不同喂奶量和不同类型开食料对哺乳期犊牛胃肠道发育的影响

来源 :山东农业大学 | 被引量 : 0次 | 上传用户:ninikao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统的犊牛开食料富含易发酵淀粉,经瘤胃微生物发酵有利于短链挥发性脂肪酸的产生,刺激了哺乳期犊牛瘤网胃的发育,但易引起瘤胃pH降低,导致亚急性瘤胃酸中毒,本试验旨在探索用低淀粉、高纤维、高糖蜜开食料代替传统高淀粉开食料时,是否可以一定程度上预防亚急性瘤胃酸中毒的产生,且不会影响犊牛生长性能和瘤网胃的发育。此外减少牛奶饲喂量能够增加固体饲料的采食,但是否促进瘤胃上皮的发育,对此研究很少,没有定论。因此,本试验旨在研究不同类型开食料和不同牛奶饲喂量对哺乳期犊牛生长性能和胃肠道发育的影响,本试验为2×2析因设计。本试验选用16头奶公犊,每组4头,分为以下四组:(1)高奶量(6L)+低淀粉(21%)、高NDF(28%)、高糖蜜(10%)开食料(HMLS组),(2)高奶量(6L)+高淀粉(40%)、低NDF(14%)、低糖蜜(5%)开食料(HMHS组),(3)低奶量(3L)+低淀粉(21%)、高NDF(28%)、高糖蜜(10%)开食料(LMLS组),(4)低奶量(3L)+高淀粉(40%)、低NDF(14%)、低糖蜜(5%)开食料(LMHS组),所有犊牛自由采食干草和水,饲喂到60日龄,在0、2、4、6、8周龄以及60日龄测定体尺性能和体重,每天记录采食量,试验末每组挑选3头进行屠宰,测定其瘤胃发酵指标、胃发育指标、小肠发育指标。结果显示,低奶量饲喂犊牛显著增加了犊牛精料DM和总DM采食量,显著降低了犊牛4周龄时的体高和6周龄时的胸围(P<0.05),高奶量饲喂显著增加了犊牛2—4周龄、4—6周龄期间的日增重(P<0.05),不同开食料类型对犊牛DM采食量、体高、体斜长、胸围、管围以及日增重均没有显著影响(P>0.1),低奶量饲喂显著增加了犊牛复胃全重和瘤网胃全重以及复胃全重和瘤网胃全重占空体重的比例(P<0.05),有增加瘤网胃容积和瘤网胃空重占空体重比例的趋势(0.05<P<0.1),低淀粉、高纤维、高糖蜜开食料显著减小了复胃全重、复胃全重占空体重的比例、瘤网胃空重、皱胃全重、皱胃全重占空体重的比例、瘤网胃容积(P<0.05),低奶量饲喂显著增加了犊牛小肠长度、小肠全重、小肠全重占空体重比例,但降低了空肠绒毛宽度(P<0.05),低淀粉、高纤维、高糖蜜开食料显著增加了犊牛小肠长度(P<0.05)和小肠全重占空体重的比例(P=0.05),显著增加了瘤胃液乙酸的浓度以及显著升高了瘤胃pH(P<0.05),低牛奶饲喂量显著减小了瘤胃前腹盲囊乳头长度,但增加了后腹盲囊乳头长度(P<0.05),而不同开食料与不同牛奶添加量仅对前背盲囊、后背盲囊乳头发育以及干草采食量存在交互作用(P<0.05),不同开食料类型对小肠绒毛发育没有显著影响(P>0.1)。总的来说,用低淀粉、高纤维、高糖蜜开食料饲喂犊牛时能够在保证犊牛生长性能不受影响的情况下,可以升高瘤胃pH,一定程度上能够预防亚急性瘤胃酸中毒的发生,且增加了小肠长度,对犊牛小肠发育能起一定的促进作用,对腹部盲囊乳头发育没有影响,但降低了瘤网胃的重量,低奶量饲喂犊牛一定程度上可以促进瘤网胃的发育,增加了后腹盲囊的乳头长度,但减小了前腹盲囊乳头长度。
其他文献
对于煤矿开采企业而言,在综采管理过程中如何提升煤矿综采工作面回采效率极为关键,甚至对其整体生产水平与经济效益有着决定性影响作用。因此,煤矿企业必须基于长远发展的眼
目的:对因各种因素造成的白细胞和红细胞含量较高的单采血小板进行纯化分析.方法:把 67例此类单采血小板随机分为两组. 35例采用转移离心法纯化, 32例采用倒置离心法纯化.对
在沿海滩涂淤泥地段,油气管道施工难度较大。基于此,针对沿海滩涂淤泥地段的油气管道施工问题,并结合工程实例对管道施工方法进行了探讨,对围堰晾晒、定向钻进、漂管穿越这三
互联网广告效果评价是网络营销的核心问题,评价方法存在信息源单一、无差别假、全局假设等问题,对互联网广告效果评价提出了巨大挑战。寻找一种全新的衡量互联网广告效果的评价指标成为亟待解决的任务。首先,创新地提出印象空间概念,作为更有效的网页广告效果评价指标,以解决信息源单一问题;其次,分析用户类型、行为方式、行为过程等特征对互联网广告效果评价标准的影响,消除用户无差异假设所造成的评价偏差;再次,引入网页
自从我国步入现代化发展进程以来,我国整体的经济水平都得到了很大程度的提高,各行各业也因此得到进一步的发展。煤矿产业作为我国重点产业之一,对于国家的发展有着十分重要
大数据时代,利用传统的社区发现算法对大规模复杂网络进行社区结构挖掘显得愈发困难,准确率也较低。因此,提出一种基于平滑l1范数的深度稀疏自编码器社区发现算法(l1-ECDA)。该算法首先采用基于s跳的方法对网络图的邻接矩阵进行预处理;然后构建基于平滑l1范数的深度稀疏自编码器,并通过训练网络图相似度矩阵得到低维特征矩阵;最后采用K-means算法对低维特征矩阵进行聚类得到网络社区结构。通过在仿真网络