指标，并能较好地反映牧草适口性及青干草品质。叶茎比越大，叶量越丰富，营养价值和饲用价值越高。经对比发现，在本试验中， 2015、2016年叶茎比的变化趋势基本一致，其中，2016年各品种的叶茎比均值较2015年增加15.01%，说明种植第2年叶量更丰富了。

株高是描述苜蓿生长状况和评价高产的主要指标之一，是构成苜蓿产量的重要因子，也是苜蓿生产性能形成的基础[14]。由于紫花苜蓿各品种之间各自的遗传特性不同，表现出植株生长高度的差异[15]，本试验中对28个紫花苜蓿品种两年的初花期株高分析可以看出，苜蓿是多年生牧草，生长状况第2年明显优于播种当年，多年生牧草的株高受环境因素影响较大，总的来说8号(WL168HQ)、7号(WL298HQ)、20号(骑士T)等品种第1、2年及其再生状况均较好，植株高度较稳定，有利于增加产量。

苜蓿的产量是衡量其生产性能和经济性能的重要指标，是生产者追求的最终目标[16]。苜蓿的干草产量受到株高、分枝数、单株重、侧枝数、干鲜比等多因子的影响，不同的产草量可以反映不同品种的株型结构、空间生产结构及顶级生产性能。总的来说，本试验中15号(巨能7号)、21号(康赛)、1号(鲁苜2号)3个品种在2015和2016年的干草产量均最高，且2016年产量在8000 kg·hm-2以上，所有参试各品种的均值第2年较第1年增加23.14%。此外，在雁门关农牧交错区域，苜蓿年产量中第1茬所占比例最大，因此，本试验中仅选取了前两年第1茬的产量数据进行分析，可能会对一些品种的再生性和产量有影响，后期将进一步进行不同茬次的产量比较和分析试验。

3.2 不同紫花苜蓿营养品质的差异分析

随着国内畜牧业的不断更新发展，应用NIRS技术快速评价牧草的营养价值成为配制动物日粮的关键，国内外众多学者对此进行了大量研究，且取得了重要的研究进展和成果[11]。本试验中应用NIRS技术对酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)、粗灰分(ASH)、干物质(DM)、粗脂肪(EE)、干物质体外48 h消化率(IVDMD48H)、粗蛋白(CP)、瘤胃非降解蛋白(RUP)8个营养性状指标进行了测定分析。

粗蛋白含量的高低，直接关系到牧草营养价值的高低，根据国际市场饲草交易标准[14]，1级苜蓿干草的蛋白质含量在18%以上，2级为16%～18%，3级为14%～16%，由表5可以看出，本试验中，除13号(肇东)外，其余品种粗蛋白含量均高于18%，超过1级标准，营养价值最高。粗灰分主要反映苜蓿中矿质的总体含量，其大部分是磷、钙、钾的氧化物[17]，可间接反映出不同品种对可利用矿质元素的吸收情况，反映在试验结果上为24号(维多利亚)和4号(SR4030)品种的粗灰分含量表现较高，分别为10.20%和9.71%。粗脂肪含有芳香气味，是评价苜蓿适口性的重要指标，反映在试验结果上为24号品种最高，为2.34%。干物质是衡量植物有机物积累、营养成分多寡的一个重要指标，各供试品种的干物质含量均在92%以上。酸性洗涤纤维(ADF)和中性洗涤纤维(NDF)是评价苜蓿被采食潜力和消化率的国际通用指标，其值越高，说明其越难被草食动物消化吸收，在本研究中，各参试品种的NDF含量变化趋势与ADF变化趋势基本一致。瘤胃非降解蛋白在评价反刍家畜的蛋白质营养需要和饲料的蛋白质质量时比粗蛋白更准确，在本试验中瘤胃非降解蛋白含量较高的品种有23号(雷达克之星)、1号(鲁苜2号)、19号(中苜1号)、10号(WL363HQ)。牧草的营养物质体外消化率，能够更深层次地判定牧草的实际营养价值[18]，在国外已将提高纤维消化率或干物质体外消化率作为育种目标，通过本试验可将24号(维多利亚)紫花苜蓿作为适宜本区域生态条件的育种初选材料，进一步评比鉴定，进而选育目标品种。

4 结论

应用灰色关联度法对在雁门关农牧交错区引种的28个紫花苜蓿品种的12个代表性指标进行了综合评价，得出如下结果：在该区域以“维多利亚”、“康赛”、“WL298HQ”、“SK3010”、“巨能7号”5个品种的综合表现较好，适宜在该地区推广种植；而“肇东”、“敖汉”、“WL525”、“雷达克之星”、“中苜1号”这5个品种有待进一步在相同生态区域的其他试验点继续种植、观察与评价。

参考文献References：

[1] Li X Y, Wang J T, Han T H,etal. China’s fodder production situation and countermeasure analysis. Pratacultural Science, 2015, 32(12): 2155-2166.

李新一, 王加亭, 韩天虎, 等. 我国饲草料生产形势及对策分析. 草业科学, 2015, 32(12): 2155-2166.

[2] Li X L, Shen Y Y, Wan L Q. Potential analysis and policy recommendations for restructuring the crop farming and developing forage industry in China. Engineering Sciences, 2016, 18(1): 94-105.

李向林, 沈禹颖, 万里强. 种植业结构调整和草牧业发展潜力分析及政策建议. 中国工程科学, 2016, 18(1): 94-105.

[3] Yi L Z, Li C Z, Liu H Q,etal. Adaptation of different alfalfa varieties in Qingdao, Shandong province. Acta Prataculturae Sinica, 2011, 20(2): 147-155.

衣兰智, 李长忠, 刘洪庆, 等. 不同苜蓿品种在青岛地区的适应性. 草业学报, 2011, 20(2): 147-155.

[4] Zheng M N, Li Y F, Liang X Z,etal. Relation grade analysis of grey theory and comprehensive evaluation of introduced alfalfa in the north of Shanxi province. Acta Agrestia Sinica, 2017, 22(3): 631-637.

郑敏娜, 李荫藩, 梁秀芝, 等. 晋北地区引种苜蓿品种的灰色关联度分析与综合评价. 草地学报, 2017, 22(3): 631-637.

[5] Wang S F, Liu Y X, Gao L L,etal. Fourier transform infrared spectral analysis of maize (Zeamays) plants under zinc deficiency stress. Journal of Plant Nutrition and Fertilizer, 2014, 20(4): 1005-1011.

王盛锋, 刘云霞, 高丽丽, 等. 缺锌玉米植株的傅立叶变换红外光谱研究. 植物营养与肥料学报, 2014, 20(4): 1005-1011.

[6] Xu R X, Li D N, Yang D H,etal. Alfalfa quality evaluation in the field by near infrared reflectance spectroscopy. Spectroscopy and Spectral Analysis, 2013, 33(11): 3010-3013.

许瑞轩, 李东宁, 杨东海, 等. 近红外光谱法田间快速估测新鲜紫花苜蓿品质. 光谱学与光谱分析, 2013, 33(11): 3010-3013.

[7] Gao Y L, Sun Y. Quality evaluation of alfalfa hay by the spectroscopic analysis of near infrared reflectance. Acta Agrestia Sinica, 2015, 23(5): 1080-1084.

高燕丽, 孙彦. 利用近红外光谱分析预测紫花苜蓿干草品质. 草地学报, 2015, 23(5): 1080-1084.

[8] Li J, Wang J F, Wu J P,etal. Study on the determination of nutritional ingredient in native grass with visible/near infrared reflectance spectroscopy. Journal of Livestock Ecology, 2014, 35(4): 54-58.

李洁, 王建福, 吴建平, 等. 可见/近红外漫反射光谱分析法测定牧草营养成分研究. 家畜生态学报, 2014, 35(4): 54-58.

[9] Shang C, Zhang Y X, Li Y,etal. Near-infrared reflectance spectroscopy analytic models established for the crude protein and crude fiber of alfalfa property. Spectroscopy and Spectral Analysis, 2009, 29(12): 3250-3253.

尚晨, 张月学, 李炎, 等. 紫花苜蓿粗蛋白和粗纤维近红外分析模型的建立. 光谱学与光谱分析, 2009, 29(12): 3250-3253.

[10] Liu W, Zhang Y J, Xu R X. Comparative study on quality of alfalfa with near-infrared-reflectance spectroscopy and conventional chemical assay. Chinese Agricultural Science Bulletin, 2014, 30(3): 269-272.

刘温, 张英俊, 许瑞轩. 近红外光谱技术与常规方法检测紫花苜蓿品质的对比研究. 中国农学通报, 2014, 30(3): 269-272.

[11] Xue Z L, Liu N, Zhang Y J. Nutritional quality and digestibility evaluation of alfalfa hay bale by near infrared reflectance. Acta Agrestia Sinica, 2017, 25(1): 165-171.

薛祝林, 刘楠, 张英俊. 近红外光谱法预测紫花苜蓿草捆的营养品质和消化率. 草地学报, 2017, 25(1): 165-171.

[12] Miller D A, Shrivastava J P, Jackobs J A. Alfalfa yield components in solid seedings. Crop Science, 1969, 9: 440-443.

[13] Griggs T C. Alfalfa variety selection guidelines. Forage and Pasture, 2004, 2: 1-10.

[14] Sun Q Z, Wang Z L, Xu L J. Alfalfa in arid regions. Beijing: Science Press, 2014: 116-180.

孙启忠, 王宗礼, 徐丽君. 旱区苜蓿. 北京： 科学出版社, 2014: 116-180.

[15] Sun W B, Ma H L, Hou X Y,etal. Comprehensive evaluation of production performance and nutritional value of 20 alfalfa cultivars in two ecological areas of Gansu province. Acta Prataculturae Sinica, 2017, 26(3): 161-174.

孙万斌, 马晖玲, 侯向阳, 等. 20个紫花苜蓿品种在甘肃两个地区的生产性能及营养价值综合评价. 草业学报, 2017, 26(3): 161-174.

[16] Kang J M, Yang Q C, Guo W S,etal. Evaluation of ten introduced alfalfa cultivars in Beijing area of China. Chinese Journal of Grassland, 2010, 32(6): 5-10.

康俊梅, 杨青川, 郭文山, 等. 北京地区10个紫花苜蓿引进品种的生产性能研究. 中国草地学报, 2010, 32(6): 5-10.

[17] Hu H F, Jie X L, Guo X,etal. Effects of Se application as basal fertilizer on the nutrient contents and distribution rates of alfalfa at growth stages. Acta Agrestia Sinica, 2014, 22(4): 871-877.

胡华锋, 介晓磊, 郭孝, 等. 基施硒肥对不同生育期紫花苜蓿营养含量及分配的影响. 草地学报, 2014, 22(4): 871-877.

[18] Li Y J, Gu H R, Shen Y X,etal. Differences in inviter dry matter digestibility at heading stage in Italian ryegrass lines. Jiangsu Journal of Agricultural Sciences of Agriculture Sinica, 2005, 21(1): 53-58.

李元姬, 顾洪如, 沈益新, 等. 多花黑麦草抽穗期干物质体外消化率在品系间的差异. 江苏农业学报, 2005, 21(1): 53-58.