多花黑麥草營養(yǎng)品質(zhì)最優(yōu)近紅外分析建模方法的研究

摘要： 近紅外光譜分析技術(shù)作為專門針對有機物快速、便捷、無污染檢測技術(shù)的典型代表，可以滿足快速高效檢測需求，建立多花黑麥草（Lolium multiflorum）便攜式近紅外分析模型可以有效監(jiān)控多花黑麥草營養(yǎng)品質(zhì)動態(tài)并對田間管理做出相應(yīng)的調(diào)整以提高多花黑麥草的營養(yǎng)品質(zhì)。本研究通過對多花黑麥草干燥粉碎及新鮮切短兩種預(yù)處理下建立的2種近紅外模型的比較選擇最優(yōu)建模方法。結(jié)果表明：多花黑麥草樣品在干燥粉碎預(yù)處理之后六項營養(yǎng)品質(zhì)近紅外模型的相關(guān)系數(shù)均優(yōu)于新鮮切短樣品的近紅外模型；干燥粉碎預(yù)處理樣品六項營養(yǎng)品質(zhì)近紅外模型相關(guān)系數(shù)均高于0.81，模型質(zhì)量良好可用于生產(chǎn)實踐；新鮮切短預(yù)處理樣品可溶性碳水化合物含量近紅外模型的相關(guān)系數(shù)高于0.81，模型質(zhì)量良好可用于生產(chǎn)實踐。

關(guān)鍵詞： 黑麥草；近紅外光譜模型；營養(yǎng)品質(zhì)；樣品預(yù)處理

中圖分類號：S543+.6 """文獻(xiàn)標(biāo)識碼：A """"文章編號： 1007-0435（2024）02-0610-10

Study on Optimal Modeling Method for Nutritional Quality of

Multi-Flowered Ryegrass

NAN Ding-han， GE Gen-tu*， WANG Zhi-jun， ZHAO Mu-qi-er， YAN Xing-quan， ZHU Na

（College of Grassland， Resources and Environment， Inner Mongolia Agricultural University， Key Laboratory of Forage Cultivation，

Processing and Efficient Utilization， Ministry of Agriculture and Rural Affairs， Hohhot， Inner Mongolia 010019， China）

Abstract： As a representative of rapid，convenient，and pollution-free detection technology for organic matter，near-infrared spectroscopy analysis technology can fulfill the requirements of swift and efficient detection. The establishment of a portable near-infrared analysis model of ryegrass multiflora can effectively monitor the nutritional quality dynamics of ryegrass multiflora and make corresponding adjustments to field management to improve the nutritional quality of ryegrass multiflora. In this study，the optimal modeling method was identified by comparing two near-infrared models established under two pretreatments：drying，crushing，and fresh cutting of ryegrass. The findings are as follows：the correlation coefficient （R2） of the six near-infrared models of nutritional quality of ryegrass multiflora samples after drying and crushing pretreatment was better than that of the freshly cut shortened samples. The R2 of the near-infrared model of the six nutritional qualities of the dry，crushed，and pretreated samples was higher than 0.81，indicating that the model quality was good and could be used in production practice. The R2 of the NIR model with WSC content in the freshly cut pretreatment sample was higher than 0.81，indicating that the model quality was good and could be used in production practice.

Key words： Ryegrass;Near-infrared spectroscopy model;Nutritional quality;Sample pretreatment

多花黑麥草（Lolium multiflorum）是禾本科一年生優(yōu)質(zhì)的冷季型、速生性可刈割牧草；因其易栽培、消化率高、抗逆性強、產(chǎn)量高、刈割后再生性強、適口性好且蛋白質(zhì)含量豐富，是溫帶地區(qū)畜牧生產(chǎn)中極佳的飼草［1-3］。多花黑麥草莖葉柔嫩光滑多汁，在其干物質(zhì)中含有豐富的蛋白質(zhì)，適口性好、消化率高，營養(yǎng)價值較高且全面［4］；富含氮、磷、鉀等營養(yǎng)元素以及根際微生物，能有效地改善土壤的理化性質(zhì)，提高地力，促進作物生長［5］；具有抗逆性強、生長速度快、產(chǎn)量高、品質(zhì)好、分蘗能力強、刈割后再生性好等特點，廣受各種家畜喜愛，深受廣大養(yǎng)殖戶歡迎［6］。

近紅外光譜分析技術(shù)（Near infrared reflectance spectroscopy，NIRS）是一種利用有機化學(xué)物質(zhì)在近紅外譜區(qū)內(nèi)的光學(xué)特性快速測定物質(zhì)化學(xué)組分含量的現(xiàn)代光譜技術(shù)。近紅外光介于電磁波譜中可見光與中紅外光之間，美國材料檢測協(xié)會（ASTM）定義其波長范圍為780～2 526 nm。近紅外光譜分析技術(shù)作為專門針對有機物快速、便捷、無污染檢測技術(shù)的典型代表，可以滿足快速高效檢測需求［7］；若建立各指標(biāo)的近紅外模型就可以快速、準(zhǔn)確、批量地預(yù)估營養(yǎng)指標(biāo)含量［8］；但針對黑麥草營養(yǎng)指標(biāo)利用便攜式及臺式近紅外光譜儀進行快速現(xiàn)場檢測未見報道。近紅外光譜儀按用途分實驗室、便攜式和在線分析光譜儀按分光器可分為濾光片型、光柵色散型、傅里葉變換型等。隨著NIRS在各領(lǐng)域廣泛應(yīng)用和市場需求多樣化，種類越來越豐富，逐漸向?qū)Ｓ眯汀⒈銛y型、實時測量型方向發(fā)展［9-10］;20世紀(jì)70年代，美國Norris等人［11］首次利用近紅外光譜測定農(nóng)產(chǎn)品中水分、蛋白質(zhì)、脂肪等含量，現(xiàn)代近紅外光譜技術(shù)才得以發(fā)展。Khaleduzzaman和Aureli等［12-13］利用近紅外反射光譜測定動物蛋白原料、家禽飼料中的水分和粗蛋白質(zhì)含量，并建立了豐富的數(shù)據(jù)庫，提高了檢測效率和結(jié)果準(zhǔn)確度。

我國對于近紅外光譜的分析及其研究工作起步于70年代，由中國農(nóng)業(yè)大學(xué)最早開展這項技術(shù)的研究，并在1978年開始關(guān)注該技術(shù)在農(nóng)業(yè)中的應(yīng)用發(fā)展。2002年，我國出臺了《GB/T18868-2002飼料中水分、粗蛋白質(zhì)、粗纖維、粗脂肪、賴氨酸、蛋氨酸快速測定近紅外光譜法》，此后，使用近紅外光譜技術(shù)評價飼草料營養(yǎng)品質(zhì)受到了諸多國內(nèi)研究者的關(guān)注。薛祝林等利用近紅外光譜預(yù)測苜蓿草捆的營養(yǎng)品質(zhì)和消化率，該試驗初步建立了苜蓿草捆質(zhì)量的定量分析模型，為苜蓿草產(chǎn)品動物飼料配方的生產(chǎn)、分銷和配方提供技術(shù)支持［14］。目前國內(nèi)已有成熟的硬件產(chǎn)品，建立黑麥草便攜式近紅外分析模型可以有效監(jiān)控黑麥草營養(yǎng)品質(zhì)動態(tài)并對田間管理做出相應(yīng)的調(diào)整由此提高黑麥草產(chǎn)量與營養(yǎng)品質(zhì)，可以有效提高經(jīng)濟效益。

本研究旨在利用近紅外光譜技術(shù)建立新鮮切短和干燥粉碎等不同預(yù)處理方式黑麥草常規(guī)營養(yǎng)成分的近紅外預(yù)測模型，分析黑麥草不同預(yù)處理方式對其建立的近紅外預(yù)測模型準(zhǔn)確性的影響。

1 材料與方法

1.1 試驗地自然概況

試驗樣地位于呼和浩特市土默特左旗北什軸鄉(xiāng)海流村內(nèi)蒙古農(nóng)業(yè)大學(xué)科技園區(qū)，地理位置為北緯40°31′17″，東經(jīng)111°23′46″，海拔1 018 m，屬溫帶大陸性季風(fēng)氣候，日照時間較長，年日照時數(shù)為2 876.5 h，無霜期130 d，年平均氣溫 6.3℃，年平均降水量400 mm，年蒸發(fā)量1 800 mm，蒸降比為4.3∶1，相對濕度較低，年平均濕度為54%，土壤為輕度鹽堿的沙質(zhì)栗鈣土。表1為試驗地土壤基本理化性質(zhì)。

1.2 試驗設(shè)計

建模試驗樣地總面積3 hm2，分為5個20 m× 35 m小區(qū)。在2022年4月下旬進行精細(xì)整地、耙平、鎮(zhèn)壓，做到地塊平整，并施入底肥。在5月4日進行播種，撒播用種量為3.75 kg·hm-2，行距15 cm，播種深度3～5 cm。在每茬次的拔節(jié)期、抽穗期和開花期三次取樣中間間隔5天，第一茬在6月15—25日取樣，第二茬在7月15—25日取樣，第三茬在8月15—25日取樣，第四茬在9月15—25日取樣。

（1）儀器選擇

本實驗選擇德國Carl Zeiss手持式近紅外光譜分析儀。

表2為儀器各項參數(shù)。

（2）光譜采集

將樣品切短至3～5 cm裝入樣品盒內(nèi)壓實，用德國Carl Zeiss手持式近紅外分析儀測得田間近紅外光譜圖。每個樣品掃描4次，求4次的平均值。

待樣品烘干粉碎之后，將樣品放入試樣杯中，在德國Carl Zeiss手持式近紅外分析儀上進行光譜采集，每個樣品掃描4次，求4次的平均值。獲得樣品干燥粉碎處理下手持近紅外儀光譜圖。

（3）建立模型

將采集到的420個樣品，以4∶1的比例（隔5選1）分為建模集（Calibration）和驗證集（Validation）兩組。采用MATLAB分析軟件和Ucal軟件，利用偏最小二乘法建立黑麥草不同處理下兩臺近紅外儀器的近紅外光譜模型，建模時計算樣品光譜值的馬氏距離（MDi），剔除異常值以進行模型優(yōu)化。同時借助SPSS17.0進行所有數(shù)據(jù)的整理和分析。首先匯總336份建模集樣品六項指標(biāo)的近紅外光譜圖，對應(yīng)其濕化學(xué)指標(biāo)繪制出每項指標(biāo)的因子圖，找出每項指標(biāo)最優(yōu)建模因子數(shù)。再用每項指標(biāo)最優(yōu)因子數(shù)建立近紅外預(yù)測模型導(dǎo)出每項指 標(biāo)的散點圖算出其校正決定系數(shù)（R2）和交互驗證殘差均方根（Root mean square error of cross-validation，RMSECV）等指標(biāo)對模型進行進一步優(yōu)化，并確定最終模型。

（4）模型驗證

建模完成后、用驗證集樣品導(dǎo)入模型通過模型給出的預(yù)測值以及測得的濕化學(xué)指標(biāo)來驗證模型的準(zhǔn)確性。根據(jù)預(yù)測值和濕化學(xué)指標(biāo)的R2評價模型的準(zhǔn)確性，模型決定系數(shù)0lt;R2≤0.49 時模型質(zhì)量極差，不具備參考價值;0.49lt;R2≤0.64時模型質(zhì)量一般，可用作粗略預(yù)測;0.64lt;R2≤0.81時模型質(zhì)量良好，可提供較為準(zhǔn)確的預(yù)測值;0.81lt;R2≤0.91時模型質(zhì)量優(yōu)秀，可提供準(zhǔn)確的預(yù)測值，0.91lt;R2lt;1時模型質(zhì)量極好、可應(yīng)用于樣品的快速測定。

1.3 測定指標(biāo)

檢測每個生長期各種營養(yǎng)成分含量，測定方法如表3所示。

2 結(jié)果與分析

2.1 不同茬次黑麥草營養(yǎng)品質(zhì)化學(xué)定量分析

表4為各茬次黑麥草營養(yǎng)品質(zhì)匯總，其中干物質(zhì)含量（Dry matter，DM）第四茬均值最高，為22.54%。粗蛋白（Crude protein，CP）第一茬均值最高，為15.72%。酸性洗滌纖維（Acidic detergent fibers，ADF）第一茬均值最高，為35.56%。中性洗滌纖維（Neutral detergent fibers，NDF）第一茬均值最高，為58.48%。粗灰分（Crude ash，Ash）第一茬均值最高，為18.80%?？扇苄蕴妓衔铮╓ater soluble carbohydrates，WSC）第四茬均值最高，為7.96%。

2.2 樣品干燥粉粹處理下手持式近紅外儀光譜模型的建立

圖1為干燥粉碎處理下的樣品近紅外光譜匯總圖。

2.2.1 最優(yōu)因字?jǐn)?shù)選擇 ""在建模擬合的過程中，需要通過一個有效的特征信息，去描述建模擬合的特征，這個特征即為因子。本試驗當(dāng)中，最大因子數(shù)設(shè)置為15，建模軟件內(nèi)部會根據(jù)每個指標(biāo)的不同，選擇最優(yōu)因子數(shù)。圖2為建模過程中的因子圖，圖像表明本試驗因子數(shù)設(shè)置在合理范圍內(nèi)。圖中橫坐標(biāo)是因子數(shù)，縱坐標(biāo)為交叉驗證的標(biāo)準(zhǔn)誤差，隨著因子數(shù)的增多，橫坐標(biāo)的增大，縱坐標(biāo)內(nèi)部交叉校正標(biāo)準(zhǔn)差（Cross square error of calibration，SECV）緩慢下降，最低峰為建模最優(yōu)因字?jǐn)?shù)。如圖2結(jié)果所示，對干物質(zhì)含量（DM）建模時曲線在因子數(shù)為06時，SECV值降到最低，即DM含量的近紅外預(yù)測模型建立過程中，因子數(shù)為06時，模型質(zhì)量最好；同理，由圖2可以得出，CP，ADF，NDF，Ash，WSC這5個模型因子數(shù)分別為05，07，07，08，07時，SECV值出現(xiàn)最低值，這表示在上述因子數(shù)時模型質(zhì)量最好。而曲線的再次升高也直接表明，因子數(shù)并不是越多越好，如果因子數(shù)過多，SECV值到達(dá)低峰處會再次升高，即出現(xiàn)“過擬合”現(xiàn)象。

2.2.2 "模型的建立 ""圖3為各營養(yǎng)指標(biāo)建模集回歸圖，表5為干燥粉碎處理手持式近紅外模型參數(shù)。由圖3和表5可知，預(yù)測值總體呈現(xiàn)出在2～3處集中總體呈現(xiàn)出一條直線的趨勢，這條線所計算出的斜率即為評定建模結(jié)果的R2，DM，CP，ADF，NDF，Ash和WSC預(yù)測模型R2 分別為0.827，0.884，0.947，0.922，0.959和0.947。各項營養(yǎng)品質(zhì)建模集R2均大于0.81，這表示建模集相關(guān)性非常高，能夠建立模型。

2.3 樣品新鮮切短至3～5 cm處理下手持近紅外儀光譜模型的建立

圖4為干燥粉碎處理下的樣品近紅外光譜匯總圖。

2.3.1 最優(yōu)因字?jǐn)?shù)選擇 ""從圖5中可以看出，在鮮 樣切短至3～5 cm處理下的近紅外光譜模型建模時DM，CP，ADF，NDF，Ash和WSC六指標(biāo)的最低SECV值時因子數(shù)分別為05，05，03，03，05，07。因此在上述因子數(shù)建立該指標(biāo)的模型。

2.3.2 "驗證模型 ""由圖6結(jié)果可知CP，ADF，NDF和Ash的回歸圖顯示該四項指標(biāo)的預(yù)測值散點不集中，整體規(guī)律較差。由圖6可以看出DM和WSC的模型預(yù)測值散點較為集中，整體呈現(xiàn)線性的趨勢，因此這兩個模型的預(yù)測能力相對較好。

由表6可知CP，ADF，NDF和Ash的R2 均小于0.64，該四項指標(biāo)的預(yù)測能力一般，DM的0.64lt;R2lt;0.81，DM預(yù)測模型良好，WSC的R2大于0.82，WSC預(yù)測模型優(yōu)秀。

2.4 兩個模型的驗證集驗證結(jié)果

表7為三種模型的驗證集驗證結(jié)果。DM，CP，ADF，NDF和Ash含量預(yù)測模型的驗證結(jié)果顯示干燥粉碎處理近紅外模型R2均高于新鮮切短處理近紅外模型質(zhì)量更好、預(yù)測能力更強。WSC含量預(yù)測模型驗證結(jié)果顯示兩個模型的R2均高于0.81，模型均可用于生產(chǎn)實踐當(dāng)中。

3 討論

近紅外光譜技術(shù)被譽為近代分析化學(xué)中的“巨人”，因其便捷、快速、無污染、準(zhǔn)確性高、對樣品無破壞和不消耗化學(xué)試劑等特點，在現(xiàn)代農(nóng)業(yè)當(dāng)中被廣泛應(yīng)用。但查閱文獻(xiàn)發(fā)現(xiàn)我國對黑麥草近紅外光譜模型建立方面的研究很少，其中趙環(huán)環(huán)等人對黑麥草粗蛋白近紅外光譜模型的建立研究中建模樣品太少，因此模型的準(zhǔn)確性相對較低。本試驗采集了四個茬次三個生育期的黑麥草樣品420份，確保了樣品的多樣性。郭濤等人［19］發(fā)現(xiàn)樣品不同預(yù)處理對近紅外模型的準(zhǔn)確性具有顯著影響，但其研究只對干草的不同處理做了研究，對新鮮狀態(tài)下的樣品沒有研究報道。因此本研究對同一批樣品不同預(yù)處理下分別建立兩臺儀器的近紅外模型，通過對比分析黑麥草六項營養(yǎng)指標(biāo)的近紅外模型建模驗證結(jié)果，確定最優(yōu)建模樣品預(yù)處理方法。

DM含量決定了牧草有機質(zhì)的積累情況。對比兩個樣品預(yù)處理下的DM含量模型，樣品干燥粉碎處理下的模型R2 優(yōu)于新鮮切短處理下的模型R2，干燥粉碎處理下的模型準(zhǔn)確性更高。CP是衡量牧草營養(yǎng)品質(zhì)的重要指標(biāo)，可以影響家畜產(chǎn)乳量和乳蛋白產(chǎn)量［20］，牧草蛋白含量高其飼喂價值和經(jīng)濟效益往往也較好［21］。因此CP是評價牧草質(zhì)量的重要指標(biāo)。通過手持式近紅外儀兩個模型的驗證集R2 可以看出黑麥草在干燥粉碎處理下的近紅外模型預(yù)測準(zhǔn)確度更高。ADF，NDF含量是決定牧草消化率的重要指標(biāo)［22］，ADF，NDF含量分別與家畜消化率、飼草采食率呈負(fù)相關(guān)［23-24］，即ADF含量越小，飼草越可消化、飼用價值高，NDF含量越低、家畜飼草采食率越高［25］。在本試驗中，手持式近紅外儀兩種預(yù)處理方式下干燥粉碎處理下的模型R2 更高，模型質(zhì)量更好。牧草Ash含量代表其飼用品質(zhì)的好壞，越低代表其飼用品質(zhì)越好。對比兩個模型的驗證集R2，干燥粉碎處理下的模型質(zhì)量更好。WSC可以維持瘤胃碳元素和氮含量的供應(yīng)平衡，是牧草青貯發(fā)酵的重要原料［26-27］，同時可以反映牧草對惡劣環(huán)境的影響的抵御能力［28］。黑麥草的加工貯存方式有干草和青貯兩種，我國南方春季陰雨多濕，不易調(diào)制優(yōu)質(zhì)干草，而且多花黑麥草含有較高的水溶性碳水化合物，莖葉柔軟多汁，是一種較易青貯的原料［29］。因此WSC含量是黑麥草生產(chǎn)當(dāng)中非常重要的品質(zhì)指標(biāo)。對比分析手持式近紅外儀兩種預(yù)處理下的模型R2 兩個模型質(zhì)量均良好，可用于實際生產(chǎn)當(dāng)中黑麥草WSC含量的快速測定。

綜合比較兩種預(yù)處理下近紅外模型的準(zhǔn)確性，在干燥粉碎處理下的近紅外預(yù)測模型準(zhǔn)確度更高，更適用于黑麥草種植生產(chǎn)當(dāng)中營養(yǎng)品質(zhì)的快速測定。這主要是因為在干燥粉碎狀態(tài)下樣品的均一性更高，更利于采集樣品的光譜信息。在田間對新鮮狀態(tài)下切短至3～5 cm的樣品采集光譜信息時，因樣品的攪拌度低、裝入樣品盒時不能確保樣品的每一部位都能被儀器掃描到光譜信息，因此導(dǎo)致新鮮切短狀態(tài)下的黑麥草樣品近紅外模型準(zhǔn)確度低于干燥粉碎狀態(tài)下的黑麥草近紅外模型。

4 結(jié)論

對比發(fā)現(xiàn)多花黑麥草樣品在干燥粉碎預(yù)處理之后六項營養(yǎng)品質(zhì)近紅外模型的R2均優(yōu)于新鮮切短樣品的近紅外模型。干燥粉碎預(yù)處理樣品六項營養(yǎng)品質(zhì)近紅外模型R2 均高于0.81，模型質(zhì)量良好可用于生產(chǎn)實踐。新鮮切短預(yù)處理樣品WSC含量近紅外模型的R2 高于0.81，模型質(zhì)量良好可用于生產(chǎn)實踐。

參考文獻(xiàn)

［1］ "張新躍，李元華，茍文龍，等. 多花黑麥草研究進展［J］. 草業(yè)科學(xué)，2009，26（1）：55-60

［2］ 陳佐南.多花黑麥草品種比較試驗［J］. 貴州畜牧獸醫(yī)，2005，29（4）：7-8

［3］ 舒健虹，李辰瓊，尚以順. 多花黑麥草品種比較試驗［J］. 貴州畜牧獸醫(yī)，2006，30（3）：8-9

［4］ 鞏麗瓊，陳智華，陳仕勇，等. 多花黑麥草青貯技術(shù)研究進展［J］. 草業(yè)與畜牧，2015（3）：5-8

［5］ 王明蓉，王松，羅富成. 多花黑麥草品種比較試驗［J］. 四川草原，2004（5）：15-17

［6］ 關(guān)皓，張明均，宋珊，等. 添加劑對不同干物質(zhì)含量的多花黑麥草青貯品質(zhì)的影響［J］. 草業(yè)科學(xué)，2017，34（10）：2157-2163

［7］ 于光輝，宋春陽，董瑞蘭. 近紅外光譜技術(shù)在反芻動物飼料分析和模型預(yù)測中的應(yīng)用［J］. 中國畜牧雜志，2016，52（11）：82-87

［8］ 劉娜. 全株玉米青貯營養(yǎng)價值快速評價及預(yù)測模型構(gòu)建［D］. 蘭州：甘肅農(nóng)業(yè)大學(xué)，2019：39-41

［9］ PASQUINI C. Near infrared spectroscopy：A mature analytical technique with new perspectives—A review［J］. Analytica Chimica Acta，2018（10）：8-36

［10］ TANG Y，JONES E，MINASNY B. Evaluating low-cost portable near infrared sensors for rapid analysis of soils from South Eastern Australia［J］. Geoderma Regional，2020（3）：20-24

［11］ NORRIS K H，BUTLER W L. Techniques for obtaining absorption spectra on intact biological samples［J］. Ire Transactions on Biomedical Electronics，1961，8（3）：153-157

［12］ KHALEDUZZAMAN A B M，SALIM H M. Development of local calibrations for the nutritional evaluation of fish meal and meat amp; bone meal by using near-infrared reflectance spectroscopy［J］. Journal of Applied Animal Research，2020，48（1）：24-43

［13］ AURELI R，UEBERSCHLAG Q，KLEIN F，et al. Use of near infrared reflectance spectroscopy to predict phytate phosphorus，total phosphorus，and crude protein of common poultry feed ingredients［J］. Poultry Science，2017，96（1）：54-65

［14］ 薛祝林，劉楠，張英俊. 近紅外光譜法預(yù)測紫花苜蓿草捆的營養(yǎng)品質(zhì)和消化率［J］. 草地學(xué)報，2017，25（1）：165-171

［15］ DAVID T. Plant strategies and the dynamics and structure of plant communities［J］. Bulletin of Mathematical Biology，1989，51（3）：71-80

［16］ 劉慶華，聶芙蓉. 《飼料原料學(xué)》教學(xué)實驗與實習(xí)內(nèi)容的設(shè)計［J］. 鄭州牧業(yè)工程高等?？茖W(xué)校學(xué)報，2005，5（2）：145-146

［17］ 楊曉鵬，李平，董臣飛，等. 多花黑麥草+燕麥混播草地地上生物量和營養(yǎng)品質(zhì)動態(tài)研究［J］. 草地學(xué)報，2020，28（1）：149-158

［18］ 呼鳳蘭，王鵬飛. 溫水浸泡對帶殼歐李種子層積效果的影響［J］. 北方果樹，2013，5（1）：4-6

［19］ 郭濤，黃右琴，代露茗，等. 苜蓿干草不同處理方式對近紅外預(yù)測模型預(yù)測準(zhǔn)確性的影響［J］. 動物營養(yǎng)學(xué)報，2021，33（5）：2939-2948

［20］ HYUNGSOO P，JIHYE K，KICHOON C，et al. Effect of rainfall after cutting on feed value of Italian ryegrass［J］. Journal of the Korean Society of Grassland and Forage Science，2016，36（4）：293-297

［21］ 席冬梅，陳勇，彭洪清. 多花黑麥草不同生長期營養(yǎng)價值評定［J］. 草原與草坪，2005（2）：62-64

［22］ 陳莉敏，趙國敏，廖興勇，等. 川西北7個燕麥品種產(chǎn)量及營養(yǎng)成分比較分析［J］. 草業(yè)與畜牧，2016（2）：19-23

［23］ 王輝輝. 青藏高原高寒牧區(qū)燕麥優(yōu)良品種篩選及營養(yǎng)價值評定［D］. 蘭州：甘肅農(nóng)業(yè)大學(xué)草業(yè)科學(xué)，2008：19-21

［24］ 牛小平，呼天明，楊培志，等. 22個紫花苜蓿品種生產(chǎn)性能比較研究［J］. 西北農(nóng)林科技大學(xué)學(xué)報：自然科學(xué)版，2006，34（5）：45-49

［25］ 李向林，張新躍，唐一國，等.日糧中精料和牧草比例對舍飼山羊增重的影響［J］. 草業(yè)學(xué)報，2008，17（2）：85-91

［26］ YANG Z F，NIE G，PAN L，et al. Development and validation of near-infrared spectroscopy for the prediction of forage quality parameters in Lolium multiflorum［J］. Peer J，2017（5）14-32

［27］ 楊曉鵬，李平，董臣飛，等. 多花黑麥草+燕麥混播草地地上生物量和營養(yǎng)品質(zhì)動態(tài)研究［J］. 草地學(xué)報，2020，28（1）：149-158

［28］ 王嘉佳，唐中華. 可溶性糖對植物生長發(fā)育調(diào)控作用的研究進展［J］. 植物學(xué)研究，2014，3（3）：71-76

［29］ 丁成龍，顧洪如，許能祥，等. 不同刈割期對多花黑麥草飼草產(chǎn)量及品質(zhì)的影響［J］. 草業(yè)學(xué)報，2011，20（6）：186-194

（責(zé)任編輯 閔芝智）

收稿日期：2023-11-20；修回日期：2023-11-27

基金項目： "國家重點研發(fā)計劃：巴林左旗肉牛優(yōu)質(zhì)健康養(yǎng)殖關(guān)鍵技術(shù)研發(fā)與示范（2022YFD1601203）；財政部和農(nóng)業(yè)農(nóng)村部：國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系資助

作者簡介：

南丁罕（1998-），男，蒙古族，內(nèi)蒙古赤峰人，碩士研究生，主要從事牧草加工與利用研究，E-mail：1076380707@qq.com；*通信作者Author for correspondence，E-mail：gegentu@163.com