不同含水量和添加剂对辣椒秸秆青贮品质及营养价值的影响
以末次收获辣椒(Capsicum annuum)后的新鲜秸秆为原料，通过预干燥将含水量调整为73% (H)、65% (M)、55% (L)，添加剂使用1.0 × 106 cfu·g−1植物乳杆菌(W1)、1.0 × 106 cfu·g−1植物乳杆菌 + 0.15 g·kg−1纤维素酶(W2)、0.5 × 106 cfu·g−1植物乳杆菌 + 0.5 × 106 cfu·g−1枯草芽孢杆菌(W3)、1.0 × 106 cfu·g−1植物乳杆菌 + 4% 糖蜜(W4)、0.15 g·kg−1纤维素酶(W5)，以不加任何添加剂(W0)为对照组，常温青贮60 d后研究不同含水量和添加剂对辣椒秸秆青贮品质和营养价值的影响，并确定最优水分及添加剂处理条件。结果表明，含水量、添加剂及其互交作用对辣椒秸秆青贮品质有显著(P < 0.05)或极显著(P < 0 .01)影响。含水量为M时青贮粗蛋白质(CP)、粗脂肪(EE)、可溶性碳水化合物(WSC)、乳酸(LA)含量及相对饲用价值(RFV)最高，pH、NH3-N/TN最低，青贮效果最好，其次是L含水量；添加剂使用W3、W4时，青贮的干物质(DM)、CP、WSC、LA含量及RFV高于其他添加剂，而pH、NH3-N/TN低于其他添加剂。结合感官评价、综合价值评定、康奈尔净碳水化合物−蛋白质体系(CNCPS)和体外试验对辣椒秸秆青贮进行综合评价表明，MW3综合效果最好，其次为MW4。综上，辣椒秸秆青贮适宜含水量为M，添加剂使用W3或W4效果最佳，可在实际生产中推荐使用。
English
-
草地资源具有重要的经济价值和生态功能，在畜牧业发展、生物多样性保护、缓解全球气候变化等方面起着至关重要的作用[1-4]。青藏高原的高寒天然草地受人类干扰和气候变化的影响较大。近年来，供水不足、过度放牧、草地利用率低下等原因导致高寒草地出现了不同程度退化现象[5]。灌丛化的加重，导致牧草生产减少，草地生态系统逐步遭到破坏。因此，利用遥感技术进行大面积、及时有效地评估草地地上生物量(aboveground biomass, AGB)，对高寒草地及青藏高原生境质量的保护具有重要现实意义。
目前，光学遥感数据已被广泛用于基于统计模型的生物量估算[6-7]。但光学影像易受云雾影响，使得传感器无法准确获取地物信息，且在中度或高度的植被密度中存在过饱和问题[8]。相较于光学传感器，合成孔径雷达(synthetic aperture radar, SAR)波长较长，不受云雾影响，对地表植被有一定的穿透性，能较为准确地获取植被的结构信息。因此，SAR数据逐渐成为草地生物量研究中的重要数据源[9]。Moreau和Toan[10]发现C波段雷达数据 ERS-SAR的后向散射系数对植被生物量很敏感，并与草地生物量之间建立对数统计回归模型，反演了安第斯湿地牧草生物量。Santos等[11]使用P波段多极化AirSAR数据，采用指数模型和多项式模型成功反演了巴西亚马逊河流域热带雨林的主生林和次生林植被生物量。随着遥感技术和研究方法的发展，有效地结合光学数据和微波数据的优势，利用经验模型、多元线性回归等方法反演植被生物量已成为一种研究趋势。同时，高空间分辨率的SAR和多光谱数据为提升AGB反演精度提供了更多可能性，如欧空局( https://www.esa.int/)哨兵系列卫星数据，其中Sentinel-1为SAR数据，Sentinel-2为多光谱数据，两者分辨率可增强到10 m，适用于AGB的估算[12]。潘磊等[13]结合Sentinel-1与Sentinel-2数据，以福建省三明市将乐国有林场为研究区，利用多元线性逐步回归方法，探索联合Sentinel-1与Sentinel-2在估算森林AGB方面的优势，其调整决定系数(R2adj)达到了0.575，相较于仅使用Sentinel-2数据提升了0.064。而Chang和Shoshany [14]结合Sentinel-2 NDVI及Sentinel-1 VH极化的后向散射系数建立的半经验物理模型，联合估算了地中海灌木林AGB，融合模型的决定系数(R2)达到了0.866，也取得了很好的反演精度。综上，基于仅使用光学数据或微波数据估算草地AGB已有大量研究，但多模态数据和相应特征参数的选择对草地AGB反演建模仍有发展空间，另外关于草地AGB估算的研究方法多种多样，但旨在对比分析不同模型反演精度和区别的研究较少。
因此，本研究以红原县为研究区，联合Sentinel-2数据、Sentinel-1数据，利用多元线性回归、半经验物理模型等方式建立草地AGB遥感反演模型，用留一交叉验证法对反演精度进行评价，最终得到了红原县草地AGB，实现了红原县草地AGB的数字制图，以期为优化AGB遥感反演模型、青藏高原地区的草地保护与生态建设等提供科学依据和技术支持。
1. 材料与方法
1.1 研究区概况
红原县地处四川省西北部、阿坝藏族羌族自治州的中部，位于101°51′～103°22′ E， 31°51′～33°33′ N，属青藏高原的东南缘。年平均气温为1.1 ℃，无明显季节变化。境内平均海拔3 500 m左右，红原县地势由东南向西北倾斜，地貌由山原向丘状高原过渡，小盆地分布广泛。红原以寒草地和亚高山草地为主，境内天然草地面积达77.6 × 104 hm2，占县境总面积的92.97%，属纯牧业县[15]。
1.2 数据来源及预处理
1.2.1 样本采集与处理
野外数据采集时间为2021年8月。共设置了10个样区(图1)，样区的大小为1 000 m × 1 000 m，每个样区内设置3～5个样点。由于样区内草种类型较多，且空间分布不均匀，在一个样点(10 m × 10 m)大小范围内按等边三角形布设3个0.5 m × 0.5 m的样方。实测时使用GPS记录3个样方中心(等边三角形中心)坐标，并记录实测点位海拔、土壤类型和质地、草样本的株高等参数。草地AGB的获取方法：在设定样方内齐地刈割，并现场记录其鲜重，返回实验室后用烘箱烘干至恒重，并记录干草重，最后求取3个样方干草重量的平均值作为该样点的生物量。本次在10个样区内共设定132个样方，采集草地AGB样本共44个，剔除数据处理过程中造成AGB损失的数据，确定样本数据40个。从每个样区均选取2～4个样点(共30个样点)用于构建反演模型，其余10个样点用于模型精度检验。
![]()
图 1 研究区位置及样区示意图Figure 1. Location of the study area and schematic diagram of the sample area1.2.2 遥感数据预处理
Sentinel-2数据获取及预处理。Sentinel-2影像为光学影像，受云层干扰较大。本研究以红原试验区域同一时期4景云量较少的Sentinel-2影像(云量 < 10%)为研究数据，数据来源于美国USGS网站( https://earthexplorer.usgs.gov/)。使用欧洲空间局SNAP 8.0对L2A级数据(已经过大气校正)进行超级分辨率增强，将影像分辨率增强至10 m，然后导入ENVI 5.3进行镶嵌、裁剪等操作。处理完成后，使用B12、B8A、B2波段合成显示，结果如图2(a)所示，从波段合成图可看出研究区内无大片云雾遮挡，色彩对比明显，数据质量较高。
Sentinel-1数据获取及预处理。Sentinel-1 卫星由两颗极轨卫星A星和B星组成，搭载有C波段的合成孔径雷达(SAR)，其空间分辨率为10 m × 10 m，包含VH和VV两种极化方式。为了减少由天气因素、Sentinel-2与Sentinel-1过境时间不同而引起的误差，选阿拉斯加数据中心( https://search.asf.alaska.edu/)提供的与Sentinel-2同日过境的Sentinel-1 GRD产品为研究数据，该影像覆盖了整个研究区，并用SNAP 8.0对GRD数据进行预处理和信息提取。将提取的VV、VH极化的C波段数据导入ENVI 5.3进行裁剪，并交叉合成显示，结果如图2(b)所示。
植被指数和叶面积指数。植被指数(vegetation index，VI)能反映植被生长和覆盖状况，可作为植被覆盖及变化监测的标志[8]，能从宏观上快速准确地分析草地生长状况。本研究从Sentinel-2A影像中获取了5个植被指数(表1)。草地AGB与植被指数之间有着良好的正相关关系[16]。因此，可用这5个植被指数与实测样本相结合，构建AGB估算模型。
叶面积指数(leaf area index，LAI)是监测植被生长状况和预测产量的重要变量，也常被用于全球空间尺度的作物生长监测、作物病虫害监测和产量估算等[17]。针对Sentinel-2影像，SNAP 8.0提供了特定的模块来获取叶面积指数，步骤如下：先将影像重采样到10 m；再使用SNAP 8.0内置的生物物理处理器导出LAI。这个生物物理过程使用了Sentinel-2影像的8个波段(B3、B4、B5、B6、B7、B8A、B11、B12)并考虑了太阳天顶角、方位角等参数。SNAP反演的LAI和实测的LAI总体一致，表明可用于大规模的植被监测[18-19]。
表 1 Sentinel-2植被指数及计算公式Table 1. Sentinel-2 vegetation index and calculation formula变量名称
Name of variable属性
Attributes计算公式
Calculation formula$ {\rm{NDVI}} $ 归一化植被指数 Normalized difference vegetation index $NDVI = \dfrac{{\left ( {NIR - RED} \right)}}{{\left ( {NIR + RED} \right)}}$ $ {\rm{DVI}} $ 差值植被指数 Difference vegetation index $ DVI = NIR - RED $ $ {\rm{RVI}} $ 比值植被指数 Relative vegetation index $ RVI = \dfrac{{NIR}}{{RED}} $ $ {\rm{EVI}} $ 增强型植被指数 Enhanced vegetation index $ EVI = 2.5 \times \dfrac{{NIR - RED}}{{NIR + 6.0 \times RED - 7.5 \times BLUE + 1}} $ $ {\rm{GNDVI}} $ 绿度植被指数 Green normalized difference vegetation index $ GNDVI = \dfrac{{(NIR - GREEN)}}{{(NIR + GREEN)}} $ NIR代表Sentinel-2影像的B8 (近红外)波段，RED代表B4 (红)波段，BLUE代表B2 (蓝)波段，GREEN代表B3 (绿)波段。
NIR represents the B8 (Near Infrared) band of Sentinel-2 imagery; RED represents the B4 (Red) band; BLUE represents the B2 (Blue) band; GREEN represents the B3 (Green) band.1.3 研究方法
1.3.1 回归分析
回归分析(regression analysis)是生物量遥感估测中使用较广泛的分析方法，能够表现两个(多个)相关变量间的定量关系。其中多元线性回归模型(复线性回归模型)通常用于研究一个因变量与多个自变量的函数关系。其数学表达式为：
$$ Y = {a_0} + {a_1}{X_1} + {a_2}{X_2} + \cdots + {a_n}{X_n} + C 。 $$ (1) 式中：Y是因变量(生物量的值)，a0是常数项，X是自变量(遥感影像因子)，X1,…, Xn是随机的变量，a1,…, an为回归系数，C为误差项。
逐步回归的基本方法是将变量逐一引入模型，并对引入变量计算偏回归平方和，经检验后剔除不显著的自变量，从而建立最优的多元线性回归模型[20]。
1.3.2 半经验物理模型构建
半经验物理模型综合了经验统计模型和物理模型的优点。模型所用的参数既有经验参数，又具有一定的物理意义，且模型表达也较为简洁。在宏观上，草地的分布较为密集，植被覆盖度高。相较于Chang和Shoshany [14]研究的灌木，红原县草地植被更浅，8月份草层高度大部分介于0.15～0.45 m。因此，利用Sentinel-1影像C波段能穿透草层到达地表的特点，便能获取草层的结构信息。但草地上植被覆盖度(fractional vegetation cover, FVC)的空间差异不大，故在灌木AGB估算模型中调整FVC参数为LAI，构建了如下模型：
$$ AGB = f (S2) \times sqrt[ 1 + f (S1) \times LAI \times e] 。 $$ (2) 式中：AGB为预测草地AGB，f (S2)为根据Sentinel-2影像构建的草地AGB模型，f (S1)为根据Sentinel-1影像构建的体积回归函数，LAI为叶面积指数，e为系数。
1.3.3 精度评价
用均方根误差(root mean squared error，RMSE)、平均相对误差(mean relative error， MRE)和决定系数(R2)来评价反演预测值与实测值之间的精度和可信度。
$$ RMSE = \sqrt {\dfrac{{\displaystyle\sum\limits_{i = 1}^n {{{\left ( {{Y_i} - Y_i'} \right)}^2}} }}{{N - 1}}} \text{；} $$ (3) $$ MRE = \dfrac{{\displaystyle\sum\limits_{i = 1}^n {\dfrac{{\left| {{Y_i} - Y_i'} \right|}}{{{Y_i}}}} }}{N} \text{；} $$ (4) $$ {R^2} = 1 - \dfrac{{\displaystyle\sum\limits_{i = 1}^n {{{\left ( {{Y_i} - Y_i'} \right)}^2}} }}{{\displaystyle\sum\limits_{i = 1}^n {{{\left ( {{Y_i} - \overline {{Y_i}} } \right)}^2}} }} 。 $$ (5) 式中：Yi、Yi′分别为实测值、反演值，n为样本数量，Ｎ为预留样本数。R2反映反演值与实测AGB之间的拟合程度，当R2越趋近1，表示反演AGB与实测AGB相关性越好。
2. 结果与分析
2.1 草地地上生物量的模型构建
线性回归模型。经试验发现，研究区内，Sentinel-1 VH dB值与AGB之间的相关性优于VV dB值与AGB之间的相关性，于是采用VH dB值构建模型(表2)；将Sentinel-2影像与采样点位置相结合，提取出对应位置的NDVI、DVI、RVI、EVI、GNDVI，并结合实测生物量，采用最小二乘回归的方法分别构建红原县草地AGB与上述各个植被指数之间的线性模型(表2)。
表 2 回归模型建模精度Table 2. Modeling accuracy of the regression model类型
Type模型名称
Name of
model模型
Model决定系数
R2均方根误差(RMSE)
Root mean squared
error/(g·m−2)平均相对误差(MRE)
Mean relative
error/%单一指标
Single
indicatorAGBNDVI y = −1 456.80 + 2 130.80x 0.54 61.48 16.14 AGBDVI y = −167.01 + 1 525.70x 0.33 74.11 20.01 AGBRVI y = 138.61 + 19.645x 0.61 56.33 14.46 AGBEVI y = −280.20 + 1 021.20x 0.44 67.26 17.70 AGBGNDVI y = −922.91 + 1 800.00x 0.58 58.30 15.37 AGBLAI y = −82.07 + 147.68x 0.54 61.51 16.11 AGBVHdB y = −628.47 − 51.409x 0.44 68.54 16.91 多元回归
Multiple
regressionAGBSentinel-2 y = −1 287.14 + 1 353.99NDVI−
6 207.69DVI −9.67RVI +
3 964.15EVI + 42.49GNDVI +
77.43LAI0.74 46.36 11.96 AGBSentinel-1,2 y = −1 534.53 + 1 318.84NDVI −
3 980.34DVI − 4.26RVI +
2 520.66EVI − 126.58GNDVI +
53.21LAI − 28.26 ${\sigma }_{VH}^{0}dB$0.83 36.99 9.35 逐步回归
Stepwise
regressionAGBSentinel-2 y = 138.61 + 19.65RVI 0.61 56.33 14.46 AGBSentinel-1,2 y = −487.96 + 15.97RVI − 34.68 ${\sigma }_{VH}^{0}dB$ 0.78 42.21 10.62 AGBNDVI：基于归一化植被指数的地上生物量估算模型；AGBDVI：基于差值植被指数的地上生物量估算模型；AGBRVI：基于比值植被指数的地上生物量估算模型；AGBEVI：基于增强型植被指数的地上生物量估算模型；AGBGNDVI：基于绿色归一化植被指数的地上生物量估算模型；AGBLAI：基于叶面积指数的地上生物量估算模型；AGBVHdB：基于Sentinel-1 VH dB的地上生物量估算模型；AGBSentinel-2：基于Sentinel-2影像的地上生物量估算模型；AGBSentinel-1,2：基于Sentinel-1和Sentinel-2影像的地上生物量估算模型。
AGBNDVI: aboveground biomass model based on normalized difference vegetation index; AGBDVI: aboveground biomass model based on difference vegetation index; AGBRVI: aboveground biomass model based on relative vegetation index; AGBEVI: aboveground biomass model based on enhanced vegetation index; AGBGNDVI: aboveground biomass model based on green normalized difference vegetation index; AGBLAI: aboveground biomass model based on leaf area index; AGBVHdB: aboveground biomass model based on VH dB of sentinel-1 images; AGBSentinel-2: aboveground biomass model based on Sentinel-2 images; AGBSentinel-1,2: aboveground biomass model based on Sentinel-1 and Sentinel-2 images.结果显示，基于单一指标的线性回归模型中，NDVI、RVI、GNDVI以及LAI与生物量之间有较高的拟合性，其中，RVI模型的拟合性最高，决定系数R2达到0.61。多元回归模型中，用Sentinel-2影像提取的6个因子建立的多元线性回归六参数模型以及Sentinel-2影像提取的6个因子结合VH dB值建立的多元线性回归七参数模型，都有着较好的拟合精度，在加入VH dB值后，模型的R2提升了0.09，RMSE减小了9.37 g·m−2，MRE减小了21.82%。采用逐步回归保留了RVI和VH dB值两个参数，建立的模型相较于AGBRVI模型，决定系数R2提升了0.17，RMSE减小了14.12 g·m−2，MRE减小了26.56%。
半经验物理模型。通过比较Sentinel-2影像的5个AGB估算模型，选取最佳的AGBRVI模型，带入公式(2)，替换f (S2)参数，再将公式(5)带入公式(2)，替换参数f (S1)，便得到了一个包含5个系数[其中f (S2)含两个系数，f (S1)含两个系数，再加上系数e]的半经验物理模型，通过IDL 8.5程序设计平台，运用曲线拟合方式，以30个样本作为训练数据，解算出5个系数，分别为110.945、7.432 55、−21.071 6、−1.361 20、0.145 245,得到红原县草地AGB估算模型[公式(6)]。结果显示，基于Sentinel-2和Sentinel-1的半经验物理模型，R2达到0.77，RMSE为43.88 g·m−2，MRE为11.00%。
$$ \begin{split}&\;\\ AGB = &(7.432{\text{ }}55RVI + 110.945) \times sqrt [ 1 +\\ &( - 1{\text{.361 2}}\mathop \sigma \nolimits_{VH}^0 dB - 21{\text{.071 6)}}\; \times \\ &{\text{0}}{\text{.145 245}} \times {{LAI }}] 。 \end{split} $$ (6) 2.2 模型反演生物量精度验证
为验证模型精度，本研究选用剩余的10个样本作为验证数据，并以Sentinel-2多元回归六参数模型、Sentinel-2结合Sentinel-1多元回归七参数模型、Sentinel-2结合Sentinel-1逐步回归模型以及半经验物理模型4个较优草地AGB反演模型为代表，获取10个样本对应的草地AGB反演值，将其与实测数据进行对比分析，使用误差值与实测值的百分比大小来评价反演的精度。
在Sentinel-2建立的多元回归六参数模型中 (图3)，反演值与实测值之间的误差有7个点在实测值的10%以内，有两个点在10%～20%，有1个点在20%～30%，实测值与估测值对比分析结果的R2为0.644 8，RMSE为37.32 g·m−2，MRE为8.20%；以Sentinel-2结合Sentinel-1建立的多元线性回归七参数模型，有4个点在实测值的10%以内，有5个点在10%～20%，有1个点在20%～30%，实测值与估测值对比分析结果的R2为0.714 5，RMSE为38.99 g·m−2，MRE为9.93%；以Sentinel-2结合Sentinel-1逐步回归模型，模型的反演值与实测值之间的误差有7个点在实测值的10%以内，有3个点在10%～20%，实测值与估测值对比分析结果的R2为0.789 1，RMSE为33.49 g·m−2，MRE为8.11%；用Sentinel-2结合Sentinel-1建立的半经验物理模型，模型的反演值与实测值之间的误差有5个点在实测值的10%以内，有5个点在10%～20%，实测值与估测值对比分析结果的R2为0.821 4，RMSE为36.89 g·m−2，MRE为8.37%。
总体上，上述的4个模型总体精度均较好，在加入Sentinel-1的影响因子后，与只用Sentinel-2建立的多元回归六参数模型相比，Sentinel-1结合Sentinel-2多元回归七参数模型精度更高，可用于红原县地区草地AGB的估算，为草地生物量提供精确的评估和研究。
2.3 试验区域草地反演地上生物量制图
根据上述研究结果，采用模型反演精度较高的Sentinel-2多元回归六参数模型、Sentinel-2结合Sentinel-1多元回归七参数模型、Sentinel-2结合Sentinel-1逐步回归模型以及半经验物理模型反演研究区8月份草地AGB (图4)。制图结果与草地实际分布状况一致，在红原县境内大部分区域均有草地的分布，尤其以中北部丘状高原最为典型。同时表现出明显的空间分布差异：沙化地、裸地、水体内草地AGB接近于0；东南山原草地AGB大部分低于100 g·m−2；4种模型反演的生物量制图结果整体一致，均能准确展现红原县草地AGB的空间分布及其差异。
![]()
图 4 试验区草地地上生物量制图Figure 4. Aboveground biomass mapping of grassland in the experimental area3. 讨论
从红原县草地AGB反演结果可以看出，草地AGB较高值分布在中部和北部丘状高原地区，其原因在于该区域有优质的牧草基地，为保护草地，合理利用草地资源，当地实行草地围栏，将草地划分为冬夏两季牧场，极大程度上减小了放牧压力，有利于推进牧场畜牧业可持续发展。东南山原草地AGB较低，可能与东南山地海拔高差较大、地势较陡有关，不利于牧草的生长。另外，在适合草地生长但草地AGB较低的区域，建议合理确定载畜量，实行合理放牧，继续加强防沙治沙、灭鼠种草等草地保护措施，研究不同栽种模式的固沙效果，改善土壤有机质及土壤水分状况。通过人力保护措施，使草地能够继续发挥防风固沙、涵养水源、净化空气的作用，提高草地植被盖度和草地生产力，实现红原县草地生态修复和畜牧业可持续发展。
本研究与前人的研究都证明了多光谱数据在估算AGB方面有较强的应用潜力[6-7]，但受遥感技术、数据质量和建模方法等的限制，AGB反演效果仍有提升空间。本研究中基于Sentinel-2多光谱数据单一指标的线性回归模型能较好地反演AGB，结合Sentinel-1与Sentinel-2特征参数的反演模型能进一步提升反演精度，但对于生物量较大的样点，仍存在预测草地AGB值小于实测草地AGB值的问题(图3)，可能是Sentinel-1影像的C波段对植被生长旺盛、植被覆盖度较大区域的穿透能力有限，不能较好地解决Sentinel-2多光谱影像反演生物量存在的过饱和问题。后续研究可以考虑使用波长更长的L波段或P波段来反演草地AGB。
经验模型不涉及机理过程[21] ，与简单经验统计模型相比，半经验物理模型所需参数较多，但其以物理机理为依据，并结合区域特征性参数，能较好地反映区域实际情况。模型精度主要受自变量与因变量间相互关系的显著程度的影响。如本研究中仅根据实测的草地AGB参数与遥感影像特征参数构建的经验模型，按照误差最小的原则筛选出构建模型所需的显著相关性因子，从而得到较好的模型反演效果，这在前人的研究中有所体现[22-23]。而半经验模型既具有一定的物理学意义，又通过引入经验系数改进模型假设的不足，进而提升模型效果[24]。如Chang和Shoshany [14]提出的基于植被的生长形态形成的融合生物量模型(半经验物理模型)的准确率较传统的融合模型高14%左右。本研究也根据红原县的草地植被形态结构调整了Chang和Shoshany [14]构建的反演模型中的FVC参数，再结合草地植被的叶面积指数构建了半经验物理模型，从而达到和经验模型等同的效果，证明了半经验物理模型在草地AGB反演中的实用性。
目前采用的反演模型相对传统，建模的数据来源较单一，后续可以基于Lidar、SAR、多光谱影像等遥感数据，使用机器学习方法以多模态遥感信息融合方式进行建模，挖掘多模态数据在估测草地地上生物量的潜力。另外，青藏高原东缘多为丘状高原，区域内湿地较多，地形起伏、土壤水分对雷达影像后向散射系数的影响较大，今后可根据研究区的实际情况，将地形、土壤水分的影响因素加入模型，进一步细化草地地上及地下生物量的反演研究，这对红原县乃至整个青藏高原的草地生态质量监测及其固碳效应研究等都具有重要意义。
4. 结论
本研究以青藏高原东缘阿坝藏族自治州红原县为研究区，结合 Sentinel-1、Sentinel-2主被动遥感影像和实测样地数据，采用单一指标线性回归、多元线性回归、逐步回归及半经验物理模型方式建模，对红原县草地AGB的反演模型效果和空间分布进行研究。结果表明：Sentinel-2多光谱数据单一指标线性回归模型、Sentinel-2多光谱数据多元线性回归模型与草地AGB之间有较高的拟合性；结合Sentinel-1影响因子VH dB值建立的多元回归模型能进一步提高建模精度，多元线性回归模型的模型精度R2从0.74增加到了0.83；逐步回归模型R2达到了0.78，RMSE为42.21 g·m−2；半经验物理模型R2达到了0.77，RMSE为43.88 g·m−2，MRE为11.00%，总体效果较好，精度可靠，可用于红原县草地AGB的估算；草地AGB制图结果显示，红原县草地AGB在中部和北部丘状高原地区较高(300 g·m−2以上区域较多)，东南山原草地AGB较低(100 g·m−2以下区域较多)，沙化地、裸地、水体内生物量接近于0。
参考文献
[1] 陆相龙, 董青, 邵涛, 王亚琴, 赵鑫, 郑会超, 姚宏霏, 周卫东. 辣椒秸秆辣椒素和营养成分含量测定. 中国草食动物科学, 2012, 32(5): 24-27. doi: 10.3969/j.issn.2095-3887.2012.05.009 LU X L, DONG Q, SHAO T, WANG Y Q, ZHAO X, ZHENG H C, YAO H F, ZHOU W D. Determination of capsaicin and nutrients in pepper strawg. Chinese Herbivore Science, 2012, 32(5): 24-27. doi: 10.3969/j.issn.2095-3887.2012.05.009
[2] 尹乐斌, 雷志明, 杨莹, 张臣飞. 辣椒加工副产物的综合利用现状. 农产品加工, 2016, 419(11): 59-61. YIN L B, LEI Z M, YANG Y, ZHANG C F. Comprehensive utilization of byproducts in capsicum processing. Processing of Agricultural Products, 2016, 419(11): 59-61.
[3] 许庆方. 影响苜蓿青贮品质的主要因素及苜蓿青贮在奶牛日粮中应用效果的研究. 北京: 中国农业大学博士学位论文, 2005. XU Q F. Studies of the factors of affecting alfalfa silage quality and the utilization of alfalfa silage in dairycows die. PhD Thesis. Beijing: China Agricultural University, 2005.
[4] BRODERICK G A, WALGENBACH R P, STERRENBURING E. Performance of lactating dairy cows fed alfalfa or red clover silage as the sole forage. Dairy Science, 2000, 83: 1543-1551. doi: 10.3168/jds.S0022-0302(00)75026-0
[5] 李荣荣, 郑猛虎, 崔欣雨, 王妍, 徐春城. 优良乳酸菌的筛选及对苜蓿青贮发酵品质的影响. 中国草地学报, 2021, 43(11): 69-75. LI R R, ZHENG M H, CUI X Y, WANG Y, XU C C. Screening of excellent lactic acid bacteria and its effect on the fermentation quality of alfalfa silage. Chinese Journal of Grassland, 2021, 43(11): 69-75.
[6] 穆胜龙, 周波, 甘书灏, 杨冉冉, 武婷婷, 宋明杰, 邹彩霞, 何仁春. 枯草芽孢杆菌与植物乳杆菌对甘蔗尾青贮品质的影响. 饲料工业, 2017, 38(21): 27-31. MU S L, ZHOU B, GAN S J, YANG R R, WU T T, SONG M J, ZOU C X, HE R C. Effects of Bacillus subtilis and Lactobacillus plantarum on the quality of sugarcane top silage. Feed Industry, 2017, 38(21): 27-31.
[7] BAI J, XU D M, XIE D M, WANG M S, LI Z Q, GUO X S. Effects of antibacterial peptide-producing Bacillus subtilis and Lactobacillus buchneri on fermentation, aerobic stability, and mi crobial community of alfalfa silage. Bioresource Technology, 2020, 315: 123881. doi: 10.1016/j.biortech.2020.123881
[8] 张立冬, 字学娟, 李茂, 吕仁龙, 胡海超, 唐军, 周汉林. 纤维素对柱花草青贮品质和营养成分的影响. 黑龙江畜牧兽医, 2021(7): 118-121. ZHANG L D, ZI X J, LI M, LYU R L, HU H C, TANG J, ZHOU H L. Effect of cellulase on the quality and mutrient composition of Stylosanthes guianensis silage. Heilongjiang Animal Scienceand Veterinary Medicine, 2021(7): 118-121.
[9] 陈鹏飞, 戎郁萍, 玉柱, 韩建国. 微波炉测定紫花苜蓿含水量的初步研究. 中国草地学报, 2006, 28 (3): 53-55. CHEN P F, RONG Y P, Yuzhu, HAN J G. Preliminary study on determination of moisture content of alfalfa by microwave oven. Chinese Journal of Grassland, 2006, 28 (3): 53-55.
[10] 丁成龙, 牟林林, 宦海琳, 顾洪如. 凋萎时间对多花黑麦草青贮品质及微生物动态变化的影响. 南方农业学报, 2019, 50(12): 2771-2777. DING C L, MU L L, HUAN H L, GU H R. Effects of withering time on silage quality and microbial dynamics of Italian ryegrass. Journal of Southern Agriculture, 2019, 50(12): 2771-2777.
[11] 雒秋江. 动物营养与饲养. 北京: 科学出版社, 2022. LUO Q J. Animal Nutrition and Feeding. Beijing: Science Press, 2022.
[12] THOMAS T A. An automated procedure for the determination of soluble carbohydrates in herbage. Journal of the Science of Food & Agriculture, 2010, 28(7): 639-642.
[13] 霍瑞春, 王国泽, 姚慧静, 袁鹤, 周刚, 程立坤. 19种加工辣椒辣椒素提取、纯化及其含量测定. 中国调味品, 2022, 47(4): 167-172. doi: 10.3969/j.issn.1000-9973.2022.04.032 HUO R C, WANG G Z, YAO H J, YUAN H, ZHOU G, CHENG L K. Extraction, purification and determination of capsaicin in 19 kinds of processed capsicum. Chinese Condiments, 2022, 47(4): 167-172. doi: 10.3969/j.issn.1000-9973.2022.04.032
[14] CAO Y, CAI Y M, HIRAKUBO T. Fermentation characteristics and microorganism composition of total mixed ration silage with local food by-products indifferent seasons. Animal Science Journal, 2011, 82(2): 259-266. doi: 10.1111/j.1740-0929.2010.00840.x
[15] 罗颖洁, 穆麟, 胡龙兴, 陈桂华, 张志飞, 高帅, 魏仲珊. 稻秸、玉米粉与紫花苜蓿混合青贮研究. 中国草地学报, 2020, 42(4): 139-144. LUO Y J, MU L, HU L X, CHEN G H, ZHANG Z F, GAO S, WEI Z S. Study on mixed silage of rice straw with corn meal and alfalfa. Chinese Journal of Grassland, 2020, 42(4): 139-144.
[16] 贾春旺, 原现军, 肖慎华, 李君风, 白晰, 闻爱友, 郭刚, 邵涛. 青稞秸秆替代苇状羊茅对全混合日粮青贮早期发酵品质及有氧稳定性的影响. 草业与畜牧, 2016, 25(4): 179-187. JIA C W, YUAN X J, XIAO S H, LI J F, BAI X, WEN A Y, GUO G, SHAO T. Effects of highland barley straw replacing tall fescue on early fermentation quality and aerobic stability of total mixed ration silage. Grass Industry and Animal Husbandry, 2016, 25(4): 179-187.
[17] 王旭哲. 紧实度及收获期对全株玉米青贮品质及霉菌毒素的影响研究. 石河子: 石河子大学博士学位论文, 2019. WANG X Z. Effects of compaction and harvest time on the quality and mycotoxins of whole-plant corn silage. PhD Thesis. Shihezi: Shihezi University, 2019.
[18] VAN SOEST P J, SNIFFEN C J, MERTENS D R. A net protein system for cattle: The rumen submodel for nitrogen//OWENS F N. Protein requirements for cattle: Proceedings of an international symposium. Stillw Ater: Oklahoma State University, 1981: 265.
[19] KRISHNAMOORTHY U, SNIFFEN C J, STERN M D. Evaluation of a mathematical model of rumen digestion and an in vitro simulation of rumen proteoly sis to estimate the rumen-undegraded nitrogen content of feedstuffs. British Journal of Nutrition, 1983, 50(3): 555-568. doi: 10.1079/BJN19830127
[20] AACC. Approved Methods of the AACC. Saint Paul: American Association of Cereal Chemistry, 1976.
[21] SNIFFEN C J, O’CONNOR J D, VAN SOEST P J. A net carbohydrate and protein system for evalua ting cattle diets: Ⅱ. carbohydrate and protein availabil ity. Journal of Animal Science, 1992, 70(11): 3562-3577. doi: 10.2527/1992.70113562x
[22] MENKE K H, STEINGASS H. Estimation of the energetic feed value obtained from chemical analysis and in vitro gas production using rumen fluid. Animal Research Development, 1988, 28(1): 7-55.
[23] FRANCE J, DHANOA M S, THEODOROU M K. A model to interpret gas accumulation profiles associated with in vitro degradation of ruminant feeds. Journal of Theoretical Biology, 1993, 163(1): 99-111. doi: 10.1006/jtbi.1993.1109
[24] 李菲菲. 不同茬次、刈割期对苜蓿干草/青贮CNCPS蛋白组分和品质的影响. 石河子: 石河子大学硕士论文, 2019. LI F F. Effects of different stubbles and cutting times on the protein composition and quality of alfalfa hay / silage CNCPS. Master Thesis. Shihezi: Shihezi University, 2019.
[25] NI K, WANG F, ZHU B. Effects of lactic acid bac teria and molasses additives on the microbial community and fermentation quality of soybean silage. Bioresour Technol, 2017, 238: 706-715. doi: 10.1016/j.biortech.2017.04.055
[26] 李玉萌, 张志恒, 朱亦朴, 李湘, 孙赛祎, 李元晓, 赵凌平. 没食子酸对全株玉米青贮品质的影响. 动物营养学报, 2023, 35(5): 3390-3400. LI Y M, ZHANG Z H, ZHU C P, LI X, SUN S Y, LI Y X, ZHAO L P. Effects of gallic acid on the quality of whole-plant corn silage. Journal of Animal Nutrition, 2023, 35(5): 33903400.
[27] 刘辉. 优质紫花苜蓿青贮调制技术及其品质评定研究. 兰州: 甘肃农业大学博士论文, 2015. LIU H. Study on the modulation technology and quality evaluation of high quality alfalfa silage. PhD Thesis. Lanzhou: Gansu Agricultural University, 2015.
[28] 周娟娟, 魏巍, 秦爱琼, 陈本建. 水分和添加剂对辣椒秸秆青贮品质的影响. 草业学报, 2016, 25(2): 231-239. ZHOU J J, WEI W, QIN A Q, CHEN B J. Effects of moisture and additives on the quality of pepper straw silage. Acta Prataculturae Sinica, 2016, 25(2): 231-239.
[29] 荣辉, 余成群, 李志华, 下条雅敬, 邵涛. 添加糖蜜和尿素对象草青贮发酵品质的影响. 草地学报. 2012, 20 (5): 940-946. RONG H, YU C Q, LI Z H, XIATIAO Y J, SHAO T. Effects of molasses and urea on fermentation quality of forage grass silage. Grassland Journal, 2012, 20 (5): 940-946.
[30] 周昕, 黄秋生, 王健, 张嘉宾, 曹阳. 添加乳酸荣剂和糖密对不同含水量食叶草青贮发酵品质及体外干物质消失率的影响. 动物营养学报, 2021, 33(3): 1594-1606. ZHOU X, HUANG Q S, WANG J, ZHANG J B, CAO Y. Effects of adding lactic acid rongji and sugar density on fermentation quality and in vitro dry matter disappearance rate of edible leaf grass silage with different water contents. Annals of Animal Nutrition, 2021, 33(3): 1594-1606.
[31] LI M, ZHOU H L, ZI X J, CAI Y M. Silage fermentationand ruminal degradation of stylo prepared with lactic acid bacteria and cellulase. Animal Science Journal, 2017, 88(10): 1531-1537. doi: 10.1111/asj.12795
[32] 佟明昊, 潘港, 孙娟娟, 薛艳林, 玉柱, 白春生. 混合比例对苜蓿和高丹草混合青贮品质及CNCPS蛋白组分的影响. 中国草地学报, 2022, 44(2): 75-81. DONG M H, PAN G, SUN J J, XUE Y L, Yuzhu, BAI C S. Effects of mixing ratio on quality and protein components of CNCPS of mixed silage of alfalfa and galdendron grass. Chinese Journal of Grassland, 2022, 44(2): 75-81.
[33] 芦岩, 张伶俐, 罗远琴, 魏利, 薛雪, 孙新文, 向春和, 毛胜勇, 王新峰, 张文举. 不同比例棉秆和甜菜渣混合发酵产物的体外产气特性及发酵参数的研究. 草业学报, 2020, 29(5): 58-66. doi: 10.11686/cyxb2019357 LU Y, ZHANG L L, LUO Y Q, WEI L, XUE X, SUN X W, XIANG C H, MAO S Y, WANG X F, ZHANG W J. In vitro gas production characteristics and fermentation parameters of feedstuffs with varying proportions of cot- ton stalks and beet pulp. Acta Prataculturae Sinica, 2020, 29(5): 58-66. doi: 10.11686/cyxb2019357
[34] 冯雷雨. 构树、苜蓿和燕麦营养价值的综合评定. 杨凌: 西北农林科技大学硕士论文, 2021. FENG L Y. Comprehensive evaluation of nutritional value of Broussonetia papyrifera, alfalfa and oat. Master Thesis. Yangling: Northwest A & F University, 2021.
-
![]()
图 1 不同处理辣椒秸秆青贮有氧稳定性
不同小写字母表示同一水分条件下不同添加剂处理的辣椒秸秆青贮差异显著(P < 0.05)。
Figure 1. Aerobic stabilization of pepper straw silage with different treatments
Different lowercase letters indicate significant difference in the silage of pepper straw treated with different additives under the same moisture condition at the 0.05 level.
![]()
图 2 4个不同处理辣椒秸秆青贮和苜蓿的体外产气量
Figure 2. In vitro gas production of four different treatments of pepper straw silage and alfalfa
表 1 辣椒秸秆青贮试验设计
Table 1 Design of the pepper straw silage experiment detailing the treatment types and their content
添加剂
Additive添加量(鲜重)
Addition amount (FM)水分含量 Moisture content/% 73 (H) 65 (M) 55 (L) 对照 Control (W0) HW0 MW0 LW0 植物乳杆菌 LP (W1) 1.0 × 106 cfu·g−1 HW1 MW1 LW1 植物乳杆菌 + 纤维素酶 LP + cellulase (W2) 1.0 × 106 cfu·g−1 + 0.15 g·kg−1 HW2 MW2 LW2 植物乳杆菌 + 枯草芽孢杆菌 LP + BS (W3) 0.5×106 cfu·g−1 + 0.5×106 cfu·g−1 HW3 MW3 LW3 植物乳杆菌 + 糖蜜 LP + molasses (W4) 1.0 × 106 cfu·g−1 + 4% HW4 MW4 LW4 纤维素酶 Cellulase (W5) 0.15 g·kg−1 HW5 MW5 LW5 LP: Lactobacillus plantarum; BS: Bacillus subtilis. 
下载: 导出CSV
表 2 含水量和添加剂处理对辣椒秸秆青贮感官品质评价
Table 2 Sensory quality evaluation of pepper straw silage treated with water content and additives combinations
处理
Treatment得分标准
Scoring criteria总分
Total
score等级
Level气味
Odor结构
Structure色泽
ColorHW0 6 1 0 7 中等 Medium HW1 9 2 1 12 尚好 Fine HW2 9 2 1 12 尚好 Fine HW3 11 3 2 16 优良 Excellent HW4 9 2 1 12 尚好 Fine HW5 8 1 0 9 中等 Medium 平均值
Average8.67 1.83 0.83 11.33 尚好 Fine MW0 10 2 1 13 尚好 Fine MW1 12 3 1 16 优良 Excellent MW2 11 3 2 16 优良 Excellent MW3 13 4 2 19 优良 Excellent MW4 12 4 2 18 优良 Excellent MW5 11 3 1 15 尚好 Fine 平均值
Average11.50 3.17 1.50 16.17 优良 Excellent LW0 11 2 1 14 尚好 Fine LW1 11 3 1 15 尚好 Fine LW2 11 2 1 14 尚好 Fine LW3 12 3 2 17 优良 Excellent LW4 12 3 2 17 优良 Excellent LW5 11 2 2 15 尚好 Fine 平均值
Average11.33 2.50 1.50 15.33 尚好 Fine 处理编号参见表1，下同。
The code of treatments refor to Table 1, this is applicable for the following tables and figures as well.
下载: 导出CSV
表 3 含水量和添加剂对辣椒秸秆青贮品质影响
Table 3 Effect of water content and additives on the quality of pepper straw silage
项目
Item添加剂
Additives (AD)含水量 Moisture content (MC) 平均值
AverageSEM 显著性 Significance H M L MC AD MC × AD pH W0 4.65a 4.27a 4.22ab 4.38 0.14 * ** ** W1 4.14c 4.11bc 4.15b 4.13 W2 4.10c 4.11bc 4.15b 4.12 W3 4.12c 4.09c 4.17b 4.13 W4 4.08c 4.12bc 4.17b 4.12 W5 4.29b 4.17b 4.25a 4.24 平均值 Average 4.23 4.15 4.19 乳酸
Lactic acid
(LA)/%W0 1.71d 2.10e 3.23b 2.35 1.02 ** ** ** W1 2.62ab 3.81c 3.54a 3.32 W2 2.84a 4.83b 3.22b 3.63 W3 2.32c 5.74a 3.33b 3.80 W4 2.76a 4.96b 3.23b 3.65 W5 2.33c 2.61d 2.32c 2.42 平均值 Average 2.43 4.01 3.31 乙酸
Acetic acid
(AA)/%W0 0.60d 0.64d 0.64bc 0.63 0.09 ** ** ** W1 0.63d 0.75a 0.85a 0.74 W2 0.76b 0.73ab 0.53d 0.67 W3 0.62d 0.70abc 0.60c 0.64 W4 0.93a 0.69bcd 0.60c 0.74 W5 0.69c 0.67cd 0.70b 0.69 平均值 Average 0.71 0.70 0.65 丙酸
Propionic
acid (PA)/%W0 0.18a 0.10a 0.12a 0.13 0.03 ** ** ** W1 0.07b 0.04bc 0.04b 0.05 W2 0.06b 0.05bc 0.06b 0.06 W3 0.04b 0.03c 0.04b 0.04 W4 0.06b 0.04bc 0.05b 0.05 W5 0.07b 0.06b 0.06b 0.06 平均值 Average 0.08 0.05 0.06 丁酸
Butyric acid
(BA)/%W0 0.11 ND ND 0.11 W1 ND ND ND ND W2 ND ND ND ND W3 ND ND ND ND W4 ND ND ND ND W5 0.09 ND ND 0.09 平均值 Average 0.10 0.00 0.00 氨态氮/总氮
NH3-N/TN/%W0 11.90a 9.92a 9.92a 10.58 3.44 ** ** ** W1 5.04c 3.05b 3.14d 3.74 W2 4.89c 3.04b 4.66b 4.20 W3 2.63d 1.72d 3.94c 2.76 W4 5.34c 2.59c 4.61b 4.18 W5 9.98b 9.38a 9.35a 9.57 平均值 Average 6.63 4.95 5.94 同一含水量下同列不同小写字母表示差异显著(P < 0.05)，相同或无字母表示差异不显著(P > 0.05)。“**”表示差异极显著(P < 0.01)，“*”表示差异显著(P < 0.05)，“NS”表示无显著差异(P > 0.05)。ND表示未检测到。表4同。
Different lowercase letters within the same column along with the same water content indicate significant difference at the 0.05 level, whereas the same letters or no letters indicate no significant difference at the 0.05 level. “**” indicates highly significant difference at the 0.01 level, “*” indicates significant difference at the 0.05 level, whereas “NS” indicates there was no significant difference at the 0.05 level. This is applicable for Table 4 as well.
下载: 导出CSV
表 4 含水率和添加剂对辣椒秸秆青贮营养成分影响
Table 4 Effects of moisture content and additives on the nutritional components of pepper straw silage
项目
Item添加剂
Additives (AD)含水量 Moisture content (MC) 平均值
AverageSEM 显著性 Significance H M L MC AD MC × AD 干物质
Dry matter
(DM)/%W0 25.91ab 37.52b 38.11c 33.85 6.65 ** ** ** W1 24.24c 38.57a 39.98b 34.26 W2 24.87bc 36.68b 40.64b 34.06 W3 26.73a 37.70ab 40.70ab 35.04 W4 25.44b 37.01b 41.96a 34.80 W5 24.14c 36.65b 37.14c 32.64 平均值 Average 25.22 37.36 39.76 粗蛋白
Crude protein
(CP)/%W0 13.22c 13.97c 13.51c 13.57 0.98 * ** NS W1 14.34b 15.08b 14.89abc 14.77 W2 14.37b 14.86bc 14.59abc 14.61 W3 15.96a 16.33a 15.77a 16.02 W4 15.13ab 15.68ab 15.01ab 15.27 W5 13.11c 13.84c 13.77bc 13.57 平均值 Average 14.36 14.96 14.59 中性洗涤纤维
Neutral detergent
fiber
(NDF)/%W0 35.48a 35.21a 35.91a 35.53 2.49 ** ** NS W1 33.75b 33.16b 33.43bc 33.45 W2 33.55b 33.11b 33.73bc 33.46 W3 28.33d 28.19d 28.51d 28.34 W4 31.27c 30.28c 32.31c 31.29 W5 35.17a 34.61a 34.71ab 34.83 平均值 Average 32.93 32.43 33.10 酸性洗涤纤维
Acid detergent
fiber (ADF)/%W0 29.09a 29.14a 29.33a 29.19 1.42 NS ** NS W1 27.76b 27.66b 27.91a 27.78 W2 27.84b 27.73b 28.06a 27.88 W3 26.14c 25.21c 26.44b 25.93 W4 25.76c 25.66c 25.91b 25.78 W5 29.08a 28.76ab 29.11a 28.98 平均值 Average 27.61 27.36 27.79 可溶性碳水化合物
Water soluble
carbohydrates
(WSC)/%W0 3.12b 4.84a 4.44a 4.13 0.72 ** ** NS W1 4.77a 5.33a 5.02a 5.04 W2 4.78a 5.21a 4.91a 4.97 W3 4.93a 5.69a 5.10a 5.24 W4 5.01a 5.68a 4.97a 5.22 W5 3.15b 5.02a 4.39a 4.19 平均值 Average 4.29 5.30 4.81 粗脂肪
Crude protein
(EE)/%W0 2.41a 2.52c 2.48c 2.47 0.40 ** ** NS W1 2.43a 3.31a 2.76bc 2.83 W2 2.23a 3.16ab 3.12ab 2.84 W3 2.89a 3.50a 3.22a 3.20 W4 2.56a 2.67bc 2.63c 2.62 W5 2.34a 3.06ab 2.86abc 2.75 平均值 Average 2.48 3.04 2.85 辣椒素
Capsaicin/(μg·g−1)W0 53.39d 61.99d 60.21c 58.53 7.09 ** ** ** W1 64.08b 71.76b 70.33b 68.72 W2 55.27cd 66.40c 61.41c 61.03 W3 67.06a 79.23a 73.41a 73.23 W4 55.18cd 58.37e 57.22d 56.92 W5 57.21c 60.12de 59.09cd 58.81 平均值 Average 58.70 67.55 63.61 相对饲用价值
Relative feed value
(RFV)W0 173.70d 174.90d 171.13d 173.24 18.53 * ** NS W1 185.45c 188.95c 186.92bc 187.11 W2 186.39c 189.12c 184.93c 186.81 W3 225.08a 228.57a 222.95a 225.53 W4 204.78b 211.72b 197.75b 204.75 W5 175.22d 178.76d 177.50cd 177.16 平均值 Average 191.77 195.34 190.20
下载: 导出CSV
表 5 不同含水量和添加剂对辣椒秸秆青贮效果的综合价值评定
Table 5 Comprehensive evaluation of different moisture content and additives on the effect of pepper straw silage
指标
IndicatorHW0 HW1 HW2 HW3 HW4 HW5 MW0 MW1 MW2 MW3 MW4 MW5 LW0 LW1 LW2 LW3 LW4 LW5 干物质 Dry matter 0.10 0.01 0.04 0.15 0.07 0.00 0.75 0.81 0.70 0.76 0.72 0.70 0.78 0.89 0.93 0.93 1.00 0.73 粗蛋白 Crude protein 0.03 0.38 0.39 0.89 0.63 0.00 0.27 0.61 0.54 1.00 0.80 0.23 0.12 0.55 0.46 0.83 0.59 0.20 可溶性碳水化合物
Wate soluble carbohydrates0.00 0.64 0.65 0.70 0.74 0.01 0.67 0.86 0.81 1.00 1.00 0.74 0.51 0.74 0.70 0.77 0.72 0.49 相对饲用价值
Relative feed value0.04 0.25 0.27 0.94 0.59 0.07 0.07 0.31 0.31 1.00 0.71 0.13 0.00 0.27 0.24 0.90 0.46 0.11 中性洗涤纤维
Neutral detergent fiber0.06 0.28 0.31 0.98 0.60 0.10 0.09 0.36 0.36 1.00 0.73 0.17 0.00 0.32 0.28 0.96 0.47 0.16 酸性洗涤纤维
Acid detergent fiber0.06 0.38 0.36 0.77 0.87 0.06 0.05 0.41 0.39 1.00 0.89 0.14 0.00 0.34 0.31 0.70 0.83 0.05 pH 0.00 0.89 0.96 0.93 1.00 0.63 0.67 0.95 0.95 0.98 0.93 0.84 0.75 0.88 0.88 0.84 0.84 0.70 乳酸 Lactic acid 0.00 0.23 0.28 0.15 0.16 0.15 0.10 0.52 0.77 1.00 0.68 0.22 0.38 0.45 0.37 0.40 0.35 0.15 乙酸 Acetic acid 0.83 0.75 0.43 0.78 0.00 0.60 0.73 0.45 0.50 0.58 0.60 0.65 0.73 0.20 1.00 0.83 0.83 0.58 丙酸 Propionic acid 0.00 0.73 0.80 0.93 0.80 0.73 0.53 0.93 0.87 1.00 0.93 0.80 0.40 0.93 0.80 0.93 0.87 0.80 丁酸 Butyric acid 0.00 1.00 1.00 1.00 1.00 0.18 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 氨态氮/总氮
NH3-N/TN0.00 0.63 0.83 0.85 0.60 0.18 0.18 0.81 1.00 0.94 0.86 0.23 0.18 0.81 0.78 0.73 0.67 0.23 有氧稳定性
Aerobic stability0.00 0.62 0.64 0.62 0.50 0.05 0.18 0.93 1.00 0.97 0.97 0.24 0.19 0.96 0.88 0.89 0.83 0.16 总隶属度
Total membership degree1.12 6.79 6.96 9.69 7.56 2.76 5.27 8.95 9.21 12.23 10.82 6.10 5.05 8.36 8.62 10.71 9.45 5.37 排序 Rank 18 12 11 4 10 17 15 7 6 1 2 13 16 9 8 3 5 14
下载: 导出CSV
表 6 不同处理辣椒秸秆青贮和苜蓿CNCPS蛋白组分含量
Table 6 The content of CNCPS protein components in different treatments of pepper straw silage and alfalfa
% 项目
Project辣椒秸秆青贮 Pepper straw silage 苜蓿
AlfalfaHW3 MW3 MW4 LW3 PA 44.11 ± 0.55c 46.72 ± 0.61a 46.01 ± 0.54a 45.11 ± 0.40b 40.52 ± 0.39d PB1 12.53 ± 0.22c 13.23 ± 0.27bc 14.00 ± 0.18b 12.66 ± 0.31c 15.85 ± 0.25a PB2 28.49 ± 0.39b 26.16 ± 0.87c 25.32 ± 0.56c 27.89 ± 0.63b 29.30 ± 0.66a PB3 6.29 ± 0.39ab 6.79 ± 0.43a 6.56 ± 0.33ab 6.18 ± 0.29b 5.12 ± 0.55c PC 8.58 ± 0.41b 7.10 ± 0.31c 8.11 ± 0.39b 8.16 ± 0.51b 9.21 ± 0.41a PA：非蛋白氮；PB1：快速降解真蛋白质；PB2：中速降解真蛋白质；PB3：慢速降解真蛋白质；PC：不可利用蛋白质。同行不同小写字母表示差异显著(P < 0.05)。
PA: non-protein nitrogen; PB1: fast degradation of true protein; PB2: medium-speed degradation of true protein; PB3: slow degradation of true protein; PC: unavailable proteins. Different lowercase letters within same row indicate significant difference at the 0.05 level.
下载: 导出CSV
表 7 不同处理辣椒秸秆青贮和苜蓿体外发酵参数及干物质降解率
Table 7 In vitro fermentation parameters and dry matter digestibility of pepper straw silage and alfalfa under different treatments
处理
Treatment产气参数 Gas production parameter pH 氨态氮
NH3-N/(mg·L−1)干物质降解率
Dry matter
degradation rate/%A/mL C/(mL·h−1) lag/h HW3 21.20 ± 0.41d 0.10 ± 0.03a 0.38 ± 0.09 6.87 ± 0.16a 0.033 ± 0.03a 53.00 ± 0.96e MW3 25.04 ± 0.31a 0.13 ± 0.02a 0.31 ± 0.07 6.84 ± 0.21a 0.019 ± 0.02c 64.05 ± 1.33a MW4 24.21 ± 0.52b 0.11 ± 0.02a 0.68 ± 0.03 6.85 ± 0.19a 0.023 ± 0.04bc 61.65 ± 2.01b LW3 22.99 ± 0.55c 0.10 ± 0.03a 0.63 ± 0.05 6.88 ± 0.24a 0.027 ± 0.02b 56.64 ± 2.36c 苜蓿 Alfalfa 24.73 ± 0.26ab 0.12 ± 0.02a 0.65 ± 0.03 6.89 ± 0.18a 0.025 ± 0.02bc 54.06 ± 1.55d A：理论最大产气量；C：产气速率常数；lag：产气开始时的延迟时间。同列不同小写字母表示差异显著(P < 0.05)。
A: theoretical maximum gas production; C: gas production rate constant; lag: the time delay to the start of gas production. Different lowercase letters within the same column indicate significant difference at the 0.05 level.
下载: 导出CSV
-
[1] 陆相龙, 董青, 邵涛, 王亚琴, 赵鑫, 郑会超, 姚宏霏, 周卫东. 辣椒秸秆辣椒素和营养成分含量测定. 中国草食动物科学, 2012, 32(5): 24-27. doi: 10.3969/j.issn.2095-3887.2012.05.009 LU X L, DONG Q, SHAO T, WANG Y Q, ZHAO X, ZHENG H C, YAO H F, ZHOU W D. Determination of capsaicin and nutrients in pepper strawg. Chinese Herbivore Science, 2012, 32(5): 24-27. doi: 10.3969/j.issn.2095-3887.2012.05.009
[2] 尹乐斌, 雷志明, 杨莹, 张臣飞. 辣椒加工副产物的综合利用现状. 农产品加工, 2016, 419(11): 59-61. YIN L B, LEI Z M, YANG Y, ZHANG C F. Comprehensive utilization of byproducts in capsicum processing. Processing of Agricultural Products, 2016, 419(11): 59-61.
[3] 许庆方. 影响苜蓿青贮品质的主要因素及苜蓿青贮在奶牛日粮中应用效果的研究. 北京: 中国农业大学博士学位论文, 2005. XU Q F. Studies of the factors of affecting alfalfa silage quality and the utilization of alfalfa silage in dairycows die. PhD Thesis. Beijing: China Agricultural University, 2005.
[4] BRODERICK G A, WALGENBACH R P, STERRENBURING E. Performance of lactating dairy cows fed alfalfa or red clover silage as the sole forage. Dairy Science, 2000, 83: 1543-1551. doi: 10.3168/jds.S0022-0302(00)75026-0
[5] 李荣荣, 郑猛虎, 崔欣雨, 王妍, 徐春城. 优良乳酸菌的筛选及对苜蓿青贮发酵品质的影响. 中国草地学报, 2021, 43(11): 69-75. LI R R, ZHENG M H, CUI X Y, WANG Y, XU C C. Screening of excellent lactic acid bacteria and its effect on the fermentation quality of alfalfa silage. Chinese Journal of Grassland, 2021, 43(11): 69-75.
[6] 穆胜龙, 周波, 甘书灏, 杨冉冉, 武婷婷, 宋明杰, 邹彩霞, 何仁春. 枯草芽孢杆菌与植物乳杆菌对甘蔗尾青贮品质的影响. 饲料工业, 2017, 38(21): 27-31. MU S L, ZHOU B, GAN S J, YANG R R, WU T T, SONG M J, ZOU C X, HE R C. Effects of Bacillus subtilis and Lactobacillus plantarum on the quality of sugarcane top silage. Feed Industry, 2017, 38(21): 27-31.
[7] BAI J, XU D M, XIE D M, WANG M S, LI Z Q, GUO X S. Effects of antibacterial peptide-producing Bacillus subtilis and Lactobacillus buchneri on fermentation, aerobic stability, and mi crobial community of alfalfa silage. Bioresource Technology, 2020, 315: 123881. doi: 10.1016/j.biortech.2020.123881
[8] 张立冬, 字学娟, 李茂, 吕仁龙, 胡海超, 唐军, 周汉林. 纤维素对柱花草青贮品质和营养成分的影响. 黑龙江畜牧兽医, 2021(7): 118-121. ZHANG L D, ZI X J, LI M, LYU R L, HU H C, TANG J, ZHOU H L. Effect of cellulase on the quality and mutrient composition of Stylosanthes guianensis silage. Heilongjiang Animal Scienceand Veterinary Medicine, 2021(7): 118-121.
[9] 陈鹏飞, 戎郁萍, 玉柱, 韩建国. 微波炉测定紫花苜蓿含水量的初步研究. 中国草地学报, 2006, 28 (3): 53-55. CHEN P F, RONG Y P, Yuzhu, HAN J G. Preliminary study on determination of moisture content of alfalfa by microwave oven. Chinese Journal of Grassland, 2006, 28 (3): 53-55.
[10] 丁成龙, 牟林林, 宦海琳, 顾洪如. 凋萎时间对多花黑麦草青贮品质及微生物动态变化的影响. 南方农业学报, 2019, 50(12): 2771-2777. DING C L, MU L L, HUAN H L, GU H R. Effects of withering time on silage quality and microbial dynamics of Italian ryegrass. Journal of Southern Agriculture, 2019, 50(12): 2771-2777.
[11] 雒秋江. 动物营养与饲养. 北京: 科学出版社, 2022. LUO Q J. Animal Nutrition and Feeding. Beijing: Science Press, 2022.
[12] THOMAS T A. An automated procedure for the determination of soluble carbohydrates in herbage. Journal of the Science of Food & Agriculture, 2010, 28(7): 639-642.
[13] 霍瑞春, 王国泽, 姚慧静, 袁鹤, 周刚, 程立坤. 19种加工辣椒辣椒素提取、纯化及其含量测定. 中国调味品, 2022, 47(4): 167-172. doi: 10.3969/j.issn.1000-9973.2022.04.032 HUO R C, WANG G Z, YAO H J, YUAN H, ZHOU G, CHENG L K. Extraction, purification and determination of capsaicin in 19 kinds of processed capsicum. Chinese Condiments, 2022, 47(4): 167-172. doi: 10.3969/j.issn.1000-9973.2022.04.032
[14] CAO Y, CAI Y M, HIRAKUBO T. Fermentation characteristics and microorganism composition of total mixed ration silage with local food by-products indifferent seasons. Animal Science Journal, 2011, 82(2): 259-266. doi: 10.1111/j.1740-0929.2010.00840.x
[15] 罗颖洁, 穆麟, 胡龙兴, 陈桂华, 张志飞, 高帅, 魏仲珊. 稻秸、玉米粉与紫花苜蓿混合青贮研究. 中国草地学报, 2020, 42(4): 139-144. LUO Y J, MU L, HU L X, CHEN G H, ZHANG Z F, GAO S, WEI Z S. Study on mixed silage of rice straw with corn meal and alfalfa. Chinese Journal of Grassland, 2020, 42(4): 139-144.
[16] 贾春旺, 原现军, 肖慎华, 李君风, 白晰, 闻爱友, 郭刚, 邵涛. 青稞秸秆替代苇状羊茅对全混合日粮青贮早期发酵品质及有氧稳定性的影响. 草业与畜牧, 2016, 25(4): 179-187. JIA C W, YUAN X J, XIAO S H, LI J F, BAI X, WEN A Y, GUO G, SHAO T. Effects of highland barley straw replacing tall fescue on early fermentation quality and aerobic stability of total mixed ration silage. Grass Industry and Animal Husbandry, 2016, 25(4): 179-187.
[17] 王旭哲. 紧实度及收获期对全株玉米青贮品质及霉菌毒素的影响研究. 石河子: 石河子大学博士学位论文, 2019. WANG X Z. Effects of compaction and harvest time on the quality and mycotoxins of whole-plant corn silage. PhD Thesis. Shihezi: Shihezi University, 2019.
[18] VAN SOEST P J, SNIFFEN C J, MERTENS D R. A net protein system for cattle: The rumen submodel for nitrogen//OWENS F N. Protein requirements for cattle: Proceedings of an international symposium. Stillw Ater: Oklahoma State University, 1981: 265.
[19] KRISHNAMOORTHY U, SNIFFEN C J, STERN M D. Evaluation of a mathematical model of rumen digestion and an in vitro simulation of rumen proteoly sis to estimate the rumen-undegraded nitrogen content of feedstuffs. British Journal of Nutrition, 1983, 50(3): 555-568. doi: 10.1079/BJN19830127
[20] AACC. Approved Methods of the AACC. Saint Paul: American Association of Cereal Chemistry, 1976.
[21] SNIFFEN C J, O’CONNOR J D, VAN SOEST P J. A net carbohydrate and protein system for evalua ting cattle diets: Ⅱ. carbohydrate and protein availabil ity. Journal of Animal Science, 1992, 70(11): 3562-3577. doi: 10.2527/1992.70113562x
[22] MENKE K H, STEINGASS H. Estimation of the energetic feed value obtained from chemical analysis and in vitro gas production using rumen fluid. Animal Research Development, 1988, 28(1): 7-55.
[23] FRANCE J, DHANOA M S, THEODOROU M K. A model to interpret gas accumulation profiles associated with in vitro degradation of ruminant feeds. Journal of Theoretical Biology, 1993, 163(1): 99-111. doi: 10.1006/jtbi.1993.1109
[24] 李菲菲. 不同茬次、刈割期对苜蓿干草/青贮CNCPS蛋白组分和品质的影响. 石河子: 石河子大学硕士论文, 2019. LI F F. Effects of different stubbles and cutting times on the protein composition and quality of alfalfa hay / silage CNCPS. Master Thesis. Shihezi: Shihezi University, 2019.
[25] NI K, WANG F, ZHU B. Effects of lactic acid bac teria and molasses additives on the microbial community and fermentation quality of soybean silage. Bioresour Technol, 2017, 238: 706-715. doi: 10.1016/j.biortech.2017.04.055
[26] 李玉萌, 张志恒, 朱亦朴, 李湘, 孙赛祎, 李元晓, 赵凌平. 没食子酸对全株玉米青贮品质的影响. 动物营养学报, 2023, 35(5): 3390-3400. LI Y M, ZHANG Z H, ZHU C P, LI X, SUN S Y, LI Y X, ZHAO L P. Effects of gallic acid on the quality of whole-plant corn silage. Journal of Animal Nutrition, 2023, 35(5): 33903400.
[27] 刘辉. 优质紫花苜蓿青贮调制技术及其品质评定研究. 兰州: 甘肃农业大学博士论文, 2015. LIU H. Study on the modulation technology and quality evaluation of high quality alfalfa silage. PhD Thesis. Lanzhou: Gansu Agricultural University, 2015.
[28] 周娟娟, 魏巍, 秦爱琼, 陈本建. 水分和添加剂对辣椒秸秆青贮品质的影响. 草业学报, 2016, 25(2): 231-239. ZHOU J J, WEI W, QIN A Q, CHEN B J. Effects of moisture and additives on the quality of pepper straw silage. Acta Prataculturae Sinica, 2016, 25(2): 231-239.
[29] 荣辉, 余成群, 李志华, 下条雅敬, 邵涛. 添加糖蜜和尿素对象草青贮发酵品质的影响. 草地学报. 2012, 20 (5): 940-946. RONG H, YU C Q, LI Z H, XIATIAO Y J, SHAO T. Effects of molasses and urea on fermentation quality of forage grass silage. Grassland Journal, 2012, 20 (5): 940-946.
[30] 周昕, 黄秋生, 王健, 张嘉宾, 曹阳. 添加乳酸荣剂和糖密对不同含水量食叶草青贮发酵品质及体外干物质消失率的影响. 动物营养学报, 2021, 33(3): 1594-1606. ZHOU X, HUANG Q S, WANG J, ZHANG J B, CAO Y. Effects of adding lactic acid rongji and sugar density on fermentation quality and in vitro dry matter disappearance rate of edible leaf grass silage with different water contents. Annals of Animal Nutrition, 2021, 33(3): 1594-1606.
[31] LI M, ZHOU H L, ZI X J, CAI Y M. Silage fermentationand ruminal degradation of stylo prepared with lactic acid bacteria and cellulase. Animal Science Journal, 2017, 88(10): 1531-1537. doi: 10.1111/asj.12795
[32] 佟明昊, 潘港, 孙娟娟, 薛艳林, 玉柱, 白春生. 混合比例对苜蓿和高丹草混合青贮品质及CNCPS蛋白组分的影响. 中国草地学报, 2022, 44(2): 75-81. DONG M H, PAN G, SUN J J, XUE Y L, Yuzhu, BAI C S. Effects of mixing ratio on quality and protein components of CNCPS of mixed silage of alfalfa and galdendron grass. Chinese Journal of Grassland, 2022, 44(2): 75-81.
[33] 芦岩, 张伶俐, 罗远琴, 魏利, 薛雪, 孙新文, 向春和, 毛胜勇, 王新峰, 张文举. 不同比例棉秆和甜菜渣混合发酵产物的体外产气特性及发酵参数的研究. 草业学报, 2020, 29(5): 58-66. doi: 10.11686/cyxb2019357 LU Y, ZHANG L L, LUO Y Q, WEI L, XUE X, SUN X W, XIANG C H, MAO S Y, WANG X F, ZHANG W J. In vitro gas production characteristics and fermentation parameters of feedstuffs with varying proportions of cot- ton stalks and beet pulp. Acta Prataculturae Sinica, 2020, 29(5): 58-66. doi: 10.11686/cyxb2019357
[34] 冯雷雨. 构树、苜蓿和燕麦营养价值的综合评定. 杨凌: 西北农林科技大学硕士论文, 2021. FENG L Y. Comprehensive evaluation of nutritional value of Broussonetia papyrifera, alfalfa and oat. Master Thesis. Yangling: Northwest A & F University, 2021.
计量
- PDF下载量: 25
- 文章访问数: 65
- HTML全文浏览量: 3
