基于主成分分析综合评价一年生饲草的生产性能——以甘肃庄浪为例

杨彦忠，周文期，连晓荣，寇思荣

(甘肃省农业科学院作物研究所，甘肃 兰州 730070)

近年来，伴随着人们生活收入的增加，生活品质不断提高，畜产品的需求逐渐扩大，并且随着“一带一路”的经济建设和发展，甘肃平凉黄土高原地区畜牧业逐渐发展成地方经济的主导产业，成为农民增收的有效途径。然而，为了追求更高的经济利益，当地居民对天然草地过度开垦、使得大面积草地“农田化”，导致天然草地面积的骤然减小，饲草供给远远不能满足畜牧业发展，作物秸秆便成为季节性饲草短缺供应的重要来源。

为了保证地方畜牧业的健康持续发展，饲草作物的选择和种植显得尤为重要。因此，如何综合评价饲草作物生产性能至关重要。合理的综合评价可以为家畜确定适量的日饲喂量及口粮搭配比例，可提高饲草利用率和降低生产成本[1]。综合营养品质评价指标包括饲草的适口性、营养成分含量、消化率以及有害成分含量等[2]。适口性是指牧草所表现的影响家畜嗜食性的程度，即家畜对不同饲草的喜欢食用程度，影响家畜的采食率，能够直接评价牧草饲用价值的高低。饲草营养成分与价值研究多集中于粗蛋白、粗纤维、粗脂肪、粗灰分、酸性洗涤纤维、中性洗涤纤维及微量元素等方面[3]。一般家畜的吸收率与饲草消化率呈正相关关系，因此，设法提高消化率可提高饲草消化养分，有助于家畜消化与吸收，促进生长，评估饲草消化率的大小一般用干物质消化率估计值[4]。国际上对饲草品质综合评价通常采用多个指数，如质量指数、相对质量指数[5]、相对饲喂价值[6]以及粗饲料分级指数[7]。上述评价指数以饲草的能量和粗蛋白为中心，在一定程度上未考虑饲草的生长环境因子与生产成本之间的关系等非主要因素。为了筛选出更理想的地方饲料作物，尽可能全面地反映出饲草的生产性能，使综合评价结果更为客观和准确，就需要考虑更多的评价指标，如干物质采食量、干物质产量、干物质消化率及相对饲喂价值等指标，因此，通过综合评价模型合成综合评价值成为一种合适的评价方法[8]。主成分分析模型作为综合评价模型，可以通过合成综合评价值来解决众多评价指标排序的问题，该方法已成功应用到农业和草业的引种和育种方面[9-10]。

本研究基于主成分分析法，在夏播条件下，以9项指标构建评价模型，量化评估6种甘肃平凉黄土高原地一年生饲草的生产性能，筛选适宜于该地域种植的高生产性能的饲草种类，解决季节性变化引起的饲草供给短缺问题，旨在为甘肃庄浪黄土高原地区畜牧业的持续发展提供饲草种植理论依据。

1　材料与方法

1.1　试验地概况

试验地位于西北黄土高原庄浪县朱店镇毛柳村(106°05′ E，35°20′ N)，庄浪县隶属于甘肃省平凉市，是全国梯田化模范县、全国生态建设示范县，位于甘肃省中部，东邻华亭县，南和张家川县、秦安县接壤，西依静宁县，北与宁夏隆德县、泾源县毗邻。试验地年平均气温8.1 ℃，极端最高气温是33.5 ℃，极端最低气温是-21.7 ℃；海拔1 567 m；降水偏少，2015年该地区年降水量为518 mm，2016年降水量为532 mm，并且多集中在7-9月，降水量约占全年降水量的58%；光热资源丰富，年均日照时数为2 179 h；≥10 ℃年平均积温2 690 ℃·d，无霜期平均为145 d。自然土壤为黄绵土，土壤含全N量低于0.1%，有机质含量在1%以下，pH 7.5～8.0。

1.2　 试验设计

试验材料为6种一年生饲草作物，分别是苏丹草(Sorghumsudanense)、大豆(Glycinemax)、谷子(Setariaitalic)、豌豆(Pisumsativum)、糜子(Panicummiliaceum)和燕麦(Avenasativa)，种子来源于甘肃省农业科学院作物研究所。采用完全随机区组设计，每处理(品种)4次重复，每个重复一个小区，小区面积5 m×6 m，小区之间间隔1 m。

种植前均进行深耕和灭茬、碎土和耙地、平整耱地以及镇压等工作，分别于2015年7月1日和2016年7月5日采用条播播种，根据当地习惯的施肥用量以及播种量，播种前基础肥料施尿素230 kg·hm-2(大豆和豌豆为75 kg·hm-2)，磷肥均为460 kg·hm-2。品种名称，播种量和行距如表1所列。

1.3　取样、测定与计算

1.3.1营养品质的测定和计算收获期(霜降前)，刈割3行1 m的样段，为了消除边际效应取中间3行刈割[11](2～3 cm的留茬高度)，样品经65 ℃恒温烘箱烘48 h，称干重并记录整株干物质产量，再粉碎，过0.05 mm筛，用于营养成分的测定。

凯氏定氮法测定全株氮含量，再折算出粗蛋白质(crude protein，CP)含量。根据国家标准(GB/T20806-2006)测定饲草中中性洗涤纤维(neutral detergent fibre，NDF)和国家农业行业标准(NY/T1459-2007)测定饲草中酸性洗涤纤维(acid detergent fibre，ADF)[12-13]。用Horrocks和Vallentine[14]的方法计算干物质采食量(digestible dry matter intake，DMI)、干物质消化率(digestible dry matter，DDM)、相对饲喂价值(relative feed value，RFV)和净能(net energy，NE)：

表1　6种饲草作物品种及播种量Table 1　Variety and seeding rate of 6 forage crops

DDM=88.9-(0.779×ADF);

(1)

DMI=120/NDF;

(2)

RFV=DDM×DMI×0.775;

(3)

NE=1.004-(0.0119×ADF)×2.205。

(4)

1.3.2测定项目土壤水分含量采用烘干法，测定时间与植物取样时间一致，深度为200 cm分为8层(0-10、10-20、20-30、30-60、60-90、90-120、120-150和150-200 cm)。

土壤水贮量：W=0.1×r×v×h。

(5)

式中：W为不同深度的土壤水贮量(mm)，r为土壤含水量(占干土重的百分比,%)，v为环刀法测定的土壤平均容重(g·cm-3)[15]，h为土层深度(cm)。

耗水量：ET=W1-W2+R+I。

(6)

式中：ET为作物耗水量(mm)，W1为播种时土壤水贮量，W2为收获时土壤贮水量。R为降水量， I为灌溉量。由于黄土高原是典型的雨养农业区，公式简化为：

ET=W1-W2+R。

水分利用率：WUE=Y/ET。

(7)

式中：WUE为水分利用率[kg·(hm2·mm)-1]，Y为作物产量(kg·hm-2)。

1.4　饲草作物生产性能综合评价及数据分析

用SPSS 16.0软件进行数据处理、相关性分析、单因素方差分析、多重比较不同饲草及作物秸秆之间水分利用效率、干物质产量及营养品质等差异。主成分分析是一种经典的特征提取和降维方法，它将原来多个变量转化成为少数的几个不相关的综合指标，简化原始高维变量的同时还保证了原始数据信息最大限度的保留[16]。本研究以干物质产量(DM)、粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、干物质消化率(DDM)、干物质采食量(DMI)、相对饲喂价值(RFV)、净能(NE)和水分利用效率(water utilization efficiency，WUE)9项指标构建综合评价模型来量化评估了甘肃庄浪夏播6种饲草作物的生产性能。

2　结果与分析

2.1　比较6种饲草作物的生产性能

苏丹草的干物质产量显著高于其他饲草作物(P<0.05)，糜子的最低(表2)；豌豆的粗蛋白含量显著高于其他饲草作物(P<0.05)，糜子的最低；谷子的中性洗涤纤维含量最高，豌豆的量低；燕麦的酸性洗涤纤维含量最高，豌豆的最低，但差异不显著(P>0.05)；糜子的干物质消化率最高，苏丹草的最低；豌豆的干物质采食量最高，燕麦的最低；除大豆外，豌豆的相对饲喂价值显著高于其他饲草作物(P<0.05),燕麦的最低；糜子的净能最高，苏丹草的最低；苏丹草和豌豆的水分利用效率显著高于其他饲草作物(P<0.05)，燕麦的最低。由于年际变化对饲草性能没有显著影响，因此取两年数据的平均值(表2)。

2.2　相关性分析

相关分析结果表明，NDF含量与CP含量呈显著负相关关系(P<0.01)，与ADF含量呈显著正相关关系(P<0.01)。其他指标间无显著相关性(P>0.05)(表3)。

2.3　对6种饲草作物的主成分分析

2.3.1计算特征值和特征向量初始因子载荷矩阵(表4)，每个载荷量表示主成分与对应变量间的相关系数。用综合主成分数据(主成分载荷矩阵)除以主成分相对的特征值再开平方根，便可计算出两个主成分中每一指标所对应的系数，也叫特征向量A1、A2和A3[3,8]。

表2　6种饲草作物的营养品质Table 2　Nutrition content of 6 forage crops

同列不同字母表示差异显著(P<0.05)。

DM, dry matter; CP, crude protein; NDF, neutral detergent fibre; ADF, acid detergent fibre; DDM, digestible dry matter; DMI, digestible dry matter intake; RFV, relative feed value; NE, net energy; WUE, water utilization efficiency;Different lowercase letters within the same column indicate significant difference at the 0.05 level.

表3　不同营养指标间的相关性分析Table 3　Correlation analysis of different nutrient parameter

**表示显著相关(P<0.01)。

** indicate significant correlation at the 0.01 level (2-tailed).

表4　初始因子载荷矩阵及特征向量Table 4　Initial factor loading matrix and eigenvectors

2.3.2计算贡献率和累计贡献率提取主成分依据其累计计献率≥85%的原则。本研究提取3个主成分，第1主成分主要是RFV，第2和第3主成分主要是DM(表4)。对于总方差的贡献率而言，第1主成分占了55.3%，第2主成分占了25.0%，第3主成分占了10.8%，总和为91.1%，即前3个主成分可以反映出这些一年生饲草提供的全部指标信息的91.1%(表5)。

表5　主效成分提取分析Table 5　Principal component extraction and analysis

2.3.3综合评价主成分展示出原各指标的线性组合，权数即为特征向量；它表示各单项指标对于主成分的重要性[3,8]。3个主成分与9项指标的线性组合结果如下：

F1=0.024ZDM+0.062ZCP+0.064ZDDM+0.094ZDMI+0.099ZRFV+0.063ZNE+0.071ZWUE-0.082ZNDF-0.086ZADF；

F2=0.162ZDM+0.098ZCP-0.073ZNDF+0.070ZADF-0.159ZDDM+0.044ZDMI-0.012ZRFV+0.109ZWUE-0.061ZNE；

F3=0.315ZDM-0.274ZCP+0.116ZNDF-0.097ZADF+0.084ZDDM+0.081ZNE+0.190ZWUE-0.086ZDMI-0.054ZRFV。

主成分因子的权重=因子贡献率/入选因子的累计贡献率，由计算得因子1、2和3的权重依次为0.313、0.254和0.207，从而建立综合得分数学模型：F=0.313F1+0.254F2+0.207F3。将6种饲草评价指标的原始数据标准化处理后，代入综合数学得分模型，求得每种饲草的主成分综合得分，综合得分越高，表明饲草的生产性能越好。6种一年生饲草综合得分排序结果为苏丹草>燕麦>豌豆>谷子>糜子>大豆(表6)。

表6　综合主成分值Table 6　Values of comprehensive principal components

3　讨论

本研究基于主成分分析综合评级一年生饲草生产性能，提取了3个主成分反映了91.1%饲草全部指标提供的信息，相对饲喂价值的值在第1主成分中最高，干物质产量的值在第2和第3主成分中最高。其中，相对饲喂价值是饲草品质检测技术以及当前饲草销售市场的重要参考指标[17]，在美国饲草的销售和种子生产中，用相对饲喂价值来衡量饲草的价格和评估种子质量提高的程度[18-19]。Long等[20]通过相对饲喂价值评估青藏高原地区的22种天然草，筛选出适宜当地最佳饲草种类(包括莎草科、禾本科、灌丛及非禾本科)。其次，衡量饲草生产性能的另一个重要指标就是干物质产量。因此，结合庄浪县的生长环境条件以及饲草的生产现状和需求，通过相对饲喂价值和干物质产量来综合评价夏播6种一年生饲草作物的生产性能，该评价结果客观、准确。粮饲兼用型作物在我国种植业结构调整及畜牧业发展中发挥着重要作用，其籽料可为人和动物提供充足的营养，茎秆则可作为粗饲料饲喂反刍动物，充分利用粮食与秸秆能源，增加农民收入，降低盲目种植成本及饲养成本，拉动畜牧业的发展，具有巨大的发展潜力。结合现阶段我国畜牧业的发展，通过粮―草―畜有机结合[21]，将饲草作物或者牧草生产利用纳入到农业生产体系当中来满足消费者食物需求，来促进、引领和保证粮草兼顾型畜牧业的可持续发展。本研究在夏播前提下，应用主成分分析法综合评价了6种一年生饲草作物的基本生产性能，结果表明，综合生产性能最高的是苏丹草，其次是燕麦、豌豆、谷子、糜子和大豆。牛伊宁和南志标[22]的研究表明，在引进的4种牧草作物中，苏丹草的干物质产量仅次于玉米(Zeamays)，适合陇东等黄土高原区域的种植和生长，可以大面积推广种植，本研究结果与其一致。研究表明，9种陇东黄土高原地区一年生饲草作物中，玉米性能最高，其次是苏丹草[8,11,23]，本研究得出6种夏播饲草中苏丹草性能最高，与其结论相符，但是其他几种饲草作物与其评价结果均不同，可能原因：1)所选的评价方法不同，灰色关联度分析是一种“升维”的评价方法，构建最优指标，评价指标越接近最优指标说明此指标要优于其他指标，而主成分分析是一种“降维”的分析方法，即指标的优劣性通过少数指标来反映(提取指标时有两个原则)，因此选择不同的分析方法以及权重制定时的人为因素会对结果有影响[23]；2)饲草种植地虽然同属黄土高原，但是两个地区的降水、积温等条件都存在较大的差异，本研究两年的降水量分别是518和532 mm，张清平[8]的研究中，2010年庆阳地区的降水量达到650 mm，而水分对于酸性洗涤纤维、中性洗涤纤维的影响较大，因此结果会存在差异。豌豆由于在黄土高原地带作为非主要作物，种植面积小，因此未作为饲草资源对其开发，在本研究中豌豆的综合评价生产性能高于谷子和糜子，也值得作为重要饲草推广。本研究中未设置青贮玉米，主要因为该地区温度低，光照时间短，夏播条件下青贮玉米达不到要求。

4　结论

基于主成分分析法的综合评价模型，适用于甘肃平凉黄土高原区域一年生饲草作物的生产性能综合评估。在夏播条件下，苏丹草的综合生产性能最高，其次是燕麦、豌豆、谷子、糜子和大豆。