青贮玉米近红外模型检测苜蓿玉米套作系统青贮饲料的可行性分析

许瑞轩，张英俊，赵海明

（1.中国农业大学草业科学与技术学院，北京 100193; 2.农业农村部草地管理与合理利用重点实验室，北京 100193；3.河北省农林科学院旱作农业研究所，衡水 053000）

随着我国居民收入的增长、食物消费结构的变化和畜禽水产品消费的增加，畜牧养殖业对优质饲草料的需求不断增加[1]。在“振兴奶业苜蓿发展行动”和“粮改饲”等政策的推动下，紫花苜蓿、青贮玉米、饲用燕麦等优质饲草的种植越来越普及，尤其是在奶牛饲养中，紫花苜蓿和青贮玉米已经成为日粮中不可或缺的饲草。饲草营养成分分析和品质检测是饲草生产和畜禽养殖中的必要环节，近红外光谱（NIR）技术因其分析速度快、样品制备简单、成本低等特点，越来越多地代替传统的化学方法，在生产实践中大量应用[2]。

在美国、加拿大、澳大利亚等发达国家，NIR技术在饲草品质检测的研究和应用等方面已经相对成熟，并广泛商业化。我国的NIR发展相对较晚，国内相关学者也积极开展了饲草饲料NIR检测方法的研究，并成功建立了全株玉米青贮[3～6]、紫花苜蓿干草[7,8]、紫花苜蓿鲜草[2]、燕麦干草[9]等饲草的NIR模型，但我国的NIR模型大多并未应用于商业，目前生产中应用的近红外模型也主要从美国引进。NIR主要用于检测饲草的干物质（DM）、粗蛋白（CP）、中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）、可溶性碳水化合物（WSC）等化学营养成分[9,10]，也可检测青贮饲料的有机酸、pH等发酵指标[6,11,12]及磷（P）、钙（Ca）、钾（K）等矿物质元素[13]和纤维消化率[14]等。但目前在国内的研究和生产实践中主要为单种饲草（干草或青贮）的NIR检测，混合饲草的检测模型还未见报道。

相比于单作饲草，豆科与禾本科饲草混播或间套作可以提高饲草的产量、品质，以及水、肥、光、热等资源利用效率，增加人工草地的稳定性[15～17]。基于以上优势，豆禾间混套越来越多地应用到新建植或改良的人工草地中，进而在生产中对豆禾混合饲草品质快速检测的需求也不断增加。如苜蓿玉米套作系统，因其较高的经济效益和生态效益，成为我国一年两熟地区极具有潜力的轮作系统[18]。但因缺乏相应NIR模型，目前只能采用单种饲草的模型进行检测，其准确性和可行性还有待验证。本研究采集了不同施肥水平和不同种植比例处理下的青贮玉米和紫花苜蓿套作系统的样品并制作了混合青贮，利用当前使用较为广泛的玉米青贮商业模型之一进行营养成分和发酵品质的NIR分析，并与化学分析结果进行对比，来验证用青贮玉米NIR模型检测青贮玉米和紫花苜蓿混合青贮品质的可行性。

1 材料与方法

1.1 试验材料的采集与制备

本试验中用于制作青贮饲料的样品，采自河北省农林科学院旱作节水农业试验站的青贮玉米和紫花苜蓿的套作试验田。试验中的紫花苜蓿品种为中苜1号，由中国农业科学院北京畜牧兽医研究所提供，于2017年3月16日播种，播深2～3cm，播种量为22.5kg/hm2，东西行向，行距为20-40-20-40cm宽窄行；玉米品种为粮饲兼用品种郑单958，购自河南金博士种业股份有限公司，于2017年6月25日苜蓿刈割一茬后套播于苜蓿40cm行间。苜蓿玉米套作系统有两个处理，分别为4个氮肥水平（0、60、120、180kg N/hm2）和3个玉米种植密度（30、45、60千株/hm2），以单作玉米作为对照（施氮量112kg N/hm2，玉米种植密度75千株/hm2），试验共设3个区组。

2017年10月1～5日进行苜蓿和玉米收获和测产，留茬高度10cm，每个小区随机选取10株全株青贮玉米和1.0kg苜蓿，分别利用粉碎机粉碎至1～2cm后将同一处理组合的苜蓿或青贮样品充分混合，根据小区苜蓿和玉米的鲜重比，将两种作物混匀并马上取3.75kg混合物装入5L的青贮桶（直径17cm，高28cm，重约300g），单作玉米为100%玉米青贮，青贮密度为750kg/m3，密封，室温放置（20～25℃）180d。青贮样品共39个，其中包括3个100%玉米青贮和36个玉米苜蓿混合青贮样品。

1.2 测定指标与方法

1.2.1 常规营养成分

将开罐后混合均匀的青贮样品置于65℃烘箱中烘48h，测定DM含量。将烘干的样品粉碎过1mm筛。全氮（TN）含量使用元素分析仪（Elementar Analysensysteme GmbH, Germany）测定。粗蛋白含量为TN乘以6.25[19]。采用范式纤维分析法测定NDF和ADF含量[20]。采用蒽酮-硫酸比色法测定WSC含量[21]。

1.2.2 发酵品质

青贮开罐后，称取20g代表性样品，加入180mL蒸馏水，使用家用榨汁机搅碎2min，再用4层纱布和定性滤纸过滤，得到浸出液，用pH计（PHS-3C, INESA,Shanghai, China）测定浸出液的pH值[22]。滤液进一步用孔径0.22μm的微孔滤膜过滤。通过高效液相色谱（HPLC）（LC-20A；Shimadzu, Tokyo, Japan）测定乳酸（LA）、乙酸（AA）、丙酸（PA）和丁酸（BA）。测定条件如下：色谱柱，Shodex RSpak KC-811S-DVB gel C（8.0mm×30cm, Shimadzu）；柱温，50℃；流动相，3mmol/L HClO4；流速，1.0mL/min；进样量，5μL；检测器，SPD-M20AVP（Shimadzu）[22]。氨态氮（NH3-N）含量采用苯酚-次氯酸比色法测定[23]。

1.2.3 近红外检测

将开罐后混合均匀的青贮样品置于65℃烘箱中烘48h，粉碎并过1mm筛，进行近红外扫描，每个样品做3次平行，取平均值。近红外模型为美国引进的全株玉米青贮模型。

1.3 数据处理

试验数据采用SPSS19.0软件中的一元线性回归模型进行分析，并检验回归系数的显著性，比较青贮样品化学分析值和NIR测定值之间的差异。如回归模型的截距（a）和斜率（b）显著（P＜0.05），则表明NIR检测值与化学分析值有偏离[24]；回归模型决定系数（r2）的大小也是表征两者密切程度的指标，r2越接近1.0，表明NIR检测值与化学分析值之间的关系越紧密；采用均方根误差（RMSE）评价回归模型的偏差。此外，采用威尔莫特一致性指数（WIA, Willmott's Index of Agreement）来评价NIR检测值与化学分析值之间的差异性[25]。当WIA在0～1.0之间，WIA大于0.6时认为模型有实际预测价值[26]。采用Sigmaplot 14.0作图。

2 结果与分析

2.1 化学测定和近红外预测结果

本研究中共有36个样品为采集于苜蓿玉米套作田中并按照实际鲜重比例制作的混合青贮，混贮中苜蓿的比例在3%～33%之间，苜蓿在混贮中的比例受到玉米种植密度和施氮的影响，玉米种植密度越大，施氮量越高，苜蓿的占比越低。本试验中还包括3个100%全株玉米青贮样品。所有被测样品的平均苜蓿占比为12%（表1）。

表1 青贮样品的苜蓿占比及其品质指标的近红外（NIR）预测和化学分析结果（n=39）

根据实际生产中常用的营养指标和发酵指标，对混贮和单贮样品的DM、CP、NDF、ADF、WSC、pH、NH3-N、LA和BA含量，分别采用化学分析和近红外模型进行测定，所有指标含量的分布范围见表1。由表1可知，青贮样品pH的平均值以及最大值、最小值在化学分析值与NIR预测值之间最接近，平均值仅相差0.8%。DM、CP和NDF等营养指标的平均值相差在10%以内，但NDF的化学分析最大值较NIR预测值高14.6%，ADF的化学分析平均值比NIR预测值高11.9%，最大值高18.6%，二者的最小值均较为接近，说明NIR分析的NDF和ADF的范围较化学分析大幅减小。同样，WSC和乳酸的NIR预测值的标准差较化学分析值的标准差减小，说明NIR预测值之间的差异很小，最大值和最小值的差异仅分别为0.8%和1.28%，而两个指标化学分析值的最大值和最小值之间的差异分别为4.35%和5.41%，二者的平均值的差异分别为27.1%和18.3%。NIR预测值与化学分析值之间差异最大的指标为NH3-N和BA，平均值相差达83.6%和94.3%。

2.2 近红外预测准确性分析

表2为青贮样品化学分析值与近红外预测值之间的回归关系，如结果所示，NDF和LA的斜率和截距均显著，而DM、CP、ADF、WSC、pH、NH3-N等6个指标在斜率和截距中仅有一个为显著，说明这些指标的预测值与化学值有偏离。对于回归方程的决定系数，干物质的r2最高，为0.85，其次为CP，其他所有指标的决定系数均在0.5以下。威尔莫特一致性指数也是评价二者偏离程度的指标，但只有DM和CP的WIA大于0.6，具有实际预测价值；而NDF、pH和LA的WIA均小于0.6，氨态氮和乙酸的WIA最小，仅为0.24，说明该5个指标的化学分析值与NIR预测值之间的差异较大，不具实际预测价值。

表2 青贮营养成分和发酵品质的化学分析值与近红外预测值回归关系（n=39）

根据各指标化学分析值和NIR预测值之间的Pearson相关关系，只有图1所示的四个指标相关关系显著，分别为干物质、粗蛋白、中性洗涤纤维和乳酸含量，相关系数在0.393和0.928之间。NIR预测的CP普遍高于化学分析值，其他三个指标的NIR预测值均低于化学分析值。

图1 化学分析值和近红外（NIR）预测值的相关关系散点图DM (a) CP (b) NDF (c) LA (d)

3.讨论

近红外模型的建立需要大量异质性较高的样品，尤其对于商用模型，需要定期加入新采集的样品校正模型，因不同的品种、种植管理措施（如施肥、种植密度）和生长环境（如积温、光照）均对样品的营养成分累积有影响，所以使用变异范围高的样品以提高模型的准确性和适用性。在模型的验证中，样品的变异范围也应尽可能高，本研究采集的样品来自不同的施肥梯度和种植密度处理，研究表明施氮可显著增加玉米青贮的氨态氮、WSC和淀粉的含量[27]。此外，饲草的种类是影响NIR模型准确性的另一个关键因素。如果饲草属于同一科属，因其结构和营养组分构成相近，对近红外光谱的特征吸收也相近，模型在一定程度上可以通用，如北美饲草与饲料近红外联盟（The NIRS Forage and Feed Consortium）就建立了禾草干草（grass hay）的模型，可用于绝大部分禾本科饲草营养成分的检测；若为不同科的饲草，如豆科和禾本科，营养成分差异较大，使用单种饲草的模型对预测的准确性有影响。研究表明[22]苜蓿玉米混贮相较全株玉米单贮的DM、CP、WSC、LA和NH3-N等的指标有显著差异。应用单一饲草的NIR模型预测豆禾混合饲草的营养品质只能是退而求其次的方法，如本研究中在玉米青贮中加入了平均12%的苜蓿，苜蓿的占比较低，所以本研究采用了全株青贮玉米的模型来预测，若苜蓿的占比＞50%，则应该使用苜蓿青贮的模型更为准确。本研究结果也表明，用青贮玉米模型预测玉米苜蓿混贮的化学营养成分和发酵品质的效果较差，除DM和CP之外，其他指标均无法达到可接受的预测精度。随着豆禾混播和间套作的不断普及，这类混合饲草的近红外检测需求将不断增加，很有必要专门建立豆禾混合饲草干草和青贮的近红外模型。

样品的粒径、状态对近红外光谱的采集和建模也有影响。不同于干草，青贮饲料是经过发酵的新鲜样品，会产生氨态氮、有机酸等发酵产物，所以青贮样品的前处理方式对青贮品质尤其是发酵品质的预测有关键影响。目前在研究和实践中用到的前处理方式主要有4种，分别为：新鲜样品直接扫描、新鲜样品冻干后粉碎过1mm筛、新鲜样品65℃烘干后粉碎过1mm筛、扫描青贮样品浸提液测发酵产物及pH[6,11,12]。刘贤等[12]的研究表明不同样品前处理方式之间青贮玉米发酵品质指标NIR模型的准确性差异不大，但除pH之外，有机酸和氨态氮的相对分析误差（RPD）均＜2.0，表明建模效果不佳；穆怀彬等[6]的研究也发现青贮玉米乳酸、乙酸和氨态氮的近红外模型交叉验证决定系数（R2）仅在0.37和0.59之间，对单指标建模的效果不好，而对有机酸、氨态氮总分的建模效果较好。李宇萌等[28]在对玉米秸秆青贮饲料进行NIR建模时发现，pH、粗灰分、CP和DM的RPD均＞2.5，而WSC的RPD低于2.5，精度有待提高。在本研究中，新鲜青贮样品取样后经过65℃烘干并粉碎，WSC、LA、BA、NH3-N等指标的预测效果不佳，除了苜蓿混入的影响之外，该模型这些指标的预测精度可能需要进一步提高。

4.结论

本研究验证了使用玉米青贮近红外模型预测青贮玉米和少量苜蓿混合青贮饲料品质的可行性。结果表明，除DM和CP之外，其他化学营养成分NDF、ADF、WSC和发酵品质指标均不适宜直接用青贮玉米的NIR模型预测。这提示一方面，亟需建立豆禾混合饲草的近红外预测模型；另一方面，青贮饲料模型发酵指标的预测精度需要进一步提高。