论文部分内容阅读
为探索饲料常规成分及碳水化合物组分与饲料有效能值之间的关系方程,本研究以NRC第11版《猪营养需要量》中发布的122套饲料营养成分表为基础,将饲料中11种基础成分[6项常规成分:干物质、粗蛋白质(CP)、粗纤维(CF)、粗脂肪(EE)、酸性醚提取物、粗灰分(ash);5项碳水化合物组分:淀粉(ST)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、半纤维素、酸性洗涤木质素]作为自变量,将饲料中的消化能(DE)、代谢能(ME)及净能(NE)作为因变量,采用SAS软件中的REG过程,分别建立不同性质饲料、自变量的不同组合与DE、ME及NE之间的回归关系方程,并以相关系数(R2)及变异系数(CV)作为评价回归模型的优劣。研究表明,有效能值与CP、ST及纤维类指标显著或极显著相关(P<0.05或P<0.01)。将所有饲料作为研究对象时,饲料的DE、ME及NE与上述11种基础成分之间建立的普适性回归模型预测效果较差。当将14种玉米及其加工产品形成子集时,建立饲料基础营养成分与DE、ME及NE的关系方程分别为7、6和7套(P<0.05),且3组回归模型R2分别为0.632 8~0.772 3、0.646 9~0.684 9和0.670 5~0.822 1,CV分别为6.61%~8.40%、6.58%~7.34%和6.21%~8.27%;当将13种大豆及其加工产品形成子集时,共建立饲料基础成分与DE、ME关系方程分别有3和4套,回归模型R2分别为0.907 1~0.926 9、0.890 7~0.922 3,CV分别为5.40%~6.09%、5.79%~6.78%,NE与基础营养成分指标之间无法建立具有营养学意义的有效回归方程。对于同类饲料中具有相同自变量组合的DE及ME预测模型而言,两者之间的差异主要是自变量CP的系数上,且CP部分对ME的正效应低于DE,这保证模型预测的ME低于DE。同时选用本研究构建的适宜模型,补充了NRC第11版成分表中第97(去皮大豆粕,低寡糖,浸提)、101(全脂大豆,高蛋白质)及102号(全脂大豆,低寡糖)饲料的DE值分别为15.99、17.35、17.27 MJ/kg,ME值分别为14.53、16.15和16.14 MJ/kg。综上,以NRC(2012)饲料营养成分表为基础,建立的普适性有效能值回归模型预测效果较差。按照玉米类和大豆类进行分类,可建立DE、ME和NE与饲料化学成分之间的多元回归方程,其中最优的预测因子为CP、EE、ST、ash、NDF、ADF。具有相同自变量的同类饲料DE和ME预测模型之间的差异是CP系数,CP影响DE转化为ME的效率。