APP下载

近红外法与湿化学法对奶牛不同饲喂阶段TMR质量检测相关性分析

2022-07-19周春元赵欣雅周娟冯晋芳白鸿雁姬翠英

天津农业科学 2022年6期
关键词:相关性分析回归分析

周春元 赵欣雅 周娟 冯晋芳 白鸿雁 姬翠英

摘    要:通过对近红外法与湿化学法的比较,对湿化学法测定奶牛TMR日粮的营养成分过程中暴露的问题进行分析和总结,并矫正近红外法测定的结果,最终指导奶牛TMR日粮的配制。取3个养殖水平相近的不同牧场的前期、中期、后期、干奶期4个不同饲养阶段的奶牛TMR,采用2种方法对奶牛4个时期TMR的水分、干物质、粗灰分、粗蛋白、粗脂肪、中性洗涤纤维、酸性洗涤纤维、钙和磷9项营养指标进行检测,验证湿化学法和近红外法的相关性。结果表明:用湿化学法与近红外法测定的水分、干物质、粗灰分、粗蛋白、粗脂肪、中性洗涤纤维、酸性洗涤纤维、钙和磷绝大多数有显著差异(P<0.05),且水分、干物质、粗蛋白、中性洗涤纤维、酸性洗涤纤维呈强相关,灰分和磷呈弱相关,脂肪和钙相关性不稳定。对呈强相关的指标构建了相应的回归方程以校正近红外法测定的结果。结果提示,构建的回归方程可直接矫正FOSS多功能近红外分析仪(丹麦FOSS公司)。

关键词:近红外法;湿化学法;全混合日粮;相关性分析;回归分析

中图分类号:O657.33; S858.23         文献标识码:A          DOI 编码:10.3969/j.issn.1006-6500.2022.06.010

Correlation Analysis of Near Infrared and Wet Chemical Methods for TMR Quality Detection of Dairy Cows at Different Feeding Stages

ZHOU Chunyuan1, ZHAO Xinya2, ZHOU Juan1, FENG Jinfang1, BAI Hongyan1, JI Cuiying1

(1. Tianjin Jialihe Feed Company Limited, Tianjin 301800, China; 2. Key Laboratory for Animal Breeding and Healthy Breeding, School of Animal Science and Zoology, Tianjin Agricultural University, Tianjin 300384, China)

Abstract: The purpose of this study was to analyze and summarize the problems exposed in the process of wet chemical method determination of nutrients in dairy cows' TMR diet by comparing NIR method with wet chemical method, and correct the results obtained by NIR method, so as to finally guide the formulation of dairy cows' TMR diet. Dairy cows TMR were taken from three different pastures with similar breeding levels at four different feeding stages (early, middle, late, and dry milk stage). Four periods of cows stage of total mixed diet of MC, DM, CA, CP, CF, NDF, ADF, Ca and P and other 9 nutrition indicators respectively by wet chemical method and the near infrared method for testing and verify whether the wet chemical method and the near infrared method. The results showed that the MC, DM, CA, CP, CF, NDF, ADF, Ca and P measured by wet chemical method and near infrared method was significantly different(P<0.05). The correlation between MC, DM, CP, NDF and ADF was strong, the correlation between CA and P was weak, and the correlation between CF and Ca was unstable. Regression analysis was carried out and regression equation was constructed. Therefore, the established regression equation can directly correct the FOSS multifunctional near infrared analyzer (FOSS, Denmark).

Key words: NIR; wet chemical method; TMR; correlation analysis; regression

近年來,我国养牛业发展规模逐步扩大,对饲料的需求日益旺盛,为了提高奶牛的采食量和饲料转化率,使饲料配方更加科学高效,各大牧场和饲料加工企业对全混合日粮(total mixed ration, TMR)技术已经全面应用[1]。TMR可提高奶牛产奶量、奶牛采食量、奶牛繁殖率,降低奶牛疾病发生率[2]。只有准确地测定TMR的成分,才能保证满足奶牛各个时期的营养需求。但是,传统湿化学法不但会破坏样品内含有的常规养分,而且检测过程缓慢,方法复杂。因此,生产中饲料质量控制及其营养成分的快速分析显得越来越重要。近红外分析法(near infrared reflectance spectroscopy, NIRS)是一种间接分析技术,在操作过程中样品制备简单,不耗费化学药品,可及时指导奶牛TMR日粮的配制[3-5]。近红外分析法在我国的应用起步较晚,20世纪90年代才开始进行相关研究。在这个过程中,由于受到很多因素的影响,相关基础研究工作及数据库的建设与发达国家相比进展较慢,饲料常规成分的定标软件也没有及时推出,因此导致饲料常规成分分析工作效率较低,应用的难度较大[6]。Mentink等[7]应用近红外光谱技术很好地分析了奶牛 TMR 中粗蛋白质、中性洗涤纤维、淀粉(Starch)、NFC 及粗脂肪等成分含量。但鲜有文献报道用近红外法与湿化学法对奶牛不同饲喂阶段TMR 质量进行相关性分析。因此,本研究对湿化学法和近红外法进行营养分析的差异性比较和相关性分析,得出近红外法对奶牛各个时期TMR日粮的各个营养指标的回归方程。

1 材料和方法

1.1 试验材料

2021年3月初,在天津市嘉立荷牧业集团有限公司管理的3个养殖水平相近的牧场,选择有代表性的前期、中期、后期、干奶期4个不同饲养阶段的奶牛TMR样品共 47份。其中,前期样品11份,中期样品12份,后期样品12份,干奶期样品12份。

1.2 试验药品

氢氧化钠:AR,95%(天津百奥泰科技发展有限公司);乙二胺四乙酸二钠:AR(天津百奥泰科技发展有限公司);四硼酸钠:AR(天津百奥泰科技发展有限公司);草酸铵:AR(天津百奥泰科技发展有限公司);偏钒酸铵:99.9% metals basis(天津百奥泰科技发展有限公司);十二烷基硫酸钠:AR,92.5%~100.5%(天津弘锋伟利科技发展有限公司);十六烷三甲基溴化铵:AR(西安瑞丽洁实验仪器有限公司);钼酸铵:99%(北京伊诺凯科技有限公司);磷酸二氢钾:99%(上海迈瑞尔化学技术有限公司)。

1.3 试验设计

采用四分法将每个样品缩分至0.5 kg左右,用烘箱干燥(65 ℃,48 h)后,用粉碎机粉碎过40目筛。每个样品取3个平行样进行测定,分别用常规使用的湿化学法和近红外法进行测定,然后将2种方法的测试结果进行比较分析。分别利用湿化学法和近红外法测定奶牛TMR样品中的总水分、干物质(DM)、粗灰分、粗蛋白(CP)、粗脂肪(EE)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、钙和磷的含量。结果以干物质基础计算。

1.4 主要仪器

多功能近红外分析仪,凯氏定氮仪,全自动索氏浸提仪,全自动纤维分析仪均购自丹麦FOSS公司;马弗炉,购自天津玛福尔科技有限公司;烘箱,购自苏州同福烘箱制造有限公司;紫外分光光度计,购自北京能克工程有限共公司。

1.5 奶牛TMR的NIRS测定

采用FOSS多功能近红外分析仪NIRS DS 2500,用卤钨灯作为仪器光源,使用硫化铅探测器,谱区范围在1 100~2 500 nm。2 nm的光谱间隔,扫描32次。利用来自天津嘉立荷牧业集团饲料公司的近红外快速检测模型,取与湿化学法测定等质量的样品,放入分析仪的检测盒中进行光谱扫描,获得样品中的总水分、DM、粗灰分、CP、EE、NDF、ADF、钙和磷的含量[8-9]。

1.6 奶牛TMR的湿化学法测定

1.6.1 总水分测定方法 用蒸馏水洗净搪瓷盘,在60~70 ℃烘箱中烘干1 h。取出搪瓷盘,在室温冷却,用普通天平称质量。称取适量鲜样,用电子天平称质量。在120 ℃烘箱中灭活15~20 min,再降至60~70 ℃干燥12 h,取出后,在室温中回潮24 h,用普通天平称质量。重复上述操作,直到2次称质量之差低于0.5 g为止,称出烘干后的样品和搪瓷盘的总质量。

1.6.2 DM测定方法 DM含量参照GB/T 6435—2014方法测定。

1.6.3 粗灰分测定方法 将洗净的坩埚放置于550 ℃马弗炉中灼烧30 min,断电降温至200 ℃左右,放入干燥器中冷却30 min,用0.5%的氯化铁墨水溶液编号,称其质量。重复试验,直至2次质量之差小于0.000 5 g。称取样品2 g于坩埚中,每个样品取3个平行样进行测定,放在电炉上小心炭化至无烟。将样品炭化完全的坩埚移入马弗炉,升温至550 ℃,灼烧3 h。灼烧结束后,等待马弗炉降至室温,取出后在空气中冷却1 min,将坩埚移入干燥器冷却至室温后称质量。灼烧1 h,冷却后称质量,直至2次质量之差小于0.000 1 g。

1.6.4 CP测定方法 CP含量参照 GB/T 6432—2018方法测定。

1.6.5 EE测定方法 将干净铝瓶105 ℃烘干30 min(或洗净的铝瓶烘2 h),放入干燥器中冷却,称质量。重复试验直至2次质量之差小于0.000 5 g。称取2 g左右样品放入滤纸筒烘干,准确至0.000 2 g。将盛有样品的滤纸筒和铝瓶放入全自动脂肪分析仪中。将连接器连接上石油醚,排空。转动到第一个样本90 mL石油醚,其他的为85 mL。结束后选择菜单中浸提,按恢复按钮。等待显示器上时间倒计时结束,回收乙醚。取出铝瓶放入烘箱,烘干结束后放入干燥器冷却称质量。

1.6.6 NDF测定方法 将0.5 g左右的样品放入已知質量的F57 滤袋中,用封口机封口,每个样品取3个平行样测定。样品架每批可放24个滤袋,分8层,每层放置3个。将样品架置于纤维分析仪中,加入4 mL淀粉酶,密封,设定好时间。在左侧加液杯中加入250 mL(含8 mL淀粉酶)水溶液,调开关到NDF选项,仪器开始运行。2 h左右取出样品架,用蒸馏水冲洗滤袋,然后取适量的丙酮放在 250 mL 烧杯中,将滤袋放入烧杯中浸泡3~4 min。取出滤袋挤净丙酮,将滤袋放在搪瓷盘中,在通风橱晾干至无味。待丙酮完全挥发后,将放有滤袋的搪瓷盘放在105 ℃烘箱中烘干。取出样品,放于干燥器内,降至室温后称质量。

1.6.7 ADF测定方法 将测完NDF烘干后的滤袋,放在样品架上,每个样品取3个平行样进行测定,样品架每批放24个滤袋,分8层,每层放3个。将样品架放置于纤维分析仪中,密封,设定好时间,调开关到ADF选项,仪器开始运行。2 h左右取出样品架,用蒸馏水冲洗滤袋,然后取适量丙酮放在烧杯中,将滤袋放入烧杯,浸泡3~4 min。取出滤袋挤净丙酮,将滤袋放在搪瓷盘中,在通风橱晾干至无味。待丙酮挥发完全后,将放有滤袋的搪瓷盘放在105 ℃烘箱中烘干。取出样品,置于干燥器中降温至室温,再称质量[10-11]。

1.6.8 钙测定方法 向已烧好灰分的坩埚中加入1∶3盐酸溶液10 mL和浓硝酸溶液几滴,小心煮沸,转移到100 mL容量瓶中,并用蒸馏水冲洗坩埚和漏斗滤纸,冷却至室温定容,摇匀,即为分解液。用移液管准确取样品10 mL放到250 mL烧杯中,加水100 mL,加甲基红指示剂2滴,再加入1∶1的氨水溶液直到变橙色,然后煮沸。如果出现絮状沉淀,需过滤4~5次至另一个锥形瓶中;再次滴加10%醋酸溶液直到溶液变红,小心煮沸,慢慢滴加草酸铵溶液10 mL,期间不断地搅拌,如果溶液由红变成橙色,再继续滴加10%醋酸溶液至红色,煮沸几分钟后,放在水浴锅上加热2 h。用1∶50氨水溶液洗涤沉淀6~8次,再加几滴1∶3的硫酸溶液至2~3 mL的接收滤液瓶中,加热到80 ℃,再加高锰酸钾溶液1滴,溶液呈微红色,保持30 s不褪色即完成过滤。将沉淀和滤纸转移到原烧杯中,加入1∶3的硫酸溶液10 mL,蒸馏水50 mL,加热至80 ℃,用高锰酸钾标准溶液滴定到微红色,保持30 s不褪色即为终点。

1.6.9 磷测定方法 向盛有灰分的坩埚中加入1∶3盐酸溶液10 mL和浓硝酸溶液几滴,小心煮沸,转入100 mL容量瓶,并用蒸馏水冲洗坩埚和漏斗滤纸,冷却至室温定容,摇匀,即为分解液。分别准确移取磷标准溶液0,1.0,2.0,5.0,10.0,15.0 mL于6个50 mL容量瓶中,再加入钒钼酸铵显色试剂10 mL,用蒸馏水稀释至刻度,摇匀,放置15 min。用0 mL溶液做参比,用10 mm比色皿,在400 nm波长下,用分光光度计测定溶液吸光度,以每个容量瓶中的磷含量为横坐标,吸光度为纵坐标,绘制标准曲线。取试样分解液5 mL在50 mL容量瓶中,再加入10 mL钒钼酸铵显色试剂,用蒸馏水稀释至刻度,摇匀,放置15 min。用空白做参比,用10 mm比色皿,在400 nm波长下,用分光光度计测定溶液吸光度,在标准曲线上查分解液含磷量。

1.7 数据处理

结果以平均值±标准差表示,数据处理与分析采用 SPSS 21.0 程序进行,对2种方法所测定的试验指标的数据进行单因素方差分析、LSD法多重比较和典型相关性分析,并做线性相关,以P<0.05作为差异显著性判断标准。

2 结果与分析

2.1 湿化学法和NIRS测定的差异性分析

由表1—4可知,对湿化学法与NIRS测定的奶牛TMR的总水分、DM、粗灰分、CP、EE、NDF、ADF、钙和磷的数据进行对比,其P 值大部分小于0.05,个别大于0.05。由于常规湿化学法是公认的标准方法,因此在利用NIRS测定这些饲料样品中的相关营养成分时应进行相应校正。

2.2 湿化学法和NIRS测定的相关性分析

由表5可知, 湿化学法与NIRS测定的DM、粗灰分、CP、EE、NDF、ADF、钙 和 磷 的R值均在0~1之间,表明测定营养成分的2种方法成正相关,且总水分、DM、CP、NDF、ADF呈强相关,灰分和磷呈弱相关,EE和钙相关性不稳定;P值绝大部分小于0.05,表明利用2种分析方法测定的TMR样品中的各营养成分有显著差异。但要注意,在测定TMR样品中的磷含量时,P值大于0.05,表明利用2种分析方法测定的TMR样品中的磷无显著差异(P>0.05)。

2.3 构建回归方程

由上述相关性分析结果可知,总水分、DM、CP、NDF、ADF呈强相关,对此,笔者进行了回归分析,并建立了湿化学法到近红外法的线性回归方程。回归方程如表6—9。方程可用来校正NIRS测定的结果。

3 结论与讨论

3.1 结论

试验对呈强相关的指标构建了相应的回归方程以校正近红外法测定的结果,构建的回归方程可直接矫正FOSS多功能近红外分析仪(丹麦FOSS公司)分析出的总水分、DM、CP、NDF、ADF的含量。

通过对2种测定方法的比较,对湿化学法测定过程中暴露的问题进行全面的分析和总结,并对近红外法进行分析校正,为指导奶牛TMR日粮的配制及质量快速评价提供技术支持。

3.2 讨论

3.2.1 湿化学法和近红外法测定的差异性分析  刘温等[12]应用近红外光谱技术与常规方法检测紫花苜蓿品质并进行对比研究,2种方法差异不显著。但本研究测定奶牛TMR结果差异显著,结果差异性不同可能是因为不同饲料品种对测定结果有影响[13]。

3.2.2 湿化学法和近红外法测定的相关性分析  曹明月等[14]进行了近红外法快速检测TMR日粮常规营养成分含量的研究,初步建立TMR的近红外光谱预测模型,可精准预测DM、CP、NDF、ADF等4个指标的含量,但只能粗略估测出EE含量。Mentink等[7]应用近红外光谱技术很好地分析了奶牛 TMR 中CP、NDF、Starch、NFC 及EE等成分含量。本研究用2种方法测定的EE相关性较差,与曹明月等[14]测定的一致,只能粗略估测。

Samadi等[15]做了NIRS數据分析快速和同时预测饲料营养参数的研究,还做了利用近红外反射光谱快速同时预测动物饲料的营养价值的研究,得出近红外法与常规化学法测定样品中总水分含量存在极显著差异,不能准确测定[16-17]。而本研究通过大量数据得出,用2种方法测定的水分呈强相关,可通过回归方程得出水分的准确的含量。造成2种试验结果不同的原因可能是数据太少,这需要进一步试验进行证实。

3.2.3 构建回归方程 在利用NIRS分析饲料营养成分时,应根据奶牛不同阶段的TMR日粮进行调整回归方程和预测模型,才能使检测结果更加精准。另外,近红外法测定结果还可能受仪器的状态影响,不同型号的仪器测定结果也可能不同。

参考文献:

[1] 姚斌, 马继阳, 张勇, 等. 近红外法与传统法对饲料中营养成分测定的对比分析[J]. 畜牧与饲料科学, 2015, 36(12): 29-31.

[2] 穆怀彬, 侯向阳, 米福贵. 近红外光谱技术在我国饲料领域的应用现状[J]. 粮食与饲料工业, 2011(11): 61-63.

[3] SAMADI, WAJIZAH S, MUNAWAR A A. Fast and simultaneous prediction of animal feed nutritive values using near infrared reflectance spectroscopy[J]. IOP Conference Series: Earth and Environmental Science, 2018, 122: 012112.

[4] SAMADI, WAJIZAH S, MUNAWAR A A. Near infrared spectroscopy (NIRS) data analysis for a rapid and simultaneous prediction of feed nutritive parameters[J]. Data in Brief, 2020, 29: 105211.

[5] 李锦萍, 刘力宽, 丁莉, 等. 近红外光谱分析技术在饲料检测中的应用与研究[J]. 青海草业, 2011, 20(3): 13-18, 44.

[6] 许小霞, 戴朝洲, 谭崇桂. 近红外光谱分析技术在饲料行业的应用[J]. 饲料广角, 2016(18): 34-35.

[7] MENTINK R L, HOFFMAN P C, BAUMAN L M. Utility of near-infrared reflectance spectroscopy to predict nutrient composition and in vitro digestibility of total mixed rations[J]. Journal of Dairy Science, 2006, 89(6): 2320-2326.

[8] LINGGANG S, PHANG L Y, WASOH M H, et al. Sago pith residue as an alternative cheap substrate for fermentable sugars production[J]. Applied Biochemistry and Biotechnology, 2012, 167(1): 122-131.

[9] CHEN L Z, XUE X F, YE Z H, et al. Determination of Chinese honey adulterated with high fructose corn syrup by near infrared spectroscopy[J]. Food Chemistry, 2011, 128(4): 1110-1114.

[10] 袁翠林, 朱亚骏, 林英庭, 等. 饲料中中性洗涤纤维和酸性洗涤纤维不同测定方法的比较[J]. 粮食与饲料工业, 2014(4): 62-64, 67.

[11] 王旭峰, 马冰峰, 石磊, 等. 利用近红外光纤分析技术检测饲料中粗纤维含量[J]. 食品工业科技, 2013, 34(2): 75-77.

[12] 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[J]. 中国农学通报, 2014, 30(30): 269-272.

[13] 李莉, 劉立秋, 刘秀玲, 等. 近红外光谱技术在饲料常规成分分析中的应用[J]. 畜禽业, 2017, 28(11): 21-22.

[14] 曹明月, 郑爱荣, 娄渊志, 等. 奶牛全混合日粮常规营养成分含量近红外快速检测模型的构建与应用[J]. 动物营养学报, 2020, 32(7): 3420-3427.

[15] SAMADI, LIEBERT H F. Modelling the optimal lysine to threonine ratio in growing chickens depending on age and efficiency of dietary amino acid utilisation[J]. British Poultry Science, 2008, 49(1): 45-54.

[16] 屈健. 近红外光谱法在饲料检测中的应用[J]. 饲料广角, 2004(14): 29-31.

[17] 纳嵘, 扈登强. 近红外光谱法与常规化学分析法苜蓿营养成分的对比研究[J]. 畜牧与饲料科学, 2018, 39(9): 43-45.

猜你喜欢

相关性分析回归分析
滨州市城区苔藓植物主要重金属含量的调查与分析
上市公司财务指标与股票价格的相关性实证分析
淘宝星店成长中的粉丝力量
中国城市化与经济发展水平关系研究
城乡居民医疗费用的相关性与回归分析
基于变形监测的金安桥水电站坝体稳定性分析
森林碳汇影响因素的计量模型研究
河北省城镇居民人均可支配收入与消费统计分析