论文部分内容阅读
紫花苜蓿(Medicago.sativa L)被誉为"牧草之王",是国内外各牧草生产加工企业的主要产品。近几年,国内少数几家企业引进了紫花苜蓿干草茎叶分离设备,加工生产出了满足不同市场需求的茎叶分离产品,但企业在生产中遇到了一个亟待解决的难题,即无法通过简单、易行的方法及时掌握原料品质,进而根据客户对产品的要求,有选择地进行加工生产。本研究旨在探讨利用近红外光谱分析技术解决这个难题的可行性。研究者采集了不同年份、不同品种、不同茬次和不同生育期的紫花苜蓿全株样品66份,经手工分离茎叶后,按一定的茎叶比例重新混合成198份实验样品(建模样品138份,检验样品60份)。在采集了各实验样品的近红外漫反射光谱后,运用偏最小二乘法(PLS)建立了茎、叶各自粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、粗灰分(CA)和体外可消化干物质(IVDDM)含量的预测模型。这是国内外首次尝试利用一个整体的近红外光谱建立预测其某一部分中某种物质含量的校正模型,其实验结果如下:
1、预测茎中CP、ADF、CA和IVDDM含量的校正模型建模效果较好,其交叉检验相关系数(R<,cv>)为0.8523~0.9007,交叉检验标准误差(RMSECV)为0.72%~3.96%。用60个检验样鼎对模型进行外部检验,预测相关系数(r)为0.9255~0.9512,预测标准误差(RMSEP)为0.70%~3.13%。所建模型的交叉检验RPD和外部检验RPD均大于2.5,表明采用近红外光谱分析技术可以实现对紫花苜蓿干草茎中这4种营养物质含量的预测。但是,预测茎中NDF含量的模型预测效果不佳,只可用作粗略估测。
2、预测叶中CP和CA含量的校正模型建模效果较好,其R<,cr>为0.9359和0.9249,RMSECV为1.09%和0.84%。用60个检验样品对模型进行外部检验,r达到0.9673和0.9696,RMSEP为1.00%和0.78%。所建模型的交叉检验RPD和外部检验RPD均大于3,说明校正模型有极好的预测能力。但是预测叶中其它3项指标含量的模型预测效果无法满足准确分析的要求,只能进行粗略估测。
3、利用全株紫花苜蓿干草的近红外光谱信息,可以预测其分离后的茎、叶中多种营养物质的含量。