华北地区18个玉米品种秸秆饲用品质分析

引用本文

林真, 邓祖丽颖, 王庆东, 赵林萍, 唐保宏. 华北地区18个玉米品种秸秆饲用品质分析. 草业科学, 2017,34(7):1542-1549
Lin Zhen, Deng Zu-liying, Wang Qing-dong, Zhao Lin-ping, Tang Bao-hong. Analysis of the feeding quality of 18 maize cultivars in North China. Pratacultural Science,2017,34(7): 1542-1549 复制到剪切板

Permissions

《草业科学》编辑部

华北地区18个玉米品种秸秆饲用品质分析

林真¹, 邓祖丽颖², 王庆东¹, 赵林萍¹, 唐保宏¹

1.郑州大学生命科学学院,河南郑州 450001

2.郑州幼儿师范高等专科学校,河南郑州 450099

通信作者：王庆东(1980-),男,河南林州人,副教授,博士,主要从事生物质酶解工程关键技术的研发。E-mail:wqd1997@163.com

第一作者:林真(1989-),女,河南虞城人,在读硕士生,主要从事秸秆饲料研发。E-mail:359050476@qq.com

收稿日期: 2017-04-25

基金: 基金项目:公益性行业(农业)科研专项(201503134); 河南省重点科技攻关计划(152102310069)

摘要

为提高玉米( Zea mays)秸秆饲用化的科学性与实效性,采集华北地区规模化推广种植的18个玉米品种秸秆作为研究样本,用概略养分分析法、范氏纤维分析法等对其营养品质分析评价。并用SPSS软件对玉米秸秆营养品质综合得分进行聚类分析,研究18个玉米品种秸秆营养品质及其饲用品质的典型性和代表性。结果表明:18个玉米品种的秸秆营养品质存在差异,由高到低依次为隆平206>漯单6号>先玉335>先科338>滑玉14>阳光99>登海605>浚单29>滑玉12>浚单26>浚单20>漯单9号>伟科702>阳光98>蠡玉16>郑单958>蠡玉35>吉祥1号。聚类分析发现,隆平206和吉祥1号各自独为一类;漯单6号、先玉335、先科338、滑玉14聚为一类;阳光99、登海605、浚单29聚为一类;蠡玉16、郑单958、蠡玉35聚为一类;滑玉12、浚单26等6个品种聚为一类。综合分析可知,隆平206、漯单6号、先玉335、先科338和滑玉14等品种秸秆的饲用品质相对较高,若遵从该地区现有的耕作模式和栽培习惯,而又“粮饲兼顾”,依据本研究营养品质分析结果,则可优先种植这些品种,以提高秸秆的饲料化利用水平,增加农业附产值。

关键词: 玉米; 秸秆; 营养品质; 主成分分析; 聚类分析; 饲用品质

中图分类号:S816.15 文献标志码:A 文章编号:1001-0629(2017)07-1542-08 doi: 10.11829/j.issn.1001-0629.2017-0050

Analysis of the feeding quality of 18 maize cultivars in North China

Lin Zhen¹, Deng Zu-liying², Wang Qing-dong¹, Zhao Lin-ping¹, Tang Bao-hong¹

1.College of Life Science, Zhengzhou University, Zhengzhou 450001, China

2.Zhengzhou Preschool Education College, Zhengzhou 450099, China

Corresponding author: Wang Qing-dong E-mail:wqd1997@163.com

Abstract

To improve the scientificity and effectiveness of maize straw forage, we collected 18 maize cultivars which are widely grown in North China. General nutrient analysis and van Soest fiber analysis were used to evaluate their nutritional quality. We used SPSS software to perform cluster analysis for the values of comprehensive principal component of maize straw, and to study their nutritional quality with typical feeding. Comprehensive analysis results showed that the quality of 18 corn cultivars was different: the order from high to low, Longping 206 > Luodan 6 > Xianyu 335 > Xianke 338 > Huayu 14 > Yangguang 99 > Denghai 605 > Xundan 29 > Huayu 12 > Xundan 26 > Xundan 20 > Luodan 9 > Weike 702 > Yangguang 98 > Liyu 16 > Zhengdan 958 > Liyu 35 > Jixiang 1. The results of cluster analysis showed Longping 206 and Jixiang 1 clustered alone. Luodan 6, Huayu 14, Xianyu 335 and Xianke 338 were clustered in a group; Yangguang 99, Denghai 605 and Xundan 29 were clustered; Liyu 16, Zhengdan 958 and Liyu 35 were clustered; and Huayu 12, Xundan 26 and others were clustered in another group.The result of principal component analysis and cluster analysis showed the nutritive value of Longping 206, Luodan 6, Xianyu 335, Huayu 14 and Xianke 338 were best. These cultivars should be taken into consideration to raise the level of feed utilization of straw and increase the value of agricultural production.

Keyword: maize; straw; nutrition content; principal component analysis; cluster analysis

Show Figures

随着我国经济发展水平的提高, 国家因社会需求而对农业提出产业转型和升级, 畜牧产业正以规模化和集约化为主要特征向现代畜牧业大力发展^[1]。华北地区是我国重要的粮食产区, 天然牧场相对较少, 而玉米(Zea mays)等作物秸秆资源则十分丰富, 秸秆粗饲料将为当地畜牧业的大力发展提供重要支撑。玉米等作物秸秆营养物质丰富, 是反刍家畜粗饲料的重要来源之一, 秸秆的高效饲料化利用是促进节粮型畜牧业发展的有效手段, 也是提高秸秆资源循环利用的主要途径^[2]。据估算, 1 t普通秸秆的饲用营养价值相当于0.25 t的粮食^[3]。合理利用各地区的秸秆资源用于家畜养殖, 可有效缓解目前反刍动物饲料短缺和养殖成本过高等问题, 并能增加农民收入, 提高农业附产值^[4]。但长久以来, 受生产习惯等因素影响, 大部分秸秆被简单堆积腐烂、焚烧或造纸等, 伴随的资源浪费、高能耗等环境问题严重。因此, 研究秸秆饲用的方法和途径, 具有现实和长远意义。秸秆等饲料原料所含有效成分的种类及数量决定了其营养价值的高低, 是评价其作为饲料优良与否的重要指标^[5]。玉米秸秆中的粗蛋白、粗脂肪、粗纤维和中性洗涤纤维等成分的含量是决定其饲用品质的物质基础^{[6, 7]}, 不同的玉米品种秸秆因营养成分差异其饲用价值参差不齐^{[8, 9]}。此外, 草食动物对秸秆粗饲料不同营养成分的消化吸收程度也存在差异, 因此, 很难用单一指标对秸秆的营养价值进行有效评定。

本研究通过测定在华北地区规模推广的18个玉米品种秸秆的营养成分, 利用SPSS软件, 采用主成分分析法和聚类分析法对其多个营养指标进行综合分析, 初步评价不同品种秸秆饲用的营养价值, 为在华北地区推广“ 粮饲兼顾” 型的玉米种植提供理论支撑。

1 材料与方法

1.1 试验材料

在郑州、焦作和商丘3个地区的试验田中, 采集18个玉米品种的秸秆, 包括郑单958、伟科702、浚单20、先玉335、蠡玉16、登海605、隆平206、先科338、浚单26、吉祥1号、浚单29、漯单9号、滑玉12、蠡玉35、漯单6号、阳光99、阳光98和滑玉14, 在3块试验田中, 分别随机采集每个品种蜡熟期植株的地上部分(不含穗), 3次重复, 剪碎充分混匀后用四分法取样1 000 g。

1.2 测定指标与方法

秸秆样品经65 ℃烘48 h, 粉碎过0.425 mm筛制成样品备测。每个指标的测定均采用国标法, 即干物质(DM)采用烘干法^[10]; 粗蛋白质(CP)采用凯氏定氮法^[11]; 粗脂肪(EE)采用索氏抽提法^[12]; 粗纤维采用酸碱洗涤法^[11]; 中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)采用范式洗涤法^[11]; 粗灰分(Ash) 采用高温灼烧法^[13]; 无氮浸出物=[1-(水分+粗蛋白+粗脂肪+粗纤维+粗灰分)× 100%^[14]; 淀粉测定采用旋光法; 钙(Ca)含量测定采用络合滴定法; 磷(P)测定采用钼蓝法。

1.3 数据转化与统计分析

主成分分析前, 用隶属函数法转化数据, 统一量纲:正相关指标(粗蛋白、粗脂肪、粗灰分、无氮浸出物、粗淀粉、磷、钙)依据公式(1), 负相关指标(粗纤维、中性洗涤纤维、酸性洗涤纤维)依据公式(2), 分别进行转化。使用SPSS 21.0软件进行主成分分析, 得到各样品的主成分分值(F_i), 综合得分(D_n)的计算以相应主成分贡献率为权重, 通过公式(3)得到。

隶属函数值计算公式:

U_in=(X_in-X_i_min)/(X_i_max-X_i_min) (1)

如果为负相关, 则用反隶属函数进行转换, 计算公式为:

U'_in=1-(X_in-X_i_min)/(X_i_max-X_i_min) (2)

综合得分D_n的计算公式:

D_n= $\begin{matrix} \overset{in}{\sum_{j = 1}} \end{matrix}$ F_in× E_j(3)

式中:U_in和U'_in分别指第n个样品第i个指标的原始数据经转化后的隶属函数值; X_in指第n个样品第i个指标的原始测定结果; X_i_max和X_i_min分别指样品组中第i个指标的最大值和最小值; D_n为主成分分析法得到的各样品营养品质的综合分值; F_jn为第n个样品第j个累积贡献率≥ 85%的主成分的分值; in为累积贡献率≥ 85%的主成分的个数; E_j为第j个主成分的贡献率。

2 结果与分析

2.1 不同玉米品种秸秆的营养品质分析

18个玉米品种秸秆的营养成分中, 干物质含量最高的是浚单29(93.58%)(表1), 最低的是先科338(88.77%); 粗蛋白含量最高的是蠡玉35(10.82%), 最低的是登海605(3.95%); 粗脂肪最高的是漯单6号(2.91%), 最低的是蠡玉35(0.91%); 粗纤维的变化范围在24.76%(隆平206)~30.86%(郑单958); NDF的变化范围在64.50%(滑玉14)~76.75%(郑单

表1 18个玉米品种秸秆的营养品质 Table 1 Nutrition content of 18 maize cultivars

品种 Cultivar	干物质 Dry matter/%	粗蛋白 Crude protein/%	粗脂肪 Ether extract/%	粗纤维 Crude fiber/%	中性洗涤纤维 Neutral detergent fiber/%	酸性洗涤纤维 Acid detergent fiber/%
郑单958 Zhengdan 958	91.50± 0.79	5.84± 0.06	1.21± 0.14	30.86± 0.48	76.75± 1.06	47.25± 1.06
伟科702 Weike 702	91.00± 1.70	6.84± 0.03	1.33± 0.55	28.27± 2.23	74.00± 0.71	45.25± 1.06
吉祥1号 Jixiang 1	92.20± 0.06	6.92± 0.06	1.33± 0.17	30.78± 0.17	73.75± 0.35	49.50± 4.24
登海605 Denghai 605	91.31± 0.44	3.95± 0.11	1.15± 0.01	30.04± 3.57	73.50± 3.54	42.75± 4.60
滑玉12 Huayu 12	91.10± 0.31	8.84± 0.08	1.57± 0.04	29.49± 0.09	72.75± 1.06	45.75± 1.06
阳光98 Yangguang 98	89.99± 0.20	8.69± 0.13	1.82± 0.06	29.13± 0.02	72.75± 0.35	47.25± 6.01
蠡玉16 Liyu 16	90.70± 0.72	9.80± 0.04	1.74± 0.08	29.80± 1.05	72.25± 1.06	44.50± 1.41
漯单9号 Luodan 9	91.21± 1.24	7.09± 0.01	1.37± 0.04	30.47± 1.24	72.00± 1.41	46.00± 0.71
蠡玉35 Liyu 35	90.74± 0.40	10.82± 0.38	0.91± 0.66	27.57± 0.30	71.75± 1.06	44.50± 0.71
先玉335 Xianyu 335	91.28± 0.55	7.48± 0.06	1.23± 0.41	26.08± 2.56	71.25± 1.06	45.25± 0.35
浚单26 Xundan 26	90.14± 1.24	8.01± 0.06	1.29± 0.13	27.91± 0.92	71.00± 1.41	43.25± 1.06
阳光99 Yangguang 99	89.41± 0.83	8.71± 0.03	1.73± 0.10	25.96± 1.63	70.75± 1.06	43.50± 0.71
浚单20 Xundan 20	92.80± 2.15	8.72± 0.08	1.77± 0.10	29.26± 1.15	70.25± 1.77	44.00± 2.12
浚单29 Xundan 29	93.58± 1.75	8.32± 0.08	1.31± 0.65	28.64± 1.07	70.25± 1.06	41.50± 4.95
漯单6号 Luodan 6	91.94± 0.16	5.42± 0.08	2.91± 0.07	26.99± 2.31	69.50± 0.71	39.25± 3.89
隆平206 Longping 206	90.58± 2.15	7.05± 0.04	2.65± 0.42	24.76± 1.64	68.50± 4.95	39.75± 3.89
先科338 Xianke 338	88.77± 0.37	7.11± 0.01	1.45± 0.07	28.47± 2.81	67.25± 0.35	45.00± 2.12
滑玉14 Huyu 14	91.24± 1.37	6.96± 0.14	1.50± 0.71	27.34± 0.23	64.50± 1.41	36.75± 1.77
品种 Cultivar	粗灰分 Ash/%	无氮浸出物 Nitrogen free extract/%	粗淀粉 Starch/%	钙 Ca/%	磷 P/%
郑单958 Zhengdan 958	9.51± 1.45	52.58± 2.02	1.13± 0.08	0.48± 0.17	0.10± 0.01
伟科702 Weike 702	12.46± 2.16	51.10± 0.51	1.37± 0.19	0.52± 0.07	0.08± 0.01
吉祥1号 Jixiang 1	11.19± 0.17	49.78± 0.23	1.23± 0.28	0.44± 0.01	0.08± 0.02
登海605 Denghai 605	8.25± 0.51	56.61± 3.19	2.97± 0.17	0.44± 0.02	0.08± 0.01
滑玉12 Huayu 12	10.53± 0.02	49.57± 0.16	1.45± 0.07	0.54± 0.05	0.12± 0.01
阳光98 Yangguang 98	14.43± 0.16	45.93± 0.06	1.29± 0.11	0.50± 0.02	0.13± 0.02
蠡玉16 Liyu 16	10.20± 0.60	48.46± 0.58	1.26± 0.04	0.40± 0.07	0.10± 0.04
漯单9号 Luodan 9	9.67± 0.24	51.40± 1.42	1.82± 0.47	0.52± 0.05	0.08± 0.01
蠡玉35 Liyu 35	14.05± 1.15	46.65± 0.40	1.19± 0.37	0.49± 0.03	0.08± 0.01
先玉335 Xianyu 335	10.47± 4.74	54.74± 6.95	3.25± 0.83	0.60± 0.06	0.07± 0.02
浚单26 Xundan 26	12.00± 2.07	50.79± 3.06	1.78± 0.59	0.45± 0.03	0.09± 0.01
阳光99 Yangguang 99	13.11± 0.13	50.49± 1.44	1.89± 0.18	0.44± 0.01	0.12± 0.02
浚单20 Xundan 20	10.04± 1.75	50.21± 2.88	1.61± 0.28	0.50± 0.03	0.07± 0.01
浚单29 Xundan 29	10.74± 2.02	50.99± 2.35	2.17± 0.38	0.52± 0.04	0.09± 0.01
漯单6号 Luodan 6	10.74± 2.38	53.94± 4.70	2.01± 0.66	0.43± 0.17	0.07± 0.01
隆平206 Longping 206	9.47± 0.41	56.07± 1.67	2.88± 0.13	0.59± 0.02	0.12± 0.02
先科338 Xianke 338	9.83± 0.01	53.14± 2.74	4.09± 0.82	0.52± 0.02	0.08± 0.01
滑玉14 Huyu 14	7.65± 0.08	56.55± 1.15	1.19± 0.04	0.37± 0.01	0.08± 0.01

表1 18个玉米品种秸秆的营养品质 Table 1 Nutrition content of 18 maize cultivars

958); ADF的变化在36.75%(滑玉14)~49.50%(吉祥1号); 粗灰分含量最高的是阳光98(14.43%), 最低的是滑玉14(7.65%); 无氮浸出物含量最高的是登海605(56.61%), 最低的是阳光98(45.93%); 粗淀粉最高的是先科338(4.09%), 最低的是郑单958(1.13%); 钙最高的是先玉335(0.60%), 最低的是滑玉14(0.37%); 磷含量最高的是阳光98(0.13%), 最低的是漯单6号(0.07%)。虽然不同指标间量纲相同, 但是不同营养成分种类之间无法进行比较, 因此在进行主成分分析综合评价前, 需要对营养成分含量进行数据转换^[15]。

2.2 18个玉米品种秸秆营养价值综合评价

2.2.1 主成分分析上述数据经隶属函数法转化后进行主成分分析(表2), 根据累积贡献率≥ 85%的原则提取了5个主成分, 第1主成分对于总方差的贡献率是36.618%, 第2主成分对于总方差的贡献率是21.338%, 第3主成分对于总方差的贡献率是15.331%, 第4主成分对于总方差的贡献率是10.447%, 第5主成分对于总方差的贡献率是5.673%, 五者之和达到89.407%, 即前5个主成分所含信息占总体信息的89.407%。特征向量Z₁、Z₂、Z₃、Z₄、Z₅(表2)即每个主成分中每个指标所对应的系数, 是由主成分载荷矩阵中的数据除以主成分相对的特征值开平方根得到。从表2可以得到5个主成分与原10项指标的线性组合:

F₁=-0.293y₁+0.230y₂+0.273y₃+0.365y₄+0.414y₅-0.358y₆+0.475y₇+0.317y₈-0.001y₉-0.166y₁₀;

F₂=0.426y₁+0.335y₂+0.502y₃+0.298y₄+0.222y₅+0.362y₆-0.205y₇-0.016y₈+0.140y₉+0.350y₁₀;

F₃=-0.076y₁-0.106y₂+0.135y₃-0.187y₄-0.321y₅+0.082y₆+0.084y₇+0.527y₈+0.729y₉+0.061y₁₀;

F₄=-0.396y₁+0.548y₂-0.110y₃-0.351y₄-0.059y₅-0.090y₆+0.109y₇-0.137y₈-0.011y₉+0.605y₁₀;

F₅=0.333y₁-0.367y₂-0.240y₃+0.256y₄+0.042y₅-0.519y₆+0.056y₇+0.068y₈+0.065y₉+0.590y₁₀.

式中:F₁、F₂、F₃、F₄、F₅分别为第1、第2、第3、第4、第5主成分得分, y₁、y₂、y₃、y₄、y₅、y₆、y₇、y₈、y₉、y₁₀分别为粗蛋白、粗脂肪、粗纤维、NDF、ADF、粗灰分、无氮浸出物、粗淀粉、钙、磷隶属函数法转化值。

以主成分贡献率为权重, 通过公式(3), 利用各样品前5个主成分的分值与权重值, 计算出玉米秸秆营养的综合评价值(表3)。通常, 综合分值越高, 综合品质表现越好。18个玉米品种秸秆的营养品质由高到低依次为隆平206> 漯单6号> 先玉335> 先科338> 滑玉14> 阳光99> 登海605> 浚单29> 滑玉12> 浚单26> 浚单20> 漯单9号> 伟科702> 阳光98> 蠡玉16> 郑单958> 蠡玉35> 吉祥1号。

表2 主成分特征向量、特征值、贡献率及累积贡献率 Table 2 Principal component eigenvectors、eigen values、contribution rate and cumulative contribution

表3 18个玉米品种的综合主成分值 Table 3 Comprehensive principal component values of 18 maize cultivars

2.2.2 聚类分析将秸秆营养品质综合得分进行聚类分析, 采用系统聚类-质心聚类法, 聚类距离采用欧式距离, 结果表明:在欧氏距离5处, 18个玉米品种秸秆营养品质可大致分为六大类(图1):隆平206和吉祥1号各自独为一类; 漯单6号、先玉335、先科338、滑玉14聚为一类; 阳光99、登海605、浚单29聚为一类; 蠡玉16、郑单958、蠡玉35聚为一类; 滑玉12、浚单26等6个品种聚为一类, 聚类分析的结果与主成分分析的结果一致。

	Figure Option View Download New Window
	图1 18个玉米品种秸秆营养品质的聚类分析Fig. 1 Cluster analysis of 18 maize cultivars’ nutritive quality

3 讨论

主成分分析法常被用于分析复杂综合性状和优良品质选择^{[16, 17, 18]}。近年来主成分分析在苹果(Malus pumilal)^{[19, 20]}、猕猴桃(Actinidia chinensis)^{[21, 22, 23]}等果树品质性状评价及种质资源综合评价中得到了应用, 在农作物秸秆及家畜饲料等营养相关方面也有探索^{[24, 25]}。主成分分析是通过降维或者把多个指标转化为少数几个综合指标的方法, 以简化数据和揭示变量间的关系, 再根据主成分得分进行综合评价, 使得评价结果更加合理、客观, 其结果还可以进一步用于回归与聚类分析等^[26]。但由于原始指标测定的是不同品质指标, 其计量单位不同, 数据量纲也不一致, 因此要对原始数据进行标准化。例如, 在进行桃果实品质评价时, 使用0-1极差标准化法对数据进行转化^[27]; 使用零均值和归一化标准差法对克罗地亚小麦的麸质数据进行了转化等^[28]。此外, 不同的化学指标对品质的影响是不一样的, 部分化学指标与品质之间呈正相关函数关系, 而有些则呈负相关函数关系, 因此对原始数据的转化尚须考虑指标对评价体系的正负影响^[29]。马庆华等^[30]将未转化、采用0-1极差标准化法和隶属函数法3种处理方法转化后的数据进行因子分析, 发现采用隶属函数法进行转化, 结果更客观、合理, 得到的结果也与感官评价及选优目标基本一致。刘科鹏等^[21]将未转化和采用隶属函数法转化后的数据分别进行主成分分析, 发现采用隶属函数法及反隶属函数法对原始数据进行转化, 结果更符合分析要求。

4 结论

本研究用隶属函数法对18个玉米品种秸秆的10个营养指标数据进行转化, 通过主成分分析将上述多个指标进行综合、简化, 主成分综合得分进行聚类分析。结果表明, 18个玉米秸秆饲用品质按大小排序为隆平206> 漯单6号> 先玉335> 先科338> 滑玉14> 阳光99> 登海605> 浚单29> 滑玉12> 浚单26> 浚单20> 漯单9号> 伟科702> 阳光98> 蠡玉16> 郑单958> 蠡玉35> 吉祥1号。而聚类分析结果表明, 饲用品质更高的隆平206和漯单6号、先玉335、先科338、滑玉14分别单独或整体聚为一类; 饲用品质次之的阳光99、登海605、浚单29聚为一类; 滑玉12、浚单26、浚单20、漯单9号、伟科702和阳光98聚为一类; 饲用品质较低的蠡玉16、郑单958、蠡玉35和吉祥1号分别整体或单独聚为一类。聚类分析结果与主成分分析结果相互印证, 评价结果完全一致。可见, 主成分分析法综合考虑了影响玉米秸秆营养价值的多个指标, 可用于衡量玉米等作物秸秆作为粗饲料原料的饲用品质的优劣。主成分分析和聚类分析结果表明, 隆平206、漯单6号、先玉335、先科338和滑玉14等品种秸秆的饲用品质较高, 在华北地区种植玉米时, 若优先选择这些品种, 将更有利于当地畜牧业的生产。但秸秆饲用品质的分析评价, 不仅仅只涉及其营养素的含量, 营养素的消化吸收特性等也是决定品质的关键因素。有关秸秆饲用品质对胃肠道消化吸收或者动物生产性能特性的指标或指标组合的影响还有待于进一步研究和探讨。

参考文献

View Option

[1]	李新一, 王加亭, 韩天虎, 陈刚. 我国饲草料生产形势及对策. 中国水稻科学, 2015, 32(12): 2155-2166. Li X Y, Wang J T, Han T H, Chen G. China’s fodder production situation and countermeasure analysis. Pratacultural Science, 2015, 32(12): 2155-2166. (in Chinese) [本文引用:1]
[2]	冯长松, 李锦华, 王二耀, 王治方, 徐照学, 王成章. 不同玉米品种去穗秸秆青贮效果比较. 中国草食动物科学, 2015, 35(3): 29-32. Feng C S, Li J H, Wang E Y, Wang Z F, Xu Z X, Wang C Z. Comparison of silage effect of removing stalks in different corn varieties. China Herbivores Science, 2015, 35(3): 29-32. (in Chinese) [本文引用:1]
[3]	靳贞来, 靳宇恒. 国外秸秆利用经验借鉴与中国发展路径选择. 世界农业, 2015(5): 129-132. Jin Z L, Jin Y H. Experiences of abroad straw utilization and the choice of development path in China. World Agriculture, 2015(5): 129-132. (in Chinese) [本文引用:1]
[4]	范爱枝. 河南省不同地区玉米秸秆营养成分分析. 现代农业科技, 2015(19): 299-300. Fan A Z. Analysis of nutritional components of corn straw in different areas of Henan Province. Modern Agricultural Science and Technology, 2015(19): 299-300. (in Chinese) [本文引用:1]
[5]	郑凯, 顾洪如, 沈益新, 丁成龙. 牧草品质评价体系及品质育种的研究进展. 中国水稻科学, 2006, 23(5): 57-61. Zheng K, Gu H R, Shen Y X, Ding C L. Research progress of forage quality evaluation system and quality breeding. Pratacultural Science, 2006, 23(5): 57-61. (in Chinese) [本文引用:1]
[6]	王庆东, 赵林萍, 林真, 胡华锋, 朱世新. 秸秆饲用的瓶颈及调制技术的研发进展. 黑龙江畜牧兽医, 2016(10): 181-184. Wang Q D, Zhao L P, Lin Z, Hu H F, Zhu S X. The progress of latest research in straw feed utilization. Heilongjiang Animal Science and Veterinary Medicine, 2016(10): 181-184. (in Chinese) [本文引用:1]
[7]	姬奇武, 韩汝旦, 董宽虎. 山西不同居群白羊草营养品质动态比较. 中国水稻科学, 2015, 32(7): 1130-1136. Ji Q W, Han R D, Dong K H. *The dynamics comparisons of nutritional quality of different Bothriochloa ischaemum* populations in Shanxi.** Pratacultural Science, 2015, 32(7): 1130-1136. (in Chinese) [本文引用:1]
[8]	杨天育, 何继红, 董孔军, 任瑞玉, 张磊, 柴守玺. 6种作物秸秆饲草营养品质的分析与评价. 西北农业学报, 2011, 20(11): 39-41, 65. Yang T Y, He J H, Dong K J, Ren R Y, Zhang L, Chai S X. Analysis and evaluation of nutritive composition of six kinds of crop stalks. Acta Agriculturae Boreali-occidentalis Sinica, 2011, 20(11): 39-41, 65. (in Chinese) [本文引用:1]
[9]	李婧, 李玲玲, 张立健, 陈亮亮, 谢军红. 氮肥用量对粮饲兼用玉米产量和饲用品质形成的影响. 中国水稻科学, 2015, 32(3): 442-449. Li J, Li L L, Zhang L J, Chen L L, Xie J H. Effects of nitrogen application on yield and forage quality of grain and forage maize. Pratacultural Science, 2015, 32(3): 442-449. (in Chinese) [本文引用:1]
[10]	张丽英. 饲料分析及饲料质量检测技术. 第2版. 北京: 中国农业出版社, 2002. Zhang L Y. Feed Analysis and Feed Quality Determination Technology. 2nd edition. Beijing: China Agriculture Press, 2002. (in Chinese) [本文引用:1]
[11]	甘肃农业大学草原系. 草原生态化学实习实验指导. 北京: 农业出版社, 1985: 48-66. [本文引用:3]
[12]	赵玉宇, 黄德君, 毛祝新, 聂斌, 傅华. 青藏高原地区不同垂穗披碱草居群营养品质研究. 草业学报, 2013, 22(1): 38-45. Zhao Y Y, Huang D J, Mao Z X, Nie B, Fu H. *Study on the nutritional quality about E. nutans* among different populations in Qinghai-Tibet Plateau.** Acta Prataculturae Sinica, 2013, 22(1): 38-45. (in Chinese) [本文引用:1]
[13]	陈宝珠. 如何改进粗灰分的测定. 中国牧业通讯, 2006(14): 74. Chen B Z. How to improve the determination of crude ash. China Animal Husband ry Bulletin, 2006(14): 74. (in Chinese) [本文引用:1]
[14]	刘苗苗, 尹小畅, 严琳琳, 张瑜, 廖丽, 白昌军, 王志勇. 山蚂蝗属( Desmodium Desv. )营养期营养成分分析. 热带作物学报, 2015, 36(1): 125-131. Liu M M, Yin X C, Yan L L, Zhang Y, Liao L, Bai C J, Wang Z Y. *Analysis of nutrient components at vegetative stage on Desmodium* Desv.** Chinese Journal of Tropical Crops, 2015, 36(1): 125-131. (in Chinese) [本文引用:1]
[15]	张玉. SPSS软件和主成分分析法在牧草营养价值评价中的应用. 安徽农业科学, 2012, 40(12): 7186-7188. Zhang Y. Application of SPSS software and principle component analysis method in evaluation of forage nutrition value. Journal of Anhui Agricultural Sciences, 2012, 40(12): 7186-7188. (in Chinese) [本文引用:1]
[16]	肖泽鑫, 彭剑华, 詹潮安, 赖焕武, 罗超, 邹桂逢, 谢少鸿. 主成分分析在台湾相思优树选择标准和方法中的应用研究. 中南林业科技大学学报, 2012, 32(5): 54-58. Xiao Z X, Peng J H, Zhan C A, Lai H W, Luo C, Zou G F, Xie S H. *Application of principal component analysis in plus-tree selection criteria and methods of Acacia confusa.* Journal of Central South University of Forestry&Technology, 2012, 32(5): 54-58. (in Chinese) [本文引用:1]
[17]	金潇潇, 陈发棣, 陈素梅, 房伟民. 20个菊花品种花瓣的营养品质分析. 浙江林学院学报, 2010, 27(1): 22-29. Jin X X, Chen F D, Chen S M, Fang W M. *Nutrition in 20 cultivars of Chrysanthemum.* Journal of Zhejiang Forestry College, 2010, 27(1): 22-29. (in Chinese) [本文引用:1]
[18]	杨秀莲, 赵飞, 王良桂. 25个桂花品种花瓣营养成分分析. 福建林学院学报, 2014, 34(1): 5-10. Yang X L, Zhao F, Wang L G. *Analysis of nutrients in the petals of 25 cultivars of Osmanthus fragrans.* Journal of Fujian College of Forestry, 2014, 34(1): 5-10. (in Chinese) [本文引用:1]
[19]	白沙沙, 毕金峰, 王沛, 公丽艳, 王轩. 基于主成分分析的苹果品质综合评价研究. 食品科技, 2012, 37(1): 54-57. Bai S S, Bi J F, Wang P, Gong L Y, Wang X. Comprehensive evaluation of apple quality based on principal component analysis. Food Science and Technology, 2012, 37(1): 54-57. (in Chinese) [本文引用:1]
[20]	杨玲, 张彩霞, 康国栋, 田义, 丛佩华. ‘华红’苹果果肉的流变特性及其主成分分析. 中国农业科学, 2015, 48(12): 2417-2427. Yang L, Zhang C X, Kang G D, Tian Y, Cong P H. Rheologic properties of ‘Huahong’ apple pulp and their principal component analysis. Scientia Agricultura Sinica, 2015, 48(12): 2417-2427. (in Chinese) [本文引用:1]
[21]	刘科鹏, 黄春辉, 冷建华, 陈葵, 严玉平, 辜青青, 徐小彪. ‘金魁’猕猴桃果实品质的主成分分析与综合评价. 果树学报, 2012, 29(5): 867-871. Liu K P, Huang C H, Leng J H, Chen K, Yan Y P, Gu Q Q, Xu X B. Principal component analysis and comprehensive evaluation of the fruit quality of ‘Jinkui’ kiwifruit. Journal of Fruit Science, 2012, 29(5): 867-871. (in Chinese) [本文引用:2]
[22]	秦红艳, 许培磊, 艾军, 刘迎雪, 范书田, 杨义明, 王振兴, 张宝香, 赵滢. 软枣猕猴桃种质资源果实品质、表型性状多样性及主成分分析. 中国农学通报, 2015, 31(1): 160-165. Qin Y H, Xu P L, Ai J, Liu Y X, Fan S T, Yang Y M, Wang Z X, Zhang B X, Zhao Y. *Diversity of fruit quality and phenotypic traits of Actinidia arguta* Planch germplasm resources and their principal component analysis.** Chinese Agricultural Science Bulletin, 2015, 31(1): 160-165. (in Chinese) [本文引用:1]
[23]	曲雪艳, 郎彬彬, 钟敏, 朱博, 陶俊杰, 黄春辉, 徐小彪. 野生毛花猕猴桃果实品质主成分分析及综合评价. 中国农学通报, 2016, 32(1): 92-96. Qu X Y, Lang B B, Zhong M, Zhu B, Tao J J, Huang C H, Xu X B. *Principal component analysis and comprehensive evaluation of fruit quality of Actinidia eriantha.* Chinese Agricultural Science Bulletin, 2016, 32(1): 92-96. (in Chinese) [本文引用:1]
[24]	康健, 匡彦蓓, 盛捷. 10种作物秸秆的营养品质分析. 中国水稻科学, 2014, 31(10): 1951-1956. Kang J, Kuang Y B, Sheng J. Analysis of nutritive value of 10 forages straw. Pratacultural Science, 2014, 31(10): 1951-1956. (in Chinese) [本文引用:1]
[25]	Vilas Patel, Amrutlal K P, Nidhi R P. *Characterization of the rumen microbiome of Indian Kankrej cattle ( Bos indicus) adapted to different forage diet.* Applied Microbiology and Biotechnology, 2014, 98: 9749-9761. [本文引用:1]
[26]	宋江峰, 李大婧, 刘春泉, 刘玉花. 甜糯玉米软罐头主要挥发性物质主成分分析和聚类分析. 中国农业科学, 2010, 43(10): 2122-2131. Song J F, Li D J, Liu C Q, Liu Y H. Principal components analysis and cluster analysis of flavor compositions in waxy corn soft can. Scientia Agricultura Sinica, 2010, 43(10): 2122-2131. (in Chinese) [本文引用:1]
[27]	张海英, 韩涛, 王有年, 李丽萍. 桃果实品质评价因子的选择. 农业工程学报, 2006, 22(8): 235-239. Zhang H Y, Han T, Wang Y N, Li L P. *Selection of factors for evaluating peach( Prunus persica)fruit quality.* Transactions of the CSAE, 2006, 22(8): 235-239. (in Chinese) [本文引用:1]
[28]	Kurtanjek Z, Horvat D, Magdic D, Drezner G. Factor analysis and modelling for rapid quality assessment of croatian wheat cultivars with different gluten characteristics. Food Technology and Biotechnology, 2008, 46: 270-277. [本文引用:1]
[29]	李长江, 温晓霞, 孙渭, 吴延, 黄金辉, 耿伟, 杨红星, 徐世峰. 陕南主栽烟草品种化学成分综合评价与分析. 西北农林科技大学学报: 自然科学版, 2013, 41(7): 67-74. Li C J, Wen X X, Sun W, Wu Y, Huang J H, Geng W, Yang H X, Xu S F. Comprehensive evaluation and analysis of chemical compositions of main cultivated tobacco varieties in South Shaanxi. Journal of Northwest A & F University: Natural Science Edition, 2013, 41(7): 67-74. (in Chinese) [本文引用:1]
[30]	马庆华, 李永红, 梁丽松, 李琴, 王海, 许元峰, 孙玉波, 王贵禧. 冬枣优良单株果实品质的因子分析与综合评价. 中国农业科学, 2010, 43(12): 2491-2499. Ma Q H, Li Y H, Liang L S, Li Q, Wang H, Xu Y F, Sun Y B, Wang G X. *Factor analysis and synthetical evaluation of the fruit quality of Dongzao ( Ziziphus jujuba* Mill. ‘Dongzao’) advanced selections.** Scientia Agricultura Sinica, 2010, 43(12): 2491-2499. (in Chinese) [本文引用:1]

2015

0.0

... 随着我国经济发展水平的提高,国家因社会需求而对农业提出产业转型和升级,畜牧产业正以规模化和集约化为主要特征向现代畜牧业大力发展^[1] ...

2015

0.0

... 玉米等作物秸秆营养物质丰富,是反刍家畜粗饲料的重要来源之一,秸秆的高效饲料化利用是促进节粮型畜牧业发展的有效手段,也是提高秸秆资源循环利用的主要途径^[2] ...

0.0

... 25 t的粮食^[3] ...

0.0

... 合理利用各地区的秸秆资源用于家畜养殖,可有效缓解目前反刍动物饲料短缺和养殖成本过高等问题,并能增加农民收入,提高农业附产值^[4] ...

2006

0.0

... 秸秆等饲料原料所含有效成分的种类及数量决定了其营养价值的高低,是评价其作为饲料优良与否的重要指标^[5] ...

0.0

... 玉米秸秆中的粗蛋白、粗脂肪、粗纤维和中性洗涤纤维等成分的含量是决定其饲用品质的物质基础^[6,7],不同的玉米品种秸秆因营养成分差异其饲用价值参差不齐^[8,9] ...

2015

0.0

2011

0.0

2015

0.0

2002

0.0

... 每个指标的测定均采用国标法,即干物质(DM)采用烘干法^[10] ...

1985

0.0

... 粗蛋白质(CP)采用凯氏定氮法^[11] ...

... 粗纤维采用酸碱洗涤法^[11] ...

... 中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)采用范式洗涤法^[11] ...

2013

0.0

... 粗脂肪(EE)采用索氏抽提法^[12] ...

0.0

... 粗灰分(Ash) 采用高温灼烧法^[13] ...

2015

0.0

... 100%^[14] ...

2012

0.0

... 虽然不同指标间量纲相同,但是不同营养成分种类之间无法进行比较,因此在进行主成分分析综合评价前,需要对营养成分含量进行数据转换^[15] ...

2012

0.0

... 3 讨论主成分分析法常被用于分析复杂综合性状和优良品质选择^[16,17,18] ...

2010

0.0

... 3 讨论主成分分析法常被用于分析复杂综合性状和优良品质选择^[16,17,18] ...

2014

0.0

... 3 讨论主成分分析法常被用于分析复杂综合性状和优良品质选择^[16,17,18] ...

2012

0.0

... 近年来主成分分析在苹果(Malus pumilal)^[19,20]、猕猴桃(Actinidia chinensis)^[21,22,23]等果树品质性状评价及种质资源综合评价中得到了应用,在农作物秸秆及家畜饲料等营养相关方面也有探索^[24,25] ...

2015

0.0

2012

0.0

... 刘科鹏等^[21]将未转化和采用隶属函数法转化后的数据分别进行主成分分析,发现采用隶属函数法及反隶属函数法对原始数据进行转化,结果更符合分析要求 ...

2015

0.0

2016

0.0

2014

0.0

2014

0.0

2010

0.0

... 主成分分析是通过降维或者把多个指标转化为少数几个综合指标的方法,以简化数据和揭示变量间的关系,再根据主成分得分进行综合评价,使得评价结果更加合理、客观,其结果还可以进一步用于回归与聚类分析等^[26] ...

2006

0.0

... 例如,在进行桃果实品质评价时,使用0-1极差标准化法对数据进行转化^[27] ...

2008

0.0

... 使用零均值和归一化标准差法对克罗地亚小麦的麸质数据进行了转化等^[28] ...

2013

0.0

... 此外,不同的化学指标对品质的影响是不一样的,部分化学指标与品质之间呈正相关函数关系,而有些则呈负相关函数关系,因此对原始数据的转化尚须考虑指标对评价体系的正负影响^[29] ...

2010

0.0

... 马庆华等^[30]将未转化、采用0-1极差标准化法和隶属函数法3种处理方法转化后的数据进行因子分析,发现采用隶属函数法进行转化,结果更客观、合理,得到的结果也与感官评价及选优目标基本一致 ...